Spatial variability of infiltration and its relationship to some physical properties
Alba Leonor da Silva Martins1 Emanoel Gomes de Moura2 y Jesús H. Camacho Tamayo3
1 Agronoma. M. Sc. Ph D(c)., en Agronomía (Ciencia del Suelo), FCAV/ UNESP, Jaboticabal, SP. Vía de acesso Prof. Paulo Donato Castellane, s/n, CEP 14870-900. albaleonor@ibest.com 2 Agrónomo. M. Sc. Ph D. Profesor Adjunto, Universidad Estatal de Maranhâo, Sâo Luis – MA, Brasil. egmoura@elo.com.br 3 Ingeniero Agrícola. M. Sc. ProfesorAsistente, Facultad de Ingeniería, Universidad Nacional de Colombia, Bogotá, Colombia. jhcamachot@unal.edu.co
RESUMEN
La infiltración del agua en el suelo es uno de los factores básicos para estimar la intensidad de riego de acuerdo a los requerimientos de las plantas, para evitar problemas de escorrentía superficial y de degradación. El objetivo del presente trabajo fue el de determinar la variabilidad espacial de la infiltración y su relación con algunas propiedades físicas del suelo, mediante técnicas geoestadísticas, en un Typic Plinthaquults de textura media y relieve plano. Se diseñó una malla de 113 puntos, con distancia regular entre puntos de 10 m, tomando muestras entre 0-0,20 m de profundidad. Se determinaron contenidos de arena, limo y arcilla, densidad aparente, macroporosidad, microporosidad y porosidad total. La infiltración fue realizada en campo mediante anillo de 15 cm de diámetro. Los datos se analizaron por medio de estadística descriptiva y geoestadística. La infiltración, el limo y la microporosidad no se aproximaron a la distribución normal. La infiltración presentó alta variabilidad, con una media de 36,03 mm h-1. La porosidad total fue de 56,73%, siendo la única propiedad que no presentó dependencia espacial. Lo menores rangos se observaron para la densidad aparente, macroporosidad y microporosidad, con valores inferiores a 40 m. Los menores grados de dependencia espacial fueron apreciados en la infiltración, limo y arcilla, evidenciandose también la influencia del limo y la arcilla en la tasa de infiltración. Los mapas de contorno elaborados, cuando éstos se ajustan a modelos de semivariogramas, junto al estudio de las correlaciones, permite establecer relaciones entre las propiedades.
Palabras clave: geoestadística, semivariograma, kriging, porosidad.
ABSTRACT
]]> Water infiltration into soil is one of the basic factors for estimating irrigation intensity according to the plants' requirements; this is aimed at avoiding problems of surface run-off and degradation. The purpose of the present investigation was to determine the spatial variation of infiltration and its relationship to some physical properties of soil by means of geostatistical techniques in Typic Plinthaquult soils having average texture and flat relief. A 113 point mesh was designned, having a regular distance of 10 m between points, samples being taken from 0 to 0.20 meters depth. Sand, silt and clay content, bulk density, macroporosity, microporosity and total porosity were determined. Infiltration tests were carried out in the field by means of a 15 cm diameter ring. Descriptive statistics and geostatistics were used for analysing the data. Infiltration, silt and microporosity data did not fit a normal distribution curve. Infiltration had high variability, having an average 36.03 mm h-1. Total porosity was 56.73%, this being the only property that did not show spatial dependency. The smallest ranges were observed for bulk density, macroporosity and microporosity, having values of less than 40 m. The smallest degrees of spatial dependence were observed for infiltration, silt and clay, evidence also being shown of the influence of silt and clay on infiltration rate. Contour maps were constructed; fitting them to the semivariogram models, together with studying the correlations, led to establishing relationships between the properties. Keywords: geoestatistics, semivarigram, kriging, porosity.Recibido: mayo 04 de 2009 Aceptado: junio 10 de 2010
Introducción
Los Typic Plinthaquult del centro-norte del estado de Marañón (Brasil) son suelos que presentan varias limitaciones como la formación de capas altamente adensadas, costras superficiales y restricción a la percolación del agua, dificultando su manejo en la producción agrícola. De acuerdo con Embrapa (2006) esta clase de suelo, que es influenciado por el continuo proceso de humedecimiento y secado, favorece el desarrollo del horizonte plíntico, permitiendo que el terreno permanezca saturado, sujeto a fluctuaciones del nivel freático. Por esto es importante comprender la relación de la infiltración y el movimiento del agua en este suelo, con las propiedades físicas, para realizar un manejo adecuado en la producción de cultivos.
