Variabilidad espacial de las propiedades físicas y ... variabilidad espacial café.pdf · del...

Variabilidad espacial de las propiedades físicas y químicas en

rendimiento y calidad de Café

Felipe Andrés Rodríguez Garay

Universidad Nacional de Colombia

Facultad de Ciencias Agrarias

Bogotá, Colombia

2015

Variabilidad espacial de las propiedades físicas y químicas en

rendimiento y calidad de Café

Felipe Andrés Rodríguez Garay

Tesis presentada como requisito para optar al título de:

Magister en Ciencias Agrarias con énfasis en suelos y aguas

Director:

Ing. Agr. M. Sc. Ph. D. Jesús Hernán CamachoTamayo

Universidad Nacional de Colombia

Facultad de Ciencias Agrarias

Bogotá, Colombia

2015

A mis padres Julio César y Mariela, a mi

hermana Natalia y a mi novia Adriana.

Agradecimientos

Esta investigación se logró gracias al apoyo de la Facultad de Ciencias agrarias sede

Bogotá, que permitió la utilización de los Laboratorios de Física de Suelos; a los

propietarios de la Finca Casablanca municipio de Sasaima, vereda Guane, por facilitar el

terreno para realizar los estudios; al Ingeniero Jesús Hernán Camacho Tamayo, Profesor

Asociado del Departamento de Ingeniería Civil y Agrícola de la sede Bogotá por el

acompañamiento y dirección en este proceso, a la Doctora Yolanda Rubiano Sanabria,

profesora del Departamento de Ingeniería Agronómica sede Bogotá por sus

conocimientos aplicados en este estudio y por último al Ingeniero Edward Alejandro

Moreno por su colaboración.

Resumen y Abstract IX

Resumen

La importancia ambiental y económica del uso racional de insumos para una agricultura

competitiva y sostenible hace necesaria una mayor comprensión de las diferentes

variables que intervienen en la producción agrícola. El objetivo del presente estudio fue

establecer el comportamiento espacial de las propiedades físicas y químicas del suelo y

su relación con el rendimiento y calidad del café en un Typic Hapludand. El muestreo se

realizó de manera aleatoria en 64 puntos georreferenciados a una profundidad de 0,20 m

de la superficie. Los datos fueron analizados a través de estadística descriptiva,

geoestadística, correlaciones lineales y los métodos multivariados clúster y componentes

principales (CP) y la interpolación utilizando el método “Kriging”. El análisis descriptivo

mostró alta variabilidad para los atributos químicos y baja a moderada para los físicos,

todos los atributos mostraron dependencia excepto el contenido de B en el suelo. Se

presentó una correlación de 35,88% entre los atributos del suelo (Contenido de CO) y los

atributos del cultivo (rendimiento). Se observó una correlación inversa de 40,98% entre la

merma en trilla y el contenido de Ca en el suelo. Se hallaron dos grupos de atributos con

similitudes en la distribución espacial, el primero formado por los atributos químicos y el

segundo por el CO más los atributos físicos del suelo. El análisis de componentes

principales (CP) y cluster exhibieron un comportamiento similar al encontrado para la

distribución espacial y las correlaciones lineales, con mayor cercanía entre del Al con los

atributos físicos que con los atributos químicos del suelo; mostraron poca relevancia para

el análisis los atributos Na, P, B, Rendimiento y profundidad del suelo. A partir del

análisis clúster y la distribución espacial se proponen dos tipos de manejos diferentes

para el cultivo de café.

Palabras clave: Geoestadística, Kriging, Componentes Principales, clúster, Rendimiento.

X Variabilidad espacial de las propiedades físicas y químicas en rendimiento y calidad

de Café

Abstract

Given the environmental and economic importance of rational use of inputs for a

competitive and sustainable agriculture, it is necessary a greater understanding of the

different variables involved in agricultural production, therefore, the aim of this study was

to establish the spatial behavior of the physical and chemical soil properties and their

relationship to the yield and quality of coffee in a Typic Hapludands, in an area of 0,75 ha.

Sampling was done randomly in 64 georeferenced points to a depth of 0,20 m from the

surface. Data were analyzed using descriptive and geostatistics statistics, linear

correlations and multivariate methods cluster and principal components (PC), additionally

the interpolation of data was performed using the "kriging" method. The descriptive

analysis showed high variability for chemical and low or moderate for physical attributes,

in terms of geostatistics, the results showed spatial dependence for all attributes except

for the content of B in the soil. 35.88% correlation between soils attributes (SOC content)

and the attributes of the crop (yield) was presented. Besides an inverse relationship of

40,98% between the reduction in threshing (decrease) and the Ca content in soil was

observed. Two groups of attributes were presented with similarities in the spatial

distribution, the first formed by chemical attributes and the second by the SOC and

physical attributes of the soil. Both principal components and cluster analysis showed

similar results to that found in the spatial distribution and the linear correlations, but

showing more closeness between Al and physical attributes than with the chemical

attributes of soil; and less relevance to the analysis on the attributes Na, P, B,

performance and soil depth. From cluster analysis and spatial distribution, two different

handling for growing coffee are proposed.

Keywords: Geostatistics, Kriging, Principal component, cluster, Yield.

Contenido XI

Contenido

Pág.

Resumen ......................................................................................................................... IX

Lista de figuras .............................................................................................................. XII

Lista de tablas .............................................................................................................. XIII

Introducción .................................................................................................................... 1

Objetivos .......................................................................................................................... 5 General ...................................................................................................................... 5 Específicos ................................................................................................................. 5

1. Marco Teórico ........................................................................................................... 7 1.1 Variabilidad espacial de las propiedades químicas y físicas ............................ 7 1.2 Rendimiento del café ..................................................................................... 10 1.3 Calidad del café ............................................................................................. 11

2. Materiales y métodos ............................................................................................. 15 2.1 Área de estudio.............................................................................................. 15 2.2 Diseño experimental ...................................................................................... 16 2.3 Mediciones en campo y toma de muestras .................................................... 16 2.4 Análisis de laboratorio.................................................................................... 17 2.5 Procesamiento y análisis de datos ................................................................. 18

3. Análisis de resultados y discusión ....................................................................... 19 3.1 Análisis estadística descriptiva ...................................................................... 19 3.2 Análisis de variabilidad espacial .................................................................... 24 3.3 Correlaciones ................................................................................................ 26 3.4 Distribución espacial ...................................................................................... 31 3.5 Análisis de componentes principales ............................................................. 38 3.6 Análisis Clúster o de agrupamiento................................................................ 42 3.7 ZONAS DE MANEJO..................................................................................... 46

3.7.1 Propuesta de manejo 1. ...................................................................... 46 3.7.2 Propuesta de manejo 2. ...................................................................... 46

4. Conclusiones y recomendaciones ........................................................................ 49

Bibliografía .................................................................................................................... 51

A. Anexo: Consideraciones generales para interpretar análisis de suelos, (IGAC 1994) 59

Contenido XII

Lista de figuras

Pág. Figura 2-1: Ubicación de la Finca Casablanca ................................................................ 15

Figura 3-1: Mapa de contorno de pH .............................................................................. 32

Figura 3-2: Mapa de contorno de Ca .............................................................................. 32

Figura 3-3: Mapa de contorno de K ................................................................................ 32

Figura 3-4: Mapa de contorno de Mg ............................................................................. 32

Figura 3-5: Mapa de contorno de CICE .......................................................................... 32

Figura 3-6: Mapa de contorno de Al ............................................................................... 32

Figura 3-7: Mapa de contorno de Na .............................................................................. 33

Figura 3-8: Mapa de contorno de P ................................................................................ 33

Figura 3-9: Mapa de contorno de Fe .............................................................................. 33

Figura 3-10: Mapa de contorno de Cu ............................................................................ 33

Figura 3-11: Mapa de contorno de Zn ............................................................................ 33

Figura 3-12: Mapa de contorno de Mn ........................................................................... 33

Figura 3-13: Mapa de contorno de Merma ..................................................................... 34

Figura 3-14: Mapa de contorno de CO ........................................................................... 35

Figura 3-15: Mapa de contorno de A .............................................................................. 35

Figura 3-16: Mapa de contorno de L .............................................................................. 35

Figura 3-17: Mapa de contorno de Ar ............................................................................. 35

Figura 3-18: Mapa de contorno de Da ............................................................................ 35

Figura 3-19: Mapa de contorno de Dr ............................................................................ 35

Figura 3-20: Mapa de contorno de Rendimiento ............................................................ 36

Figura 3-21: Mapa de contorno de profundidad del suelo .............................................. 37

Figura 3-22: Mapa de contorno de FR en el cultivo ........................................................ 38

Figura 3-23: Proyección de los atributos de los dos primeros Componentes principales . 40

Figura 3-24: Dendograma de atributos ............................................................................ 42

Figura 3-25: Dendograma para puntos de muestreo ....................................................... 44

Figura 3-26: Zonas de manejo 1 ..................................................................................... 47

Figura 3-27: Zonas de manejo 2 .................................................................................... 47

Contenido XIII

Lista de tablas

Pág. Tabla 2-1: Métodos de análisis de laboratorio ............................................................ 17

Tabla 3-1: Estadística descriptiva de los atributos ...................................................... 21

Tabla 3-2: Parámetros del variograma ....................................................................... 25

Tabla 3-3: Tabla de Correlaciones de Pearson .......................................................... 28

Tabla 3-4: Comunales basadas en correlaciones ....................................................... 41

Tabla 3-5: Estadística descriptiva Grupos 1, 2 y 3...................................................... 45

Contenido XIV

Introducción

El detrimento económico de la caficultura en Colombia es atribuido entre otros a la

disminución de la productividad debido a factores relacionados con la baja asimilación de

nuevas tecnologías y el bajo nivel de fertilización (Cano et al., 2012), que se hace visible

a través de las diferencias en producción con un rendimiento medio nacional que va

desde 1100 kg∙ha-1 (Gutiérrez et al, 2012) hasta 6025 kg∙ha-1 en el máximo económico y

biológico (Duque & Mestre, 2001).

A causa de la caída del pacto cafetero, el rápido crecimiento en producción en países

como Vietnam que desplazaron a Colombia como segundo productor en el mundo,

mejoras en los procesos industriales que permitieron la utilización de variedades robustas

(Varangis, 2004) y la baja elasticidad de los precios en el mercado internacional, la

calidad se convirtió en la principal estrategia y preocupación de competitividad para

Colombia (Lis, 2012).

Por lo tanto, se hace necesario buscar nuevas alternativas para el manejo de la fertilidad

en el cultivo de café. Una ruta posible se enfoca en el estudio de la variabilidad espacial

del suelo y la incorporación de variables como calidad, que en los últimos tiempos han

tomado relevancia en la producción de café.

En Colombia, los estudios sobre las relaciones de las propiedades del suelo y la

producción de café se han centrado en el efecto de deficiencias y toxicidades de algunos

elementos sobre el volumen de producción (Farfán & Baute, 2010; Mestre & Ospina,

1994, 2008; Sadeghian, 2010; Sánchez et al, 2005). Dichos estudios utilizan la respuesta

puntual, de muestras compuestas de fertilidad para estimar el volumen de producido.

Sin embargo, no consideran la variabilidad espacial del suelo y por tanto el manejo

nutricional se calcula a través de medias que se aplican considerando toda el área como

homogénea. Paz-González et al. (2000), Huang et al. (2007), Marchetti et al. (2012),

2 Introducción

Veihe (2002), Wang et al. (2009), concluyeron que el suelo tiene variaciones asociadas a

su posición relativa, a la historia de manejo del lote y por ende a las características

intrínsecas dadas por la interacción de los factores y procesos de formación del suelo.

Asimismo los estudios en Colombia sobre la calidad del café están dirigidos al

mantenimiento de esta en post-cosecha o se realizan pruebas de calidad mediante

catación para cafés especiales, en los comités regionales de cafeteros o empresas

exportadoras, pero son pocos los estudios que incluyen la influencia del suelo y micro-

ambientes en la calidad (Puerta, 2006).

Por lo anterior y teniendo en cuenta que un manejo más eficiente de los recursos a través

de un suministro adecuado de nutrientes no solo asegura buenos rendimientos y

rentabilidad en la producción (Duque & Mestre, 2001; Lima et al., 2006) sino que también

disminuye la degradación química de los suelos (Sadeghian, 2008), se requieren

investigaciones que se enfoquen en dar respuesta a estos interrogantes.

