4.2.4 Validación de los diferentes métodos de interpolación

4.2.4 Validación de los diferentes métodos de interpolación

En las Figuras 31 y 32 se observa el comportamiento del nivel freático utilizando cuatro

métodos de interpolación: IDW, KO, KS y KU. KO y KS generaron una superficie de

interpolación similar, tanto para Catay como San Miguel con leves diferencias.

Adicionalmente, las superficies de interpolación de KS y KO son representativas de la

realidad de campo.

El método determinístico IDW detecta valores extremos, siendo estos en el rango de 0 –60 cm y 141 – 180 cm, generando puntos de concentración representados por los círculos

rojos y azul intenso. Los valores extremos generan cambios bruscos en la superficie de

interpolación. Villatoro, Henríquez, y Sancho (2008) encontraron puntos de concentración (“ojo de buey”) en algunos sitios en la superficie de interpolación para las variables pH, Ca,

CIC y P. Esto se debe al peso que se le puede dar a la variación particular del valor de un

punto de muestreo sobre los que están alrededor. Una limitante es la sensibilidad del

método a los valores extremos. Desde el punto de vista práctico, es una limitante ya que

no se realiza correctivos por una mínima área que es problemática, cuando la mayor

superficie indica buen drenaje para el cultivo.

KU detecta tendencias espaciales y es el método que más se aleja de la realidad para la

variable nivel freático. KU tiende a generalizar los valores en el rango de 101 – 140 cm,

correspondiente a la categoría de drenaje adecuado (color celeste). Por ende, KU tiende a

subestimar la variabilidad en sus predicciones. Desde esta perspectiva, KU es un método

de interpolación no recomendado para estudiar el comportamiento del nivel freático en

las haciendas. De acuerdo con Schmidt, Tilahun, Kedir, y Shiferaw (2011), KU supone que

existe una fuerte tendencia de los datos en la región y, por lo tanto, KU solamente debe

usarse cuando se conoce que existe una tendencia en los datos y se puede dar una

justificación científica para describirlos. Este no es el caso del comportamiento del nivel

freático en las haciendas, ya que los datos no tienen tendencia en el plano norte – sur, ni

en la dirección este – oeste.

KO presentó, en la mayoría de los casos, valores más bajos de RMSE en la validación cruzada

con respecto a los otros métodos. El MS es más cercano a cero en KO comparado con KS y

KU, lo cual indica que el modelo no está sesgado. El RMSS en KO es cercano 1 en la mayoría

de los casos, indicando la fiabilidad de los errores estándar de la predicción. Caso contrario,

ocurre con KU que presenta valores de RMSS mayores a 1, lo cual subestima la variabilidad

en sus predicciones. KS no presenta consistencia en los indicadores estadísticos, siendo en

algunos casos deseables y en otros alejados de los parámetros. Por tanto, KO presenta los

mejores indicadores estadísticos en la validación cruzada.

El análisis de regresión con los datos observados y estimados por los cuatro métodos de interpolación presentó un coeficiente de determinación R2 bajo, entre 0.09 hasta 0.39, siendo deseable valores cercanos a 1. KO e IDW presentaron los valores más altos de R2

con respecto a los otros métodos. Por lo tanto, presentan una menor dispersión de los

datos alrededor de la línea de regresión.

El ME en la validación realizada en Catay fue menor y cercano a 1, comparado con los ME

obtenidos en San Miguel en los cuatro interpoladores. Esto se debió posiblemente a la

mayor cantidad de datos de entrenamiento utilizados en Catay. ME es menor en KO e IDW

en la mayoría de los casos con respecto a KS y KU. El RMSE fue menor en KO con respecto

a los demás interpoladores. Cuanto menor es el valor, más precisa son las predicciones. La

MS es menor en KS y KO y más alta en KU. Por tanto, el protocolo de decisiones es acertado

para KO de acuerdo con los indicadores estadísticos de la validación.