universidad central del ecuador facultad de ......relación de la concentración de suma de cationes...

UNIVERSIDAD CENTRAL DEL ECUADOR

FACULTAD DE INGENIERÍA EN GEOLOGÍA, MINAS, PETRÓLEOS Y AMBIENTAL

CARRERA DE INGENIERÍA AMBIENTAL

Salinidad y fertilidad de los suelos después de la operación de las presas

Proyecto Propósito Múltiple Chone y Simbocal, modalidad proyecto de

investigación

Trabajo de titulación, modalidad proyecto de investigación para la obtención del

título de Ingeniero Ambiental

Autora: Mishell Dayanara Lara Doicela

Tutor: PhD. David Vinicio Carrera Villacrés

Quito

2019

vi

AGRADECIMIENTOS

A Dios por darme la oportunidad de terminar esta etapa de mi vida.

A mi madre y abuelos por ser un apoyo incondicional durante todo este proceso.

Doctor David Carrera por su motivación y guía para el desarrollo de este trabajo.

Ingeniero Walter Villavicencio y familia por el apoyo económico y logístico para realizar

este proyecto.

Doctor Vicente Delgado Jefe de Laboratorio de Medio Ambiente de la Universidad de

las Fuerzas Armadas ESPE, por darme apertura a usar las instalaciones de éste.

A los estudiantes de la catedra Control y Contaminación del Suelo del periodo

académico 2018 – 2018, de la carrera de Geográficas y del Medio Ambiente de la

Universidad de las Fuerzas Armadas ESPE.

vii

CONTENIDO

pág.

LISTA DE TABLAS ............................................................................................................x

LISTA DE FIGURAS ......................................................................................................... xi

LISTA DE ANEXOS ........................................................................................................ xiii

RESUMEN ...................................................................................................................... xiv

ABSTRACT ...................................................................................................................... xv

INTRODUCCIÓN .............................................................................................................. 1

OBJETIVOS ...................................................................................................................... 3

General ............................................................................................................................ 3

Específicos ....................................................................................................................... 3

1. MARCO TEÓRICO ...................................................................................................... 4

Antecedentes ............................................................................................................. 4

El suelo....................................................................................................................... 5

Porosidad ................................................................................................................ 5

Densidad aparente .................................................................................................. 6

Densidad real .......................................................................................................... 6

Humedad ................................................................................................................. 6

Evaluación de la salinidad de los suelos ................................................................... 6

Salinidad cuantitativa .............................................................................................. 6

Salinidad cualitativa relación de absorción de sodio (RAS)................................... 7

Clasificación de la salinidad del suelo .................................................................... 8

Fertilidad del suelo ..................................................................................................... 9

Sostenibilidad del suelo ........................................................................................ 10

Nitrógeno ............................................................................................................... 11

Fósforo .................................................................................................................. 11

Potasio .................................................................................................................. 12

Geoestadística ......................................................................................................... 12

Método determinístico distancia inversa ponderada (IDW) .................................... 14

Lineamientos para el manejo del recurso suelo ...................................................... 15

viii

2. METODOLOGÍA EXPERIMENTAL ........................................................................... 16

Descripción de la zona de estudio........................................................................... 16

Muestreo de los perfiles de suelo ............................................................................ 17

Proceso analítico jerárquico ................................................................................. 17

Álgebra de mapas ................................................................................................. 19

Técnicas de muestreo ........................................................................................... 19

Selección de los perfiles de muestreo .................................................................. 20

Determinaciones de laboratorio ............................................................................... 21

Clasificación de los perfiles de suelo en base a los parámetros físicos ................. 23

Análisis estadístico .................................................................................................. 23

Evaluación de la salinidad ....................................................................................... 24

Nutrientes en los perfiles ......................................................................................... 25

Análisis geoestadístico ............................................................................................ 25

Lineamientos para el manejo del suelo ................................................................... 29

3. CÁLCULOS Y RESULTADOS .................................................................................. 30

Selección de los perfiles de muestreo ..................................................................... 30

Determinaciones físicas ........................................................................................... 30

Densidad aparente, densidad real, porosidad y humedad .................................. 30

Comprobación de calidad de los datos analíticos ................................................... 33

Determinaciones químicas ...................................................................................... 33

Residuo seco calcinado ........................................................................................ 36

Salinidad cuantitativa y cualitativa ........................................................................... 37

Nutrientes en los perfiles de suelos......................................................................... 42

Análisis geoestadístico ............................................................................................ 43

Lineamientos para el manejo del suelo ................................................................... 45

4. DISCUSIÓN ............................................................................................................... 46

Selección de los puntos de muestreo ..................................................................... 46

Determinaciones físicas en los perfiles de suelo .................................................... 46

Comprobación de la exactitud de los resultados .................................................... 48

Evaluación de la salinidad ....................................................................................... 48

Sólidos disueltos totales y residuo seco calcinado .............................................. 50

Distribución catiónica y aniónica en los perfiles de suelo .................................... 51

Evaluación de los nutrientes en los perfiles de suelo ............................................. 53

Nitrógeno ............................................................................................................... 53

Fósforo .................................................................................................................. 54

Potasio .................................................................................................................. 56

ix

Geoestadística ......................................................................................................... 57

Lineamientos para la recuperación de los suelos salinos....................................... 57

Lineamientos para mejorar la fertilidad del suelo.................................................... 58

5. CONCLUSIONES ...................................................................................................... 59

6. RECOMENDACIONES .............................................................................................. 61

7. BIBLIOGRAFÍA .......................................................................................................... 62

x

LISTA DE TABLAS

pág.

Tabla 1. Clase de suelo en base al contenido sales solubles modifcado de Richards et

al. (1990) ........................................................................................................................... 8

Tabla 2. Escala fundamental de comparación por pares (Saaty, 1980; citado en Aznar y

Guijarro, 2012) ................................................................................................................ 18

Tabla 3. Matriz de comparación por pares entre variables (Autor, 2019) ..................... 18

Tabla 4. Pesos de las variables (Autor, 2019) ............................................................... 19

Tabla 5. Coordenadas de los perfiles de muestreo (Autor, 2019) ................................ 21

Tabla 6. Métodos de parámetros físicos y químicos del suelo (Autor, 2019) ............... 21

Tabla 7. Tipos de suelos NOM-021-RECNAT-2000 (2002) .......................................... 23

Tabla 8. Densidad real modificado de Porta et al. (2003) ............................................. 23

Tabla 9. Estaciones meteorológicas (Autor, 2019) ........................................................ 26

Tabla 10. Valores de precipitación y cota en los puntos de muestreo (Autor, 2019) ... 27

Tabla 11. Resultados de los valores las determinaciones de los parámetros físicos a

nivel superficial en los suelos de Chone (Autor, 2019) ................................................. 31

Tabla 12. Valores de pH a nivel supericial y en profundidad en las relaciones agua-suelo

1:1, 1:5 y 1:10 en los 32 perfiles de suelo de Chone (Autor, 2019) .............................. 34

Tabla 13. Valores de las mediciones químicas en las relaciones agua-suelo 1:1, 1:5 y

1:10 de los perfiles 26 – 32 de la microcuenca del río Chone (Autor, 2019) ................ 35

Tabla 14. Valores de la concentración de residuo seco calcinado, en el muestreo en

profundidad de los perfiles de suelo 26 – 32, en la microcuenca del río Chone (Autor,

2019) ............................................................................................................................... 36

Tabla 15. Valores de conductividad eléctrica, relación de absorción de sodio original,

índice de saturación y relación de absorción de sodio ajustado del extracto 1:1, de los

32 perfiles de suelo, de Chone (Autor, 2019) ................................................................ 37

Tabla 16. Valores de la concentración de nitratos, en el muestreo en profundidad de los

perfiles de suelo 26 – 32 de la microcuenca del río Chone (Autor, 2019) .................... 42

Tabla 17. Valores de la concentración de fosfatos, en el muestreo en profundidad de los

perfiles de suelo 26 – 32 de la microcuenca del río Chone (Autor, 2019) .................... 42

xi

LISTA DE FIGURAS

pág.

Figura 1. Componentes del semivariograma (Giraldo, 2007) ....................................... 14

Figura 2. Ubicación de los perfiles de suelo en la zona de estudio (Autor, 2019) ........ 22

Figura 3. Modelo digital del terreno de Chone (SIG-TIERRAS, 2017).......................... 25

Figura 4. Mapas de precipitación correspondientes a los años de muestro 2014, 2016 y

2017 en área de estudio del cantón Chone (Autor, 2019) ............................................ 27

Figura 5. Correlación entre las variables (ce) conductividad eléctrica, precipitación y

cota, de los perfiles del muestreo del año 2014 (Autor, 2019) ...................................... 28





Figura 8. Perfiles de suelo 26 – 32 del muestreo de junio de 2018 en la microcuenca del

río Chone (Autor, 2019) .................................................................................................. 30

Figura 9. (a) Densidad aparente, (b) densidad real de los perfiles de suelo 26 – 32 de la

microcuenca del río Chone (Autor, 2019) ...................................................................... 32

Figura 10. (a) Porosidad, (b) humedad de los perfiles de suelo 26 – 32 microcuenca del

río Chone (Autor, 2019) .................................................................................................. 32

Figura 11. Relación de la concentración de suma de cationes (a), concentración de

sólidos totales disueltos (b) en función de la conductividad eléctrica, del extracto 1:1 del

perfil 32 ubicado aguas abajo de la presa Simbocal (Autor, 2019) ............................... 33

Figura 12. Distribución en profundidad de la concentración de residuo seco calcinado

del extracto 1:1, de los perfiles de suelo 26 – 32, de la microcuenca del río Chone (Autor,

2019) ............................................................................................................................... 36

Figura 13. Distribución en profundidad de la conductividad eléctrica del extracto 1:1, de

los perfiles de suelo 26 – 32, de la microcuenca del río Chone (Autor, 2019) ............. 38

Figura 14. (a) Composición catiónica en el extracto 1:1, (b) composición catiónica en el

extracto 1:5, y (c) composición catiónica en el extracto 1:10, en el muestreo de suelos a

profundidad, del perfil 26 de la microcuenca de Chone (Autor, 2019) .......................... 38

xii



















Figura 21. Distribución en profundidad de la concentración de nitratos del extracto 1:1,

de los perfiles de suelo 26 – 32, de la microcuenca del río Chone (Autor, 2019) ........ 43

Figura 22. Distribución en profundidad de la concentración de fosfato del extracto 1:1,


Figura 23. Distribución en profundidad de la concentración de potasio del extracto 1:1,


Figura 24. Mapa de distribución espacial en base la conductividad eléctrica (CE) y

relación de sodio ajustado (RASaj), del extracto 1:1, en los suelos de Chone (Autor,

2019) ............................................................................................................................... 44

Figura 25. Mapa geológico de Chone (IEE, 2013) ........................................................ 52

xiii

LISTA DE ANEXOS

pág.

ANEXO A ........................................................................................................................ 71

ANEXO B ........................................................................................................................ 72

ANEXO C ........................................................................................................................ 76

ANEXO D ........................................................................................................................ 77

ANEXO E ........................................................................................................................ 78

ANEXO F ........................................................................................................................ 79

ANEXO G ....................................................................................................................... 80

ANEXO H ........................................................................................................................ 83

xiv

Salinidad y fertilidad de los suelos después de la operación de las presas

Proyecto Propósito Múltiple Chone y Simbocal

Autora: Mishell Dayanara Lara Doicela


RESUMEN

Las presas Simbocal y Proyecto Propósito Múltiple Chone (PPMCH) están operando

desde los años 1982 y 2015 en la provincia de Manabí. La primera regula la entrada de

incrustaciones salinas producto de las mareas y la segunda se creó para mitigar las

inundaciones, canalizar 113 millones de metros cúbicos de agua, irrigar 2.250 ha y dotar

de agua a la población de la zona. De acuerdo con la comisión mundial de presas (CMR)

aquellas tierras irrigadas por presas están presentando salinización del suelo, lo que

conlleva a la reducción de la fertilidad como ha sucedido en los sistemas de riego en

Egipto y España. El objetivo de estudio fue determinar el grado de deterioro del suelo

agrícola de Chone entre las presas Simbocal y PPMCH mediante el análisis de salinidad

y fertilidad a nivel superficial y vertical. La selección de los puntos de muestreo consistió

en la aplicación de proceso analítico jerárquico (AHP), álgebra de mapas, a partir de ello

se escogió 7 perfiles de suelo en profundidades de 20 – 40; 60 – 80; y 100 – 120 cm,

en los cuales se analizó densidad aparente, densidad real, porosidad, humedad; se

obtuvo extractos de suelo 1:1, 1:5 y 1:10, en éstos se midió: pH, conductividad eléctrica

(CE), sólidos totales disueltos (STD), residuo seco calcinado (RSC), cationes, fosfatos

y nitratos. Se incorporó información del Grupo de Investigación en Contaminación

Ambiental (GICA) de la Universidad de las Fuerzas Armadas, por lo tanto, se estudió 32

perfiles de suelo. Los suelos de Chone no presentaron grado de compactación en base

a los parámetros físicos, por otro lado, la CE fue baja y con bajas concentraciones de

nutrientes, sin embargo, se encontró problemas de salinidad y sodicidad en los perfiles

31 y 32 asociados a la presencia de la presa Simbocal. Se realizó un análisis

geoestadístico y se determinó no hay correlación entre la CE y las variables auxiliares

para predecir con cokriging. Asimismo, estos suelos necesitan estrategias que permitan

un manejo y aprovechamiento sostenible, a fin de combatir la pobreza y el hambre.

PALABRAS CLAVE: /CONDUCTIVIDAD ELÉCTRICA/ SODICIDAD/ SISTEMA DE

RIEGO/ EFECTO DE LAS PRESAS/ GEOESTADÍSTICA/

xv

SALINITY AND FERTILITY OF THE SOILS AFTER THE OPERATION OF THE

PROJECT MULTIPLE PURPOSE CHONE AND SIMBOCAL DAMS

Author: Mishell Dayanara Lara Doicela


ABSTRACT

Simbocal and Chone Multipurpose Project dams have been operating since 1982 and

2015 in the province of Manabí. The first regulates the entrance of saline incrustations

produced by the tides and the second was created to mitigate floods, channel 113 million

cubic meters of water, irrigate 2,250 ha and provide water to the population of the area.

According to the world commission of dams (CMR), those lands irrigated by dams are

presenting salinization of the soil, which leads to the reduction of fertility as has

happened in irrigation systems in Egypt and Spain. The objective of the study was to

determine the degree of deterioration of the agricultural land of Chone between the

Simbocal and PPMCH dams through the analysis of salinity and fertility at the surface

and vertical levels. The selection of sampling points consisted of the application of

hierarchical analytical process (AHP), map algebra, from which 7 soil profiles were

chosen in depths of 20 - 40; 60-80; and 100-120 cm, in which apparent density, real

density, porosity, humidity were analyzed; soil extracts were obtained 1: 1, 1: 5 and 1:10,

in these were measured: pH, electrical conductivity (EC), total dissolved solids (STD),

calcined dry residue (CSR), cations, phosphates and nitrates. Information from the

Environmental Pollution Research Group (GICA) of the University of the Armed Forces

was incorporated, therefore, 32 soil profiles were studied. The Chone soils did not

present a degree of compaction based on the physical parameters, on the other hand,

the EC was low and with low concentrations of nutrients, however, salinity and sodicity

problems were found in profiles 31 and 32 associated with the presence of the Simbocal

dam. A geostatistical analysis was carried out and it was determined that there is no

correlation between CE and the auxiliary variables to predict with cokriging. Likewise,

these soils need strategies that allow sustainable management and use to combat

poverty and hunger.

KEYWORDS: / ELECTRICAL CONDUCTIVITY/ SODICITY/ IRRIGATION SYSTEM/

EFFECT TO THE DAMS/ GEOSTATISTICS

1

INTRODUCCIÓN

En la provincia de Manabí se encuentran operando las presas Simbocal y PPMCH. La

primera es una presa reguladora de mareas construida en el año 1982, y tiene por

objetivos mejorar la capacidad de desagüe de la cuenca del sistema de riego Carrizal-

Chone y las condiciones del agua en el estuario, proteger a las zonas bajas de las

incrustaciones salinas originadas por las mareas para evitar que las camaroneras

invadan terrenos aguas arriba del estuario del río Chone (Cedeño, 2011; Sacón, 2013).