Este trabajo incluye variables químicas y físicas del suelo, pero no abarca la totalidad de

ellas. Además suelos similares pueden presentar valores diferentes para los atributos

causados por distintos manejos (Silva et al., 2008) y por ende no representar o ser

significativos los aportes individuales en el análisis de correlación entre suelo,

rendimiento y calidad.

Para el análisis de las variables del suelo y de producción dependientes en el espacio, se

utilizaron métodos de estadística descriptiva, geoestadística y análisis multivariado con el

fin de poder analizar el comportamiento de estos en el área de estudio, en donde se

tomaron muestras para el análisis químico y físico del suelo, además de las variables de

rendimiento y calidad del cultivo del café.

Con este estudio se pretende determinar la variabilidad espacial de las propiedades del

suelo, rendimiento y calidad del café y establecer algunas relaciones que puedan ayudar

a mejorar el entendimiento de la relación suelo-planta en café.

Introducción 3

Con los resultados obtenidos en este estudio se espera establecer cuáles son los

principales factores del suelo que influyen en las variables de rendimiento y calidad, no

solo para un manejo local de la fertilización sino que se podrán utilizar dichos resultados

como base para otros estudios, en donde ya se parte de un análisis espacial de dichas

variables.

Objetivos

General

Establecer las relaciones entre variabilidad espacial de las propiedades físico-químicas

del suelo con el rendimiento y la calidad del café.

Específicos

Establecer relaciones entre propiedades del suelo y parámetros productivos del café,

considerando rendimiento y calidad de grano.

Generar unidades homogéneas físico-químicas para el manejo nutricional de

rendimiento y calidad de café.

1. Marco Teórico

1.1 Variabilidad espacial de las propiedades químicas y físicas del suelo

El principio en que se basa la geoestadística es la correlación espacial de los datos entre

sí, es decir, un dato se relaciona con uno cercano, pero a medida que se aleja de él la

dependencia espacial disminuye (Obando et al., 2005).

Esta variabilidad espacial del suelo ocurre de manera natural por causa de los factores y

procesos de formación que dieron origen al suelo, en donde estas pueden ser atribuidas

a cambios en el relieve, la forma del terreno o el microclima, dando como resultado

cambios en la cobertura vegetal y en procesos de erosión-deposición de materiales, que

alteran la uniformidad del suelo (Zhao et al., 2007).

La variabilidad espacial puede ser dividida en sistemática y aleatoria, la primera conocida

como variación inerte está en función de la forma de la tierra, geomorfología o factores

de formación (cronosecuencias, litosecuencias, toposecuencias, biosecuencias y

climosecuencias), y la segunda conocida como dinámica, no puede ser explicada y

depende de factores como la actividad humana, la flora y la fauna (Guimaraes et al,

1997).

La variabilidad de un atributo del suelo depende de muchos factores, en el que cambios

en las condiciones en que son tomadas y manejos a los que se ha sometido el suelo

genera grandes diferencias en los resultados, independiente del número de muestras que

se utilice, de tal forma, que se considera que la variabilidad es propia del atributo y su

comportamiento depende de una condición ambiental específica (Jaramillo, 2012).

Por tal motivo, se puede afirmar que un suelo afectado por las actividades agrícolas,

difiere de su entorno por causa del manejo específico que ha tenido, pero que este tiende

8 Variabilidad espacial de las propiedades físicas y químicas en rendimiento y

calidad de Café

a ser homogéneo, particularmente en las primeras capas del suelo, en donde se

concentran actividades como mecanización, riego, fertilización, compostaje e

incorporación de residuos de cosecha y rotación de cultivos (Paz-González et al., 2000;

Huang et al., 2007; Marchetti et al., 2011).

Cuando existe homogenización de características es difícil en muchas ocasiones

correlacionarlas, ya sea a pequeña escala o a nivel regional, por ejemplo, relacionar la

densidad aparente, la textura, la estructura y la materia orgánica con la repelencia del

suelo al agua (Zhao et al., 2007) o la estabilidad de las partículas con erosión (Veihe,

2002), esto debido principalmente a que existen interacciones entre atributos bióticos y

abióticos del suelo que influencian determinadas respuestas, que en la mayoría de los

casos son transitorias y de difícil predicción, por lo que no permite un ajuste adecuado

con un modelo, llegando estas a explicar incluso un 50% entre la variación del

rendimiento (Machado et al., 2002).

Esto se muestra en diversos estudios, como en el caso del arroz en donde las áreas

bajas con mayor humedad presentan menores rendimientos por la disminución de la

aireación del terreno, aunque los niveles de nutrientes son mayores en estas posiciones

(Husson et al., 2000) En maíz estudios que correlacionaron mayor rendimiento cuando

existía mayor cercanía del cultivo a las líneas de riego, sin importar la distribución de

otras variables del terreno (Marques da Silva & Silva, 2006). En uva, con la dependencia

positiva del rendimiento al contenido volumétrico de humedad, pero ninguna con la

textura del mismo (Martínez et al., 2009). En caña se encontró una correlación negativa

entre porcentaje de limo y desarrollo de la planta asociado a mal drenaje en texturas

finas, pero bajas correlaciones con otras variables del suelo (Fernández et al., 2007).

Además, se debe tener en cuenta que las propiedades químicas tienen mayor

variabilidad espacial que las propiedades físicas (Silva, 2009), es decir, las propiedades

químicas del suelo son espacialmente dependientes según el manejo del terreno.

En consecuencia, prácticas como la fertilización realizadas sin tener en cuenta la

variabilidad espacial tiene como resultado un uso ineficiente de los nutrientes aplicados

que conducen a bajos rendimientos cuando el suministro es incorrecto o excesivo,

Marco Teórico 9

incidiendo en el incremento de los costos y en el riesgo de contaminación ambiental

(Jalali, 2007; Marchetti et al., 2011; Weijun et al., 2010).

Es allí donde radica la ventaja que da el conocimiento de la distribución espacial de los

atributos del suelo en donde se aplican insumos en el sitio correcto, en el momento

correcto, en las cantidades necesarias, para áreas cada vez menores y más

homogéneas en tanto la tecnología y los recursos lo permitan (Oliveira et al, 2008).

En el cultivo de café se realizaron estudios en los cuales se intentaba establecer si

existía una correlación espacial entre el contenido de materia orgánica y la disponibilidad

de Nitrógeno, puesto que se considera que esta es una estimación en la que no se

conoce la dinámica de este elemento en suelos cafeteros, se encontró que para algunos

suelos la variabilidad es alta y que la utilización de MO no es adecuada como indicador

de la disponibilidad de N (Ochoa & Sadeghian, 2003).

En Brasil, estudios realizados en suelos cafeteros mostraron una correlación negativa

entre el contenido de K y el incremento de la fracción arena, explicado por la lixiviación

de bases en dichos suelos y una correlación positiva entre el contenido de Mg y el

incremento de la fracción limo, que se pudo atribuir al incremento de la concentración del

elemento en la solución del suelo (Assis et al., 2010a).

Otro experimento evaluó la variabilidad espacial de dos suelos con diferentes variedades

de café y hallaron que para ambos suelos existía un bajo rendimiento asociado bajo nivel

de pH y a los altos contenidos de Fe y Mn. Además, que el mayor desbalance nutricional

influía directamente en sus menores rendimientos (Assis & Sousa, 2012).

Resultados obtenidos en café en Brasil en la comparación entre recomendación para

encalado y fertilizantes con un método de muestreo convencional (zig zag) versus mapas

de variabilidad espacial, concluyeron que se estaban realizando aplicaciones excesivas P

en más del 50%, en K en más del 86% del área, además de una dosis innecesaria de

62% en la recomendación de encalado (Oliveira et al., 2008).

Mollin et al. (2010) evaluando la respuesta del cultivo de café a dosis variables y fijas de

P y K, el primero con base a recomendaciones locales y el segundo teniendo en cuenta


calidad de Café

la variabilidad espacial, encontraron un incremento en el rendimiento del 34% cuando se

usaba un sistema de dosis variable, además de una reducción en la dosis de P del 23% y

un incremento en la dosis de K del 13%, así como un efecto residual en el siguiente ciclo

de cultivo.

En el caso del uso del análisis foliar para explicar el rendimiento según la variabilidad

espacial en un cultivo de café (Assis & Sousa, 2012), encontraron que los bajos

rendimientos obtenidos se debían principalmente a altas concentraciones de N y Cu,

puesto que el resto de elementos evaluados se encontraban en concentraciones foliares

adecuadas.

1.2 Rendimiento del café

Son muchos los factores que determinan el rendimiento del café, entre los que se

encuentran variedad, clima, suelo y manejo del cultivo. En cuanto al uso de fertilizantes,

debe realizarse a partir del segundo mes después de la siembra, ya que a medida que la

fertilización se aleja en el tiempo hasta los 18 meses en el cual se realiza la primera

cosecha, los rendimientos pueden caer hasta en un 40% (Sadeghian, 2010).

La función de producción del café depende principalmente de la densidad de siembra

que se maneja considerando las otras variables constantes, de tal forma que el

rendimiento para un cultivo con 10.000 plantas∙ ha-1 es superior al obtenido con un cultivo

de densidad de 2500 ó 5000 plantas∙ ha-1, en los cuales el mayor rendimiento se

presenta en el tercer y cuarto años de producción (Mestre & Ospina, 1994).

Los rendimientos obtenidos entre zocas y siembras nuevas para las variedades caturra

manejadas con oxicloruro de cobre para el control de la mancha macana y la variedad

Colombia resistente a la enfermedad no presentaron diferencias estadísticas en su

rendimiento con una producción promedio 6162 kg∙ha-1∙año-1 para la variedad Colombia y

5400 kg∙ha-1∙año-1 para la variedad caturra (Salazar & Mestre, 1991).

En caficultura a libre exposición con una densidad de siembra de 10.000 plantas kg∙ha-1

con el uso de tecnologías de productos de síntesis química se pueden producir 4025

Marco Teórico 11

kg∙ha-1∙año-1 de café pergamino seco (c.p.s), mientras que en sistemas con 4500 plantas

ha-1 con sombra del 35% se pueden obtener 2110 kg∙ha-1∙año-1 de c.p.s para la región

norte de Colombia, no así para la región sur en donde los rendimientos están en 1722

kg∙ha-1∙año-1 (Farfán & Baute, 2010).

Al comparar la producción de café con y sin fertilización en un sistema intercalado con

plátano y en monocultivo se determinaron los siguientes rendimientos: 2447.5 kg∙ha-

1∙año-1de c.p.s para café sin fertilizar, 3940.5 kg∙ha-1∙año-1de c.p.s para café fertilizado,

además que bajo cualquier sistema el intercalado con plátano reduce la producción de

café (Farfán, 2005).

Otra fuente de disminución en el rendimiento en café es causada por la pérdida de

plantas en el cultivo, en donde se observó que cuando esta excede el 10%, es necesaria

la resiembra de café, para evitar pérdidas en dichas producciones (Moreno, 2010).

Al evaluar la eficiencia de diferentes productos para el control de la broca, se determinó

que el porcentaje de infestación natural varió entre 3,1% y 10,2% debido a que el ataque

del insecto no es homogéneo y que el cultivo de café presenta múltiples floraciones

(Tabares et al., 2008), lo que afecta de manera directa el rendimiento económico del

cultivo, en la medida que influye en la disminución de la producción y de manera

significativa la calidad en taza de la bebida (Puerta, 2008).

1.3 Calidad del café

La variedad utilizada, el clima y la posición geográfica, son factores que determinan la

calidad del café, mientras que prácticas como el buen manejo de plagas, forma del

beneficio y almacenamiento son decisivas para preservar la calidad de la bebida (Puerta,

2000).

La calidad del café es afectada por: cafés brocados, mohosos, vinagres, negros,

decolorados, reposados, contaminados con agentes químicos o microorganismos que

castigan su aroma y sabor (Puerta, 2003a).


calidad de Café

Se considera que la calidad del café parte de la recolección de frutos maduros, ya que

los frutos verdes y sobre-maduros deterioran las propiedades de la bebida por factores

como sabor y aroma a fermento, mientras que en frutos secos la bebida es calificada

como dura debido a materiales senescentes (Marín et al., 2003).

