cartografía predictiva de clases de suelos a través del ... · pdf filevaliosa...

Cartografía predictiva de clases de suelos a

través del enfoque SoLIM en Chimaltenango,

Guatemala

Responsable: Ingeniera Agrónoma Cándida Azucena Tacam Cúmez

Diciembre, 2010

UNIVERSIDAD MAYOR DE SAN SIMÓN

VICERRECTORADO

Centro de Levantamientos Aeroespaciales

y Aplicaciones SIG para el Desarrollo Sostenible

de los Recursos Naturales

Cartografía predictiva de clases de suelos a través del

enfoque SoLIM en Chimaltenango, Guatemala

Por

Cándida Azucena Tacam Cúmez

Asignación Final Individual (Trabajo de Grado) presentado al Centro de Levantamientos Aeroespaciales y

Aplicaciones SIG para el Desarrollo Sostenible de los Recursos Naturales en cumplimiento parcial de los

requisitos para la obtención del grado académico de Máster en Ciencias de la Geo - Información y

Observación de la Tierra, en la mención en: Información de Tierras para la Planificación del

Territorio

Comité de evaluación del AFI

Examinador 1 (Lic. Benjamin Gossweiler H. MSc.)

Examinador 2 (Lic. J. Stephan Dalence M. MSc.)

Examinador 3 (Ing. Ronald J. Vargas R. MSc.)

Examinador 4 (Ing. J. Guy B. Galindo A. MPr.)

Examinador 5 (Ir. Arno M. van Lieshout)

Centro de Levantamientos Aeroespaciales y Aplicaciones SIG para el Desarrollo Sostenible

de los Recursos Naturales Cochabamba, Bolivia

CARTOGRAFÍA PREDICTIVA DE CLASES DE SUELOS A TRAVÉS DEL ENFOQUE SOLIM, EN CHIMALTENANGO, GUATEMALA.

Aclaración

Este documento describe el trabajo realizado como parte del programa de estudios de Maestría en

el Centro de Levantamientos Aeroespaciales y Aplicaciones SIG para el Desarrollo Sostenible de los

Recursos Naturales. Todos los puntos de vista y opiniones expresadas en el mismo son

responsabilidad exclusiva del autor y no representan necesariamente las del Centro.


i

Resumen

El presente trabajo ha sido elaborado en el marco de la cartografía digital de suelos,

concentrándose en la temática de obtención de información cuantitativa basada en datos

existentes provenientes de levantamientos de suelos, bajo esta concepción se trabajó en el

municipio de Chimaltenango en el departamento del mismo nombre, en primera instancia por ser

parte del Estudio Mapa de Taxonomía y Capacidad de uso de la tierra de la República de

Guatemala, ejecutado por el–MAGA-, el cual ha sido elaborado por expertos edafólogos

guatemaltecos, con el apoyo del –IGAC-, Colombia.

El estudio contempla tres fases, la primera se refiere a la identificación de covariables

ambientales, la segunda al análisis estadístico y determinación de las covariables ambientales a

emplear y la tercera al establecimiento del modelo de disgregación de polígonos que es el Soil-

Land inferece model SOLIM.

En la primera fase para efectuar la modelación con el SoLIM, se identificaron y organizaron los

parámetros que corresponden a los factores formadores del suelo –SCORPAN-, con los se

contaban en el momento, siendo estos; a) suelo: polígonos de unidades cartográficas de suelos, b)

clima: temperatura y precipitación, c) organismos: NDVI, NIR, Uso de la tierra, d) Relieve: dem,

pendiente, aspecto, índice compuesto de topografía, perfil de curvatura y curvatura planar y e)

material parental: geología.

En la segunda fase se realizo el correspondiente análisis estadístico para establecer las

covariables ambientales a utilizar en el modelo, durante esta fase se descartaron las capas de

información que no presentaron varianza significativa y que por lo tanto aumentaban el efecto de

multicolinearidad, este como un criterio estadístico. Para ser sustentado se cito a (Xun Shi,

2004).quien realizo un caso basado en aplicación de lógica fuzzy para mapeo de suelos,

utilizando la mayor cantidad de capas cuantitativas de información, bajo este marco se definieron

las siguientes capas: a) polígonos de unidades cartográficas de suelos, b) precipitación, c) dem,

pendiente, aspecto, perfil de curvatura y curvatura planar y d) geología.

En la tercera fase se desarrolló el SoLIM, primero se realizo el análisis del modelo de inferencia y

luego se realizaron las pruebas de funcionamiento de la herramienta, la cual se fundamenta en la

ecuación de formación del suelo y el modelo paisajista.

Los resultados que se obtuvieron fueron; a) identificación de covariables ambientales, b)

definición de covariables ambientales a utilizar de acuerdo a análisis estadístico y bibliográfico

basado en (Xun Shi, 2004), c) disgregación de polígonos de suelos en base a conocimiento

experto (mapa de unidades cartográficas de suelos), combinado con atributos topográficos del

terreno expresados en términos cuantitativos.

Haciendo uso de los principios de la Cartografía Digital o Predictiva de Suelos, este modelo de

inferencia permitió la representación de los diferentes tipos de suelo que se encuentran en el

municipio de Chimaltenango, Guatemala.

ii

Dedico este trabajo a

El creador y formador, ser supremo inspirador de perfección.

Mis padres, ejemplo de amor, esperanza y perseverancia.

José López por su incondicional amor y comprensión.


iii

Agradecimientos

A mis asesores: Lic. Stephan Dalence Martinic, MSc. e Ing. Ronald Vargas Rojas, MSc., por su

valiosa colaboración en la elaboración del presente trabajo.

A NUFFIC (Reino de los Países Bajos): por la oportunidad de ampliar mis estudios con la ayuda

de su plan becario internacional.

Al Centro de Levantamientos Aeroespaciales y Aplicaciones SIG para el Desarrollo Sostenible de

los Recursos Naturales Cochabamba, Bolivia (CLAS), por los conocimientos transmitidos.

A la Unidad de Planificación Geográfica y Gestión de Riesgo –UPGGR-MAGA-, por facilitarme

la información necesaria para realizar esta investigación.

A mis compañeros de maestría, por su amistad y apoyo brindados durante el periodo de la

maestría.

A mi familia, tíos y primos, por su apoyo y confianza durante este periodo.

iv

Tabla de contenidos

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

2. Objetivos ................................................................................................................................................ 3

2.1. Objetivo general ............................................................................................................................ 3

2.2. Objetivos específicos ..................................................................................................................... 3

3. Marco Teórico........................................................................................................................................ 3

3.1. Mapeo Digital del Suelo (MDS) ...................................................................................................... 4

3.2. Pedometría .................................................................................................................................... 4

3.3. Mapeo Predictivo de Suelos (Predictive Soil Mapping) ................................................................. 5

3.4. Técnicas Digitales de Mapeo de Suelos ......................................................................................... 5

3.5. Sistema de inferencia espacial de propiedades del suelo ............................................................. 5

3.6. El concepto de Catena ................................................................................................................... 6

3.7. Espacio geográfico ......................................................................................................................... 6

3.8. Atributos del espacio ..................................................................................................................... 7

3.8.1. Tipos de atributos .................................................................................................................. 7

3.9. Contenido de los atributos ............................................................................................................ 7

3.9.1. Atributos del suelo:: .............................................................................................................. 7

4. Marco Metodológico ............................................................................................................................. 9

4.1. Ubicación del área de estudio ....................................................................................................... 9

4.2. Materiales y equipo ..................................................................................................................... 10

4.2.1. Materiales ............................................................................................................................ 10

4.2.2. Equipo .................................................................................................................................. 10

4.3. Métodos ...................................................................................................................................... 10

4.3.1. Definición de covariables ambientales ................................................................................ 11

