Variabilidad espacial de la profundidad del suelo. Métodos de interpolación para el sudoeste bonaerense

Recibido 14 de marzo de 2013 // Aceptado 09 de septiembre de 2015 // Publicado online 18 de noviembre de 2015

Frolla, F.D.; Zilio, J.P.1; Kruge r, H.1

Resumen
La presencia de tosca es una de las principales limitantes de la producción agropecuaria del sudoeste bonaerense. La elaboración de mapas de profundidad de suelo resulta un paso previo a su manejo por ambientes.
Se realizaron 199 observaciones, con sonda mecánica y en forma de malla semirígida, en un lote  de 60 ha cercano a la localidad de San Germán (partido de Puán, provincia de Bs. As.). Los objetivos fueron: comparar la habilidad predictiva de dos métodos usuales de interpolación (Kriging ordinario y Ponderación  de Distancia Inversa o IDW) y determinar la densidad mínima de observaciones requerida para delimitar unidades  de manejo de suelos y cultivos. Los datos fueron desglosados en 5 densidades de puntos (0.5-0.75-1-1.5-2 observaciones.ha-1). Los mapas obtenidos fueron contrastados con un set de observaciones reservadas  específicamente con el fin de comparar la capacidad de predicción de estos. Se utilizaron estadísticos como el Promedio Cuadrado del Error (PCE), el Estimador de predicción (E) y el coeficiente de determinación para regresiones lineales y polinómicas. Se realizaron mapas de error para identificar la variabilidad de la predicción.
Los interpoladores no presentaron diferencias marcadas en su exactitud, pero sí lo hizo la densidad de observaciones. Por su simplicidad relativa y una ligera tendencia a lograr mejores valores en los estadísticos utilizados, se sugiere el uso de IDW. Para la delimitación de unidades homogéneas de manejo en función de la profundidad de suelo se adoptó un mínimo de 1 observación ha-1, recomendándose analizar la conveniencia de utilizar una densidad mayor de observaciones (1,5-2 ha-1) en sectores complejos, de pobre estimación, que coincidieron con suelos de escasa profundidad.
Palabras clave: profundidad suelos, métodos de interpolación, densidad de observaciones, kriging

Abstract
Petrocalcic horizons are among the main soil constraints to agricultural production in the south-west of Buenos Aires province. They decrease effective soil depth and water holding capacity. This paper deals with the mapping of soil depth. The objectives were: to compare predictive ability of two interpolation methods (ordinary Kriging and Inverse Distance Weighted, IDW), and establish the minimum observation density requirements to define management units. In a 60-ha production farm located near San Germán town (Puán district, Bs. As. province), 199 soil depth observations were performed using a mechanical probe. Data were grouped into 5 observation densities (0.5-0.75-1-1.5-2 observation ha-1). Resulting maps were checked against a set of data reserved for this purpose. Statistics like Mean Square Error (PCE), goodness of Prediction estimator de acero de aproximadamente 1 cm de diámetro y 100 cm de largo, rematada por una punta triangular en su extremo inferior y un mango en forma de “T” en el superior.
En condiciones favorables de humedad es relativamente sencilla su introducción en el suelo hasta tocar la superficie coherente del horizonte petrocálcico. Las observaciones así obtenidas pueden ser referenciadas geográficamente con GPS (Sistema de Posicionamiento Global por sus siglas en inglés). Existen dispositivos más sofisticados como los sensores de conductividad eléctrica Veris y EM- 38 (Peralta et al., 2012), o los basados en la reflexión de ondas electromagnéticas como el Georadar (Bragachini et al., 2010). Estos permiten realizar mapas de profundidad de suelos en forma rápida y, posiblemente, más precisa.
Sin embargo se trata de equipamientos costosos, habitualmente no disponibles en la región. La representación gráfica de la información obtenida puede realizarse sobre programas de uso libre como Google Earth, o bien utilizando programas más complejos que permitan la interpolación de los datos y el desarrollo de mapas a partir de observaciones puntuales (QGIS, R, ILWIS, SAGA). Existen diversos métodos de interpolación: Ponderación de la distancia inversa (Inverse Distance Weighted), Vecino más cercano (Nearest-neighbor interpolation), y Kriging con sus variantes (Co-Kriging, universal, simple y ordinario). Los más utilizados en estudios de este tipo son Kriging y Ponderación de la Distancia Inversa. Algunos trabajos destacan mejores estimaciones para Kriging (Creutin et al., 1982; Tabios y Salas, 1985; Warrick et al., 1988; Laslett et al., 1987;
Leenaers et al., 1990), mientras que otros autores lo hacen para IDW (Weber y Englund, 1992; Wollenhaupth et al., 1994; Gotway et al., 1996).
Los interpoladores se basan en la premisa que puntos cercanos están más relacionados entre sí que aquellos que se encuentran más lejanos. IDW y Kriging establecen un peso para cada punto utilizado en la interpolación. En la Ec.1 se muestra la fórmula del cálculo. Ambos métodos se diferencian en el modo de establecer el valor de Wi para cada punto. Z* = Wi Zi 

Esta entrada fue publicada en Trabajos y etiquetada , , , , . Guarda el enlace permanente.

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos necesarios están marcados *

Connect with Facebook

Puedes usar las siguientes etiquetas y atributos HTML: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <strike> <strong>