El conocimiento de la velocidad de infiltración y la cantidad de agua acumulada es de gran importancia debido a su aplicación en el sector agrícola y ambiental, pues permite estimar la escorrentía superficial, transporte de partículas en suspensión, disponibilidad de sedimentos, capacidad de recarga de acuíferos, definir sistemas de irrigación y estudiar los efectos de diferentes prácticas de manejo de suelos, en el espacio y en el tiempo (Machiwal et al., 2006; Strudley et al., 2008).
Tradicionalmente, el análisis y manejo de las propiedades físicas del suelo se hace desconociendo las particularidades del terreno, las condiciones en el momento del laboreo, así como los requerimientos del cultivo, siendo importante efectuar una evaluación previa dentro de los conceptos de sostenibilidad. Este desconocimiento induce a continuar implementando sistemas de manejo de suelo que favorecen la degradación (Amézquita, 2004). Por otra parte, el muestreo aleatorio es insuficiente para expresar las relaciones entre las propiedades del suelo, conduciendo en ocasiones a errores en la toma de decisiones, ya que pueden presentarse grandes variaciones en una misma propiedad debido a las alteraciones provocadas por las actividades agrícolas (Strudley et al., 2008). Un adecuado manejo del suelo puede depender del conocimiento de la dependencia e interacción espacial de las propiedades del suelo (Montenegro y Montenegro, 2006).
El uso de herramientas como la geoestadística describe con mejor precisión el comportamiento espacial de una propiedad, que conjuntamente con el conocimiento, la experiencia y el manejo de las variables en estudio por parte del investigador, reducen la variación atribuida a posibles errores aleatorios (Faraco et al., 2008). La geoestadística verifica la dependencia espacial y la variabilidad de una misma propiedad entre muestras cercanas, así como la correlación entre distintas propiedades, a través del semivariograma (Vieira, 2000).
La variabilidad espacial de la tasa de infiltración y su ajuste a modelos teóricos de semivariogramas ha sido estudiada por varios autores (Lennartz et al., 2009; Rodríguez-Vásquez et ál., 2008), verificando que el contenido de arcilla influye directamente en la infiltración del agua en el suelo y está fuertemente correlacionada con la densidad aparente y la porosidad (Rodríguez-Vásquez et ál., 2008).
El sistema de preparación del suelo y la presencia de residuos superficiales también influyen en la tasa de infiltración del agua, como fue verificado por Medina y Leite (1985), trabajando en un ultisol, encontrando que alta densidad de residuos en la superficie crea condiciones favorables para el movimiento e infiltración del agua en el suelo, siendo semejantes a las de bosque nativo debido a la adecuada protección superficial.
En general, la tasa de infiltración presenta una alta variabilidad espacial para un suelo considerado homogéneo, por lo cual el objetivo del presente trabajo consistió en determinar la variabilidad espacial de la infiltración superficial de un Typic Plinthaquults y su relación con diferentes propiedades físicas del suelo.
]]> Materiales y métodosLocalización y caracterización de la zona de trabajo
El estudio se realizó en el municipio de Miranda del Norte (Marañón-Brasil), en un lote de 1 ha cultivado con maíz (Zea mays L.) bajo sistema agroforestal, zona donde predomina la agricultura familiar, localizado a 3° 36' de latitud sur y 44° 34' de longitud oeste (Figura 1). El suelo predominante es un Typic Plinthaquults con textura media y relieve plano. Según la clasificación climática de Köppen, la región se encuentra en el tipo Aw'-, clima tropical húmedo, con temperatura media de 27 °C y precipitación entre 1.600 y 2.000 mm año-1, concentradas entre diciembre y junio, predominando el clima seco en los otros meses.
Muestreo y análisis de laboratorio
Para el muestreo se diseñó una malla de 113 puntos, con distancia regular entre puntos de 10 m, en un área de aproximadamente 1 ha. En cada punto se tomaron muestras de suelos disturbadas e indisturbadas, a una profundidad de 0-0,20 m. Las muestras disturbadas fueron secadas al aire hasta alcanzar el punto de equilibrio, siendo desterronadas y pasadas por malla de 2 mm para la realización del análisis granulométrico, estableciendo así los contenidos de arena, limo y arcilla, mediante una muestra de 10 g sometida a agitación lenta durante 16 horas, en 100 ml de solución con NaOH (0,1 mol L-1), donde el contenido de arcilla es obtenido mediante una alícuota retirada con pipeta (Gee y Bauder, 1986). Las muestras indisturbadas fueron tomadas con anillos volumétricos de 100 cm3 para determinar la densidad aparente, macroporosidad, microporosidad y porosidad total, mediante mesa de tensión, de acuerdo a la metodología descrita por Kiehl (1979).
