stock de carbono del suelo, a escala local, en ocho ... · samuel y briana sofía a mis amigos...

Stock de carbono del suelo, a escala local, en ocho sistemas de uso

agrícola del piedemonte llanero.

Maryory Rodríguez Atehortúa

Universidad Nacional de Colombia

Facultad de Ciencias Agropecuarias, Escuela de Posgrados

Doctorado en Ciencias Agrarias

Palmira, Colombia

2016

Stock de carbono del suelo, a escala local, en ocho sistemas de uso

agrícola del piedemonte llanero.

Maryory Rodríguez Atehortúa

Tesis de investigación presentada como requisito parcial para optar al título de:

Doctora en Ciencias Agrarias

Directora:

Ph.D.Yolanda Rubiano Sanabria

Línea de Investigación:

Manejo de Suelos y Aguas

Universidad Nacional de Colombia

Facultad de Ciencias Agropecuarias, Escuela de Posgrados

Doctorado en Ciencias Agrarias

Palmira, Colombia

2016

(Dedicatoria o lema)

A mis hijos Andrés David y Gabriela

A mis Padres Dora y José Arnulfo

A mi compañero y amigo Oscar

A mis hermanos Arnulfo, Edward y Mayeli

A mis sobrinos Leidy Marian, Sebastian,

Esteban, Juan David, Andrés Felipe,

Samuel y Briana Sofía

A mis amigos incondicionales Julia y Juan

Agradecimientos

A la Universidad Nacional de Colombia Sede Palmira, por la formación profesional en todos

los niveles.

Al Ministerio de Agricultura y Desarrollo Rural por la financiación parcial de este trabajo.

A la Universidad Nacional de Colombia Sede Bogotá, CORPOICA y FUNDALLANURA por

la financiación del trabajo en el marco del proyecto “Línea base de indicadores de calidad

del suelo para monitorear los efectos del cambio climático sobre los sistemas de

producción agrícola en el piedemonte llanero”.

A la profesora Yolanda Rubiano Sanabria por la dirección de la tesis. A los investigadores

del Centro de Investigación La Libertad de Corpoica por la co-ejecución de las actividades

y su apoyo logístico y científico durante el trabajo de campo.

A los laboratorios de la Universidad Nacional de Colombia, Suelos de Bogotá y Fisiología

de Palmira; al laboratorio de suelos de Corpoica La Libertad al laboratorio de Calidad de

Nutrición de CIAT, por el procesamiento de las muestras

A los jurados Doctores Fernando Muñoz y Ngonidzashe Chirinda

A mi padre José Arnulfo Rodríguez N. por la colaboración en el muestreo y su apoyo

incondicional, a la Dra. Aracely Castro, a las Dras. Mariela Rivera y Mayesse da Silva y al

compañero Norbey Marín del Centro Internacional de Agricultura Tropical-CIAT, a Oscar

Enrique Gómez, a los estudiantes de Maestría de la sede Bogotá Camilo Peña, Melissa

Lis y Sebastián Gutiérrez, al estudiante de Ingeniería Ambiental de la sede Palmira Diego

Medina y a los profesores Enrique Darghan de la Facultad de Ciencias Agrarias de la sede

Bogotá, Juan Carlos Menjivar y Carlos Iván Cardozo de la Facultad de Ciencias

VIII Stock de carbono del suelo a escala local, en ocho sistemas de uso agrícola del

piedemonte llanero

Agropecuarias de la sede Palmira, Carmen Alicia Parrado de la sede de Bogotá y al Dr.

Jaime Bernal de Corpoica.

A todas y cada una de las personas que con su aprecio sincero, me apoyaron siempre.

Resumen y Abstract IX

Resumen

Conocer la dinámica del carbono en el suelo en diferentes sistemas de producción,

permite diagnosticar el efecto positivo o negativo de los diferentes usos de las tierras y

prácticas de manejo en relación al cambio climático, sugiriendo que los sistemas de

producción de tipo perenne y sin algún tipo de laboreo del suelo, favorece el incremento

de los stocks de carbono en profundidades mayores (a partir de 30 cm), en períodos de

tiempo de alrededor de 25 años. Contrario a lo que sucede con la rotación de cultivos

que posibilita la existencia de stock de carbono moderados, con tendencia constante y

durante períodos de tiempo superiores a 25 años, debido a la incorporación periódica de

biomasa al suelo. El uso de nuevas tecnologías como los NIR y de modelos de

simulación como CENTURY, facilita la evaluación de la magnitud de los impactos

mencionados y apoyan en la toma de decisiones y en la planificación de prácticas de

uso y manejo de los suelos. El objetivo de este estudio fue estimar el stock de carbono

del suelo, los sistemas de uso agrícola; transitorios, pasto mulato, pasto asociado a

arachis, cítrico asociado a arachis, caucho, palma, salpicón (plátano), y mango del

piedemonte llanero. Área representativa, C.I. Corpoica La Libertad (Meta, Colombia),

para posibilitar el monitoreo de los efectos de los cambios de uso de la tierra, al cambio

climático. Mediante el uso de calicatas, se recolectaron 256 muestras considerando las

profundidades 0-5, 5-10, 10-20, 20-30, 30-50, 50-75, 75-100 y 100-125. También se

obtuvieron los espectros mediante NIR de 92 muestras seleccionadas posteriormente y

se generaron modelos usando regresión por mínimos cuadrados parciales, de los cuales

se seleccionó el mejor, con RPD mayor de 2.0, R2 igual 0.9 y RMSE bajo. Además, se

simuló el stock de C con CENTURY en varios escenarios con los diferentes sistemas de

uso evaluados, con datos de clima y propiedades de suelo, mostrando adecuadamente

los efectos generados en el estado del C (captura/stock). Los análisis desarrollados

contribuyen al monitoreo y evaluación del desarrollo agrícola en relación a la adaptación

y mitigación del cambio climático.

Palabras clave: funciones de pedotranferencia, modelamiento de materia orgánica,

oxisoles.

X Stock de carbono del suelo a escala local, en ocho sistemas de uso agrícola del

piedemonte llanero

Abstract

To know the carbon dynamic in the soil in different productions systems, allow to predict

the positive or negative effect of the different land uses and management practices with

the climate change, suggesting that the perennials production systems and without soil

tillage, increases the carbon stock in the greater depths (from 30 cm) in periods around

25 years. Contrary to what happens with crop rotation that allows the existence of

moderate carbon stock, with constant tendency and for periods of time exceeding 25

years, due to the periodic incorporation ground biomass. The use of new technologies

like NIR and the simulation models like CENTURY, it facilitates the assessment of the

magnitude of these impacts and support in decision-making and planning practices of

use and management of soils. The objective of this study was to estimate the carbon

stock of soil, in agricultural systems; transitory, grass mulato, grass associated rachis,

citric associated arachis, rubber, palm, spatter (banana), and mango of piedmont plains.

Representative area, C.I. Corpoica La Libertad (Meta, Colombia), for to allow monitoring

of the effects of changes in land use and the climate change. Through the use of test pits,

256 samples were collected, in the depths 0-5, 5-10, 10-20, 20-30, 30-50, 50-75, 75-100

and 100-125. Spectra were also obtained by NIR subsequently selected 92 samples and

models were generated using partial least squares regression, of which the best was

selected, with RPD > 2.0, R2 = 0.9 and low RMSE. Further, the carbon stock were

simulated in several scenarios with de different evaluated use systems, with data of

climate and soil properties, showing adequately the effects generated in the state of

Carbon (flow/stock). Analyses made contribute to the monitoring and evaluation of

agricultural development in relation to adaptation and mitigation of climate change

Keywords: pedotransfer functions, modeling organic matter, oxisols

Contenido XI

Contenido

Pág.

Resumen ........................................................................................................................ IX

Lista de figuras ............................................................................................................ XIII

Lista de tablas ............................................................................................................. XVI

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

1. Marco conceptual ..................................................................................................... 5 1.1 La función del suelo en el ciclo biogeoquímico del carbono.................................. 6 1.2 Dinámica del carbono orgánico en los suelos .................................................. 7

1.2.1 Manejo del carbono en suelos de áreas tropicales .............................. 14 1.2.2 El carbono como indicador de calidad del suelo, en el contexto de cambio climático ................................................................................................ 15

1.3 Métodos de laboratorio para determinación de carbono del suelo ................... 18 1.3.1 Espectroscopia VIS-NIR-MIR (Visible-Infrarrojo cercano-Infrarrojo medio) 19

1.4 Modelación de la materia orgánica ................................................................ 22 1.4.1 Simulación de Materia Orgánica en el modelo CENTURY. ................. 25

2. Materiales y métodos ............................................................................................. 33 2.1 Área de estudio.............................................................................................. 33

2.1.1 Sistemas de producción estudiados .................................................... 35 2.2 Procedimientos .............................................................................................. 36 2.3 Procesamiento de datos ................................................................................ 41

2.3.1 Análisis descriptivo de los datos .......................................................... 41 2.3.2 Estimación de muestras atípicas en el procesamiento con NIR .......... 42 2.3.3 Características cualitativas de las curvas espectrales ......................... 43

2.4 Simulación de los datos de carbono .............................................................. 44

3. Resultados y Discusión ......................................................................................... 45 3.1 Stock de carbono en diferentes sistemas de uso agrícola del piedemonte. Área representativa, Corpoica La Libertad ............................................................... 45

3.1.1 % de CO en el tamaño de partícula del suelo de 2 mm ....................... 45 3.1.2 Stock de CT en el tamaño de partícula del suelo de 2 mm (fracción liviana) 46 3.1.3 Stock de CT en el tamaño de partícula del suelo < 0.25 mm (fracción pesada) 48 3.1.4 Stock de CT en el tamaño de partícula del suelo de 0.044 mm (fracción pesada fina) ...................................................................................................... 50

XII Stock de carbono del suelo a escala local, en ocho sistemas de uso agrícola

del piedemonte llanero

3.2 Simulación del Stock de Carbono del Suelo, en Sistemas de Producción del Piedemonte Llanero. ................................................................................................ 53

3.2.1 Carbono en partículas del suelo, de diferente tamaño. ............................ 56 3.3 Determinación de Stock de Carbono del Suelo, en Sistemas de Producción del Piedemonte Llanero a partir de NIR ................................................................... 65

4. Conclusiones y recomendaciones ....................................................................... 75

A. Anexo: Significado de acrónimos ......................................................................... 77

B. Anexo: Gráficas de registros de cuarenta años, de precipitación y temperatura, de La Libertad ............................................................................................................... 79

C. Anexo: Ejemplos de la información de los archivos generados para la simulación de escenarios en CENTURY ..................................................................... 85

D. Anexo: Coordenadas y % CT de los sitios muestreados. ................................. 109

E. Anexo: Descripción de los dos primeros horizontes de los perfiles de suelo 117

F. Anexo: Modelamiento del Stock de C del Suelo en la Terraza Alta de La Libertad........................................................................................................................ 121

Bibliografía .................................................................................................................. 125

Contenido XIII

Lista de figuras

Pág.

Figura 1-1. Compartimentos y flujos bioquímicos del carbono. ........................................ 7

Figura 1-2. Esquema simplificado de la transformación de la materia orgánica en el

suelo. ............................................................................................................................... 8

Figura 1-3. Tipos de humus según la condición o el régimen hídrico. .............................. 9

Figura 1-4. Modelo de la dinámica del carbono en el suelo con tiempos de residencia. .. 9

Figura 1-5. Materia orgánica en la matriz del suelo. ePOM: partículas externas de

materia orgánica; iPOM: partículas internas de materia orgánica. .................................. 11

Figura 1-6. Humus estabilizado por fuerzas débiles (interacciones hidrofóbicas y enlaces

de H) procesos de adsorción. Tomado de Macías y colaboradores (2010). ................... 12

Figura 1-7. Formación de microagregados del suelo (<250 µm) y estabilización de la

materia ........................................................................................................................... 14

Figura 1-8. Ilustración de reflectancia difusa. ................................................................. 20

Figura 1-9. Regiones del espectro electromagnético que han sido abordadas en el

estudio de propiedades del suelo. .................................................................................. 21

Figura 1-10. Respuesta espectral –absorbancia- de una muestra. ................................ 21

Figura 1-11. Relación entre los programas y estructuras de los archivos en el modelo

CENTURY ...................................................................................................................... 24

Figura 1-12. Reservorios y flujos de carbón en el modelo CENTURY. El diagrama

muestra los principales factores que controlan los flujos. ............................................... 27

Figura 1-13. Modelo de producción vegetal en CENTURY. ........................................... 28

Figura 1-14. Impacto de la temperatura del suelo sobre el crecimiento potencial de

diferentes comunidades de plantas C3 y C4. ................................................................. 29

Figura 1-15. Impacto de la temperatura del suelo sobre el crecimiento vegetal potencial

de diferentes cultivos ...................................................................................................... 29

Figura 1-16. Impacto de la disponibilidad de humedad, en el potencial de crecimiento de

las plantas. ..................................................................................................................... 30

Figura 2-1. Localización del área de estudio. ................................................................. 34

Figura 2-2. Distribución de los sistemas de producción seleccionados para este estudio

....................................................................................................................................... 36

Figura 2-3. Mapa de suelos de La Libertad, a escala 1:7500. ........................................ 37

Figura 2-4. Mapa de Geomorfología de La Libertad. ..................................................... 38

Figura 2-5. Muestreo en C.I. La Libertad ....................................................................... 39

Figura 2-6.Esquema de los procedimientos seguidos en la metodología. ...................... 40

Figura 2-7. Ejemplo de PCA (a) datos sin centrar (b) datos centrados .......................... 43

XIV Stock de carbono del suelo a escala local, en ocho sistemas de uso agrícola

del piedemonte llanero

Figura 3-1. % CO con relación a los diferentes sistemas de producción, la profundidad y

la densidad del suelo ...................................................................................................... 46

Figura 3-2. Stock de CT en partículas de 2 mm (fracción liviana), con relación a los

diferentes sistemas de producción, la profundidad y la densidad del suelo ..................... 47

Figura 3-3. Stock de CT en partículas de 2 mm, en profundidad .................................... 48

Figura 3-4. Stock de CT en partículas < 0.25 mm (fracción pesada), con relación a los

diferentes sistemas de producción, la profundidad y la densidad del suelo. .................... 49

Figura 3-5. Stock de CT en partículas < 0.25 mm, en profundidad ................................. 50

Figura 3-6. Stock de CT en partículas de 0.044 mm (fracción pesada fina), con relación a

los diferentes sistemas de producción, la profundidad y la densidad del suelo. .............. 51

Figura 3-7. Stock de CT en partículas de 0.044 mm, en profundidad ............................. 51

Figura 3-8. Stock de CT en partículas del suelo de 2 mm, < 0.25 mm y 0.044 mm con

diferentes sistemas de producción del piedemonte llanero (método analizador elemental).

....................................................................................................................................... 52

Figura 3-9. Stock de CT del Sistema Transitorio y los datos climáticos y de sitio del año

1973, simulado con CENTURY. ...................................................................................... 55

Figura 3-10. Stock de CT del Sistema Transitorio y los datos climáticos y de sitio del año

1973, incrementando la temperatura en 1 °C, simulado con CENTURY. ........................ 55

Figura 3-11. Unidades de suelo en la Terraza Alta de la Libertad .................................. 56

Figura 3-12. Simulación de stock de CO en las partículas de las fracciones liviana,

pesada y pesada fina del suelo, con el escenario sistema Pastos – Transitorio de 1973 a

2011 con CENTURY. ...................................................................................................... 57

Figura 3-13. Simulación de stock de C en las partículas de la fracción liviana del suelo,

en diferentes escenarios de uso, con CENTURY. ........................................................... 58

Figura 3-14. Simulación de stock de C en las partículas de la fracción pesada del suelo,

en diferentes escenarios de uso, con CENTURY ............................................................ 59

Figura 3-15. Simulación de stock de C en las partículas de la fracción pesada fina del

suelo, en diferentes escenarios de uso, con CENTURY ................................................. 59

Figura 3-16. Stock de C (Ton/ha) en partículas de 2 mm, < 0.25 mm y 0.044 mm en

diferentes sistemas de producción del piedemonte llanero, medidos en 2011. ............... 60

Figura 3-17. Prueba de estabilidad de datos simulados en CENTURY, para el sistema

Transitorio. ...................................................................................................................... 61


Palma ............................................................................................................................. 61


Caucho. .......................................................................................................................... 61


Pasto mulato ................................................................................................................... 62

Figura 3-21. Simulación de stock de C en las partículas de las fracciones liviana en

diferentes escenarios de uso a futuro (año 2070), con CENTURY. ................................. 63

Figura 3-22. Simulación de stock de C en las partículas de la Fracción Pesada en

diferentes escenarios de uso a futuro (año 2070), con CENTURY. ................................. 64

Contenido XV

Figura 3-23. Simulación de stock de C en las partículas de la Fracción Pesada Fina en

diferentes escenarios de uso a futuro (año 2070), con CENTURY. ................................ 65

Figura 3-24. Curvas de absorbancia de los espectros de las muestras tomadas en

Corpoica La Libertad ...................................................................................................... 66

Figura 3-25. Relación entre los datos reales (metodologías tradicionales) y los estimados,

de calibración con NIR, procesados en WinISI ............................................................... 67

Figura 3-26. Relación entre los datos reales (metodologías tradicionales) y los

estimados, de validación con NIR, procesados en WinISI .............................................. 68

Figura 3-27. Prueba de estabilidad de datos obtenidos mediante NIR. .......................... 69

Figura 3-28. Comparación entre la distribución de los datos de carbono determinados

con analizador elemental vs. Los datos obtenidos mediante NIR ................................... 69

Figura 3-29. Comparación de la modelación del Carbono mediante la metodología NIR,

con los valores obtenidos en laboratorio con el sistema Caucho. ................................... 70


con los valores obtenidos en laboratorio con el sistema Cítricos + Arachis .................... 71


con los valores obtenidos en laboratorio con el sistema Mango ..................................... 71


con los valores obtenidos en laboratorio con el sistema Palma ...................................... 72


con los valores obtenidos en laboratorio con el sistema Pasto + Arachis ....................... 72


con los valores obtenidos en laboratorio con el sistema Pasto mulato ........................... 73

Contenido XVI

Lista de tablas

Pág.

Tabla 1-1. Estimación de la capacidad de los diferentes reservorios de C terrestre en Gt

C. ...................................................................................................................................... 6

Tabla 1-2 Rutas de descomposición de materiales orgánicos en el suelo en función del

potencial de reducción. ................................................................................................... 10

Tabla 1-3. Estimaciones de las reservas de carbón orgánico en el suelo. ...................... 17

Tabla 1-4. Reacciones químicas resultantes, a diferentes temperaturas en la pirólisis. .. 19

Tabla 1-5. Unidades de parámetros principals en CENTURY. Tomado de Metherell, A.K.

(1993). ............................................................................................................................ 24

Tabla 1-6. Archivos de parámetros que definen las condiciones para simulación con el

modelo CENTURY. ......................................................................................................... 25

Tabla 2-1. Sistemas de producción agrícola seleccionados para este estudio ................ 35

Tabla 3-1. Relación entre los porcentajes de CO mayores y menores de los sistemas

agrícolas. ........................................................................................................................ 45

Tabla 3-2. Relación entre las cantidades de stock de CT mayores y menores de los

sistemas agrícolas, en partículas del suelo de 2mm (fracción liviana). ............................ 47


sistemas agrícolas, en partículas del suelo de < 0.25 mm (fracción pesada). ................. 49


sistemas agrícolas, en partículas del suelo de 0.044 mm (fracción pesada fina). ............ 50

Tabla 3-5. Resultdos de la calibración del CENTURY, con un modelo de equilibrio para

7000 años en vegetación de sabana tropical. ................................................................. 53

Tabla 3-6. Resultdos de la calibración del CENTURY, con un modelo de equilibrio para

7000 años en vegetación de bosque tropical. ................................................................. 54

Tabla 3-7. Stock de CO observado en las unidades de suelos de la Terraza Alta de La

Libertad ........................................................................................................................... 54

Tabla 3-8. Resultados de estadísticos del análisis entre el stock de C simulado y el

observado, para el año 2011 ........................................................................................... 60

Tabla 3-9. Resultados del proceso de la calibración del modelo en WinIsis ................... 66

Tabla 3-10. Resultados del proceso de la validación del modelo en WinIsis ................... 67

Tabla 3-11. Estadísticos de la comparación entre la distribución de los datos de carbono

determinados con analizador elemental vs. Los datos obtenidos mediante NIR para cada

sistema de producción .................................................................................................... 70

Introducción

Las emisiones de CO2 debido a los cambios en la dinámica del ciclo del carbono se han

identificado como una de las principales causas de calentamiento global. Aunque éste gas

efecto invernadero (GEI) tiene un potencial de calentamiento global (PCG) menor que los

demás GEI, su mayor emisión hace que el efecto negativo en la atmósfera sea superior

(Reddy y Hodges, 2000; IPCC, 2007; Ferreira, 2008; FAO, 2014).

Acorde con la Organización de las Naciones Unidas para la Agricultura y la Alimentación

(FAO, 2001), la modificación de la dinámica natural de los gases atmosféricos ha generado

alteraciones climáticas en el planeta, por el denominado efecto invernadero, el cual está

asociado a la acumulación de CO2, entre otros gases. Se estima que cerca del 25% de las

emisiones de CO2 provienen de actividades agrícolas, tales como deforestación, laboreo

del suelo, quema de biomasa, entre otros, causados por la presión constante que el

hombre ejerce sobre el recurso tierra. En tanto, grandes cantidades de CH4 son producidas

por rumiantes domésticos, incendios forestales, cultivos bajo inundación como arroz,

drenaje artificial de humedales y acumulación de desechos.

Después del océano y las rocas, el suelo es el mayor sumidero de CO2. Atributos como

textura, agregación, distribución, tamaño y continuidad de poros, entre otros influyen de

manera importante en su emisión y almacenamiento (Lal, 1994), lo cual se refleja en el

contenido de carbono orgánico del suelo (COS). En relación con lo anterior, se establece

la función del suelo para el secuestro de carbono (SCS), que de acuerdo a lo determinado

en el protocolo de Kyoto (Stockmann, et. al., 2013), representa potencial para reducir sus

emisiones, contribuyendo a la mitigación del cambio climático.

De las 2000 millones de hectáreas de bosques tropicales existentes en el mundo, el 13%

de las ubicadas en América del Sur, el 19 % en África y el 27 % en Asia, han sido sometidas

a deforestación, como actividad inicial del cambio en el uso de la tierra, representado en

la conversión de coberturas naturales a cultivos o pasturas, y la tala de madera para leña

y para construcción, contribuyendo a las emisiones de C hacia la atmósfera en forma de

CO2 y CH4.

2 Introducción

En particular, en el piedemonte de los llanos colombianos, se presenta un proceso

continuo de deforestación e introducción de ganadería y agricultura con sistemas de

mecanización intensiva o sistemas de riego y drenaje, cuyos efectos en el corto plazo,

sobre la erosión podrían estar asociados a la fragilidad de estos ecosistemas (IGAC, 1999;

Etter, 2005), sin embargo, faltan indicios que dimensionen esta problemática. Además,

tampoco se conoce el efecto que el cambio en el uso de la tierra ha introducido en la

dinámica del COS.

El piedemonte, paisaje de interés de este estudio, cuenta con una extensión de 22.561

km2. Se encuentra en la base de la cordillera oriental a una altura entre 200 y 700 msnm,

formando franjas estrechas y paralelas en los departamentos de Arauca, Casanare y Meta

(IGAC, 1999). Los materiales parentales, arcillas y conglomerados resultan del efecto

denudativo de la cordillera Oriental, que a partir de un proceso de sedimentación, forman

relieves de colinas, lomas, abanicos y terrazas (IGAC, 1999). Las terrazas, se encuentran

en la base de los abanicos y las planicies aluviales, las cuales fueron originadas por dos

procesos tectonismo y descenso del nivel de erosión regional (IGAC, 1999; Instituto

Colombiano de Geología y Minería - INGEOMINAS, 2004).

En las posiciones de vega y terrazas, se sitúan los suelos de mayor fertilidad, aunque sus

características están asociadas a pH aproximados de 5.5, medianos contenidos de materia

orgánica, baja saturación de aluminio, baja disponibilidad de fósforo, así como también

mediana a baja disponibilidad de calcio, magnesio y potasio. Son suelos moderadamente

profundos, de color pardo oscuro, sobre pardo amarillento, de texturas medias a

moderadamente gruesas y de drenaje rápido (IGAC, 1999). El 90% de la fracción arena es

cuarzo, más del 50% de la fracción arcilla es caolinita con óxidos amorfos de hierro y

aluminio entre 5 y 15%. En estos suelos se presenta erosión superficial ligera por

escurrimiento difuso y erosión severa a moderada, debido a la pendiente fuerte de los

taludes (IGAC, 1999).

Lo anteriormente mencionado, hace que el piedemonte represente un área promisoria

para la implementación de diferentes sistemas de producción agrícola, sin embargo el

desconocimiento de la dinámica de las funciones ecosistemicas en este paisaje,

imposibilitan determinar cómo estas actividades puedan afectar la calidad de los suelos y

especialmente, la relación suelo-planta-atmósfera en el contexto de cambio climático. De

esta manera, es imperante la necesidad de evaluar y decidir las técnicas adecuadas para

Introducción 3

medir, predecir y representar los valores de stock de carbono en el suelo; de forma que

pueda utilizarse como indicador para monitorear los efectos que ejercen los sistemas de

producción agrícola (transitorios, pasto mulato, pasto asociado a arachis, cítrico asociado

a arachis, caucho, palma, salpicón (plátano y mango) sobre la dinámica del carbón y sus

aportes al cambio climático.

La MO representa un atributo esencial para mantener la capacidad productiva de los

suelos, por ejemplo el rendimiento de los cultivos ha sido correlacionado con contenidos

de MO, (Russel, 1961; Manlay et al., 2007), y es considerada como uno de los principales

indicadores de la calidad del suelo (Allison, 1973; Reeves, 1997; Díaz-Zorita et. al., 1999),

ya que influye sobre diferentes características físicas, químicas y biológicas

(Franzluebbers, 2002). El carbono es el principal componente de la materia orgánica (MO)

del suelo con contenidos medios de 58%, y puede ser efectivamente analizado en

laboratorio, descomponiendo la MO, mediante un proceso llamado Pirolisis (Cuevas,

2005).

Dentro de los diferentes métodos para determinar carbono y su stock en el suelo, se

encuentran las técnicas de walkley black (combustión húmeda), analizador elemental

(combustión seca), simulación mediante modelos como el CENTURY y predicciones

mediante Espectroscopia del infrarrojo Cercano (NIR por sus siglas en inglés). Todas

estas, son herramientas útiles y confiables, sin embargo, es necesario decidir cuál de

ellas es apropiada para los análisis de interés, según el tipo de suelo, el tipo de carbono

a analizar y el objetivo propuesto.

Las hipótesis planteadas para este estudio son las siguientes:

Es posible estimar los cambios temporales en el stock de carbono del suelo

mediante el uso de modelos dinámicos y sistemas de información geográfica (SIG)

El cambio en el stock de carbono del suelo puede estar influenciado por los tipos

de uso de la tierra

El stock de carbono orgánico del suelo puede ser usado como indicador de su

calidad para monitorear los efectos del cambio climático sobre sistemas agrícolas

del piedemonte llanero de Colombia

4 Introducción

Objetivo General

Determinar el stock de carbono del suelo, en ocho sistemas de uso agrícola del

piedemonte llanero. Área representativa, C.I. Corpoica La Libertad (Meta, Colombia), para

posibilitar el monitoreo de los efectos de los cambios de uso de la tierra en el contexto del

cambio climático.

Objetivos específicos

Determinar la influencia de diferentes sistemas agrícolas (transitorios, pasto

mulato, pasto asociado a arachis, cítrico asociado a arachis, caucho, palma,

salpicón (plátano), y mango), en el stock de carbono en el suelo.

Estimar los cambios del stock de carbono en el suelo, mediante una simulación

con el modelo CENTURY treinta y ocho años antes de 2011 y cuarenta y un años

después del mismo año.

Comparar la modelación del stock de carbono mediante la metodología NIR, con

los valores obtenidos en laboratorio.

1. Marco conceptual

El suelo cumple un papel fundamental en el ciclo biogeoquímico del carbono (C), como

principal reservorio de carbono orgánico (CO) en los ecosistemas terrestres (Nair & Nair,

2014). Almacena aproximadamente 2.344 Gt de C de las cuales 1500 Gt se encuentran

en el primer metro de profundidad con cerca de 615 Gt en los primeros 20 cm (Jobbágy &

Jackson, 2000; Stockmann et al., 2013). Sin embargo, los cambios en la cobertura vegetal

y en el manejo del suelo alteran el sistema edáfico y ocasionan cambios en su dinámica

de almacenamiento (Schrumpf et al., 2011). Ya que disminuye la entrada de materiales

orgánicos vegetales, en el caso de remoción de la cobertura vegetal, o por la remoción del

suelo por el uso de maquinaria. Estas actividades contribuyen en la merma del carbono

orgánico del suelo, haciendo que éste actúe como fuente de CO2 a la atmósfera, lo cual

repercute en cambios en la temperatura terrestre (FAO, 2007; FAO, 2015), y en que sea

necesaria la aplicación de fertilizantes orgánicos e inorgánicos (Gómez et al., 1999; Calle

& Murgueito, 2012; Croft et al., 2012). Cuando se trata de sistemas de ganadería, se

producen cambios en la estructura del suelo debido al sobrepastoreo, generándose

también compactación, disminución en la estabilidad de los agregados del suelo, reducción

en la porosidad total del suelo y por ende, en la aireación y capacidad de infiltración. En

resumen las actividades sobre la cobertura y el manejo del suelo afectan la estabilidad de

los ecosistemas agrícolas, el almacenamiento y regulación del agua, la función de

sumidero de C y la capacidad productiva del suelo (Calle & Murgueito, 2012; Fromin, et.al.,

2012; Croft et al., 2012).

En suelos tropicales empleados para labores agropecuarias, la pérdida de COS puede

oscilar entre 20 y 80 Mg ha-1 año-1, como consecuencia del cambio de cobertura vegetal

por la implementación de prácticas agrícolas, deforestación o por cambios de uso de la

tierra (Céspedes et al., 2012).

6 Stock de carbono del suelo a escala local, en ocho sistemas de uso agrícola del

piedemonte llanero

1.1 La función del suelo en el ciclo biogeoquímico del

carbono

En la geosfera existen diferentes reservorios de carbono. La variación en la cantidad del C

total de la tierra se debe a las pequeñas ganancias o pérdidas que resultan del choque de

los meteoritos y al escape de moléculas de bajo peso molecular hacia el espacio. Aunque

la cantidad de C no cambia, la forma y el comportamiento geoquímico en que se encuentra,

puede variar. (Macías & Camps, 2010).

A pesar de que el C es esencial para el desarrollo de la vida en la tierra, se encuentra en

menor proporción en la corteza terrestre, con valores medios de 3%, menos que el oxígeno

(O) (47%), el silicio (Si) (28%) o el aluminio (Al) (18%) (Hamblin & Christiansen, 1998).

Los procesos físicos, químicos y biológicos que ocurren en el suelo, son fundamentales en

el ciclo global de C ya que intervienen en la dinámica del intercambio suelo-atmósfera a

través de la producción y mineralización de CO (Wiaux et al., 2014). Las variaciones en la

concentración total de CO durante dicho intercambio, se diferencian de manera importante

entre cada uno de los reservorios (Figura 1-1 y Tabla 1-1), encontrándose mayor cantidad

en el suelo 1.200 Gt, el cual tiene incremento anual aproximado de 0.1 Gt, y se liberan 0.4

Gt como gas a la atmósfera y 58 Gt mediante descomposición. Para el caso de la

vegetación, concentra cerca de 550 Gt con incremento anual cercano a 0.7 Gt, del cual se

emiten aproximadamente 1.6 Gt a la atmósfera debido al cambio en el uso de la tierra y 59

Gt por respiración.

Tabla 1-1. Estimación de la capacidad de los diferentes reservorios de C terrestre en Gt C.

Reservorio C inorgánico C orgánico C Total

Atmósfera 760 760

Biósfera 560 560

Edafosfera 1.700 1.500 3.200

Hidrosfera 38.000 1.000 39.000

Litosfera 48.000.000 17.000.000 65.000.000

Fuente: Tomado de Lal y colaboradores (2001)

Capítulo 1. Marco Conceptual 7

La dinámica de cambio en todas las concentraciones mencionadas, puede ser utilizada

para evaluar los efectos de los cambios en el uso de la tierra sobre la calidad del suelo a

largo plazo (Nair & Nair, 2014).

Figura 1-1. Compartimentos y flujos bioquímicos del carbono.

Fuente: Modificado de Houghton (2007).

1.2 Dinámica del carbono orgánico en los suelos

La dinámica del carbono en el suelo (Figuras 1-2) está relacionada con la evolución de la

MO y es condicionada por la vegetación (ingreso de residuos, composición de las plantas),

por el clima (temperatura y humedad) y las propiedades del suelo (textura, contenido y

mineralogía de la arcilla y acidez) (FAO, 2001). Además, el depósito de materia orgánica,


piedemonte llanero

la mineralización de la misma y las condiciones climáticas bajo las cuales ocurren estos

procesos, son considerados fundamentales en la dinámica del C (Figuras 1-3 y 1-4), a

través del almacenamiento (secuestro de C) de material húmico protegido por las

partículas finas del suelo (arcilla) y el retorno del C inestable a la atmósfera (emisión de

CO2) (Kern & Johnson, 1993; FAO, 2002; Reicosky, 2002; Martínez et.al., 2008; Shan et.

al., 2014 y Lal, 2014).

Figura 1-2. Esquema simplificado de la transformación de la materia orgánica en el suelo.

Fuente: Losada, 2013

Las condiciones aeróbicas del suelo juegan un papel importante en la dinámica del C, ya

que allí, la mayor parte del carbono que entra es inestable y solo una pequeña fracción,

aproximadamente el 1% (55 Pg año-1) se acumula de forma permanente, como fracción

húmica (0.4 Pg año-1) (FAO, 2001). En contraste, condiciones anaeróbicas limitan la

degradación de la materia orgánica del suelo, favoreciendo el almacenamiento de carbono

(Shan et. al., 2014). Adicionalmente, la cantidad de oxigeno determina el intercambio de

CO2 desde el suelo a la atmósfera (Fassbender & Bornemisza, 1994).


Figura 1-3. Tipos de humus según la condición o el régimen hídrico.

Fuente: Fassbender, (1994)

Figura 1-4. Modelo de la dinámica del carbono en el suelo con tiempos de residencia.

Fuente: FAO, 2001.

Fracción orgánica (menos estable)

Humus

(fracción más estable)

Humificación (Ácidos húmicos)

Humus bruto (Distrofia)

Moder (Oligotrofia)

Mull (Eutrotrofia)

Transformación puede durar Entre 10 – 20 años

Estado intermedio

Transformación rápida si la temperatura es alta y las condiciones edafológicas son optimas


piedemonte llanero

El intercambio de CO2 entre el suelo y la atmósfera depende también de la textura del

suelo. Así, en suelos con textura fina, el CO2 se acumula con la profundidad, mientras que

en texturas gruesas, la concentración de este gas es menor (Fassbender & Bornemisza,

1994). En condiciones anaeróbicas, la concentración del CO2 aumenta y la de O2 se

reduce, mientras que en ambientes aeróbicos, el volumen de CO2 (producido) tiende a ser

igual al volumen de O2 (gastado), siendo asimilado del 20 al 40% de C presente en el

substrato del suelo (Tabla 1-2). La humedad también, juega un papel importante en este

hecho, ya que altos niveles de humedad interfieren en el movimiento del aire, reduciendo

así la tasa de transformación de la MO y el abastecimiento de oxígeno.

Tabla 1-2 Rutas de descomposición de materiales orgánicos en el suelo en función del potencial

de reducción.

Ruta/Condición Principales transformaciones y resultados

Respiración aeróbia (Reducción de O2 y Eh ≥ 300 mV

La descomposición genera gran cantidad de energía, CO2 y biomasa microbiana

Respiración anaerobia facultativa (Eh entre 100 y 300 mV, reducción de NO3

- ,y con Eh entre -100 y 100 mV se da la reducción de Fe y Mn)

La descomposición produce aminoácidos, carbohidratos y ácidos grasos de cadena larga, los cuales son usados para producción de biomasa. Produce NH4

+ que sufre nitrificación en la zona con Eh entre 100 y 300 mV y causan la reducción de desasimilación de NO3

- para NH4+, N2O y N2. En la zona

con Eh entre -100 y 100 mV, ocurre una reducción del Fe2O3 para Fe+2 y del MnO2 para Mn+2. Hay producción de CO2 en la reducción de los metales, que es inhibido en la presencia de O2

Respiración anaerobia (Eh=-200 a -100 mV ocurre la reducción del SO4

2- y ≤ -200 mV la formación del metano)

La descomposición produce las mismas sustancias, como en la respiración anaerobia facultativa, las cuales causan la reducción de SO4

2- o sufren fermentación ácida, produciendo ácidos grasos de cadena corta CO2 y H2 que puede ser oxidado en la zona aerobia, así como el H2S produciendo CO2 y SO4

2-. Si el CH4 alcanza la zona oxidada (Eh ≤ 300 mV), este es oxidado a CO2. El H2S producido se convierte en FeS en la presencia de Fe.

Fuente: Moreira & Siqueira (2002).


El suelo tiene diferentes reservorios de C con variados tiempos medios de residencia (de

uno a pocos años), dependiendo de la composición bioquímica (ej. La lignina es más

estable que la celulosa, desde décadas a más de 1000 años -fracción estable-) y de la

composición o el tipo de uniones químicas (Breemen & Buurman, 2002; FAO, 2002; Macías

et al,. 2010). Acorde con la Figura 1-5, para la fracción de C estable hay una diferencia

entre la protección física, la química y la captura. La protección física es un encapsulado

de los fragmentos de la materia orgánica por las partículas de arcilla o por los macro o

microagregados del suelo (Puget et al., 1995 y; Balesdent et al., 2002); en tanto la

protección química hace referencia a las uniones especiales de la materia orgánica con

otros constituyentes del suelo (coloides o arcillas) relacionados específicamente a

compuestos orgánicos del suelo muy estables. Finalmente, la captura tal como se usa en

el Protocolo de Kyoto, no toma en consideración esas distinciones y es equivalente al

término almacenamiento de cualquier forma de carbono

Figura 1-5. Materia orgánica en la matriz del suelo. ePOM: partículas externas de materia

orgánica; iPOM: partículas internas de materia orgánica.

Fuente: FAO, 2002

Existen numerosos mecanismos por los cuales el COS se estabiliza en los suelos (Six et

al., 2002; Macías et al., 2010). Estos, generalmente son agrupados en: a) conservación

selectiva de compuestos recalcitrantes, b) falta de acceso para los organismos

descomponedores y c) interacciones entre la materia orgánica, los minerales y los iones

metálicos (Macías et. al., 2010).


piedemonte llanero

La recalcitrancia y estabilización química del COS se debe a la propia composición química

de las moléculas orgánicas y a las interacciones entre los grupos funcionales de COS y de

los arcillo-minerales (Jenkinson & Rayner, 1977; Fisher et. al., 1998; Krull et al., 2003;

Tornquist, 2007; Castro & Vera, 2014; Lal, 2014). Macías y colaboradores (2010),

sostienen que en un único perfil del suelo, e incluso dentro de un mismo horizonte, pueden

producirse varios mecanismos de estabilización, como consecuencia, se encuentran en

ellos cadenas de formas de carbono orgánico de diferente labilidad y, en un continuo que

va desde fácilmente mineralizable a las formas recalcitrantes (Figura 1-6). Sin embargo, el

potencial de un suelo determinado para estabilizar la materia orgánica en el sitio y

horizonte específicos, generalmente está asociado a la relación entre el C activo y los

metales reactivos, favoreciendo así la floculación y la estabilización (Macías et al., 1988;

Macías & Camps, 2010).

Figura 1-6. Humus estabilizado por fuerzas débiles (interacciones hidrofóbicas y enlaces de H)

procesos de adsorción. Tomado de Macías y colaboradores (2010).


Adicionalmente, acorde con Kögel-al Knabner y colaboradores (2008), en las superficies

funcionales de los minerales es posible tener diferentes tipos de unión con la materia

orgánica del suelo, como se describe a continuación.

1) En las superficies con un solo grupo coordinado OH (óxidos de Fe y Al, alófano,

imogolita). Este mecanismo es especialmente importante en los niveles de pH donde las

superficies están cargadas positivamente, como generalmente se presenta en Ferralsoles

y Nitisoles y cuando el grado de cristalinidad es baja, por ejemplo, Andosoles.

2) En las caras de los agregados que incluyen cargas de extensión siloxano

(vermiculita, esmectita). Este mecanismo es particularmente importante en vertisoles,

donde las arcillas montmorillonitas son abundantes.

3) Áreas sin cargas siloxano, como por ejemplo en arcillas caolinita, típicas de suelos

altamente degradados, tales como Acrisoles y Ferralsoles.

4) Además, (Duxbury et. al., 1989; Costa et. al., 2011), afirman que en Oxisoles, donde

existe una protección física y estructural coloidal las características texturales favorecen la

alta adsorción de compuestos orgánicos en la superficie, específicamente de las partículas

de arcilla (Trujillo, 2000; Zinn et al., 2007; Costa et al., 2011; dos Santos et al., 2014).

En oxisoles, el carbono de sustancias húmicas y el carbono orgánico asociados a los

minerales, pueden tener una mayor proporción del carbono orgánico total (COT), como lo

demostraron Santos y colaboradores (2014), en su estudio en los cerrados de Brasil. Esto

demuestra la fuerte interacción de la materia orgánica con los óxidos de Fe y Al y con la

caolinita. También, en oxisoles de Colombia Cortes y colaboradores (2007) encontraron

que la fracción humina-arcilla presenta mayor grado de humificación y que esta se

incrementa con la profundidad. Estos aspectos determinan que a mayor profundidad,

mayor tiempo de residencia (Breemen & Buurman, 2002; FAO, 2002; Cortés, et. al., 2007;

Macías et. al., 2010, Lal, 2014).

Éstos últimos tienen potencial para sostener pastos introducidos solos o en asocio con

cultivos, los cuales acumulan grandes cantidades de C a través de la profundidad del perfil

del suelo (Fisher et.al., 1998; Trujillo, 2000; Castro & Vera, 2014; Ortiz, 2015),

contradiciendo así la asunción de que los suelos tropicales tienen contenidos bajos de

materia orgánica, en especial los oxisoles (Sánchez, 1981). Según Jenny y colaboradores


piedemonte llanero

(1948) la relación inversa entre el contenido de materia orgánica y la temperatura media

anual en suelos de los Estados Unidos expuesta por la misma autora en los años cuarenta

y cincuenta, fueron refutadas al incluir en sus estudios, suelos de Costa Rica y de

Colombia.

Acorde con Lal (2014), los oxisoles son muy estables debido a que los óxidos de hierro y

aluminio estabilizan los microagregados (Figura 1-7). A su vez, la proporción de

macroagregados en suelos con pastos fertilizados aumenta, al ser mayor la estabilidad de

los agregados, la cual es reforzada por los sistemas de raíces profundas y abundantes

(Trujillo, 2000).

Figura 1-7. Formación de microagregados del suelo (<250 µm) y estabilización de la materia

Fuente: Lal, 2014

1.2.1 Manejo del carbono en suelos de áreas tropicales Existen aproximadamente 3,4 billones de hectáreas de bosques en el mundo, de las cuales

2000 millones de hectáreas corresponden a bosques tropicales. De esta área

aproximadamente el 13% ubicada en América del Sur, el 19 % en África y el 27 % en Asia,

ha sido deforestada a causa del cambio del uso de la tierra; transformándose de coberturas

naturales a cultivos o pasturas, con actividades como tala de madera para leña y para

construcción, que contribuyen con emisiones de C hacia la atmósfera en forma de CO2 y

CH4 (FAO, 2002; Kanninen, 2003). En tanto, las tierras de pastoreo suman alrededor de

3000 millones de ha, y se estima que entre el 14 y 31 % del total están degradadas (FAO,


2002). No obstante, se pronostica que cerca de 900 millones de hectáreas de terrenos

naturales corren el riesgo de degradarse para 2050, debido a la intensificación del uso de

los suelos que busca responder a la creciente demanda de alimentos (PNUMA, 2014). De

esta manera, puede esperarse que se encuentren cada vez menos cantidades de COS,

ya que la materia orgánica presente en él, será cada vez menor por causa de la

degradación.

El área de bosques en Colombia para el 2004, era aproximadamente 55 millones de

hectáreas, ocupando el séptimo lugar en el mundo. Sin embargo, hay evidencias que la

cobertura boscosa ha disminuido de manera importante a través de los años. En algunos

casos reemplazada por usos pecuarios, con alrededor de 10.000 ha/año de pérdidas de

bosque (IDEAM, 2008). Acorde con Etter (2010), el país estaba constituido originalmente

por un 80% de bosques, 18% de sabanas y otras formaciones abiertas y 2% de páramos.

Con cambios en el uso de la tierra, para conformar en el año en referencia el 52% de

bosques, 12.5% de sabanas y el 1.1% de páramos, y 34% en tierras agrícolas y ganaderas.

Datos más recientes muestran aumentos del 4,9 millones de hectáreas en usos agrícolas,

con el (60%) de cultivos permanentes, 33% de cultivos transitorios y 7% de forestales

(PNUD, 2011; Perfetti, 2013).

Se considera que las prácticas mencionadas promueven la degradación de las tierras, la

disminución de los rendimientos de los cultivos y, la disminución del stock de carbono en

los ecosistemas (Davidson et al., 2012; FAO, 2014; Grimaldi et al., 2014). A escala

regional, en la Amazonía se evidencia un proceso de transición hacia la degradación,

debido a las actividades de deforestación y quema, en prácticas agrícolas (Davidson et al.,

2012).

1.2.2 El carbono como indicador de calidad del suelo, en el

contexto de cambio climático La acumulación de COS es controlada por una serie de factores naturales y

antropogénicos entre los que sobresalen el clima, el uso de la tierra, la topografía, el

material parental y las propiedades intrínsecas del suelo (Poeplau & Don, 2013; Wang et

al., 2013). Por lo tanto comprender su relación con estos factores es primordial para

cuantificar los contenidos actuales de COS e identificar el papel potencial del suelo como

sumidero o fuente de C (Lantz, 2001; Lal, 2004) y su relación con concentración de CO2

en la atmósfera (Poeplau & Don, 2013).


piedemonte llanero

El COS afecta positivamente las características físicas del suelo, favorece la agregación

de las partículas, permitiendo una adecuada distribución de poros y la consecuente

capacidad de retener agua y disponerla para las plantas o regular su tasa de infiltración,

contribuyendo así en la reducción de la escorrentía y la susceptibilidad de los

agroecosistemas a la sequía (Lal, 2012; Lal, 2014).

Según Salvo y colaboradores (2010), el COS es uno de los principales indicadores de

calidad del suelo, ya que sus tamaños de fracción son susceptibles al cambio (más

fraccionamiento), por diferentes usos e intensidades de manejo del suelo. Diversos autores

sostienen que la labranza convencional promueve la degradación química, física y

biológica de las propiedades del suelo, disminuyendo su calidad (Tornquist, 2007; Ernst et

al., 2009; Salvo et al., 2010; Khawmee et al., 2013). Tal es el caso en suelos con sistema

de rotación de cultivos-pastura en Colonia-Uruguay. Allí, se encontraron pérdidas de 80 kg

ha-1 año-1 de COS en el horizonte Ap, mientras que en suelos con sistemas de cultivo

continuo, las pérdidas de COS fueron de 540 kg ha-1 año-1 (Salvo et al., 2010). Sin

embargo, la estimación de stock de COS es variable aún en los sistemas de conservación,

debido a que en la dinámica del COS están involucrados además, aspectos como la

mineralogía, las condiciones climáticas, las entradas de residuos y de nitrógeno (Macías

et al., 2010; Salvo et al., 2010). Con la disminución de materia orgánica, se pierde COS, el

cual retorna a la atmósfera como C inestable, lo cual se conoce como emisiones de CO2

(Kern & Johnson, 1993; FAO, 2002; Reicosky, 2002; Martínez, et. al., 2008; Shan et. al.,

2014; Lal, 2014; Dorronsoro, 2014).

Según Lorenz & Lal, (2005), los cambios en el uso del suelo influyen de forma directa en

los procesos de mineralización, lixiviación y erosión, ocasionando pérdidas hasta de un

70% del COS. Contribuyendo de esta forma, con cerca del 20% de las emisiones globales

de CO2 (Panel Intergubernamental de Cambio Climático – IPCC, 2007). Aunque el CO2 con

un potencial de calentamiento global (PCG) menor que el CH4 y el N2O su dinámica dentro

del ciclo del carbono se ha identificado como una de las principales causas de los aportes

al calentamiento (Reddy & Hodges, 2000; FAO, 2007; IPCC, 2007; Ferreira, 2008). Este

fenómeno, puede derretir el “permafrost” (Lal, 2014) ocasionando la liberación de hasta

436 Pg C y 29 Pg N hacia la atmósfera, el agua y ecosistemas de latitudes altas para el

2100 (Harden et al., 2012). Además, puede provocar aumentos en la mineralización de la

materia orgánica, agotando el COS. Según Dorronsoro (2013), las pérdidas de COS más


intensas se llevan a cabo en climas con temperatura y humedad altas como en el trópico,

ocurriendo lo contrario en climas con temperatura y humedad bajas. En contraste, en zonas

con temperaturas bajas y escasa humedad, la mineralización es mayor. La tabla 1-3

muestra los valores de reserva de COS en cada uno de los ecosistemas mencionados, en

relación con su capacidad de almacenamiento, siendo más notorio el caso de desierto y

semi desierto, cuya reserva de COS de 35 a 42 Ton C/ha es la menor de todas.

Tabla 1-3. Estimaciones de las reservas de carbón orgánico en el suelo.

Ecosistemas COS Área

(109 ha) COS

(Pg C) %C Ton C/ha

Bosque

Tropical

3 121-123 1.76 213-216

Templado

2-4 96-147 1.04 100-153

Boreal

6-9 247-344 1.37 338-471

Sabanas tropicales y pasturas

3 110-117 2.25 247-264

Templado

Pastizales y matorrales

3-6 141-236 1.25 176-295

Tundra

3 121-127 0,95 115-121

Desierto y semidesierto

1 35-42 4.55 159-191

Tierras cultivadas

2-3 80-103 1.60 128-165

Humedales

643 0.35 225

Tomado de Dorronsoro (2013)

El potencial de captura de C por el suelo se presenta como la opción remediadora del

exceso de emisiones globales de GEI, y se incrementa cuando se ejecutan prácticas

agrícolas de conservación, que propician la formación de complejos órgano-minerales y de

agregados estables. De esta forma, disminuyen las emisiones de GEI y los posibles efectos

del cambio climático (Townsend et al., 1995; Metz et al., 2007; Smith, 2012; Lal, 2014). Por

esta razón, en los últimos años, científicos y políticos han centrado su atención en el

estudio del potencial de captura de C del suelo y su comportamiento espacio-temporal, con


piedemonte llanero

el fin de plantear el desarrollo de estrategias de adaptación, políticas de uso sostenible de

los recursos naturales y pago de servicios ambientales.

1.3 Métodos de laboratorio para determinación de carbono del suelo

Entre las técnicas analíticas existentes para la determinación del carbono, se encuentran

el método de combustión seca (Davies, 1974) y el método de Walkley-Black en el cual se

usa la combustión húmeda (La Manna et al., 2007; Burgos et al., 2012). El método de

pérdida por ignición o pirolisis, consiste en la determinación de la pérdida de peso de una

muestra de suelo, luego de exponerla a diferentes temperaturas. Dicho proceso se

desarrolla en ausencia de oxígeno, resultando en diferentes tipos de gases (gas de

síntesis), líquidos (alquitranes y aceites) char (residuo carbonoso). Las temperaturas

necesarias para llevar a cabo este proceso está entre 150 – 900 °C (Cuevas, 2005) (Tabla

1-4), sin embargo la temperatura específica para la determinación de C por ignición está

entre 430 y 600 °C, durante 24 horas (La Manna et al., 2007; Burgos et. al., 2012).

El método de Walkley-Black (combustión húmeda) se lleva a cabo mediante una oxidación

con dicromato de potasio en medio de ácido sulfúrico. El calor de la disolución del ácido

eleva la temperatura provocando la oxidación del CO. Posteriormente, el excedente de

dicromato se titula con una sal ferrosa, para la correspondiente cuantificación del CO (La

Manna et al., 2007; Burgos et al., 2012).

Adicionalmente, la técnica de analizadores elementales, es otro método útil para la

determinación de carbono total (CT) de forma directa y cuantitativa, sin causar problemas

de contaminación al incinerar completamente las muestras, produciendo gases como CO2,

H2O y N2, los cuales son cuantificados mediante cromatografía de gases (Álvarez, 1995;

Leco, 2009; Leco, 2015).


Tabla 1-4. Reacciones químicas resultantes, a diferentes temperaturas en la pirólisis.

Temperatura (° C) Reacción química

100-120 Deshidratación

250 Desoxigenación y desculturización: disociación molecular de agua y dióxido de carbono, se libera sulfuro de hidrógeno

340 Rotura de enlaces en compuestos alifáticos: se libera metano y otros compuestos alifáticos ligeros

380 Fase de carbonización: Concentración de carbón en los residuos

400 Rotura de enlaces C-O y C-N

400-600 Descomposición de los materiales bituminosos: generación de aceites y alquitranes. Carbonización de baja temperatura

600 Craking de los materiales bituminosos: generación de hidrocarburos gaseosos de cadena corta e hidrocarburos aromáticos (derivados del benceno)

>600 Dimerización de las olefinas (etileno) a α-butileno; reacción de etileno a ciclohexano; generación de compuestos aromáticos volátiles

550-800 Producción de metano e hidrocarburos superiores

>800 Producción de gas de bajo poder calorífico

Fuente: Cuevas, 2005

1.3.1 Espectroscopia VIS-NIR-MIR (Visible-Infrarrojo cercano-

Infrarrojo medio)

La espectroscopia NIR (Infrarrojo cercano) hace referencia a un método de análisis

químico cuantitativo cuando se usa para predecir contenidos de constituyentes químicos y

cualitativo, cuando es usado para identificar una propiedad o producto de acuerdo a su

firma espectral (Davrieux, 2014; Camacho et. al., 2014; Soilmontana, 2015; De Oliveira,

2015). Esta técnica fue usada inicialmente en el análisis de productos agrícolas, en los

cuales se observó que unos granos de cereal mostraron mayor absorción de energía

electromagnética en la región NIR. A partir de esto, fue sugerida para ser utilizada en la

medición de proteínas en granos, aceite y humedad, ya que en las mediciones con NIR,

influye la forma y el tamaño físico de las partículas de la muestra. Como se observa en la


piedemonte llanero

Figura 1-8, la transmisión y reflectancia de la luz es afectada por el tamaño de la muestra

y la energía no reflejada no está directamente relacionada con la absorbancia (Stenberg

et al., 2010).

Figura 1-8. Ilustración de reflectancia difusa.

Fuente: Stenberg y colaboradores (2010).

La luz monocromática producida por un equipo NIR puede interactuar con la muestra de

diferentes formas, haciendo reflexión, refracción, absorción y difracción (Sapienza et al.,

2008). Para el caso de los suelos, la energía electromagnética es transmitida a sus

componentes, resultando en respuestas espectrales (reflectividad-absorbancia) de cada

uno de los atributos propios (químicos, físicos, mineralógicos y biológicos) del suelo que

tienen la capacidad de reflejar la energía en diferentes longitudes de onda (Figuras 1-9 y

1-10) del espectro electromagnético (Viscarra et al., 2006; Sapienza et al., 2008; Stenberg,

2010; Camacho, 2013; Camacho et. al., 2014; Duran, 2015; De Oliveira, 2015).


Figura 1-9. Regiones del espectro electromagnético que han sido abordadas en el estudio de

propiedades del suelo.

Fuente: Camacho, 2013.

