Pronóstico de la humedad del suelo mediante aprendizaje por transferencia: Una aplicación en los Andes tropicales de alta montaña

Abstract

La humedad del suelo es una variable crítica en el ciclo hidrológico y en el sistema climático, con un impacto significativo en los recursos hídricos, el funcionamiento de los ecosistemas y la ocurrencia de eventos extremos. Sin embargo, los datos de humedad del suelo suelen ser escasos y la dinámica del agua en el suelo no se comprende plenamente en regiones montañosas como los Andes tropicales del Ecuador. Este estudio tiene como objetivo modelar y predecir la dinámica de la humedad del suelo utilizando datos hidrometeorológicos recolectados in situ para el entrenamiento de modelos basados en técnicas de aprendizaje automático orientadas por datos (data-driven machine learning). Los resultados destacan el papel fundamental de la vegetación en el control de la dinámica de la humedad del suelo, así como diferencias significativas en el balance hídrico del suelo asociadas a los tipos de cobertura vegetal y a la topografía. Se desarrolló un modelo base para predecir la dinámica de la humedad del suelo mediante técnicas de redes neuronales. Posteriormente, empleando técnicas de aprendizaje por transferencia (transfer learning), este modelo se aplicó eficazmente a distintos horizontes y perfiles de suelo, demostrando su capacidad de generalización y adaptabilidad. El uso de esquemas de redes neuronales y técnicas de transferencia de conocimiento permitió desarrollar modelos predictivos de humedad del suelo entrenados con datos hidrometeorológicos recolectados in situ. La técnica de transfer learning, que aprovechó el conocimiento de un modelo previamente entrenado para aplicarlo a un dominio similar, produjo resultados con errores en el orden de:1×10^(-6)<ε<1×10^(-3) Para los datos de entrenamiento, el pronóstico de la red base mostró resultados excelentes, con un error de magnitud mínima (RMSE) igual a 4.77×10^(-6), y valores de NSE y KGE iguales a 0,97. Estos modelos muestran un potencial prometedor para predecir con precisión la dinámica de la humedad del suelo a corto plazo, con posibles aplicaciones en el monitoreo de amenazas naturales en regiones montañosas.