La infiltración superficial fue determinada en el periodo seco, en cada punto de muestreo, utilizando anillo de 15 cm de diámetro, y el uso del permeámetro de Guelph, modificado por el Instituto Agronómico de Campinas (IAC), garantizando así una carga constante de agua. La infiltración es calculada mediante la ecuación de Reynolds y Elrick (1985), modificada por Vieira (1988):
donde I es la tasa de infiltración de agua en suelo saturado (mm h-1), Dp el diámetro del permeámetro (9 cm), Da el diámetro del anillo (15 cm) y Q el flujo de agua estimada en suelo saturado (mm min-1).
Análisis estadístico
Inicialmente se realizó análisis de los datos mediante estadística descriptiva, usándose el programa SPSS 16.0, para calcular media, mediana, coeficiente de variación (CV), mínimo, máximo, asimetría, curtosis, y el test de Kolmogorov-Smirnov. De esta manera se verificó la normalidad, comportamiento que no es indispensable cuando se relaciona con técnicas geoestadísticas, pero proporciona mejores predicciones si los datos se ajustan a la distribución normal (Diggle y Ribeiro, 2000). Para el análisis del CV se empleó la clasificación propuesta por Warrick y Nielsen (1980), que indica baja variabilidad para CV con valores inferiores del 12%, variabilidad media para CV entre 12 y 60% y alta variabilidad para CV mayores de 60%. También se realizó el análisis de correlación lineal de Pearson con el fin de identificar la correlación entre la infiltración y las diferentes propiedades físicas del suelo.
La dependencia espacial de las propiedades físicas y de la infiltración se analizó mediante semivariogramas. Para el ajuste de los modelos teóricos de los semivariogramas experimentales se consideró la teoría de variables regionalizadas, que dispone de diferentes métodos de análisis de variación espacial, siendo una de ellas el semivariograma (Vieira, 2000), el cual es estimado por:
donde Z(xi) e Z(xi+h) son los valores observados de una variable, separados una distancia h, y N(h) es el número de pares experimentales de observaciones, separados por la distancia h. El semivariograma es representado gráficamente por (h) frente a h. A partir del ajuste de un modelo se estiman los coeficientes del modelo teórico: efecto pepita (C0), meseta (C0+C1) y alcance (A).
También se estimó el grado de dependencia espacial (GDE) con base en la razón entre el efecto pepita y la meseta (C/Co+C), considerada fuerte para GDE superior de 75%, moderada para GDE entre 25% y 75%, y débil para GDE inferior de 25% (Cambardella, 1994). Los semivariogramas fueron calculados con el programa GS+ (Robertson, 1998), que adopta como criterios para la selección del modelo el mayor valor del coeficiente de determinación (R2), el menor valor de la suma de cuadrado de residuos (SQR) y un coeficiente de validación cruzada (CVC) próximo de uno. Una vez determinada la dependencia espacial, se efectuó la predicción de cada propiedad en zonas no muestreadas mediante kriging, representados en mapas de contorno que se elaboraron utilizando el programa Surfer (1999).
Análisis de resultados y discusión
]]> Los valores encontrados para la media y la mediana son similares para cada una de las propiedades estudiadas, indicando distribuciones simétricas, lo cual se verifica por los valores de asimetría y curtosis cercanos a cero, en todas las propiedades, aproximándose a la distribución normal, excepto para la infiltración, propiedad que presentó valores distantes entre la media y la mediana (Tabla 1). El comportamiento de normalidad de estas propiedades también es reportado por Cruz et al. (2010) y Ramírez-López et al. (2008). La prueba de Kolmogorov-Smirnov confirmó la aproximación a la distribución normal en la mayoría de las propiedades, mostrando que la infiltración no se ajustó a la distribución normal, así como el limo y la microporosidad.
De acuerdo al criterio dado por Warrick y Nielsen (1980), se tiene que la infiltración presentó alta variabilidad, con CV de 64,15%. Rodríguez-Vásquez et al. (2008) también encontraron alta variabilidad de esta propiedad en un andisol con alto contenido de limo. La densidad aparente fue la propiedad que menor CV presentó, indicando baja variabilidad, junto con la microporosidad y la porosidad total. Baja variabilidad de la densidad aparente y de la porosidad total es también reportada por Ramírez-López et al. (2008). Las otras propiedades presentaron variabilidad media. De las partículas del suelo, la arcilla fue la que mostró mayor variabilidad.