Sin embargo, esta presa ha alterado el flujo normal del agua en el estuario hacia la

ciénaga, provocando un cambio en la salinidad, que al mismo tiempo afecta al humedal

La Segua (Macías, 2011).

Por otro lado, el PPMCH entró en funcionamiento en el año 2015 y tiene por objetivos:

mitigar las inundaciones causadas por el fenómeno El Niño, canalizar el río Grande

almacenando 113 millones de metros cúbicos e irrigar a 2.250 hectáreas (SENAGUA,

2015). Carrera et al. (2014) explican que, los suelos de la zona de riego son de buena

calidad agrícola, y presentan una baja movilidad de elementos tóxicos y Briones (2015)

indica que tienen una baja conductividad eléctrica, pero pueden presentar una reducción

relativa de la filtración.

Tobasura et al. (2015) así como la Organización de las Naciones Unidas para la

Alimentación y la Agricultura (FAO, 2015a) dicen que el suelo es un componente

principal de la biosfera, es un medio que permite el crecimiento de las plantas, regula el

flujo hídrico y sirve como filtro del medioambiente, razón por la cual, es capaz de mitigar

el cambio climático; este recurso natural puede ser afectado por la salinidad originada

de un sin número de factores como la intercepción del drenaje natural por la presencia

de obstáculos que al no permitir el lavado y arrastre de sales rompe esta dinámica

(Badia, 1992).

2

Según CMR (2000) una quinta parte de las tierras irrigadas en todo el mundo están

sufriendo problemas de salinidad y saturación, incluidas aquellas dotadas por represas;

aunque los impactos se presentan a largo plazo, pueden ser permanentes tanto en el

suelo como la agricultura, por lo tanto, las principales actividades económicas:

ganaderas, agrícolas y criaderos de camarones del cantón Chone se verían

perjudicadas por la presencia de estas dos represas.

La contribución de este trabajo se basa principalmente en los objetivos de desarrollo

sostenible ODS1 y ODS2 de los 17 aprobados por las Naciones Unidas (ONU, 2015);

fin de la pobreza y hambre cero, respectivamente; y en el plan toda una vida del presente

gobierno del Ecuador, que se plantea estos objetivos a manera de estrategias

(SENPLADES, 2017). Estas estrategias promueven la soberanía alimentaria a través de

la inclusión de pequeños agricultores y la promoción de la agricultura racional y

sostenible para combatir la pobreza, el hambre y la reducción de la capacidad de la

tierra, por lo tanto, se necesita fomentar el desarrollo sustentable en la juventud y

comunidades locales, para proteger el medioambiente y el manejo adecuado de los

recursos, a través de proyectos de riego a pequeña escala (Lal, 1994; citado en Cid et

al., 2012).

El presente trabajo tuvo por hipótesis, conocer el deterioro en la calidad de los suelos

de Chone a nivel superficial como en profundidad desde el punto de vista de la salinidad

y fertilidad después de la operación de las presas Simbocal y PPMCH. El objetivo de

estudio fue analizar la distribución espacial, profundidad y temporal con la finalidad de

observar el cambio en los parámetros físicos y químicos en siete perfiles de suelo de

acuerdo con la NOM-021-SEMARNAT (2002) y APHA (2012). Adicionalmente, se

incorporaron a este trabajo estudios previos en la zona efectuados por el GICA (2017)

de la Universidad de las Fuerzas Armadas ESPE (http://gica.espe.edu.ec/); requeridos

en el análisis geoestadístico, por lo tanto, se estudió 32 perfiles de suelo a nivel

superficial.

La estimación y predicción con kriging, a través, de geoestadística tiene por limitante el

número de puntos muestrales, pues necesita por lo menos 100 observaciones, ya que,

cada punto del variograma requiere de 20 a 30 pares de datos, sin embargo, dado el

caso de presentar pocos datos se puede utilizar la predicción con cokriging, el cual

permite correlacionar una variable cara de medir, con una variable auxiliar fácil de medir,

sin embargo, dicha correlación debe ser bastante buena para aplicar este método.

3

OBJETIVOS

General

Determinar la degradación de la calidad del suelo para observar su distribución a nivel

espacial superficial y en profundidad mediante el análisis de la salinidad y de la fertilidad

en los suelos de Chone después de la operación de las presas Simbocal y PPMCH, en

la provincia de Manabí.

Específicos

⎯ Desarrollar la técnica muestreo más adecuada evaluando las normativas

ecuatoriana, española y mexicana para determinar los puntos de muestreo entre las

presas Simbocal y PPMCH.

⎯ Medir la salinidad de los perfiles de suelo de forma cualitativa como cuantitativa para

determinar su distribución a nivel espacial y en profundidad después de la operación

de las presas.

⎯ Estudiar la fertilidad en cada perfil de suelo mediante la determinación de nitrógeno,

fósforo y potasio para conocer su distribución a nivel espacial y en profundidad

después de la operación de las presas.

⎯ Analizar la información obtenida a través de geoestadística para encontrar las zonas

más críticas a nivel superficial de los suelos de Chone.

⎯ Proponer lineamientos básicos para el manejo adecuado del recurso suelo en las

zonas más vulnerables obtenidas del análisis geoestadístico.

4

1. MARCO TEÓRICO

Antecedentes

Según Richards et al. (1990) las fuentes naturales de sales pueden ser de origen

geológico y oceánico. Los minerales primarios y las rocas expuestas de la corteza

liberan sales en los procesos de intemperismo químico y luego son acarreadas por el

agua hasta acumularse y formar un suelo salino. El océano es una fuente de sales

formada en el período geológico constituyendo los depósitos marinos; así mismo, las

aguas para riego y subterráneas también agregan sales al suelo. Por otro lado, Badia

(1992) también considera la salinización secundaria, como consecuencia negativa de

las prácticas de riego debido a la intercepción del drenaje natural por la presencia de

obstáculos.

La salinidad secundaria se debe a las técnicas defectuosas de riego como los proyectos

a gran escala (FAO, 2016). A finales del anterior siglo se construyeron más de 45 mil

presas en todo el mundo, porque entregan beneficios tales como: dotar de agua a los

cultivos, controlar las inundaciones, generar electricidad y para el uso doméstico e

industrial. Sin embargo, en 11 países con varios proyectos de irrigación, alrededor de

un 20% presentaron problemas de salinidad en el suelo, dando lugar a una reducción

del 25% en la producción, como es el caso de China, Egipto, Estados Unidos, India,

Pakistán, entre otros (CMR, 2000).

En Egipto la Gran Represa Asuán o Aswan High y el sistema de canales a lo largo del

río Nilo ampliaron la zona de riego y entregaron agua suficiente para dos cosechas al

año, porque las condiciones de la cuenca habían cambiado; en verano había un alto

nivel de corriente e inundación y un bajo nivel en el invierno. El riego excesivo originó

un aumento del nivel freático y sobresaturación del terreno, redujo las condiciones de

drenaje y originó problemas de salinidad en las tierras (Barrada, 1976; IICA, 1995).

En España la transformación de la agricultura de riego y el desconocimiento de la

salinización ha ocasionado impactos en el sistema Flumen-Monegros tales como: la

pérdida de los horizontes superficiales, exposición de material originario en la superficie

5

con potencial de distribución de sales, elevación del nivel freático, aparición de agua de

infiltración, degradación de la estructura del suelo por procesos de sodificación y por el

riego con agua de baja concentración en calcio, esto ha limitado el número de cultivos,

debido a la acumulación de las sales en la raíz (Porta et al., 2003; Porta et al., 2014).

Según Carrera et al., (2014) los suelos de Chone no son salinos pues la conductividad

eléctrica es baja y no representan peligro para los cultivos de la zona, por otro lado, la

porosidad indica que son suelos de tipo franco, y son pobres en materia orgánica.

Briones (2015) afirma que los suelos de la cuenca del Río Grande según la

conductividad eléctrica son no salinos y de acuerdo a sus propiedades físicas como la

densidad real y la densidad aparente indican que son suelos arcillosos.

El suelo

Según Tarbuck y Lutgens, (2013) hace 4.54 millones de años se formó la Tierra tras la

gran explosión o Big Bang ocurrida hace 12.000 a 15.000 millones de años. La corteza

primitiva contenía principalmente materiales rocosos enriquecidos en oxígeno y

elementos litofilos (silicio y aluminio), con cantidades bajas de calcio, sodio, potasio,

hierro y magnesio, y ciertos metales pesados como oro, plomo y uranio, la cual se perdió

por los procesos geológicos. Al mismo tiempo, los compuestos gaseosos escaparon del

interior de la Tierra, y debido a ello la atmósfera primitiva evolucionó y fue donde

apareció la vida.

Durante los procesos geológicos y la meteorización se fue creando el suelo. Un suelo

superficial de buena calidad está compuesto de material mineral desintegrado y materia

orgánica, la otra mitad consiste en espaciosos porosos donde circula el aire y el agua,

y es tan vital como los constituyentes sólidos; aquí es donde crecen las plantas y

cumplen un rol importante porque asimilan los nutrientes para luego ser aprovechados

por los animales y seres humanos (Tarbuck y Lutgens, 2013). El suelo es un recurso

finito, en este sentido, su perdida y degradación no son reversibles (FAO, 2015b).

Porosidad

Carrera et al. (2014) describe a la porosidad como el volumen total de poros por unidad

de volumen del suelo, contribuye a la aireación, circulación del agua y retención de

6

humedad. Se determina mediante la relación de la densidad del suelo en conjunto

definida como densidad aparente y la densidad de las partículas (minerales y orgánicas)

conocida como densidad real (Porta et al., 2014).

Densidad aparente

La densidad aparente (Da) se define como la masa de suelo por el volumen total,

incluyendo los espacios porosos. Desde el punto de vista del manejo del suelo la

densidad aparente informa sobre el grado de compactación, pues está directamente

relacionada con la estructura. Esta densidad también es afectada cuando el suelo está

húmedo, porque la estructura del suelo es más susceptible a la deformación (Solé y

Cantón, 2005; Calvache, 2010).

Densidad real

La densidad real (Dr) corresponde “a la relación entre la masa de sólidos y el volumen

ocupado por esos sólidos” (Calvache, 2010). Es independiente de la estructura,

manteniéndose constante en el tiempo; puede estimar la composición mineralógica que

varía con la naturaleza de las partículas (Porta et al., 2003).

Humedad

La humedad del suelo es la masa de agua contenida en una muestra se suelo húmedo

con respecto a su masa en seco (DOF, 2002). En la estructura del suelo alrededor del

20 – 30% de la porosidad total almacena agua (Carrera et al., 2014).

Evaluación de la salinidad de los suelos

La salinidad se puede expresar de forma cuantitativa y cualitativa (Carrera et al., 2015).

Salinidad cuantitativa

La salinidad del suelo se puede medir pasando una corriente eléctrica en una pasta

saturada o una solución extraída de una muestra de suelo. Cuanto mayor sea el

contenido en sal, más electricidad pasará. La cantidad de flujo eléctrico se llama

7

conductividad eléctrica y se mide en unidades de milimhos por centímetro (mmhos/cm)

o dicisiemens por metro (dS/m), equivalente a 1 mmhos/cm (Plaster, 2005).

Salinidad cualitativa relación de absorción de sodio (RAS)

El aumento de Na+ en el suelo se conoce como sodificación producto de la utilización de

aguas salinas o sódicas; mientras que la concentración de Ca2+ varia debido a los

procesos de precipitación o dilución (Carrera, 2011). La salinidad sódica se puede

determinar a través de la Ecuación de Gapón, mediante el cálculo de la RAS, como

sigue la Ecuación (1):

𝑅𝐴𝑆 =[𝑁𝑎+]

√[𝐶𝑎2+] + [𝑀𝑔2+]2

(1)

Donde: Na+, Ca2+ y Mg2+ se expresa en meq/L.

Esta relación indica el peligro potencial del exceso de Na+ sobre el de Ca2+ y Mg2+ de un

agua en equilibrio en el suelo, pero no considera los cambios que suceden en la solución

del suelo debido a la solubilidad del Ca2+, como resultado de los procesos de dilución o

precipitación que tiene lugar rápidamente después de un riego (García, 2012).

Langelier, 1936; citado en Carrera, 2011 creó un índice denominado índice de

saturación para indicar el grado de sales de las aguas que fluyen a través de tuberías,

mismas que se precipitan o disuelven como CaCO3, esto debido a condiciones de CO2

constantes; para ello se utiliza el índice de saturación (IS=pHa-pHc) definido como el

pH actual del agua (pHa) menos el pH calculado (pHc) del agua en condiciones de

equilibrio con el CaCO3. (Bower, 1961; citado en Hasheminejhad et al., 2013) encontró

que la fracción de HCO3 aplicada, que precipita como CaCO3 en el suelo estaba

altamente correlacionada con un índice de saturación de Langelier modificado. La

modificación consistió en usar el pH del suelo en lugar del agua por su alta capacidad

de buffer, porque el pH del agua se hace casi igual al del suelo una vez en contacto con

éste.

8

Los valores positivos del índice de saturación indican que el CaCO3 tiende a precipitar,

y los valores negativos que tiende a disolverse. La RASaj se calcula con la Ecuación (2)

(Ayers y Westcot, 1985):

𝑅𝐴𝑆𝑎𝑗 =[𝑁𝑎+]

√[𝐶𝑎2+] + [𝑀𝑔2+]2

[1 + (8,4 − 𝑝𝐻𝑐)] (2)

Donde:

pHc = (pK2-pK

C)+p(Ca

2++Mg

2+)+p(Alk)

pK2-pK

C = Ca

2++Mg

2++ Na

+

p(Ca2+

+Mg2+

) = Ca2+

+Mg2+

p(Alk) = CO32-

+HCO3-

Los valores de RASaj sobresttiman la peilgrosidad del sodio (Ayers y Westcot, 1985).

Clasificación de la salinidad del suelo

Plaster (2005) clasifica a los suelos con problemas de sales solubles en: salinos, sódico

y sódico-salino; basado en Richards et al. (1990) para extractos de saturación a 25°C.

En la Tabla 1 se resume esta clasificación de salinidad de los suelos:

Tabla 1. Clase de suelo en base al contenido sales solubles modifcado de

Richards et al. (1990)

Clase de suelo salado

Conductividad eléctrica

dS/m

(%) Sodio intercambiable

Relación de adsorción de

sodio

pH del suelo

Estructura del suelo

Salino > 4,0 < 15 < 13 < 8,5 Normal Sódico < 4,0 > 15 > 13 > 8,5 Pobre Salino-sódico

> 4,0 > 15 < 13 < 8,5 Normal

a) Suelo salino y sus efectos: Tienen altos niveles de sales solubles, excepto sodio.

