Tipología fisicoquímica de sedimentos altoandinos mediante clasificación multivariante y validación estadística: evidencia de gradientes de mineralización, alcalinidad, acumulación orgánica y señal cálcica
DOI:
https://doi.org/10.55204/trc.v6i1.e686Palabras clave:
Componentes principales (PCA), Bootstrap, Variables fisicoquímicas: carbono orgánico total (COS), materia orgánica (MO), conductividad eléctrica (CE), pH, calcio (Ca)Resumen
El estudio desarrolla una tipología fisicoquímica de sedimentos altoandinos basada en la clasificación multivariante y validación estadística, identificando gradientes clave de mineralización, alcalinidad, acumulación orgánica y señal cálcica. Se analizaron datos de variables como carbono orgánico total (COS), materia orgánica (MO), conductividad eléctrica (CE), pH y calcio (Ca) de cuatro grupos sedimentarios (G1–G4). Mediante análisis de componentes principales (PCA) se corroboró la diferenciación multivariante entre grupos. Los métodos supervisados LDA mostraron alta exactitud en la discriminación de las muestras, mientras que la robustez interna fue evaluada mediante bootstrap. La tipología resultante clasifica los sedimentos en cuatro tipos: cálcicos con mineralización intermedia, orgánico-alcalinos de baja mineralización, orgánico-mineralizados débilmente ácidos y mineralizados con baja acumulación orgánica. Este enfoque estadístico robusto permite interpretar y validar la estructura sedimentaria de forma coherente y reproducible, aportando evidencia clara sobre los gradientes fisicoquímicos que caracterizan los sedimentos altoandinos.Descargas
Referencias
Anderson, M.J. (2001). A new method for non-parametric multivariate analysis of variance. Austral Ecology, 26(1), 32-46.
Breiman, L. (2001). Random forests. Machine Learning, 45(1), 5-32.
Dunn, O.J. (1964). Multiple comparisons using rank sums. Technometrics, 6(3), 241-252.
Hastie, T., Tibshirani, R., & Friedman, J. (2009). The Elements of Statistical Learning. Springer.
Jackson, D.A. (1993). Stopping rules in principal components analysis: a comparison of heuristical and statistical approaches. Ecology, 74(8), 2204-2214.
James, G., Witten, D., Hastie, T., & Tibshirani, R. (2013). An Introduction to Statistical Learning. Springer.
Jolliffe, I.T. (2002). Principal Component Analysis. Springer Series in Statistics.
Legendre, P. (1993). Spatial autocorrelation: trouble or new paradigm? *Ecology
Legendre, P., & Legendre, L. (2012). Numerical Ecology. Elsevier.
Legendre, P., & Legendre, L.F. (1998). Spatial autocorrelation. In Numerical Ecology (Vol. 24). Elsevier.
Liaw, A., & Wiener, M. (2002). Classification and Regression by randomForest. R News, 2(3), 18-22.
Manly, B.F.J. (2007). Randomization, Bootstrap, and Monte Carlo Methods in Biology. Chapman & Hall.
McCune, B., & Grace, J.B. (2002). Analysis of Ecological Communities. MjM software design.
Oksanen, J., et al. (2020). vegan: Community Ecology Package. R package version 2.5-7.
Rousseeuw, P.J. (1987). Silhouettes: a graphical aid to the interpretation and validation of cluster analysis. Journal of Computational and Applied Mathematics, 20, 53-65.
Ter Braak, C.J.F. (). Canonical Correspondence Analysis: A new eigenvector technique for multivariate direct gradient analysis. Ecology, 67(5), 1167-1179.
Venables, W.N., & Ripley, B.D. (1994). Modern Applied Statistics with S-PLUS. Springer.
Venables, W.N., & Ripley, B.D. (2002). Modern Applied Statistics with S (4th ed.). Springer.
Warton, D.I., et al. (2012). Distance-based multivariate analyses confound location and dispersion effects. Methods in Ecology and Evolution, 3(1), 89-101.
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Nancy Elizabeth Chariguamán Maurisaca
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores conservan los derechos morales y patrimoniales de sus obras. Puesto que Tesla Revista Científica es una publicación de acceso abierto, los lectores pueden reproducir total o parcialmente su contenido siempre y cuando proporcionen adecuadamente el crédito a los autores correspondientes y a la revista misma. Tesla Revista Científica se compromete a no hacer uso comercial de los textos que recibe y/o publica.
Nuestra revista se rige por las politicas internacionales SHERPA/RoMEO: Revista verde: Permiten el autoarchivo tanto del pre-print (borrador de un trabajo) como del post-print (la versión corregida y revisada por pares) y hasta de la versión final (maquetada tal como saldrá publicada en la revista).
Véase también "Derechos de autor y licencias".