La porosidad total fue la única propiedad que no mostró ajuste al modelo teórico de semivariograma, indicando que su comportamiento en el suelo es aleatorio, presentando efecto pepita puro (Tabla 2). El modelo esférico fue el predominante entre las otras propiedades analizadas, ajustado para la infiltración, limo, arcilla y microporosidad. La arena, densidad aparente y macroporosidad se ajustaron a modelos exponenciales.
El ajuste de los modelos es adecuado, dados los valores del factor de determinación, siempre superior a 0,75, siendo la arena y la arcilla las propiedades que mejor se ajustaron a los modelos. Los valores del coeficiente de validación cruzada son próximos a 1 para la mayoría de las propiedades, donde la densidad aparente tuvo el menor valor (0,81). La infiltración exhibió el mayor alcance y fue la única propiedad con alcance superior a 100 m.
La macroporosidad y la microporosidad, fueron las propiedades con menor alcance. Respecto del grado de dependencia espacial (GDE), la infiltración ofreció el menor valor, con una dependencia espacial moderada. La arcilla y el limo también mostraron un GDE moderado. Las otras propiedades presentaron GDE fuerte, con valores superiores de 0,80.
La infiltración no tuvo correlación significativa con las propiedades físicas (Tabla 3). Se observa que la infiltración está relacionada directamente con los contenidos de limo e inversamente con los de arcilla. Este mismo comportamiento fue reportado por RodríguezVásquez et al. (2008). Dicha relación entre la infiltración y los contenidos de limo y arcilla es verificada en los mapas de contorno (Figura 2), donde áreas de mayor infiltración corresponden a zonas de mayor contenido de limo y menor de arcilla
A significant and inverse correlation for sand was seen with clay and microporosity. Silt and clay content showed a strong inverse correlation, as can be seen in the contour maps (Figure 2) where areas of greater silt content corresponded to areas of lower clay content and vice versa.
La densidad aparente también evidenció una correlación positiva y significativa con la microporosidad, mostrando mapas de contorno moderamente semejantes (Figura 3). La porosidad total, propiedad en la que no se determinó dependencia espacial, expuso correlación inversa con los contenidos de arena y limo, y correlación directa con los contenidos de arcilla, así como con la densidad aparente, macroporosidad y microporosidad.
Los mapas de contorno obtenidos confirman la relación entre las variables analizadas (Figuras 2 y 3), además de la variabilidad espacial existente en el suelo, indicando la conveniencia de realizar prácticas localizadas de manejo del suelo, de acuerdo a las condiciones del área y los requerimientos del cultivo, con el objetivo de disminuir costos de producción y la degradación del suelo, originados en el manejo convencional.
Conclusiones
La infiltración y las propiedades del suelo, analizados mediante estadística descriptiva y geoestadística, evidencian la alta variabilidad del suelo, mostrando el comportamiento de la infiltración y las propiedades físicas en el espacio, siendo una herramienta importante para la toma de decisiones ya que permite establecer parámetros de calidad del suelo directa-mente relacionados con la producción agrícola.
]]> La correlación lineal estimada para las propiedades permitió identificar cuáles son las propiedades mejor relacionadas, relaciones que son confirmadas espacialmente mediante los mapas de contorno obtenidos a partir del kriging cuando las propiedades se ajustan a modelos teóricos de semivariogramas.Agradecimientos
Al Departamento Administrativo de Ciencia, Tecnología e Innovación (Colciencias) de Colombia, por el apoyo brindado al tercer autor.