Figura 1-10. Respuesta espectral –absorbancia- de una muestra.

Fuente: Sapienza y colaboradores (2008)

El NIR se ha utilizado en la predicción precisa y con bajo esfuerzo analítico de las

concentraciones totales y la variación espacial de nitrógeno y de carbono, entre otros

elementos del suelo (Camacho et. al., 2014; Duran, 2015; Guerrero, 2015; Soilmontana,

2015). Esta técnica además, es más rápida, oportuna y menos costosa (Viscarra et al.,

2006; Camacho et. al., 2014; Soilmontana, 2015) y pueden obtenerse valores de CO del


piedemonte llanero

suelo confiables. Viscarrra y colaboradores (2006) demostraron que existe buena

correlación entre CO y las bandas de rangos 410, 570 y 660 del VIS.

1.4 Modelación de la materia orgánica

Según FAO (2015), la contribución de gases efecto invernadero (GEI) antropogénicos,

provenientes de aportes de la agricultura, la silvicultura y el uso de la tierra es alrededor

de 20-30 % del total. Además, estos usos del suelo, también aportan en la deforestación y

la pérdida de grandes cantidades de carbono contenidos en las turberas.

Los cambios en el stock de carbono se presentan de manera diferente, según sea el tipo

de uso del suelo; por ejemplo, se espera que en suelos de bosque, la distribución de

carbono en profundidad sea menor que la de suelos con matorrales o con pasturas. Así,

el stock de C en los suelos de bosque es sensible al cambio de diferentes factores, entre

los que se encuentra el clima (Palosuo, 2008). Por lo anterior, definir el papel de los suelos

en el balance del carbono terrestre, en el contexto de calentamiento atmosférico, es una

de las aplicaciones de la ciencia del suelo más importantes en la actualidad (Palosuo,

2008; Kutsch y colaboradores, 2009), ya que el carbono almacenado en los suelos,

corresponde al mayor reservorio, adquiriendo de esta forma gran potencial para secuestrar

o liberar carbono a la atmósfera.

Los cambios en las reservas de carbono orgánico del suelo, son pequeñas, si se comparan

con el stock de carbono total en el suelo, haciendo difícil que pueda determinarse cualquier

cambio en las reservas de carbono por inventarios de datos repetidos (Kutsch y

colaboradores, 2009). Así, la disminución de las reservas de carbono del suelo debido a

diferentes formas de extracción se debe tomar en cuenta en el cálculo de los efectos netos

de su consumo de energía, lo cual requiere un método para evaluar la dinámica de

descomposición (Izurralde et al., 1996; FAO, 2004; Lopes, 2006; Palosuo, 2008; Rubio et

al., 2014).

Las mediciones basadas en flujo de carbono, también sirven para detectar los cambios en

el stock de carbono completo, pero la partición de los flujos en la vegetación y en los suelos

requieren medidas adicionales o modelamiento, aún más, al momento de extrapolar los

resultados de pocas mediciones (Baldocchi, 2003; Palosuo, 2008). Estas dificultades han

permitido el desarrollo de diferentes modelos dinámicos que permiten estimar el stock de

carbono y sus cambios (Palosuo, 2008), son modelos típicamente multi-reservorio, donde


la actividad microbiana es expresada en las tasas de descomposición de los reservorios

del mismo modelo (McGill, 1996).

Estos modelos representan una herramienta útil que permite pronosticar el impacto positivo

o negativo de las prácticas de manejo en la dinámica del COS (Izurralde et al., 1996; FAO,

2004; Lopes, 2006; Rubio et al., 2014). Los autores Coleman & Jenkinson (1995), Izurralde

y colaboradores (1996); Powlson y colaboradores (1996); FAO (2004); reportan que de

evaluaciones realizadas a los modelos de simulación de materia orgánica RothC, Century,

CYY, DNDC, DAISY, NCSOIL, SOMM, ITE y Verberne, no presentaron diferencias

significativas con respecto a la precisión, sin embargo, a partir de una evaluación más

detallada hecha a los modelos Century, RothC, SÓCRATES, EPIC y DNDC, se estableció

que Century puede predecir a largo plazo tendencias razonablemente buenas, con más

opciones de manejo (Izurralde et. al., 1996; FAO, 2004). Palosuo (2008), sostiene que uno

de los mejores modelos para simular la dinámica de descomposición es el CENTURY, ya

que permite describir el carbono del suelo como un sistema multi-reservorio (Parton et.al.,

1987).

Según Metherell, et.al., (1993), CENTURY se ejecuta utilizando pasos de tiempo

mensuales y las principales variables de entrada del modelo incluyen (Tabla 1-5):

1) la temperatura media mensual y la temperatura máxima y mínima del aire,

2) la precipitación mensual,

3) el contenido de lignina de material vegetal,

4) el contenido de N, P, y S

5) la textura del suelo,

6) las entradas de N atmosférico y del suelo

7) los niveles iniciales de C, N, P y S en el suelo.

Las variables de entrada están disponibles para la mayoría de los ecosistemas naturales

y agrícolas o se pueden estimar a partir de la literatura existente. La mayoría de los

parámetros que controlan el flujo de C en el sistema se encuentran en el archivo fix.100.

Se puede optar por ejecutar el modelo considerando sólo la dinámica de C y N (NELEM =

1) o C, N y P (NELEM = 2) o C, N, P y S (NELEM = 3) (Metherell, et.al., 1993).


piedemonte llanero

Tabla 1-5. Unidades de parámetros principals en CENTURY. Tomado de Metherell, A.K. (1993).

Unidades de los parámetros principales en CENTURY

Paso del tiempo un mes (1/12 año o 0.083333 año)

Tiempo mínimo año

Materia orgánica del suelo gramos de C, N, P o S por m2

Material vegetal gramos de C, N, P o S por m2

Reservorios minerales gramos de N, P o S por m2

Temperatura grados centígrados

Precipitación Centímetros por mes

Fuente: Metherell, (1993).

El ambiente CENTURY, fue generado bajo lenguaje de programación FORTRAM. Para

introducir la información inicial al modelo, deben ser preparados 12 archivos que

contendrán todos los datos del sitio de interés, los cuales permiten la simulación de la MO

a partir de diferentes escenarios. Los archivos (Tabla 1-6) se denominan así; site.100,

crop.100, cult.100, fert.100, fire.100, fix.100, graz.100, harv.100, irri.100, omad.100,

tree.100, trem.100, y archivos con el histórico de uso y manejo (extensión sch), con la

programación de uso y manejo (extensión evt) y datos de precipitación y temperatura

(extensión wth). Además, cuenta con el módulo FILE100, es posible crear o modificar

cualquiera de los 12 archivos mencionados y el módulo EVENT100, con el cual se crean

los archivos con extensión sch y evt (Figura 1-11).

Figura 1-11. Relación entre los programas y estructuras de los archivos en el modelo CENTURY

Tomado de: Metherell, A.K. (1993)

Programación de cultivos

y eventos

Modelo de Materia

Orgánica del Suelo

Gráficos y listas

Administrador de archivos


Tabla 1-6. Archivos de parámetros que definen las condiciones para simulación con el modelo

CENTURY.

No. Archivo Tipo de parámetro

1 crop.100 Parámetros para los tipos de producción agrícola

2 cult.100 Parámetros para una opción del tipo de prácticas culturales

3 fert.100 Parámetros para un esquema de fertilización

4 fire.100 Opciones para un esquema de uso del fuego en el cultivo

5 fix.100 Parámetros que durante la simulación permanecen fijos

6 graz.100 Parámetros para algún esquema de producción de gramíneas para pastoreo

7 harv.100 Esquema de cosecha en el cultivo

8 irri.100 Parámetros para el programa de riego en el cultivo

9 omad.100 Parámetros para el programa de aporte de materia orgánica al suelo

10 tree.100 Parámetros para el esquema de establecimiento de especies forestales

11 trem.100 Programa de aclareos, entresacas y cortas del arreglo productivo

12 lib1.100 Parámetros del sitio específico.

13 lib1.sch lib1.evt

Itinerario de acciones para la simulación. Mediante EVENT100, se especifican prácticas y tiempos de duración

14 lib1.wth Archivos opcionales con información histórica del clima del sitio, tomada de la estación meteorológica de La Libertad

Fuente: Rueda, J. (2011)

1.4.1 Simulación de Materia Orgánica en el modelo CENTURY. El modelo Century fue creado para simular la dinámica de nutrientes en pasturas de la

planicie central de Estados Unidos. Es uno de los más usados a nivel mundial para simular

la dinámica de la Materia Orgánica (MO). Según Lopes, (2006), mediante el Century es

posible simular la MO en ecosistemas con características diferentes, entre los que están;

pastos nativos, bosques, sabanas y cultivos agrícolas. Así, este modelo por ejemplo, fue

utilizado para evaluar la dinámica del COS en una microcuenca rural de Rio Grande do Sul

en Brasil, donde se cultiva tabaco desde los años 60; obteniendo resultados similares a las

mediciones de campo.

Acorde con FAO (2004), el modelo Century presenta una amplia accesibilidad, facilidad de

uso y complejidad, además de ser el más completo. Aunque, originalmente se desarrolló y

probó en condiciones de zona templada, es permanentemente actualizado de modo que

permite analizar una amplia gama de ecosistemas, incluyendo condiciones tropicales y

subtropicales. El modelo está bien documentado y existen abundantes publicaciones de

sus aplicaciones, como es el caso de FAO (2004) en Cuba y Méjico, Corbeels y


piedemonte llanero

colaboradores (2006) en Brasil, Stolpe y colaboradores (2008) en Chile, y Tornquist y

colaboradores (2009) en Brasil. En Colombia, Rueda (2011), estimó la producción

biológica en bosques de los Andes colombianos para calificar la aptitud del modelo en la

predicción de la dinámica del carbono. Piñeiro (2006), mostró que el modelo además de la

capacidad para estimar las existencias de carbono, también puede evaluar hipótesis

relacionadas al comportamiento del C en diferentes escenarios de uso de la tierra como

pasturas, cultivos, bosques y sabanas y para evaluación e diferentes servicios

ambientales.

El modelo, como muestra la Figura 1-12, considera inicialmente, la información climática

del sitio de interés, como humedad, temperatura y nutrientes presentes en el suelo.

Además, considera la producción primaria neta (NPP) según el tipo de vegetación

presente, el c vivo, el c de material muerto relacionado con las actividades de labranza y

cosecha, el c estructural, metabólico y microbial en la superficie del suelo y en profundidad,

las emisiones de CO2, y tres fracciones de MO identificadas como c activo, c lento y c

pasivo, relacionadas con la textura del suelo (Parton et. al., 1987).

Para sistemas de pastizales / cultivos y forestales, el modelo CENTURY contempla

diferentes submodelos de producción de plantas, a un submodelo común de materia

orgánica del suelo. En tanto que, el modelo de sabana utiliza los subsistemas de pastizales

/ cultivos y forestales y permite que los dos subsistemas interactúen a través de efectos de

sombreado y de la competencia del nitrógeno. El submodelo de materia orgánica del suelo

simula el flujo de C, N, P y S a través de los residuos vegetales y los diferentes reservorios

inorgánicos y orgánicos en el suelo (Metherell, et.al., 1993).


Figura 1-12. Reservorios y flujos de carbón en el modelo CENTURY. El diagrama muestra los

principales factores que controlan los flujos.

Acorde con la Figura 1-13, el modelo de producción vegetal contempla reservorios para

brotes, raíces vivas y material muerto. El potencial de producción máximo de cultivo, no

limitado por la temperatura, humedad o estrés por nutrientes, es determinado

principalmente por el nivel de radiación fotosintética activa, la tasa máxima de asimilación

neta de la fotosíntesis, la eficiencia de conversión de carbohidratos dentro de los

componentes de las plantas y la tasa de respiración de mantenimiento (Van Heemst,

1986). Así, el parámetro para la producción potencial máxima, contempla ambos

componentes, genético y ambiental (Metherell, et.al., 1993).


piedemonte llanero

Figura 1-13. Modelo de producción vegetal en CENTURY.

Tomado de: Metherell et. al, (1993)

Sin embargo, la distribución estacional de la producción en CENTURY, es controlada en

función de la respuesta de la temperatura, en lugar de la variación estacional de la

radiación fotosintética activa, de esta manera, el parámetro de producción potencial

máximo puede reflejar la producción vegetal sobre el suelo en condiciones óptimas de

verano. Este parámetro frecuentemente es usado para calibrar la producción de cultivos

predichos para diferentes ambientes, especies y variedades Metherell, et.al., (1993).

En CENTURY, la formulación del potencial de producción es basada en la producción

sobre el suelo, sin embargo, considera además, la distribución de raíces y ramas. El valor

usado se debe establecer de acuerdo a estimaciones de la producción potencial de

cultivos. En el caso de plantas C4, tienen mayor tasa potencial de crecimiento que las

plantas C3 debido a su mayor tasa de asimilación neta (van Heemst, 1986).

El crecimiento de la mayoría de las plantas muestra una curva de respuesta a la

temperatura del suelo de tipo sigmoidea, con un valor máximo de productividad relativa


ubicado en la sima de la curva que corresponde con una temperatura óptima (Figura 1-

14). La tasa de crecimiento de las plantas dependerá de la respuesta a la temperatura,

combinada con la fotosíntesis y la respiración.

Figura 1-14. Impacto de la temperatura del suelo sobre el crecimiento potencial de diferentes

comunidades de plantas C3 y C4.

Tomado de: Metherell et. al., (1993)

Especies de la zona templada, presentan la menor tasa de productividad, entre los 0 ° y 5

°C de temperatura límite inferior del suelo. Desarrollan incrementos hasta un máximo de

productividad a temperaturas entre 20° y 25°, y luego decrece, a temperaturas de límite

superior entre 30° y 35°C. Para las especies tropicales, el óptimo de productividad

corresponde a una temperatura de 10°C (Figura 1-15). En CENTURY, la curva de

temperatura para cada cultivo es parametrizada mediante la función de densidad

generalizada de Poisson.

Figura 1-15. Impacto de la temperatura del suelo sobre el crecimiento vegetal potencial de

diferentes cultivos

Tomado de: Metherell et. al, (1993)

Temperatura del suelo (°C)

Temperatura del suelo (°C)


piedemonte llanero

Por otro lado, las condiciones de humedad reducen el crecimiento cuando se da la

siguiente situación:

𝐸𝑙 𝑎𝑔𝑢𝑎 𝑒𝑛 𝑒𝑙 𝑠𝑢𝑒𝑙𝑜 𝑒𝑛 𝑙𝑎 𝑧𝑜𝑛𝑎 𝑑𝑒 𝑟𝑎í𝑐𝑒𝑠+𝑃𝑟𝑒𝑐𝑖𝑝𝑖𝑡𝑎𝑐𝑖ó𝑛+𝑅𝑖𝑒𝑔𝑜

𝐸𝑙 𝑝𝑜𝑡𝑒𝑛𝑐𝑖𝑎𝑙 𝑑𝑒 𝐸𝑣𝑎𝑝𝑜𝑟𝑎𝑐𝑖ó𝑛 < 0.8

Acorde a la Figura 1-16, la pendiente de la relación lineal es dependiente de la capacidad

de retención de agua disponible en el suelo, la cual varía con la textura del suelo.

Figura 1-16. Impacto de la disponibilidad de humedad, en el potencial de crecimiento de las

plantas.

Tomado de: Metherell et. al., (1993)

Otro factor incluido en la estructura del modelo (Long, 1991), es el efecto de los cambios

de CO2 atmosférico, para poder predecir los efectos sobre la producción de cultivos. Los

efectos indirectos sobre la materia orgánica del suelo, procedentes de efectos sobre los

procesos de la planta, deben tenerse en cuenta en las simulaciones deben ser

considerados. La respuesta de la materia seca vegetal a las crecientes tasas de CO2 se

puede aproximar con una función de respuesta logarítmica (Gifford, 1979; Goudriaan,

1992):


Donde:

NPPE y NPP0; corresponden a la producción primaria neta en ambientes enriquecidos y

control de CO2, respectivamente.

ß; es un parámetro empírico que oscila entre 0 y aproximadamente 0,7.

Acock, (1990) y Sinclair (1992), sostienen que la respuesta al incremento de CO2 se

presenta como efectos en:

La disponibilidad de C, mediante la estimulación de la fotosíntesis y la reducción de

la foto respiración. A este respecto, hay diferencias entre las plantas C4 y C3, ya

que las C4 tienen mayores tasas de fotosíntesis que las plantas C3. Sin embargo,

plantas como el maíz (C4) responde a niveles de 400 µmol CO2 / mol, mientras que

el trigo (C3), a niveles de 800 µmol CO2 / mol.

La disminución de la conductancia estomática (Rogers et.al., 1983; Morrison &

Gifford, 1984), que reduce la tasa de transpiración por unidad de área. La

transpiración reducida hace que la temperatura de la hoja aumente, lo que puede

aumentar la fotosíntesis (Acock, 1990). El incremento en la fotosíntesis y la

disminución en la transpiración, favorecen el incremento en la eficiencia de uso del

agua por la planta (Metherell, et. al., 1993).

El mayor efecto se manifiesta en la disminución en la concentración de N en las

plantas C3 (Schmitt & Edwards, 1981; Hocking & Meyer, 1991). Hocking & Meyer

(1991), encontraron que la concentración de N en la planta para un rendimiento

máximo de 90%, disminuye cuando los niveles de CO2 son elevados.

El aumento del crecimiento de las raíces, que afecta los niveles de MO del suelo.

La mayoría de los estudios que incluyen concentraciones elevadas de CO2 en

cereales, en el que se ha medido el crecimiento de la raíz, mostraron poco efecto

en la relación raíz – brote (Cure & Acock, 1986)

2. Materiales y métodos

2.1 Área de estudio

El área de estudio hace parte del denominado paisaje de piedemonte, cuya extensión es

de 22.561 km2. Éste se encuentra en la base de la cordillera Oriental entre 200 y 700

msnm, formando franjas estrechas y paralelas en los departamentos de Arauca, Casanare

y Meta (IGAC, 1999). Ocupando una extensión de 228.121 km2 de la Orinoquía

colombiana.

Los materiales parentales constitutivos del piedemonte (arcillas y conglomerados), son el

resultado del efecto denudativo de la cordillera Oriental (Pleistoceno), formando planos

inclinados con pendientes de 1 al 12%, con drenaje de patrón distributario a subparalelo y

disección ligera a moderada. En este paisaje se han se presenta relieve de colinas y lomas,

abanicos y terrazas. Estos dos últimos correspondientes al paisaje más conocido como

piedemonte depositacional, formado por abanicos coalescentes, recientes y subrecientes

de forma triangular, inclinados, con pendientes de 1 a 7%. Algunos han sido basculados,

recortados y reactivados por tectonismo; modelados por diferentes cauces fluviales que

descienden de la cordillera (IGAC, 1999). Las terrazas, se encuentran en la base de los

abanicos y las planicies aluviales y fueron originadas por tectonismo y unos casos y en

otros, por descenso del nivel de erosión regional (IGAC, 1999; Instituto Colombiano de

Geología y Minería - INGEOMINAS, 2004).

En las posiciones de vega y terrazas, se sitúan los suelos de mayor fertilidad, a pesar de

poseer pH alrededor de 5.5, medianos contenidos de materia orgánica, baja saturación de

aluminio, baja disponibilidad de fósforo y mediana a baja disponibilidad de calcio, magnesio

y potasio. Físicamente son suelos moderadamente profundos, de color pardo oscuro sobre

pardo amarillento, de texturas medias a moderadamente gruesas y de drenaje rápido

(IGAC, 1999).


piedemonte llanero

El 90 % de la fracción arena es cuarzo y más del 50 %de la fracción arcilla es Caolinita con

óxidos amorfos de hierro y aluminio entre 5 - 15%. En estos suelos se presenta erosión

superficial ligera por escurrimiento difuso y erosión severa a moderada, debido a la

pendiente fuerte de los taludes (IGAC, 1999).

Como se observa en la Figura 2-1, el Centro de Investigación Corpoica, La Libertad (área

representativa del piedemonte llanero, franja paralela a la cordillera Ooriental), está

ubicado en las coordenadas 4º 03’ 150” Longitud oeste y 73º 28’ 45” Latitud norte y, 4º 07’

2” Longitud oeste y 73º 26’ 14” Latitud norte, en el municipio de Villavicencio – Meta, a 500

m.s.n.m. En la terraza alta (Te) de La Libertad, se encuentran suelos sin plintita endurecida,

bien drenados y de texturas medias a finas.

Cuenta con una superficie de 1352 ha, de las cuales, 201 ha corresponden a la terraza

alta. La mayor parte de su terreno es plano. Según Koppen (1968), la clasificación

climática, es cálido húmedo de sabana o tropical lluvioso de sabana. Se caracteriza por

presentar valores anuales promedio de precipitación de 2000 a 4000 mm y temperaturas

mayores a 24 °C, con mayor precipitación en los meses de abril, mayo y junio. Las menores

precipitaciones se dan entre los meses de noviembre a febrero (Anexo B). En el área hay

marcada influencia de los vientos Alisios, cuya dirección predominante es este – noroeste

(IGAC, 1973).

Figura 2-1. Localización del área de estudio.

Capítulo 2. Materiales y Métodos 35

2.1.1 Sistemas de producción estudiados

La Tabla 2-1 presenta un resumen de los sistemas de producción estudiados y sus

principales características de manejo y su distribución se presenta en la Figura 2-2.

Tabla 2-1. Sistemas de producción agrícola seleccionados para este estudio

Sistema de producción Manejo

Actual Anterior

Palma de aceite (Elaeis guineensis) 18 años

-Brachiaria decumbens degradada (1973 a 1990). -Frijol caupí (1991 a 1992)

-Preparación: 1 pase de rastra (15-20 cm) -Enmienda: Cal dolomita -Siembra en triángulo, 9 m distancia entre plantas. Densidad, 143 plantas/ha. -Fertilización:Urea y DAP. Después del primer año, fertilización con nitrax, roca fosfórica, KCl, kieserita y bórax Productividad promedio: 18 ton/ha

Transitorios: sorgo dulce (Sorgum vulgare), maíz (Zea mays) y soya (Glycine max)

-Pasto nativo hasta 1989 -Brachiaria decumbens (1990 – 1996)

-Preparación: Dos pases de rastra e incorporación del material vegetal removido al suelo. -Enmienda: Incorporación de 2000 kg/ha de cal dolomita con rastra. Soya (2 años): fertilizado con SFT (46% P2O5), KCl (60% K2O) y elementos menores (B, Cu y Zn), con dosis de 50 kg/ha de P2O5, 60 kg/ha de K2O y 10 kg/ha de borozinco Rotación con maíz, millo y sorgo dulce: fertilizaciones con N, P, K, B, Cu y ZN, y, correcciones de la acidez del suelo cada 3 a 4 años, con la aplicación de entre 1000 a 2000 kg/ha de cal dolomita

Caucho (Hevea brasiliensis) en 1999

Brachiaria decumbens degradada (1973 – 1998)

Preparación: Un pase de rastra y enmienda de cal dolomita (1.5 ton/ha) con cincel fijo Siembre en surcos dobles a cada 13 metros. Densidad 560 árboles por ha. Fertilización: Solución nutritiva de nitrógeno, fósforo, potasio, calcio, magnesio, azufre, zinc, cobre y boro, tres veces al año

Pasto mulato -Brachiaria decumbens degradada. - transitorios de arroz, soya, maíz y frijol caupí hasta 2007.

Preparación: Un pase de vertedera. Siembra: Al voleo e incorporación con pase de rastra

Cítrico naranja valencia (Citrus sinensis (L) Osbeck) en 1996

-Sabana nativa -Brachiaria decumbens (1973-1995) - Yuca, Arroz y Soya

-Preparación y enmienda: Un pase de rastra e incorporación de cal dolomita (3 ton/ha) y escorias thomas (1.5 ton/ha). Luego, yeso agrícola (1 ton/ha) -Fertilización: nitrógeno, fosforo y potasio en una relación de 3:1:3., además de boro, zinc, cobre y materia orgánica

Pasto en asocio con Arachis pintoi

Salpicón Misceláneo de cultivos de plátano, marañón, frutales

Mango 30 años de permanencia


piedemonte llanero

Figura 2-2. Distribución de los sistemas de producción seleccionados para este estudio

Como se ha mencionado, son ocho los sistemas de producción agrícola los de interés

para este estudio, sin embargo, no se hizo la simulación con el modelo CENTURY del C

en los sistemas mango, y cítricos en asocio con arachis, debido a que no se encontró

información correspondiente a estos sistemas, que pudiera ser relacionada en el modelo

de manera confiable

2.2 Procedimientos

Se partió de realizar una revisión del estudio Detallado de Suelos, escala 1:7500 (IGAC,

1973); el mapa de unidades geomorfológicas, a partir del cual se delimitaron los niveles de

Terrazas (Alta, Media y Baja); el mapa suelos (Figuras 2-3 y 2-4); los análisis de laboratorio

(Carbono). Considerando la necesidad de homogenizar el muestreo para la determinación

de carbono, se seleccionó la posición de terraza, la terraza alta, en el paisaje estudiado.

En campo, se confirmó la georreferenciación de los puntos seleccionados. Seguidamente

se hizo el muestreo, utilizando cilindros de 5 cm de largo, para obtener muestras sin

disturbar. También se tomaron muestras disturbadas para determinar la textura del suelo.


Figura 2-3. Mapa de suelos de La Libertad, a escala 1:7500.

Fuente: IGAC, 2004.


piedemonte llanero

Figura 2-4. Mapa de Geomorfología de La Libertad.

Fuente: IGAC, 2004


Todas las muestras se tomaron en calicatas (cuatro por lote como repeticiones), a las

profundidades: 0-5 cm, 5-10 cm, 10-20 cm, 20-30 cm, 30-50 cm, 50-75 cm, 75-100 cm y

100-125 cm o hasta donde era posible encontrar suelo (sección del suelo). En algunos

casos, solo fue posible tener muestras hasta los 75 cm. Entre los instrumentos para el

trabajo en campo, se utilizaron: palas, cilindros de volumen conocido, bolsas plásticas

(Figura 2-5).

Figura 2-5. Muestreo en C.I. La Libertad

En el laboratorio se utilizaron: tamices de número 10 (2.0 mm), 60 (< 0.25 mm) y 325 (0.044

mm), para seguir el procedimiento mostrado en la Figura 2-6; recipientes plásticos, horno,

balanza, macerador mortero, un analizador elemental (TruSpec CN Carbon Nitrogen

Determinator, LECO co., St. Joseph, Mi, USA) y un equipo NIR (FOSS NIR Systems 6500

Benchtop).

Se aplicó el método de fraccionamiento físico, recomendado por el Laboratorio de

Biogeoquímica del Instituto de Estudios Científicos y Tecnológicos, en la Universidad

Nacional Experimental Simón Bolívar, Venezuela1, el cual consiste en separar las

1http://www.escet.urjc.es/biodiversos/espa/investigacion/intercambio/doc/protocolos/Metodos_fraccionamiento_fisico.pdf


piedemonte llanero

partículas de suelo por tamaño y/o densidad, evitando cambios químicos de la materia

orgánica del suelo, de forma menos destructiva y más selectiva (Hernández, 2010; Plaza

et al., 2014). En este caso se utilizó como medio de separación el agua, cuya densidad es

1g/cm3. En la Figura 2-6 se presenta el esquema metodológico

Figura 2-6.Esquema de los procedimientos seguidos en la metodología.

Luego de preparar las muestras, se determinó CT mediante el Analizador elemental y el

NIR, para posteriormente simular el stock de C con el modelo CENTURY, en diferentes

épocas (1973 a 2011 y 2011-2070). Se determinó además, la densidad aparente y la

textura del suelo, acorde a las metodologías de IGAC, (2006).

Pesar 250 g de suelo seco al aire

Tamizar a 2 mm

No. 10

Mezclar el suelo tamizado + agua

Reposo hasta sedimentación del suelo

Material + agua depositados

en recipiente de 500 ml.

Tamizar a 2 mm No. 10 Material resultante (FL)

Tamiz 0.25 mm No. 60

Material resultante (FP)

Tamiz 0.044 mm No. 325

Material resultante (FPF) Material + agua depositados en

recipiente de 500 ml.