En relación con las formas del manejo del cultivo, se reconoce que a mayor daño por

broca, menor es la calidad de la bebida. Si bien los niveles bajo y medio de porcentaje de

café brocado son considerados como aceptables, un nivel alto es rechazado. (Montoya,

1999). Además, las propiedades organolépticas del café con diferente grado de daño, se

ven seriamente afectadas y su calidad disminuye gradualmente, aún en mezcla de

calidades de café (Castaño & Quintero, 2004).

En cuanto a la importancia del beneficio podemos encontrar factores de riesgo para

mantener la calidad como rompimiento de la estructura del fruto, proceso del grano con

aguas no tratadas, exposición a daño mecánico, acción de microorganismos y enzimas,

cambio de temperatura y humedad del grano (Fajardo & Sanz, 2004).

Otro de los considerados puntos críticos en el mantenimiento de la calidad del café es el

secado del grano, ya que es necesario disminuir el contenido de agua para así reducir la

actividad microbiana y estabilizar las propiedades del grano durante el almacenamiento y

transporte (Puerta, 2003).

Los defectos del grano y de la bebida atribuidos en alguna medida a la nutrición del café

son cafés negros o parcialmente negros, decolorados, malformados o vanos (Fajardo &

Sanz, 2004).

Marco Teórico 13

2. Materiales y métodos

2.1 Área de estudio

El estudio se realizó en el municipio de Sasaima (Cundinamarca), en la finca Casa

Blanca, en el lote “Paradero” con coordenadas 4°56’58.9’’ de latitud norte y 74°24’13’’ de

longitud oeste, a una altura aproximada de 1570 msnm. El suelo se encuentra cultivado

con café Castillo Santa Bárbara de 4 años, bajo sombrío y con densidad de siembra de

5000 plantas∙ha-1.

Figura 2-1: Ubicación de la Finca Casablanca


calidad de Café

El municipio de Sasaima tiene una distribución de lluvias bimodal, con picos altos en los

meses de Abril y Octubre/Noviembre, la precipitación media anual es de 2567 mm y la

temperatura media anual es de 18,2° a 20,8°. Según la clasificación de Holdridge, la

zona corresponde a un bosque muy húmedo pre-montano (bmh-PM).

Acorde con el levantamiento y zonificación de tierras IGAC (2000), la zona corresponde a

un paisaje montañoso con relieve de crestones, material parental de rocas clásticas

limoarcillosas y depósitos de ceniza volcánica, con pendientes entre 25% a 75%,

afectado en sectores por erosión hídrica ligera, suelos profundos a superficiales, bien a

excesivamente drenados, con texturas finas, con reacción extremada a fuertemente

ácida y baja fertilidad.

El suelo clasificado como Typic Melanudadn, presenta dos horizontes. Un horizonte

superficial Ap, con reacción ligera al NaF, una profundidad media de 36.0 cm, un mínimo

de 20.0 cm a un máximo de 50.0 cm, el color varía desde 7.5YR3/1 gris oscuro a

7.5YR4/3 pardo. El horizonte Bw presenta una media de 85,0 cm de espesor, con un

rango de variación que va de 35,0 cm a 112,0 cm y un color de 7.5YR4/4 pardo.

2.2 Muestreo

El área de muestreo fue de 7500 m2, en el cual se realizaron 3 tomas de muestras

diferentes a 64 puntos geo-referenciados y distribuidos aleatoriamente en el lote, la

primera para determinar profundidad y color del horizonte A, la segunda para determinar

propiedades físicas y químicas del suelo y el tercero para determinar rendimiento y

calidad de café.

2.3 Mediciones en campo y toma de muestras

Para determinar la profundidad del horizonte A en los puntos de muestreo se utilizó un

barreno tipo holandés y la determinación del color se realizó con la tabla de color

Munsell. La toma de muestras de suelo se realizó a una profundidad de 20 cm, en donde

a cada muestra se le determinó pH, CO, Ca, K, Mg, Na, Al, CICE, P, Fe, Zn, Cu, Mn, B,

Materiales y métodos 17

textura. Además se determinó de manera independiente la densidad aparente y la

densidad real.

Las muestras de café, para determinar rendimiento y calidad, se obtuvieron cosechando

en las 4 plantas más cercanas al punto de muestreo geo-referenciado (Silva et al., 2007),

mediante la realización de 2 pases de cosecha.

2.4 Análisis de laboratorio

Las muestras para análisis químico y textura fueron analizadas por el laboratorio de

suelos de la Facultad de Ciencias Agrarias, en donde se utilizaron los siguientes

métodos:

Tabla 2-1: Métodos de análisis de laboratorio

Propiedad Método

pH Suspensión en agua 1:1; Potenciométrico

CO Walkley y Black; Colorimétrico

Bases intercambiables K, Ca, Mg, Na Acetato-NH4 1M pH 7

Fósforo disponible Bray II; Volumétrico

Acidez de cambio KCl 1 M; Volumétrico

Fe, Mn, Zn y Cu DTPA

Boro Fosfato monobásico de Ca; Colorimétrico

Textura Bouyoucos

La densidad aparente fue determinada a través del método del terrón parafinado, el

volumen del terrón es determinado después de ser cubierto por una sustancia repelente

al agua y luego inmerso en un líquido de densidad conocida, aplicando el principio de

Arquímedes (IGAC, 2006).

La densidad real fue determinada a través del método del picnómetro, para lo cual la

muestra es secada a 105° por 24 horas, tamizada en malla de 2 mm y colocada en

picnómetro de 25 mL en campana de vacío para la extracción de aire de la mezcla suelo

y agua destilada (IGAC 2006).

Los análisis de calidad de café fueron realizados con la empresa Extravaganza S.A allí

se determinaron la humedad del grano, porcentaje de merma en trilla (merma), análisis


calidad de Café

físico y análisis sensorial, se seleccionaron como variables de interés el porcentaje de

merma y análisis sensorial.

2.5 Procesamiento y análisis de datos

Los resultados obtenidos en el laboratorio se analizaron mediante estadística descriptiva

con el programa R, con el cual se determinaron media, mediana, máximo, mínimo,

coeficiente de variación (CV), asimetría, curtosis y prueba de normalidad. El CV fue

analizado con el criterio Warrick & Nielsen (1980), en el cual valores inferiores a 12% son

considerados de baja variabilidad, valores entre 12% y 60% variabilidad media y valores

superiores a 60% de alta variabilidad, mientras que la prueba de normalidad se realizó

con la prueba de Shapiro-Wilk al 5%

La selección de relaciones entre elementos se basó en las consideraciones generales

para interpretar análisis de suelos (IGAC, 1995), las correlaciones se realizaron a través

de la prueba de Pearson.

Para el análisis de variabilidad espacial se utilizó el programa GS+ v9, se seleccionaron

los modelos con mayor coeficiente de determinación r2, los valores más cercanos a uno

en el coeficiente de validación cruzada (CVC) y el mayor grado de dependencia espacial

(GDE), en el que este, se calcula a partir de la relación entre el valor de la pepita (Co) y

de la meseta (C+Co), GDE = (C/C + Co). Se utilizó el criterio propuesto por Dalchiavon &

Carvalho (2012), siendo, GDE<0.2 muy bajo; 0.2≤GDE<0.4 bajo; 0.4≤GDE<0.6

moderado; 0.6≤GDE<0.8 alto y 0.8≤GDE<100 muy alto. En las variables que presentaron

dependencia espacial se elaboraron mapas de contorno a través del método de

interpolación Krigging ordinario con el programa Surfer v. 10.

El análisis de componentes principales se realizó bajo el criterio de Kaiser y sólo fueron

analizados atributos con características comunes (Comunalidad) superior a 0,5. El

análisis cluster se realizó tanto para atributos como para puntos de muestreo a través del

algoritmo de Ward, en el que se considera que la medida de disimilitud es la distancia

euclidiana entre los atributos (Ramos et al., 2007).

3. Análisis de resultados y discusión

3.1 Análisis de la estadística descriptiva

El pH tiene una media de 4,73 que corresponde a suelos muy fuertemente ácidos (Tabla

3-1), en tanto que la concentración de aluminio presenta una media de 3,5 cmol+∙kg-1, en

donde el pH y el contenido de Al se encuentran en un rango similar a los reportados por

Ortiz et al. (2004), para andisoles en Antioquia, Caldas, Cauca y Risaralda, cultivados en

café.

El contenido de CO presenta una concentración media de 5,7% considerado alto para

clima medio (>4%), siendo este similar a los valores reportados por Ochoa & Sadeghian

(2003) también en andisoles bajo cultivo de café. El contenido medio de P es de 30,1

mg∙kg-1 y está en el rango ideal del elemento en el suelo, sin embargo, no se conoce la

cantidad de P que es fijado en el suelo ya que dicha fijación es completamente aleatoria

en suelos con características ándicas, según afirma Jaramillo (2009) para andisoles en

Antioquia.

La concentración media para las bases fue de 0,46 cmol+∙kg-1 para K, 0,94 cmol+∙kg-1 para

Mg, 3,5 cmol+∙kg-1 para Ca cmol+∙kg-1 y 0,04 cmol+kg-1 para Na, valores superiores en Mg

y Ca a los obtenidos por Cortés et al. (2013) en un Typic Melanudadn, con pendientes

inferiores al 1%. Estando los niveles de los elementos alto para K, bajo para Mg, medio

para Ca e ideal para Na, en el que se considera que el factor limitante para la producción

es el contenido medio de Mg. La CICE presenta una media de 8,48 cmol+∙kg-1 lo que se

considera nivel medio para el suelo.

La media de los micronutrientes son de 0,64 mg∙kg-1 para Cu, 58,67 mg∙kg-1 para Fe,

1,48 mg∙kg-1 para Mn 4,6 mg∙kg-1 para Zn y de 0,16 mg∙kg-1 para B, siendo bajo el

contenido de Cu, adecuado Fe, bajo Mn, alto Zn y bajo B, por lo cual se considera que


calidad de Café

solo Fe y Zn estarían en valores aceptables para la producción. Valores menores a los

obtenidos por Wei et al. (2009) en suelos Fluvo-aquic en China (clasificación FAO) ya

que son suelos que reciben constantes aportes de nutrientes dada su cercanía a ríos o

lagunas.

La textura del suelo predominante en campo fue la franco-arcillosa (FAr), mientras que

por tamaño de partículas se presentaron valores medios de 24,5% para arena (A), 26,6%

para limos (L) y 44,8% para arcillas (Ar), siendo las texturas predominantes la Franco

arcillosa (FAr) y la Franco arcillo arenosa (FArA).

La Da presentó una media de 0,9 g∙cm-3, valor característico de suelos con altos

contenidos de materia orgánica o con presencia de alófanas que dan al suelo

características ándicas, confirmado por la reacción con NaF que presentó el suelo y al

tipo de suelo predominante en la zona Typic Hapludand (IGAC, 2000).

El rendimiento tiene una media de 1137,5 kg∙ha-1 en la cosecha del primer semestre, la

merma, una media de 18,72%, que corresponde a la diferencia porcentual del café

pergamino seco obtenido (c.p.s) y la almendra aprovechable para la trilla, siendo el tope

para la comercialización en el país el 24,5%. Para obtener 70 kg de café excelso son

necesarios 92,8 kg, de los cuales 18,7 kg corresponden a cisgo y 4,1 kg a subproductos

(Montilla et al., 2008).

El factor de rendimiento (FR) es la diferencia porcentual entre la cantidad de café

pergamino seco (c.p.s) y las pérdidas porcentuales por pasilla de mano, pasilla de trilla y

café brocado, que para este estudio tuvieron una media de 89,62%, en el cual no se

realizó la selección del café, para evitar una calidad de grano artificialmente obtenida.

En las relaciones iónicas se observó que existen deficiencias en Ca y Mg con respecto a

la concentración media del K, además se identificaron deficiencias de Mn y Zn con

respecto a la concentración media de Fe en el suelo.