Sin embargo, si los niveles de salinidad son menores a 2 dSm-1 pueden perjudicar a

cosechas muy sensibles. La superficie de estos suelos forma una corteza blanca por

la migración de sales debido a la elevación capilar; característica de un perfil edáfico

como el aluvión (Richards et al., 1990). El efecto en las plantas es la difícil absorción

de agua, pues ésta es atraída por los iones en solución en el suelo, por lo tanto, hay

9

menos agua disponible. El estrés de la salinidad influye negativamente en la

germinación de las plántulas, y a su vez retarda el desarrollo de las plantas porque

varios de sus procesos fisiológicos son alterados; el transporte de agua y iones puede

provocar toxicidad o desbalance nutricional (Parés et al., 2008). Las cantidades

relativas de calcio y magnesio en solución y en el complejo de intercambio varía de

forma considerable. El potasio soluble e intercambiable es de menor importancia, a

pesar de ser constituyentes mayores (Richards et al., 1990)

b) Suelo sódico y sus efectos. Tienen pequeñas cantidades de algunas sales, pero

un alto contenido de sodio. El pH varía entre 8,5 y 10. Sin embargo, puede ser inferior

a 6 en la superficie, con un porcentaje de sodio intercambiable mayor a 15 (Richards

et al., 1990). La acumulación de sales sódicas por falta de lavado aumenta la presión

osmótica, reduce la calidad de agua y la absorción de nutrientes por las plantas,

paralelamente altera el metabolismo de los microrganismos y disminuye la fertilidad

del suelo (Solé y Cantón, 2005; SOCO, 2009). El suelo se hace más disperso cuando

los sitios de intercambio son saturados por iones de sodio; la capa de laboreo se

endurece formando costras y las semillas no logran germinar por la falta de aireación

u oxígeno. Por otro lado, las arcillas dispersas con sodio son transportadas hacia

abajo acumulándose en los niveles inferiores, en la superficie se presenta una

estructura gruesa y quebradiza, mientras que en profundidad es densa y de baja

permeabilidad (Richards et al., 1990; Solé y Cantón, 2005).

c) Suelo salino-sódico y sus efectos. Estos suelos son una combinación de

acumulación de sales y de sodio; si existe un aumento de sales el pH puede superar

los 8,5. La estructura física del suelo es normal, sin embargo, si éstos son irrigados

tienden a parecerse a los suelos sódicos no salinos. Por otra parte, el sodio

intercambiable presente forma hidróxido de sodio y éste a su vez se transforma en

carbonato de sodio, es decir, lo hace más alcalino, causando que las partículas se

dispersen impidiendo la entrada del agua, dificultando la labranza (Richards et al.,

1990).

Fertilidad del suelo

Según DeVere Burton (2000) los primeros agricultores dependían considerablemente

de las inundaciones de los ríos aledaños para renovar el limo de sus tierras, este limo

era rico en nutrientes y por ende la fertilidad del suelo era renovaba. En la actualidad no

10

se puede esperar a que los campo se renueven, por lo tanto, se repone los nutrientes

que se ha perdido hasta donde se pueda mejorar sus propiedades.

Los suelos con alta fertilidad tienen proporciones equilibradas de arcilla, limo y arena, y

un 5% de materia orgánica en alto grado de descomposición (humus). La fertilidad se

define como la aportación de elementos nutritivos necesarios, éstos deben estar en

solución y en forma de iones para ser absorbidos por las plantas (Lanly, 1996; Acosta,

2007).

Los macronutrientes o nutrientes primarios son aquellos consumidos en cantidad

moderada por las plantas, a este grupo pertenecen el nitrógeno (N), fósforo (P) y potasio

(K). Los micronutrientes se dividen en: elementos secundarios que se encuentran de

forma abundante en el suelo y son consumidos en cantidades moderadas así como los

macronutrientes, éstos son: calcio (Ca), magnesio (Mg) y azufre (S), y el grupo de

microelementos consumidos en pequeñas cantidades son: hierro (Fe), boro (B),

manganeso (Mn), cloro (Cl), cobre (Cu), zinc (Zn), y molibdeno (Mo) (DeVere Burton,

2000; Flórez, 2009).

Sostenibilidad del suelo

La FAO (2015b) manifiesta que en la actualidad satisfacer la demanda de alimentos

frente a la creciente población, ha intensificado el uso y prácticas no sostenibles del

suelo, dando lugar a una alarmante pérdida de suelo fértil. Se prevé que para el año

2050 la población superará los 9.000 millones, incrementando la producción del suelo a

un 60%. La posibilidad de ampliar la zona agrícola es escaza; por lo tanto, la agricultura

de regadío es un factor importante para la seguridad alimentaria del planeta, mediante

un manejo sostenible del suelo, fundamental para la economía, salud y bienestar de una

parte considerable del tercer mundo (Castellanos, 1994; citado en Cid et al., 2012).

Por otro lado, la FAO (2015c) cree que, la agricultura es el mayor empleador del mundo

y puede ser más eficaz para reducir el hambre (ODS2) y la pobreza (ODS1). De la

misma forma, el Plan Nacional Toda una Vida propone fortalecer los modelos de

producción alternativos e incluyentes, como el rescate de los saberes ancestrales bajo

un modelo agroecológico, que permita asegurar la soberanía alimentaria y mejorar el

desarrollo de las actividades económicas (SENPLADES, 2017).

11

Nitrógeno

El gas nitrógeno (N2) de la atmósfera no es aprovechable por las plantas; por ello, se

ven obligadas a utilizar las formas combinadas de nitrógeno presentantes en el suelo.

Los organismos simbiontes y no simbiontes, por beneficio propio o por suministrarlo a

las plantas transforman el N2; al morir mineralizan la proteína en iones de amonio (NH4+)

y son incorporados al suelo (Masís et al., 2017). La transformación de amonio en nitratos

conocida como nitrificación requiere de dos reacciones consecuentes como lo explican

Lytle et al. (2013) en la primera intervienen un grupo de bacterias Nitrosococcus, las

cuales oxidan del amonio (NH4+) en nitrito (NO2

-); en el segundo proceso las bacterias

Nitrobacter transforman el nitrito (NO2-) en nitrato (NO3

-).

El amonio lleva carga positiva, es atraído por los coloides del suelo impidiendo su

lixiviación; la carga negativa de los nitratos permite el movimiento libre en la solución del

suelo hasta llegar a las raíces de la planta; por esta razón, los nitratos se lixivian con

facilidad fuera del suelo. El amonio y nitrato son capturados por las plantas, pero las

cosechas utilizan más nitrato; cuando las plantas presentan crecimiento lento, y las

hojas pierden su color verde se puede hablar de deficiencia de nitrógeno (Plaster, 2005).

Fósforo

Al igual que el nitrógeno, el fósforo se encuentran limitado en los suelos por la baja

solubilidad de sus sales; es suministrado al suelo por la meteorización de minerales

como el apatito, del cual se libera los aniones ortofosfato primario (H2PO4-) y ortofosfato

secundario (HPO42-); representan una fracción entre 0,25% y 0,4% en disolución del

fósforo total, disponible para las plantas, se encuentran en equilibrio con el fósforo

orgánico mediante un sistema dinámico regulado por la intervención microbiana y la

solubilidad de éstos (Plaster, 2005; Masís et al., 2017).

La fijación de fósforo en el suelo depende del pH del medio. La concentración de H2PO4-

es mayor en pH alrededor de 4, en contraste, en pH de 9 resulta ser predominante el

HPO42-. En consecuencia, los suelos ácidos están formados de fosfatos de aluminio y

hierro, y los suelos básicos constituidos por fosfatos de calcio; los cuales no pueden ser

usados por las plantas. En el rango intermedio de pH (6,0 a 7,0) se producirán mezclas

de H2PO4- y HPO4

2-, siendo los más adecuados para las cosechas (Plaster, 2005; Masís

et al., 2017).

12

Potasio

La potasio o potasa es un nutriente importante en la planta, su consumo es alto en

relación con otros nutrientes salvo el nitrógeno (Plaster, 2005). Zörba et al. (2014) el

potasio constituye 2,1 - 2,3% en la corteza terrestre y es el séptimo u octavo elemento

más abundante. El K en el suelo a menudo es clasificado en cuatro grupos: soluble,

intercambiable, no intercambiable y de forma estructural. El soluble e intercambiable,

son fácilmente utilizados por las plantas, sin embargo, son agrupaciones pequeñas que

representan el 0,1-0,2% y 1-2% del total de K, respectivamente. Por otra parte, las

formas de potasio no intercambiable y estructural no están disponibles para las plantas,

aunque, pueden ser suministradas a las plantas a largo plazo.

La mayoría de potasio en el suelo se encuentra en forma estructural, constituyendo parte

de los minerales primarios como la moscovita, biotita y feldespatos. Los feldespatos

liberan directamente el potasio en solución del suelo, por lo tanto, es fácilmente

capturado por las plantas; mientras que las micas lo retienen entre sus capas por las

fuerzas electrostáticas (Plaster, 2005; Zörba et al., 2014).

La aplicación de fertilizante K en forma desequilibrada, con respecto al nitrógeno y al

fósforo puede agotar las reservas de K del suelo provocando la disminución de la

fertilidad (Zörba et al., 2014).

Geoestadística

Webster y Oliver (2007) indican que la geoestadística requiere manejar datos con

distribución normal y continuos en el tiempo, por lo tanto, no trabaja con las

concentraciones reales sino con los valores estimados, perdiendo información original.

Por otro lado, Khosla et al. (2010) mencionan que las propiedades del suelo, así como,

la mayoría de las propiedades de los recursos naturales, varían continuamente en el

espacio y se puede emplear esta herramienta para comprender la distribución espacial

de las variables estudiadas.

“La geoestadística es una rama de la estadística que trata fenómenos espaciales, su

principal interés es la estimación, predicción y simulación de dichos fenómenos”

(Giraldo, 2007). Para su aplicación es necesario el cumplimiento de un par de

13

condiciones: tener alrededor de 100 observaciones o datos en condiciones de isotropía,

caso contrario será requerirá más observaciones, además, cada salto que forme el

semivariograma este compuesto de 20 – 30 pares de datos (Moral, 2004).

Moral (2004) explica que este análisis se debe llevar a cabo en tres etapas: la primera

análisis exploratorio de los datos mediante histogramas, diagramas de caja, otros,

comprobando la consistencia de los datos, es decir, si son válidos se define el

procedimiento de predicción más conveniente; la segunda es el análisis estructural, se

calcula el semivariograma que se ajuste más el modelo teórico; y la tercera de las

predicciones se basa en estimaciones de la variable en los puntos no muestrales,

tomando en cuenta la estructura de correlación espacial seleccionada e integrando la

información obtenida de forma directa en los puntos muestrales, así como la indirecta

obtenida en forma de tendencia conocida.

El análisis estructural está determinado por el cálculo del semivariograma experimental

y un ajuste a un modelo teórico; el semivariograma experimental determina las

características de variabilidad y correlación espacial del fenómeno estudiado. El

semivariograma es una función que relaciona la semivarianza con el vector h, éste

denota la separación en distancia y dirección de cualquier par de valores; se representa

en la Ecuación (3) (Moral, 2004):

��(ℎ) =1

2𝑁(ℎ)∑ [𝑧(𝑥𝑖 + ℎ) − 𝑍(𝑥𝑖)]2

𝑁(ℎ)

𝑖=1

(3)

Donde: N(h) es el número de pares de muestras separadas por una distancia h, Z(x) es

el valor de la muestra en una localización x, mientras que Z(x+h) es el valor de la muestra

a la distancia de intervalo h desde x.

Los modelos teóricos conocidos a los que se puede ajustar el semivariograma

experimental se dividen en dos tipos: con meseta tenemos al esférico, exponencial y

gaussiano y sin meseta pueden ser lineales, potenciales, logarítmicos. Cuando el

semivariograma tiende a la horizontalidad revela ausencia de estructura espacial y se lo

conoce como efecto pepita puro (Moral, 2004). Todos los modelos teóricos tienen tres

parámetros, éstos son: efecto pepita se denota 𝐶𝑂 representa una discontinuidad en el

semivariograma con el origen debido errores en la medición o la escala de la variable;

la meseta conocida como 𝐶1 o (𝐶𝑜 + 𝐶1) cuando 𝐶𝑂 ≠ 0, es el límite del semivariograma

14

cuando alcanza la distancia h tendiendo al infinito, si la pepita es considerada un error

no debe presentar más del 50% de la meseta; y el rango es interpretado como la zona

de influencia, es distancia hasta la cual hay correlación de datos (Giraldo, 2007). En la

Figura 1 se observan los parámetros que definen a al semivariograma:

Figura 1. Componentes del semivariograma (Giraldo, 2007)

La tercera etapa consiste en aplicar kriging que es un término genérico de predicción

espacial en geoestadística más conocido como kriging ordinario, sin embargo, se puede

aplicar cokriging pues es una extensión de kriging ordinario cuando una variable auxiliar

está bien correlacionada con la variable de interés, consiguiendo una disminución en la

varianza de predicción o también en situaciones donde una variable puede ser medida

a bajo costo y se correlaciona con una cara de medir y tiene menos sitios de registros;

con esta técnica puede tener una mejor presión (Oliver, 2010).

Método determinístico distancia inversa ponderada (IDW)

Villatoro et al. (2008) explica que el método de inverso de la distancia ponderada o

IDW es similar al Kriging ordinario, ya que da más peso a los valores cercanos a un

punto, además posee menor complejidad de cálculo. Este método utiliza un algoritmo

sencillo basado en distancias; para las predicciones éste asume una combinación lineal

de datos, basado en la ecuación (4)

��(𝑆𝑂) = ∑ 𝜆𝑖𝑍

𝑛

𝑖=1

(𝑆𝑖) (4)

Donde:

Z(SO)=valor estimado en el punto interpolado

15

n=número de muestras circundantes

λi=peso dado al valor observado

Z(Si)=valores medidos

Dicho método se emplea para bases de pocos datos, donde los parámetros del

variograma no son conocidos, asimismo, cuando la distancia de muestreo es muy

grande, o cuando la distancia de muestreo es mayor al rango de la correlación espacial

(Villatoro et al., 2008).

Lineamientos para el manejo del recurso suelo

Cuando se trata de cultivar en suelos salinos se deben considerar todos los factores

físicos y químicos. El suelo debe tener una estructura adecuada, un perfil estable y

nutrientes apropiados, así los cultivos podrán tolerar cierta salinidad (Molné, 1985).

El mejoramiento de un suelo salino requiere el lavado del exceso de sales, siempre que

exista un buen drenaje sea natural o artificial (García, 2008); además, se necesita un

sumidero apropiado donde se recuperen las sales eliminadas, sino el problema es

trasladado a otro sitio (Juárez et al., 2006).

La recuperación de los suelos sódicos y salino-sódicos necesita reemplazar el sodio de

los sitios de intercambio, y su posterior lavado; para ello requerirán de calcio soluble

(Richards et al., 1990). Se puede incorporar en conjunto materia orgánica y yeso, como

indica Andreau et al. (2012) la materia orgánica favorece a la fertilidad, y el yeso se

disuelve en el suelo liberando calcio, el cual reemplaza al sodio y mejora la estructura y

propiedades del suelo. En ciertas ocasiones, la disponibilidad de yeso es baja, y es

posible utilizar cal (García, 2008).

En relación, a la baja cantidad de nutrientes en el suelo es indispensable aplicar

cantidades precisas de fertilizantes, evitando la contaminación de aguas superficiales y

subterráneas como el uso excesivo en los cultivos (Masís et al., 2017).

16

2. METODOLOGÍA EXPERIMENTAL

Descripción de la zona de estudio

En el cantón Chone perteneciente a la provincia de Manabí están construidas las presas

PPMCH y Simbocal. Entre las actividades económicas representativas de esta ciudad

están: la agricultura, ganadería, silvicultura, pesca y explotación de minas; de acuerdo

con la forma de vida de las personas del cantón, más del 60% del área rural se dedica

a actividades relacionadas con la agricultura (GADM Chone, 2014).

Este cantón presenta un clima subtropical con variedad de flora y fauna (GADM Chone,

2013). El clima en los meses de junio a noviembre es cálido seco y la temperatura varía

entre los 23 y 28°C durante el verano, mientras que, el invierno se da en los meses de

diciembre a mayo; la temperatura bordea los 34°C presentando un clima cálido (GADM

Chone, 2014, p. 8). La precipitación media anual es de 1.113 mm/año, excepto en

periodos anormales como el fenómeno de El Niño (CADS, 2012, p. 11).

Las formaciones y depósitos geológicos que destacan en la zona de estudio son los

Miembros Dos Bocas constituida por lutitas, se encuentra asociado a la formación

Borbón y Onzole, la primera está compuesta por limolitas, lutitas limosas, areniscas y

conglomerados y la segunda por areniscas de grano grueso y conglomerados con

componentes de origen volcánico (Bristow y Hoffstetter, 1977; Duque, 2000); en la parte

oriental y a lo largo del cantón hay depósitos de la edad cuaternaria que son los

depósitos coluvio aluviales y depósitos aluviales, los primeros están compuestos de

arenas, gravas y limos y los últimos están formados por depósitos limo arcilloso (IEE,

2013).

La profundidad del nivel freático en la zona es bastante superficial, menores a 10 m en

Chone, e inferiores a 2 m en San Antonio y Tosagua (INAMHI, 2006).