Bibliografía
Amézquita, E., La fertilidad física del suelo., In: Congreso Latinoamericano y de la Ciencia del Suelo, 16., Memorias. Cartagena, Colombia, Sociedad Colombiana de la Ciencia del Suelo, CD, 2004. [ Links ]
Cambardella, C. A., Moorman,T. B., Novak, J. M., Parkin, T. B., Karlen, D. L., Turco, R. F., Konopka, A. E., Field-scale variability of soil of soil properties in central lowa soils., Soil Science Society America Journal, Vol. 58, No. 5, Sep., 1994, pp. 1501-1511. [ Links ]
Cruz, J. S., Assis Júnior, R. N., Matias, S. S. R., Camacho-Tamayo, J. H., Tavares, R. C., Análise espacial de atributos físicos e carbono orgânico em argissolo vermelho-amarelo cultivado com cana-de-açúcar., Ciência e Agrotecnologia, Vol. 34, No. 2, Mar., 2010, pp. 271-278 . [ Links ]
Diggle, P. J., Ribeiro, J. R., Model Based Geostatistics., 1. ed. Sâo Paulo: Associaçâo Brasileira de Estatística, 2000, pp. 129. [ Links ]
EMBRAPA. Centro Nacional de Pesquisa de Solos., Sistema brasileiro de classificaçâo de Solos, 2ªed., Rio de Janeiro. (Embrapa – Solos), 2006, pp. 306. [ Links ]
Faraco, M. A., Uribe-Opazo, M. A., Silva, E. A. A., Johann, J. A., Borssoi, J. A., Seleçâo de modelos de variabilidade espacial para elaboraçâo de mapas temáticos de atributos físicos do solo e produtividade da soja., Revista Brasileira de Ciência do Solo, Vol. 32, No. 2, Mar., 2008, pp. 463-476. [ Links ]
Gee, G. W., Baudar, J. W., Particle-size analysis., In: KLUTE, A. Methods of soil analysis, 2a. Ed. Madison: American Society of Agronomy, part 1, 1986, pp. 383-411. [ Links ]
Kiehl, E. J., Manual de edafologia, relações solo – planta., Sâo Paulo, Ceres, 1979, 264p. [ Links ]
Lennartz, B., Horn, R., Duttmann, R., Gerke, H. H., Tippkötter, R., Eickhorst, T., Janssen, I., Janssen, M., Rüth, B., Sander, T., Shi, X., Sumfleth, K., Taubner, H., Zhang, B., Ecological safe management of terraced rice paddy landscapes., Soil and Tillage Research, Vol. 102, No. 2, Mar., 2009, pp.179-192. [ Links ]
Machiwal, D., Jha, M. K., Mal, B. C., Modelling Infiltration and quantifying Spatial Soil Variability in a Wasteland of Kharagpur, India., Biosystems Engineering, Vol.95, No. 4, Dec., 2006, pp. 569– 582. [ Links ]
Medina, B. F., Leite, J. A., Influência de três sistemas de manejo e duas coberturas vegetais na infiltraçâo de água em um Latossolo Amarelo em Manaus –AM., Pesquisa Agropecuária Brasileira, Vol. 20, No. 11, Nov., 1985, pp. 1323-1331. [ Links ]
Montenegro, A. A. A., Montenegro, S. M. G. L., Variabilidade espacial de classes de textura, salinidade e condutividade hidráulica de solos em planície aluvial., Revista Brasileira de Engenharia Agrícola e Ambiental, Vol. 10, No. 1, Jan., 2006, pp.30-37. [ Links ]
Ramírez-López, L., Reina-Sánchez, A., Camacho-Tamayo, J. H., Variabilidad espacial de atributos físicos de un Typic Haplustox de los llanos orientales de Colombia., Engenharia Agrícola, Vol.28, No. 1, Jan., 2008, pp. 55-63. [ Links ]
Reynolds, W. D., Elrick, D. E., In situ measurement of fied-satured hydraulic conductivity, sorptivity, and the α-parameter using the Guelph permeameter., Soil Science, Vol. 140, No. 4, Oct., 1985, pp. 292-302. [ Links ]
Robertson, G. P. GS+., Geostatistics for the environmental sciences (version 5.1 for windows)., Plainwell: Michigan, Gamma Design Software, 1998, pp. 152. [ Links ]
Rodríguez-Vásquez, A. F., Aristizábal-Castillo, A. M., Camacho Tamayo, J. H., Variabilidad espacial de los modelos de infiltración de Philip y Kostiakov en un suelo ándico., Engenharia Agrícola, Vol. 28, No. 1, Jan., 2008, pp. 64-75. [ Links ]
Surfer for windows., Realese 8.0. Contouring and 3D surface mapping for scientist's engineers. User's Guide., New York: Golden software, Inc, 2000. [ Links ]
Strudley, M.W., Green, T.R., Ascough II, J.C., Tillage effects on soil hydraulic properties in space and time: State of the science., Soil and Tillage Research, Vol., No. 1, April 2008, pp. 4-48. [ Links ]
Vieira, S. R., Permeâmetro: novo aliado na avaliaçâo de manejo do solo., O agronômico, Vol. 47, No.1, Jan., 1998, pp. 32-33. [ Links ]
Vieira, S. R., Geoestatística em estudo de variabilidade espacial do solo: tópicos em ciência do solo., Viçosa: Sociedade Brasileira de Ciência do solo, 2000. Vol. 1, pp. 55. [ Links ]
Warrick, A.W., Nielsen, D.R., Spatial variability of soil physical properties in the field., Applications of soil physics, New York: Academic Press, Hillel, D. (ed.), 1980, pp. 319-344. [ Links ] ]]>