Análisis de resultados y discusión 21

Tabla 3-1: Estadística descriptiva de los atributos

Atributo Media Mediana Mínimo Máximo CV(%) Ck Cs W

pH 4,73 4,65 3,91 6,02 10,0 0,07 0,62 N

CO (%) 5,68 5,87 1,52 8,49 29,0 -0,10 -0,53 N

Ca cmol+∙kg-1

3,50 2,58 0,17 14,03 89,0 1,78 1,46 *

K cmol+∙kg-1

0,46 0,33 0,12 3,1 96,0 18,84 3,92 *

Mg cmol+∙kg-1

0,94 0,65 0,11 4,43 91,0 3,13 1,69 *

Na cmol+∙kg-1

0,04 0,04 0,02 0,09 21,0 1,59 1,12 *

Al cmol+∙kg-1

3,49 2,88 0,0 11,76 85,0 0,34 1,02 *

CICE cmol+∙kg-1

8,48 7,87 2,30 17,04 37,0 0,09 0,79 *

P mg∙kg-1

30,11 24,88 6,20 91,67 58,0 1,89 1,43 *

Cu mg∙kg-1

0,64 0,52 0,04 8,21 148,0 18,09 4,10 *

Fe mg∙kg-1

58,67 40,06 3,25 197,15 81,0 1,99 1,65 *

Mn mg∙kg-1

1,48 1,39 0,12 4,27 67,0 0,72 1,08 *

Zn mg∙kg-1

4,60 2,26 0,22 24,96 11,0 3,11 1,85 *

B mg∙kg-1

0,16 0,12 0,12 0,83 79,0 13,74 3,72 *

A (%) 24,48 26,5 6,0 58,0 37,0 0,57 0,80 *

L (%) 26,56 26,0 3,0 49,0 29,0 1 0,22 N

Ar (%) 44,8 46,0 7,0 80,0 37,0 -0,46 -0,31 N

Da g∙cm-3

0,90 0,83 0,69 1,41 15,0 0,82 1,23 *

Dr g∙cm-3

2,09 2,10 1,80 2,47 4,0 -0,40 0,30 *

Profundidad (cm) 35,20 33,0 8,0 85,0 22,0 1,11 0,88 N

Rend. (kg∙ha-1

) 910 890,0 380 1500 3,0 -0,84 0,27 N

Sat.Al(%) 44,88 44,06 0,0 92,63 67,0 -1,38 -0,02 *

Da/Dr 0,43 0,42 0,34 0,56 12,0 -0,25 0,79 *

Ca/Mg 3,92 3,52 1,09 10,78 46,0 2,37 1,34 *

Mg/K 2,15 1,86 0,52 6,48 64,0 1,81 1,37 *

Ca/K 8,29 7,53 0,60 30,66 69,0 2,46 1,25 *

Ca/B 26,06 20,22 1,22 92,54 87,0 0,57 1,11 *

Fe/Mn 50,64 40,95 0,87 174,86 76,0 2,35 1,58 *

P/Zn 13,62 9,81 1,05 80,21 94,0 10,95 2,68 *

Fe/Zn 26,91 16,09 0,23 260,0 138 25,28 4,52 *

Merma (%) 18,72 18,65 15,80 21,80 5,0 2,16 0,15 N

FR (%) 89,62 89,80 86,60 94,0 1,0 3,75 0,81 *

CV: Coeficiente de variación; Ck: Kurtosis; Cs: Asimetría; W: Normalidad; N: Distribución normal;

*: Distribución no normal.


calidad de Café

Solo los atributos pH, Zn, Dr, merma y FR presentaron bajo CV en el que el bajo CV en el

pH es interpretado por Acevedo et al. (2008) como consecuencia de que este es un

atributo relativo a la génesis de los suelos, mientras que para otros es el resultado del

manejo de la acidez (Paz-González et al., 2000) o bien que el bajo CV puede ser el

efecto de la conversión logarítmica de la actividad de los protones, por lo que no se

refleja el comportamiento real del atributo, siendo este en realidad mucho más variable

(Fu et al., 2010).

Los atributos CO, Na, CICE, P, A, L, Ar, Da, profundidad y rendimiento presentaron una

variabilidad moderada, es decir, la mayoría de los atributos físicos se encuentran en este

grupo, lo que coincide con lo reportado por Fernández et al. (2007), para quienes los

atributos morfológicos y físicos son más estables en los suelos, que los atributos

químicos, exceptuando el pH.

El CO presentó un CV del 29,0%, inferior en los reportes para cuatro andisoles de Ochoa

& Sadeghian (2003), o estudios realizados por Obi & Ogunkunle (2009) en oxisoles con

bajos contenidos de CO donde presentan CV de 57.1%, pero similares CV a los

reportados por Wang et al. (2009) en suelos con bajos contenidos de CO y Wang et al.

(2010) en suelos cambisoles, arenosoles y chernozem (Clasificación FAO), denotando

así que la variación del atributo generalmente es independiente al tipo de suelo. Según

Ortega & Santibáñez (2007) la moderada o alta variación en los contenidos de CO o N

son consecuencia de varios factores como la actividad microbiana, tipo de cultivo,

cantidad y calidad de residuos vegetales y fertilización.

El P presenta un CV medio con un valor de 58%. variabilidad inferior a la reportada para

diferentes profundidades por Cambardella & Karlen (1999) y a la reportada por Roger et

al. (2014) cuando se evaluó en diferentes usos del suelo, estudio en el cual también se

comparan extractantes, obteniendo diferencias en todos los casos, demostrando así que

la concentración de este elemento presenta alta variabilidad a diferentes profundidades

del suelo y está condicionada al manejo antrópico, incluso mostrando diferencias según

el método que se use para su análisis, como es reportado Sana et al. (2014).


Para la textura, los valores de los tenores de Arena (A), Limo (L) y Arcilla (Ar), la

variación más alta se encuentra en el contenido de arcilla al igual que los resultados

obtenidos por Peña et al. (2009) en inceptisoles de Colombia y Veihe (2002) en Luvisoles

y Plintosoles (Clasificación FAO) en Ghana, pero diferentes a los obtenidos por Paz-

González et al. (2000) en donde la mayor variabilidad se presenta en la fracción limo en

horizontes úmbricos de España o con resultados obtenidos por Marchetti et al. (2012) en

suelos bajo clima mediterráneo, en donde la mayor variabilidad se encuentra en la

fracción arena.

El rendimiento presentó un CV del 30%, similar al obtenido en café por Molin et al. (2005)

en oxisoles, cuando evaluaron los rendimientos en sistemas de manejo convencional y

localizado, pero inferior a los reportados en café por Ferraz et al. (2012) en oxisoles con

CV del 42.6% al 66.0% medido en tres años diferentes.

Con alta variabilidad se encuentran los contenidos de Ca, K, Mg, Al, Cu, Fe, Mn y B, en

donde los CV de Ca, K, Mg y Al se encuentran en un rango similar a los encontrados por

Sadeghian et al. (2014) en andisoles de Colombia y Obando et al. (2005) en suelos de la

región central andina colombiana, pero superiores a los encontrados por Sana et al.

(2014) en oxisoles bajo cultivo de algodón en Brasil, Assis et al. (2010b), Moreira et al.

(2007), en oxisoles en zonas cafeteras del Brasil, posiblemente a que los oxisoles

normalmente poseen bajos contenidos de bases, por lo que es necesaria su

incorporación, de tal manera que la aplicación continua y a la misma taza disminuye la

variabilidad natural de su concentración.

Los CV para Fe, Mn y Cu, son superiores a los encontrados por Wang et al. (2008) y por

Wang et al. (2009b) en cultivos de arroz en China con variabilidad media en ambos

casos, en áreas de muestreo más grandes, lo que indica que a escalas más pequeñas la

variabilidad es más alta que a cuando se evalúan a mayor escala. Para estos suelos el

contenido de Zn es alto y medio respectivamente, mientras que en este estudio el CV

para el elemento es bajo y en concentraciones altas.


calidad de Café

3.2 Análisis de variabilidad espacial

Después de realizar el análisis descriptivo se realiza la estimación de los puntos no

muestreados a través del análisis geoestadístico. La Tabla 3-2 muestra los resultados

obtenidos en el variograma, en el cual se eliminaron valores extremos en K, Na, CICE,

Cu, Mn, Zn, L, Profundidad y FR para evitar que la distribución normal presente colas

largas que alteren los resultados en la interpolación krigging (Cressie et al., 1993).

El B es el único atributo con efecto pepita (EP), mostrando que su distribución espacial

es aleatoria, no obedece a un modelo de distribución espacial y por lo tanto, no existe

correlación, independientemente de la distancia de muestreo (Obando et al., 2006).

Aunque es importante mencionar que el método utilizado no es útil para concentraciones

inferiores a 0.12 mg∙kg-1, que para este caso representan 50 de las 64 muestras

tomadas, por lo que para suelos pobres en el elemento se deben considerar otros

métodos.

Los modelos experimentales de mayor ajuste son el gaussiano y el exponencial;

parcialmente de acuerdo a lo expuesto por Webster y Oliver quienes afirman que para las

propiedades físicas y químicas del suelo los modelos que más ajustan son el esférico y el

exponencial y coinciden con los datos generados en este tema por Muñoz et al. (2006)

en andisoles de Colombia, Silva et al. (2011) y Moreira et al. (2007) en estudios

realizados en oxisoles en Brasil.

Solamente Na presenta moderada dependencia espacial, que concuerda con los

resultados obtenidos por Cortez et al. (2013), pero con mayor dependencia que la

obtenida por Camacho-Tamayo et al. (2008) y Obi & Udoh (2011), en donde es posible

estimar su comportamiento gracias a que el alcance en el que se encuentra es inferior a

la distancia de muestreo utilizada (Sana et al., 2014).

El carbono orgánico (CO) presenta muy alto GDE, con un rango de 46,2m y un factor de

determinación (r2) de 0,80, valores superiores a los reportados por Dalchiavon et al.

(2014) en cultivo de caña en Brasil, quien estima que la distancia mínima para que los

valores sean semejantes entre sí, es de 60 m.


Tabla 3-2: Parámetros del variograma

Atributo Modelo Pepita Meseta Rango

(m) GDE r2 CVC

pH Gaussiano 0,08 0,90 236,08 0,91 0,85 1,07

CO Esférico 0,77 2,05 55,30 0,63 0,91 1,00

Ca Esférico 2,20 16,99 148,20 0,87 0,81 1,07

K Gaussiano 0,02 0,15 212,70 0,87 0,82 1,04

Mg Gaussiano 0,22 1,11 129,38 0,80 0,97 1,04

Na Exponencial 6x10E-6 1.5x10E-4 69,90 0,61 0,76 0,57

Al Gaussiano 3,60 13,21 118,99 0,73 0,91 0,99

CICE Gaussiano 5,39 11,12 80,36 0,51 0,81 1,09

P Esférico 0,10 279,90 12,0 1,00 0,73 0,86

Cu Esférico 1x10E-4 0,06 10,7 0,99 0,67 0,45

Fe Exponencial 532,00 1643,00 35,7 0,68 0,41 0,62

Mn Exponencial 0,16 0,71 26,7 0,77 0,52 0,67

Zn Exponencial 2,16 14,00 102,90 0,85 0,69 1,01

B EP 0,02 0,02 7,00 1,00 0,46 -0,14

A Exponencial 10,80 114,00 24,00 0,91 0,79 0,81

L Exponencial 0,10 41,83 7,10 0,99 0,55 1,06

Ar Exponencial 30,40 275,40 21,90 0,89 0,69 1,03

Da Gaussiano 8x10E-5 2.2x10E-2 52,20 1,00 0,95 0,93

Dr Gaussiano 2x10E-3 1.6x10E-2 60,45 0,85 0,84 0,91

Profundidad Gaussiano 4,00 73,99 29,96 0,95 0,91 1,05

Rendimiento Gaussiano 4100 91500,00 30,81 0,96 0,88 1,02

Merma Exponencial 0,57 1,88 498,60 0,70 0,29 0,97

FR Exponencial 0,04 0,69 38,40 0,95 0,69 0,89

GDE: Grado de dependencia espacial; r2: Coeficiente de determinación del modelo; CVC:

Coeficiente de determinación de la validación cruzada.