Secado de muestras sedimentadas en estufa, a 60°

Pesado y macerado de muestras

-Determinación de C con Analizador Elemental -Determinación con NIR -Simulación con CENTURY


2.3 Procesamiento de datos

El stock de carbono se determinó mediante la fórmula propuesta por Rosenzweig & Hillel,

2000; Jantalia et al., 2007 y Moreno, 2008.

COS = a ρ C d

Donde

COS: masa de carbono orgánico en una masa de suelo de 1 cm de profundidad (Ton/ha)

a: área (en ha o en m2)

ρ: promedio de densidad aparente a una profundidad especifica (g/m3 )

C: concentración de carbono en el suelo (g C/kg suelo)

d: profundidad de la capa de suelo en m.

2.3.1 Análisis descriptivo de los datos

Los valores de stock de carbono obtenidos con el analizador elemental, se analizaron

estadísticamente mediante ANOVA para determinar la existencia de diferencias y su

significancia, al comparar sistemas de producción, profundidades y densidades aparentes.

Para el caso de la simulación con CENTURY, se aplicaron las fórmulas para validar la

confiabilidad de los datos simulados y determinar el porcentaje de precisión del modelo,

de la siguiente manera.

Coeficiente de correlación 𝑟 = 𝜕𝑥𝑦

𝜕𝑥𝜕𝑦

Acorde con Camacho (2015), es un índice resultante de dividir la covarianza entre el

producto de las deviaciones de dos variables, relacionadas linealmente. Los valores de r

varían entre -1 (correlación negativa) y +1 (correlación positiva).

Coeficiente de determinación R2 = 𝜎2𝑥𝑦

𝜎2 𝜎𝑋

2𝑦

Este coeficiente permite evaluar el nivel de ajuste de un modelo a los datos analizados,

una vez se mide la capacidad de predicción del modelo que ha sido ajustado. El R2 se


piedemonte llanero

obtiene de dividir la variabilidad explicada por la regresión, entre la variabilidad total

(Mendoza, et.al., 2002).

Porcentaje de Error Medio (BIAS)

El BIAS (MPE por siglas en inglés) determina la tendencia de un modelo a sobre estimar

o subestimar los valores de una variable, es decir, mide el error

sistemático del modelo, mediante la diferencia entre el promedio

de mediciones observadas y un valor dado. El sesgo (BIAS),

puedes ser positivo o negativo (Gálvez, 2013).

Raíz del Error Medio Cuadrado

Corresponde a la raíz del promedio de los cuadrados del error de cada grupo de datos.

Este error puede utilizarse también, para comparar y

determinar la precisión de diferentes métodos de pronóstico,

utilizando las unidades de los datos originales (Gálvez,

2013).

2.3.2 Estimación de muestras atípicas en el procesamiento con NIR

Luego de obtener las curvas espectrales (absorbancia) de las muestras, se utilizó el

software WinISI para su procesamiento, en el cual se aplica un análisis de componentes

principales. En nuestro caso, se analizó el comportamiento de los datos a partir de los tres

primeros componentes. Las muestras atípicas, se determinaron mediante la distancia

(H>3) de Mahalanobis, con el fin de garantizar mayor confiabilidad del modelo a obtener

(De Maesschalck et.al., 2000; Camacho, 2013; Davrieux, 2014; Soilmontana, 2015). Se

aplica mediante la ecuación:

𝑑𝑖𝑗 = √(𝑥𝑖 − �̅�)𝑇𝐶−1((𝑥𝑖 − �̅�)


Donde;

xi: Vector que representa las calificaciones de los primeros componentes principales de

las respuestas espectrales

�̅�: Media de las calificaciones

𝐶−1: Inversa de la matriz de covarianza de las calificaciones para el conjunto de las muestras

2.3.3 Características cualitativas de las curvas espectrales

Las curvas espectrales de los suelos contienen información resultante de combinaciones

y superposiciones de respuestas espectrales de sus contenidos, lo que hace que la

información del suelo sea poco explícita. Por este motivo, surgen clasificaciones de

curvas espectrales de acuerdo al tipo de suelo (Stoner & Baumgardner, 1981) y, es

necesario analizar la intensidad de reflectancia y los picos característicos a lo largo de

todo el espectro (Viscarra, et.al., 2006a).

Obtención del modelo

Para elaborar el modelo, se contó con un total de 98 muestras, con las cuales se generó y

se calibró el modelo, obteniendo 92 muestras adecuadas para obtener el modelo final. Las

curvas espectrales fueron sometidos a un tratamiento matemático que consiste en pre-

procesarlas con la segunda derivada y los métodos de corrección de dispersión SNV

(Estándar Normal Variation) y “Detrend”, con el objeto de corregir la tendencia de los datos,

conforme lo especificado por Viscarra, et.al., 2006; Stenberg, et.al., 2010; Camacho, et.al.,

2014; Soilmontana, 2015), antes de la aplicación del análisis de componentes principales

(PCA), acorde la Figura 2-7.

Figura 2-7. Ejemplo de PCA (a) datos sin centrar (b) datos centrados

Tomado de: Castillo, 2007


piedemonte llanero

Luego, se aplicaron regresiones por mínimos cuadrados parciales (PLSR) entre los datos

espectrales y los valores de referencia que de acuerdo con Camacho, (2013) consisten en:

Determinación de enlaces de los vectores de ponderación

Calculo de los coeficientes de regresión

Calculo del factor de corrección

Estimación del atributo o propiedad

Además, se determinaron los errores (información sobre incertidumbre) del modelo por

medio del método de re-muestreo, a partir de la validación cruzada.

2.4 Simulación de los datos de carbono

Para la simulación del carbono, se utilizó la versión 4.0 del Century, cuya manipulación se

hace por medio de una interface con el programa Access y un editor de texto. La calibración

se hizo mediante la aplicación interactivo del modelo de equilibrio para 7000 años, con los

valores de producción neta de biomasa correspondientes a vegetación de sabanas

tropicales (PRDX = 800 g/m2 mes) (Parton et.al., 1993), y con los datos de clima y de suelo

propios del sitio de estudio. El stock de carbono resultante, es aproximado al stock medido

y reportado en el estudio de suelos de La Libertad (IGAC, 1973). Las variables respuesta

usadas en este análisis fueron; cantidad de C en la fracción lábil (som1ci(2,1), cantidad de

C en la fracción lenta de la materia orgánica som2ci(1) y cantidad de C en la fracción pasiva

de la materia orgánica som3ci(1).

Se propusieron escenarios considerando condiciones históricas (38 años antes) de clima,

uso y propiedades del suelo y a futuro, 60 años después de 2011. Los datos de los archivos

correspondientes se encuentran registrados en el Anexo C.

3. Resultados y Discusión

3.1 Stock de carbono en diferentes sistemas de uso agrícola del piedemonte. Área representativa, Corpoica La Libertad

3.1.1 % de CO en el tamaño de partícula del suelo de 2 mm

Se presentaron diferencias significativas entre los sistemas de producción (P<0.01) y

diferencias altamente significativas entre las profundidades (P<0.001) (Figura 3-1). Según

la prueba de Tukey, el mayor stock se encontró con el sistema mango y el menor con los

sistemas Pasto + Arachis, Pasto mulato y Salpicón (Tabla 3-1)

Tabla 3-1. Relación entre los porcentajes de CO mayores y menores de los sistemas agrícolas.

La gran cantidad de material vegetal muerto en la superficie del suelo, y la presencia de

raíces vivas y muertas a través del perfil del suelo del sistema mango, indican un constante

ciclaje y transformación de la materia orgánica. Teniendo en cuenta el tiempo de

establecimiento de cada uno de los sistemas; el de mango es el sistema con mayor edad (>

30 años), tiempo en el cual el CO ha podido alcanzar cierta estabilidad en profundidad,

encontrándose localizado y protegido entre los macroagregados del suelo. Es decir, es

posible que se encuentren fragmentos de raíces, de partículas externas de materia orgánica

(ePOM) y de partículas internas de materia orgánica (iPOM), encapsulados por las partículas

de arcilla o por los macro o microagregados del suelo según lo expuesto por Puget et al.,

Mango 14% > Cítricos + Arachis, Palma, Caucho y Transitorios

Mango y Palma 29% > Pasto + Arachis, Pasto Mulato y salpicón

Cítricos + Arachis, Palma, Caucho y Transitorios

17% > Pasto + Arachis, Pasto Mulato y Salpicón


piedemonte llanero

1995; Balesdent et al., 2002; FAO, 2002; Martínez et. al., 2008; Macías et. al., 2010; Piccolo,

2012 y Rodríguez, 2014. Las condiciones del sistema palma son similares a los del mango,

en cuanto a la abundancia de raíces a través del perfil del suelo y al tiempo de

establecimiento (18 años), mayor que el de los otros sistemas.

Figura 3-1. % CO con relación a los diferentes sistemas de producción, la profundidad y la

densidad del suelo

3.1.2 Stock de CT en el tamaño de partícula del suelo de 2 mm (fracción liviana)

Para este caso, se presentaron diferencias significativas entre los sistemas de producción,

las densidades y las profundidades (P<0.01) (Figuras 3-2 y 3-3). La prueba de Tukey arroja

como resultado, que el mayor stock de CT corresponde a los sistemas Pasto + Arachis y

Mangot, contrario a los sistemas Caucho, Transitorio, Salpicón y Pasto mulato (Tabla 3-2)

Profundidad x densidad

Capítulo 3. Resultados y discusión 47

Tabla 3-2. Relación entre las cantidades de stock de CT mayores y menores de los sistemas

agrícolas, en partículas del suelo de 2mm (fracción liviana).

Figura 3-2. Stock de CT en partículas de 2 mm (fracción liviana), con relación a los diferentes sistemas de producción, la profundidad y la densidad del suelo

Pasto + Arachis y Mango 9% > Cítricos + Arachis y Palma

Pasto + Arachis y Mango 23% > Caucho, Transitorios, Salpicón y Pasto Mulato

Cítricos + Arachis y Palma 15% > Caucho, Transitorios, Salpicón y Pasto Mulato.


piedemonte llanero

Figura 3-3. Stock de CT en partículas de 2 mm, en profundidad

Mango Pasto + Arach Citric + Arach Palma Salpicon Caucho Transitorio Pasto mulato

a ab ab ab ab ab ab bc

Promedios con la misma letra son estadísticamente iguales

De manera similar al sistema mango, a través de los perfiles con Pasto en asocio con

Arachis, la presencia de raíces vivas y muertas era abundante, lo que incide en la

presencia de mayor cantidad de restos vegetales, de fracción húmica en proceso de

mineralización y también proceso de humificación (Fassbender y Bornemisza, 1994).

3.1.3 Stock de CT en el tamaño de partícula del suelo < 0.25 mm (fracción pesada)

Se presentaron diferencias altamente significativas (P< 0.001) entre los sistemas de

producción y, diferencias significativas (P<0.01) entre las densidades y las profundidades

(Figuras 3-4 y 3-5). Siendo el mayor stock de CT encontrado en los sistemas Pasto +

Arachis y Mango y, el menor, encontrado en los sistemas Transitorio y Pasto mulato, según

la prueba de Tukey (Tabla 3-3).

0 10 20 30 40 50 60 70

0-5

10

20

30

50

75

100

125

C Total en la Fracción Liviana Ton/ha

Pro

fun

did

ad

cm

Transitorio

Salpicon

Palma

Pasto mulato

Pasto + Arach

Citric + Arach

Mango

Caucho



agrícolas, en partículas del suelo de < 0.25 mm (fracción pesada).

Figura 3-4. Stock de CT en partículas < 0.25 mm (fracción pesada), con relación a los diferentes

sistemas de producción, la profundidad y la densidad del suelo.

Pasto + Arachis y Mango 18% > Cítricos + Arachis y Salpicón

Pasto + Arachis y Mango 14% > Palma y Caucho,

Pasto + Arachis y Mango 22% > Transitorio y Pasto Mulato.


piedemonte llanero

Figura 3-5. Stock de CT en partículas < 0.25 mm, en profundidad

Pasto + Arach Mango Palma Citric + Arach Salpicon Caucho Transitorio Pasto mulato

a ab ab ab ab ab b b


3.1.4 Stock de CT en el tamaño de partícula del suelo de 0.044 mm (fracción pesada fina)

Existen diferencias significativas entre los sistemas de producción (P<0,01), diferencias

altamente significativas entre las profundidades y las densidades aparentes del suelo

(P<0,001) (Figuras 3-6 y 3-7). El mayor stock de CT se encontró en el sistema Pasto +

Arachis y el menor, en los sistemas Transitorio y Pasto mulato (Tabla 3-4).


agrícolas, en partículas del suelo de 0.044 mm (fracción pesada fina).

Pasto + Arachis 10% > Salpicón, Palma y Caucho

Pasto + Arachis 17% > Cítricos + Arachis y Mango

Pasto + Arachis 24% > Transitorio y Pasto Mulato

Salpicón, Palma y Caucho 8% > Cítricos +Arachis y Mango

Salpicón, Palma y Caucho 16% > Transitorios y Pasto Mulato

0.00 10.00 20.00 30.00 40.00 50.00 60.00 70.00

0-5

5-10

10-20

20-30

30-50

50-75

75-100

100-125

Stock de C Total en la Fracción Pesada Ton/ha

Pro

fun

did

ad

cm

Transitorio

Caucho

Salpicon

Palma

Pasto mulato

Pasto + Arach

Citric + Arach

Mango


Figura 3-6. Stock de CT en partículas de 0.044 mm (fracción pesada fina), con relación a los

diferentes sistemas de producción, la profundidad y la densidad del suelo.

Figura 3-7. Stock de CT en partículas de 0.044 mm, en profundidad

0.00 20.00 40.00 60.00 80.00

0-5

5-10

10-20

20-30

30-50

50-75

75-100

100-125

Stock de C Total en la Fracción Pesada Fina Ton/ha

Pro

fun

did

ad

cm

Transitorio

Caucho

Salpicon

Palma

Pasto Tmulato

Pasto + Arach

Citric + Arach

Mango

Pasto + Arach

Salpicon Palma Caucho Citric + Arach Mango Transitorio Pasto Tmulato

a ab abc abc bc bc bc d



piedemonte llanero

Las propiedades del suelo para todos los sistemas agrícolas son similares; la clase textural

es Franco Arcillo Arenosa, el pH se encuentra en un rango entre 4,2 – 4,8. La Capacidad

de Intercambio Catiónico del suelo (CIC) está entre 8,0 – 11,0 cmol(+)/Kg; considerando

que los valores característicos en las arcillas caolinitas están entre 1 – 10 cmol(+)/Kg, se

infiere que la contribución de materia orgánica al suelo es poca, lo que influye

negativamente en la densidad aparente del suelo, cuyos valores están alrededor de 1,65

g/cm3. De igual forma, la presencia de óxidos de Fe y de Al, sumado a los valores de pH

bajos, contribuyen también a que la CIC sea baja.

En relación a los tipos de sistemas de producción, influyen en la cantidad de stock de

carbono del suelo y determinan la constitución del humus (Montoya et. Al., 2013). Además,

varía a través de la profundidad del perfil de suelo, en este caso, los mayores valores de

stock de CT en las FL y FP, se encontraron entre los 30 – 100 cm del perfil, en la FPF,

entre los 30 – 75 cm, resultados que coinciden con los estudios de Fisher y colaboradores

(1998); Trujillo, (2000); Montoya y colaboradores (2013); Castro y Vera, (2014) y Ortiz,

(2015). Con respecto al tamaño de partículas, los valores más altos de stock de CT se

obtuvieron en las partículas de 0.044 mm (Figura 3-8).

Figura 3-8. Stock de CT en partículas del suelo de 2 mm, < 0.25 mm y 0.044 mm con diferentes

sistemas de producción del piedemonte llanero (método analizador elemental).

0

50

100

150

200

250

300

350

FL (2 mm) FP (< 0.25 mm) FPF (0.044mm)

% C

arb

on

o T

ota

l

Transitorio

Caucho

Salpicón

Palma

Pasto Mulato

Pasto + Arach

Citric + Arach

Mango


3.2 Simulación del Stock de Carbono del Suelo, en Sistemas de Producción del Piedemonte Llanero.

Antes de simular en Century los diferentes escenarios propuestos, se hicieron pruebas de

calibración del modelo, encontrando que los parámetros densidad aparente, contenido de

arcilla, precipitación y temperatura influyen en los valores de carbono del suelo.

El tipo de vegetación (con respecto a la máxima producción de biomasa neta al mes –

PRDX) condiciona también las cantidades de carbono presentes en cada una de las

fracciones de la MO del suelo. En las Tablas 3-5 y 3-6 se registran los valores de stock de

carbono simulados con un modelo de equilibrio para 7000 años, en vegetación tropical,

considerando los datos de clima y suelo de La Libertad.

Tabla 3-5. Resultdos de la calibración del CENTURY, con un modelo de equilibrio para 7000 años

en vegetación de sabana tropical.

El stock de CT = 110.80407 Ton/ha del año 7000 simulado en vegetación de sabana, es

aproximado al stock medido y resgistrado en el estudio de suelos de 1973 (Tabla 3-7), de

120.27 Ton/ha en pastos (IGAC, 1973). En adición, el estock de CT = 136.4393 Ton/ha

del año 7000 simulado en vegetación de bosque se aproxima al stock de 141.25 Ton/ha,

también medido y registrado en IGAC (1973).

ID Año C Marcado ( Ton/ha)

C MO activa ( Ton/ha)

C MO lenta ( Ton/ha)

C MO pasiva ( Ton/ha)

Total ( Ton/ha)

568737 2 10.52002 10.06456 5.85843 2.44253 28.88554

568738 3 16.7843 15.4814 11.72728 2.08797 46.08095

. . . . . . .

. . . . . . .

575733 6998 38.41429 36.71121 35.21107 0.4093 110.74587

575734 6999 38.42412 36.72089 35.22077 0.40944 110.77522

575735 7000 38.43378 36.73041 35.2303 0.40958 110.80407

CV 6.9% 7.2% 7.8% 16.3% 7.3%


piedemonte llanero

Tabla 3-6. Resultados de la calibración del CENTURY, con un modelo de equilibrio para 7000

años en vegetación de bosque tropical.

ID Año C Marcado ( Ton/ha)

C MO activa ( Ton/ha)

C MO lenta ( Ton/ha)

C MO pasiva ( Ton/ha)

Total

631810 2 10.52002 10.47664 6.25351 2.48894 29.73911

631811 3 17.64774 16.69126 12.65045 2.22224 49.21169

. . . . . . .

. . . . . . .

638806 6998 47.20071 45.2156 43.51462 0.49197 136.4229

638807 6999 47.20351 45.21831 43.51731 0.49205 136.43118

638808 7000 47.20627 45.22097 43.51997 0.49212 136.43933

CV 6.0% 6.2% 6.5% 13.6% 6.2%

Tabla 3-7. Stock de CO observado en las unidades de suelos de la Terraza Alta de La Libertad

Sistema

Unidad de suelo

Stock C (Ton C/ ha)

Pastos-Ganadería, forrajes, yuca,

transitorios

LB

141.25

Fuente: IGAC (1973)

En cuanto a la temperatura, el aumento de 1 °C en los datos de temperatura de 1973,

generó disminuciones en el stock de C medidos en 1973 de; 34% en la FL, 33% en la FP

y 2% en la FPF (Figuras 3-9 y 3-10); esto es acorde con aseveraciones de Dorronsoro, C.,

2013, acerca de las disminuciones del stock de carbono en el suelo por causa de los

incrementos de temperatura.


Figura 3-9. Stock de CT del Sistema Transitorio y los datos climáticos y de sitio del año 1973, simulado con CENTURY.

Figura 3-10. Stock de CT del Sistema Transitorio y los datos climáticos y de sitio del año 1973,

incrementando la temperatura en 1 °C, simulado con CENTURY.

0

2000

4000

6000

8000

10000

120001

97

3

19

75

19

77

19

79

19

81

19

83

19

85

19

87

19

89

19

91

19

93

19

95

19

97

19

99

20

01

20

03

20

05

20

07

20

09

20

11

Sto

ck C

T (g

/m2 ) FL

FP

FPF

Temp°C

0

2000

4000

6000

8000

10000

12000

19

73

19

75

19

77

19

79

19

81

19

83

19

85

19

87

19

89

19

91

19

93

19

95

19

97

19

99

20

01

20

03

20

05

20

07

20

09

20

11

Sto

ck C

T (g

/m2 )

FL

FP

FPF

Temp °C


piedemonte llanero

3.2.1 Carbono en partículas del suelo, de diferente tamaño.

Del estudio semi-detallado de suelos del CI La Libertad (IGAC, 1973), se extrajeron los

datos para calcular los valores de stock de CO en Ton/ha para ese año. En la Figura 3-11

puede observarse la distribución de las unidades de suelo del estudio y, la Figura 3-12

muestra los resultados de la simulación de stock de carbono en las diferentes partículas

del suelo propuestas para análisis en este trabajo, con los sistemas de producción Pastos

entre los años 1973-1995 y Transitorio entre los años 1996-2011.

Figura 3-11. Unidades de suelo en la Terraza Alta de la Libertad

El promedio de stock de CO medido (año 1973) en la terraza alta, considerando solo el

escenario de uso Pastos-Transitorio fue de 130.8 Ton/ha y el promedio obtenido de la

simulación fue de 123.6 Ton/ha, siendo este último, 21% menos del stock promedio real


(inicial). Por otro lado, los resultados de la simulación muestran un comportamiento

esperado del carbono en relación a los diferentes tamaños de partículas del suelo y a los

sistemas de producción. Así, con el sistema pasto que presentaba indicios de

compactación en el suelo, se nota disminución abrupta del stock de CO en las FP y FL,

mientras que con el sistema de cultivos transitorios se nota incremento de stock al inicio

del cultivo, con tendencia a estabilizarse después de dos años en la FP, y en la FL se

notan variaciones de la captura de CO coincidente con el inicio y término de las diferentes

actividades realizadas en el cultivo. Referente a la FPF, el stock de CO se mantiene

estable con los dos sistemas de producción, de esta forma, se evidencia las diferencias

en los estados (flujo/stock) del CO en el suelo (Lopes, 2006; Aguirre, 2011; Stockmann,

et.al., 2013; Eyzaguirre, 2013). Todo lo anterior corrobora la afirmación de buena

precisión del CENTURY, en la modelación de la materia orgánica, expuesta por Puget y

colaboradores (1995), Balesdent y colaboradores (2002), FAO (2002), Martínez y

colaboradores (2008), Piccolo, (2012) y Rodríguez, (2014).

Figura 3-12. Simulación de stock de CO en las partículas de las fracciones liviana, pesada y

pesada fina del suelo, con el escenario sistema Pastos – Transitorio de 1973 a 2011 con CENTURY.

1.00

10.00

100.00

1000.00

10000.00

100000.00

19

73

19

75

19

77

19

79

19

81

19

83

19

85

19

87

19

89

19

91

19

93

19

95

19

97

19

99

20

01

20

03

20

05

20

07

20

09

20

11

C g

/m 2

Años

Carbono en las Fracciones Liviana, Pesada y Pesada Fina. Sistemas Pastos (1973-1995), Transitórios (1996-2011)

FL

FP

FPF


piedemonte llanero

3.2.1.1 Simulación de stock de carbono con las condiciones de sitio de 1973 y

los escenarios de uso hasta 2011.

La siguiente simulación se hizo con los mismos datos de carbono inicial y de sitio, del año

1973, pero con los diferentes escenarios de uso del año 2011 detallados a continuación:

1- Transitorio-Frijol-Palma de aceite (1973-1990,1991-1992, 1993-2011)

2- Pasto nativo-Brachiaria decumbens-Transitorio (1973-1989, 1990-1996, 1997-2011)

3- Brachiaria decumbens-Caucho (1973-1998, 1999-2011)

4- Brachiaria decumbens-Transitorio-Pasto mulato (1973-1995, 1996-2006, 2007-2011)

5- Pasto naivo - Brachiaria decumbens – Transitorio - Salpicon (1973-1989, 1990-1996,

1997-2007, 2008-2011)

6- Pasto nativo - Pasto+Arachis (1973-2007, 2008-2011)

7- Brachiaria decumbens-Transitorio-Citrico+Arachis (1973-1995, 1996-2007, 2008-

2011)

Los resultados obtenidos en simulación, comparados con los datos medidos en 2011

(Figura 3-16 y Anexo F), son semejantes en algunos sistemas de producción. Así, en la

FL, los sistemas Palma, Caucho y Cítrico + Arachis presentan altos stock de C, contrario

a los otros sistemas (Figura 3-13).

Figura 3-13. Simulación de stock de C en las partículas de la fracción liviana del suelo, en

diferentes escenarios de uso, con CENTURY.

1

10

100

1000

10000

100000

19

73

19

75

19

77

19

79

19

81

19

83

19

85

19

87

19

89

19

91

19

93

19

95

19

97

19

99

20

01

20

03

20

05

20

07

20

09

20

11

C g

/m2

Carbon en la Fracción Liviana

Palma Transitorio Caucho

Pasto Mulato Salpicon Pasto Arachis


De igual manera, son similares los resultados en la FP, con valores altos en palma,

caucho, cítrico + arachis y mango (Figura 3-14). Para la FPF, resultan valores altos de

todos los sistemas, sobresaliendo el de palma (Figura 3-15).

Figura 3-14. Simulación de stock de C en las partículas de la fracción pesada del suelo, en

diferentes escenarios de uso, con CENTURY

Figura 3-15. Simulación de stock de C en las partículas de la fracción pesada fina del suelo, en

diferentes escenarios de uso, con CENTURY

1

10

100

1000

10000

100000

19

73

19

75

19

77

19

79

19

81

19

83

19

85

19

87

19

89

19

91

19

93

19

95

19

97

19

99

20

01

20

03

20

05

20

07

20

09

20

11

C g

/m 2

Carbon en la Fracción Pesada

Palma Transitorio Caucho

Pasto Mulato Salpicon Pasto Arachis

0

2000

4000

6000

8000

10000

12000

19

73

19

75

19

77

19

79

19

81

19

83

19

85

19

87

19

89

19

91

19

93

19

95

19

97

19

99

20

01

20

03

20

05

20

07

20

09

20

11

C g

/m 2

C en la Fracción Pesada Fina

Palma Transitorio CauchoPasto Mulato Salpicon Pasto Arachis


piedemonte llanero

Figura 3-16. Stock de C (Ton/ha) en partículas de 2 mm, < 0.25 mm y 0.044 mm en diferentes

sistemas de producción del piedemonte llanero, medidos en 2011.

En la Tabla 3-8, se registran los resultados de los análisis estadísticos. Nótese que los

coeficientes r indican una correlación fuerte positiva entre los datos reales y los datos

simulados; el coeficiente de correlación R2 muestra la posibilidad de que los resultados

del modelo sean replicados. En cuanto a la estabilidad de los datos, no presentan

tendencia a aumentar o disminuir, distribuyéndose entre los límites de control (Figuras 3-

17, 3-18, 3-19 y 3-20), indicando que los datos predichos son confiables. Los porcentajes

de error (%E), estimados a partir de los valores de sesgo no son significativos, ya que

son menores a 10%, (Vázquez, 2005).

Tabla 3-8. Resultados de estadísticos del análisis entre el stock de C simulado y el observado,

para el año 2011

Sistema r R2 %E RSME Ton/ha

Transitorios 0.889 0.792 3.1 31.08

Caucho 0.897 0.805 4.1 41.56

Palma 0.896 0.802 3.1 28.37

Pasto Mulato 0.908 0.825 4.0 48.11

0

50

100

150

200

250

300

350

Sto

ck d

e C

T T

on

/ha

FL (2 mm)

FP (< 0.25 mm)

FPF (0.044mm)



Transitorio.

Figura 3-18. Prueba de estabilidad de datos simulados en CENTURY, para el sistema Palma

Figura 3-19. Prueba de estabilidad de datos simulados en CENTURY, para el sistema Caucho.