4.3.2. Análisis estadístico de los componentes .............................................................................. 12

4.3.3. Diseño del modelo de disgregación de polígonos ............................................................... 12

4.3.4. Validación del modelo ......................................................................................................... 13

5. Resultados y Discusión ........................................................................................................................ 13

5.1. Identificación de covariables ambientales y obtención de las mismas ....................................... 13


v

5.2. Análisis estadístico de los componentes. .................................................................................... 14

5.3. Diseño y aplicación del modelo de disgregación de polígonos ................................................... 15

5.3.1. Organización de datos ......................................................................................................... 15

5.3.2. Integración de capas de información .................................................................................. 17

5.3.3. Obtención de mapa de predicción de unidades de suelos ................................................. 20

5.4. Validación del modelo ................................................................................................................. 22

6. Conclusiones ........................................................................................................................................ 23

7. Recomendaciones ............................................................................................................................... 23

8. Referencias Bibliográficas.................................................................................................................... 24

Anexos ......................................................................................................................................................... 26

vi

Lista de figuras

Figura 1. Ubicación del área de estudio. ....................................................................................................... 9

Figura 2. Flujograma ................................................................................................................................... 11

Figura 3. Vista del ambiente 3D mapper ..................................................................................................... 17

Figura 4. Mapa de unidades cartográficas de suelos .................................................................................. 18

Figura 5. Mapa de precipitación media anual .............................................................................................. 18

Figura 6. Modelo de elevación digital ................................................................................................. 19

Figura 7. Mapa de relación de aspecto……………………………………………………………………. 20

Figura 8. Mapa de curvatura planar ............................................................................... 19

Figura 9. Mapa de perfil de curvatura…………………………………………………………………… ..20

Figura 10. Mapa de pendientes .................................................................................................................... 19

Figura 11. Mapa de geología ....................................................................................................................... 20

Ilustración 12. Mapa de predicción de clases de suelos .............................................................................. 21

Ilustración 13. Mapa de unidades cartográficas de suelos ........................................................................... 21

Ilustración 14. Mapa de comprobación de unidades ................................................................................... 22


vii

Lista de tablas

Tabla 1. Matriz de correlación covariables ambientales generales ..............................................................14

Tabla 2. Matriz de correlación covariables ambientales ..............................................................................14

Tabla 3. Establecimiento de relación de catena ............................................................................................15

viii

Lista de abreviaciones

ANACAFÉ: Asociación Nacional del Café

CENGICAÑA: Centro Guatemalteco de Investigación y Capacitación de la Caña de Azúcar

CVC: Corporación del Valle del Cauca

IGAC: Instituto Geográfico Agustín Codazzi, Colombia

IGN: Instituto Geográfico Nacional “Alfredo Obiols”, Guatemala

INAFOR: Instituto Nacional Forestal

IUSS: International Union of Science Soil

LiDAR: Light Detection and Ranging o Laser Imaging Detection and Ranging

MAGA: Ministerio de Agricultura, Ganadería y Alimentación

MED: Modelo de Elevación Digital

PM: Pedometrics

PNUD: Programa de Naciones Unidas para el Desarrollo

SCORPAN: ecuación de la formación de suelos original de Jenny y ampliada por McBratney et al.

SEGEPLAN: Secretaría General de Planificación

SIG: Sistemas de Información Geográfica

SoLIM: Soil-land inference model

SPI: índice de poder de corriente

STI: índice de transporte de sedimentos

TWI: índice topográfico de humedad

UPGGR: Unidad de Planificación Geográfica y Gestión de Riesgo


1

1. Introducción

Los levantamientos de suelos son metodologías para estudiar y describir sistemáticamente al recurso suelo

para poder darle un uso óptimo según Ortiz y Cuanalo (1981) citado por (Cárdenas, 2009).

La Clasificación Taxonómica de Suelos es uno de los principales productos de los levantamientos de

suelos, se refiere a una metodología de estratificación o agrupación de los entes llamados suelos, que tiene

entre sus propósitos ser un auxiliar para la planificación del manejo de los mismos y por ende contribuye

para la preparación de planes de manejo de los recursos naturales. Esta es una clasificación muy utilizada

por diferentes países, en algunos casos de manera oficial y en otros casos como un auxiliar técnico y

medio de comunicación entre profesionales o científicos que tratan el estudio y/o manejo de recursos

naturales.

Con la explosión en la tecnología de la computación y la información ha llegado una gran cantidad de

datos y herramientas en todos los ámbitos de la actividad. La ciencia del suelo no es la excepción, con la

creación permanente de bases de datos regionales, nacionales, continentales y mundiales. El reto de la

comprensión de estos grandes almacenes de datos ha llevado al desarrollo de nuevas herramientas en el

ámbito de las estadísticas y dio lugar a nuevas áreas como la minería de datos y aprendizaje automático

según Hastie et al., (2001) citado por (A.B. McBratney, 2003).

Además de esto, en la ciencia del suelo, el creciente poder de las herramientas como los sistemas de

información geográfica (SIG), GPS, sensores remotos y próximos y fuentes de datos tales como las

previstas por los modelos de elevación digital (MED) están sugiriendo nuevas formas de avanzar. Este

concepto, llega en un momento en que hay un clamor mundial de datos sobre el suelo y la información

para el monitoreo ambiental y modelación (A.B. McBratney, 2003).

En consecuencia, organizaciones de todo el mundo, están investigando la posibilidad de aplicar las nuevas

llaves y destornilladores de tecnología de la información y la ciencia para el motor antiguo de

levantamiento de suelos. La principal manifestación es la evaluación de los recursos del suelo usando

sistemas de información geográfica (SIG), es decir, la producción de la propiedad del suelo y mapas

digitales de clase con la restricción del trabajo de campo limitado relativamente caros y análisis de

laboratorio posteriores. (A.B. McBratney, 2003)

En la República de Guatemala los estudios existentes sobre clasificación de suelos han sido pocos y por lo

general se caracterizan por ofrecer información sobre los suelos de una región, cuenca, finca u otra forma

de propiedad o unidad productiva, con mapas de diferente escala o intensidad de trabajo a nivel de campo

y con diferentes metodologías de clasificación.

2

A pesar de la falta de información general sobre suelos del país, diferentes entidades tanto del sector

gubernamental como del sector privado, han propiciado y desarrollado estudios de clasificación de suelos

en varias regiones o en áreas de diversos rubros productivos, entre los que se pueden mencionar: 1)

clasificación de reconocimiento de los suelos de la República de Guatemala, realizado por Simmons,

Tárano y Pinto en las décadas de los 40s y 50s, a escala 1:250,000, categorizado a nivel de serie de suelo y

denominada cada una de ellas con nombres vernáculos, ordenado por el Instituto Agropecuario Nacional,

el Servicio Cooperativo Interamericano de Agricultura y el Ministerio de Agricultura; 2) mapa de

capacidad productiva de la tierra, elaborado en la década de los 80s bajo coordinación de SEGEPLA, IGN,

INAFOR- y PNUD, a escala 1:250,000 y publicado a escala 1:500,000; 3) suelos de la agroindustria

cafetalera de Guatemala: Región Sur, con autoría de Sumner, West y Leal en 1992, del Departamento de

Agronomía de la Universidad de Georgia, para ANACAFÉ; 4) estudio semidetallado de suelos de la zona

Cañera del Sur de Guatemala, elaborado por Ingeniería del Campo Ltda., con la dirección de

exfuncionarios del IGAC y de CVC de Colombia, para CENGICAÑA, 1996.