17

Muestreo de los perfiles de suelo

Para el muestreo se formó una unidad geográfica conocida como microcuenca, Sánchez

et al. (2003) y Ordoñez (2011) la definen como una superficie delimitada que tiene por

característica drenar todas las aguas a un cauce principal con el propósito de mejorar el

manejo de los recursos naturales como el agua, suelo y vegetación. La microcuenca se

trazó utilizando la cartografía en formato shape 1:50000 (IGM, 2017), siguiendo la forma

de las curvas de nivel utilizando programa ArcGis 10.3, el cual cuenta con licencia

comercial en las instalaciones del laboratorio de computo de la Facultad de Ingeniería

en Geología, Minas, Petróleos y Ambiental, resultando un área de muestreo de

extensión 4553,3 ha entre las presas PPMCH y Simbocal.

La metodología propuesta para el muestreo se apoya en la utilización de Sistemas de

Información Geográfica (SIG) y proceso analítico jerárquico (AHP) de Saaty, método

que evalúa una serie de alternativas y facilitan la toma de decisiones, principalmente las

decisiones multicriterio (Escobar, 2015); con la finalidad de generar pesos para cada

variable cuya suma sea igual a 1 (Márquez y Baltierra, 2017).

El álgebra de mapas es el conjunto de técnicas y procedimientos, que permite operar

una o varias capas en formato raster, obteniendo información derivada en nuevos

resultados geográficos (Olaya, 2014), este proceso se utilizó para multiplicar las

variables rasterizadas por los pesos obtenidos del AHP.

Para la selección de la técnica de muestreo se tomaron en cuenta las normativas

mexicana, española y ecuatoriana; esta técnica debía especificar consideraciones

como: el área de la unidad de muestreo, el tipo de muestreo, el número de muestras a

colectar, la profundidad y las determinaciones físicas y químicas.

A continuación, se explica el desarrollo metodológico para el muestreo:

Proceso analítico jerárquico

Se generó prioridades de selección siguiendo los pasos explicados por Saaty, 2008;

citado en Márquez y Baltierra, 2017:

18

⎯ en este caso el objetivo fue el muestreo en lugares adecuados y de fácil acceso,

para ello, se eligieron las variables de pendientes, cuerpos de agua, vías, uso de

suelo agrícola y zona antrópica;

⎯ generó una “Matriz de comparaciones pareadas” donde se compararon por pares las

variables empleando los valores de la Tabla 2. Se sumó cada columna para obtener

el total y su recíproco, en la Tabla 3 se puede visualizar lo realizado;

Tabla 2. Escala fundamental de comparación por pares (Saaty, 1980; citado en

Aznar y Guijarro, 2012)

Valor Definición Comentarios

1 Igual importancia El criterio A es igual de importante que el

criterio B

3 Importancia moderada La experiencia y el juicio favorecen

ligeramente al criterio A sobre el B

5 Importancia grande La experiencia y el juicio favorecen

fuertemente al criterio A sobre el B

7 Importancia muy

grande

El criterio A es mucho más importante

que el criterio B

9 Importancia extrema La mayor importancia del criterio A sobre

el B está fuera de toda duda

2,4,6 y 8 Valores intermedios entre los anteriores, cuando es necesario matizar

Recíprocos

de los

anteriores

Si el criterio A es de mayor importancia frente al criterio B las

notaciones serían las siguientes:

Criterio A frente a criterio B 5/1

Criterio B frente a criterio A 1/5

Tabla 3. Matriz de comparación por pares entre variables (Autor, 2019)

Variable Uso-

Agrícola Pendiente

Zona antrópica

Cuerpos de agua

Vías

Uso-agrícola 1 5 3 3 2

Pendiente 1/5 1 3 5 1/5

Zona antrópica 1/3 1/3 1 4 1/3

Cuerpos de

agua 1/3 1/5 ¼ 1 1/5

Vías ½ 5 3 5 1

Total 2,37 11,53 10,25 18 3,73

1/Total 0,42 0,09 0,10 0,06 0,27

⎯ se generó una matriz adicional que fue completada con la multiplicación de 1/Total

por el valor de juicio; los valores obtenidos se promediaron en fila para obtener el

peso de las variables los cuales se observan en la Tabla 4.

19

Tabla 4. Pesos de las variables (Autor, 2019)

Variable Peso

Uso-agrícola 0,37

Pendiente 0,16

Zona antrópica 0,12

Cuerpos de agua 0,06

Vías 0,30

Álgebra de mapas

En éste se buscó formar unidades de muestreo homogéneas y accesibles, por lo tanto,

se obtuvo cartografía temática como uso de las tierras y sistemas productivos a escala

1:25000 (IEE, 2013). Se procedió a obtener el raster las variables de pendiente, uso-

agrícola y zona antrópica; para cuerpos de agua y vías se realizaron buffers de 20 y 100

m respectivamente, los cuales se rasterizaron. Seguido, se reclasificaron con valores de

0 (restricción) y 1 (óptimo), considerando los siguientes criterios para el muestreo así,

ver Anexo A:

⎯ cuerpos de agua: área fuera del buffer = 1, y área dentro del buffer = 0;

⎯ vías: área dentro del buffer = 1, y área fuera del buffer = 0;

⎯ uso-agrícola: área de cultivos = 1, y al resto de la capa = 0;

⎯ pendiente: 0-25% = 1, y >25% = 0; y

⎯ zona antrópica: área de zona antrópica = 0, y fuera de la zona antrópica = 1

El álgebra de mapas consistió en multiplicar las variables reclasificadas por su peso

usando la herramienta raster calculator del software ArcGis, dando como resultado las

posibles áreas homogéneas de muestreo en la zona de estudio (Olaya, 2014).

Técnicas de muestreo

a) Norma mexicana NOM-021-RECNAT-2000 que establece las especificaciones

de fertilidad, salinidad y clasificación de suelos. En los literales 6.1 y 6.2

describen los procedimientos de muestreos para determinar fertilidad de los suelos y

determinar salinidad y/o sodicidad, respectivamente. Señalan que se debe obtener

una o más muestras representativas dependiendo de la variedad de parámetros a

evaluarse. Las unidades de muestreo se deben subdividir en forma aparentemente

homogénea tomando en cuenta textura, pendiente, cultivo, manejo, otros. Estas

20

unidades de muestreo pueden tener entre 2 a 8 hectáreas o más dependiendo su

homogeneidad. La profundidad de muestreo recomienda la norma de 0 – 20 o 0 – 30

cm y 0 – 5 cm para evaluar la fertilidad y salinidad, respectivamente (DOF, 2002).

b) Normativa de la Comunidad Autónoma del País Vasco. Las muestras deben ser

representativas y el número puntos de muestreo deben ser proporcionales al área de

estudio, considerando la “distribución espacial homogénea” detallado en el manual

práctico del Gobierno Vasco, se debe utilizar la fórmula 𝑛 = 5 + 𝐴; donde n es el

número de punto de muestreos y A es la superficie del área de estudio en hectáreas;

la profundidad debe ser 1m por debajo de la contaminación estimada (Gobierno

Vasco, 2018).

c) Anexo 2 norma de calidad ambiental del recurso suelo y criterios de

remediación para suelos contaminados. La toma de muestras para

caracterización de los suelos establece que se debe obtener una muestra compuesta

por cada 100 ha, formada por 15 a 20 submuestras a una profundidad de 0 a 30 cm;

o si es el caso de suelos contaminados, el número de muestras se debe tomar en

función del área de superficie Ministerio del Ambiente (MAE, 2015).

La técnica que más se ajusta para el cumplimiento del objetivo fue la NOM-021 RECNAT

(2002), pues en ésta no solo se detalla los procedimientos de muestreo sino también los

análisis físicos y químicos de fertilidad y salinidad del suelo.

Selección de los perfiles de muestreo

De las zonas formadas como resultado del álgebra de mapas se optó por seleccionar

áreas homogéneas de 2 a 8 ha según lo estipulado por la NOM-021-RECNAT (2002), y

se eligieron seis polígonos a juicio o criterio de experto como lo explica Mason (1992),

se colectaron muestras simples y en tres profundidades. Por otro lado, en campo se

creyó necesario estudiar el estado del suelo, aguas abajo de la Presa Simbocal y se

tomó una muestra más, siendo la séptima. Las profundidades a las cuales se tomaron

muestras fueron 20 – 40; 60 – 80; y 100 – 120 cm; la cantidad de suelo fue

aproximadamente de 1-1,5 kg dependiendo de la humedad de éstos. Por otra parte, se

incorporaron al trabajo 25 perfiles de estudios previos realizados por el GICA (2017),

contando un total de 32 perfiles de suelo a nivel superficial, es decir, de 0 a 40 cm. Sin

embargo, los perfiles 26 – 32 corresponden al muestreo realizado en este trabajo,

mismos que fueron estudiados y analizados en superficie y profundidad de 0 -120 cm.

21

La Tabla 5 presenta la ubicación de los puntos de muestreo y en la Figura 2 se presenta

la de zona de estudio con los 32 perfiles de muestreo.

Tabla 5. Coordenadas de los perfiles de muestreo (Autor, 2019)

Perfil Fecha de muestreo

Coordenadas Perfil

Fecha de muestreo

Coordenadas Norte (m)

Este (m)

Norte (m)

Este (m)

1 Enero/2016 9925232 620626 17 Agosto/2016 9925118 608266 2 Enero/2016 9931488 607437 18 Agosto/2016 9925066 608807 3 Agosto/2014 9930652 607434 19 Agosto/2016 9928680 606820 4 Agosto/2014 9930518 607306 20 Agosto/2016 9929166 606912 5 Agosto/2014 9930554 607395 21 Agosto/2016 9930916 607486 6 Agosto/2014 9926056 606742 22 Agosto/2016 9931518 607433 7 Agosto/2014 9926132 606723 23 Agosto/2016 9932452 607850 8 Enero/2016 9928274 606688 24 Agosto/2016 9924982 619852 9 Enero/2016 9924482 604226 25 Agosto/2016 9925319 618770 10 Agosto/2014 9924346 604105 26 Junio/2018 9923112 603998 11 Enero/2016 9924528 604102 27 Junio/2018 9923206 597828 12 Enero/2016 9924446 604054 28 Junio/2018 9922394 592059 13 Agosto/2014 9924364 604007 29 Junio/2018 9922466 590787 14 Agosto/2014 9922510 603558 30 Junio/2018 9922400 588742 15 Agosto/2014 9922472 603552 31 Junio/2018 9923358 586888 16 Agosto/2016 9924042 603972 32 Junio/2018 9923884 583592

Nota: (m) metros

Determinaciones de laboratorio

La Tabla 6 detalla los métodos y parámetros medidos en el laboratorio en las muestras

26 – 32. Los extractos de suelo estudiados fueron las relaciones agua-suelo 1:1, 1:10 y

1:5, a través, de los cuales se obtuvo soluciones acuosas. En el Anexo B se presenta

un registro fotográfico de lo realizado.

Tabla 6. Métodos de parámetros físicos y químicos del suelo (Autor, 2019)

Parámetros Método de análisis Referencia

Preparación de la muestra de suelo

Preparación de la muestra AS-01 NOM-021-RECNAT-2000 (2002)

Humedad Método gravimétrico AS-05 NOM-021-RECNAT-2000 (2002)

Densidad aparente Método del cilindro de volumen conocido

(Gandoy, 1991)

Densidad real Método del picnómetro AS-04 NOM-021-RECNAT-2000 (2002) pH Potenciómetro AS-02 NOM-021-RECNAT-2000 (2002) Conductividad eléctrica Conductímetro AS-18 NOM-021-RECNAT-2000 (2002) Residuo seco evaporado o sólidos totales solubles

Método del electrodo Gravimetría con estufa

APHA 2510 B (APHA, 1995) NOM-AA-34-1981 (1981)

Residuo seco calcinado Gravimetría con mufla NOM-AA-34-1981 (1981) Sodio y potasio Absorción atómica 3500-Na+ y K+, D (APHA, 1995)

Calcio Espectrofotometría Adaptación del método Oxalato - (HI, 2012)

Magnesio Espectrofotometría Adaptación del método Calmagita - (HI, 2012)

Fosfatos Espectrofotometría APHA 4500-NO3- E (APHA, 2012) Nitratos Espectrofotometría APHA 4500-P E (APHA, 2012)

22

Fig

ura

2. U

bic

ac

ión

de

lo

s p

erf

ile

s d

e s

ue

lo e

n la

zo

na

de

es

tud

io (

Au

tor,

20

19)

23

Clasificación de los perfiles de suelo en base a los parámetros físicos

La densidad aparente de los perfiles de suelo tanto a nivel superficial como en

profundidad fueron clasificados de acuerdo con la NOM-021-RECNAT-2000 (2002), la

cual se puede observar en la Tabla 7.

Tabla 7. Tipos de suelos NOM-021-RECNAT-2000 (2002)

Tipos de suelo Valor en (g/cm3)

Orgánico y volcánicos < 1,00

Minerales arcillosos 1,0 – 1,19

Francosos 1,2 – 1,32

Arenosos > 1,32

Nota: (g/cm3) gramo por centímetro cúbico

Por otra parte, la densidad real se clasificó según la Tabla 8, presenta los valores más

frecuentes de los materiales minerales del suelo.

Tabla 8. Densidad real modificado de Porta et al. (2003)

La aglomeración o la organización del suelo hace que éste sea un medio poroso, por lo

tanto, la porosidad total puede variar de acuerdo con los siguientes porcentajes: 30%

para arenas; 50% para las texturas francas y 65% para las arcillas (Aguilera y Martínez,

1999; citados en Carrera, 2011), porcentajes con los que se evaluó los perfiles de suelo.

Análisis estadístico

El trabajo fue de tipo transversal porque las variables se midieron una vez en un

momento dado y descriptivo pues el investigador se limita a describir lo que observa de

Materiales minerales Valor en (g/cm3)

Minerales de arcilla 2,00 – 2,65

Cuarzo, feldespato 2,50 – 2,60

Minerales con elementos metálicos 4,90 – 5,30

Horizontes minerales 2,60 – 2,75

Horizontes orgánicos 1,10 – 1,40

Horizontes ricos en minerales pesados 2,75

Nota: (g/cm3) gramo por centímetro cúbico

24

acuerdo a un grupo de variables (Carrera, 2011). Debido a que existe una dependencia

entre la concentración de la solución (mg/L) y la concentración catiónica y aniónica

(meq/L) con respecto a la conductividad eléctrica (dS/m) de las soluciones acuosas de

los extractos de suelo, se ha calibrado un modelo de regresión lineal ajustado al origen,

el cual relaciona y se expresa de forma general Y=B1X (Richards et al., 1990; Carrera,

2011).

Donde Y representa la concentración de la solución (mg/L) y la concentración catiónica

y aniónica (meq/L), B1 es la pendiente del tipo de salinidad que tiene la solución acuosa

y X es la conductividad eléctrica.

Evaluación de la salinidad

La evaluación de la salinidad del suelo recomienda el uso de la conductividad eléctrica

del extracto de saturación, porque comprende la mitad de las sales solubles en la

concentración de la solución, además, es el punto más cercano a la capacidad de campo

relacionado con la cantidad máxima de agua contenida en el suelo (Richards et al.,

1990). Las concentraciones de Na+, Ca2+, Mg2+ y Cl- en las soluciones acuosas de agua-

suelo 1:1 y 1:2 tienen una alta correlación con el extracto de saturación, (r:0,93 a 0,99)

(Hogg y Henry, 1984; citados en Carrera, 2011). En virtud de lo señalado, se evaluó la

salinidad a partir de la conductividad eléctrica, concentración iónica, los índices de RAS

y RASaj, para caracterizar los 32 perfiles en la relación agua-suelo 1:1.

Por otro lado, en los perfiles 26 – 32 no se midieron carbonatos ni bicarbonatos, pero se

utilizó el promedió de los valores de las 1 – 25 muestras y se calculó del RASaj de dichos

perfiles. El cálculo de índice de saturación se realizó determinando los valores de pHc

siguiendo el Anexo C. También, se elaboró una gráfica de la conductividad eléctrica en

las tres profundidades para observar la distribución en verticalidad.

Como se había dicho, el proceso de evaluación de la salinidad se realiza en el extracto

1:1, pero compáralo por lo menos con dos relaciones agua-suelo permite conocer los

procesos de lixiviación de las sales (Carrera, 2011), en este sentido, se elaboraron las

curvas de lixiviación de los perfiles 26 – 32 en las diferentes relaciones agua-suelo,

expresadas en meq/(100g suelo); se las puede visualizar en el Capítulo 4.

25

Nutrientes en los perfiles

Al igual como se abordó la concentración catiónica, se midió fosfatos y nitratos en las

tres extracciones de suelo de las muestras 26 – 32; los cuales están expresados en

mg/L y mg/(100g suelo). No se determinó los totales porque como lo demuestran

Carrera et al. (2018) en las curvas de lixiviación una vez que la concentración alcanza

el umbral, el elemento empieza a disminuir por el lavado al cual fue sometido. Las

concentraciones de nitratos, fosfatos y potasio se interpretaron de cuerdo a Ayers y

Westcot (1985), Juárez et al. (2004) y Torri et al. (2007), respectivamente; ver Anexo D.

Análisis geoestadístico

Para predecir la salinidad en las zonas no muestreadas a nivel superficial, el método

cokriging indica que dicha variable debe tener una buena correlación con una variable

auxiliar o fácil de medir (Oliver, 2010). De acuerdo con Sentís (2012) para la evaluación

y predicción de las tierras degradas se puede tratar a través de las propiedades

hidrológicas de la cuenca, combinando registros históricos de lluvias, propiedades del

suelo, sistemas de información geográfica, topografía, o manejo de suelos o cultivos.

En consecuencia, se utilizó como variable auxiliar las cotas del modelo digital del terreno

en formato raster a escala 1:5000 (SIG-TIERRAS, 2017); ver Figura 4.

Figura 3. Modelo digital del terreno de Chone (SIG-TIERRAS, 2017)

26

Y también, se probó con las condiciones hidrológicas del sitio de estudio, como son los

mapas precitación.

La elaboración de los mapas de precipitación consistió en el uso de información

secundaria proporcionada por el INAMHI de los últimos 28 años, de las estaciones que

se observan en la Tabla 9. Como existían datos faltantes se procedió a completarlos,

de acuerdo a lo expuesto por Carrera et al. (2016) el relleno de datos supone una

relación lineal entre variables y mediante una gráfica de dispersión se establece una

correlación, la cual proporciona una ecuación para calcular el valor faltante en base a

una estación de referencia, en este caso se utilizó la estación M0005, estaba tenía todos

los registros. Una vez rellenados los datos se validó la información con el método curva

de doble masa, en el Anexo E se observan los datos del relleno.

Tabla 9. Estaciones meteorológicas (Autor, 2019)

Longitud

(m)

Latitud

(m)

Altitud

(m)

Código de

estación Nombre de estación

560130.79 9885308.44 46 M0005 PORTOVIEJO

607214.34 9926581.11 36 M0162 CHONE (U. CATÓLICA)

591448.63 9936913.88 70 M0163 BOYACA

585116 9885039 128 M0464 RÍO CHAMOTETE-JESÚS MARÍA

578471 9883076 118 M0454 RÍO CHICO EN ALAJUELA

Nota: (m): metros

Se elaboraron isoyetas, porque según Carrera et al. (2016) es el método más adecuado

para el cálculo de las precitaciones, ya que, considera la topografía del terreno; para

ello se utilizó la herramienta IDW, ya que, utiliza poca base de datos a grandes

distancias de muestreo (Villatoro et al., 2008), como es el caso de este trabajo. Se utilizó

la precipitación anual correspondiente a cada año de muestreo 2014, 2016, pero para

el año 2018 se trabajó con la precipitación del año 2017, pues, aún no está disponible

la información de dicho año, ver Figura 5.

27

Figura 4. Mapas de precipitación correspondientes a los años de muestro 2014,

2016 y 2017 en área de estudio del cantón Chone (Autor, 2019)

De los mapas raster de precipitación y modelo digital del terreno se obtuvo el valor de

píxel en los 32 perfiles de suelo, los cuales se aprecian en la Tabla 10.

Tabla 10. Valores de precipitación y cota en los puntos de muestreo (Autor, 2019)

Muestreo 2014 Muestreo 2016 Muestreo 2018

Perfil Precipitación

(mm) Cota (m)


(mm) Cota (m)


(mm) Cota (m)

3 1053,08 32,63 2 504,89 33,98 26 1411,91 16,66

4 1055,36 31,57 8 510,22 25,70 27 1235,73 10,36

5 1054,90 32,32 9 508,30 18,11 28 1085,71 5,82

6 1085,47 21,81 11 508,16 17,83 29 1062,52 5,16

7 1085,54 22,35 12 508,07 18,29 30 1038,10 4,19

10 1057,04 17,59 16 507,76 17,31 31 1007,35 3,98

13 1055,39 17,87 17 510,50 24,09 32 989,56 2,75

14 1032,59 15,74 18 510,33 28,07

15 1032,17 14,65 19 509,89 30,33

20 509,28 29,26

21 506,36 31,97

22 504,89 33,29

23 502,62 38,11

Nota: (mm) milímetros de agua anual, (m) metros de altura

28

Con estos valores se procedió a realizar la correlación entre valores de la conductividad

eléctrica del extracto 1:1 como la variable de interés y los valores de píxel de la

precipitación (mm) y cota del terreno (mm) consideradas como variables auxiliares, cabe

mencionar no se tomaron en cuenta los puntos 1, 24 y 25 porque tienen una cota

bastante alta e influye en este análisis. Los datos fueron procesados en el software libre

R, para cada año de muestreo.

El coeficiente de Pearson y Spearman dice que hay una buena correlación entre

variables cuantitativas cuando el valor es próximo a -1 y 1, el valor 0 muestra no existe

asociación entre las variables de acuerdo con Martínez et al. (2009), se obtuvo:

La Figura 5 indica que la precipitación y la conductividad eléctrica tienen una correlación

negativa mala, por otro lado, la cota y la conductividad eléctrica presentan una

correlación positiva regular.

Figura 5. Correlación entre las variables (ce) conductividad eléctrica, precipitación

y cota, de los perfiles del muestreo del año 2014 (Autor, 2019)

La Figura 6 muestra que la precipitación y la conductividad eléctrica tienen una

correlación positiva mala, por otro lado, la cota y la conductividad eléctrica presentan

una correlación negativa mala.



La Figura 7 revela que la precipitación y la conductividad eléctrica tienen una correlación

negativa regular, y de igual forma la cota y la conductividad eléctrica presentan una

correlación negativa regular.

29



En este aspecto, se demostró que las variables auxiliares no tienen una buena

correlación con la conductividad eléctrica, por lo tanto, no se puede llevar a cabo la

predicción con cokriging, también se descartó aplicar kriging ordinario porque necesita

como mínimo de 100 datos en condiciones isotrópicas para la predicción espacial

(Moral, 2004).

En consecuencia, se elaboraron mapas de interpolación de la conductividad eléctrica y

relación de absorción de sodio ajustado con los valores del extracto 1:1 utilizando la

herramienta IDW del software ArcGis.

Lineamientos para el manejo del suelo

En base, a los mapas de interpolación generados se identificaron las zonas más críticas

en las cuales se establecieron los lineamientos para su prevención y mitigación, los

cuales permitirán contribuir con el ODS1 y ODS2, y las estrategias del gobierno que son

garantizar la seguridad alimentaria, aumento de la productividad y reducción de la

pobreza, a través de la promoción de un agricultura racional y sostenible, e inclusión de

la sociedad (FAO, 2015c; SENPLADES, 2017).

30

3. CÁLCULOS Y RESULTADOS

Selección de los perfiles de muestreo

La Figura 8 presenta los 7 puntos de muestreo seleccionados a criterio de experto

(Mason, 1992) con áreas homogéneas de 2 a 8 ha (DOF, 2002), después de haber

realizado AHP (Márquez y Baltierra, 2017) y álgebra de mapas (Olaya, 2014) en ArcGis.

Figura 8. Perfiles de suelo 26 – 32 del muestreo de junio de 2018 en la microcuenca del río Chone (Autor, 2019)

Determinaciones físicas

Densidad aparente, densidad real, porosidad y humedad

En la Tabla 11 se aprecia los resultados y clasificación de los parámetros físicos en los

32 perfiles a nivel superficial. Las Figura 9 y 10 se presenta en profundidad los

resultados de las determinaciones físicas de muestras 26 – 32, adicionalmente, en el

Anexo F se encuentran los datos medidos en el laboratorio.

31

Tabla 11. Resultados de los valores las determinaciones de los parámetros físicos

a nivel superficial en los suelos de Chone (Autor, 2019)

No. Densidad aparente (g/cm3)

Clasificación de la densidad

aparente NOM-021-

RECNAT-2000

Densidad real

(g/cm3)

Clasificación de la densidad real Porta et al.

(2003)

Porosidad (%)

Textura del suelo en base a la

porosidad

Humedad (%)

1 1,09 Minerales arcillosos

1,96 Horizontes orgánicos

44,46 Francas 46,78


2,07 Mineral de

arcilla 42,62 Francas 27,17


2,39 Mineral de

arcilla 50,56 Arcillas 29,60


2,34 Mineral de



2,15 Mineral de



2,28 Mineral de


7 0,99 Orgánico y volcánicos

2,27 Mineral de


8 1,22 Francosos 2,23 Mineral de



2,08 Mineral de



2,45 Mineral de






44,21 Francas 54,03


2,18 Mineral de





2,41 Mineral de



2,44 Mineral de



2,54 Mineral de



2,47 Mineral de







2,39 Mineral de



2,56 Mineral de



2,45 Mineral de



2,39 Mineral de



2,37 Mineral de


26 1,25 Francosos 1,93 Horizontes orgánicos

35,14 Francas 38,44




2,29 Mineral de




27,08 Arenas 48,24


2,06 Mineral de




32 1,28 Francosos 1,97 Horizontes orgánicos

34,83 Francasjsc 48,66

Nota: (g/cm3) gramo por centímetro cúbico, (%) porcentaje de espacio poroso, (%) porcentaje de humedad

32

Figura 9. (a) Densidad aparente, (b) densidad real de los perfiles de suelo 26 – 32

de la microcuenca del río Chone (Autor, 2019)

Figura 10. (a) Porosidad, (b) humedad de los perfiles de suelo 26 – 32 microcuenca

del río Chone (Autor, 2019)

0

0,2

0,4

0,6

0,8

1

1,2

0,90 1,05 1,20 1,35

Pro

fun

did

ad

(m

)Densidad aparente (g/cm3)

Perfil 26 Perfil 27 Perfil 28 Perfil 29 Perfil 30 Perfil 31 Perfil 32

0

0,2

0,4

0,6

0,8

1

1,2

1,00 1,50 2,00 2,50

Pro

fun

did

ad

(m

)

Densidad real (g/cm3)

a b

0

0,2

0,4

0,6

0,8

1

1,2

20,00 30,00 40,00 50,00 60,00

Pro

fun

did

ad

(m

)

Porosidad %

Perfil 26 Perfil 27 Perfil 28 Perfil 29 Perfil 30 Perfil 31 Perfil 32

0

0,2

0,4

0,6

0,8

1

1,2

30,00 40,00 50,00 60,00 70,00 80,00

Pro

fun

did

ad

(m

)

Humedad %

a b

33

Comprobación de calidad de los datos analíticos

La exactitud de las mediciones de laboratorio de las muestras 1-25 fueron verificadas,

a través, del porcentaje de error permisible de APHA (1995), el cual tuvo un %Error

promedio de 0,102 demostrando la exactitud de los datos (GICA, 2017).

La validación para las muestras 26 – 32 se realizó mediante la relación funcional entre

concentración de la solución (mg/L) y la concentración catiónica (meq/L) con respecto a

la conductividad eléctrica (dS/m).

En la Figura 11 (a y b) se presenta un ejemplo de la verificación de calidad de los datos

obtenidos en el extracto de 1:1 del perfil 32.

Figura 11. Relación de la concentración de suma de cationes (a), concentración

de sólidos totales disueltos (b) en función de la conductividad eléctrica, del

extracto 1:1 del perfil 32 ubicado aguas abajo de la presa Simbocal (Autor, 2019)

Determinaciones químicas

La Tabla 12 contiene los valores de pH de los perfiles del GICA (2017) y los medidos en

profunidad para este trabajo, en las tres relaciones de agua-suelo.

f(x)= 11,434xR² = 0,9924

30,00

35,00

40,00

45,00

50,00

55,00

60,00

65,00

70,00

2,00 3,50 5,00 6,50

Su

ma d

e c

ati

on

es (

meq

/L)

Cuductividad eléctrica (d/Sm)

f(x) = 718,18xR² = 0,985

2000,00

2500,00

3000,00

3500,00

4000,00

4500,00

2,00 3,50 5,00 6,50

Só

lid

os t

ota

les d

isu

elt

os

(mg

/L)

Conductividad eléctrica (dS/m)

a b

34

Tabla 12. Valores de pH a nivel supericial y en profundidad en las relaciones agua-

suelo 1:1, 1:5 y 1:10 en los 32 perfiles de suelo de Chone (Autor, 2019)

Perfil Profundidad

(cm)

Extracto 1:1 Extracto 1:5 Extracto 1:10

pH pH pH

1 40 7,30 7,30 7,52

2 40 7,24 6,91 7,35

3 40 6,91 6,90 6,87

4 40 6,64 6,70 6,51

5 40 7,17 7,51 7,44

6 40 6,93 7,00 6,87

7 40 6,84 6,81 6,82

8 40 7,39 7,53 7,77

9 40 7,52 7,59 7,43

10 40 6,59 6,60 6,68

11 40 7,59 7,39 7,24

12 40 7,43 7,31 7,24

13 40 7,05 7,08 7,04

14 40 6,58 6,81 6,51

15 40 6,56 6,65 6,51

16 40 7,13 7,00 6,91

17 40 7,29 6,95 6,71

18 40 7,63 7,21 7,09

19 40 7,04 6,98 6,49

20 40 7,20 7,06 7,00

21 40 7,12 7,03 6,85

22 40 6,91 6,70 6,55

23 40 7,09 6,96 6,82

24 40 7,79 6,90 6,76

25 40 7,70 6,82 6,66

26

40 5,95 5,54 5,75

80 6,4 5,82 6,53

120 6,86 5,97 6,17

27

40 6,76 6,47 6,92

80 7,21 6,84 6,43

120 7,39 6,66 6,80

28

40 7,94 6,67 6,75

80 7,20 6,92 6,79

120 7,40 6,69 6,70

29

40 7,20 6,73 6,02

80 7,93 7,01 6,27

120 7,63 7,60 6,91

30

40 7,69 7,50 6,81

80 7,35 6,99 6,42

120 7,92 7,09 7,15

31

40 7,38 7,47 7,30

80 7,41 8,26 7,86

120 8,01 7,49 6,32

32

40 7,51 7,55 7,38

80 7,55 7,63 7,59

120 7,72 7,49 7,45

Nota: (m) metros, (pH) potencial de hidrógeno medido en las relaciones agua-suelo 1:1, 1:15 y 1:10

La Tabla 13 muestra los resultados de las determinaciones analíticas: conductividad

eléctrica, cationes (Ca2+, Mg2+, Na+ y K+), la suma catiónica y sólidos totales disueltos

validados, de las muestras 26 – 32 medidos en este estudio. Los reportes de las

muestras 1 – 25 realizados por el GICA se encuentran en el Anexo G.

