Detección de saliidad de suelos agrícolas del Ex Lago de Texcoco, mediante el uso de drones.

Abstract

La salinidad del lago de Texcoco se debe a que fue una cuenca endorreica, no tenía forma de lavar las sales de las desgastadas elevaciones montañosas formadas por roca ígnea y tobas volcánicas. Los suelos del ex lago de Texcoco presentan horizontes de carbonato de calcio que forman horizontes cálcicos y petrocalcicos. Los Vehículos aéreos no tripulados (VANT) son aviones propulsados operados de forma remota. Los datos de teledetección tienen la capacidad de capturar información en suelos afectados por la sal. Varios algoritmos y modelos han sido desarrollado para procesar datos de teledetección de salinidad. El objetivo de este trabajo es analizar y comparar la composición iónica y la relación de adsorción de sodio – porciento de sodio intercambiable explicita y ajustada de un terreno agrícola con lo anterior se relacionó con las reflectancias de las imágenes multiespectrales y con los índices de salinidad, para estimar variables de salinidad utilizando redes neuronales y arboles de decisión. El objetivo principal es la detección y clasificación de la salinidad del suelo. El catión más dominante es el sodio. El predio es salino – sódico. Las imágenes interpoladas y las curvas de nivel dan una visión artificial de la relación de adsorción de sodio y el porciento de sodio intercambiable La red neuronal presento una precisión de 69.56% en RAS, 76.12% PSI y 71.88% en sodio, mientras que el árbol de decisión 67% RAS, 61% PSI y 56% en sodio. La simplicidad de los modelos y el grado de precisión los convierten en una herramienta prometedora. _______________ DETECTION OF SALINITY OF AGRICULTURAL SOILS OF THE EX LAKE OF TEXCOCO, THROUGH THE USE OF DRONES. ABSTRACT: The salinity of Lake Texcoco is due to the fact that it was an endorheic basin, it had no way of washing the salts from the worn mountainous elevations formed by igneous rock and volcanic tuffs. The soils of the former lake of Texcoco present calcium carbonate horizons that form calcium and petrocalcic horizons. Unmanned Aerial Vehicles (UAVs) are remotely operated propelled aircraft. Remote sensing data has the ability to capture information on salt-affected soils. Various algorithms and models have been developed to process salinity remote sensing data. The objective of this work is to analyze and compare the ionic composition and the sodium adsorption ratio-explicit and adjusted exchangeable sodium percentage of an agricultural land with the above related to the reflectances of the multispectral images and the salinity index, to estimate salinity variables using neural networks and decision trees. The main objective is the detection and classification of soil salinity. The most dominant cation is sodium. The property is saline - sodium. The interpolated images and the contour lines give an artificial vision of the sodium adsorption ratio and the exchangeable sodium percentage. The neural network presented an accuracy of 69.56% in SAR, 76.12% ESP and 71.88% in sodium, while the tree decision 67% SAR, 61% ESP and 56% in sodium. The simplicity of the models and the degree of precision make them a promising tool.