De acuerdo a lo citado por Vargas (2009), la información generada respecto a las propiedades del suelo

trae consigo aspectos negativos que limitan su correcta utilización y que han generado la inquietud de

edafólogos tecnócratas para desarrollar técnicas que solucionen estos problemas. Zhu (2001ª), indica que

existen limitaciones del modelo convencional, principalmente: que es ineficiente en cuanto a costos (un

levantamiento convencional de suelos es demasiado caro), a tiempo (para realizar un levantamiento de

suelos siguiendo este método, se requiere de mucho tiempo por las fases propias del levantamiento) y a

errores técnicos: por omisión y de atributo.

En el afán de profundizar en la temática de las técnicas de cartografía digital de suelos y analizar su

aplicación a los suelos de Guatemala, durante el proceso de elaboración del presente trabajo se aplico el

modelo de inferencia suelo-paisaje SoLIM (siglas en ingles), en el que formaron parte los datos levantados

en campo por expertos edafólogos, en combinación con productos del análisis digital del terreno obtenidos

del modelo de elevación digital, conocidos como parámetros del terreno.


3

2. Objetivos

2.1. Objetivo general

Predecir cuantitativamente las clases de los suelos, por medio de técnicas de cartografía digital de suelos

bajo el enfoque SoLIM, para el municipio de Chimaltenango, Guatemala.

2.2. Objetivos específicos

Determinar las covariables ambientales para el desarrollo del modelo SoLIM.

Analizar estadísticamente las covariables significativas para el desarrollo del modelo de inferencia

propuesto.

Cuantificar las características específicas de las unidades de suelos, disgregando los polígonos de

Unidades Cartográficas de Suelos.

3. Marco Teórico

El mapeo digital de suelos consiste en emplear algoritmos computacionales y predictivos que representan

las variables para la generación de mapas de suelos. Existen evidencias que estos mapas son confiables

(Cárdenas, 2009)

En el ámbito mundial, el estudio del recurso suelo, hasta nuestros días, ha usado predominantemente el

“método convencional”, el cual sigue el modelo discreto de variabilidad espacial. Como el grupo SOLIM

(2004) lo indica, para realizar un levantamiento de suelos convencional, el edafólogo o pedólogo primero

debe construir un modelo mental subjetivo de la relación suelo-paisaje y analizarlo a través de un trabajo

de campo intensivo. Tradicionalmente, la distribución espacial de las unidades suelo-paisaje es

identificada y delineada a través de la foto-interpretación. Este enfoque genera los clásicos mapas de suelo

tipo “área-clase polígono”, que constituyen la principal fuente de información en la distribución espacial

de las propiedades edáficas (Vargas 2009)

Zhu (2001b) indica que en la generación de geo-información de suelos según el método convencional, el

área de un polígono suelo es asignada con los valores de la propiedad del tipo de suelo identificado y

descrito sin importar que éste se refiera a un solo perfil modal para todo el polígono. La información

generada respecto a las propiedades del suelo trae consigo aspectos negativos que limitan su correcta

utilización y que han generado la inquietud de edafólogos tecnócratas para desarrollar técnicas que

solucionen estos problemas. Zhu (2001ª), indica que existen limitaciones del modelo convencional,

principalmente que es ineficiente en cuanto a costos (un levantamiento convencional de suelos es

demasiado caro), a tiempo (para realizar un levantamiento de suelos siguiendo este método, se requiere de

mucho tiempo por las fases propias del levantamiento) y a errores técnicos: por comisión y de atributo.

(Vargas 2009).

4

3.1. Mapeo Digital del Suelo (MDS)

Es la creación y población de sistemas espaciales de información de suelos a través del uso de métodos de

campo y laboratorio, emparejados con sistemas de inferencia del suelo tanto espaciales como no

espaciales (Vargas, 2009a)

La cartografía digital del suelo se inició en la década de los70s y se aceleró significativamente en los 80s,

debido a los avances en la información y tecnologías de teledetección, modelos estadísticos y la

información espacial, así como los sistemas de posicionamiento global, sistemas de medición (como la

espectroscopia de infrarrojo.(Sanchez, 2009)

Un mapa digital de suelos es esencialmente una base de datos espacial de las propiedades del suelo, sobre

la base de una muestra estadística del paisaje, el muestreo de campo se utiliza para determinar la

distribución espacial de las propiedades del suelo, que son en su mayoría medidos en el laboratorio. Estos

datos se utilizan para predecir las propiedades del suelo en áreas no muestreadas. Los mapas digitales del

suelo describen las incertidumbres asociadas con las predicciones de este tipo y, cuando se basan en series

cronológicas de datos, facilitar información sobre las propiedades del suelo dinámica. .(Sanchez, 2009)

3.2. Pedometría

Pedometrics (PM) es la aplicación de métodos matemáticos y estadísticos para el estudio de la distribución

y la génesis de los suelos (Heuvelink, 2003)

PM es un neologismo derivado del griego pedos: suelo y metron: medición. La medición en este caso se

limita a los métodos matemáticos y estadísticos en lo que respecta a la pedología, la rama de la ciencia del

suelo que el suelo estudios en su entorno natural. (Lark, 2008)

PM aborda los problemas relacionados con el suelo cuando hay incertidumbre debido a la variación

determinista o estocástica, imprecisión y falta de conocimiento de las propiedades y los procesos del

suelo. Se basa en métodos matemáticos, estadísticos y numéricos e incluye métodos numéricos para la

clasificación para hacer frente a una supuesta variación determinista. Los modelos de simulación

incorporan la incertidumbre mediante la adopción de la teoría del caos, la distribución estadística, o lógica

difusa.(Lark, 2008)

PM direcciona la pedología desde la perspectiva de los nuevos campos científicos como el análisis de

ondas, la teoría de conjuntos difusos y minería de datos en las aplicaciones de modelado de datos sobre el

suelo. (Burrough, 1994)

Es importante destacar que el PM es un campo cada vez mayor de la ciencia en comparación con otros

Ciencia del Suelo sub-disciplinas y materias. Debido a esto, PM ha sido promovido por un grupo de

trabajo de una Comisión en el marco del IUSS. (Lark, 2008)

Los temas más recientes cubiertos por PM son:


5

Análisis y modelización de la variación espacial y temporal de las propiedades del suelo;

propagación de errores; de integración de datos multi-escala;

suelo-paisaje modelado mediante el análisis digital del terreno;etc.

3.3. Mapeo Predictivo de Suelos (Predictive Soil Mapping)

Es el desarrollo de un modelo numérico o estadístico de la relacion entre variables medio-

ambientales y las propiedades del suelo, que luego es aplicada a la base de datos geográfica para

crear un mapa predictivo (Scull et al. 2003)

3.4. Técnicas Digitales de Mapeo de Suelos

Los avances en la tecnología SIG basados en datos matriciales y el acceso a la percepción remota, han

permitido que en las últimas décadas el mapeo de suelos pueda incorporar estos recursos y tratar de

mejorar el detalle espacial y semántica de los mapas de suelos tradicionales. La mayoría de los análisis de

suelos de datos hoy en día sucede dentro de un entorno digital, es decir, un SIG (Hengl, 2009)

Los modelos basados en puntos por lo general hacen uso de la trama basada en una red y en la estructura

SIG, que puede representar mejor la naturaleza continua de los suelos; aunque hay una brecha tecnológica

entre la cartografía del suelo tradicional y digital, los dos enfoques, de hecho, no difieren mucho. Ambos

enfoques necesitan datos de campo como entrada y covariables que caractericen el entorno en el que la

formación del suelo se lleva a cabo. La diferencia entre ambos es en la forma de cómo la información de

suelos se deriva; los modelos tradicionales se basan en los modelos mentales de los edafólogos

(subjetividad), mientras que el mapeo digital de suelos se basa en la tecnología y en programas

computacionales (Dobos, 2006)

En ambos casos, tanto convencional como digital las observaciones de campo se necesitan para formar los

modelos. Pero hay una gran diferencia en el tratamiento de los datos; la cartografía digital de suelos se

basa en modelos estadísticos cuantitativos; mientras la cartografía tradicional en el juicio de expertos.

Además, el mapeo digital de suelos es más completo en contenido, ya que ofrece una medida de la

incertidumbre de los modelos de predicción y más posibilidades para el análisis estadístico en profundidad

de relación entre diferentes variables en el sistema (Dobos, 2006)

3.5. Sistema de inferencia espacial de propiedades del suelo

El objetivo de un Sistema de Inferencia Espacial de Propiedades del Suelo es la producción asistida por un

ordenador, para el manejo de cartografía digital de propiedades y clases de suelos. Estos sistemas se

componen de tres elementos fundamentales (Dobos, 2006)

(i) un modelo predefinido de formación del suelo,

(ii) un conjunto de propiedades del suelo obtenidas de las mediciones directas y

6

(iii) un conjunto de variables auxiliares que tienen un impacto significativo sobre la formación del suelo y

la distribución espacial de sus propiedades.

La base para la definición del modelo de formación edáfica es la conocida ecuación de Jenny (1941), que

identifica cinco factores principales que contribuyen a la creación del suelo, siendo: (i) clima, (ii)

organismos biológicos, (iii) relieve, (iv) material parental y (v) tiempo.(Lagacherie, 2007)

Desde el punto de vista del Sistema de Inferencia Espacial, los cinco factores identificados por la ecuación

de Jenny deben ampliarse con la inclusión de la posición geográfica. Asimismo, algunas propiedades

edafológicas son difíciles de medir, pero pueden estimarse con aceptable precisión mediante su

correlación con otros parámetros del suelo medidos en la misma localización. Esta visión es la base del

modelo SCORPAN formulado por McBratney et.al. (2003), quienes identificaron siete factores para la

predicción espacial de las propiedades edafológicas, las cuales son:a) suelo, b) clima, c) organismos, d)

Relieve, e) material parental, f) edad y g) ubicación espacial.(Lagacherie, 2007)

3.6. El concepto de Catena

Se refiere a la evolución del concepto suelo-paisaje, formando una estrecha relación entre ellos. Como

resultado, las poblaciones de suelos similares ocurren cuando existe una unidad de paisaje

similar.(Grunwald, 2006)

Aunque el suelo y las relaciones del terreno se han estudiado intensamente, debido a su complejidad, aún

no está totalmente comprendido. Muchas reglas cualitativas y subjetivas definen la relación entre los

suelos y el relieve; sin embargo, estas son formuladas y usadas por expertos de suelos; la transformación

de éstas normas en forma cuantitativa, por medio de ecuaciones exactas, ayuda a difundir este

conocimiento a un público más amplio (Hengl, 2009)

3.7. Espacio geográfico

Los suelos son cuerpos naturales con variación continua de atributos, representados en un espacio-tiempo

continuo a través de paisajes. Los atributos del suelo varían en las dimensiones horizontales y verticales,

formando un cuerpo de suelos tridimensional, que cambia gracias a los procesos pedológicos (Grunwald,

2006).

Por lo general, los atributos del suelo son anisotrópicos verticalmente y lateralmente. Los suelos

coevolucionan a través de la interacción física y química de la intemperie, a la erosión y el depósito, de los

procesos de transporte laterales y verticales, y los procesos biológicos. Para captar los cambios de

atributos del suelo, los modelos han sido desarrollados para segregar el continuo suelo (Grunwald, 2006)


7

3.8. Atributos del espacio

Los modelos suelo-paisaje emplean conceptos diferentes para separar el espacio de atributos. Algunos

modelos se centran en los atributos del suelo, mientras otros, en los atributos agregados para formar clases

de suelos o taxa. Estos últimos se han adoptado para desarrollar la taxonomía del suelo en muchos países

diferentes.(Grunwald, 2006)

El fundamento para la adopción de clases de suelos es que la cobertura del suelo difícilmente puede ser

descrita en su totalidad. Por lo tanto, se requiere de una subdivisión para entender los diferentes

componentes de este continuo y las relaciones con sus factores formadores.(Grunwald, 2006)

Hay problemas con este enfoque, tanto para el establecimiento y ordenación de las clases como para la

clasificación de acuerdo a la importancia de las características del suelo de mayor a menor niveles

jerárquicos, los que varía ampliamente entre la taxonomía de diferentes suelos (Grunwald, 2006)

3.8.1. Tipos de atributos

Los tipos de atributos que pueden emplearse en el modelo de inferencia son:

Boleano: presencia o ausencia de un recurso. Ej. Verdadero o falso.

Categórico: categorización de un elemento. Ej. Categorías de estructura del suelo.

Ordinal: eventos organizados por clases procesos. Ej. Rango de clases de drenaje de muy pobremente

drenado a excesivamente drenado.

Intervalo: Ej. Textura del suelo.

Continuo: Ej. Densidad aparente en mg m–3 (Grunwald, 2006)

3.9. Contenido de los atributos

3.9.1. Atributos del suelo: describen las características del suelo, según (Grunwald, 2006), las

principales son :

a. Atributos morfológicos, físicos, químicos y biológicos: los atributos del suelo son variables en el

espacio geográfico. Los suelos con cortos rangos de diferencia, presentan poca autocorrelación

espacial, por lo tanto varían en distancias cortas, mientras los atributos del suelo con rangos amplios,

es decir con autocorrelación grande, varían en grandes distancias.(Grunwald, 2006)

La autocorrelación espacial de los atributos es dependiente del atributo dominante, por ejemplo la

variabilidad de un atributo del suelo observado en un paisaje aluvial probablemente difiera del mismo

atributo en un paisaje fluvial.(Grunwald, 2006)

b. Clases de suelos: tienen un rango específico en uno o más atributos particulares, como la textura,

estructura, drenaje, acidez y otros. Según Wilding et.al., citado por (Grunwald, 2006), los atributos

que se miden y calibran según un estándar por ejemplo, la textura, color, pH, etc.; comúnmente

varían con menor frecuencia que los atributos evaluados cualitativamente como la estructura del

suelo, la consistencia, porosidad, las raíces, etc.

8

3.9.2 Atributos topográficos: describen las características del terreno, según (Grunwald, 2006), de

la siguiente manera:

a. Atributos topográficos primarios: son atributos geométricos específicos de la superficie

topográfica, calculados directamente del modelo de elevación digital (MED), los cuales incluyen

la pendiente, aspecto, área de drenaje, longitud máxima del flujo, perfil de curvatura, curvatura

planar, y otros.

b. Atributos topográficos secundarios: los atributos secundarios o compuestos incluyen

combinaciones de los atributos primarios y constituyen la base física o empírica de los índices

derivados que permiten caracterizar la variabilidad espacial de los procesos específicos que

ocurren en los paisajes, incluyen el índice topográfico de humedad (TWI), índice de poder de

corriente (SPI) y el índice de transporte de sedimentos (STI).

c. Clases topográficas: la agrupación de los atributos topográficos en clases, conforma la

clasificación de sistemas de la superficie de la tierra, desarrollando unidades geomorfológicas de

forma catenaria. La categorización del terreno se clasifica en cuatro formas de pendiente

basadas en la convexidad y concavidad del terreno.

d. Material parental: es el material no consolidado y más o menos intemperizado químicamente,

que forma los minerales o materia orgánica que componen el suelo a través de procesos

pedogenéticos.

e. Cobertura y uso de la tierra: describe la cobertura de la superficie terrestre por vegetación,

estructuras, pavimento entre otras categorías. Según Turner y Meyer citados por (Grunwald,

2006) la cubierta vegetal es el estado biofísico de la Superficie de la Tierra; por el contrario, el uso

del suelo describe la función que la tierra realiza. El uso de la tierra implica tanto la manera en

que los atributos biofísicos son manipulados como el fin del uso de la misma.

f. Tiempo: la toma de muestras proporciona información sobre las características y distribución de

los suelos, dentro de una región de mapeo, mientras más muestras repetidas se obtengan la

información mostrará de mejor manera la variabilidad del suelo a través del tiempo. Por lo

general, los atributos estables del suelo (por ejemplo, la textura del suelo, las partículas de fósforo)

muestran una menor variación en el continuo espacio-tiempo-paisaje, mientras que los atributos

dinámicos del suelo (por ejemplo, el suelo nitrato-nitrógeno, temperatura del suelo, contenido de

agua, conductividad hidráulica, actividad biológica, cationes intercambiables) son muy variables

en el tiempo.(Grunwald, 2006)


9

4. Marco Metodológico

4.1. Ubicación del área de estudio

El municipio de Chimaltenango se encuentra ubicado en el Departamento del mismo nombre,

perteneciendo a la región V o central de la Republica de Guatemala a una distancia de 54 kilómetros de la

ciudad capital. La extensión territorial del municipio es de 212 Km2

Se encuentra entre las coordenadas 14°57'28.11"; 14°21'6.82" Longitud Este y 91°11'17.05"; 90°36'9.46"

Latitud Norte, caracterizado por tener un clima templado, su temperatura oscila entre los 12 °C mínima y

los 23°C máxima. La altitud promedio es de 1,800 msnm.

Figura 1. Ubicación del área de estudio.

10

4.2. Materiales y equipo

4.2.1. Materiales

Información digital temática

Mapa de cobertura y uso de la tierra de la República de Guatemala, 2002.

Mapa de Taxonomía de suelos de Chimaltenango (polígonos), 2009.

Mapa de ubicación de las 213 calicatas (puntos), levantadas en la zona, 2009.

Base de datos del levantamiento de calicatas, 2009.

Modelo de elevación digital –MED-, Lidar de 15 metros, 2006

Ortofotos de la zona, 2006.

Imágenes Landsat TM 5, 2010.

Hojas cartográficas de la zona 2006 (versión digital)

Software

Todos de código libre.

ILWIS versión 3.3 , corrección de DEM, obtención de parámetros del terreno.

SOLIM solutions 5.0, función de disgregación de polígonos.

3D Mapper 4.01, obtención de interface de análisis.

4.2.2. Equipo

Computadora portátil hp.

Impresora Canon iP 1800

Disco duro externo Samsung 250 GB

4.3. Métodos

La obtención de la variabilidad de las propiedades de los suelos, por medio de la predicción

cuantitativa, se dividió en cinco procesos principales los cuales son:

Identificación de covariables ambientales y obtención de las mismas.

Análisis estadístico de los componentes.

Diseño del modelo de disgregación de polígonos.

Validación del modelo.


11

Recopilación y análisis de

información requerida

Definición de método

SoLIM

Aspecto, pendiente,

curvatura planar,

perfil de cruvatura

SOLIM SoilLand

inference model

Mapa cuantitativo

de clases de suelos

Análisis de componentes

principales SCORPAN

Aplicación de paquetes

de inferencia espacial

Obtención de capa de

polígonos de unidades

cartográficas de suelos

UCS_chimaltenango

Obtención de

modelo de elevación

digital MED

Obtención

imágenes satelitales

Landsat TM 5

Investigación y análisis del

método

Obtención de

secuencia catenaria

de UCS (excel)

Identificación y descarga de

Imágenes http://

glovis.usgs.gov/

Corrección de MED, uso de

filtro de paso bajo,

Mayority.

Obtención de parámetros de

la tierra usando SoLIM

Extracción del

atributo de geología

inmerso.

Capa raster

de geología

3D Mapper

Procesos

Resultado

Insumo

Combinación de

bandas RGB y

extracción del área

Obtención

capa raster de

precipitación

Extracción del área

de interés

Capa raster

de

precipitación

Validación del

modelo

Figura 2. Flujograma

4.3.1. Definición de covariables ambientales

La definición de estas variables, se basó en la ecuación de formación del suelo propuesta por McBratney

et al. (2003) que corresponde al SCORPAN, en función a esta ecuación de formación edáfica los

parámetros que se contemplaron para el modelo fueron obtenidos de manera directa y otros por medio de

derivación.

a. Factores de obtención directa

Para el factor SUELO la información se obtuvo por medio de una capa de información vectorial que

describe cada una de las unidades cartográficas de suelos, elaborada para el estudio de Mapa de

Taxonomía y Clasificación de suelos de la República de Guatemala.

El CLIMA se incorporó con una capa raster de temperatura y una de precipitación, proporcionada por la

UPGGR, estas según esta fuente fueron obtenidas por medio de interpolación IDW (inverse distance

weighting), de datos de estaciones meteorológicas.

12

Los ORGANISMOS se han contemplado con el Uso de la tierra, Índice normalizado de vegetación

(NDVI) y la banda infrarroja cercana.

b. Factores de obtención por medio de derivación

El RELIEVE se introdujo por medio de la derivación de parámetros de la tierra, previa corrección

del DEM de15 metros, obtenido de un sensor LiDAR, dicha corrección para este caso fue por

medio de la aplicación de un filtro de paso bajo, para este caso se aplico el filtro Majority

ubicando dentro de la gama de algoritmos que proporciona el paquete ILWIS versión 3.3, además

este modelo se resampleo a 30 metros para poder transponerse con la imagen Landsat TM5 de 30

m obtenida.

Los parámetros morfométricos de la tierra se obtuvieron por medio de los algoritmos

desarrollados dentro del paquete SoLIM versión 5.0, los principales algoritmos que utiliza son:

Algorithm: Evans-Young's (Evans, 1972; Young, 1978; Evans, 1979).

El MATERIAL PARENTAL se obtuvo extrayendo de la capa de unidades cartográficas de suelos,

la geología.

4.3.2. Análisis estadístico de los componentes

Luego de definir las covariables para la aplicación del modelo de disgregación y lo puntos de calicatas

para la descripción del perfil del suelo, se realizaron los respectivos análisis estadísticos.

En el caso de la disgregación de polígonos se analizaron todos los componentes del SCORPAN, este

análisis de realizó en ILWIS, las capas primarias y derivadas se estandarizaron a un dominio valor, luego

se creó un listado de mapas al cual se le aplicaron los análisis de varianza-covarianza y componentes

principales, para establecer el tipo de relación entre ellos.

Para la descripción de perfiles se realizó el análisis de datos exploratorios, tanto para el atributo químico

pH y como para la textura en porcentajes de presencia.

4.3.3. Diseño del modelo de disgregación de polígonos

Para este proceso se utilizó el modelo de inferencia Suelo-Paisaje SOLIM, el cual se desarrolla bajo la

lógica difusa (fuzzy), se compone de las siguientes fases:

Organización de datos de clases de suelos: primero es necesario organizar los tipos de

suelos identificándolos de acuerdo a las características que lo conforman, de manera que queden

recopilados bajo el concepto de catena.

Preparación de los capas de datos ambientales: sistematización de los datos, para generar

la interface de datos y obtener información compatible para visualizar en SOLIM, se utiliza el

programa 3dMapper, para esto es necesario convertir los archivos*. tiff o *.grid obtenidos a

formato *.ascci.


13

Creación de archivos de inicio: es importante generar un directorio, donde se guardarán todos

los datos obtenidos, primero se genera un archivo de cabecera que incluye los datos de número de

columnas y filas, luego las coordenadas de cada esquina, el tamaño de pixel y los valores sin dato,

luego se genera un listado de las rutas de cada capa incluida en el modelo.

Aplicación de inferencia: por medio de SOLIM se aplica el mapeo de suelos predictivo

utilizando una función difusa, construida combinando los factores ambientales que intervienen en

el desarrollo del suelo y la relación suelo-paisaje, el procedimiento detallado, tutoriales y estudios

de caso se encuentra disponibles en

http://solimserver.geography.wisc.edu/software/SoLIMSolutions5.

