1. Repositorio Institucional UNAD

1. Repositorio Institucional UNAD
2. Producción Científica
3. Sello Editorial UNAD
4. Revista RIAA

Title:	Prediction of soil erosion by random forest: case study of the rio grande basin, Antioquia Predicción de la erosión del suelo mediante random forest: caso de estudio cuenca río grande, Antioquia
metadata.dc.creator:	Arango Carvajal, Laura Isabel
Keywords:	Erosion;Random Forest;non-parametric classification models;supervised learning;Erosión;Random Forest;modelos no paramétricos de clasificación
Publisher:	Sello Editorial UNAD
metadata.dc.relation:	https://hemeroteca.unad.edu.co/index.php/riaa/article/view/6755/7183 https://hemeroteca.unad.edu.co/index.php/riaa/article/view/6755/7443 https://hemeroteca.unad.edu.co/index.php/riaa/article/view/6755/7444 https://hemeroteca.unad.edu.co/index.php/riaa/article/view/6755/7445 https://hemeroteca.unad.edu.co/index.php/riaa/article/view/6755/7446 https://hemeroteca.unad.edu.co/index.php/riaa/article/view/6755/6588
metadata.dc.format.*:	application/pdf application/zip application/zip
metadata.dc.type:	info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion Área Ambiental
Description:	Contextualization: Currently, the knowledge of natural phenomena associated with the preservation of the systems is of interest both for researchers in the natural sciences, and for the environmental authorities in charge of decision-making on resource management. In this sense, work has been carried out on the interpretation and prediction of different physical phenomena such as erosion, to create scenarios that allow strengthening the response criteria for the conservation of the natural capital of the soil. Knowledge gap: The ability to predict the phenomenon of erosion is limited on many occasions due to the quantity and variability of the parameters and variables that are related to erosion; besides that, in many cases, a high computational processing is required to achieve that they are associated with each other. Purpose: The aim is to implement a machine learning model as an alternative tool for complex modeling and erosion prediction. Methodology: In this study, a model is developed from the training of the non-parametric Random Forest method through supervised learning, to predict erosion occurrences in the Rio Grande basin, considering the variables that have previously been used in other methods to model this phenomenon. Results and conclusions: The results showed a capacity to predict erosion in the basin with an approximate precision of 77%, so this method can be applied to obtain fast and reliable predictions. In addition, it was found that the variables used in the RUSLE model mainly explain the occurrence or not of erosion. The great importance of the temperature variable introduced in the model is also surprising. Contextualización: actualmente, el conocimiento de fenómenos naturales asociados a la preservación de los sistemas es de interés tanto para investigadores de las ciencias naturales, como para las autoridades ambientales encargadas de la toma de decisiones sobre el manejo de los recursos. En ese sentido, se ha venido trabajando en la interpretación y predicción de diferentes fenómenos físicos como la erosión, a fin de crear escenarios que permitan fortalecer los criterios de respuesta frente a la conservación del capital natural del suelo. Vacío de conocimiento: la capacidad de predecir el fenómeno de la erosión es limitada en muchas ocasiones, debido a la cantidad y variabilidad de los parámetros y variables que son relacionados a la erosión. Además, en muchos casos se requiere de un alto procesamiento computacional para lograr que se asocien entre sí. Propósito: se busca implementar un modelo de machine learning como herramienta alternativa para la modelación y predicción de la erosión. Metodología: en este estudio, se desarrolla una modelación a partir del entrenamiento del método no paramétrico Random Forest, mediante el aprendizaje supervisado, para predecir la ocurrencia de la erosión en la cuenca de Río Grande, considerando las variables que previamente han sido empleadas en otros métodos para modelar este fenómeno. Resultados y conclusiones: los resultados mostraron una capacidad para predecir la erosión en la cuenca con una precisión aproximada del 77%, por lo que este método puede ser aplicado para obtener predicciones rápidas y confiables. Además, se encontró que las variables empleadas en el modelo RUSLE explican mayoritariamente la ocurrencia, o no, de la erosión. Finalmente, se resalta la importancia de la variable “temperatura” introducida en el modelo.
metadata.dc.source:	Revista de Investigación Agraria y Ambiental; Vol. 15 No. 1 (2024); 317-339 Revista de Investigación Agraria y Ambiental; Vol. 15 Núm. 1 (2024); 317-339 2145-6453 2145-6097
Other Identifiers:	https://hemeroteca.unad.edu.co/index.php/riaa/article/view/6755 10.22490/21456453.6755
Appears in Collections:	Revista RIAA

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.