InfiltR: una Herramienta para Modelar la Infiltración de Agua en el Suelo

Jorge Méndez-González; Andrés Flores; Alejandro Zermeño-González; Luis Samaniego-Moreno; Librado Sosa-Díaz

doi:10.28940/terralatinoamericana.v44i.2269

Autores/as

Jorge Méndez-González UAAAN
Andrés Flores
Alejandro Zermeño-González
Luis Samaniego-Moreno
Librado Sosa-Díaz

DOI:

https://doi.org/10.28940/terralatinoamericana.v44i.2269

Palabras clave:

automatización, interactividad, modelos matemáticos, optimización

Resumen

La infiltración de agua en el suelo es un proceso esencial del ciclo hidrológico que influye en la disponibilidad de agua para las plantas, la recarga de acuíferos y el acceso humano al agua. El presente trabajo tuvo como objetivo desarrollar una aplicación utilizando ‘Shiny’, que permita simular, calcular y predecir la lámina infiltrada de manera automatizada, interactiva e intuitiva, empleando el método del cilindro. Esta aplicación se desarrolló en el lenguaje de programación R, junto con diversas librerías útiles para tal fin. Los fundamentos teóricos y los cálculos, se basaron en artículos científicos que documentan los procedimientos para el cálculo de la infiltración. Como resultado, se creó infiltR, una aplicación que no solo simula y calcula la infiltración, sino que también permite la designación de parámetros para optimizar y comprender el proceso de la infiltración de agua en el suelo. La aplicación también permite realizar pronósticos de infiltración en tiempo real, con base en dos modelos matemáticos. Esta aplicación es gratuita, su código completo está disponible en un repositorio de GitHub para posibles adecuaciones y mejoras y se realizará un video en YouTube para el uso de la aplicación. Para usuarios avanzados el código también puede implementarse desde R, o utilizarse desde un simple link sin necesidad de instalar R. Esta herramienta es valiosa para su aplicación en el campo en tiempo real, así como para el proceso educativo, proporcionando una mejor comprensión de los mecanismos relacionados en la infiltración de agua.

Descargas

Los datos de descargas todavía no están disponibles.

Publication Facts

This article

Author statements

Data availability

N/A

16%

External funding

N/D

32% con financiadores

Competing interests

N/D

11%

Para esta revista

Other journals

Articles accepted

Artículos aceptados: 53%

33% aceptado

Days to publication

368

145

Indexado: {$indexList}

GS
S

Editor & editorial board: profiles
Academic society: Terra Latinoamericana
Editora:: Mexican Society of Soil Science, C.A.

Citas

Baty F., Delignette-Muller M.L., Charles S., Flandrois J. P., Ritz C., & Siberchicot A. (2015). nlstools: Tools for Nonlinear Regression Diagnostics (Version 1.0-2). https://doi.org/10.32614/CRAN.package.nlstools

Beltrán, L. M. A. (2021). Irrigación y drenaje agrícola ( creado en rstudio Página de rpubs, Ed.; p. 20). Rpubs. https://rpubs.com/Leugimxw9/Irrigacion1

Chang, W., Cheng, J., Allaire, J. J., Xie, Y., & McPherson, J. (2023). shiny: Web Application Framework for R. (Version 1.7.5). [Software]. https://doi.org/10.32614/CRAN.package.shiny

Chang, W., & Ribeiro, B. B. (2023). shinydashboard: Create Dashboards with “Shiny” (Version 0.7.2). [Software]. https://doi.org/10.32614/CRAN.package.shinydashboard

Cunha, J. L. X. L., Coelho, M. E. H., de Albuquerque, A. W., Silva, C. A., da Silva Júnior, A. B., & de Carvalho, I. D. E. (2015). Water infiltration rate in yellow latosol under different soil management systems. Revista Brasileira de Engenharia Agricola e Ambiental, 19(11), 1021–1027. https://doi.org/10.1590/1807-1929/agriambi.v19n11p1021-1027

Elzhov, T. V., Mullen, K. M., Spiess, A. N., & Bolker, B. (2022). minpack.lm: R Interface to the Levenberg-Marquardt Nonlinear Least-Squares Algorithm (Version 1.2-2). [Software]. https://doi.org/10.32614/CRAN.package.minpack.lm

Farid, H. U., Mahmood-Khan, Z., Ahmad, I., Shakoor, A., Anjum, M. N., Iqbal, M. M., Mubeen, M., & Asghar, M. (2019). Estimation of infiltration models parameters and their comparison to simulate the onsite soil infiltration characteristics. International Journal of Agricultural and Biological Engineering, 12(3), 84–91. https://doi.org/10.25165/j.ijabe.20191203.4015

Harisuseno, D., & Cahya, E. N. (2020). Determination of soil infiltration rate equation based on soil properties using multiple linear regression. Journal of Water and Land Development, 47(1), 77–88. https://doi.org/10.24425/jwld.2020.135034

Hidayat, M., & Razali, M. (2018). The influence of vegetation types on the infiltration capacity of Ie Suum geothermal area in Mount Seulawah Agam. Journal of Physics: Conference Series, 1116(5). https://doi.org/10.1088/1742-6596/1116/5/052029

Kabacoff I. Robert. (2011). R in acction: Data analysis and graphics with R (Manning Publication Co., Ed.).

Posit Software, PBC. (2024). RStudio integrated development for R. Posit Software. https://posit.co/downloads/

Rahardjo, A. P. (2020). Effect of Slope on Infiltration Capacity and Erosion of Mount Merapi Slope Materials. Journal of the Civil Engineering Forum, 1000(1000). https://doi.org/10.22146/jcef.58350

R Core Team. (2024). A language and environment for statistical computing. R Foundation for Statistical Computing. https://www.r-project.org/

Sievert, C., Parmer C., Hocking T., Chamberlain S., & Ram K. (2020). plotly: Create Interactive Web Graphics via “plotly.js” (Version 4.10.1). [Software]. https://doi.org/10.32614/CRAN.package.plotly

Weber, J. F. (2015). Estimación de los parámetros del modelo de infiltración de Philip en áreas permeables del ejido urbano de la ciudad de córdoba, Argentina. Aqua-LAC, 7(1), 39–48.

Xie Y., Cheng J., Tan X., Allaire JJ., Girlich M., Ellis G. F., & Rauh J. (2023). DT: A Wrapper of the JavaScript Library “DataTables” (Version 0.28). [Software]. https://doi.org/10.32614/CRAN.package.DT

InfiltR: una Herramienta para Modelar la Infiltración de Agua en el Suelo

Autores/as

DOI:

Palabras clave: