cartografía predictiva de clases de suelos a través del ... · pdf filevaliosa...
Post on 06-Feb-2018
219 Views
Preview:
TRANSCRIPT
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.
CARTOGRAFÍA PREDICTIVA DE CLASES DE SUELOS A TRAVÉS DEL ENFOQUE SOLIM, EN CHIMALTENANGO, GUATEMALA.
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.
CARTOGRAFÍA PREDICTIVA DE CLASES DE SUELOS A TRAVÉS DEL ENFOQUE SOLIM, EN CHIMALTENANGO, GUATEMALA.
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
CARTOGRAFÍA PREDICTIVA DE CLASES DE SUELOS A TRAVÉS DEL ENFOQUE SOLIM, EN CHIMALTENANGO, GUATEMALA.
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
CARTOGRAFÍA PREDICTIVA DE CLASES DE SUELOS A TRAVÉS DEL ENFOQUE SOLIM, EN CHIMALTENANGO, GUATEMALA.
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
CARTOGRAFÍA PREDICTIVA DE CLASES DE SUELOS A TRAVÉS DEL ENFOQUE SOLIM, EN CHIMALTENANGO, GUATEMALA.
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.
CARTOGRAFÍA PREDICTIVA DE CLASES DE SUELOS A TRAVÉS DEL ENFOQUE SOLIM, EN CHIMALTENANGO, GUATEMALA.
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:
CARTOGRAFÍA PREDICTIVA DE CLASES DE SUELOS A TRAVÉS DEL ENFOQUE SOLIM, EN CHIMALTENANGO, GUATEMALA.
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)
CARTOGRAFÍA PREDICTIVA DE CLASES DE SUELOS A TRAVÉS DEL ENFOQUE SOLIM, EN CHIMALTENANGO, GUATEMALA.
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)
CARTOGRAFÍA PREDICTIVA DE CLASES DE SUELOS A TRAVÉS DEL ENFOQUE SOLIM, EN CHIMALTENANGO, GUATEMALA.
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.
CARTOGRAFÍA PREDICTIVA DE CLASES DE SUELOS A TRAVÉS DEL ENFOQUE SOLIM, EN CHIMALTENANGO, GUATEMALA.
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.
CARTOGRAFÍA PREDICTIVA DE CLASES DE SUELOS A TRAVÉS DEL ENFOQUE SOLIM, EN CHIMALTENANGO, GUATEMALA.
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.
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
CARTOGRAFÍA PREDICTIVA DE CLASES DE SUELOS A TRAVÉS DEL ENFOQUE SOLIM, EN CHIMALTENANGO, GUATEMALA.
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
Typic Haplustolls, familia
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
Consolidados (tefras,
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
Consolidados (tefras,
ceniza y pomez)
874.2 - 1040.7 1759 - 1784 Typic Haplustands, familia
medial, isotermica AQC
12 a 25% Ladera
Convexa Piroclastos No
Consolidados (tefras,
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
Typic Haplustolls, familia
francosa gruesa, activa,
isotermica
MQP
25 a 50%
Ladera Concava
Piroclastos
Consolidados (tobas) 787.9 - 1098.8 1592 - 1814
Typic Ustorthents, familia
francosa fina sobre arenosa,
activa, no acida, isotermica
LQJ
Piroclastos No
Consolidados (tefras,
ceniza y pomez)
1020.3 - 1432.1 2015 - 2240
Humic Dystrustepts, familia
francosa fina sobre arcillosa,
mezclada, superactiva,
isotermica
MSL
1152.1 - 1319.8 1888 - 2105 Typic Haplustands, familia
medial, isotermica MSH
982.7 - 1285.6 1661 - 1824
Typic Ustorthents, familia
francosa gruesa, superactiva,
no acida, isotermica
MQB
Plano
inclinado Concava
Depositos
Superficiales
Clasticos
Gravigenicos
1061.5 - 1479.3 2051 - 2269 Typic Haplustands, familia
medial, amorfica, isotermica MSÑ
50 a 75%
Ladera
Concava
Piroclastos No
Consolidados (tefras,
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
Typic Ustorthents, familia
arcillosa sobre arenosa,
semiactiva, no acida,
isotermica
LQA
Ladera
Piroclastos No
Consolidados (tefras,
ceniza y pomez)
885.7 - 1061.2 1701 - 1757
Typic Ustorthents, familia
francosa fina, semiactiva, no
acida, isotermica
AQD
Convexa 991.9 - 1375 1389 - 1759
Typic Ustorthents, familia
francosa gruesa, mezclada,
semiactiva, no acida,
isotermica
MQA
CARTOGRAFÍA PREDICTIVA DE CLASES DE SUELOS A TRAVÉS DEL ENFOQUE SOLIM, EN CHIMALTENANGO, GUATEMALA.
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
CARTOGRAFÍA PREDICTIVA DE CLASES DE SUELOS A TRAVÉS DEL ENFOQUE SOLIM, EN CHIMALTENANGO, GUATEMALA.
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.
CARTOGRAFÍA PREDICTIVA DE CLASES DE SUELOS A TRAVÉS DEL ENFOQUE SOLIM, EN CHIMALTENANGO, GUATEMALA.
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
CARTOGRAFÍA PREDICTIVA DE CLASES DE SUELOS A TRAVÉS DEL ENFOQUE SOLIM, EN CHIMALTENANGO, GUATEMALA.
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.
CARTOGRAFÍA PREDICTIVA DE CLASES DE SUELOS A TRAVÉS DEL ENFOQUE SOLIM, EN CHIMALTENANGO, GUATEMALA.
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)
CARTOGRAFÍA PREDICTIVA DE CLASES DE SUELOS A TRAVÉS DEL ENFOQUE SOLIM, EN CHIMALTENANGO, GUATEMALA.
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.
CARTOGRAFÍA PREDICTIVA DE CLASES DE SUELOS A TRAVÉS DEL ENFOQUE SOLIM, EN CHIMALTENANGO, GUATEMALA.
29
Anexo 3
Proceso de inferencia
top related