35

Tabla 13. Valores de las mediciones químicas en las relaciones agua-suelo 1:1,

1:5 y 1:10 de los perfiles 26 – 32 de la microcuenca del río Chone (Autor, 2019)

Perfil

Profun-didad

Conduc-tividad

eléctrica

Ca2+ Mg2+ Na+ K+ ∑Cat STD STD STD

(cm) (dS/m) (meq/L) (mg/L) (mg/100g) (g/100g)

26 1:1 40 0,16 1,00 0,39 0,40 0,11 1,90 119 12 0,01 80 0,21 1,60 0,33 0,41 0,10 2,44 155 16 0,02 120 0,19 1,40 0,33 0,41 0,10 2,24 138 14 0,01

27 1:1 40 1,38 10,00 0,82 3,70 0,09 14,62 987 99 0,10 80 1,38 10,00 0,82 3,71 0,09 14,62 990 99 0,10 120 1,48 10,60 1,23 3,80 0,16 15,80 1061 106 0,11

28 1:1 40 0,40 1,90 0,82 1,50 0,31 4,54 284 28 0,03 80 0,48 2,90 0,82 1,50 0,35 5,58 338 34 0,03 120 0,49 3,00 0,82 1,50 0,31 5,63 345 35 0,03

29 1:1 40 0,54 5,00 0,70 0,77 0,35 6,82 384 38 0,04 80 0,75 7,00 0,82 1,20 0,24 9,26 532 53 0,05 120 1,39 10,80 1,40 3,50 0,27 15,97 1007 101 0,10

30 1:1 40 0,84 5,50 1,40 2,40 0,30 9,60 600 60 0,06 80 0,71 4,50 1,20 2,10 0,22 8,02 508 51 0,05 120 0,94 6,00 1,80 3,00 0,25 11,05 673 67 0,07

31 1:1 40 7,45 30,00 19,00 22,00 2,82 73,82 5350 535 0,54 80 7,09 28,00 18,51 21,06 2,68 70,26 5069 507 0,51 120 7,28 36,00 11,52 22,00 2,47 71,99 5230 523 0,52

32 1:1 40 3,54 15,00 5,76 19,00 2,24 42,00 2690 269 0,27 80 3,44 14,00 5,35 18,00 2,37 39,72 2460 246 0,25 120 6,03 27,00 6,99 31,00 2,84 67,83 4250 425 0,43

26 1:5 40 0,07 0,37 0,20 0,21 0,04 0,82 55 28 0,03 80 0,08 0,42 0,23 0,24 0,05 0,94 63 32 0,03 120 0,09 0,50 0,24 0,27 0,05 1,06 70 35 0,04

27 1:5 40 0,36 2,90 0,41 0,79 0,10 4,20 258 129 0,13 80 0,36 2,90 0,41 0,79 0,06 4,16 260 130 0,13 120 0,39 3,00 0,67 0,81 0,08 4,56 279 140 0,14

28 1:5 40 0,15 0,90 0,28 0,47 0,24 1,89 111 56 0,06 80 0,15 0,90 0,28 0,48 0,13 1,79 112 56 0,06 120 0,16 1,00 0,24 0,53 0,15 1,92 119 60 0,06

29 1:5 40 0,19 0,90 0,41 0,45 0,28 2,05 140 70 0,07 80 0,28 1,50 0,41 0,90 0,11 2,92 204 102 0,10 120 0,50 3,50 0,41 1,27 0,12 5,30 355 178 0,18

30 1:5 40 0,28 1,80 0,41 0,80 0,14 3,15 202 101 0,10 80 0,29 1,80 0,41 0,90 0,10 3,21 208 104 0,10 120 0,37 2,20 0,82 1,10 0,06 4,18 262 131 0,13

31 1:5 40 1,98 11,20 1,90 6,98 0,35 20,43 1430 715 0,72 80 2,02 12,00 1,50 7,00 0,29 20,79 1470 735 0,74 120 1,87 11,00 1,40 6,40 0,32 19,12 1360 680 0,68

32 1:5 40 1,24 5,50 0,90 8,00 0,29 14,69 890 445 0,45 80 1,00 4,30 0,82 6,00 0,30 11,43 716 358 0,36 120 1,68 7,50 1,00 11,00 0,25 19,75 1218 609 0,61

26 1:10 40 0,05 0,29 0,13 0,14 0,01 0,57 40 40 0,04 80 0,06 0,38 0,15 0,16 0,02 0,71 47 47 0,05 120 0,07 0,48 0,16 0,17 0,02 0,83 56 56 0,06

27 1:10 40 0,23 1,67 0,36 0,43 0,20 2,66 166 166 0,17 80 0,21 1,47 0,32 0,38 0,25 2,42 152 152 0,15 120 0,23 1,68 0,36 0,53 0,12 2,69 168 168 0,17

28 1:10 40 0,12 0,84 0,19 0,23 0,16 1,42 91 91 0,09 80 0,09 0,53 0,19 0,23 0,08 1,03 70 70 0,07 120 0,10 0,64 0,19 0,28 0,08 1,19 77 77 0,08

29 1:10 40 0,10 0,50 0,20 0,30 0,14 1,14 80 80 0,08 80 0,27 1,70 0,48 0,70 0,11 2,99 193 193 0,19 120 0,31 1,90 0,49 1,00 0,10 3,49 225 225 0,23

30 1:10 40 0,17 0,85 0,41 0,50 0,11 1,87 128 128 0,13 80 0,19 1,00 0,41 0,65 0,09 2,16 140 140 0,14 120 0,25 1,62 0,41 0,70 0,09 2,82 180 180 0,18

31 1:10 40 1,07 7,40 2,10 2,90 0,32 12,72 768 768 0,77 80 1,06 7,30 1,90 3,10 0,22 12,52 756 756 0,76 120 0,95 6,60 1,60 2,80 0,24 11,24 678 678 0,68

32 1:10 40 0,77 3,20 0,41 5,00 0,28 8,89 551 551 0,55 80 0,72 3,40 0,41 4,50 0,26 8,57 515 515 0,52 120 0,96 5,00 0,82 5,10 0,29 11,22 686 686 0,69

Nota: (m) metros, (ds/m) decisiemens por metro, (Ca2+) calcio, (Mg2+) magnesio, (Na+) sodio, (K+) potasio, (∑Cat) suma de cationes, (STD) solidos totales disueltos, (meq/L) miliequivalentes por litro, (mg/L) miligramos por litro, (mg/100g) miligramos por 100 gramos de suelo, (g/100g) gramos por 100 gramos de suelo

36

Residuo seco calcinado

La Tabla 14 indica las concentraciones de residuo seco calcinado en las relaciones de

agua-suelo 1:1, 1:5 y 1:10 de los perfiles 26 – 32 y en la Figura 12 se observa su

distribución vertical en la relación agua-suelo 1:1.

Tabla 14. Valores de la concentración de residuo seco calcinado, en el muestreo

en profundidad de los perfiles de suelo 26 – 32, en la microcuenca del río Chone

(Autor, 2019)

Perfil Profun-didad (cm)


RSC (mg/L)

RSC (mg/100g)

RSC (g/100g)

RSC (mg/L)

RSC (mg/100g)

RSC (g/100g)

RSC (mg/L)

RSC (mg/100g)

RSC (g/100g)

26 40 102 10 0,01 42 21 0,02 30 30 0,03

80 130 13 0,01 48 24 0,02 38 38 0,04

120 113 11 0,01 53 27 0,03 44 44 0,04

27 40 870 87 0,09 222 111 0,11 131 131 0,13

80 863 86 0,09 223 112 0,11 120 120 0,12

120 930 93 0,09 244 122 0,12 132 132 0,13

28 40 200 20 0,02 91 46 0,05 73 73 0,07

80 242 24 0,02 91 46 0,05 55 55 0,06

120 244 24 0,02 97 49 0,05 59 59 0,06

29 40 280 28 0,03 112 56 0,06 74 74 0,07

80 460 46 0,05 165 83 0,08 183 183 0,18

120 884 88 0,09 296 148 0,15 197 197 0,20

30 40 520 52 0,05 147 74 0,07 95 95 0,10

80 440 44 0,04 148 74 0,07 102 102 0,10

120 567 57 0,06 195 98 0,10 142 142 0,14

31 40 4710 471 0,47 1070 535 0,54 623 623 0,62

80 4450 445 0,45 1100 550 0,55 615 615 0,62

120 4600 460 0,46 1010 505 0,51 560 560 0,56

32 40 2370 237 0,24 765 383 0,38 429 429 0,43

80 2172 217 0,22 618 309 0,31 397 397 0,40

120 3845 385 0,38 1065 533 0,53 550 550 0,55

Nota: (cm) centímetros, (RSC) residuo seco calcinado, (mg/L) miligramos por litro, (mg/100g) miligramos por 100 gramos de suelo, (g/100g) gramos por 100 gramos de suelo, (extracto) relación de agua suelo 1:1, 1:5 y 1:10

Figura 12. Distribución en profundidad de la concentración de residuo seco

calcinado del extracto 1:1, de los perfiles de suelo 26 – 32, de la microcuenca del

río Chone (Autor, 2019)

0

500

1000

1500

2000

2500

3000

3500

4000

4500

5000

26 27 28 29 30 31 32

Resid

uo s

eco c

alc

ina

do

(m

g/L

)

Perfil

40 cm 80 cm 120 cm Profundidad

37

Salinidad cuantitativa y cualitativa

La Tabla 15 contiene los resultados de la medida salinidad cuantitativa expresada en

conductividad eléctrica y cualitativa expresada en relación de absorción de sodio original

y ajustado (RAS y RASaj, respectivamente), los cuales se evaluarán de acuerdo con

Richards et al. (1990). La Figura 13 presenta la distribución vertical de la conductividad

eléctrica de la relación agua-suelo 1:1 de los perfiles 26 – 32.

Tabla 15. Valores de conductividad eléctrica, relación de absorción de sodio

original, índice de saturación y relación de absorción de sodio ajustado del

extracto 1:1, de los 32 perfiles de suelo, de Chone (Autor, 2019)

Perfil Profundi-

dad (cm)

Conduc-tividad

eléctrica (dS/m)

RAS IS RASaj Perfil Profundi-

dad (cm)

Conduc-tividad

eléctrica (dS/m)

RAS IS RASaj

1 40 0,05 0,04 -0,7 0,01 26 40 0,16 0,48 0,0 0,48

2 40 0,17 0,91 0,2 1,10 80 0,21 0,42 0,1 0,46

3 40 0,34 0,37 -1,4 -0,15 120 0,19 0,44 0,1 0,48

4 40 0,66 0,63 -1,1 -0,06 27 40 1,38 1,59 0,7 2,70

5 40 0,63 0,48 -1,1 -0,05 80 1,38 1,59 0,7 2,71

6 40 0,26 0,31 -1,7 -0,22 120 1,48 1,56 0,7 2,66

7 40 0,31 0,30 -1,4 -0,12 28 40 0,40 1,29 0,2 1,54

8 40 0,29 0,64 0,7 1,10 80 0,48 1,10 0,4 1,54

9 40 0,31 1,42 0,4 1,99 120 0,49 1,08 0,4 1,52

10 40 0,25 0,37 -1,5 -0,19 29 40 0,54 0,46 0,5 0,68

11 40 0,10 0,53 -0,7 0,16 80 0,75 0,61 0,6 0,97

12 40 0,15 0,54 -0,1 0,49 120 1,39 1,42 0,8 2,55

13 40 0,33 0,47 -1,5 -0,24 30 40 0,84 1,29 0,5 1,94

14 40 0,54 0,79 -1,2 -0,16 80 0,71 1,24 0,5 1,87

15 40 0,30 0,23 -1,4 -0,09 120 0,94 1,52 0,6 2,43

16 40 0,26 1,20 0,2 1,44 31 40 7,45 4,44 1,2 9,78

17 40 0,08 0,51 -0,4 0,31 80 7,09 4,37 1,2 9,61

18 40 0,48 1,07 0,5 1,61 120 7,28 4,51 1,2 9,93

19 40 0,10 0,54 -0,3 0,38 32 40 3,54 5,90 0,9 11,20

20 40 0,19 0,72 0,0 0,72 80 3,44 5,79 0,9 11,00

21 40 0,19 0,64 0,10 0,71 120 6,03 7,52 1,0 15,04

22 40 0,09 0,45 -

0,40 0,27

23 40 0,18 0,72 0,00 0,72

24 40 0,03 - - -

25 40 0,03 - - -

Nota: (cm) centímetros, (dS/m) decisiemens por metro, (RAS) relación de absorción de sodio, (IS) índice de saturación (RASaj) relación de absorción de sodio ajustado

No se calcularon el RAS y RASaj de las muestras 24 y 25, pues no se detectaron Na+ y

Mg2+, sin embargo, se evaluó la conductividad eléctrica.

38

Figura 13. Distribución en profundidad de la conductividad eléctrica del extracto

1:1, de los perfiles de suelo 26 – 32, de la microcuenca del río Chone (Autor, 2019)

Las Figuras 14, 15, 16, 17, 18, 19 y 20 presentan la concentración de cationes solubles

en las relaciones de agua-suelo 1:1, 1:5 y 1:10.

Figura 14. (a) Composición catiónica en el extracto 1:1, (b) composición catiónica

en el extracto 1:5, y (c) composición catiónica en el extracto 1:10, en el muestreo

de suelos a profundidad, del perfil 26 de la microcuenca de Chone (Autor, 2019)

0,00

1,00

2,00

3,00

4,00

5,00

6,00

7,00

8,00

26 27 28 29 30 31 32

Con

du

ctivid

ad

elé

ctr

ica

(d

S/m

)

Perfil


0

20

40

60

80

100

120

0,00 0,06 0,12 0,18

Pro

funid

ad (

cm

)

Concentración de cationes (meq/100g suelo)

Calcio Magnesio Sodio Potasio

0

20

40

60

80

100

120

0,00 0,07 0,14 0,21 0,28

b

0

20

40

60

80

100

120

0,00 0,20 0,40 0,60

ca

39







0

20

40

60

80

100

120

0,00 1,00 2,00

Pro

fun

ida

d (

cm

)Concentración de cationes (meq/100g de suelo)


0

20

40

60

80

100

120

0,00 0,60 1,20 1,80

b

0

20

40

60

80

100

120

0,00 0,50 1,00 1,50 2,00

c

0

20

40

60

80

100

120

0,00 0,20 0,40

Pro

funid

ad (

cm

)



a

0

20

40

60

80

100

120

0,00 0,20 0,40 0,60

b

0

20

40

60

80

100

120

0,00 0,50 1,00

c

40







0

20

40

60

80

100

120

0,00 0,50 1,00 1,50

Pro

fun

ida

d (

cm

)Concentración de cationes (meq/100g suelo)


a

0

20

40

60

80

100

120

0,00 0,50 1,00 1,50 2,00

b

0

20

40

60

80

100

120

0,00 0,50 1,00 1,50 2,00

c

0

20

40

60

80

100

120

0,00 0,30 0,60 0,90

Pro

funid

ad (

cm

)



a

0

20

40

60

80

100

120

0,00 0,50 1,00 1,50

b

0

20

40

60

80

100

120

0,00 0,50 1,00 1,50 2,00

c

41







0

20

40

60

80

100

120

0,00 2,00 4,00

Pro

fun

ida

d (

cm

)Concentración de cationes (meq/100g suelo)


a

0

20

40

60

80

100

120

0,00 2,00 4,00 6,00 8,00

b

0

20

40

60

80

100

120

0,00 2,00 4,00 6,00 8,00

c

0

20

40

60

80

100

120

0,00 1,00 2,00 3,00 4,00

Pro

funid

ad (

cm

)



a

0

20

40

60

80

100

120

0,00 2,00 4,00 6,00

b

0

20

40

60

80

100

120

0,00 2,00 4,00 6,00

c

42

Nutrientes en los perfiles de suelos

En la Tabla 16 y 17 se aprecian los resultados de la concentración de nitratos y fosfatos

medidos en las relaciones de agua-suelo 1:1, 1:5 y 1:10 de los perfiles 26 – 32.