-50

0

50

100

150

200

1973 2009 2010 2011

I-MR Stock C (Ton/ha) -Transitorio

media LCI LCM LCS

0.00

50.00

100.00

150.00

1973 2009 2010 2011

Stock C medido vs. simulado con CENTURY-Transitorio

medido simulado

-100

0

100

200

1973 2009 2010 2011

I_MR Stock C (Ton/ha) - Palma

media LCI LCM LCS

0

200

400

1973 2009 2010 2011

Stock C medido vs. simulado con CENTURY-Palma

medido simulado

0

50

100

150

1973 2009 2010 2011

Stock C medido vs. simulado con CENTURY-Caucho

medido simulao

-50

0

50

100

150

1973 2009 2010 2011

I-MR Stock C (Ton/ha) -Caucho

media LCI LCM LCS


piedemonte llanero

Figura 3-20. Prueba de estabilidad de datos simulados en CENTURY, para el sistema Pasto

mulato

3.2.1.2 Datos de stock de carbono con las condiciones de sitio y escenarios de uso

del año 2011, simulados a futuro hasta el año 2070.

Asumiendo que no habrá cambio de los sistemas de producción durante los sesenta años

siguientes a 2011, con las condiciones de sitio correspondientes al mismo año, se simuló

el stock de C en Century. Los resultados se presentan a continuación:

Luego de estas simulaciones los datos de la Figura 3-21 muestran una disminución

importante (99%) del stock de C inicial en la fracción liviana del suelo, en los dos años

siguientes (año 2013) al inicio de la simulación en todos los sistemas de producción. En

general, el stock de carbono final es muy bajo, coincidiendo con lo que puede esperarse

que ocurra con el pasar de los años, que se presenten pérdidas en el stock de C debido a

erosión del suelo o a mineralización de la materia orgánica, situación que puede ser

simulada con CENTURY de manera satisfactoria, coincidiendo así con los resultados

obtenidos por Díaz, (1994); Baethgen, y colaboradores (1994); Cerri, y colaboradores,

(2004); Lopes, (2006); Tornquist, (2007); Tornquist, y colaboradores (2009).

-100

-50

0

50

100

150

200

1973 2009 2010 2011

I-MR Stock C (Ton/ha) - Pasto Mulato

media LCI LCM LCS

0.00

50.00

100.00

150.00

1973 2009 2010 2011

Stock C medido vs. simulado con CENTURY-Pasto mulato

medido simulado


Figura 3-21. Simulación de stock de C en las partículas de las fracciones liviana en diferentes

escenarios de uso a futuro (año 2070), con CENTURY.

Contrario a la anterior, la Figura 3-22 muestra para la fracción pesada del suelo, aumentos

en el stock de carbono en los dos primeros años con todos los sistemas de producción,

sobresaliendo palma y caucho, para los cuales disminuye abruptamente en los siguientes

veintiocho años (hasta 2041), desde donde tiende a estabilizarse con valores muy bajos

(96% y 95% del stock inicial respectivamente), hasta el final de la simulación. El sistema

con el cual se espera mantener stock de C altos según la simulación es el salpicón seguido

del transitorio (38% y 17% del stock inicial), de manera similar a los resultados de Díaz,

(1994), luego de simular cambios en el largo plazo en el carbono y nitrógeno del suelo

bajo rotación de cultivos con pasturas de leguminosas y, de Baethgen y

colaboradores (1994) en su modelación de la evolución del contenido de materia

orgánica del suelo en seis sistemas de rotaciones en el sw de Uruguay. La Figura

3-23, correspondiente al stock de C en la fracción pesada fina muestra un comportamiento

más estable (Kern & Johnson, 1993; Puget et al., 1995; Balesdent et al., 2002; FAO, 2002;

Reicosky, 2002; Martínez, 2008; Shan et.al., 2014), los sistema salpicón y transitorio

mantienen el 93% y 88% respectivamente del stock del C inicial, seguidos por el sistema

caucho con 85%, y por último, por los sistemas palma con 83% y pasto mulato con 82%.

1

10

100

1000

10000

2011 2021 2031 2041 2051 2061 2071

C g

/m2

C en la Fracción Liviana

Palma Transitorio Caucho Pmulato Salpicon


piedemonte llanero

Figura 3-22. Simulación de stock de C en las partículas de la Fracción Pesada en diferentes

escenarios de uso a futuro (año 2070), con CENTURY.

Los resultados de este estudio, sugieren que los sistemas de producción de tipo perenne

y sin algún tipo de laboreo del suelo, favorecen el incremento del stock de carbono en

profundidad. Sin embargo, las simulaciones realizadas con el modelo Century, sugieren la

necesidad de incorporación material de pos cosecha, (como el caso del sistema

transitorios), o mulch (capa de material orgánico), de forma que se favorezca las entradas

de biomasa al suelo y por ende, el aumento del stock de C en el tiempo. Lo anterior

concuerda con las afirmaciones hechas por Bationo y colaboradores (2005); Ernst & Siri-

Prieto (2009); Salvo y colaboradores (2010).

Se encuentra en la literatura, que las pasturas contribuyen a incrementar el stock de C, sin

embargo, según lo encontrado en este estudio, las pasturas (degradadas) por si solas

arrojan cantidades de stock de C bajos, contrario a lo que sucede con pasturas bien

manejadas y/o en asocio con leguminosas (ej: forrajeras y cultivos –ejm. Maíz, frijol-),

(Bationo et.al., 2005).

0

2000

4000

6000

8000

10000

12000

14000

2011 2021 2031 2041 2051 2061 2071

C g

/m2

C en la Fracción Pesada



Figura 3-23. Simulación de stock de C en las partículas de la Fracción Pesada Fina en

diferentes escenarios de uso a futuro (año 2070), con CENTURY.

3.3 Determinación de Stock de Carbono del Suelo, en Sistemas de Producción del Piedemonte Llanero a partir de NIR

La Figura 3-24 muestra las curvas de absorbancia de los espectros de las muestras

tomadas en el Corpoica La Libertad, los cuales son similares entre si y muestran los valores

más altos en la región donde la predicción de CO es evidente-picos de longitud de onda

410 nm, 570 nm y 660 nm- (Viscarra, R. et.al., 2006). Debido a que resultan varios

espectros de la misma muestra, se inicia el análisis de la información con la aplicación del

método de componentes principales correspondientes a combinaciones lineales de las

longitudes de onda originales, para seleccionar una menor cantidad de espectros que

aporten la mayor cantidad de información posible.

0

2000

4000

6000

8000

10000

12000

14000

16000

2011 2021 2031 2041 2051 2061 2071

C g

/m2

C en la Fracción Pesada Fina



piedemonte llanero

Figura 3-24. Curvas de absorbancia de los espectros de las muestras tomadas en Corpoica La

Libertad

Después, se aplicó el análisis de validación cruzada, para obtener el mejor modelo

apropiado para la determinación de valores de C más aproximados. Así, en la calibración

se obtuvieron los resultados que se registran en la Tabla 3-9 y fue seleccionado el modelo

del ítem 7 como el más adecuado.

Tabla 3-9. Resultados del proceso de la calibración del modelo en WinIsis

Factor Error Calibración

R2 Error Validación

1-VR

1 0.877 0.210 1.001 0.041

2 0.810 0.327 1.017 0.010

3 0.683 0.520 1.027 -0.010

4 0.527 0.715 1.016 0.013

5 0.476 0.768 1.010 0.023

6 0.430 0.810 0.978 0.085

7 0.313 0.899 0.945 0.146


En la validación se obtuvieron los resultados que se registran en la Tabla 3-10, de los

cuales se escogió el modelo del ítem 6 como el más apropiado para la determinación de

los valores de carbono.

Tabla 3-10. Resultados del proceso de la validación del modelo en WinIsis

Factor Error Calibración

R2 Error Validación

1-VR

1 0.067 0.16 0.074 -0.025

2 0.061 0.304 0.075 -0.058

3 0.053 0.487 0.078 -0.140

4 0.045 0.620 0.078 -0.124

5 0.038 0.738 0.076 -0.089

6 0.033 0.802 0.070 0.080

Luego de analizar los datos se encontró, que el uso de los diferentes software utilizados

generaron modelos muy diferentes, aun cuando se utilizaron similares tratamientos

matemáticos en los datos como: SNV y suavizado, filtrado de las longitudes de onda y,

diferenciación con la segunda derivada.

En WinISI, luego de probar varios modelos, se obtuvo el de mejor ajuste para determinar

los datos de C, cuyos estadísticos se presentan en las Figuras 3-25 y 3-26:

Figura 3-25. Relación entre los datos reales (metodologías tradicionales) y los estimados,

de calibración con NIR, procesados en WinISI

y = 0.9072x + 0.1743R² = 0.9075

-0.50

0.00

0.50

1.00

1.50

2.00

2.50

3.00

3.50

4.00

4.50

0.00 0.50 1.00 1.50 2.00 2.50 3.00 3.50 4.00 4.50

C o

bse

rvad

o (

%)

C predicho (%)

Valores de C observados vs. predichos


piedemonte llanero

Figura 3-26. Relación entre los datos reales (metodologías tradicionales) y los estimados, de

validación con NIR, procesados en WinISI

Los estadísticos resultantes indican que la calidad de ajuste del modelo obtenido es

moderadamente favorable (Guerrero. et.al., 2008; Sapienza. et.al., 2008; Gherardi, 2010;

Stenberg. et.al., 2010; Camacho et.al., 2014), al presentar valores altos de coeficiente de

determinación R2 = 0,9 y de RPD = 3,15, junto con valores bajos de RSME =0,3 en la

calibración, y R2 = 0,90 y de RPD = 2,94, junto con valores bajos de RSME = 0,3 en la

validación.

La Figura 3-27 muestra la estabilidad de los datos obtenidos, los cuales no presentan

tendencia a aumentar o disminuir, distribuyéndose entre los límites de control y

representando una confiabilidad moderada de los datos, lo cual puede observarse también

en la Figura 3-28, donde se registra la distribución de los datos medidos con analizador

elemental, en comparación con los datos obtenidos mediante NIR. En este caso, aunque

se observan que los datos son diferentes, su tendencia de distribución es similar.

y = 0.8852x + 0.198R² = 0.9139

0.00

0.50

1.00

1.50

2.00

2.50

3.00

3.50

4.00

0.00 0.50 1.00 1.50 2.00 2.50 3.00 3.50 4.00 4.50

C o

bse

rvad

o (

%)

C predicho (%)

Valores de C observados vs. predichos


Figura 3-27. Prueba de estabilidad de datos obtenidos mediante NIR.

Figura 3-28. Comparación entre la distribución de los datos de carbono determinados con

analizador elemental vs. Los datos obtenidos mediante NIR

El procedimiento anterior se desarrolló también, para los diferentes sistemas;

encontrando resultados contrastantes así:

-2

-1

0

1

2

3

4

5

1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58 61 64 67 70 73 76 79 82 85 88

Val

ore

s in

div

idu

ales

I-MR de CT (%) con NIR

Carbono LCI LCM LCS

0.0

2.0

4.0

6.0

8.0

1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58 61 64

% d

e C

Distribución de % C determinados con analizador elemental vs. los determinados con NIR

Analizador elemental NIR


piedemonte llanero

Los mejores modelos obtenidos para los sistemas caucho, mango y palma (Figuras 3-29,

3-31 y 3-32), mediante NIR muestran una tendencia similar a los datos determinados en

el laboratorio, con R2 de 0.8, 0.9 y 0.7 respectivamente (Tabla 3-11).

Para los sistemas cítricos + arachis, pasto + arachis y pasto mulato (Figuras (3-30, 3-33 y

3-34), los modelos resultantes no se consideran adecuados, ya que tienen valores de R2

iguales a 0.6, 0.5 y 0.4, respectivamente.

En general, las tendencias de todos los modelos son similares y aceptables, y pueden

ser mejorados teniendo en cuenta la calidad de los datos de laboratorio de referencia, el

tamaño de partícula del suelo utilizado, la humedad del aire al momento del escaneo

(Groenewald & Köster, 2006).

Tabla 3-11. Estadísticos de la comparación entre la distribución de los datos de carbono

determinados con analizador elemental vs. Los datos obtenidos mediante NIR para cada sistema

de producción

SISTEMA DIFERENCIACIÓN R2 RMSE RPD

Caucho 1ª derivada 0.8 0.3 2.37

Cítricos + Arachis 1ª derivada 0.6 0.6 1.57

Mango 1ª derivada 0.9 0.1 5.8

Palma 1ª derivada 0.7 0.4 1.8

Pasto + Arachis 1ª derivada 0.5 0.5 1.37

Pasto Mulato 1ª derivada 0.4 0.4 1.25

Figura 3-29. Comparación de la modelación del Carbono mediante la metodología NIR, con los

valores obtenidos en laboratorio con el sistema Caucho.

y = 0.8658x + 0.1985R² = 0.8196

0

1

2

3

4

0 1 2 3 4

C o

bse

rvad

o

C predicho

Valores de C observados vs. predichos en Caucho

0

5

10

1 3 5 7 9 11131517192123252729313335

Distribución de % C determinados con analizador elemental vs. los determinados

con NIR en Caucho




valores obtenidos en laboratorio con el sistema Cítricos + Arachis


valores obtenidos en laboratorio con el sistema Mango

y = 0.7542x + 0.4597R² = 0.6095

-2

0

2

4

0 2 4 6C o

bse

rvad

o

C predicho

Valores de C observados vs. predichos en Cítricos + Arachis

0

5

10

1 3 5 7 9 11 13 15 17 19


con NIR en Citrico + Arachis


y = 0.9824x + 0.0252R² = 0.9664

0

1

2

3

4

0 1 2 3 4

C o

bse

rvad

o

C predicho

Valores de C observados vs. predichos en Mango

0

5

10

1 2 3 4 5 6 7 8


con NIR en mango



piedemonte llanero


valores obtenidos en laboratorio con el sistema Palma


valores obtenidos en laboratorio con el sistema Pasto + Arachis

y = 0.8405x + 0.2169R² = 0.7011

0.0

1.0

2.0

3.0

4.0

0 1 2 3 4

C o

bse

rvad

o

C predicho

Valores de C observados vs. predichos en Palma

0

5

10

1 3 5 7 9 111315171921232527293133


con NIR en Palma


y = 0.6437x + 0.4334R² = 0.5059

0

0.5

1

1.5

2

2.5

3

0 1 2 3

C o

bse

rvad

o

C predicho

Valores de C observados vs. predichos en Pasto + Arachis

0

2

4

6

1 3 5 7 9 11 13 15 17 19 21 23


con NIR en Pasto + Arachis




valores obtenidos en laboratorio con el sistema Pasto mulato

y = 0.497x + 0.5307R² = 0.3774

0

0.5

1

1.5

2

2.5

0 1 2 3

C o

bse

rvad

o

C predicho

Valores de C observados vs. predichos en Pasto mulato

0

2

4

6

1 3 5 7 9 11 13 15 17 19 21 23 25 27 29


con NIR en Pasto + Mulato


4. Conclusiones y recomendaciones

El stock de carbono en el suelo es influenciado por los sistemas de producción

agrícola, ya que la composición química de los materiales vegetales difieren entre

sí, haciendo que la cantidad y calidad de la materia orgánica incorporada al suelo

varíe. Además de los sistemas, influyen también el tipo de arcilla presente, el pH

del suelo y los tipos de microorgánicos presentes en el suelo.

El stock de carbono en el suelo cambia de manera importante a través del tiempo,

según sea el sistema de producción utilizado. Mediante la simulación con el modelo

CENTURY, pudo determinarse una disminución del 51% del stock de carbono

inicial (con sistemas pastos y transitorios) en el área estudiada, entre los años 1973

– 2011. Century permitió simular el stock de carbono desde 2011 – 2070 y afirmar

que la disminución del stock de carbono es permanente en el tiempo, mientras no

se contribuya al ingreso de materia orgánica al suelo.

La modelación de los datos de carbono, mediante la técnica NIR, comparada con

los datos obtenidos con metodologías tradicionales, se presenta como una opción

apropiada para la determinación no solo de carbono, sino también de otros

constituyentes y variables del suelo, siempre que se tengan en cuenta aspectos

como tamaño y cantidad de las muestras, humedad de la muestra y del ambiente,

y la preparación de la muestra, además de la composición química del material

vegetal en uso.

A. Anexo: Significado de acrónimos

Acrónimo

C Carbono

CO Carbono orgánico

CT Carbono Total

C.I. Centro de Investigación

FL Fracción Liviana

FP Fracción Pesada

FPF Fracción Pesada Fina

FAO Food and Agriculture Organization of the United Nations

IPCC Intergovernmental Panel on Climate Change

M.O. Materia Orgánica

r Coeficiente de correlación

R2 Coeficiente de determinación

MPE Porcentaje de error medio (BIAS)

RMSE Raíz de error medio cuadrado

som1ci(2,1) Cantidad de carbono en la fracción lábil

som2ci(1) Cantidad de carbono de la fracción lenta de la M.O.

som3ci(1) Cantidad de carbono de la fracción pasiva de la M.O.

B. Anexo: Gráficas de registros de cuarenta años, de precipitación y temperatura, de La Libertad

80 Stock de carbono del suelo a escala local, en ocho sistemas de uso agrícola del piedemonte llanero

ENERO FEBRERO MARZO ABRIL MAYO JUNIO JULIO AGOSTO SEPTIEMBRE OCTUBRE NOVIEMBRE DICIEMBRE

1973 0.19 0.00 1.89 9.15 11.06 9.18 13.81 9.32 7.81 11.53 4.44 1.16

1974 0.10 3.03 1.10 5.12 20.00 12.58 9.52 8.09 10.68 2.99 3.59 0.33

1975 0.15 0.71 6.61 8.30 12.58 9.41 11.10 11.49 7.58 8.69 7.78 3.95

1976 0.10 0.26 3.42 10.21 12.56 11.57 10.65 8.51 6.03 6.59 4.75 3.45

1977 0.00 1.53 3.65 4.70 10.61 10.65 9.06 8.73 12.79 10.37 5.29 0.82

1978 1.27 1.07 11.40 17.10 12.88 12.13 12.61 8.98 10.79 14.51 5.66 3.35

1979 0.32 0.01 10.95 12.52 9.56 11.86 7.45 10.35 9.30 19.06 10.30 3.31

1980 0.59 0.01 4.14 8.69 7.97 20.85 11.76 8.00 6.89 8.61 4.28 1.35

1981 0.09 4.78 3.17 13.93 24.00 6.91 5.28 6.95 5.70 11.92 7.09 5.44

1982 0.10 0.64 3.95 17.29 15.94 5.74 10.50 9.89 6.38 13.85 10.54 3.20

0.00

5.00

10.00

15.00

20.00

25.00

30.00

Pre

cip

itac

ión

mm

Distribución de precipitación entre los años 1973 - 1982

Anexo B. Gráficas de registros de cuarenta años, de precipitación y temperatura, de La Libertad 81


1983 0.73 3.54 2.57 18.05 13.29 14.31 7.89 8.55 11.86 15.11 8.36 7.98

1984 4.62 7.91 5.30 11.48 11.55 19.59 9.35 11.56 12.45 10.59 6.55 0.88

1985 0.00 0.21 1.95 8.25 13.17 11.66 4.13 9.44 18.25 9.05 6.75 1.23

1986 0.45 4.23 2.50 11.29 11.18 16.75 11.60 8.95 10.54 13.92 9.09 1.78

1987 0.74 1.98 9.84 14.30 8.53 9.20 14.29 10.10 9.60 11.27 8.03 1.30

1988 0.05 0.97 0.83 9.58 14.70 10.85 8.03 10.81 6.08 6.84 6.21 2.98

1989 0.94 2.34 3.85 6.26 17.08 9.03 7.79 9.93 8.17 10.96 6.14 1.78

1990 1.05 3.65 6.98 13.55 14.96 15.01 11.15 7.15 6.70 3.83 7.00 3.37

1991 0.00 1.07 2.74 9.76 18.34 13.36 6.74 6.81 6.47 11.00 9.20 0.03

1992 0.97 0.00 1.69 12.27 9.78 11.97 7.92 3.08 11.04 2.63 7.12 4.85

0.00

5.00

10.00

15.00

20.00

25.00

Pre

cip

itac

ión

mm


82 Stock de carbono del suelo a escala local, en ocho sistemas de uso agrícola del piedemonte llanero


1993 4.33 1.50 4.70 10.45 11.64 7.14 14.23 7.94 11.05 6.73 6.50 0.40

1994 0.09 1.50 10.77 14.40 12.17 7.81 11.79 12.98 12.26 11.38 11.84 0.93

1995 3.74 0.01 5.39 8.69 12.14 13.16 9.33 8.93 9.16 7.83 4.88 5.53

1996 0.10 3.59 3.62 12.50 20.04 13.31 9.80 9.03 4.16 12.86 7.00 3.96

1997 0.15 3.20 2.72 9.53 13.49 8.90 7.10 7.86 16.33 6.99 2.20 0.13

1998 0.32 5.22 8.27 15.86 11.66 13.21 10.01 5.67 5.20 6.85 5.80 0.28

1999 1.35 6.55 6.29 23.30 18.42 20.65 9.27 8.22 9.52 8.55 11.38 6.49

2000 1.26 2.30 4.32 10.75 18.52 10.70 10.07 7.14 4.29 11.34 4.99 2.42

2001 0.01 0.69 5.27 6.58 15.14 10.72 11.99 9.92 9.49 11.61 9.40 7.45

2002 0.04 0.74 10.53 12.28 24.92 13.21 8.19 8.37 6.72 8.75 3.46 2.06

0.00

5.00

10.00

15.00

20.00

25.00

30.00

Pre

cip

itac

ión

mm


Anexo B. Gráficas de registros de cuarenta años, de precipitación y temperatura, de La Libertad 83


2003 0.00 1.29 6.60 3.10 10.10 10.27 5.90 7.20 15.10 10.70 6.50 2.20

2004 1.31 6.89 5.73 11.08 14.40 20.55 11.84 5.49 10.94 10.41 9.95 6.24

2005 0.13 7.18 3.96 10.78 13.45 13.29 9.20 8.04 5.96 11.68 7.28 0.01

2006 8.57 0.11 10.69 11.52 16.86 15.23 8.24 6.05 10.01 17.94 18.69 0.94

2007 0.27 0.43 4.83 11.23 14.81 15.17 6.78 6.09 11.75 8.65 2.45 1.36

2008 0.14 0.55 0.38 10.23 16.71 13.86 12.97 7.18 10.56 7.88 13.41 2.78

2009 1.26 2.30 4.32 10.75 18.52 10.70 10.07 7.14 4.29 11.34 4.99 2.42

2010 0.01 0.69 5.27 6.58 15.14 10.72 11.99 9.92 9.49 11.61 9.40 7.45

2011 0.04 0.74 10.53 12.28 24.92 13.21 8.19 8.37 6.72 8.75 3.46 2.06

2013 0.00 0.93 7.67 12.54 16.21 10.33 11.88 10.64 7.84 7.07 14.90 2.21

0.00

5.00

10.00

15.00

20.00

25.00

30.00

Pre

cip

itac

ión

mm


Anexo C. Ejemplos de la información de los archivos generados para la

simulación de escenarios en CENTURY

85

C. Anexo: Ejemplos de la información de los archivos generados para la simulación de escenarios en CENTURY

Archivo crop (Ejemplo de las características de los cultivos a incluir en el modelo)

GS Brachiaria Decumbens 300.0 'PRDX(1)' 30 'PPDF(1)' 45.0 'PPDF(2)' 1.0 'PPDF(3)' 3.0 'PPDF(4)' 1.0 'BIOFLG' 60.0 'BIOK5' 1.0 'PLTMRF' 100.0 'FULCAN' 0.0 'FRTC(1)' GP eq 0.0 'FRTC(2)' 0.0 'FRTC(3)' 400.0 'BIOMAX' 20.0 'PRAMN(1,1)' 390 'PRAMN(2,1)' 30.0 'PRAMN(1,2)' 390.0 'PRAMN(2,2)' 30.0 'PRAMX(1,1)' 440.0 'PRAMX(2,1)' 80.0 'PRAMX(1,2)' 440.0 'PRAMX(2,2)' 60.0 'PRBMN(1,1)' 390.0 'PRBMN(2,1)' 0.0 'PRBMN(1,2)' 0.0 'PRBMN(2,2)' 80.0 'PRBMX(1,1)'

420.0 'PRBMX(2,1)' 0.0 'PRBMX(1,2)' 0.0 'PRBMX(2,2)' 0.02 'FLIGNI(1,1)' 0.012 'FLIGNI(2,1)' 0.26 'FLIGNI(1,2)' -0.0015 'FLIGNI(2,2)' 0.00 'HIMAX' 0.0 'HIWSF' 0.0 'HIMON(1)' 0.0 'HIMON(2)' 0.5 'EFRGRN(1)' 0.5 'EFRGRN(2)' 0.04 'VLOSSP' 0.2 'FSDETH(1)' 0.95 'FSDETH(2)' 0.2 'FSDETH(3)' 150.0 'FSDETH(4)' 0.15 'FALLRT' 0.07 'RDR' 0.00 'RTSEN'

Anexo C. Ejemplos de la información de los archivos generados para la simulación

de escenarios en CENTURY

85

Archivo site (Ejemplo de las características del sitio a incluir en los diferentes

escenarios

*** Parametro Climaticos 0.19 PRECIP(1) 0.00 PRECIP(2) 1.89 PRECIP(3) 9.15 PRECIP(4) 11.06 PRECIP(5) 9.18 PRECIP(6) 13.81 PRECIP(7) 9.32 PRECIP(8) 7.81 PRECIP(9) 11.53 PRECIP(10) 4.44 PRECIP(11) 1.16 PRECIP(12) 2.34 PRCSTD(1) 2.73 PRCSTD(2) 2.95 PRCSTD(3) 2.75 PRCSTD(4) 3.97 PRCSTD(5) 2.78 PRCSTD(6) 2.12 PRCSTD(7) 1.59 PRCSTD(8) 3.87 PRCSTD(9) 2.94 PRCSTD(10) 4.55 PRCSTD(11) 2.34 PRCSTD(12) 0.00000 'PRCSKW(1)' 0.0000 'PRCSKW(2)' 0.0000 'PRCSKW(3)' 0.0000 'PRCSKW(4)' 0.0000 'PRCSKW(5)' 0.0000 'PRCSKW(6)' 0.0000 'PRCSKW(7)' 0.0000 'PRCSKW(8)' 0.0000 'PRCSKW(9)' 0.0000 'PRCSKW(10)' 1.1200 'PRCSKW(11)' 0.0000 'PRCSKW(12)' 21.8 TMN2M(1) 22.3 TMN2M(2) 22.4 TMN2M(3) 22.1 TMN2M(4) 21.7 TMN2M(5) 21.2 TMN2M(6) 21.0 TMN2M(7)

21.0 TMN2M(8) 21.3 TMN2M(9) 21.5 TMN2M(10) 21.8 TMN2M(11) 21.7 TMN2M(12) 32.2 TMX2M(1) 32.8 TMX2M(2) 32.1 TMX2M(3) 30.5 TMX2M(4) 29.7 TMX2M(5) 28.7 TMX2M(6) 28.7 TMX2M(7) 29.6 TMX2M(8) 30.2 TMX2M(9) 30.5 TMX2M(10) 30.6 TMX2M(11) 31.0 TMX2M(12) *** Site and control parameters 0 IVAUTO 1.0 NELEM 4.17 SITLAT -73.49 SITLNG 54.63 SAND 19.13 SILT 26.25 CLAY 1.3 BULKD 8.0 NLAYER 8.0 NLAYPG 1.0 DRAIN 4.5 PH *** External nutrient input parameters 0.21 EPNFA(1) 0.0028 EPNFA(2) -0.92 EPNFS(1) 0.028 EPNFS(2) 0.0 SATMOS(1) 0.0 SATMOS(2) 0.0 SIRRI *** Organic matter initial values 5768.52 SOM1CI(1,1) 0.00000 SOM1CI(1,2) 0.00000 SOM1CI(2,1) 0.00000 SOM1CI(2,2) 8460.49 SOM2CI(1)

86 Stock de carbono del suelo, a escala local, en ocho sistemas de uso agrícola del piedemonte llanero. Área representativa, C.I. Corpoica La Libertad (Meta, Colombia)

