{rfName}
Ar

Indexado en

Licencia y uso

Icono OpenAccess

Citaciones

12

Altmetrics

Investigadores/as Institucionales

Mateo, LfAutor o CoautorMás-Lópezpez, MiAutor o CoautorGarcía-Del-Toro, EmAutor (correspondencia)Garcia-Salgado, SAutor o CoautorQuijano, MaAutor o Coautor

Compartir

11 de abril de 2024
Publicaciones
>
Artículo
Sí

Artificial Neural Networks to Predict Electrical Conductivity of Groundwater for Irrigation Management: Case of Campo de Cartagena (Murcia, Spain)

Publicado en: Agronomy-Basel. 14 (3): 524- - 2024-03-01 14(3), DOI: 10.3390/agronomy14030524

Autores:

Mateo, Luis F; Mas-Lopezpez, M Isabel; Garcia-del-Toro, Eva M; Garcia-Salgado, Sara; Quijano, M Angeles
[+]

Afiliaciones

Univ Politecn Madrid, Dept Ingn Civil Hidraul Energia & Medio Ambiente, ETSI Caminos,Canales & Puertos Edificio Retiro,Alf - Autor o Coautor
Univ Politecn Madrid, Dept Matemat Informat Aplicadas Ingn Civil & Naval, ETSI Caminos,Canales & Puertos Edificio Retiro,Alf - Autor o Coautor

Resumen

Groundwater is a crucial water resource, particularly in regions with intensive agriculture and a semi-arid climate, such as Campo de Cartagena (Murcia, Spain). Groundwater salinity in the area can be attributed to hydrogeological characteristics, irrigation return water, or even marine intrusion and communication between aquifers. The management of these waters is essential to maintain sustainable agriculture in the area. Therefore, two groundwater salinity prediction models were developed, a backpropagation artificial neural network (ANN) model and a multiple linear regression (MLR) model, based on EC (electrical conductivity) data obtained from official information sources. The data used were the bicarbonate, calcium, chloride, magnesium, nitrate, potassium, sodium, and sulphate concentrations, as well as EC, pH, and temperature, of 495 water samples from 38 sampling stations between 2000 and 2023. Variables with the least influence on the model were discarded in a previous statistical analysis. Based on seven evaluation metrics (RMSE, MAE, R2, MPE, MBE, SSE, and AARD), the ANN model showed a sligntly better accuracy in predicting EC compared to the MLR model. As a result, the ANN model, together with crop tolerance to EC, may be an effective tool for groundwater irrigation management in these areas.
[+]

Palabras clave

Artificial neural networksCampo de cartagena (murcia, spain)Electrical conductivityGroundwaterIrrigation managementSalinitySustainable agriculture

Indicios de calidad

Impacto bibliométrico. Análisis de la aportación y canal de difusión

El trabajo ha sido publicado en la revista Agronomy-Basel debido a la progresión y el buen impacto que ha alcanzado en los últimos años, según la agencia WoS (JCR), se ha convertido en una referencia en su campo. En el año de publicación del trabajo, 2024 aún no existen indicios calculados, pero en 2023, se encontraba en la posición 21/129, consiguiendo con ello situarse como revista Q1 (Primer Cuartil), en la categoría Agronomy.

Independientemente del impacto esperado determinado por el canal de difusión, es importante destacar el impacto real observado de la propia aportación.

Según las diferentes agencias de indexación, el número de citas acumuladas por esta publicación hasta la fecha 2026-04-24:

  • WoS: 6
  • Scopus: 6
[+]

Impacto y visibilidad social

Desde la dimensión de Influencia o adopción social, y tomando como base las métricas asociadas a las menciones e interacciones proporcionadas por agencias especializadas en el cálculo de las denominadas “Métricas Alternativas o Sociales”, podemos destacar a fecha 2026-04-24:

  • La utilización de esta aportación en marcadores, bifurcaciones de código, añadidos a listas de favoritos para una lectura recurrente, así como visualizaciones generales, indica que alguien está usando la publicación como base de su trabajo actual. Esto puede ser un indicador destacado de futuras citas más formales y académicas. Tal afirmación es avalada por el resultado del indicador “Capture” que arroja un total de: 19 (PlumX).

Con una intencionalidad más de divulgación y orientada a audiencias más generales podemos observar otras puntuaciones más globales como:

    Es fundamental presentar evidencias que respalden la plena alineación con los principios y directrices institucionales en torno a la Ciencia Abierta y la Conservación y Difusión del Patrimonio Intelectual. Un claro ejemplo de ello es:

    • El trabajo se ha enviado a una revista cuya política editorial permite la publicación en abierto Open Access.
    • Asignación de un Handle/URN como identificador dentro del Depósito en el Repositorio Institucional: https://oa.upm.es/90115/

    Como resultado de la publicación del trabajo en el repositorio institucional, se han obtenido datos estadísticos de uso que reflejan su impacto. En términos de difusión, podemos afirmar que, hasta la fecha

    • Visualizaciones: 129
    • Descargas: 40
    [+]

    Análisis de liderazgo de los autores institucionales

    Existe un liderazgo significativo ya que algunos de los autores pertenecientes a la institución aparecen como primer o último firmante, se puede apreciar en el detalle: Primer Autor (MATEO RODRIGUEZ, LUIS FRANCISCO) y Último Autor (QUIJANO NIETO, M. ANGELES).

    el autor responsable de establecer las labores de correspondencia ha sido GARCIA DEL TORO, EVA MARIA.

    [+]