De Wikipedia, la enciclopedia libre
Saltar a navegación Saltar a búsqueda

El análisis de dominio de extrapolación (EDA) es una metodología para identificar áreas geográficas que parecen adecuadas para la adopción de prácticas innovadoras de gestión de ecosistemas sobre la base de sitios que exhiben similitudes en condiciones tales como indicadores climáticos, de uso de la tierra y socioeconómicos . Si bien se ha aplicado a proyectos de investigación del agua en nueve cuencas piloto, el concepto es genérico y puede aplicarse a cualquier proyecto en el que la aceleración del cambio se considere un objetivo de desarrollo central.

Los resultados del método hasta ahora se han utilizado para cuantificar el impacto económico global de implementar innovaciones particulares junto con su efecto sobre los recursos hídricos . [1] La investigación ha estimulado a los miembros de varios de los proyectos del Programa Desafío para el agua y la alimentación a explorar áreas potenciales de ampliación. Tal es el caso del sistema agroforestal Quesungual en Honduras , [2] [3] que avanza hacia nuevas áreas en paralelo con áreas identificadas por el método EDA.

EDA es un enfoque combinado que incorpora una serie de técnicas de análisis espacial . Se investigó por primera vez en 2006, cuando se aplicó para evaluar cómo se puede utilizar el análisis de similitud para escalar los resultados de la investigación dentro de siete sistemas piloto de cuencas de los Andes. [4] El método desarrolló aún más la investigación en torno al análisis "Homólogo" de Jones [5] [6] mediante la incorporación de variables socioeconómicas en la búsqueda de sitios similares alrededor de los Trópicos. Desde entonces, se ha utilizado para evaluar ' Rutas de impacto ' y Análisis de impacto global. [1]El "homólogo" se desarrolló para determinar la similitud de las condiciones climáticas en un área geográfica con las exhibidas por el sitio piloto; la resolución de píxeles a la que se procesa es 2,43 minutos de arco, o 4,5 km en el ecuador.

Para derivar los dominios de extrapolación, se utilizan técnicas de modelado estadístico bayesiano y frecuentista. Se aplica la metodología de ponderaciones de evidencia (WofE); esto se basa en gran medida en los conceptos del razonamiento probabilístico bayesiano . [7] [8]En esencia, la inferencia estadística se basa en determinar la probabilidad de que los sitios objetivo adopten el cambio demostrado en las áreas piloto. El supuesto es que una colección de puntos de entrenamiento, en conjunto, tendrá características comunes que permitirán predecir su presencia en otros sitios similares. Se basa en la recopilación de factores (utilizados para crear capas de datos temáticos probatorios) que demuestran ser consistentes con la implementación exitosa en sitios piloto y asume que si los sitios objetivo exhiben atributos socioeconómicos similares, junto con atributos climáticos y paisajísticos a los sitios piloto, entonces hay pruebas sólidas que sugieren que la ampliación [se necesita aclaración ] a estos sitios tendrá éxito.

Referencias [ editar ]

  1. ^ a b Bouman, Bas, Simon Cook, Boru Douthwaite, Claudia Ringler, Jorge Rubiano y Tingju Zhu. Junio ​​de 2007. “Potencial de Impacto del“ Arroz Aerobio Templado y Tropical (STAR) en Asia ”. Documento interno elaborado por el Proyecto de Impacto CPWF para el equipo de Revisión Externa.
  2. ^ http://www.fao.org/focus/e/honduras/agro-e.htm
  3. ^ Luis Alvarez Welches e Ian Cherrett. "El sistema Quesungual en Honduras / Una alternativa a la tala y quema" . Archivado desde el original el 11 de marzo de 2016. CS1 maint: discouraged parameter (link)
  4. ^ Otero, MF, Rubiano, J., Soto, V. y Lema, G. 2006. Uso de análisis de similitud para escalar la investigación. Water International. Vol 31, núm. 3. 376–386 págs.
  5. ^ Jones, PG, W. Díaz y JH Cock. 2005. Homólogo: un sistema informático para identificar entornos similares en todo el mundo tropical. Versión Beta a.0. CIAT, Colombia.
  6. ^ http://www.cifor.org/publications/pdf_files/Books/BCarmenza0501.pdf#22
  7. ^ Bonham-Carter, GF, FP Agterberg y DF Wright. 1989. Modelado de pesos de evidencia: un nuevo enfoque para mapear el potencial mineral. En Aplicaciones estadísticas en las ciencias de la tierra, ed. Agternerg, FP y Bonham-Carter, GF Geological Survey of Canada. Documento 89-9. 171–183.
  8. ^ Bonham-Carter, GF. 2002. Sistemas de información geográfica para geocientíficos: Modelado con SIG. En: Merriam DF, editores. Métodos informáticos en las geociencias. Nueva York: Pergamon / Elsevier; 302–334.
  • Jorge E. Rubiano M., Simon Cook, Maya Rajasekharan y Boru Douthwaite (2016). Un método bayesiano para apoyar la expansión global de tecnologías de arroz eficientes en el uso de agua desde áreas de proyectos piloto. Water International