Tabla 16. Valores de la concentración de nitratos, en el muestreo en profundidad

de los perfiles de suelo 26 – 32 de la microcuenca del río Chone (Autor, 2019)

Perfil Profundidad

(cm)


NO3--N

(mg/L) NO3

--N (mg/100g)

NO3--N

( mg/L) NO3

--N (mg/100g)

NO3--N

( mg/L) NO3

--N (mg/100g)

26 40 0,00 0,00 0,00 0,00 0,00 0,00 80 0,00 0,00 0,00 0,00 0,00 0,00 120 0,00 0,00 0,00 0,00 0,00 0,00

27 40 0,50 0,05 0,00 0,00 0,00 0,00 80 0,40 0,04 0,00 0,00 0,00 0,00 120 0,50 0,05 0,00 0,00 0,00 0,00

28 40 0,30 0,03 0,10 0,05 0,00 0,00 80 0,20 0,02 0,10 0,05 0,00 0,00 120 0,60 0,06 0,00 0,00 0,00 0,00

29 40 2,40 0,24 0,00 0,00 0,00 0,00 80 1,60 0,16 0,00 0,00 0,00 0,00 120 0,40 0,04 0,30 0,15 0,30 0,30

30 40 2,20 0,22 0,30 0,15 0,10 0,10 80 0,30 0,03 0,30 0,15 0,10 0,10 120 0,60 0,06 0,40 0,20 0,30 0,30

31 40 0,50 0,05 0,50 0,25 0,40 0,40 80 0,40 0,04 0,40 0,20 0,40 0,40 120 0,30 0,03 0,30 0,15 0,30 0,30

32 40 0,20 0,02 0,60 0,30 0,70 0,70 80 0,20 0,02 0,40 0,20 0,30 0,30 120 0,40 0,04 0,20 0,10 0,00 0,00

Nota: (cm) centímetro, (NO3--N) nitrato, (mg/L) miligramos por litro, (mg/100g) miligramos por 100 gramos de suelo

Tabla 17. Valores de la concentración de fosfatos, en el muestreo en profundidad

de los perfiles de suelo 26 – 32 de la microcuenca del río Chone (Autor, 2019)

Perfil Profundidad

Cm


P

(mg/L) P

(mg/100g) P

(mg/L) P

(mg/100g) P

(mg/L) P

(mg/100g)

26 40 3,95 0,39 1,21 0,60 1,34 1,34 80 2,12 0,21 1,02 0,51 1,04 1,04 120 0,29 0,03 0,26 0,13 0,42 0,42

27 40 1,80 0,18 2,95 1,48 2,80 2,80 80 0,22 0,02 2,78 1,39 0,74 0,74 120 0,26 0,03 3,52 1,76 2,59 2,59

28 40 0,34 0,03 0,46 0,23 0,59 0,59 80 0,17 0,02 0,43 0,22 1,13 1,13 120 0,34 0,03 0,32 0,16 0,48 0,48

29 40 0,39 0,04 1,20 0,60 0,39 0,39 80 0,44 0,04 0,11 0,05 0,71 0,71 120 0,67 0,07 0,17 0,09 0,14 0,14

30 40 0,56 0,06 0,41 0,21 0,10 0,10 80 0,23 0,02 0,14 0,07 0,22 0,22 120 0,48 0,05 0,27 0,13 0,25 0,25

31 40 0,25 0,03 0,20 0,10 0,18 0,18 80 0,12 0,01 0,58 0,29 0,49 0,49 120 0,09 0,01 0,16 0,08 0,19 0,19

32 40 0,75 0,07 1,01 0,50 0,82 0,82 80 0,53 0,05 1,10 0,55 1,02 1,02 120 2,09 0,21 5,03 2,51 4,53 4,53

Nota: (cm) centímetro, (NO3--N) nitrato, (mg/L) miligramos por litro, (mg/100g) miligramos por 100 gramos de suelo

43

Mientras que, en las Figuras 21, 22 y 23 se observan la distribución vertical de nitratos,

fosfatos y potasio, respectivamente medidos en el extracto 1:1.

Figura 21. Distribución en profundidad de la concentración de nitratos del extracto


Figura 22. Distribución en profundidad de la concentración de fosfato del extracto


Figura 23. Distribución en profundidad de la concentración de potasio del extracto


0,0

0,5

1,0

1,5

2,0

2,5

3,0

26 27 28 29 30 31 32

Nitra

tos (

mg/L

)

Perfil


0,0

0,1

0,2

0,3

0,4

26 27 28 29 30 31 32

Fo

sfa

tos (

mg

/10

0g

su

elo

)

Perfil


0,00

0,05

0,10

0,15

0,20

0,25

0,30

26 27 28 29 30 31 32

Pota

sio

(m

eq/1

00 g

de s

uelo

)

Perfil


44

Por otro lado, en el Anexo G se encuentran los valores de estos nutrientes de las

muestras 1 – 25.

Análisis geoestadístico

Como no encontró una buena correlación entre la precipitación y la conductividad

eléctrica, así como tampoco, entre la cota del terreno y la conductividad eléctrica para

la predicción espacial con cokriging, se realizaron mapas de distribución espacial para

la conductividad eléctrica y la relación de absorción de sodio ajustado con los valores

de la relación de agua-suelo 1:1, la salinidad y sodicidad se definieron en base a

Richards et al. (1990), ver la Figura 23.

Figura 24. Mapa de distribución espacial en base la conductividad eléctrica (CE) y

relación de sodio ajustado (RASaj), del extracto 1:1, en los suelos de Chone (Autor,

2019)

45

Lineamientos para el manejo del suelo

A partir, de resultados obtenidos en el extracto 1:1 en los 32 perfiles a nivel superficial

se identificó los problemas existentes en los suelos de Chone, por lo tanto, se deben

seguir procedimientos para la recuperación de suelos con problemas de salinidad o

sodicidad, basado en las propuestas y sugerencias autores de como Solé y Cantón

(2005) como Porta et al. (2014). Por otro lado, las enmiendas para suelos con baja

concentración de nutrientes N, P y K, requiere un manejo adecuado del suelo, a través

de, una fertilización responsable y equilibrada que evite la contaminación de las aguas,

además, no incremente el problema de salinidad (Masís et al., 2017).

Es fundamental fomentar el desarrollo sustentable en la juventud y comunidades

locales, para proteger el medio ambiente y el manejo adecuado de los recursos,

principalmente aquellos afectados por la irrigación a través de proyectos de riego (Lal,

1994; citando en Cid et al., 2012).

46

4. DISCUSIÓN

Selección de los puntos de muestreo

El área de muestreo se trazó con la finalidad colectar muestras entre las presas PPMCH

y Simbocal. En el APH la variable de mayor importancia en relación con las demás fue

el uso de suelo agrícola, con pendiente media, es decir, menor al 25% (IEE, 2013),

además, estén alejados por lo menos a 20 m de los cuerpos de agua y hasta 100 m

cerca de las vías principales, excluyendo a toda la infraestructura antrópica. Los

procesos aplicados como el AHP y el álgebra de mapas permitieron homogenizar la

zona de muestreo, asimismo, se trabajó con la normativa mexicana NOM-021-RECNAT

(2002), porque se ajusta al objetivo de estudio que fueron estudiar la salinidad y fertilidad

de los suelos de Chone. Se consiguió formar unidades de muestreo más pequeñas

definidas entre 2 a 8 ha. En consecuencia, se formaron 14 polígonos, pero debido a que

el muestreo en profundidad fue el factor más influyente, seguido del consumo de tiempo,

de recursos económicos, transporte y los posteriores análisis en laboratorio, se

seleccionaron seis polígonos, a criterio o juicio de experto (Mason, 1992), en los cuales

se colectaron muestras simples y representativas, a razón de la homogeneidad de las

unidades de muestreo. Adicionalmente, en campo se tomó una séptima muestra aguas

abajo de la presa Simbocal, con la finalidad de conocer el estado del suelo en él. El

muestreo en profundidad se realizó con el objeto de conocer la distribución vertical de

las sales y nutrientes del suelo de Chone.

Determinaciones físicas en los perfiles de suelo

Los parámetros físicos y químicos permitieron determinar la calidad del suelo. Con

respecto a la densidad aparente determina el grado de deterioro estructural del suelo,

pues al existir problemas de compactación ésta tiende a aumentar (Calvache, 2010),

sucede lo contrario cuando hay un alto contenido de materia orgánica pues su valor

disminuye (Jaramillo, 2002); es un factor criticó en la productividad explica Richards et

al. (1990) cuando un suelo es gravoso y excede el 1,8 g/cm3, las raíces de las plantas

no pueden penetrar en el suelo; en cambio, si es mayor a 1,7 g/cm3 puede generar

47

problemas de drenaje debido a problemas de compactación. En este caso la densidad

aparente de los suelos de Chone tanto a nivel horizontal y vertical no sobrepasan el 1,32

g/cm3, en consecuencia, la estructura del suelo se encuentra en buen estado y al

aparecer no presenta problemas de drenaje. La densidad real promedio de los suelos

es aproximadamente 2,65 g/cm3, corresponde al peso ponderado de las partículas

minerales más comunes con bajo contenido de materia orgánica (Carrera, 2011; Porta

et al., 2014). Si la densidad real es inferior a 2,65 g/cm3 se dice que el suelo posee alto

contenido de yeso o materia orgánica (Carrera et al., 2014); como se había indicado

esta densidad es independiente de la estructura del suelo, pues en sí estima la

composición mineralógica del suelo. En consecuencia, los suelos de Chone presentan

materiales minerales de arcilla en su mayoría, y se definieron como horizontes orgánicos

a aquellos cuya densidad fue menor a 2,00 g/cm3, considerando lo expuesto

anteriormente.

En cuanto, a la porosidad es variante en suelos con considerable contenido de arcillas

porque el suelo se expande, se contrae, se compacta y se parte (Calvache, 2010)

comportamiento que se observó al tratar la muestras. La porosidad no determina la

distribución de los poros, pero ambas están estrechamente vinculadas con la aireación

del suelo. El desarrollo de los cultivos depende del tamaño de los poros que, de la

porosidad en sí, pues, contribuyen a la aireación, circulación y retención del agua

(Calvache, 2010). Los resultados reflejaron son suelos porosos de textura franco-

arcillosa con buena aireación, en el 98% de las muestras a nivel horizontal y vertical.

En contenido de humedad en el suelo como se mencionó depende del tamaño y

distribución de los poros. Cuando el contenido de humedad excede a la porosidad y se

puede deducir se tratan de suelos arcillosos por tener la propiedad de hincharse al

acumular humedad (Calvache, 2010), pero si hay un bajo contenido de humedad puede

deberse a factores como el clima y la temperatura (Juárez et al., 2006). Se determinó

que el 69% de los perfiles a nivel superficial tuvieron un bajo contenido de humedad, lo

cual puede ser producto de las altas temperaturas que se registran en la zona de

estudio; por otro lado, el 52% de los perfiles a nivel superficial y en profundidad la

humedad fue mayor a la porosidad, en este sentido, se puede tratar de arcillas.

Asimismo, se revisó en estudios como Carrera et al. (2014) y Briones (2015) en los

cuales manifiestan se tratan de suelo arcillosos o francosos con cierta cantidad de

arcilla, buena porosidad y similar contenido de humedad.

48

Comprobación de la exactitud de los resultados

Los resultados de los valores de la composición iónica no pudieron ser sometidos a la

validación con el porcentaje de error permisible (APHA, 1995), porque no se había

medido la composición aniónica en ninguno de los tres extractos de suelo, por lo tanto,

se optó por comparar la relaciones funcionales teórica e histórica para dar validez a los

resultados medidos en el laboratorio. En esta virtud, se encontró que la pendiente

histórica de acuerdo con Briones (2015) se halla alrededor de 9,9 con respecto a la

suma de cationes y 750 para la concentración de STD, mientras que, las pendientes

teóricas de Richards et al., (1990) están comprendidas entre 8 y 11 para la

concentración de la suma de cationes y entre 550 y 750 respecto a la concentración de

STD, los cuales dependen del tipo de sal, los suelos pueden ser desde bicarbonatados

o sulfatados ricos en calcio y magnesio o cloruros y sodio.

En resumen, los perfiles 26 – 32 de los extractos 1:1, 1:10 y 1:5 presentaron pendientes

entre 9,9 a 11,96, en la relación funcional de la suma de cationes y conductividad

eléctrica, por otro lado, la relación entre los STD y la conductividad eléctrica tuvo

pendientes entre 705 a 796 demostrándose que los datos se encuentran dentro del

intervalo teórico e histórico y demuestran exactitud.

Evaluación de la salinidad

En base a las consideraciones de Richards et al. (1990) y Plaster (2005) un suelo salino

tiene un pH<8,5 así como también un suelo salino-sódico, y un suelo sódico presenta

pH>8,5 porque el porcentaje de sodio intercambiable es superior al 15% y durante el

proceso de hidrólisis forma sosa caustica (NaOH) y el pH llega a 10; en este aspecto se

llegó a determinar que los suelos en el extracto 1:1 no llegaron a 8,5; a nivel superficial

y en profundidad el pH se encontró entre 5,95 y 8,01. En relación con el extracto 1:5

presentaron valores de 5,5, a 8,2 y en el 1:10 variaron entre 5,75 y 7,86. En otras

palabras son suelos entre ligeramente ácidos a ligeramente alcalinos, esta variación de

pH depende principalmente con las bases de calcio, sodio y magnesio (Plaster, 2005).

A mayor participación de los elementos alcalino y alcalinotérreos mayor será el pH. Los

suelos saturados con Na+ tienen mayor pH que aquellos en los cuales domina el Ca2+ y

Mg2+ (Juárez et al., 2006); en contraste, la remoción de bases Ca2+, Mg2+ y K+ sin su

49

reposición conlleva a una disminución de la saturación del complejo de cambio y a la

acidez de los suelos (Sainz et al., 2007). La predominancia del ion HCO3- base débil,

sobre el ion CO32- base fuerte, actúa como tampón, razón por la cual el pH se estabiliza

o neutraliza (Carrera, 2011), por esta razón, las reacciones del suelo están en equilibrio;

como se observa en los resultados del GICA (2017).

En los resultados se demuestra no existe problemas de salinidad pues presentan

valores inferiores a 4 dS/m, sin embargo, todo el perfil 31 es un suelo salino pues tuvo

los valores superiores a 7 dS/m, como también, la profundidad 100 -120 cm del perfil

32, la cual tuvo una conductividad eléctrica de 6,03 dS/m, esto se puede relacionar con

la salinización secundaria debido a la acumulación de sales, generalmente son cloruros

y sulfatos de Na+, Ca2+, Mg2+ y K+, que al contener cantidades significativas de estas

sales, es difícil la absorción de agua por la planta e interfiere en el crecimiento de la

mayoría de los cultivos, sin embargo, no afecta la estructura del suelo (Richards et al.,

1990; Porta et al., 2014).

El aumento considerable de la conductividad eléctrica en función de la distribución

vertical puede deberse a la ubicación geográfica de los puntos de muestreo, pues de

acuerdo con el INAMHI (2006) el nivel freático en esta zona es alto y se comprobó en el

muestreo.

La evolución de salinidad cualitativa se basó en las dos conceptualizaciones de la RAS

y RASaj indica que mientras más elevada, la solución del suelo perderá los cationes

alcalinotérreos Ca2+ y Mg2+, por lo tanto, el Na+ se apropiará de los sitios de intercambio

(Carrera et al., 2015). En función de la RAS original ningún suelo se clasificó como

sódico o salino-sódico porque no presentaron RAS mayores a 7. En cambio, el cálculo

del IS dio negativo en 15 perfiles de suelo, esto indica que la concentración de Ca2+ se

mantendrá en la solución del suelo a nivel superficial, mientras que, en los otros 15

perfiles de suelo el IS fue positivo, en este sentido, la concentración de Ca2+ disminuirá

en la solución por el efecto de la precipitación del CaCO3, cabe mencionar en este grupo

se encuentran inmersos los 7 perfiles medidos en profundidad.

Con respecto a la RASaj se observa que 13 muestras tienen niveles muy bajos de sodio,

17 muestras presentan un bajo nivel de sodio, esto tanto a nivel superficial como en

profundidad, y los perfiles más críticos son el 31 y el 32, porque tuvieron valores de

sodio alto y muy alto, respectivamente. Los valores de los perfiles 26 – 32, pueden estar

50

por debajo de los reales, ya que, el IS se calculó con el promedio de HCO3- de las otras

25 muestras, sin embargo, se puede inferir la existencia de problemas de alcalinidad o

sodicidad a corto plazo.

