Análisis de componentes principales con datos georreferenciados : una aplicación en agricultura de precisión

La utilización de nuevas tecnologías asociadas a la agricultura de precisión permite capturar información de múltiples variables en gran cantidad de sitios georreferenciados dentro de lotes en producción. Las covariaciones espaciales de las propiedades del suelo y el rendimiento del cultivo pueden evaluarse a través del análisis de componentes principales clásico (PCA). No obstante, como otros métodos multivariados descriptivos, el PCA no ha sido desarrollado explícitamente para datos espaciales. Nuevas versiones de análisis multivariado permiten contemplar la autocorrelación espacial entre datos de sitios vecinos. En este trabajo se aplican y comparan los resultados de dos técnicas multivariadas, el PCA y MULTISPATI-PCA. Este último incorpora la información espacial a través del cálculo del índice de Moran entre los datos de un sitio y el dato promedio de sus vecinos. Los resultados mostraron que utilizando MULTISPATI-PCA se detectaron correlaciones entre variables que no fueron detectadas con el PCA. Los mapas de variabilidad espacial construidos a partir de la primera componente de ambas técnicas fueron similares; no así los de la segunda componente debido a cambios en la estructura de co-variación identificada, al corregir la variabilidad por la autocorrelación espacial de los datos. El método MULTISPATI-PCA constituye una herramienta importante para el mapeo de la variabilidad espacial y la identificación de zonas homogéneas dentro de lotes.

Sediment physicochemical properties condition pollutant association : a multivariate study of polybrominated diphenyl ethers on the Mendoza River irrigation areas

This work is a multidisciplinary environmental study that provides new insights into the relationships between sediment-organic matter characteristics and polybrominated diphenyl ethers (PBDEs) concentration. The aim of the present multivariate study was to correlate factors influencing PBDEs accumulation in sediment by using principal component analysis (PCA). Organic matter studies by Fourier Transform-Infrared spectroscopy and physicochemical analyses (Total Organic Carbon, pH, electrical conductivity) of sediment samples were considered for PCA. Samples were collected from an artificial irrigation network on the Mendoza River irrigation areas. PCA provided a comprehensive analysis of the studied variables, identifying two components that explained 63% of the data variance. Those factors were mainly associated to organic matter degradation degree, which represent a new insight into the relationships between organic matter in sediments and PBDEs fate. In this sense it was possible to determine that not only the content but also the type of organic matter (chemical structure) could be relevant when evaluating PBDEs accumulation and transport in the environment. Typification of organic matter may be a useful tool to predict more feasible areas where PBDE, may accumulate, as well as sediment transportation capability.