出版社：Universidad Nacional de Educación a Distancia (UNED)
摘要：El objetivo principal de este trabajo se centra en la determinación y análisis de las variables ambientales que influyen en las divergencias de las estimaciones de erosionabilidad a partir de dos métodos, aplicando tres algoritmos de estimación del Factor K. La exploración de esta información permite conocer el peso que ejerce el origen de los datos de entrada a los modelos en el cómputo de erosionabilidad y qué importancia tiene en función del algoritmo elegido para la estimación del Factor K. Los resultados muestran que las pendientes, así como los índices de vegetación (NDVI) y de composición mineralógico (IOI) obtenidos mediantes técnicas de teledetección han mostrado los valores de asociación más elevados entre ambos métodos. The main goal of this work is to determine and analyze the influence of environmental variables on the changes of two erodibility methods, through the application of three estimation algorithms of K Factor. The analysis of this information allows knowing the significance of the input data to the models in the erodibility estimation, and likewise the consequence of the algorithm selected for the estimation of K Factor. The results show that the slopes, as well as the vegetation index (NDVI) and the mineralogical composition index (IOI), generated both by remote sensing techniques, have shown the highest values of association between methods.
其他摘要：The main goal of this work is to determine and analyze the influence of environmental variables on the changes of two erodibility methods, through the application of three estimation algorithms of K Factor. The analysis of this information allows knowing the significance of the input data to the models in the erodibility estimation, and likewise the consequence of the algorithm selected for the estimation of K Factor. The results show that the slopes, as well as the vegetation index (NDVI) and the mineralogical composition index (IOI), generated both by remote sensing techniques, have shown the highest values of association between methods.
