CONFERENCISTA

Andrés Búcaro Asistente de Investigación, CIA-UCR

CONFERENCISTA

Bryan Alemán Investigador, CIA-UCR

Modelización y mapeo digital de suelos

en regiones cañeras:

Una herramienta para la productividad y

sostenibilidad de suelos cañeros

Introducción

Creciente necesidad de información de suelos

Análisis racional de este recurso natural ¿renovable?

Aprovechamiento, conservación o conocimiento

Desarrollo de la modelización y mapeo digital de suelos

Modelización y Mapeo Digital de Suelos

Se considera una disciplina dentro de la pedología…

Propone la evaluación cuantitativa de los modelos pedológicos…

A través de la

creación de

sistemas de información

de suelos para la

realización

de inferencias de la

variabilidad espacial…

scorpan-SSPFe…

DEMs, sensores remotos,

análisis de fertilidad del suelo…

y no paramétrica…

Medio para obtener mejor información de suelos…

Modelización paramétrica …

General:

Evaluar los alcances de las técnicas de modelización

y mapeo digital de suelos (MMDS) para su empleo

en la elaboración de mapas de atributos de fertilidad

del suelo para la agroindustria azucarera.

Específicos:

(1) Modelizar y mapear el pH, acidez y CICE en el

área de estudio.

(2) Evaluar los alcances y limitaciones de las

técnicas empleadas en los ejercicios de MMDS.

Objetivos

1952:. Clasificación de Reconocimiento de los

Suelos de la República de Guatemala (Simmons

et al).

1996: Estudio Semidetallado de

Suelos de la zona cañera del Sur de la

República de Guatemala

(CENGICAÑA).

2001: Primera

Aproximación al Mapa de

Clasificación Taxonómica

de Suelos de la República

de Guatemala (Tobías et

al).

2006: Proyecto Mapa de

Taxonomía de Suelos y

Capacidad de Uso de la Tierra

a escala 1:50000 de la

República de Guatemala

(MAGA-DIGEGR).

63 años de construcción de sistemas de

información y mapas de suelos en

GT

¿A dónde se quiere ir?

El caso de Guatemala

Materiales y Métodos

Área de Estudio

Región Occidental del Valle Central del Costa Rica

Área aproximada: 1884 km²

En el área de estudio se

reconocen asociaciones

edáficas dominadas por:

• Ustands

• Humults

• Ustepts

• Orthents

Materiales y Métodos

Área de Estudio

scorpan-SSPFe Un enfoque integral para el mapeo digital de suelos

Obtención y procesamiento de la información De los registros a los mapas…

384 análisis de fertilidad de

suelos georreferenciados

(300 para calibración y 84

para validación)

24 capas de predictores

Generación de modelos

suelo - paisaje

Validación de los modelos y

evaluación pedológica

Construcción de

representaciones digitales

de atributos o clases de

suelos

pH, Acidez y CICE

Extracción de los datos y

construcción de base de

datos

sco

rpa

n

DEM, Mapas

Climáticos e

Imagen

Satelital

1

2 3

4

5 6

Obtención y procesamiento de la información Variables predictoras representativas de los factores

formadores del suelo…

1. Banda 1

2. Banda 2

3. Banda 3

4. Banda 4

5. Banda 5

6. Banda 6

7. Banda 7

8. NDVI

9. Temperatura

10.Precipitación

11. Altitud (DEM)

12. Sombreado Analítico

13. Pendiente

14. Aspecto

15. Curvatura del Plano

16. Curvatura del Perfil

17. Índice de Convergencia

18. Área de Acumulación

19. Índice de Humedad

20. Factor de Largo de Pendiente

21. Nivel Base de la Red de Drenaje

22. Altitud sobre la Red de Drenaje

23. Índice Multirresolución Depresional de Valles

24. Índice Multirresolución de Llanura de Crestas

Clima (c) Organismos (o) Relieve (r) Material Parental (p)

Obtención y procesamiento de la información Base de datos con la cual se generaron los modelos lineales…

Resultados Variación espacial del pH

pH = 6.00×100 - 7.03×10-2 (TEMP) + 6.93×10-4(CHNBL) - 6.25×10-2(WI)

- 8.75×10-1(SLOPE)-9.87×10-4(AACHN) + 1.42×10-4(PP)

Error Estándar Residual: 0.45

Coeficiente de Determinación Ajustado: 0.51

Error Promedio Absoluto: 0.37

Error Cuadrado Promedio: 0.24

Resultados Variación espacial del pH

Resultados Variación espacial de acidez

ACIDEZ = -3.68×101 + 2.08×10-3 (DEM) + 1.70×100(TEMP)

+ 2.30×10-1(LSFACTOR)

Error Estándar Residual: 3.18 cmol(+)/L

Coeficiente de Determinación Ajustado: 0.42

Error Promedio Absoluto: 2.44 cmol(+)/L

Error Cuadrado Promedio: 10.8 cmol(+)/L

Resultados Variación espacial de acidez

Resultados Variación espacial de CICE

CICE = -1.08×102 + 5.02×100 (TEMP) - 2.51×102(sqrt(MRVBF))

+ 1.19×10-2(DEM) + 2.50×10-1(LSFACTOR) – 1.54×10-2(AACHN)

Error Estándar Residual: 5.94 cmol(+)/L

Coeficiente de Determinación Ajustado: 0.52

Error Promedio Absoluto: 4.53 cmol(+)/L

Error Cuadrado Promedio: 34.4 cmol(+)/L

Resultados Variación espacial de CICE

Conclusiones ¿Qué se logró y qué no?

Los productos generados logran capturar la tendencia

global de la variación espacial de los atributos

estudiados.

La influencia del paisaje en la variación espacial de los

mismos es evidente.

Se considera que el empleo de técnicas de MMDS es

viable para aprovechar la información de suelos que

se genera en la agroindustria azucarera y brindarle

más valor.

Conclusiones ¿Qué se logró y qué no?

Los productos obtenidos representan una base sobre

la cual se pueden realizar actualizaciones y mejoras.

Se consideran como limitaciones de este ejercicio de

MMDS la asignación de los análisis de suelos al

centroide de las unidades de muestreo, el empleo de

un único de modelización y la ubicación de los puntos

muestreados en un patrón de conglomerados (por

cooperativas).

Agradecimientos