4.3.4. Validación del modelo

En esta fase se evaluó la calidad de la predicción realizada, para lo cual se compararon las unidades

cartográficas de suelos de polígonos contra las unidades disgregadas por sus principales características,

usando puntos de ubicación de calicatas que contienen la descripción del experto edafólogo, se

compararon los datos reales contra los datos inferidos.

5. Resultados y Discusión

5.1. Identificación de covariables ambientales y obtención de las mismas

De acuerdo al modelo de desarrollo del suelo propuesto por McBratney et al.(2003), las covariables

ambientales identificadas y que fueron obtenidas para describir la dinámica de la zona de estudio son: a)

suelos: este parámetro se obtuvo del mapa de taxonomía de suelos y capacidad de uso de la tierra,

representa las unidades cartográficas de suelos que han sido delimitadas por expertos edafólogos

siguiendo el patrón de suelo-paisaje, se encuentra en los formatos *.shp y *.mpr; b) Clima: obtención de

capas continuas de precipitación y temperatura de datos obtenidos de estaciones meteorológicas,

previamente interpolados bajo la técnica IDW, proporcionadas por la UPGGR, se encuentran en formato

*.grid y *.mpr, c) Organismos: se adquirieron los siguientes productos: capa raster de uso de la tierra para

el año 2003, índice de vegetación normalizado año 2010 y banda infrarroja Landast TM5, todos en

formato *.grid y *.mpr, d) Relieve: en base al modelo de elevación LiDAR de 15 metros 2006, previa

corrección se obtuvieron parámetros de la tierra haciendo uso del análisis digital del terreno el cual se

encuentra inmerso en SoLIM 5.0 como un modulo de aplicación, los parámetros obtenidos son: aspecto,

pendiente, curvatura planar y perfil de curvatura, en formato *.3dr y *.mpr, e) Material parental: este

parámetro se obtuvo del Mapa de taxonomía de suelos y capacidad de uso de la tierra, del cual se extrajo

el atributo de geología, que se encontraba en formato de peligno y luego se transformo a una capa raster,

los resultados se encuentra en los formatos *.shp y *.mpr.

http://solimserver.geography.wisc.edu/software/SoLIMSolutions5

14

5.2. Análisis estadístico de los componentes.

Para determinar que covariables pueden representar mejor el modelo de desarrollo del suelo, se aplico la

siguiente matriz de correlación:

Tabla 1. Matriz de correlación covariables ambientales generales

Covariables aspecto Curvatura

planar

dem_c

himal geología ndvi_ch nir_ch

perfil

curva

tura

pp_ch pendiente temper

atur_ch twi usot

aspecto 1 0 -0.03 -0.01 -0.01 -0.13 0 0.1 0.07 0 -0.07 -0.04

curvaturaplanar 1 -0.02 -0.01 0 0 0.48 0 -0.03 -0.01 0.31 0

dem_chimal 1 0.23 -0.03 -0.1 -0.05 -0.6 0.03 -0.88 0.01 0.1

geologia 1 0 -0.03 -0.03 -0.06 0.14 -0.24 -0.12 0

ndvi_ch 1 0.95 0 0.04 0.04 0.02 -0.04 0.71

nir_ch 1 0 0.12 -0.06 0.07 0.03 0.68

perfilcurvatura 1 0 -0.03 0.01 0.25 -0.02

pp_ch 1 -0.03 0.48 -0.02 -0.08

pendiente 1 -0.01 -0.71 -0.21

temperatur_ch 1 -0.05 -0.08

twi 1 0.16

usot 1

Como se puede observar en la tabla anterior, las covariables: aspecto, curvatura planar, perfil de curvatura,

precipitación, pendiente y geología, presentan una baja correlación siendo la más alta de 70 % para el caso

de la pendiente comparada con el TWI, tomando en cuenta este comportamiento estas son las covariables

que en la siguiente sección serán incluidas en el modelo SoLIM, además coinciden con los parámetros

propuestos por (Xun Shi, 2004), como parte del modelo de inferencia suelo-paisaje.

Luego de realizar el análisis de las covariables identificadas, se priorizaron las variables con menor

correlación, de las cuales se obtuvo la tabla 2, en la que se confirma que no existe correlacion entre las

covariables ambientales por lo tanto estas fueron las determinadas para la aplicación del modelo SoLIM.

Tabla 2. Matriz de correlación covariables ambientales

Covariables aspecto elevación curvatura

planar

perfil de

curvatura

pendiente geología pp

aspecto 1 0.65 0 -0.01 0.26 0.01 0.14

elevación 1 -0.02 -0.11 0.12 0.08 -0.09

curvatura

planar

1 0.23 0 0.01 0

prefil de

curvatura

1 0 0.04 0.03

pendiente 1 0 -0.02

geología 1 -0.07

pp 1


15

5.3. Diseño y aplicación del modelo de disgregación de polígonos

Luego de realizar el análisis estadístico convalidado con análisis bibliográfico, citado en el estudio de caso

basado en aplicación de lógica difusa para el mapeo de suelos (Xun Shi, 2004), se procedió a preparar las

capas de información para su aplicación al modelo SoLIM.

5.3.1. Organización de datos

El modelo SoLIM se basa en la relación suelo-paisaje, por lo tanto el primer paso para su aplicación es la

organización de los datos de suelos existentes, aplicando los principios de catena, como se muestra en la

siguiente tabla:

Tabla 3. Establecimiento de relación de catena

Pendiente Forma del

terreno Curvatura

Material parental

(geologia)

Precipitacion

(mm)

Elevacion

(msnm)

Clasificación taxonómica (nivel

familia textural) Código

0 a 3% Plano de

Terraza Convexa

Piroclastos No

Consolidados (tefras,

ceniza y pomez)

1056.6 - 1310.3 1755 - 1837

Typic Haplustolls, familia

francosa fina, mezclada, activa,

isotermica

AQA

806.7 - 990 1748 - 1810


francosa fina, superactiva,

isotermica

AQB

3 a 7% Ladera Concava Piroclastos

Consolidados (tobas) 989.9 - 1324 1423 - 1811

Typic Haplustepts, familia

fina, mezclada, superactiva,

isotermica

MQI

7 a 12%

Ladera Concava

Piroclastos No


ceniza y pomez)

1146.5 - 1392.2 1983 - 2154 Typic Haplustalfs, familia muy

fina, activa, isotermica ASA

Plano

aluvio

coluvial

Concava

Depositos

Superficiales

Clasticos Aluvio

coluviales

910.6 - 1341.8 1204 - 1639 Fluventic Dystrustepts, familia

fina, subactiva, isotermica LQL

Talud Concava

Piroclastos No


ceniza y pomez)

874.2 - 1040.7 1759 - 1784 Typic Haplustands, familia

medial, isotermica AQC

12 a 25% Ladera

Convexa Piroclastos No


ceniza y pomez)

1015.1 - 1300.7 1562 - 1847

Typic Ustorthents, familia

francosa gruesa, subactiva, no

acida isotermica

LQF

870 - 1240.9 1781 - 1907 Andic Haplustolls, familia

medial, superactiva, isotermica MQH

Concava 964.1 - 1283.3 1681 - 1845

Vertic Haplustolls, familia

francosa fina, activa,

isotermica

MQG

16

12 a 25% Plano

inclinado

Concava Depositos

Superficiales

Clasticos

Gravigenicos

875.3 - 1284.4 1602 - 2084

Typic Ustifluvents, familia

francosa fina, activa, no acida,

isotermica

MQN

Convexa 981.7 - 1005.2 1818 - 1865


francosa gruesa, activa,

isotermica

MQP

25 a 50%

Ladera Concava

Piroclastos

Consolidados (tobas) 787.9 - 1098.8 1592 - 1814


francosa fina sobre arenosa,

activa, no acida, isotermica

LQJ

Piroclastos No


ceniza y pomez)