La concentración de P se ajusta a un modelo esférico, con un muy alto GDE, un r2 de

0.86 y un alcance de 12,0 m; este último bajo comparado con los demás atributos

medidos, lo que hace necesario una densidad de muestreo mayor para identificar su

variabilidad espacial. Estudios realizados por Sana et al. (2014), se encuentra un ajuste a


calidad de Café

un modelo esférico con un efecto pepita o con moderado GDE dependientes del método

de cuantificación utilizado con un alcance de hasta 102 m. En un estudio diferente

Martins et al. (2011), obtuvieron valores similares a los encontrados en este estudio en r2

y CVC, pero con un alcance similar al reportado por Sana et al. (2014).

El contenido de bases K, Ca y Mg presentan un muy alto GDE con valores entre 0,80 y

0,89, con alcances entre 114 m a 182 m en donde Mg presenta el mayor r2 con 0,93

mientras que el menor lo presenta K con 0,75; Valores superiores a los obtenidos por

Dalchiavon et al. (2013) en los tres atributos, pero con el mismo comportamiento

gaussiano en las variable Ca y Mg.

Los micro-elementos Fe y Mn presentan alto GDE, Cu muy alto GDE, alcances inferiores

a 37 m, r2 iguales o inferiores a 0,52 y coeficientes validación cruzada (CVC) inferiores a

0,67, mostrando así alta variabilidad espacial para estos atributos, mientras que el Zn

presenta el mayor r2, alcance y CVC. Estudios de Wang et al. (2008) y Wang et al.

(2009), muestran bajo GDE para todos los micro-elementos, alcances mayores y r2

inferior para todos los casos.

Los atributos físicos A, L, Ar, Da y Dr poseen muy alto GDE y presentan alcances bajos

en comparación a los atributos químicos, en la textura (A, L y Ar) se encuentran entre 7,1

m en limos (L) a 24.0 en arcillas (Ar). Para Da y Dr los alcances son 50,2 m y 60,4 m

respectivamente, similares a los obtenidos por Martins et al. (2010) en ultisoles del Brasil,

en el cual dicho alcance para ninguna de las variables supera los 100 m.

3.3 Correlaciones

El pH presenta correlación positiva con las bases de cambio Ca, K y Mg y negativa con el

contenido de Al (Tabla 3-3), ya que la pérdida de bases genera en el suelo mayor

disponibilidad de este elemento. Esta alta correlación se ve reflejada también en el

comportamiento que presentan el pH, el Al y las bases en la distribución espacial que se

muestra en los mapas de contorno.


De igual forma incrementos en el pH favorece la disponibilidad de P (Figura 3-8), ya que

se disminuye la cantidad de Al que forma precipitados insolubles con el elemento. En el

caso de los microelementos se presenta una correlación positiva con Cu, Fe y Zn (Figura

3-9, 3-10 y 3-11), donde este último presenta la mayor correlación, además de ser el

elemento que más se beneficia con incrementos en el pH como se observa en las

correlaciones Fe∙Zn-1 y P∙Zn-1.

El rango en que se encuentra el pH y la concentración media de Al son considerados

limitantes para el desarrollo de las plantas, pero no se encuentra ninguna correlación de

estos con el rendimiento (Mapa de contorno 3-20), lo que concuerda con estudios

realizados por Ortiz et al. (2004) en andisoles de Colombia, en los cuales se concluye

que incluso a concentraciones superiores de 20 cmol+∙kg-1 de Al, no se presenta toxicidad

en la planta, ni se afecta la zona radical del cultivo, posiblemente a que ninguna de las

formas del Al son tóxicas para el cultivo.

El pH y los contenidos de Al, Ca y Zn mostraron correlación con la Merma (Figura 3-13),

es decir, incrementos en los contenidos de Ca y Zn en el suelo, la disminución de Al o

incremento en el pH, disminuyen las pérdidas debido a que mejoran la calidad física del

grano.

El contenido de CO (Figura 3-14) afecta negativamente la concentración de Fe y Al en el

suelo, presentando correlaciones negativas de 0,40 para ambos casos, es decir, se están

formando complejos (CO-Al o CO-Fe), disminuyendo la disponibilidad de los mismos en

suelo, contrario a resultados reportados por Ortiz et al. (2006) quienes determinaron que

la MO en andisoles no forma complejos con Al y no se afecta el rendimiento del cultivo,

de tal forma que incluso estos autores sería posible la eliminación de la cal para corregir

la saturación del elemento en el suelo

Se encuentra una correlación negativa entre la concentración de CO y la CICE (Figura 3-

5), contrario al comportamiento esperado en esta relación, posiblemente debido a que el

CO en este suelo es rico en cargas positivas, compitiendo así con las bases en el suelo,

puesto que no se presenta correlación entre la CICE y el Al del suelo.

Tabla 3-3: Tabla de Correlaciones de Pearson

pH CO Ca K Mg Na Al CICE P Cu Fe Mn Zn

pH 1

CO 0,1541 1

Ca 0,8806 -0,1526 1

K 0,5974 0,0201 0,5097 1

Mg 0,7624 -0,1158 0,7834 0,6058 1

Na 0,1601 -0,3467 0,1777 0,0244 0,0897 1

Al -0,7623 -0,4043 -0,6395 -0,4520 -0,5505 -0,0052 1

CICE 0,4605 -0,5641 0,6897 0,3928 0,6275 0,1989 0,0845 1

P 0,3645 0,0713 0,4995 0,3755 0,2362 0,0475 -0,3296 0,3097 1

Cu 0,5322 -0,1960 0,6688 0,1557 0,2811 0,2040 -0,3199 0,4710 0,6245 1

Fe 0,3870 -0,4074 0,4978 0,3093 0,3763 0,3100 -0,0313 0,6185 0,4518 0,4271 1

Mn 0,1007 -0,1957 0,3445 0,0598 0,3242 0,2104 0,0116 0,4549 0,3008 0,3759 0,3631 1

Zn 0,6183 -0,1037 0,7506 0,2638 0,4313 0,1541 -0,5150 0,4255 0,4869 0,5277 0,3675 0,2638 1

B -0,1103 0,1523 0,0554 -0,0431 -0,0853 -0,0583 0,0230 -0,0636 -0,0475 -0,0164 -0,0514 0,0216 -0,0507

A -0,0343 -0,7866 0,0554 -0,1729 -0,0570 0,2839 0,4961 0,4840 -0,1429 0,2329 0,3024 0,2901 0,0861

L -0,0329 -0,5613 0,0842 -0,2257 -0,0574 0,2635 0,3348 0,3535 -0,1335 0,1829 0,3106 0,1485 0,0819

Ar 0,0383 0,7792 -0,0767 0,2191 0,0618 -0,3107 -0,4822 -0,4847 0,1622 -0,2364 -0,3433 -0,2618 -0,0963

Dr -0,2186 -0,3798 -0,1243 -0,3058 -0,2586 0,1870 0,3507 0,0925 0,0198 0,0774 -0,0012 0,1383 -0,0036

Da -0,0611 -0,6089 0,0636 -0,1256 -0,0599 0,3665 0,3578 0,3683 0,0983 0,2030 -0,2358 0,3270 0,0275

Rendimiento -0,0750 0,3588 -0,0607 0,0734 0,1075 -0,0661 -0,0910 -0,1075 -0,1337 -0,1521 -0,1893 0,0897 -0,2397

Profundidad -0,1334 0,0800 -0,0859 -0,0638 -0,0477 -0,1830 0,1357 0,0186 -0,1557 -0,2080 -0,1872 -0,0341 -0,0396

Merma -0,3675 -0,0908 -0,4098 -0,0712 -0,2858 -0,1611 0,3590 -0,1626 -0,2149 -0,2908 -0,2145 0,0000 -0,3513

FR 0,1480 -0,0664- 0,0092 0,2510 0,0494 -0,1322 -0,1541 -0,0875 -0,0990 -0,1056 -0,1250 -0,1196 0,0463

Porosidad -0,0084 0,6187 -0,1279 0,0452 -0,0198 -0,3955 -0,3102 -0,4213 -0,1224 -0,2317 -0,2976 -0,3567 -0,0443

Fe/Zn -0,3782 -0,1674 -0,3024 -0,1304 -0,2027 0,0302 0,5578 0,1474 -0,1477 -0,1566 0,3604 -0,0253 -0,3427

P/Zn -0,5570 0,1960 -0,5062 -0,1822 -0,4270 -0,1253 0,4586 -0,2199 0,0416 -0,2374 -0,1377 -0,1250 -0,5006


Tabla 3-3: Tabla de Correlaciones de Pearson (Continuación)

B A L Ar Dr Da Rendimiento Profundidad. Merma FR Porosidad Fe/Zn P/Zn

pH CO Ca K Mg Na Al CICE P Cu Fe Mn Zn B 1

A -0,0169 1 L -0,0077 0,5577 1

Ar 0,0168 -0,9169 -0,8422 1 Dr -0,1179 0,3321 0,3186 -0,3651 1

Da -0,1507 0,5463 0,3893 -0,5396 0,7306 1 Rendimiento 0,0090 -0,3073 -0,2565 0,3188 -0,1901 -0,1657 1

Profundidad -0,0551 -0,0959 0,0020 0,0548 0,1098 0,0199 0,3028 1 Merma -0,0189 0,1078 -0,0037 -0,0684 0,3109 0,2169 0,0834 0,1369 1

FR -0,0741 0,0219 -0,0554 0,0090 0,0475 -0,0414 0,0127 0,0785 0,6519 1 Porosidad 0,1514 -0,5611 -0,3673 0,5393 -0,5550 -0,9726 0,1385 0,0153 -0,1538 0,0362 1

Fe/Zn -0,0670 0,2105 0,1871 -0,2243 -0,0474 -0,0117 -0,0810 -0,1015 0,0706 -0,2328 0,0008 1 P/Zn -0,0418 -0,0727 -0,1317 0,1152 0,0001 -0,0079 -0,0537 -0,1605 0,2456 -0,1717 0,0144 0,5525 1

El CO se correlaciona positivamente con el porcentaje de arcillas (Ar) (Figura 3-17) y

negativamente con el porcentaje de arenas (A) (Figura 3-15), gracias a que las arcillas

(Ar) posee mayor área superficial y por ende pueden retener más CO en el suelo,

mientras que en las arenas (A), por su baja reactividad se presentan con mayor facilidad

pérdidas o lavados del mismo.

El CO y la Da se correlacionan negativamente, puesto que la CO agrega al suelo, lo que

permite un incremento de la porosidad, aumentando así el volumen que estos agregados

ocupan sin afectar su peso.

La presencia de cargas positivas del CO afecta de indirecta otras correlaciones, la

primera de ellas se encuentra con la correlación negativa entre el Al y las arcillas (Ar).

cuando es de esperar que un suelo a medida que evoluciona incremente el contenido del

Al por lavado de bases y el del arcilla (Ar) producto de la meteorización de los minerales

en suelo; es decir, una correlación positiva, que en este caso se altera ya que el

incremento en arcilla (Ar) se refleja en incrementos en el CO, paralelamente a que se

presenta antagonismo entre el CO y el Al como ya se mostró.

El CO es el único atributo que presenta influencia sobre el rendimiento (Figura 3-20) con

una correlación de 0,36, igual a resultados obtenidos por Dalchiavon et al. (2013) y

Dalchiavon et al. (2014) en caña de azúcar en Brasil, estudios en los que resalta la

importancia de un manejo adecuado y sostenible de este en el suelo, pues el CO

modifica características físicas, químicas y biológicas del suelo, que benefician el

desarrollo de los cultivos.

En cuanto al Ca, es el elemento que mayor correlación presenta sobre los atributos,

CICE, pH, Al, Zn y merma, es decir, el uso de cales en estas circunstancias sería el

mejor manejo para disminuir las pérdidas en el rendimiento e incrementar la

disponibilidad de otros nutrientes en el suelo.

Para los atributos Da y Profundidad (Figura 3-21) no se presentaron correlaciones con el

rendimiento, resultado diferente al obtenido por Salamanca & Sadeghian (2004), estudio

en el que concluyen que el crecimiento de la planta y ganancia en peso es inversamente

proporcional a la Da en el suelo.


