Asistente de Investigación, CIA-UCR CONFERENCISTA Bryan …
Transcript of Asistente de Investigación, CIA-UCR CONFERENCISTA Bryan …
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