1020.3 - 1432.1 2015 - 2240

Humic Dystrustepts, familia

francosa fina sobre arcillosa,

mezclada, superactiva,

isotermica

MSL


medial, isotermica MSH

982.7 - 1285.6 1661 - 1824


francosa gruesa, superactiva,

no acida, isotermica

MQB

Plano

inclinado Concava

Depositos

Superficiales

Clasticos

Gravigenicos


medial, amorfica, isotermica MSÑ

50 a 75%

Ladera

Concava

Piroclastos No


ceniza y pomez)

1084.2 - 1493.2 1974 - 2203

Typic Dystrustepts, familia

francosa fina sobre francosa,

activa, isotermica

MSP

Convexa 1121.3 - 1526.8 1963 - 2187

Typic Dystrustepts, familia

francosa gruesa, mezclada,

superactiva, isotermica

MSE

Concava

Concava

1229.7 - 1315.3 1649 - 1869

Typic Haplustolls, familia muy

fina, mezclada, activa,

isotermica

MQC

25 a 50%

829.6 - 1302.8 1388 - 1708


arcillosa sobre arenosa,

semiactiva, no acida,

isotermica

LQA

Ladera

Piroclastos No


ceniza y pomez)

885.7 - 1061.2 1701 - 1757


francosa fina, semiactiva, no

acida, isotermica

AQD

Convexa 991.9 - 1375 1389 - 1759


francosa gruesa, mezclada,

semiactiva, no acida,

isotermica

MQA


17

Esta tabla se interpreta de la siguiente manera, tomando como ejemplo el último caso: si la pendiente se

encuentra entre 25 a 50 %, en una ladera convexa, con material parental de piroclastos no consolidados,

entre precipitaciones de 991 a 1375 mm, altitud de 1389 a 1759, entonces el suelo será un Typic

Ustorthents, familia francosa gruesa, mezclada, semiactiva, no acida, isotérmica, el SoLIM se basa en

una serie de reglas de decisiones como en el caso explicado.

5.3.2. Integración de capas de información

El SoLIM es complementado por el paquete 3D mapper, ambos soportan bases de datos graficas y

alfanuméricas, para poder generar un proyecto es necesario crear una base la cual se compone de una

imagen y el modelo de elevación. Como se muestra en la siguiente figura.

Figura 3. Vista del ambiente 3D mapper

Las capas que fueron generadas para este ambiente presentan un formato *.3dr, a continuación se

presentan las capas utilizadas para el modelo:

18

5.3.2.1. Suelos

Para la capa de suelos, se extrajeron las unidades cartográficas de suelos, esta fue convertida de formato

*.shp a *.grid, y luego transformada a *.ascci, para poder ser importada al formato *.3dr.

Figura 4. Mapa de unidades cartográficas de suelos

5.3.2.2. Clima

El factor clima se incluyo haciendo uso de la capa de precipitación media anual, de la cual se extrajeron

los rangos donde se desarrolla cada tipo de suelo. El rango de precipitación para toda el área se observa en

la siguiente figura.

Figura 5. Mapa de precipitación media anual


19

5.3.2.3. Relieve

Este parámetro es el principal dentro del modelo, como es mencionado en el marco conceptual se deriva

de la relación suelo-paisaje, por lo tanto se aplican una serie de parámetros del terreno, obtenidos a través

de análisis digital del terreno, a continuación se presentan los parámetros de primera y segunda derivada.

Figura 6. Modelo de elevación digital Figura 7. Mapa de relación de aspecto

Figura 8. Mapa de curvatura planar Figura 9. Mapa de perfil de curvatura

Figura 10. Mapa de pendientes

20

5.3.2.4. Material parental

El material parental se ha extraído de la capa de unidades cartográficas, obteniendo el atributo de geología,

luego esta fue convertida de formato *.shp a *.grid, y luego transformada a *.ascci, para poder ser

importada al formato *.3dr.

Figura 11. Mapa de geología

5.3.3. Obtención de mapa de predicción de unidades de suelos

El mapa resultante se obtuvo por medio de una serie de reglas de decisión, de las cuales las capas descritas

anteriormente definieron la ubicación específica de diferentes tipos de suelos de acuerdo a los parámetros

establecidos por edafólogos expertos.

Como se puede observar en las siguientes figuras, el método de inferencia del suelo SoLIM, representa un

patrón de comportamiento similar al mapa convencional, las diferencias se denotan sobre todo en areas

con pendientes abruptas, sin embargo mantienen una distribución similar.


21

Figura 12. Mapa de predicción de clases de suelos

Figura 13. Mapa de unidades cartográficas de suelos

22

5.4. Validación del modelo

En primera instancia para comprobar la precisión del modelo, se ubicarón los puntos de la calicatas con lo

que se realizo el mapa convencional de unidades cartográficas, para la zona se contaron con 7 calicatas de

las cuales 5 coincidieron con las unidades obtenidas a través de SoLIM y dos no coincidieron, haciendo

una relación simple con estos datos se obtuvo un 70 % de precisión, sin embargo como esta comprobación

es visual, para poder validar el modelo se necesitaran mas observaciones en campo e incluir otros

parámetros en el modelo.

Ilustración 14. Mapa de comprobación de unidades


23

6. Conclusiones

La selección de las covariables ambientales para la aplicación del modelo SoLIM, se basó en dos criterios

principales, primero el análisis estadístico de correlación y segundo un análisis e investigación de otras

experiencias en la aplicación del modelo, de manera que de 12 covariables identificadas, 7 fueron las

seleccionadas para predecir las clases de suelos, siendo 5 obtenidas del modelo de elevación incluyéndose

esta misma; la pendiente y el aspecto que son primeras derivadas y las curvaturas de planta y perfil las

cuales corresponden a segundas derrivadas, las siguientes variables son la precipitación y la geología de

las cuales depende el desarrollo de los diferentes tipos de suelos.

Con el análisis estadístico como se mencionó anteriormente, se pudieron descartar las capas de

información que presentaban una correlación mayor al 70% entre ellas y que por ende no eran

representativas para la aplicación del modelo, como es el caso de la temperatura, uso de la tierra, índices

de vegetación e índice topográfico de humedad.

Por medio de la aplicación del modelo SoLIM, se lograrón integrar una serie de capas de información

permitiendo interrelacionar por medio de reglas de decisión, obtenidas de criterios de edafólogos expertos,

las características principalmente geomorfométricas, geológicas y climáticas, que definen la relación

suelo-paisaje, para lograr representar la distribución de los suelos de manera disgregada con fines de

mostrar la distribución mas natural de los suelos en comparación a los polígonos convencionales de

clasificación de los suelos de Chimaltenango.

En general la aplicación del modelo de inferencia de suelos SoLIM, es una herramienta que integra

criterios expertos, con datos cuantificables por medio de lógica difusa lo que permite obtener un resultado

que representa la relación suelo-paisaje, sin embargo para poder validar este comportamiento, es

fundamental el conocimiento de expertos edafólogos y el uso de buenas herramientas digitales tanto de

SIG como de percepción remota.

7. Recomendaciones

Debido a que las bases del modelo SoLIM, se fundamentan en el desarrollo de la relación suelo-paisaje,

este modelo puede mejorarse incluyendo otros productos en su mayoría derivados de teledetección, como

índices de vegetación, análisis multiespectral de minerales, entre una amplia gama de productos derivados

de imágenes satelitales.

El modelo SoLIM, puede aplicarse para obtener mapas de propiedades de suelos, por lo que aplicar ese

complemento a un estudio de esta índole, demostraría de manera integral el comportamiento del suelo.