0.00000 SOM2CI(2) 10191.05 SOM3CI(1) 0.00000 SOM3CI(2) 10.0 RCES1(1,1) 50.0 RCES1(1,2) 50.0 RCES1(1,3) 10.0 RCES1(2,1) 50.0 RCES1(2,2) 50.0 RCES1(2,3) 17.0 RCES2(1) 117.0 RCES2(2) 117.0 RCES2(3) 7.0 RCES3(1) 62.0 RCES3(2) 62.0 RCES3(3) 100.0 CLITTR(1,1) 0.0 CLITTR(1,2) 100.0 CLITTR(2,1) 0.0 CLITTR(2,2) 0.0 RCELIT(1,1) 0.0 RCELIT(1,2) 0.0 RCELIT(1,3) 66.0 RCELIT(2,1) 0.0 RCELIT(2,2) 0.0 RCELIT(2,3) 0.0 AGLCIS(1) 0.0 AGLCIS(2) 0.0 AGLIVE(1) 0.0 AGLIVE(2) 0.0 AGLIVE(3) 0.0 BGLCIS(1) 0.0 BGLCIS(2) 4900 BGLIVE(1) 210 BGLIVE(2) 210 BGLIVE(3) 50.0 STDCIS(1) 0.0 STDCIS(2) 0.8 STDEDE(1) 0.2 STDEDE(2) 0.2 STDEDE(3) *** Forest organic matter initial parameters 0.0 RLVCIS(1) 0.0 RLVCIS(2) 0.0 RLEAVE(1) 0.0 RLEAVE(2) 0.0 RLEAVE(3) 0.0 FBRCIS(1) 0.0 FBRCIS(2) 0.0 FBRCHE(1) 0.0 FBRCHE(2) 0.0 FBRCHE(3) 0.0 RLWCIS(1)

0.0 RLWCIS(2) 0.0 RLWODE(1) 0.0 RLWODE(2) 0.0 RLWODE(3) 0.0 FRTCIS(1) 0.0 FRTCIS(2) 0.0 FROOTE(1) 0.0 FROOTE(2) 0.0 FROOTE(3) 0.0 CRTCIS(1) 0.0 CRTCIS(2) 0.0 CROOTE(1) 0.0 CROOTE(2) 0.0 CROOTE(3) 0.0 WD1CIS(1) 0.0 WD1CIS(2) 0.0 WD2CIS(1) 0.0 WD2CIS(2) 0.0 WD3CIS(1) 0.0 WD3CIS(2) 0.3 W1LIG 0.3 W2LIG 0.3 W3LIG *** Mineral initial parameters 0.0 MINERL(1,1) 0.0 MINERL(2,1) 0.0 MINERL(3,1) 0.0 MINERL(4,1) 0.0 MINERL(5,1) 0.0 MINERL(6,1) 0.0 MINERL(7,1) 0.0 MINERL(8,1) 0.0 MINERL(9,1) 0.0 MINERL(10,1) 0.0 MINERL(1,2) 0.0 MINERL(2,2) 0.0 MINERL(3,2) 0.0 MINERL(4,2) 0.0 MINERL(5,2) 0.0 MINERL(6,2) 0.0 MINERL(7,2) 0.0 MINERL(8,2) 0.0 MINERL(9,2) 0.0 MINERL(10,2) 0.0 MINERL(1,3) 0.0 MINERL(2,3) 0.0 MINERL(3,3) 0.0 MINERL(4,3) 0.0 MINERL(5,3) 0.0 MINERL(6,3) 0.0 MINERL(7,3) 0.0 MINERL(8,3)



87

Archivo con extensión .sch o .evt (Ejemplo programación de los eventos de cada

escenario)

1 Starting year 2011 Last year LIBA.100 Site file name 0 Labeling type -1 Labeling year -1.00 Microcosm -1 CO2 Systems 1 Initial system TKNZ2 Initial crop Initial tree 1 1 FRST 1 2 CROP TKNZ2 1 12 LAST Year Month Option 1 Block # BRACHIARIA DECUMBENS 1988 Last year 5 Repeats # years

1973 Output starting year 12 Output month 1 Output interval M Weather choice 1 1 FRST 1 2 CROP TKNZ2 1 12 LAST 2 1 FRST 2 2 CROP TKNZ2 2 12 LAST 3 1 FRST 3 2 CROP

TKNZ2 3 12 LAST 4 1 FRST 4 2 CROP TKNZ2 4 12 LAST 5 1 FRST 5 2 CROP TKNZ2 5 12 LAST -999 -999 X 2 Block # REMOCION BRACHIARIA DECUMBENS 1990 Last year 1 Repeats # years 1989 Output starting year 12 Output month 1 Output interval F Weather choice LIB.wth 1 1 FRST 1 2 CROP TKNZ2 1 12 TREM FIRE 1 12 TLST

-999 -999 X

Archivo con extensión .wth (registro de varios años de precipitación y temperatura media mensual)

Variable Año Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre

prec 1973 0.19 0.00 1.89 9.15 11.06 9.18 13.81 9.32 7.81 11.53 4.44 1.16

tmin 1973 21.8 22.3 22.4 22.1 21.7 21.2 21 21 21.3 21.5 21.8 21.7

tmax 1973 32.2 32.8 32.1 30.5 29.7 28.7 28.7 29.6 30.2 30.5 30.6 31

prec 1974 0.10 3.03 1.10 5.12 20.00 12.58 9.52 8.09 10.68 2.99 3.59 0.33

tmin 1974 21.8 22.3 22.4 22.1 21.7 21.2 21 21 21.3 21.5 21.8 21.7

tmax 1974 32.2 32.8 32.1 30.5 29.7 28.7 28.7 29.6 30.2 30.5 30.6 31

prec 1975 0.15 0.71 6.61 8.30 12.58 9.41 11.10 11.49 7.58 8.69 7.78 3.95

tmin 1975 21.8 22.3 22.4 22.1 21.7 21.2 21 21 21.3 21.5 21.8 21.7

tmax 1975 32.2 32.8 32.1 30.5 29.7 28.7 28.7 29.6 30.2 30.5 30.6 31

prec 1976 0.10 0.26 3.42 10.21 12.56 11.57 10.65 8.51 6.03 6.59 4.75 3.45

tmin 1976 21.8 22.3 22.4 22.1 21.7 21.2 21 21 21.3 21.5 21.8 21.7

tmax 1976 32.2 32.8 32.1 30.5 29.7 28.7 28.7 29.6 30.2 30.5 30.6 31

prec 1977 0.00 1.53 3.65 4.70 10.61 10.65 9.06 8.73 12.79 10.37 5.29 0.82

tmin 1977 21.8 22.3 22.4 22.1 21.7 21.2 21 21 21.3 21.5 21.8 21.7

tmax 1977 32.2 32.8 32.1 30.5 29.7 28.7 28.7 29.6 30.2 30.5 30.6 31

prec 1978 1.27 1.07 11.40 17.10 12.88 12.13 12.61 8.98 10.79 14.51 5.66 3.35

tmin 1978 21.8 22.3 22.4 22.1 21.7 21.2 21 21 21.3 21.5 21.8 21.7

tmax 1978 32.2 32.8 32.1 30.5 29.7 28.7 28.7 29.6 30.2 30.5 30.6 31

prec 1979 0.32 0.01 10.95 12.52 9.56 11.86 7.45 10.35 9.30 19.06 10.30 3.31

tmin 1979 21.52 23.23 22.84 22.23 -99.99 21.88 99.99 -99.99 -99.99 -99.99 21.35 22.35

tmax 1979 31.68 33.32 30.77 30.38 -99.99 30.71 30 30.75 30.16 31.38 33.65 34.41

prec 1980 0.59 0.01 4.14 8.69 7.97 20.85 11.76 8.00 6.89 8.61 4.28 1.35

tmin 1980 21.1 22.9 22.2 25 -9.99 20.5 19.9 19.4 20.8 20.3 20 21.2

tmax 1980 33.5 37.2 33.4 33.06 -9.99 28.3 28.8 29.2 32.1 28.4 29.7 30

prec 1981 0.09 4.78 3.17 13.93 24.00 6.91 5.28 6.95 5.70 11.92 7.09 5.44

tmin 1981 21.9 20.7 22.2 22.4 21.9 21.7 21.9 22.5 23.85 22.8 22.58 22.6

tmax 1981 31.2 31.9 32.5 31.4 30.3 29.1 29.3 30.5 31.65 31.7 31.12 32.9

prec 1982 0.10 0.64 3.95 17.29 15.94 5.74 10.50 9.89 6.38 13.85 10.54 3.20

tmin 1982 24.07 23.3 23.4 23 22.7 21.7 21.6 21.8 21.8 22.4 22.3 22.2

tmax 1982 35.06 33.2 33.4 31.2 30.4 28.8 29.4 30.2 31.4 31 30.7 31.9

prec 1983 0.73 3.54 2.57 18.05 13.29 14.31 7.89 8.55 11.86 15.11 8.36 7.98

tmin 1983 22.3 21.83 22.31 22.04 21.58 21.69 21.29 21.11 21.61 21.7 22.18 22.57

tmax 1983 31.3 30.71 31.83 30.5 -9.99 -9.99 -9.99 -9.99 -9.99 31 31.24 30.97



prec 1984 4.62 7.91 5.30 11.48 11.55 19.59 9.35 11.56 12.45 10.59 6.55 0.88

tmin 1984 22.3 21.83 22.31 22.04 21.58 21.69 21.29 21.11 21.61 21.7 22.18 22.57

tmax 1984 31.3 30.71 31.83 30.5 -9.99 -9.99 -9.99 -9.99 -9.99 31 31.24 30.97

prec 1985 0.00 0.21 1.95 8.25 13.17 11.66 4.13 9.44 18.25 9.05 6.75 1.23

tmin 1985 22.3 21.83 22.31 22.04 21.58 21.69 21.29 21.11 21.61 21.7 22.18 22.57

tmax 1985 31.3 30.71 31.83 30.5 -9.99 -9.99 -9.99 -9.99 -9.99 31 31.24 30.97

prec 1986 0.45 4.23 2.50 11.29 11.18 16.75 11.60 8.95 10.54 13.92 9.09 1.78

tmin 1986 22.3 21.83 22.31 22.04 21.58 21.69 21.29 21.11 21.61 21.7 22.18 22.57

tmax 1986 31.3 30.71 31.83 30.5 -9.99 -9.99 -9.99 -9.99 -9.99 31 31.24 30.97

prec 1987 0.74 1.98 9.84 14.30 8.53 9.20 14.29 10.10 9.60 11.27 8.03 1.30

tmin 1987 21.52 23.23 22.84 22.23 -99.99 21.88 99.99 -99.99 -99.99 -99.99 21.35 22.35

tmax 1987 31.68 33.32 30.77 30.38 -99.99 30.71 30 30.75 30.16 31.38 33.65 34.41

prec 1988 0.05 0.97 0.83 9.58 14.70 10.85 8.03 10.81 6.08 6.84 6.21 2.98

tmin 1988 21.1 22.9 22.2 25 -9.99 20.5 19.9 19.4 20.8 20.3 20 21.2

tmax 1988 33.5 37.2 33.4 33.06 -9.99 28.3 28.8 29.2 32.1 28.4 29.7 30

prec 1989 0.94 2.34 3.85 6.26 17.08 9.03 7.79 9.93 8.17 10.96 6.14 1.78

tmin 1989 21.9 20.7 22.2 22.4 21.9 21.7 21.9 22.5 23.85 22.8 22.58 22.6

tmax 1989 31.2 31.9 32.5 31.4 30.3 29.1 29.3 30.5 31.65 31.7 31.12 32.9

prec 1990 1.05 3.65 6.98 13.55 14.96 15.01 11.15 7.15 6.70 3.83 7.00 3.37

tmin 1990 24.07 23.3 23.4 23 22.7 21.7 21.6 21.8 21.8 22.4 22.3 22.2

tmax 1990 35.06 33.2 33.4 31.2 30.4 28.8 29.4 30.2 31.4 31 30.7 31.9

prec 1991 0.00 1.07 2.74 9.76 18.34 13.36 6.74 6.81 6.47 11.00 9.20 0.03

tmin 1991 21.1 22.9 22.2 25 -9.99 20.5 19.9 19.4 20.8 20.3 20 21.2

tmax 1991 33.5 37.2 33.4 33.06 -9.99 28.3 28.8 29.2 32.1 28.4 29.7 30

prec 1992 0.97 0.00 1.69 12.27 9.78 11.97 7.92 3.08 11.04 2.63 7.12 4.85

tmin 1992 21.9 20.7 22.2 22.4 21.9 21.7 21.9 22.5 23.85 22.8 22.58 22.6

tmax 1992 31.2 31.9 32.5 31.4 30.3 29.1 29.3 30.5 31.65 31.7 31.12 32.9

prec 1993 4.33 1.50 4.70 10.45 11.64 7.14 14.23 7.94 11.05 6.73 6.50 0.40

tmin 1993 24.07 23.3 23.4 23 22.7 21.7 21.6 21.8 21.8 22.4 22.3 22.2

tmax 1993 35.06 33.2 33.4 31.2 30.4 28.8 29.4 30.2 31.4 31 30.7 31.9

prec 1994 0.09 1.50 10.77 14.40 12.17 7.81 11.79 12.98 12.26 11.38 11.84 0.93

tmin 1994 21.1 22.9 22.2 25 -9.99 20.5 19.9 19.4 20.8 20.3 20 21.2

tmax 1994 33.5 37.2 33.4 33.06 -9.99 28.3 28.8 29.2 32.1 28.4 29.7 30



107


prec 1995 3.74 0.01 5.39 8.69 12.14 13.16 9.33 8.93 9.16 7.83 4.88 5.53

tmin 1995 21.52 23.23 22.84 22.23 -99.99 21.88 99.99 -99.99 -99.99 -99.99 21.35 22.35

tmax 1995 31.68 33.32 30.77 30.38 -99.99 30.71 30 30.75 30.16 31.38 33.65 34.41

prec 1996 0.10 3.59 3.62 12.50 20.04 13.31 9.80 9.03 4.16 12.86 7.00 3.96

tmin 1996 21.1 22.9 22.2 25 -9.99 20.5 19.9 19.4 20.8 20.3 20 21.2

tmax 1996 33.5 37.2 33.4 33.06 -9.99 28.3 28.8 29.2 32.1 28.4 29.7 30

prec 1997 0.15 3.20 2.72 9.53 13.49 8.90 7.10 7.86 16.33 6.99 2.20 0.13

tmin 1997 21.9 20.7 22.2 22.4 21.9 21.7 21.9 22.5 23.85 22.8 22.58 22.6

tmax 1997 31.2 31.9 32.5 31.4 30.3 29.1 29.3 30.5 31.65 31.7 31.12 32.9

prec 1998 0.32 5.22 8.27 15.86 11.66 13.21 10.01 5.67 5.20 6.85 5.80 0.28

tmin 1998 24.07 23.3 23.4 23 22.7 21.7 21.6 21.8 21.8 22.4 22.3 22.2

tmax 1998 35.06 33.2 33.4 31.2 30.4 28.8 29.4 30.2 31.4 31 30.7 31.9

prec 1999 1.35 6.55 6.29 23.30 18.42 20.65 9.27 8.22 9.52 8.55 11.38 6.49

tmin 1999 22.3 21.83 22.31 22.04 21.58 21.69 21.29 21.11 21.61 21.7 22.18 22.57

tmax 1999 31.3 30.71 31.83 30.5 -9.99 -9.99 -9.99 -9.99 -9.99 31 31.24 30.97

prec 2000 1.26 2.30 4.32 10.75 18.52 10.70 10.07 7.14 4.29 11.34 4.99 2.42

tmin 2000 22.15 22.23 22.38 22.19 21.63 21.83 21.3 0.23 0.14 0.37 22.26 0.08

tmax 2000 31.61 32.06 32.41 29.37 29.54 29.45 29.26 29.81 30.19 30.99 31.03 30.68

prec 2001 0.01 0.69 5.27 6.58 15.14 10.72 11.99 9.92 9.49 11.61 9.40 7.45

tmin 2001 21.05 22.41 22.61 21.77 21.96 20.92 21.55 21.26 21.29 22.02 22.33 22.64

tmax 2001 32.58 33.37 32.63 30.79 29.83 28.64 29.2 29.74 30.71 31.3 31.78 30.58

prec 2002 0.04 0.74 10.53 12.28 24.92 13.21 8.19 8.37 6.72 8.75 3.46 2.06

tmin 2002 21.89 22.3 22.12 21.97 22.05 20.83 21.63 21.41 21.42 21.85 22.03 22.01

tmax 2002 32.01 34.35 32.95 30.28 29.46 28.81 29.16 30.2 30.82 30.57 30.87 31.49

prec 2003 0.00 1.29 6.60 3.10 10.10 10.27 5.90 7.20 15.10 10.70 6.50 2.20

tmin 2003 23.29 23.65 23.15 22.37 21.7 21.59 21.51 21.78 21.54 22.39 22.28 22.57

tmax 2003 33.86 34.29 32.45 29.99 29.48 29.32 28.9 30.11 30.03 30.91 30.89 31.01

prec 2004 1.31 6.89 5.73 11.08 14.40 20.55 11.84 5.49 10.94 10.41 9.95 6.24

tmin 2004 22.61 22.6 22.68 22.23 21.92 21.24 21.99 21.61 21.46 21.94 21.45 22.49

tmax 2004 32.41 33.63 31.54 30.75 29.44 28.85 29.11 30.93 30.99 30.97 31.01 31.14

prec 2005 0.13 7.18 3.96 10.78 13.45 13.29 9.2 8.04 5.96 11.68 7.28 0.01

tmin 2005 22.16 22.92 23.3 21.83 22.55 21.94 21.3 21.7 21.75 21.37 21.95 21.93

tmax 2005 32.55 32.11 33.03 30.03 30.48 29.87 29.26 29.93 31.01 31.26 30.65 31.78

prec 2006 8.57 0.11 10.69 11.52 16.86 15.23 8.24 6.05 10.01 17.94 18.69 0.94

tmin 2006 22.18 22.41 22.4 22.35 21.73 21.57 21.13 21.64 21.66 22.26 21.86 22.88


tmax 2006 31.63 32.14 30.64 30.8 28.92 29.25 29.05 30.12 30.77 30.82 30.79 31.6

prec 2007 0.27 0.43 4.83 11.23 14.81 15.17 6.78 6.09 11.75 8.65 2.45 1.36

tmin 2007 22.92 22.1 22.53 22.5 21.1 21.76 21.49 20.59 20.51 21.84 21.75 21.37


tmax 2007 33.66 35.24 33.17 31.46 29.77 28.21 30 29.7 30.37 30.89 31.38 31.08

prec 2008 0.14 0.55 0.38 10.23 16.71 13.86 12.97 7.18 10.56 7.88 13.41 2.78

tmin 2008 21.25 23.28 23.01 22.22 21.74 21.82 19.23 21.1 21.21 21.9 22.14 22.43

tmax 2008 32.46 34.41 33.67 31.85 29.52 28.59 29.05 30.6 31.04 30.99 30.81 31.24

prec 2009 1.26 2.3 4.32 10.75 18.52 10.7 10.07 7.14 4.29 11.34 4.99 2.42

tmin 2009 22.15 22.23 22.38 22.19 21.63 21.83 21.3 0.23 0.14 0.37 22.26 0.08

tmax 2009 31.61 32.06 32.41 29.37 29.54 29.45 29.26 29.81 30.19 30.99 31.03 30.68

prec 2010 0.01 0.69 5.27 6.58 15.14 10.72 11.99 9.92 9.49 11.61 9.4 7.45

tmin 2010 21.05 22.41 22.61 21.77 21.96 20.92 21.55 21.26 21.29 22.02 22.33 22.64

tmax 2010 32.58 33.37 32.63 30.79 29.83 28.64 29.2 29.74 30.71 31.3 31.78 30.58

prec 2011 0.04 0.74 10.53 12.28 24.92 13.21 8.19 8.37 6.72 8.75 3.46 2.06

tmin 2011 21.89 22.3 22.12 21.97 22.05 20.83 21.63 21.41 21.42 21.85 22.03 22.01

tmax 2011 32.01 34.35 32.95 30.28 29.46 28.81 29.16 30.2 30.82 30.57 30.87 31.49

D. Anexo: Coordenadas y % CT de los sitios muestreados.

Muestreo en Abril de 2011 FL (2 mm) FP (<0.25 mm) FPF (0.044 mm)

Latitud Longitud No. Sistema Calicata Profundidad % CT % CT % CT

4.05742 73.46790 1 transitorio 1 0 a 5 1.36 1.5 3.47

4.05742 73.46790 2 transitorio 1 5 a 10 0.49 1.46 3.42

4.05742 73.46790 3 transitorio 1 10 a 20 1.65 1.04 2.54

4.05742 73.46790 4 transitorio 1 20 a 30 1.29 1.01 2.14

4.05742 73.46790 5 transitorio 1 30 a 50 0.91 0.772 1.56

4.05742 73.46790 6 transitorio 1 50 a 75 0.61 0.62 1.17

4.05742 73.46790 7 transitorio 1 75 a 100 0.53 0.511 0.91

4.05742 73.46790 8 transitorio 1 100 a 125 0.42 0.425 0.73

4.06647 73.44457 9 transitorio 2 0 a 5 1.84 1.47 3.00

4.06647 73.44457 10 transitorio 2 5 a 10 1.71 1.21 2.82

4.06647 73.44457 11 transitorio 2 10 a 20 1.42 1.37 2.39

4.06647 73.44457 12 transitorio 2 20 a 30 1.17 1.07 1.92

4.06647 73.44457 13 transitorio 2 30 a 50 0.82 0.752 1.33

4.06647 73.44457 14 transitorio 2 50 a 75 0.62 0.558 1.01

4.06647 73.44457 15 transitorio 2 75 a 100 0.51 0.521 0.94

4.06647 73.44457 16 transitorio 2 100 a 125 1.92 0.488 0.89

4.06582 73.44543 17 transitorio 3 0 a 5 1.86 1.45 3.34

4.06582 73.44543 18 transitorio 3 5 a 10 1.58 1.29 2.93

4.06582 73.44543 19 transitorio 3 10 a 20 1.37 1.2 2.42

4.06582 73.44543 20 transitorio 3 20 a 30 1.04 0.957 1.83

4.06582 73.44543 21 transitorio 3 30 a 50 0.93 0.853 1.62

4.06582 73.44543 22 transitorio 3 50 a 75 0.61 0.597 1.09

4.06582 73.44543 23 transitorio 3 75 a 100 0.47 0.499 0.85

4.06582 73.44543 24 transitorio 3 100 a 125 0.34 0.405 0.69

4.06573 73.44655 25 transitorio 4 0 a 5 1.95 1.62 3.34

4.06573 73.44655 26 transitorio 4 5 a 10 1.95 1.8 3.40


…Continuación Anexo D.



4.06573 73.44655 27 transitorio 4 10 a 20 1.81 1.66 2.94

4.06573 73.44655 28 transitorio 4 20 a 30 1.65 1.49 2.63

4.06573 73.44655 29 transitorio 4 30 a 50 1.16 1.04 1.84

4.06573 73.44655 30 transitorio 4 50 a 75 0.72 0.669 1.19

4.06573 73.44655 31 transitorio 4 75 a 100 0.50 0.476 0.88

4.06573 73.44655 32 transitorio 4 100 a 125 0.42 0.392 0.70

33 caucho 5 0 a 5 1.28 1.74 3.37

34 caucho 5 5 a 10 1.15 1.59 3.00

35 caucho 5 10 a 20 1.11 1.55 2.88

36 caucho 5 20 a 30 1.05 1.55 2.63

37 caucho 5 30 a 50 0.83 1.19 2.11

38 caucho 5 50 a 75 0.60 0.877 1.54

39 caucho 5 75 a 100 0.42 0.626 1.04

40 caucho 5 100 a 125 0.36 0.537 0.91

4.06480 73.44903 41 caucho 6 0 a 5 1.32 1.77 3.52

4.06480 73.44903 42 caucho 6 5 a 10 1.10 1.28 3.10

4.06480 73.44903 43 caucho 6 10 a 20 1.15 1.43 3.17

4.06480 73.44903 44 caucho 6 20 a 30 1.13 1.55 2.96

4.06480 73.44903 45 caucho 6 30 a 50 0.80 1.09 2.12

4.06480 73.44903 46 caucho 6 50 a 75 0.48 0.667 1.27

4.06480 73.44903 47 caucho 6 75 a 100 0.36 0.493 0.94

4.06480 73.44903 48 caucho 6 100 a 125 0.30 0.427 0.78

4.06447 73.44933 49 caucho 7 0 a 5 1.29 1.78 3.38

4.06447 73.44933 50 caucho 7 5 a 10 1.18 1.66 3.06

4.06447 73.44933 51 caucho 7 10 a 20 1.00 1.43 2.55

4.06447 73.44933 52 caucho 7 20 a 30 0.81 1.14 2.09

4.06447 73.44933 53 caucho 7 30 a 50 0.53 0.758 1.37

4.06447 73.44933 54 caucho 7 50 a 75 0.38 0.556 0.98

4.06447 73.44933 55 caucho 7 75 a 100 0.32 0.417 0.88

4.06447 73.44933 56 caucho 7 100 a 125 0.30 0.465 0.73

4.06393 73.44898 57 caucho 8 0 a 5 1.21 1.44 3.40

4.06393 73.44898 58 caucho 8 5 a 10 1.07 1.31 2.96

4.06393 73.44898 59 caucho 8 10 a 20 0.94 1.2 2.55

4.06393 73.44898 60 caucho 8 20 a 30 0.91 1.17 2.48

4.06393 73.44898 61 caucho 8 30 a 50 0.62 0.874 1.60

4.06393 73.44898 62 caucho 8 50 a 75 0.47 0.679 1.21

4.06393 73.44898 63 caucho 8 75 a 100 0.35 0.503 0.91

4.06028 73.46155 65 salpìcon 9 0 a 5 1.65 1.38 3.53

4.06028 73.46155 66 salpìcon 9 5 a 10 1.69 1.42 3.24

Anexo D. Coordenadas y % CT de los sitios muestreados. 111

… Continuación Anexo D.



4.06028 -73.46155 67 salpìcon 9 10 a 20 1.44 1.28 2.52

4.06028 -73.46155 68 salpìcon 9 20 a 30 1.30 1.21 2.28

4.06028 -73.46155 69 salpìcon 9 30 a 50 0.90 0.828 1.57

4.06028 -73.46155 70 salpìcon 9 50 a 75 0.66 0.607 1.14

4.06028 -73.46155 71 salpìcon 9 75 a 100 0.47 0.554 0.99

4.06025 -73.46170 73 salpìcon 10 0 a 5 1.77 1.35 3.16

4.06025 -73.46170 74 salpìcon 10 5 a 10 1.81 1.48 3.19

4.06025 -73.46170 75 salpìcon 10 10 a 20 1.73 1.54 2.99

4.06025 -73.46170 76 salpìcon 10 20 a 30 1.46 1.41 2.62

4.06025 -73.46170 77 salpìcon 10 30 a 50 1.04 0.974 1.72

4.06022 -73.46258 101 palma 13 30 a 50 0.84 0.819 1.45

4.06022 -73.46258 102 palma 13 50 a 75 0.69 0.657 1.21

4.05947 -73.46262 105 palma 14 0 a 5 3.05 2.48 4.09

4.05947 -73.46262 106 palma 14 5 a 10 1.98 1.87 3.47

4.05947 -73.46262 107 palma 14 10 a 20 1.82 1.75 3.20

4.05947 -73.46262 108 palma 14 20 a 30 1.46 1.52 2.21

4.05947 -73.46262 109 palma 14 30 a 50 1.15 1.13 1.98

4.05947 -73.46262 110 palma 14 50 a 75 0.87 0.881 1.50

4.05947 -73.46262 111 palma 14 75 a 100 0.50 0.57 0.90

4.05947 -73.46262 112 palma 14 100 a 125 0.39 0.462 0.74

4.05882 -73.46250 113 palma 15 0 a 5 1.68 1.86 3.43

4.05882 -73.46250 114 palma 15 5 a 10 1.92 1.91 3.03

4.05882 -73.46250 115 palma 15 10 a 20 1.45 1.7 2.87

4.05882 -73.46250 116 palma 15 20 a 30 1.74 1.37 2.48

4.05882 -73.46250 117 palma 15 30 a 50 1.08 1.05 1.76

4.05882 -73.46250 118 palma 15 50 a 75 0.70 0.667 1.12

4.05882 -73.46250 119 palma 15 75 a 100 0.52 0.541 0.91

4.05882 -73.46250 120 palma 15 100 a 125 0.64 0.587 1.00

4.05822 -73.46212 121 palma 16 0 a 5 2.46 2.25 3.57

4.05822 -73.46212 122 palma 16 5 a 10 2.03 2.07 3.21

4.05822 -73.46212 123 palma 16 10 a 20 2.04 1.77 3.04

4.05822 -73.46212 124 palma 16 20 a 30 1.63 1.52 2.55

4.05822 -73.46212 125 palma 16 30 a 50 1.20 1.13 1.83

4.05822 -73.46212 126 palma 16 50 a 75 0.87 0.773 1.30

4.05822 -73.46212 127 palma 16 75 a 100 0.55 0.539 0.88

4.05822 -73.46212 128 palma 16 100 a 125 0.502 0.82


… Continuación de Anexo D.



