Teledetección para la cartografía de cromo y níquel en Sierra de la Nieves: una aproximación desde el aprendizaje automático interpretable
DOI:
https://doi.org/10.17398/3101-7177.2.210Palabras clave:
cromo, níquel, Sentinel 2, feature importance, accumulated local effects, Sierra de las NievesResumen
La cartografía de metales pesados (MP) en suelos ha ganado atención por su relevancia para la salud del suelo. Sin embargo, la información sobre los niveles de base en regiones no contaminadas sigue siendo limitada. Este estudio cartografía el contenido de cromo (Cr) y, níquel (Ni) del suelo de la Sierra de las Nieves, España. Los conjuntos de variables predictivas incluyeron compuestos trimestrales, índices espectrales representativos de la cobertura del suelo, características fenológicas extraídas de la serie temporal de Sentinel 2 para 2018-2020, y características geológicas y del terreno. Se aplicó un enfoque basado en pilas de regresores (stacks), empleando el método de Selección Secuencial de Características para la reducción de dimensionalidad. La predicción de MP se evaluó utilizando los siguientes métodos de Aprendizaje Automático Interpretable (IML): Importancia de Características agnóstica del modelo y gráficos de Efecto Local Acumulado (ALE). El níquel mostró la mayor precisión (R2=0.6, RMSE=0.78), seguido por el cromo (R2=0.41, RMSE=0.68. La distancia a las peridotitas fue determinante, con varias características de teledetección, como SWIR, siendo altamente relevantes. Este marco metodológico ofrece mapas de referencia a escala de paisaje e información valiosa sobre los factores impulsores de la distribución espacial de MP del suelo.
Descargas
Referencias
Azizi, K., Zhao, S., Ayoubi, S., Kamangarpour, A., Nabiollahi, K., Ge, Y., Zhao, K., Rodrigo-Comino, J., & Demattê, J. A. M. (2026). Integrating proximal sensing data (soil spectra and magnetic susceptibility) with the common covariates to predict soil carbon pools in semiarid regions. JSTILL, 256. https://doi.org/10.1016/j.still.2025.106840
Caparros-Santiago, J. A., Rodriguez-Galiano, V., & Dash, J. (2021). Land surface phenology as indicator of global terrestrial ecosystem dynamics: A systematic review. ISPRSJPRS, 171, 330-347. https://doi.org/10.1016/j.isprsjprs.2020.11.019
Jonsson, P., & Eklundh, L. (2002). Seasonality extraction by function fitting to time-series of satellite sensor data. IEEE Transactions on Geoscience and Remote Sensing, 40(8), 1824-1832. https://doi.org/10.1109/TGRS.2002.802519
Kooistra, L., Salas, E. A. L., Clevers, J. G. P. W., Wehrens, R., Leuven, R. S. E. W., Nienhuis, P. H., & Buydens, L. M. C. (2004). Exploring field vegetation reflectance as an indicator of soil contamination in river floodplains. Environmental Pollution, 127(2), 281-290. https://doi.org/10.1016/s0269-7491(03)00266-5
McBratney, A. B., Mendonça Santos, M. L., & Minasny, B. (2003). On digital soil mapping. Geoderma, 117(1-2), 3-52. https://doi.org/10.1016/S0016-7061(03)00223-4
Moradpour, S., Entezari, M., Ayoubi, S., Karimi, A., & Naimi, S. (2023). Digital exploration of selected heavy metals using Random Forest and a set of environmental covariates at the watershed scale. Journal of Hazardous Materials, 455. https://doi.org/10.1016/j.jhazmat.2023.131609
Wang, F., Gao, J., & Zha, Y. (2018). Hyperspectral sensing of heavy metals in soil and vegetation: Feasibility and challenges. ISPRSJPRS, 136, 73-84. https://doi.org/10.1016/j.isprsjprs.2017.12.003
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Francisco M. Canero, Víctor Rodríguez Galiano, Maria Paula Mendes, Jose M. Ollega Caro (Autor/a)
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Todo el contenido disponible en el Portal de Revistas-UEx se distribuye bajo una licencia Creative Commons: Atribución 4.0 Internacional (CC BY 4.0)