24

8. Referencias Bibliográficas

A-XING ZHU, J. E. B., AMANDA C. MOORE, MICHAEL P. SMITH, JIAN LIU, FENG QI 2001.

SoLIM: A New Technology For Soil Mapping Using GIS, Expert Knowledge & Fuzzy Logic. In:

WISCONSIN-MADISON, D. O. G. U. O. (ed.).

A-XING ZHU, L. Y., BAOLIN LI, CHENGZHI QIN, TAO PEI, BAOYUAN LIU 2009. Construction of

membership functions for predictive soil mapping under fuzzy logic. Geoderma.

A.B. MCBRATNEY, M. L. M. S., B. MINASNY 2003. On digital soil mapping. ELSEVIER, 50.

ÁLVAREZ, J. A. R. 2009. Inferencia espacial de propiedades fisico-quimicas e hidraulicas de los suelos

de Andalucia. Estudios en la Zona no Saturada del Suelo. , Vol IX, 8.

BOETTINGER, H., MOORE, HARTEMINK & BROWN 2010. Digital Soil Mapping, Springer.

BURROUGH, P. 1994. The state of the art in pedometrics. ELSEVIER, 16.

CÁRDENAS, G. C. 2009. Evaluación de Métodos para la Cartografía Digital de Clases de tierras

campesinas. Doctor en Ciencias Edafologicas. Doctoral, Universidad Autonoma de Chapingo.

CARRILLO, G. A. A. 2009. Predicción valores de variables edafológicas a partir de kriging de regresión

para la determinación del grado de salinidad y/o alcalinidad en el Valle Alto de Cochabamba,

Bolivia. Maestria Profesional Descriptiva, Universidad Mayor de San Simón.

CHIMALTENANGO, G. D. 2006. Plan de reconstruccion del departamento de Chimaltenango. In:

CHIMALTENANGO (ed.). Chimaltenango.

DOBOS, E. 2006. Digital Soil Mapping as a support to production of functional maps. Digital Soil

Mapping Working Group of the European Soil Bureau Network.

FALLAS, J. 2003. Conceptos Básicos de Cartografía. In: TELESIG (ed.). Costa Rica: Sistemas Integrados

de Informacion Geográfica.

FENG QI, A.-X. Z., MARK HARROWER, JAMES E. BURT 2006. Fuzzy soil mapping based on

prototype category theory. ELSEVIER, 14.

GRUNWALD, S. 2006. Evironmental Soil-Landscape Modeling. In: GROUP, T. F. (ed.) Geographic

Information Technologies and Pedometrics. Florida, Estados Unidos.

HENGL, E. D. A. T. 2009. Soil Mapping Applications. In: MCBRATNEY, A. E. H. A. B. (ed.)

Geomorphometry. Concepts, Software, Applications. Amsterdam, The Netherlands: Elsevier.

HEUVELINK, G. 2003. International Working Group on Pedometrics – Provisional Commission on

Pedometrics of the International Union of Soil Sciences (IUSS). In: GRUNWALD, S. (ed.)

International Working Group on Pedometrics. Gainesville, FL.

LAB, T. S., GEOGRAPHY, D. O. & MADISON, U. O. W. 2005. SoLIM Version 4.0 User manual.

LAGACHERIE, P. 2007. Digital Soil Mapping an Introductory Perspective, Amsterdam, The

Netherlands, Elsevier.

LARK, M. 2008. What is Pedometrics? [Online]. [Accessed].

MALONE, B. M. B. Disaggregating soil polygons. Sydney.

MCBRATNEY, E. A. 2003. On digital soil mapping. ELSEVIER, 50.

MENDOCA-SANTOS, M. D. L. Year. Um nuevo mapeo digital de suelos do mundo. In: RESEARCH, H.

O. T. B. N. C. O. S., ed. Congreso Latinoamericano de la Ciencia del Suelo, 16 - 20, Noviembre

2009 2009 San José, Costa Rica. 31.

MINASNY, T. F. A. B. A. B. 2006. Digital Soil-Terrain Modeling: The Predictive Potential and

Uncertainty. In: GRUNWALD, S. (ed.) Environmental Soil-Landscape Modeling

Geographic Information Technologies and Pedometrics. New York.

PURVES, R. K. S. R. S. 2007. Resolution Sensitivity of a Compound Terrain Derivative as Computed

from LiDAR-Based Elevation Data. Lecture Notes in Geoinformation and Cartography, 20.

SANCHEZ, P. 2009. Digital Soil Map of the World. SCIENCE, 325, 2.


25

SMITH, S., C. BULMER, E. FLAGER, G. FRANK AND D. FILATOW 2010. Digital Soil Mapping at

multiple scales in British Columbia, Canada. In Program and Abstracts, 4th Global Workshop on

Digital Soil Mapping. Roma, Italia.

T. HENGL, S. G. A. D. P. S. 2003. Digital Terrain Analysis in Ilwis.

VARGAS, R. (ed.) 2009a. Mapeo digital del suelo y su evaluación con fines de producción de caña de

azúcar en los municipios de Ixiamas y San Buenaventura: Conservacion Internacional Bolivia

VARGAS, R. 2009b. Mapeo digital del suelo y su evaluación con fines de producción de caña de azúcar

en los municipios de Ixiamas y San Buenaventura, Bolivia, Conservación Internacional Bolivia.

XUN SHI, A.-X. Z., JAMES BURT, FENG QI & DUANE SIMONSON 2004. A Case-based Reasoning

Approach to Fuzzy Soil Mapping. Soil Science Society of America Journal, 68, 11.

YANG, X., G.A. CHAPMAN, M.A. YOUNG AND J.M. GRAY. Using Compound Topographic Index to

Delineate Soil Landscape Facets from Digital Elevation Models for Comprehensive Coastal

Assessment.

ZHU, A. X., MOORE, A.,BURT, J.E. Prediction of Soil Properties using fuzzy membership.

ZHU, E. A. 2001. Soil Mapping Using GIS, Expert Knowledge, and Fuzzy Logic. Soil Science Socierity

Am., 10.

ZHU, F. A. A.-X. 2003. Knowledge discovery from soil maps using inductive learning. Geographical

Information Science.

(Zhu, 2001, McBratney, 2003, Álvarez, 2009, A-Xing Zhu, 2001, A-Xing Zhu, 2009, Malone, Burrough,

1994, Cárdenas, 2009, Carrillo, 2009, Chimaltenango, 2006, Fallas, 2003, Feng Qi, 2006, Grunwald,

2006, Hengl, 2009, Heuvelink, 2003, Boettinger, 2010, Lab et al., 2005, Lark, 2008, Mendoca-Santos,

2009, Minasny, 2006, Lagacherie, 2007, Purves, 2007, Sanchez, 2009, Smith, 2010, T. Hengl, 2003,

Vargas, 2009b, Xun Shi, 2004, Yang, Zhu, Dobos, 2006)

26

Anexos


27

Anexo 1

Comparación de modelos de levantamientos de suelos:

Modelo convencional: la

descripción del suelo se

basa en procesos análogos

llevados a cabo por un

experto edafólogo, el

producto es un mapa

delimitado por polígonos.

Modelo de inferencia: la

función es básicamente la

misma, lo que las diferencia es la

forma de obtención de datos y el

producto final. Como se puede

observar el producto es un mapa

de similitud de pixeles, obtenido

por delimitación difusa en

función a factores ambientales

expresados en productos

digitales.

28

Anexo 2

Representación del fenómeno geográfico bajo la lógica fuzzy.


29

Anexo 3

Proceso de inferencia

30

Anexo 4

Representación de un árbol de decisión basado en el modelo suelo-paisaje

Fuente: (ZHU, 2003)

Anexo 5

Secuencia catenada

cartografía predictiva de clases de suelos a través del ... · pdf filevaliosa...

Documents