4.05732 -73.47383 129 p.mulato 17 0 a 5 2.12 1.8 3.44

4.05732 -73.47383 130 p.mulato 17 5 a 10 1.89 1.7 2.99

4.05732 -73.47383 131 p.mulato 17 10 a 20 1.65 1.51 2.48

4.05732 -73.47383 132 p.mulato 17 20 a 30 1.27 1.13 1.94

4.05732 -73.47383 133 p.mulato 17 30 a 50 0.93 0.914 1.46

4.05732 -73.47383 134 p.mulato 17 50 a 75 0.64 0.659 1.10

4.05732 -73.47383 135 p.mulato 17 75 a 100 0.50 0.483 0.78

4.05790 -73.47400 137 p.mulato 18 0 a 5 1.92 1.76 2.84

4.05790 -73.47400 138 p.mulato 18 5 a 10 1.62 1.5 2.17

4.05790 -73.47400 139 p.mulato 18 10 a 20 1.29 1.16 1.95

4.05790 -73.47400 140 p.mulato 18 20 a 30 0.96 0.947 1.53

4.05790 -73.47400 141 p.mulato 18 30 a 50 0.73 0.701 1.04

4.05790 -73.47400 142 p.mulato 18 50 a 75 0.55 0.573 0.91

4.05790 73.47400 143 p.mulato 18 75 a 100 0.47 0.444 0.75

4.05790 73.47400 144 p.mulato 18 100 a 125 0.42 0.439 0.73

4.05800 73.47330 145 p.mulato 19 0 a 5 2.42 2.32 3.44

4.05800 73.47330 146 p.mulato 19 5 a 10 1.75 1.59 2.78

4.05800 73.47330 147 p.mulato 19 10 a 20 1.30 1.18 1.97

4.05800 73.47330 148 p.mulato 19 20 a 30 1.04 1.01 1.57

4.05800 73.47330 149 p.mulato 19 30 a 50 0.68 0.714 1.14

4.05800 73.47330 150 p.mulato 19 50 a 75 0.49 0.508 0.82

4.05800 73.47330 151 p.mulato 19 75 a 100 0.43 0.469 0.77

4.05800 73.47330 152 p.mulato 19 100 a 125 0.45 0.463 0.79

4.05732 73.47312 153 p.mulato 20 0 a 5 2.39 2.11 3.49

4.05732 73.47312 154 p.mulato 20 5 a 10 1.90 1.76 3.20

4.05732 73.47312 155 p.mulato 20 10 a 20 1.56 1.47 2.51

4.05732 73.47312 156 p.mulato 20 20 a 30 1.16 1.16 1.87

4.05732 73.47312 157 p.mulato 20 30 a 50 0.83 0.858 1.38

4.05732 73.47312 158 p.mulato 20 50 a 75 0.61 0.625 0.96

4.05732 73.47312 159 p.mulato 20 75 a 100 0.49 0.553 0.92

4.05732 73.47312 160 p.mulato 20 100 a 125 0.40 0.46 0.76

4.05742 73.46993 161 p.+arachis 21 0 a 5 2.82 2.55 4.95

4.05742 73.46993 162 p.+arachis 21 5 a 10 1.85 1.78 3.56

4.05742 73.46993 163 p.+arachis 21 10 a 20 1.34 2.67

4.05742 73.46993 164 p.+arachis 21 20 a 30 1.10 1.02 1.82

4.05742 73.46993 165 p.+arachis 21 30 a 50 0.79 0.792 1.62

4.05742 73.46993 166 p.+arachis 21 50 a 75 0.819 1.59

4.05662 73.46982 169 p.+arachis 22 0 a 5 2.66 2.82 4.50

4.05662 73.46982 170 p.+arachis 22 5 a 10 2.27 2.07 3.81





4.05662 73.46982 171 p.+arachis 22 10 a 20 2.06 1.9 3.37

4.05662 73.46982 172 p.+arachis 22 20 a 30 1.94 1.69 3.10

4.05662 73.46982 173 p.+arachis 22 30 a 50 1.16 1.04 1.90

4.05662 73.46982 174 p.+arachis 22 50 a 75 0.74 0.697 2.37

4.05668 73.47045 177 p.+arachis 23 0 a 5 2.33 2.13 3.87

4.05668 73.47045 178 p.+arachis 23 5 a 10 1.93 1.71 3.16

4.05668 73.47045 179 p.+arachis 23 10 a 20 1.89 1.78 3.10

4.05668 73.47045 180 p.+arachis 23 20 a 30 0.49 1.6 2.70

4.05668 73.47045 181 p.+arachis 23 30 a 50 1.23 1.2 2.02

4.05668 73.47045 182 p.+arachis 23 50 a 75 0.76 0.754 1.30

4.05668 73.47045 183 p.+arachis 23 75 a 100 0.63 0.629 1.04

4.05668 73.47045 184 p.+arachis 23 100 a 125 0.48 0.474 0.82

4.05667 73.46935 185 p.+arachis 24 0 a 5 2.81 2.7 4.35

4.05667 73.46935 186 p.+arachis 24 5 a 10 2.01 1.85 3.10

4.05667 73.46935 187 p.+arachis 24 10 a 20 1.84 1.7 2.91

4.05667 73.46935 188 p.+arachis 24 20 a 30 1.48 1.34 2.37

4.05667 73.46935 189 p.+arachis 24 30 a 50 1.04 1.04 1.71

4.05667 73.46935 190 p.+arachis 24 50 a 75 0.64 0.599 1.04

4.05667 73.46935 191 p.+arachis 24 75 a 100 1.69 0.492 0.82

4.05667 73.46935 192 p.+arachis 24 100 a 125 0.38 0.428 0.71

4.06082 73.45743 193 citri.+arach. 25 0 a 5 1.96 1.8 2.92

4.06082 73.45743 194 citri.+arach. 25 5 a 10 1.79 1.61 2.58

4.06082 73.45743 195 citri.+arach. 25 10 a 20 1.49 1.45 2.16

4.06082 73.45743 196 citri.+arach. 25 20 a 30 1.22 1.19 1.81

4.06082 73.45743 197 citri.+arach. 25 30 a 50 2.32 1.07 1.52

4.06082 73.45743 198 citri.+arach. 25 50 a 75 0.77 0.813 1.07

4.06082 73.45743 199 citri.+arach. 25 75 a 100 0.67 0.695 0.93

4.06082 73.45743 200 citri.+arach. 25 100 a 125 0.67 0.702 1.02

4.06068 73.45947 201 citri.+arach. 26 0 a 5 1.86 1.74 3.05

4.06068 73.45947 202 citri.+arach. 26 5 a 10 1.95 1.74 2.93

4.06068 73.45947 203 citri.+arach. 26 10 a 20 1.72 1.6 2.63

4.06068 73.45947 204 citri.+arach. 26 20 a 30 1.55 1.56 2.44

4.06068 73.45947 205 citri.+arach. 26 30 a 50 1.13 1.18 1.77

4.06068 73.45947 206 citri.+arach. 26 50 a 75 1.05 0.892 1.38

4.06068 73.45947 207 citri.+arach. 26 75 a 100 0.57 0.555 0.94

4.06043 73.45947 209 citri.+arach. 27 0 a 5 2.47 2.37 4.06


… Continuación Anexo D



4.06043 73.45947 210 citri.+arach. 27 5 a 10 1.83 1.74 3.24

4.06043 73.45947 211 citri.+arach. 27 10 a 20 1.78 1.57 2.85

4.06043 73.45947 212 citri.+arach. 27 20 a 30 1.37 1.26 2.26

4.06043 73.45947 213 citri.+arach. 27 30 a 50 0.99 0.981 1.65

4.06043 73.45947 214 citri.+arach. 27 50 a 75 0.69 0.703 1.13

4.06028 73.46008 217 citri.+arach. 28 0 a 5 2.58 2.35 3.93

4.06028 73.46008 218 citri.+arach. 28 5 a 10 2.22 1.95 3.60

4.06028 73.46008 219 citri.+arach. 28 10 a 20 2.11 1.91 3.17

4.06028 73.46008 220 citri.+arach. 28 20 a 30 3.90 1.53 2.65

4.06028 73.46008 221 citri.+arach. 28 30 a 50 0.93 0.993 1.58

4.06028 73.46008 222 citri.+arach. 28 50 a 75 0.78 0.833 1.27

4.06028 73.46008 223 citri.+arach. 28 75 a 100 0.58 0.596 0.98

4.05705 73.46727 225 mangos 29 0 a 5 2.54 2.53 3.93

4.05705 73.46727 226 mangos 29 5 a 10 2.27 2.13 3.45

4.05705 73.46727 227 mangos 29 10 a 20 1.95 1.79 2.95

4.05705 73.46727 228 mangos 29 20 a 30 1.58 1.43 2.13

4.05705 73.46727 229 mangos 29 30 a 50 1.14 1.04 1.69

4.05705 73.46727 230 mangos 29 50 a 75 1.10 0.749 1.17

4.05705 73.46727 231 mangos 29 75 a 100 0.76 0.62 1.04

4.05705 73.46727 232 mangos 29 100 a 125 0.57 0.521 0.83

4.05740 73.46723 233 mangos 30 0 a 5 2.82 2.68 3.58

4.05740 73.46723 234 mangos 30 5 a 10 2.09 1.99 3.26

4.05740 3.46723 235 mangos 30 10 a 20 1.99 1.84 2.86

4.05740 73.46723 236 mangos 30 20 a 30 1.89 1.51

4.05740 73.46723 237 mangos 30 30 a 50 1.39 1.26 1.86

4.05740 73.46723 238 mangos 30 50 a 75 1.03 0.866 1.35

4.05740 73.46723 239 mangos 30 75 a 100 0.82 0.684 1.09

4.05740 73.46723 240 mangos 30 100 a 125 0.72 0.524 0.85

4.05747 73.46668 241 mangos 31 0 a 5 2.43 2.23 3.27

4.05747 73.46668 242 mangos 31 5 a 10 2.08 1.81 2.81

4.05747 73.46668 243 mangos 31 10 a 20 1.79 1.58 2.51

4.05747 73.46668 244 mangos 31 20 a 30 1.63 1.5 2.01

4.05747 73.46668 245 mangos 31 30 a 50 1.30 1.3 1.84

4.05747 73.46668 246 mangos 31 50 a 75 0.78 0.833 1.21

4.05747 73.46668 247 mangos 31 75 a 100 0.69 0.625 0.98

4.05747 73.46668 248 mangos 31 100 a 125 0.63 0.564 0.83

4.05705 73.46647 249 mangos 32 0 a 5 2.33 2.14 3.20

4.05705 73.46647 250 mangos 32 5 a 10 2.02 1.85 2.81

4.06028 73.46008 224 citri.+arach. 28 100 a 125 0.52 0.527 0.84





4.05705 73.46647 251 mangos 32 10 a 20 1.63 1.61 2.28

4.05705 73.46647 252 mangos 32 20 a 30 1.51 1.45 2.07

4.05705 73.46647 253 mangos 32 30 a 50 1.09 1.01 1.51

4.05705 73.46647 254 mangos 32 50 a 75 0.78 0.727 1.17

4.05705 73.46647 255 mangos 32 75 a 100 0.66 0.568 0.97

4.05705 73.46647 256 mangos 32 100 a 125 0.61 0.563 0.92

E. Anexo: Descripción de los dos primeros horizontes de los perfiles de suelo

(González J., 2014).

Suelo_Serie Textura Drenaje Pendiente Relieve Uso

Libertad

franco arcillo arenoso

Bien drenado

0-3 %

Plano

Transitorios

Horizonte 1

Profundidad entre 0 – 45; Color 7,5 YR; Estructura bloques subangulares de grado débil y clase media a fina; Consistencia friable, pegajosa

Horizonte 2

Profundidad entre 45 – 75; Color 7,5 YR; Estructura bloques subangulares de grado débil y clase media a fina; Consistencia friable, pegajosa

Libertad franco arcilloso arenoso

Bien drenado

0-3%

Plano

Caucho

Horizonte 1

Profundidad entre 0 – 50; Color 5 YR 2/3; Estructura bloques subangulares de grado débil y clase media a fina; Consistencia friable, pegajosa, plástica

Horizonte 2

Profundidad entre 50 – 75; Color 7,5 YR; Estructura bloques subangulares de grado débil y clase media a fina; Consistencia friable, pegajosa, plástica


Bien drenado

0-3%

Plátano - Frutales

Horizonte 1

Profundidad entre 0 – 33; Color 5 YR 3/3; Estructura bloques subangulares de grado; débil y clase media a fina Consistencia friable, pegajosa, plástica

Horizonte 2

Profundidad entre 33 – 58; Color 5 YR 4/4; Estructura bloques subangulares de grado débil y clase media a fina; Consistencia friable, pegajosa, plástica



Bien drenado

0-3%

Plano

Palma (18 años)

Horizonte 1

Profundidad entre 0 – 35; Color 7,5 YR 2/3; Estructura bloques subangulares de grado débil y clase media a fina; Consistencia friable, pegajosa, plástica

Horizonte 2



Chipre franco

Moderadamente bien drenado

1-3-7 %

Ligeramente ondulado

Pasto Mulato

Horizonte 1


Horizonte 2


Chipre franco y franco arcilloso

Moderadamente bien drenado

3-7 %

Ligeramente plano

Pasto Bachiaria + Arachis

Horizonte 1

Profundidad entre 0 – 34; Color 7,5 YR; Estructura bloques subangulares de grado débil y clase media a fina; Consistencia friable, pegajosa, plástica

Horizonte 2



Bien drenado

0-3%

Plano

Cítricos

Horizonte 1 Profundidad entre 0 – 30; Color 7,5 YR 3/4; Estructura bloques subangulares de grado débil y clase media a fina; Consistencia friable, pegajosa, plástica

Horizonte 2



Bien drenado

0-3% Plano Mango

Horizonte 1


Anexo E. Descripción de los dos primeros horizontes de los perfiles de suelo 119

Cítricos + Arachis

Horizonte 2


Tolima franco Moderadamente bien drenado

0-3%

ligeramente plano

Forestal


Horizonte 1


Horizonte 2

Profundidad entre 25 – 40; Color 7,5 YR 4/6 Estructura bloques subangulares de grado débil y clase media a fina Consistencia friable, pegajosa, plástica


Bien drenado 0-3%

Plano

Marañon

Horizonte 1


Horizonte 2



Palma Transitorios

Salpicón

F. Anexo: Modelamiento del Stock de C del Suelo en la Terraza Alta de La Libertad

Anexo F. Modelamiento del Stock de C del Suelo en la Terraza Alta de La

Libertad

123

Bibliografía

Acock, B. 1990. Effects of carbon dioxide on photosynthesis, plant growth, and other

processes. In "Impact of carbon dioxide, trace gases, and climate changes on global

agriculture." B.A. Kimball (ed.) American Society of American Special Publication No.

53. pp. 45-60.

Aguirre, N. 2011. La captura y almacenamiento de CO2: el rol de los bosques en la mitigación

del cambio climático. Universidad Nacional de Loja. Provincia de Loja, Ecuador.

Allison, F .E. 1973. Soil organic matter and its role in crop production. New York: Rev. Elsevier.

P. 637.

Álvarez, G.F. 1995. Instalación, arranque y calibración de un analizador elemental de

carbono, hidrógeno y nitrógeno PE-2400 Series II. Ingeniería Bioquímica Industrial.

Ciencias Biológicas y de la Salud. Unidad Iztapalapa. En:

http://es.slideshare.net/yosoyricky123456789/analizador-elemental.

Amado, T.J.C.; Bayer, C.; Conceição, P.C.; Spagnollo, E.; Campos, B.C.; Veiga, M. 2006.

Potential of carbón accumulation in no-till soils with intensive use and cover crops in

Southern Brazil. Journal of Environmental Quality. Madison. V.35. p. 1599-1607.

Amezquita, E. 1998. Propiedades Físicas de los Suelos de los Llanos Orientales y sus

Requerimientos de Labranza. Encuentro Nacional de Labranza de Conservación.

Memorias. Villavicencio – Meta, Colombia.

________ 2004. Indicadores de estado: Factores físicos que limitan la capacidad agrícola de

los suelos en Colombia. Taller Nacional de Indicadores de Calidad del Suelo. Centro

Internacional de Agricultura Tropical-CIAT.

Baethgen, W.; Morón, A.; Díaz Rossello, R. 1994. Modelización de la evolución del contenido

de materia orgánica del suelo en seis sistemas de rotaciones en el sw de Uruguay.

Instituto Nacional de Investigación Agropecuaria, INIA. Uruguay. En:

http://www.inia.uy/Publicaciones/Documentos%20compartidos/111219220807121441

.pdf

Baldocchi, D.D. 2003. Assessing the eddy covariance technique for evaluating carbon dioxide exchange rates of ecosystems: past, present and future. Global Change Biology 9: 479-492.

http://es.slideshare.net/yosoyricky123456789/analizador-elemental

http://www.inia.uy/Publicaciones/Documentos%20compartidos/111219220807121441.pdf


126 Stock de carbono del suelo, a escala local, en ocho sistemas de uso agrícola

del piedemonte llanero. Área representativa, C.I. Corpoica La Libertad (Meta,

Colombia)

Balesdent, J.; Chenu, C.; Balabane, M. 2002. Relationship of soil organic matter dynamics to

physical protection and tillage. Soil and Tillage Research. 53: 215-220.

Bationo, A.; Kihara, J.; Vanlauwe, B.; Waswa, B.; Kimetu, J. 2005. Soil organic carbon dynamics,

functions and management in West African agro-ecosystems. Agricultural Systems.

doi:10.1016/j.agsy.2005.08.011

Breemen, N. and Buurman, P. 2002. Soil formation. Laboratory of Soil Science y Geology.

Department of Environmental Sciences. Second Edition. Kluwer Academic Publishers.

Wageningen University Wageningen. USA. ISBN: 1-4020-0718-3

Buyanovsky, G.A.; Aslam, M.; Wagner, G.H. 1994. Carbon turnover in soil physical fractions. Soil

Sci. Am. J. 58, 1167-1173.

Calle, Z., Murgueitio, E. 2012. Integrating forestry, sustainable cattle-ranching and landscape

restoration 63:31–40.

Camacho, C. Coeficiente de correlación de Pearson.

http://personal.us.es/vararey/adatos2/correlacion.pdf Fecha de consulta Diciembre 09 de

2015.

Camacho, J. H. 2013. Uso de la reflectancia difusa -NIR en la determinación de características

físicas y químicas de un Oxisol. Carimagüa –Meta. Universidad Nacional de Colombia.

Facultad de agronomía. Escuela de posgrados. Bogotá, Colombia.

Camacho, J.H.; Rubiano, Y.; Hurtado, M.P. 2014. Near-infrared (NIR) diffuse reflectance

spectroscopy for the prediction of carbon and nitrogen in a oxisol. Agronomía

Colombiana 32(1). P. 86-94. En: http://www.scielo.org.co/pdf/agc/v32n1/v32n1a12.pdf

Carreira, D. 2010. Carbono orgánico (Método de Walkley & Black). INTA Castelar.

http://www.minagri.gob.ar/site/agricultura/PROINSA/04_Ronda%202010/_archivos/00000

3_Ing.%20Agr.%20Daniel%20Carreira%20%28Carbono%20oxidable%20y%20Nitr%C3%

B3geno%29/000008_Carbono%20oxidable%20-%C3%A9todo%20de%20Walkley&Black-

%20%20y%20en%20Nitr%C3%B3geno%20Kjeldahl%20%28Ing.%20Agr.%20Daniel%20

Carreira%29%20-20Resumen.pdf?PHPSESSID=089b060b6a54d95085a07e29391f188d

Castillo, M.M. 2007. Aplicación de la Espectroscopia NIR al Control Analítico de Procesos de la

Industria Química. Universitat Autònoma de Barcelona Departament de Química.

Castro, L.L.X. y Vera, O.C. 2014. Captura de carbono en sistemas pastoriles establecidos en

Colombia. Rev. Sist. Prod. Agroecol. 6:1

http://personal.us.es/vararey/adatos2/correlacion.pdf

http://www.scielo.org.co/pdf/agc/v32n1/v32n1a12.pdf

http://www.minagri.gob.ar/site/agricultura/PROINSA/04_Ronda%202010/_archivos/000003_Ing.%20Agr.%20Daniel%20Carreira%20%28Carbono%20oxidable%20y%20Nitr%C3%B3geno%29/000008_Carbono%20oxidable%20-%C3%A9todo%20de%20Walkley&Black-%20%20y%20en%20Nitr%C3%B3geno%20Kjeldahl%20%28Ing.%20Agr.%20Daniel%20Carreira%29%20-20Resumen.pdf?PHPSESSID=089b060b6a54d95085a07e29391f188d





Bibliografía 127

Cerri, C.C.; Cerri, C.E.P.; Paustian, K.; Berlato, M.A.; Bernoux, M.; Victoria, R.L.; Melillo, J.M.

2004. Modeling changes in soil organic matter in Amazon forest to pasture conversion

with the Century model. Global Change Biology, Oxford. v.10, p 815-832.

Cerri, C. y Galdos, M. 2009. Soil carbon stock and GHG emissions associated with sugarcane

cultivation in Brazil. BIOE. Impactos socioeconômicos, ambientais e de uso da terra.

Universidad de São paulo. http://www.fapesp.br/pdf/bioen1606/cerri.pdf

Coleman, K.; Jenkinson, D. S. 1995b. RothC 26.3 a model for the turnover of carbon in soil. In:

Powlson, D. S.; Smith, P.; Smith, J. U. (Ed.). 1996. Evaluation of soil organic matter models:

using existing long - term datasets. Berlin: Springer. p.237 - 246.

Corbeels, M; Scopel, E.; Cardoso, A.; Bernoux, M.; Douzet, J. M.; Neto, M.S. 2006. Soil carbon

storage potential of sirect seeding mulch-based cropping systems in the Cerrados of

Brazil. Global Change Biology 12, 1773-1787.

Cortés, H.E.; Ballesteros,M.I.; Zamudio, A.M. 2007. Optimización de una metodología para la

extracción de la humina en un oxisol de Colombia. Fraccionamiento y caracterización

fisicoquímica. Rev. Colombiana de Química. 36(3):335-348

Costa, de C. B.; Carneiro, A. T.; Bayer C.; Silveira, N. R. y; Ernani, J. 2011. Carbon stock and its

compartments in a subtropical oxisol under long-term tillage and crop rotation

systems.Revista Brasilera. Ciencia del Suelo. V.35 no.3 Viçosa, Brasil.

Cuevas, J. 2005. Pirólisis y gasificación. En:

https://www.uam.es/personal_pdi/ciencias/jaimefa/jaimecuevas/clase8.pdf

Davidson, E. A.; De Araujo, A. C.; Artaxo, P.; Balch, J. K.; Brown, I. F.; Bustamante, M. C.; Coe,

M. T.; Defries, R. S.; Keller, M.; Longo, M.; Munger, J. W.; Schroeder, W.; Soares-Filho, B.

S.; Souza, C. M.; Wofsy, S. C. 2012. The Amazon basin in transition. Nature 481. P. 321-

328.

Davies, B. 1974. Loss-on ignition as an estimate of soil organic matter. Soil Sci. Proc. 38: 150.

Davrieux, F. 2014. Training course. Multivariate Analysis of Spectroscopic Data. Centro

Internacional de Agricultura-CIAT. Palmira, Colombia

De Maesschalck, R.; Jouan-Rimbaud, D.; Massart, D.L. 2000. The Mahalanobis distance.

Chemometrics and Intelligent Laboratory Systems, 50:1-18.

De Oliveira, J.F.; Brossard, M.; Corazza, e.J.; Marchão R.L.; Siqueira, V.P.R.; Rodrigues,

B.O.; Guimarães, M. de F. 2015. VIS-NIR Spectrometry, soil phosphate extraction

methods and interactions of soil attributes.Química Nova. ISSN 1678-7064. Vol.38

no.3. São Paulo. En: http://www.scielo.br/scielo.php?pid=S0100-

40422015000300342&script=sci_arttext

http://www.fapesp.br/pdf/bioen1606/cerri.pdf



Colombia)

Díaz Rossello, R. 1994. Cambios en el largo plazo en el carbono y nitrogeno del suelo bajo

rotación de cultivos con pasturas de leguminosas. Instituto Nacional de Investigación

Agropecuaria, INIA. Uruguay. En:

http://www.inia.uy/Publicaciones/Documentos%20compartidos/111219220807121441

.pdf

Diaz-Zorita, M.; Buschiazzo, D.; Peinemmann, N. 1999. Soil organic matter and wheat

productivity in the semiarid argentine Pampas. Agronomy Journal, Madison. V.91. p.

276-279.

Dorronsoro, C. 2013. Libros electrónicos, monografías, atlas de imágenes, trabajos de

investigación y todo tipo de información sobre la Edafología y los suelos. Catedrático

jubilado de Edafología y Química Agrícola. Departamento de Edafología y Química

Agrícola. Universidad de Granada.http://www.edafologia.net

Dos Santos, L.I; Ferreira, C.C; Torres, C.A.A.; De Figueredo, C.C.; Gerosa, R.M.L. y Moreira, C.A.

2014. Cover plants and mineral nitrogen: effects on organic matter fractions in a oxisol

under no tillage in the cerrado. Rev. Bras. Ciênc. Solo vol. 38 no.6 Viçosa, Brasil.

Duran, P. Materia orgánica en suelos tropicales. En: https://prezi.com/pvycvpu3j7ho/materia-

organica-en-suelos-tropicales/

Duxbury, J. M.; Smith, M. S. y; Doran, J. W. 1989. Soil organic matter as a source and a sink

of plant nutrients. En: COLEMAN, D.C.; OADES, J.M. & UEHARA, G., eds. Dynamics

of soil organic matter in tropical ecosystems. Honolulu, University of Hawaii. p.33-67

Ernst, O.; Siri-Prieto, G. 2009. Impact of perennial pasture and tillage systems on carbon input

and soil quality indiators. Soil & Tillage Research, 105. P.260-268.

Etter, A.; Mcalpine, C.; Phinn, S.; Pullar, D. and Possingham, H. 2005. Unplanned land

clearing of Colombian rainforests: Spreading like disease. The Ecology Centre, The

University of Queensland, Brisbane, Qld 4072, Austr. Rev. ELSEVIER. Pag. 240-254.

________ 2010. Patrones de cambio de uso de la tierra en Colombia y sus determinantes.

Un contexto para el estudio de los cambios globales. Simposio Internacional

Ecosistemas y Cambio Climático, en el contexto del cambio global en el Neotrópico.

Departamento de ecología y territorio. Facultad de estudios ambientales y rurales.

Universidad Javeriana. En:

http://www.carbonoybosques.org/images/stories/memorias-cambio-

climatico/cambios-en-el-uso-cobertura-de-la-tierra/patrones-de-cambio-en-el-uso-de-

la-tierra-en-colombia-y-sus-determinantes-andres-etter.pdf



http://www.edafologia.net/

http://www.carbonoybosques.org/images/stories/memorias-cambio-climatico/cambios-en-el-uso-cobertura-de-la-tierra/patrones-de-cambio-en-el-uso-de-la-tierra-en-colombia-y-sus-determinantes-andres-etter.pdf



Bibliografía 129

Eyzaguirre, L.I. 2013. Stock de carbono almacenado en la biomasa aérea, sotobosque y suelo

en bosques andinos. Huancayo, Perú. En:

https://www.academia.edu/8873043/STOCK_RESERVA_DE_CARBONO_EN_BOSQ

UES_ANDINOS

Fassbender, H. W. y Bornemisza, E. 1994. Química de suelos con énfasis en suelos de

América Latina. Instituto interamericano de cooperación para la agricultura. Servicio

editorial IICA. San José, Costa Rica.