Si bien los contenidos de Na son bajos en el suelo, se presenta una correlación positiva

entre el valor de Na y la Da, gracias a la capacidad dispersante del elemento, que

destruye o fractura la estructura del suelo, reflejado también por la disminución en la

porosidad

3.4 Distribución espacial

Presentan similar distribución espacial los atributos pH, Ca, K, Mg, CICE, Al, P, Fe, Cu,

Zn y merma, en donde la región noroeste posee los menores valores del pH, (suelos

extremadamente ácidos), mientras que los mayores (suelos fuertemente a

moderadamente ácidos) se encuentran en la parte más baja del terreno o parte sureste,

indicio de la acumulación de bases en el sentido de la pendiente.

Las bases Ca y K muestran niveles altos en la parte este y bajos en la oeste,

concordante con las correlaciones lineales en las que se encuenntra que Ca es la base

que mayor influencia presenta sobre pH, Al, merma y CICE; Por su parte, Mg exhibe

niveles altos en la parte este y bajos en la parte oeste.

El Al como resultado de la baja concentración de bases y bajo pH presenta un

comportamiento contrario a estos, en el cual la menor concentración se presenta en la

parte sureste y la mayor en la noroeste, siendo limitante su concentración para el

desarrollo de las plantas en cualquier punto del terreno.

El P se distribuye de manera más variable que el pH y el CO, en el cual existen cambios

fuertes en la concentración a distancias más cortas, paralelamente a que no se ve

afectado por la pendiente del terreno como pH o las bases, aunque presente correlación

significativa con ellos.

Aunque Na presenta comportamiento similar a Ca, K y Mg, su tendencia es menos

marcada, en la cual los valores más altos y más bajos del elemento se encuentran en un

nivel ideal para la producción, ya que su concentración es siempre inferior a la de K.


calidad de Café

Figura 3-1: Mapa de contorno de pH

Figura 3-2: Mapa de contorno de Ca

Figura 3-3: Mapa de contorno de K

Figura 3-4: Mapa de contorno de Mg

Figura 3-5: Mapa de contorno de CICE

Figura 3-6: Mapa de contorno de Al


Figura 3-7: Mapa de contorno de Na

Figura 3-8: Mapa de contorno de P

Figura 3-9: Mapa de contorno de Fe

Figura 3-10: Mapa de contorno de Cu

Figura 3-11: Mapa de contorno de Zn

Figura 3-12: Mapa de contorno de Mn


calidad de Café

Figura 3-13: Mapa de contorno de Merma

El Fe, Zn y Cu se distribuyen de manera similar a las bases, donde las mayores

concentraciones se encuentran en la parte este del terreno, siendo la concentración

máxima del Fe ideal y media en las zonas con menor nivel, dicho comportamiento

obedece a que la mayor parte del terreno posee un pH inferior a 5,5, lo que favorece su

mayor disponibilidad.

Las concentraciones altas de Zn se encuentran en niveles excesivos y los niveles bajos

se encuentran por debajo de los requerimientos mínimos, disminuyendo su disponibilidad

por altos niveles de CO en la zona noroeste del terreno. La concentración de Cu a lo

largo de todo el terreno se considera excesiva para el cultivo de café.

El Mn presenta alta concentración en la parte inferior del terreno debido a que el pH en

esta zona favorece su disponibilidad, mientras que en la zona central es limitada

asociada a niveles altos de CO. El contenido del elemento indistintamente de la zona en

el terreno es considerado bajo para el desarrollo del cultivo.


Figura 3-14: Mapa de contorno de CO

Figura 3-15: Mapa de contorno de A

Figura 3-16: Mapa de contorno de L

Figura 3-17: Mapa de contorno de Ar

Figura 3-18: Mapa de contorno de Da

Figura 3-19: Mapa de contorno de Dr


calidad de Café

Figura 3-20: Mapa de contorno de Rendimiento

La merma presenta un comportamiento más localizado, en la cual, las mayores pérdidas

se presentan en la parte suroeste del terreno mientras que las menores se encuentran en

noreste, siendo valores aceptables para todo el terreno puesto que en ningún punto

supera el 24.5%.

Los valores más altos de CO se encuentran en la región noroeste del terreno y los más

bajos en la parte sur que corresponden a niveles ideales para clima medio, mostrando

que no existen pérdidas o ganancias por acción de la pendiente en el terreno.

La distribución en los contenidos de arena (A), limo (L) y arcilla (Ar), se ve afectada por la

pendiente del terreno, encontrándose los porcentajes más altos de las arena (A) en la

parte alta del terreno, debido a que son las partículas más pesadas en la textura y por

ende su movilidad es limitada, contrastante al comportamiento exhibido por la arcilla (Ar)

que son las partículas más livianas y se encuentran en mayor porcentaje en la parte baja

del terreno. Por su parte el limo, aunque se ve afectado de manera similar a la arcilla

(Ar), muestra las mayores concentraciones paralelas a la pendiente.

La Da se incrementa conforme se desciende en el terreno, producto del arrastre de

materiales finos como arcillas (Ar) que disminuyen la porosidad del suelo, con un efecto

similar al que se encuentra en las bases y el pH, correlacionado con el contenido de CO


debido a que los valores más bajos de Da se hayan en las zonas en donde mayor

contenido de CO existe.

La Dr presenta los menores valores en el centro del terreno y se incrementa a medida

que se aleja de él, indicio de que es una zona de acumulación de materiales más livianos

como CO, o que se presenta erosión ligera en la parte noroeste, donde se alcanza el

horizonte B que es más arcilloso, mientras que en la parte sureste la densidad es mayor

por acumulación de materiales más pesados.

Figura 3-21: Mapa de contorno de profundidad del suelo

La profundidad del horizonte A es mayor en la parte oeste del terreno, mientras que las

zonas de menor profundidad se distribuyen alrededor de esta, sin relación con la

pendiente, por lo que se asume que no se están presentado procesos erosivos,

soportado por el hecho de que ninguno de los demás atributos presenta correlación ella.


calidad de Café

Figura 3-22: Mapa de contorno de FR en el

cultivo

El factor de rendimiento (FR), es la cantidad porcentual de café que no presenta defectos

físicos o daños, causados por mala selección, daño mecánico en la trilla o café brocado.

En este caso las mayores pérdidas se presentan en el centro del terreno, pero no

correlacionadas con los atributos del suelo.

3.5 Análisis de componentes principales

De los 20 atributos y los tres de cultivo se determinaron siete componentes principales,

los cuales presentan un autovalor superior a 1 en las características comunales (Kaiser &

Rice, 1974) y que explican el 78,01% de la varianza total.

Se utiliza para el análisis los tres primeros componentes, puesto que explican del 50% de

la variación total (Tabla 3-4), porcentaje inferior al obtenido por Silva & Lima (2012), Para

quienes dos componentes principales (CP) representan el 79, 8% de la variación, por lo

que en el presente estudio se evidencia mayor independencia entre los atributos

medidos.


Presentan poca relevancia para el análisis los atributos Na, P, B, Rendimiento y

Profundidad (Tabla 3-5). La pareja Na y B muestra valores inferiores o cercanos a 0,5 en

la comunal estimada de los datos, es decir, sólo está explicado su comportamiento en un

50% cuando la variación acumulada es superior al 75%.

El P presenta un valor superior al 0,75 en la comunalidad pero en ninguno de los

componentes su valor es representativo, resultado diferente al obtenido por Molin &

Castro (2008), quienes obtienen una correlación con el primer componente principal

superior al 80%. El Rendimiento y la Profundidad presentan valores significativos en los

CP6 Y CP7 que sólo explican el 5,86% y 4,48% respectivamente de la variación total de

los datos.

Las variables que muestran la mayor comunalidad estimada son pH, Ca, Ar y Da, siendo

estos los que más se correlacionan con el resto de atributos, pero se encuentran en su

mayoría en el CP2, que explica sólo el 22,32% de la variación.

El primer componente principal representa el 26,04% de la variación total y contiene la

mayoría de atributos químicos del suelo (Figura 3-23), en donde se observa un

comportamiento opuesto entre Ca, CICE y microelementos con el CO y porosidad del

suelo.

En el segundo componente encontramos al resto de las bases del suelo, pH, Al, además

de la textura y las densidades del suelo, en donde los atributos pH, K, Mg y arcilla (Ar),

exhiben un comportamiento contrario al del Al, arena (A), limo (L), Dr y Da, mostrando el

efecto positivo de las bases sobre el pH y negativo con el Al, además que los

incrementos en la arcilla (Ar) afecta la cantidad de arena (A) y limo (L) que inciden de

manera directa los valores de Dr y Da, corroborando las resultados obtenidos en las

correlaciones lineales.

En el tercer grupo encontramos la merma y el FR como las variables de producción del

cultivo, en el que el peso de este componente es menor a los componentes anteriores y

no presentan mayor correlación con las variables del suelo.


calidad de Café

Figura 3-23: Proyección de los atributos de los dos primeros Componentes

principales

pH

CO

Ca K Mg

Na

Al

CICE

P

Cu

Fe

Mn

Zn

B

A

L

Ar

Dr Da

Rendimiento

Profundidad

Merma

FR

Porosidad

-1,0 -0,5 0,0 0,5 1,0

CP 1 : 26,04%

-1,0

-0,5

0,0

0,5

1,0

CP

2 :

22,3

2%

Tabla 3-4: Comunalidades basadas en correlaciones

Atributo CP1 CP2 CP3 CP4 CP5 CP6 CP7 Comunalidad

pH 0,5704 0,6870 -0,1552 -0,1735 -0,1033 0,2199 -0,0241 0,9112

CO -0,6815 0,5130 0,1162 0,2751 0,0217 -0,1107 -0,0903 0,8377

Ca 0,7266 0,6254 -0,0575 -0,0185 0,0392 0,0538 -0,1508 0,9499

K 0,2826 0,5955 -0,4114 -0,1115 0,0466 -0,0930 0,2998 0,7169

Zn 0,5116 0,6143 -0,2478 -0,1401 0,3044 0,1109 0,1222 0,8400

Na 0,4451 -0,1540 0,1820 0,1108 -0,0114 0,3372 0,3918 0,5346

Al -0,0843 -0,8625 0,0643 -0,0355 0,2187 -0,2077 0,0666 0,8518

CICE 0,8323 0,0677 -0,1218 -0,1053 0,3344 -0,1230 -0,0121 0,8503

P 0,4260 0,4431 0,1059 0,4687 -0,2638 -0,3324 -0,0307 0,7897

Cu 0,6667 0,2860 0,2001 0,2025 -0,1921 -0,1896 -0,1992 0,7198

Fe 0,7034 0,1194 0,1150 -0,0466 0,0865 -0,1997 0,2153 0,6182

Mn 0,5187 -0,0096 -0,0276 0,3483 0,3236 -0,3635 0,0416 0,6298

Zn 0,5788 0,4692 0,0640 0,0125 -0,2164 0,0282 -0,3955 0,7635

B -0,1237 0,0210 0,2389 -0,1411 0,1212 -0,6065 -0,0457 0,4774

A 0,6015 -0,6087 0,0106 -0,2932 0,0340 -0,0884 -0,0177 0,8277

L 0,4960 -0,5028 0,1476 -0,3311 0,0672 0,0486 -0,2398 0,6946

Ar -0,6275 0,6357 -0,0733 0,3519 -0,0602 0,0314 0,1295 0,9485

Dr 0,2703 -0,5861 -0,1238 0,4519 -0,2347 0,1307 -0,2117 0,7531

Da 0,5724 -0,5868 -0,1852 0,4246 -0,0793 0,1284 0,0790 0,9155

Rendimiento -0,2981 0,1793 -0,2753 0,2807 0,6323 0,0452 0,0785 0,6836

Profundidad -0,1655 -0,0938 -0,3471 0,1528 0,4666 0,1660 -0,6075 0,7944

Merma -0,2226 -0,4389 -0,7128 0,0407 -0,2009 -0,3106 0,0457 0,8909

FR -0,0673 0,0305 -0,7945 -0,2829 -0,3625 -0,1402 -0,0477 0,8700

Porosidad -0,6170 0,5126 0,1814 -0,3670 0,0204 -0,1173 -0,1696 0,8540

Autovalor 6,2505 5,3561 1,8954 1,5894 1,4079 1,1478 1,0756

% Total de varianza 26,0440 22,3172 7,8978 6,6227 5,8663 4,7824 4,4816

% Acumulado de varianza 26,0440 48,3613 56,2590 62,8818 68,7481 73,5305 78,0121

3.6 Análisis Clúster o de agrupamiento

El análisis puede ser realizado en dos partes, la primera analizando una distancia

euclidiana de 30, en donde se forman dos grupos, el primero de ellos con bajo nivel de

correlación entre los atributos, salvo arcilla (Ar y CO) y un segundo grupo con los

atributos físicos y químicos, con mayor correlación entre ellos (Figura 3-24).