FAO. 2001. Agricultura y el cambio climático. El protocolo de Kyoto puede ofrecer incentivos

para mejorar la sostenibilidad de los sistemas agrícolas y forestales

http://www.fao.org/Ag/esp/revista/0103sp2.htm

________ 2002. Captura de carbono en los suelos Para un mejor manejo de la tierra. Informes

sobre recursos mundiales de suelos 96. Roma. ISSN 1020-430-X.

ftp://ftp.fao.org/agl/agll/docs/wsrr96e.pdf

________ 2004. Assessing carbon stocks y modelling win–win scenarios of carbon

sequestration through ly-use changes. Roma. ISBN 92-5-105158-5. En:

http://www.fao.org/docrep/007/y5490e/y5490e00.htm

________ 2007. The state of food and agriculture. Paying farmers for environmental services.

http://www.fao.org/climatechange/home/es/

________ 2014. Greenhouse gas emissions from agriculture, forestry and other land use in

latin America & the Caribbean. http://www.fao.org/assets/infographics/FAO-

Infographic-GHG-LatinAmerica-en.pdf.

________ 2015. Objetivos de desarrollo sostenible. Cambio climático.

http://www.fao.org/post-2015-mdg/14-themes/climate-change/es/

Ferreira, C. O. I. 2008. Flujos de gases de efecto invernadero, potencial de calentamiento

global y evaluación de energía del sistema agroforestal Quesungual en el sur de

Lempira, Honduras. Tesis de Maestría. Universidad Nacional de Colombia, sede

Palmira.

Fisher, M.J.; Thomas, R.J. y Rao, I.M. 1998. Management of tropical pastures in acid-soil

savannas of South America for carbón sequestration in the soil. En: Management of

Carbon Sequestration in Soil. Advances in Soil Science Series. Boca Raton, Florida,

Estados Unidos, CRC Press, p. 405-420.

Fromin N, Hamelin J, Tarnawski S, Roesti D, Forestier N, Gillet F, Aragno M, Rossi P. 2002.

Statistical analysis of denaturing gel electrophoresis ( DGE ) fingerprinting patterns.

Evironmental Microbiol. 4:634–643.

http://www.fao.org/assets/infographics/FAO-Infographic-GHG-LatinAmerica-en.pdf

http://www.fao.org/assets/infographics/FAO-Infographic-GHG-LatinAmerica-en.pdf



Colombia)

Gálvez, M.T. 2013. ¿Cómo medir la precisión y efectividad de los pronósticos?. Webinar.

http://es.slideshare.net/tomgalvez/mtodos-para-medir-la-precisin.

Gherardi, P. 2010. Multivariate regression methods for estimating basic density in Eucalyptus

wood from near infrared spectroscopic data. Cerne, Lavras, v.16, suplemento, P. 90-

96.

Gómez, J.A.; Giráldez, J.V.; Pastor, M. Ferese, E. 1999. Effects of tillage method on sil physical

properties, infiltration and yield in olive orchard. Soil Tillage Res. 52:167–175.

Grimaldi, M.; Oszwald, J.; Dolédec, S.; Hurtado, M.P.; De Souza Miranda, I.; De Sartre, X.A,;

Santos De Assis, W.; Castañeda, E.; Desjardins, T.; Dubs, F.; Guevara, E.; Gond, V.;

Santana, T.T.; Marichal, R.; Michelotti, F.; Mitja, D.; Cornejo, N.; Delgado, M.;

Ramirez, B.; Rodríguez, G.; Sarrazin, M.; Lopes, M.; Silva, L.G.; Lindoso, S.; Veiga, I.;

Velasquez, E.; Lavelle, P. 2014. Ecosystem services of regulation and support in

Amazonian pioneer fronts: searching for landscape drivers. Landscape Ecology. ISSN

0921-2973. V. 29. N.2. P. 311-330.

Guerrero, C.; Zornoza, R.; Pérez, A.; Mataix, J.; Gómez, I.; García, F. 2008. Uso de la

espectroscopía en el infrarrojo cercano (NIR) para la estimación rápida del carbono

orgánico y la respiración basal en suelos forestales. “Actas de la II reunión sobre

Suelos Forestales”. Cuadernos de la sociedad española de ciencias forestales 25.

ISSN: 1575-2410. P. 209-214.

Guerrero, C. 2015. Estimación de carbon orgánico en Suelos mediante espectroscopía de

infrarrojo cercano NIR:¿realmente necesitamos grandes calibraciones? En: Red científica

de mitigación de emisiones de GEI en el sector agroforestal. Madrid. 23-25 Marzo.

http://www.redremediaworkshop.org/libro_abstracts_remedia_IVworkshop.pdf

Gifford, R.M. 1979. Carbon dioxide and plant growth under water and light stress: Implications for

balancing the global carbon budget. Search 10:316-318.

Goudriaan, J. 1992. Biosphere structure, carbon sequestering potential and the atmospheric 14C

carbon record. Journal of Experimental Botany 43:1111-1119.

Guo, L. B.; Guifford, R. M. 2002. Soil carbon stock and land use change: a meta analysis.

Global Change Biology, Oxford. v.8. p. 345-360.

Hamblin, W. K. and Christiansen, E. H. 1998. Earth’s dynamic systems. Brigham Young

University. 740 pags.

Harden, J.W.; Koven C.D.; Ping C. 2012. Field information links permafrost carbon to physical

vulnerabilities of thawing. Geophys Res Lett.doi:10.1029/2012GL051958

http://es.slideshare.net/tomgalvez/mtodos-para-medir-la-precisin

http://www.redremediaworkshop.org/libro_abstracts_remedia_IVworkshop.pdf

Bibliografía 131

Hernández, H. R. M. 2010. Métodos de fraccionamiento físico de la materia orgánica.

Laboratorio de Biogeoquímica. Centro de Agroecología Tropical. Instituto de Estudios

Científicos y Tecnológicos. Universidad Nacional Experimental .Simón Rodríguez.

Venezuela.

Hocking, P.J., C.P. Meyer. 1991. Effects of CO2 enrichment and nitrogen stress on growth, and

partitioning of dry matter and nitrogen in wheat and maize. Australian Journal of Plant

Physiology 18:339-356.

IDEAM. 2008. Módulo de Uso de la Tierra, Cambio en el Uso de la Tierra y Silvicultura.

Capítulo Cinco. En:

https://documentacion.ideam.gov.co/openbiblio/Bvirtual/021471/InventarioGEI/IDEAM

5.pdf

IGAC. 1973. Reconocimiento semidetallado de suelos del C.N.I.A. La Libertad (Departamento

del Meta). Santafé de Bogotá.

________ 1999. Paisajes fisiográficos de Orinoquía-Amazonía (ORAM) Colombia. ISSN-

0120-8551. Santafé de Bogotá.

________ 2004. Mapa de unidades de paisaje.

________ 2006. Métodos analíticos de laboratorio de suelos

INGEOMINAS. 2004. Aspectos más relevantes de la geomorfología y geología del

piedemonte llanero de Colombia. Instituto colombiano de geología y minería. Santafé

de Bogotá.

IPCC. 2007. Gases de efecto invernadero. http://www.tuimpacto.org/alto-potencial-de-

calentamiento-global.php

Izurralde, R.C., McGill, W.B., Jans-Hammermeister, D.C., Haugen-Kozyra, K.L., Grant, R.F. &

Hiley, J.C. 1996. Development of a technique to calculate carbon fluxes in agricultural soils

at the ecodistrict level using simulation models y various aggregation techniques. Final

report. Agriculture y Agri-Food Canada Greenhouse Gas Initiative. Edmonton, Canada,

University of Alberta. 67 pp.

Jamioy, D. D. 2011. Propuesta de indicadores de calidad edafológicos para valorar la

influencia de los sistemas productivos sobre algunas propiedades físicas y químicas

en suelos oxisoles del piedemonte llanero colombiano. Tesis de Maestría. Universidad

Nacional de Colombia. Facultad de Ciencias Agropecuarias. Palmira.

Jantalia, C. P,; Resck, D. V. S.; Alves, J.R.B.; Zotarelli, L.; Urquiaga, S. y Boddey, M.R. 2007.

Tillage effect on C stock of a clayey Oxisol under a soybean-based crop rotation in the

Brazilian Cerrado región. Science Direct. Elsevier. Soil & Tillage Research 95. P. 97-

109.



Colombia)

Jenny, H; Binghanm, F.; Padilla S.B. 1948. Nitrogen and organic matter contents of equatorial

soils of Colombia, S. América. Soil Sci. 66(3): 173-186.

Jenkins, D. S. 1988. The turnover of organic matter in soil. Wild, A. (Ed.), Russell’s Soil

Conditions and Plant Growth. Longman Scientic and Technical, Harlow. p. 564 – 607.

Jenkinson, D. S.; Rayner, J. H. 1997. The turnover of soil organic matter in some of the

Rothamstead classical experiments. Soil Science. Hagerstowm. v.123. p. 298-305.

Khawmee, K.; Suddhiprakarn, A.; Kheoruenromme, I.; Singh B. 2013. Surface charge

properties of kaolinite from Thai soils. Geoderma 192.P. 120-131.

Kern, J. S. and Johnson, M. G. 1993. Conservation tillage impacts on national soil y

atmospheric carbon levels. Soil Sci. Soc. Am. J. 57, 200-210.

Kögel-Knabner, I.; Guggenberger, G.; Kleber, M. 2008. Organo-mineral associations in

temperate soils: integrating biology, mineralogy and organic chemistry. J Plant Nutr

Soil Sci. 171:61–82

Kutsch, L.W., Bahn, M and Heinemeyer, A. 2009. Soil carbon relations: an overview.

Cambridge University Press. 978-0-521-86561-6 - Soil Carbon Dynamics: An

Integrated Methodology. Edited by Werner L. Kutsch, Michael Bahn and Andreas

Heinemeyer.

Krull, E.; Baldock, J. A.; Skjemstad, J. O. 2003. Importance of mechanisms and processes of

stabilization of soil organic matter for modelling carbon turnover. Functional Plant

Ecology. Collingwood. V.30. p. 227-232.

Lal, R. 1994. Métodos y normas para evaluar el uso sostenible de los recursos suelo y agua

en el trópico. Departamento de agronomía, Ohio State University.Columbus, Ohio.

________ 2012. Climate change and soil degradation mitigation by sustainable management

of soils and other natural resources. En:

http://link.springer.com/article/10.1007%2Fs40003-012-0031-9#page-1

________ 2014. Crop residues and soil carbon. Congreso Latinoamericano de la ciencia del

suelo. Peru.

________ 2014. World Soils and the Carbon Cycle in Relation to Climate Change and Food

Security. Carbon Management and Sequestration Center. The Ohio State University,

Columbus, OH 43210 USA. En:

http://globalsoilweek.org/wpcontent/uploads/2013/05/GSW_IssuePaper_Soils_in_the

_Global_Cycle.pdf

http://link.springer.com/article/10.1007%2Fs40003-012-0031-9#page-1

Bibliografía 133

Lal, R. and Fllet, R. 2001. Priorities in Soil Carbon Research in Response to Climate Change.

SSSA Special Publication, Soil Carbon Sequestration and the Greenhouse. Effect

57:401-410

La Manna, L.; Buduba, C.; Alonso, V.; Davel, M.; Puentes, C.; Irisarri, J. 2007. Comparación de

métodos analíticos para la determinación de materia orgánica en suelos de la región

andino-patagónica: efectos de la vegetación y el tipo de suelo. ISSN 1850-2067. CI. Suelo

(Argentina) 25(2): 179-188.

Leco. 2009. TruSpec. Micro Elemental Series. Delivering the right results.

http://www.leco.com/component/edocman/?task=document.viewdoc&id=10&Itemid=0

________ 2015. Leco Argentina S.A. http://www.lecoarg.com.ar/index.html

Long, S.P. 1991. Modification of the response of photosynthetic productivity to rising temperature

by atmospheric CO2 concentrations: Has its importance been underestimated? Plant, Cell

and Environment 14:729-739.

Lopes, F. 2006. Utlilização do modelo Century para avaliar a dinâmica do carbono do solo em

uma pequena bacia hidrográfica rural. Unversidade Federal do Rio Grande do Sul.

Faculdade de Agronomia. Programa de Pós-Graduação em Ciências do Solo. En:

http://www.lume.ufrgs.br/handle/10183/7960.

Losada, A. J. 2013. Dinámica de la materia organica del suelo. En:

http://es.slideshare.net/AJHERRERALOSADA/dinmica-de-la-materia-orgnica-en-el-

suelo

Lupi, A.M.; Laclau P.; Boca T.; Stecher G.; Alfieri A.; Gómez L.; Nnakama V. 1991. Carbono

orgánico del suelo en pastizales naturales y en plantaciones forestales de reemplazo

. Evaluación inicial. En:

http://www.inta.gov.ar/suelos/eco_forestales/ecoinfo/Carbono_organico.pdf

McGill, W.B. 1996. Review and classification of ten soil organic matter (SOM) models. In: Powlson, D.S., Smith, P. & Smith, J.U. (eds.). Evaluation of soil organic matter models. NATO ASI Series 38. Springer. p. 111-132.

Macías, F.; Calvo de Anta, R. 1988. Arcillas y limos de sedimentos actuales de las rías de

Galicia. Consideraciones genéticas. Geociencias.

Macías, F. y Camps, M. 2010. Alternativas para el secuestro de carbono en Suelos y biomasa:

aprendiendo de la naturaleza, aprendiendo de los suelos. Departamento de

Edafología; Facultad de Biología; Universidad de Santiago. 15706 Santiago de

Compostela. España. [email protected].

Macías, F.; Macías-García, F. y Camps, M. 2010. El suelo como sumidero de Carbono. XV

Congreso colombiano de la ciencia del suelo. “El suelo: Soporte de la biodiversidad y

http://www.lecoarg.com.ar/index.html

http://www.lume.ufrgs.br/handle/10183/7960

http://www.inta.gov.ar/suelos/eco_forestales/ecoinfo/Carbono_organico.pdf



Colombia)

la producción agrícola en los agroecosistemas tropicales”. Sociedad colombiana de la

ciencia del suelo. Octubre 27, 28 y 29. Pereire-Risaralda-Colombia.

Manlay, R.; Feller, C.; Swift, M. J. 2007. Historical evolution of soil organic matter concepts

and their relationships with the fertility and sustainability of cropping systems.

Agriculture. Ecosystems and Environment. Amsterdam. V.119. p. 217-233.

Martínez, H. E.; Fuentes, E.J.P. y Acevedo, H.E. 2008. Carbono orgánico y propiedades del

suelo. R.C.Suelo Nutr. Veg. J. Soil Sc. Plant Nutr. 8. Chile. P. 68-96

Mendoza, R.H.; Bautista; M.G.R.; Lopez, L.A.; Vargas, J.A. 2002. Dirección Nacional de

Innovación académica. Facultad de Ciencias. Departamento de Estadística.

Universidad Nacional de Colombia, Sede Bogotá.

http://www.virtual.unal.edu.co/cursos/ciencias/2007315/html/legal.html.

Metherell, A.K.; Harding, L.A.; Cole, C.V. Parton, W.J. 1993. CENTURY Soil Organic Matter Model Environment Technical Documentation Agroecosystem Version 4.0. Great Plains System Research Unit. Technical Report No. 4. USDA-ARS Fort Collins Colorado.

Moreira, F.M.S. y Siqueira, J.O. 2002. Microbiologia e Bioquímica do Solo. Editora UFLA.

Universidad Federal de Lavras. Lavras, Minas Gerais, Brasil. P. 625.Moreno, H.F. 2008.

Dinámica del carbono del suelo en bosques tropicales del norte de los yes en un gradiente

sucesional. Memorias XIV Congreso Colombiano de la Ciencia del Suelo “Manejo del suelo

para la mitigación del cambio climático”. Villavicencio, Colombia.

Morrison, J.I.L., R.M. Gifford. 1984. Plant growth and water use with limited water supply in high

CO2 concentrations. 2. Plant dry weight, partitioning and water use efficiency. Australian

Journal of Plant Physiology 11:375-384.

Ortiz, R. 2015. Dinámica del Carbono Orgánico del Suelo en un Paisaje Ondulado de una

Región Susceptible al Cambio Climático, Rakai, Uganda. Consejo Nacional para

Investigaciones Científicas y Tecnológicas. Boletín de Ciencia y Tecnología 149.

http://www.conicit.go.cr/boletin/boletin149/Palabras.pdf

Palosuo, T. 2008. Soil carbón modelling as a tool for carbon balance studies in forestry.

Department of Forest Ecology. Faculty of Agriculture and Forestry. University of Helsinki.

Parton, W.J.M.; Schimel, D.S.; Cole, C.V. y Ojima, D.S. 1987. Analysis of factors controlling soil

organic matter levels in Great Plains Grasslands. Soil Science Society of American Journal

51:1173-1179.

Bibliografía 135

Parton, W.J.M.; Scurlock, O.; Ojima, D.S.; Gilmanov, T.G.; Scholes, R.J.; Schimel, D.S.; Kirchner,

T; Menaut, J.C.; Seastedt, T.; García, E.; Kamnalrut, M.A.; y Kinyamario, J.I. 1993.

Observations and modeling of biomass and soil organic matter dynamics from the

grassland biome worldwide. Global Biogeochemical Cycles 7:785-809.

Perfetti, J.J.; Balcázar, A.; Hernández, A.; Leibovich, J. 2013. Políticas para el desarrollo de

la agricultura en Colombia. SAC – Fedesarrollo. Bogotá.ISBN: 978-958-57092-8-7.

Piccolo, A. 2012. Carbon sequestration in agricultural soils. A multidisciplinary approach to

innovative methods. ISBN 978-3-642-23384-5 e-ISBN 978-3-642-23385-2, DOI

10.1007/978-3-642-23385-2, Springer Heidelberg Dordrecht London New York.

Piñeiro, G. 2006.Biogeoquímica del carbono y nitrógeno en los pastizales pastoreados del Río de

la Plata: Un análisis basado en modelos de simulación, sensores remotos y experimentos

a campo. Escuela para graduados “Alberto Soriano”. Facultad de Agronomía. Universidad

de Buenos Aires.

Plaza, D.; Fuentes, J. A. y; Cantero, C. 2014. Identifying soil organic carbon fractions sensitive

to agricultural management practices. Soil & tillage research. V. 139. P. 19-22

PNUD. 2011. Colombia rural. Razones para la esperanza. Informe Nacional de Desarrollo

Humano. INDH PNUD, Bogotá, D.C.

PNUMA. 2014. El PNUMA advierte la existencia de 850 millones de hectáreas de tierras

naturales amenazadas de degradación de aquí a 2050. En:

http://www.mercadosdemedioambiente.com/actualidad/el-pnuma-advierte-la-

existencia-de-850-millones-de-hect-reas-de-tierras-naturales-amenazadas-de-

degradaci-n-de-aqu-a-2050

Powlson, D. S.; Smith, P.; Smith, J. U. (Ed.). 1996. Evaluation of soil organic matter models:

using existing long - term datasets. Berlin: Springer. p.237 - 246.

Puget, P.; Chenu, C.; Balesdent, J. 1995. Total and young organic matter distributions in

aggregates of silty cultivated soils. European Journal of Soil Science. 46: 449-459.

Reddy, K. R. and Hodges, H.F. 2000. Climate Change y Global Crop Productivity. Department

of Plant y Soil Sciences. Mississippi State University. USA.

Reeves, d. w. 1997. the role of soil organic matter in maintaining soil quality in continuous

cropping systems. soil and tillage research. Amsterdam. v.43. p. 31-167.

Reicosky, D. C. 2002. Long – Term Effect of Moldboard Plowing on Tillage – Induced CO2

Loss, in J. M. Kimble, R. Lal y R. F. Follet: Agricultural Practices y Polices for Carbon

Sequestration in Soil. Lewis Publishers Papers form symposium held July 1999 at Ohio

State University, Columbus, Ohio. 87-96 p.

http://www.mercadosdemedioambiente.com/actualidad/el-pnuma-advierte-la-existencia-de-850-millones-de-hect-reas-de-tierras-naturales-amenazadas-de-degradaci-n-de-aqu-a-2050





Colombia)

Rodríguez, E.G. 2014. Cambios en el contenido de carbono orgánico e índice de estabilidad

estructural procedentes de varios usos de suelo de sistemas ganaderos y altitudes en

la Provincia de Sumapaz. Facultad de Ciencias Agropecuarias. Universidad Nacional

de Colombia, Palmira.

Rogers, H.H., G.E. Bingham, J.D. Cure, J.M. Smith, K.A. Surano. 1983. Responses of selected plant species to elevated carbon dioxide in the field. Journal of Environmental Quality 12:569-574.

Rosenzweig, C. y Hillel, D. 2000. Soils y global climate change: Challenges y opportunities.

Soil Science. 165(1):47-56.

Rubiano, S. Y. 2009. Sexta Conferencia Jornada de Actualización YRUBIANOS_070909.

Rubio, V.; Sawchik, J.; Ernst, O.; Quincke, A.; Siri, G. 2014. Calibración/validación del modelo

AMG para simular la evolución del stock de carbono orgánico en suelos de Uruguay.

Proyecto BID/Fontagro RG-T1654.http://www.suelos.com.uy/pdf/31.pdf

Rueda, J. A. 2011. Modelación de la dinámica del carbono en la biomasa de bosques del

norte de los andes usando el modelo CENTURY. Univesidad Nacional de Colombia.

Facultad de Ciencias Agropecuarias. Departamento de Ciencias Forestales. Sede

Medellín.

Russell, E.W. 1961. Soil conditions and plant growth. Longman, Londres. 688 p.

Salvo, L.; Hernández, J.; Ernst, O. 2010. Distribution of soil organic carbon in different size

fractions, under pasture and crop rotations with conventional tillage and no-till systems.

Rev. Soil and Tillage Research. 2010. v 109, p. 116–122. EN:

http://www.sciencedirect.com/science/article/pii/S016719871000098X

Sánchez, A.P. 1981. Suelos del tropico. Características y manejo. Instituto Interamericano de

Cooperación para la Agricultura-IICA. ISBN 92-9039-017-4. San José, Costa Rica.

Sapienza, D.; Berzaghi, P.; Martin, N.; Taysom, D.; Owens, F. 2008. Near infrared

spectroscopy for forage and feed testing. NIRS forage and feed testing consortium.

Excellence in forage and feed testing for the farmer. P. 1-8. En:

http://nirsconsortium.org/Resources/Documents/NIRS%20white%20paperMar09.pdf

Shan, H.; Xiaohua, P.; Jia, G.; Chunrong, Q. and Weijian, Z. 2014. Differences in soil organic

carbon stocks and fraction distributions between rice paddies and upland cropping

systems in China. Journal of Soils and Sediments. Volume 14, pp 89-98

Sinclair, T.R. 1992. Mineral nutrition and plant growth response to climate change. Journal

of Experimental Botany 43 :1141-1146.

http://www.sciencedirect.com/science/article/pii/S016719871000098X

Bibliografía 137

Six, J.; Conant, R.; Paul, E.; Paustian, K. 2002. Stabilization of soil organic matter: implications

for C saturation soils. Plant Soil. 241:155–176.

Schmitt, M.R., G.E. Edwards. 1981. Photosynthetic capacity and nitrogen use efficiency of

maize, wheat, and rice: A comparison between C3 and C4 photosynthesis. Journal of

Experimental Botany 32:459-466.

Soilmontana. 2015. Action C.4: Aplicación de la herramienta NIRS portátil en la predicción de

la salud del suelo.http://www.soilmontana.com/wp-content/uploads/2015/06/Anexo-

56-C4.-Informe-NIRS-port%C3%A1til.pdf.

Stenber, B.; Viscarra, R.R.; Mounem, M.A.; Wetterlind, J. 2010. Visible and near infrared

spectroscopy in soil science. In Donald L. Sparks, editor: Advances in Agronomy, vol.

107, Burlington: Academic Press. P. 163-215. En:

http://www.sciencedirect.com/science/article/pii/S0065211310070057

Stockmann, U.; Adams, M. A.; Crawford, J. W.; Field, D. J.; Henakaarchchi, N.; Jenkins, M.;

Minasny, B.; Mcbratney, A. B.; De Remy de Courcelles, V.; Singh, K.; Wheeler, I.;

Abbott, L.; Angers, D. A.; Baldock, J.; Bird, M.; Brookes, P.C.; Chenu, C.; Jastrow, J.

D.; Lal, R.; Lehmann, J.; O’donnelL, A.G.; Parton, W. J.; Whitehead, D. and

Zimmermann, M. 2013. The knowns, known unknowns and unknowns of sequestration

of soil organic carbon. Agriculture, Ecosystems and Environment. p. 80-99.

Stolpe, N.; Muñoz, C.; Zagal, E.; Ovalle, C. 2008. Modeling soil carbon storage in the Espinal

agroecosystem of central Chile. Arid Land Research and Management (ISI) 22:148 – 158

Stoner, E.R.; Baumgardner, M.R. 1981. Characteristics variations in reflectance of surface soils.

Soil Science of American Journal, 45:1161-1165.

Tornquist, C. G. 2007. Simulação da dinâmica do carbon orgánico do solo em escala regional:

Aplicação do modelo CENTURY e Sistemas de Informações Geográficas. Tese de

Doutorado em Ciência do Solo. Universidade Federal do Rio Grande do Sul. Faculdade de

Agronomia. Porto Alegre (RS), Brasil.

Tornquist, C. G., Mielniczuk, J., Cerri, C.E. 2009. Modeling soil organic carbon dynamics in Oxisols

of Ibiruba (Brazil) with the Century Model. journal homepage:

www.elsevier.com/locate/geoderma.

Trujillo, W. 2000. Accretion of organic carbón in the acid soils of the eastern plains of Colombia.

The Ohio State University.

UNAD. 2014. Caracterización de fenómenos de degradación del suelo con miras al diseño de

planes de manejo. Conferencia parte 3, 30160. Manejo y conservación de suelos.

ECAPMA. En: http://datateca.unad.edu.co/contenidos/30160/Conferencia_parte_3.pdf

http://www.soilmontana.com/wp-content/uploads/2015/06/Anexo-56-C4.-Informe-NIRS-port%C3%A1til.pdf

http://www.soilmontana.com/wp-content/uploads/2015/06/Anexo-56-C4.-Informe-NIRS-port%C3%A1til.pdf

http://www.elsevier.com/locate/geoderma

http://datateca.unad.edu.co/contenidos/30160/Conferencia_parte_3.pdf



Colombia)

Van Heemst, H.D.J. 1986. Physiological principles. In "Modelling of agricultural production:

weather, soils and crops." H. Van Keulen, J. Wolf (eds.) Pudoc Wageningen. 13-26

Vásquez, E.J.E. 2005. Seis-Sigma: Metodología y técnicas. Limusa

https://books.google.com.mx/books?id=viHl0ibn9c4C

Viscarra, R.R.; Walvoort, A.B.; McBratney, A.B.; Janik, L.J.; Skjemstad, J.O. 2006a. Visible, near

infrared, mid infrared or combined diffuse reflectance spectroscopy for simultaneous

assessment of various soil properties. Elsevier, Geoderma 131. P. 59-75.

Viscarra, R.R.; McGlynn, R.N.; McBratney, A.B. 2006d. Determining the composition of mineral-

organic mixes using UV-vis-NIR diffuse reflectance spectroscopy. Elsevier, Geoderma 137.

P. 70-82.

Warrick, A.W. & Nielsen, D.R. 1980. Spatial variability of soil physical properties in the field. In:

HILLEL, D., ed. Applications of soil physics. New York, Academic Press. 980. 350p.

Zinn, Y. L.; Lal, R.; Bighman, J. M. & Resck, D. V. S. 2007. Edaphic controls on soil organic carbon

retention in the Brazilian Cerrado: Texture and mineralogy. Soil Sci. Soc. Am. J., 71:1204-

1214.