El segundo análisis se puede realizar a una distancia euclidiana de 25, encontrando el

mismo grupo de datos 1 y una subdivisión del grupo 2 del análisis anterior. En la segunda

subdivisión de grupos se encuentran los atributos con las mayores correlaciones, dividido

en dos subgrupos, uno con el conteniendo de las bases del suelo y el segundo con los

micro-nutrientes.

Figura 3-24: Dendograma de atributos

Con base en este análisis se encuentra mayor cercanía del CO con los atributos físicos

del suelo que con los químicos, particularmente con el porcentaje de arcillas (Ar), de igual

manera la influencia del Na sobre los mismos, encontrado en las correlaciones lineales

pero no en el análisis de agrupamiento.


Los atributos Ca y pH que mostraron relación con la merma en el rendimiento, se

encuentran en puntos opuesto, indicando su baja relación, diferente resultado al obtenido

al analizar su correlación lineal, pero concordante con el análisis de componentes

principales.

A partir del análisis de agrupamiento (Figura 3-25) se obtienen tres grupos de puntos de

muestreo, que permite localizar tres zonas por la similitud que exhiben las mismas. Para

cada zona se recomienda el manejo a partir de la media de cada atributo.

Figura 3-25: Dendograma para puntos de muestreo

Tabla 3-5: Estadística descriptiva Grupos 1, 2 y 3

Zona 1 Zona 2 Zona 3

Atributo Media CV (%) Media CV(%) Media CV(%)

pH 4,41 4.07 5,25 6,20 4,51 6,44

CO 3,87 40.44 5,43 17,87 6,84 16,45

Ca 1,83 62,30 7,01 45,05 1,86 65,03

K 0,23 31,28 0,81 79,39 0,32 31,55

Mg 0,51 55,23 1,87 47,92 0,48 59,06

Na 0,05 24,04 0,05 25,23 0,04 27,72

Al 7,08 40,95 0,84 100,55 3,55 48,49

CICE 9,70 28,99 10,58 30,46 6,26 22,35

P 2,23 48,80 37,91 57,34 28,39 50,86

Cu 0,49 73,59 1,55 130,58 0,54 69,94

Fe 6,69 87,87 83,40 64,95 35,69 52,85

Mn 1,74 67,16 1,80 53,70 1,10 70,27

Zn 1,91 94,57 9,26 69,62 2,54 85,82

B 1,31 27,38 0,13 23,13 0,20 93,23

A 38,40 29,52 28,62 36,48 23,07 23,94

L 33,40 17,04 26,33 32,94 23,07 24,99

Ar 28,07 45,65 44,81 36,49 53,75 48,44

Da 1,08 12,50 0,89 9,26 0,83 9,81

Dr 2,18 3,92 2,06 2,36 2,06 3,58

Profundidad 38,60 20,53 34,33 18,70 36,75 25,47

Rendimiento 811,33 29,00 912,86 28,30 961,07 30,72

Merma 19,30 2,69 18,17 5,28 18,82 4,37

FR 89,48 0,84 89,61 1,52 89,71 1,30

El grupo de atributos pH, K, Mg, CICE, Cu, Da y Dr presentaron disminución en el CV

comparado con el CV del total de los datos (Tabla 3-6); CO, Ca, Al, P, Fe, Mn, B, A, L,

rendimiento y merma mostraron disminución en CV en por lo menos en dos grupos,

mientras que Na, Zn, Ar y FR se presentó incremento en los tres grupos, reflejando que

el agrupamiento fue adecuado para la mayoría de atributos.

La característica de alta variabilidad de los atributos químicos se mantiene, ya que aún

se encuentran valores superiores al 60% en CV para los atributos Ca, K, Al, Cu, Fe, Mn,

Zn y B en por lo menos una de las agrupaciones. Por el contrario, los atributos físicos

presentan una variabilidad baja en Da y Dr y textura.


calidad de Café

3.7 ZONAS DE MANEJO

Gracias a las diferencias obtenidas entre los atributos químicos del suelo y el rendimiento

del cultivo se pueden realizar dos manejos agronómicos diferentes, el primero,

considerando los niveles medios de los nutrientes y el segundo teniendo en cuenta el

agrupamiento de datos.

3.7.1 Propuesta de manejo 1.

La zona 1 (Figura 3-26) posee niveles adecuados para la mayoría de nutrientes, salvo en

los contenidos de CO y Mg (relaciones catiónicas), conjuntamente a niveles excesivos de

Zn, Cu y Al, por lo que el manejo de esta zona se debe centrar en la incorporación de

materia orgánica y fuentes nitrogenadas, pues el rendimiento solo presenta respuesta

cuando los niveles de CO son altos, además de la utilización de enmiendas ricas en Mg

para corregir la acidez y mejorar las relaciones catiónicas del suelo.

En cuanto a la zona 2, contrastante a la primera, presenta el mayor contenido de CO,

bajos contenidos de Ca y K, mayor acidez, deficiencia en Zn y exceso de Cu, pero con el

mayor rendimiento, por lo que el manejo se debe concentrar disminución de acidez a

través de cales, mayores aplicaciones de K y elementos menores Zn y Mn.

3.7.2 Propuesta de manejo 2.

Los tres grupos tienen bajos rendimientos para café, por lo que es necesario incrementar

las aplicaciones de fertilizantes, puesto que los suelos muestran niveles bajos para la

mayoría de nutrientes.

Las mayores diferencias en el rendimiento del cultivo se encuentran entre los grupos 1 y

3, los cuales tienen diferencias en los contenidos de CO, P, B, Da y textura. De igual

manera se observa que el grupo 2 presenta valores adecuados para el café en pH, Al,

bases y CICE pero su rendimiento es menor que en el grupo 3, el cual sólo presenta

mayores valores en CO y arcillas (Ar), las cuales disminuyen la Da, resultado

concordante con Salamanca & Sadeghian (2004), quienes concluyen que el desarrollo

del cultivo y la Da presentan una correlación inversa.


Figura 3-26: Zonas de manejo 1

Figura 3-27: Zonas de manejo 2


calidad de Café

Aunque son conformadas 3 zonas, el manejo para los grupos 1 y 3 presentan similitudes

y por ende se deben realizar manejos simultáneos en corrección de acidez y aplicación

de fertilizantes para todos los nutrientes. La discriminación en el manejo se encuentra en

la necesidad de incrementar los contenidos de CO en el grupo 1 y la aplicación de B en

la zona 3, cuyos valores se encuentran por debajo de los requerimientos del cultivo.

El grupo 2 refleja un pH fuertemente ácido, pero en el rango aceptable para el cultivo de

café, con niveles altos en Ca, K, Mg, Fe y Zn, sin embargo, con bajos niveles de Cu, Mn

y B; Se hace necesaria entonces, la aplicación de materia orgánica y elementos menores

deficientes en esta zona.

4. Conclusiones y recomendaciones

El pH y la concentración de Al se encuentran en niveles considerados tóxicos para la

planta, pero no se encontró correlación entre estos y el rendimiento del cultivo, no así

para el porcentaje de carbono orgánico (CO) del suelo, igualmente el Ca fue el atributo

que mostró mayor influencia en la disminución de la merma en el rendimiento.

Los métodos de análisis espacial y agrupamiento permiten generar zonas de similares

características, lo que supone una disminución en la variación de los datos en el terreno

y así nos permite un uso más eficiente de los recursos, pero a través de estos métodos

se puede llegar a dos situaciones, la primera, realizar un muestreo numeroso por unidad

de área es muy costoso o no es económicamente viable, o la segunda, mantener el

número de muestras por unidad de área e incrementar la extensión del análisis puede

implicar la pérdida de información, para atributos presentan alta variabilidad espacial.

Bibliografía

Acevedo, D., A. Sánchez, E. Acosta, R. Maldonado, M. Pérez, R. Castro. 2008.

Variabilidad espacial de las propiedades químicas del suelo y su uso en el diseño de

experimentos. Terra latinoamericana. Volumen. 26. Pp. 317-324.

Assis, S. 2010. Estudo da fertilidade de um Latossolo Vermelho-Amarelo húmico sob

cultivo de café arábica por meio de geoestatística. Revista Ceres, Vicosa. Volumen 57.

Pp. 560-567.

Assis, S. 2010. Variabilidade especial de atributos químicos de um Latossolo Vermelo-

Amarelo húmico cultivado com café. Revista Brasileira Ci. Solo. No. 34. Pp. 15-22.

Assis, S., J.S. Sousa. 2012. Avaliaca da variabilidade do estado nutricional e

productividade de café por meio da análise de componentes principais e geoestatística.

Revista Ceres, Vicosa, Volumen 59, No. 2. Pp. 271-277.

Assis. S., Lima, S. 2012. Multivariate analysis and geostatistics of the fertility of a Humic

rhodic hapludox under coffee cultivation. Revista Brasileira Ci. Solo. No 36. Pp. 467-474.

Camacho-Tamayo. J., C.A Luengas, F.R. Leiva. 2008. Effect of agricultural intervention

on the spatial variability of some soils chemical properties in the eastern plains of

Colombia. Chilean Journal of Agricultural Research volumen 68. No 1. Pp. 42-55. Chile.

Cambardella, C., T. Moorma, J. Novak, T. Parkin, D. Karlen, R. Turcoy A. Konopka. 1994.

Field-scale variability of soil properties in central Iowa soils. Soil Science Soc. Amer. J.

58, 1501-1511.

Cambardella, C.A., D.L. Karlen. 1999. Spatial analysis of soil fertility parameters.

Precision agriculture volumen1. Kluwer Academic publishers. Pp. 5-14.


calidad de Café

Cano, C.G., C. Vallejo, E. Caicedo, J.S. Amador, E.Y. Tique. 2012. El mercado mundial

del café y su impacto en Colombia. Borradores de economía No. 710. Pág. 56.

Castaño, J.J., G.P. Quintero. 2004. Calidad de extractos de café perforado por broca

obtenidos por crioconcentración. CENICAFÉ 55. Pp. 183-201.

Cortés, D.L., J.H. Pérez, J.H. Camacho-Tamayo. 2013. Relación espacial entre la

conductividad eléctrica y algunas propiedades químicas del suelo. Revista. U.D.C.A. Act.

& Div. Cient. 16. Pp. 401-408.

Duque, H. M.A. Mestre. 2001. Óptimos biológico y económico de la respuesta del café a

la fertilización en dos localidades de Colombia. CENICAFÉ 52. Pp. 74-89.

Dalchiavon, F., M.P. Carvalho, R. Montari, M. Andreotti 2013. Sugarcane productivity

correlated with physical-chemical attributes to create soil management zone. Rev. Ceres,

Vicosa. Pp. 706-714.

Dalchiavon, F., M.P. Carvalho, R. Montari, M. Andreotti E. A. Dal Bem. 2014. Inter-

relacoes da productividade de cana soca com a Resistencia a la penetracao, umidade e

materia orgánica do solo. Rev. Ceres, Vicosa, 61. N 2. Pp. 255-264.

Fajardo, I., J.R. Sanz. 2004. La calidad física y el rendimiento del café en procesos de

beneficio tradicional y beneficio ecológico. Avances técnicos 323. CENICAFË. Pág. 8.

Farfán, F., J.E. Baute. 2010. Efecto de la distribución espacial del sombrío de especies

leguminosas sobre la producción de café. CENICAFÉ 61. Pp. 35-45.

Farfán, F. 2005. Producción de café en un sistema intercalado con plátano dominico

hartón con y sin fertilización química. CENICAFÉ 56. Pp. 269-280.

Fernández, O., R. Pérez, A. Gubinelli, J. Matheus. 2007. Influencia de la variabilidad

espacial del suelo sobre parámetros de la caña de azúcar (Saccharum officinarum) en

Monay, estado de Trujillo. Agricultura Andina volumen. 13. Pp. 39-52.

Conclusiones 53

Guimaraes, E., A. Stein, E. Klamt. 1997. Large area spatial variability of soil chemical

properties in central Brazil. Agriculture, Ecosystems and environment 66. Pp. 139-152.

Gutiérrez, J.P., J. A. Campo, J.P. Herrera. 2012. Estudio sobre el sector café en

Colombia. Grupo de estudios económicos. Pág. 154.

Husson, O., P.H. Verburg, M.T. Phung, M. Van Mensvoort. 2000. Spatial variability of acid

sulphate soils in the Plain of Reeds, Mekong Delta, Vietnam. Geoderma 97. Pp. 1-19.

Huang, B., W. Sun, Y.Zhao, J. Zhu, R. Yang, Z. Zou, F. DIng, J. Su. Temporal and spatial

variability of soil organic matter and total nitrogen in an agricultural ecosystem as affected

by farming practices. Geoderma 139. Pp. 336-345.

IGAC. 1995. Suelos de Colombia. Instituto Geográfico Agustín Codazzi, Subdirección

Agrológica. Bogotá. Colombia. 632 pág.

IGAC. 2000. Estudio General de suelos y zonificación de tierras del Departamento de

Cundinamarca. IGAC. Bogotá. Colombia.

IGAC. 2006. Métodos analíticos del Laboratorio de Suelos. Sexta edición. Bogotá.

Colombia. 648 pág.

Jalali, M. 2007. Spatial variability in potassium release among calcareous soils of western

Iran. Geoderma 140. Pp. 42-51.

Jaramillo, D.F. 2009. Variabilidad espacial de las propiedades ándicas de un andisol

hidromórfico del oriente antioqueño (Colombia). Rev. Fac. Nal. Agr. Medellín. 62. Pp.

4907-4921.

Jaramillo, D.F. 2012. Variabilidad espacial del suelo: Bases para su estudio. Rev. Fac.

Ciencias. Universidad Nacional de Colombia, sede Medellín. Pp. 73-87.


calidad de Café

Lima, W., E. Silva, D. Lima, M. Oliveira. 2006. Variabilidade espaial de atributos físicos de

um Latossolo Vermelho Distroférrico, submetido a diferentes manejos. Revista. Brasileira

Ci. Solo. Volumen 30. Pp. 1061-1068.

Machado, S., Bynum, E.D., Archer, T.L., Lascano, R.J., Wilson, L.T., Bordovsky, J.

Segarra, E., Bronson, K., Nesmith, D.M., Xu, W. 2002. Spatial and temporal variability of

corn growth and grain yield: Implications for site-specific farming. Crop Science, volume

42. Pp. 1564-1576.

Marchetti, A., C. Piccini, R. Francaviglia, L. Mabit. 2012. Spatial distribution of soil organic

matter using geostatistics: A key indicator to asses soil degradation status in central Italy.

Pedosphere 22. Pp. 330-342.

Marín, S.M., J. Arcila. E.C. Montoya. C.E. Oliveros. 2003. Relación entre estado de

madurez del fruto del café y las características de beneficio, rendimiento y calidad de la

bebida. CENICAFÉ 54. Pp. 297-315.

Marques da Silva, J.R., L.L. Silva. 2006. Evaluation of Maize Yield Spatial Variability

based on Field Flow Density. Biosystems engineering 95. Pp. 339- 347.

Martínez, J.A., M.C: Ramos, D. Valles, 2009. Análisis de la relación entre las propiedades

del suelo, el índice de vigor del cultivo y el rendimiento en un viñedo de la D.O. Costers

del Segre (lleida). Agua y desarrollo sostenibleXIII congeso de de la asociación española

de teledetección. Pp. 37-40.

Martins, A., E.G. Moura, J.H. Camacho-Tamayo. 2010. Variabilidad espacial de la

infiltración y su relación con algunas propiedades físicas. Ingeniría e investigación 30. No.

2. Pp. 116-123.

Martins, A. E.G. Moura, J. H. Camacho-Tamayo. 2011. Evaluación de parámetros

productivos de maíz y su relación con atributos químicos del suelo. Agronomía

Colombiana 29. Pp 99-106.

Conclusiones 55

Mestre, A., H.F. Ospina. 1994. Manejo de los cafetales para estabilizar la producción en

las fincas cafeteras. Avances técnicos 201. CENICAFÉ. Pág. 8.

Molin, J.P., A.V. Araujo, F. Roncato, G. Chiacchio, W. Tosta. 2010. Test procedure for

variable rate fertilizer on coffee. Acta Scientiarum . Agronomy. Volumen. 32. Pp. 569-575.

Molin, J. P., Castro, C. 2008. Establishing management zones using soil electrical

conductivity and other soil properties by the fuzzy clustering technique. Science Agricola .

Volumen 65. Pp. 567-573.

Montilla, J., J. Pulgarín, M. Aristizabal, E.C. Montoya, G.I. Puerta, C.E. Oliveros, G.

Gómez. 2008. Propiedades físicas y factores de conversión del café en el proceso del

beneficio. Avances técnicos 370. Pág. 8.

Montoya, 1999. Caracterización de la infestación del café por broca y efecto del daño en

la calidad de la bebida. CENICAFÉ 50. Pp. 245-258.

Moreno, M. 2010. Efecto de la pérdida de plantas en la producción de café renovado

mediante zoqueo. CENICAFÉ 61. Pp. 28-34.

Muñoz, J.D., L.J. Martínez, R. Giraldo. 2006. Variabilidad espacial de propiedades

edáficas y su relación con el rendimiento en un cultivo de papa (Solanum tuberosum L.).

Agronomía Colombiana. V. 24. Pp. 355-366.

Obando, F.H., A.M. Villegas, J.H Betancour, L. Echeverry. 2006. Variabilidad especial de

propiedades químicas y físicas en un Typic Udivitrands, arenoso de la región andina

central colombiana. Rev. Fac. Nal. Agr. Medellín, V. 59. Pp. 3217-3235.

Obi, J.C., B.T. Udoh. 2011. Identification of soil management fators from spatially variable

soil properties of Coastal Plain Sand in Southeastern Nigeria. Open Journal of soil

science.1. Pp. 25-39.

Obi, J.C., A.O. Ogunkunle. 2009. Influence of termite infestation on the spatial variability

of soil properties in the Guinea savanna region of Nigeria. Geoderma 148. Pp. 357-363.


calidad de Café

Ochoa, W.A., S. Suárez, S. Sadeghian. 2003. Variabilidad espacial del nitrógeno

disponible en andisoles de la zona cafetera colombiana. CENICAFÉ 54. Pp. 189-203.

Oliveira, R.B., J. Lima, A. Xavier, R.R. Passos, S. Silva, A. Silva. 2008. Comparacao

entre métodos de atmostragem do solo para recomendacao de calagem e adubacao do

cafeero conilon. Eng. Agric. Jaboticabal, volumen. 28. Pp. 176-186.

Ortiz, M.A., R.D. Zapata, S. Sadeghian. 2006. Propiedades de la materia orgánica y

capacidad complejante sobre el aluminio en algunos suelos ándicos en Colombia.

CENICAFÉ 57. Pp. 51-57.

Paz-González, A., S.R. Vieira, M.T. Taboada. 2000. The effect of cultivation on the spatial

variability of select properties of an umbric horizon. Geoderma 97. Pp. 273-292.

Peña, R., Y. Rubiano, A. Peña, B. Chaves. 2009. Variabilidad espacial de los atributos de

la capa arable de un inceptisol del piedemonte de la cordillera oriental (Casanare-

Colombia). Agronomía Colombiana 27. Pp. 111-120.

Puerta, G.I. 2001. Cómo garantizar la buena calidad de la bebida del café y evitar los

defectos. Avances técnicos 284. CENICAFÉ. Pág. 8.

Puerta, G.I. 2000. Influencia de los granos de café cosechados verdes en la calidad física

y organoléptica de la bebida. CENICAFÉ 51. Pp. 136-150.

Puerta, G.I. 2003. Prevenga la ochratoxina A y mantenga la inocuidad y la calidad del

café. Avances técnicos 317. CENICAFÉ. Pág. 8.

Puerta, G.I. 2003. Especificaciones de origen y buena calidad del café de Colombia.

Avance técnicos 316. CENICAFÉ. Pág. 8.

Puerta, G.I. 2006. Sistema de aseguramiento de la calidad y la inocuidad del café en la

finca. Avance técnico 351. CENICAFÉ. Pág. 8.

Conclusiones 57

Puerta, G.I. 2008. Riesgos para la calidad y la inocuidad del café en el secado. Avances

técnicos 371. CENICAFÉ. Pág. 8.

Roger, A., Z. Libohova, N. Rossier, S. Joost, A. Maltas, E. Frossard, S. Sinaj. 2014.

Spatial variability of soil phosphorus in the Fribourg canton, Switzerland. Geoderma 218.

Pp. 26-36.

Sana, R.S., I. Anghinoni. Z.N. Brandao, M.J. Holzschuh. 2014. Varibilidade espacial de

atributos físico-químicos do solo e seus efeitos na productividade do algodoneiro. Revista

Brasileira de Engenharia Agrícola e ambiental. Volumen. 18.Pp. 994-1002.

Sadeghian, S. 2010. Fertilización-. Una práctica que determina la producción en los

cafetales. Avances técnicos 391. CENICAFÉ. Pág. 8.

Salamanca. A., S. Sadeghian. 2004. La densidad aparente en suelos de la zona cafetera

y su efecto sobre el crecimiento del cafeto. Avances técnicos 326. CENICAFÉ. Pág. 8.

Salazar, J.N., A. Mestre. 1991. Efecto de zoqueo en la producción de la variedad

Colombia. Avances técnicos 159. Pág. 2.

Silva, F., Z. Sousa, C.A. Figueiredo, L.H. Sousa, E. Oliveira. 2008. Variabilidade espacial

de atributos químicos e productividade da cultura do café em duas safras agrícolas.

Cienc. Agrotec.Lavras, V.32 (1). Pp. 231-241.

Silva, S., J.S. Lima. G.S. Souza. 2010. Estudo da fertilidade de um Latossolo Vermelho-

Amarelo húmico sob cultivo de café arábica por meio de geoestatística. Revista. Ceres,

Vicosa, volumen. 57 Pp. 560-567.

Tabares, J.E., D.A. Villalba, P. Bustillo, E. Vallejo, 2008. Eficacia de insecticidas para el

control de la broca del café usando diferentes equipos de aspersión. CENICAFÉ 59. Pp.

227-237.


calidad de Café

Veihe, A. 2002. The spatial variability of erodibility and its relation to soil types: A study

from northern Ghana. Geoderma 106. Pp. 101-120.

Wang, S.Y., T. Yu, J. Wang, L. Yang, K. Yang, P.Lu. 2008. Preliminary study on spatial

variability and distribution of soil available microelements in Pinggu County, Beijing,

China. Agricultural science in China 7. Pp. 1235-1244.

Wang, Y., X. Zhang, C. Huang. 2009. Spatial variability of soil total nitrogen and soil total

phosphorus under different land uses in a small watershed on the Loess Plateau, China.

Geoderma 150. Pp. 141-149.

Wang, Z., B. Zhang, K. Song, D. Liu, C. Ren. 2010. Spatial Variability of Soil Organic

Carbon Under Maize Monoculture in the Song-Nen Plain, Northeast China

Wang, L., J. Wu, Y. Liu, H. Huang, Q. Fang. 2009. Spatial Variability of Micronutrients in

Rice Grain and Paddy Soil. Pedosphere 19 (6). Pp. 748-755.

Weijun, F., H. Tunney, C. Zhang. 2010. Spatial variation of soils nutrients in a diary farm

and its implications for site-specific fertilizer application. Soil and tillage research 106. Pp.

185-193.

Zhao, Y., S. Peth, J. Krummelbein, R. Horn, Z. Wang, M. Steffens, C. Hoffmann, X. Peng.

2007. Spatial variability of soil properties affected by grazing intensity in Inner Mongolia

grassland. Ecological modeling 205. Pp. 241-254.

A. Anexo: Consideraciones generales para interpretar análisis de suelos, (IGAC 1994)

Variabilidad espacial de las propiedades físicas y ... variabilidad espacial café.pdf · del...

Documents

Transcript of Variabilidad espacial de las propiedades físicas y ... variabilidad espacial café.pdf · del...