Al comparar con estudios anteriores reportados por Carrera et al. (2014) y Briones

(2015) se determinó que los valores de pH son similares, la conductividad eléctrica difirió

en los perfiles 27, 31 y 32, pues presentaron valores bastante altos en relación con los

medidos en dichos estudios. Por otro lado, no se ha evaluado la sodicidad en suelo,

pero si en agua, y se aprecia una gran diferencia, pues las aguas tienen un bajo nivel

de sodio, en cambio, en el suelo es variante y logra alcanzar niveles de sodio altos y

muy altos sobre todo en los perfiles 31 y 32 de acuerdo con la clasificación de Richards

et al., (1990). Los datos encontrados fuera de lo común pueden ser consecuencia de los

efectos generados por la construcción de los proyectos Simbocal y PPMCH.

En referencia a lo antes mencionado en el perfil 31 la conductividad eléctrica en

superficie es más alta frente a las otras dos profundidades, lo cual puede tratarse de los

efectos, como los ocurridos en la Gran Represa de Aswan de Egipto, en la cual se han

encontrado problemas de salinidad en las tierras (Barrada, 1976). Por otro lado, los

perfiles 31 y 32, a pesar, de presentar densidad aparente, porosidad y humedad

relativamente buenas fueron difíciles tratar previo a los análisis, lo cual se puede

relacionar con los valores de RASaj pues son los más altos, en este aspecto se puede

hablar de una degradación de la estructura del suelo por procesos de sodificación como

los presentados en el sistema Flumen-Monegros (Porta et al., 1985; Porta et al., 2014).

No obstante, cabe tomar en cuenta que la alta conductividad eléctrica del perfil 32

ubicado aguas abajo de presa Simbocal, puede ser producto de la entrada de agua

salada en las mareas.

Sólidos disueltos totales y residuo seco calcinado

Los STD y RSC son indicadores de la concentración de las sales en el suelo (Pérez et

al., 2013). Los STD según Carrera (2011) contiene la concentración de materia orgánica

e inorgánica, mientras, el RSC es un indicador que permite conocer la concentración de

materia inorgánica en el suelo (Pérez et al., 2013); este contenido no debe sobrepasar

los límites máximos permisibles establecidos en la normativa ecuatoriana.

51

Pérez et al. (2013) indican que la conductividad eléctrica medida en el extracto de 1:1

es mayor en comparación a 1:5 y 1:10, como se aprecia en los resultados de la

conductividad medidos por el GICA (2017) y el los perfiles evaluados en este trabajo,

esto se debe al volumen de agua en las relaciones de agua-suelo, pues cuanto mayor

es, la conductividad eléctrica disminuye; no obstante, el porcentaje los STD y RSC

aumentan, porque al incrementar el volumen de agua se extrae más iones, en relación

con 1:1.

Por otro lado, según explican Kovda et al., 1973, citados en Pérez et al., 2013 se puede

determinar si un suelo es salino cuando los indicadores STD y RSC tienen

concentraciones de sales entre 0,5, 1 y mayores a 2%. Así se encontró, que los valores

más altos pertenecen al perfil 31, en el extracto 1:1 donde los STD se hallaron entre

0,51 y 0,54% y los RCS entre 0,45 y 0,46%, los cuales fueron aumentando conforme el

volumen de agua; comprobándose que el perfil tiene un alto contenido de sales.

Distribución catiónica y aniónica en los perfiles de suelo

Cualquier volumen adicional necesario al de saturación en el suelo influye en el lavado

de sales fácilmente solubles, no obstante, la relación agua-suelo 1:5 es capaz de extraer

sales del suelo de alta, mediana y baja solubilidad (Pérez et al., 2013); como se

mencionó, cuanto más volumen de agua, mayor cantidad de sales se extraen. Los

cationes en el suelo influyen de manera determinante en las propiedades físicas y

químicas del suelo; entre las sales más solubles e importantes están Na+, Ca2+, Mg2+ y

K+; asociados a los aniones Cl-, SO42-, HCO3

-, iones con los cuales se puede caracterizar

la salinidad y sus efectos en el suelo (Porta et al., 2014). Las curvas de lixiviación

permiten conocer la predominancia de estos iones en los perfiles de suelo.

Con respecto a lo anterior en los 25 perfiles medidos por el GICA los cationes

predominaron así: Ca2+ en el 48%, Na+ en el 28%, K+ en el 20% y Mg2+ en el 4%, en el

extracto 1:1; el 78% fue Ca2+, Mg2+ en el 24% y Na+ en el 4% en el extracto 1:5; y en el

extracto 1:10 el 72% fue Na+, K+ en el 16% y Ca2+ en el 12%. El anión predominante en

estos perfiles de suelo fue el HCO3-, además, no se encontró CO3

2-. Las sales Na+ son

las primeras en lixiviarse fuera de la solución de suelo. El K+ al no representar

competencia frente a iones de mayor valencia, también es arrastrado a las capas

inferiores del suelo (Masís et al., 2017), por esta razón, en ciertos perfiles se presenta

dominante por su fácil lixiviación.

52

En los perfiles 26 – 31 se observa el catión predominante es el calcio, seguido por el

sodio, magnesio y potasio, indicado que el Ca2+ tiende a apropiarse de los sitios de

intercambio, por presentar mayor número de iones (Plaster, 2005), cuando hay mayor

cantidad de Ca2+ intercambiable, el suelo es más estable (Solé y Cantón, 2005). El

segundo catión predominante es el Na+, confirmando lo determinado en el índice de

saturación, la concentración de Ca2+ será variante debido a los procesos de

precipitación, por lo tanto, el Na+ se apropiará de los sitios de intercambio.

La predominancia de calcio en los perfiles de suelo se debe a la composición

mineralógica de formaciones geológicas, pues los Miembros Dos Bocas está constituido

por lutitas con alta cantidad de yeso y lentes dolomíticos; las cuales contienen minerales

de sulfato de calcio y carbonato de calcio y magnesio, respectivamente; la formación

Borbón compuesta de areniscas, conglomerados calcáreos y niveles tobáceos; éstas

dos últimas presentan minerales de carbonato de calcio y magnesio; y la formación

Onzole formada de limolitas, lutitas y areniscas (INAMHI, 2006; IEE, 2013), así como

también lo manifiestan Naranjo et al. (2018), ver Figura 24.

Figura 25. Mapa geológico de Chone (IEE, 2013)

La predominancia catiónica y aniónica en la zona, al igual que en Briones (2015) se

encontró fue calcio, magnesio y bicarbonato, esto puede deberse principalmente a la

53

composición geológica del lugar de estudio, de acuerdo con lo explicado en el anterior

párrafo.

Por otra parte, en el perfil 32 el catión con mayor concentración es el Na+, en este sentido

el suelo puede aumentar el sodio intercambiable llevándolo a problemas de sodificación,

el cual se relaciona con la carencia de estructura y aireación, pero en este caso presenta

una textura física normal. La acumulación de sales sódicas dispersa las partículas del

suelo, esto impide la absorción de agua dando lugar a la disminución de producción

agrícola, además, las concentraciones de calcio y magnesio se reducen debido a la

precipitación de las sales (Richards et al., 1990; Solé y Cantón, 2005), asimismo, los

iones de sodio, cloro y boro se acumulan causado la toxicidad en las plantas (Juárez et

al., 2006). La acumulación de sales sódicas en este perfil pudo darse como

consecuencia de la presencia de un obstáculo, en este caso la presa Simbocal, que

impiden el drenaje natural.

Evaluación de los nutrientes en los perfiles de suelo

Nitrógeno

Este nutriente facilita el crecimiento vegetativo, promueve el rápido y temprano

desarrollo de la raíz, siendo el principal nutriente de arranque; es parte de los

compuestos que forman la proteína y clorofila, además mejora la absorción del fósforo.

La escasez de nitrógeno se visualiza cuando hay un crecimiento lento en las plantas,

pierden su verde oscuro, causando clorosis. Los agricultores creen que el nitrógeno

ayuda al crecimiento, pero en realidad trabaja en conjunto con otros elementos clave

como el fósforo (Plaster, 2005), además, la alta disponibilidad de N no potencia la

defensa de las plantas, sino tiende a aumentar la incidencia de enfermedades (Vega,

2015).

El N se encuentra en un 90% de forma orgánica en la capa superficial del suelo, el resto

se presenta en forma de NH4+ y en pequeñas cantidades de (NO3

-); en un suelo con pH

ácido el nitrato es el nitrógeno inorgánico dominante, mientras que el amonio domina en

los suelos con pH alcalino (Juárez et al., 2006). En este estudio se evaluó la

concentración de nitratos.

54

Debido al equilibrio entre el agua de irrigación y el extracto 1:1 del suelo se puede

interpretar de acuerdo con la guía propuesta por Ayers y Westcot (1985) y también lo

demostró Carrera et al. (2017), en este sentido, se halló que el 100% de las muestras

no presentan grado de restricción, pues se encuentran por debajo de los 5 mg/L y tienen

poco efecto; el perfil 29 a nivel superficial posee la concentración más alta 2,4 mg/L,

además, en los perfiles 3, 4, 5, 6, 7, 10, 13 ,14, 15 y 26 no se detectó nitratos, a pesar,

de no existir problemas de salinidad en estos perfiles, se trata de suelos ácidos y el pH

influye en la disponibilidad de éste en suelo. Por otro lado, en la distribución vertical se

observa como el nitrógeno disminuye en función de la profundidad, ya que, la cantidad

de N está controlada por condiciones climáticas, vegetación, temperatura y humedad

(Masís et al., 2017).

El nitrógeno se puede perder en forma de nitrato mediante el lavado o por intensas

precipitaciones, en este lavado el suelo pierde en conjunto cationes como el K+ y Mg2+;

esta pérdida de cationes, además de la capacidad de taponamiento, el aumento de

tasas de nitrificación asociados a los cambios en el metabolismo de las plantas

conllevan a una disminución del pH (Ochoa, 2017).

Por otra parte, los perfiles 31 y 32 poseen un bajo concentración de nitrógeno los cuales

pueden seguir acumulándose en conjunto con las sales dificultando la absorción de

agua, debido a la presencia de la presa Simbocal, la cual está comprometiendo a corto

o mediano plazo las producciones agrícolas, como ha sucedido en el regadío Flumen-

Monegros de España (Porta et al., 2014).

Fósforo

El fósforo actúa de varias formas para equilibrar el nitrógeno, tiene la capacidad de

acelerar la madurez de la planta; el oxígeno es fundamental en la descomposición de

fosfatos orgánicos, así pues, un suelo suelto y bien drenado ayuda a la absorción de

fósforo por las plantas. El P estimula el crecimiento de las plantas, pero en menor

proporción que el nitrógeno. Cuando hay escases, las plantas permanecen verdes, pero

no se desarrollan; en ciertas cosechas el sistema de raíces es pobre, además, el exceso

de este nutriente dificulta la absorción de otros nutrientes (Plaster, 2005).

El P total no sobrepasa el 0,5% y puede ser fósforo inorgánico y orgánico. Cuando existe

mayor cantidad de fósforo inorgánico hay gran cantidad de materia orgánica. El P

55

orgánico constituye del 20 al 80% de fósforo total en el suelo y su disolución está en

pequeñas proporciones. Con respecto a la asimilación de P por las plantas, la mayor

parte de este no es aprovechable por las plantas por su gran insolubilidad, como bien

se ha dicho las formas disponibles para las plantas son ortofosfato primario (H2PO4-) y

secundario (HPO42-) en disolución en el suelo, los cuales representan el 0,25 y 0,4% del

P total (Navarro y Navarro, 2014; Masís et al., 2017).

Para la interpretación de fósforo asimilable en el suelo se utilizó como referencia de

clasificación que cita Juárez et al. (2004).

En el extracto de 1:1 se encontró un nivel muy bajo de fósforo pues todos son menores

de 5 mg/(100g de suelo), el más alto se encontró en 0,39 mg/(100g de suelo) en el perfil

26 en el nivel superficial, y en los perfiles 3, 4, 5, 6, 7, 10 ,13 ,14 y 15 no se detectó

fosfatos. Las pérdidas de fósforo de acuerdo con Plaster (2005) como Navarro y Navarro

(2014) puede darse por lixiviación en baja proporción en relación a la escorrentía,

erosión, volatilización y extracción por cultivos principalmente en los intensivos.

La disponibilidad de fósforo depende de ciertos elementos y el pH. En suelos ácidos

(pH<4) el fósforo precipita en presencia de Fe3+ y Al3+ formando compuestos insolubles.

En suelos básicos (pH>9) el fósforo precipita en forma de fosfato de calcio, debido a la

gran cantidad de Ca2+ intercambiable (Navarro y Navarro, 2014; Masís et al., 2017). El

pH óptimo para los cultivos está en el rango de 5,5 a 7, en el cual existen formas de

fósforo más solubles y disponibles (Masís et al., 2017), con esta afirmación se creería

que los suelos perfiles de suelo deberían tener concentraciones equilibradas de fósforo.

Por otro lado, como se observa el perfil 32 indica en la última profundidad se está

acumulando fosfato, esto sucede porque en los suelos de tipo salino-sódico se libera P,

pues es estimulado por el nivel de electrolitos, saturación de sodio y pH básico (García,

2008), por lo tanto, se está confirmando que existe un problema de sodicidad aguas

abajo de la presa Simbocal.

En resumen, el P no se ve afectado como el N en un pH básico, más bien, su importancia

es elevada en el suelo y su disponibilidad podría resultar suficiente para las cosechas,

sin embargo, se necesita que los nutrientes se encuentren proporcionales, puesto que,

realizan un trabajo en conjunto.

56

Potasio

La deficiencia de potasio en la planta origina un retraso general en el crecimiento y se

agudiza cuando las hojas presentan necrosis en las puntas en las hojas. El K actúa para

equilibrar los efectos del N, pero su absorción en exceso inhibe la absorción de calcio,

magnesio, hierro y zinc, generando deficiencias de éstos. A diferencia del fósforo, el K

se halla en la mayoría de los suelos en cantidades relativamente altas. Los suelos

arcillosos y limo-arcillosos contienen más K que aquellos suelos limo-arenosos o

arenosos (Plaster, 2005; Navarro y Navarro, 2014).

La función principal de este nutriente es la neutralización eléctrica de los aniones

absorbidos por las plantas, además, garantiza la semipermeabilidad o permeabilidad de

las membranas celulares (Masís et al., 2017).

Para la interpretación de potasio para las muestras superficiales se utilizó como

referencia a Torri et al. (2007). Por lo tanto, en el extracto 1:1 se encontró que en los

perfiles 1 – 30 a nivel superficial y los medidos en profundidad presentaron un nivel muy

bajo de K, esta fracción puede verse reducida por perdidas de extracción de cultivos,

lixiviación y erosión (Navarro y Navarro, 2014).

El perfil 31 presenta un valor medio, y el perfil 32 presenta un valor bajo, esto puede ser

posible, ya que, en suelos con alto porcentaje de saturación de bases se pierde menos

K por lixiviación que aquellos con un bajo porcentaje (Navarro y Navarro, 2014), como

se observa en los resultados son los perfiles con mayores concentraciones catiónicas,

además, se trata de suelos salinos y salino-sódicos, respectivamente, los cuales

acumulan sales como efecto de la presencia de la presa Simbocal.

Navarro y Navarro (2014) y Masís et al. (2017) explican que factores como el incremento

del pH y la presencia de Ca2+ favorecen la liberación de K atrapado entre las arcillas,

debido a su baja densidad de carga no representa competencia significativa para los

iones de calcio y aluminio en los sitios de intercambio catiónico del suelo, por ende este

es liberado. El potasio es arrastrado hacia abajo por lixiviación cuando se trata de

regiones lluviosas, como las existentes en la zona de estudio.

En investigaciones recientes se ha encontrado que los fertilizantes de K mejoran la

capacidad de retención de agua del suelo y también promueve la estabilidad estructural

57

de los suelos arenosos, debido al incremento de la concentración electrolítica en la

solución del suelo causando la floculación y precipitación de cristales de sales. Por otra

parte, en el orden Ca<Mg<K son cationes más efectivos para la estabilización de la

estructura del suelo y de retención de agua, condición clave para asegurar la

productividad del suelo en áreas limitadas de agua (Zörba et al., 2014).

Geoestadística

El análisis geoestadístico consistió en la predicción espacial con cokriging a fin de

predecir una variable con pocos registros y cara de medir con una con una variable

auxiliar fácil de medir, con la cual esté bien relacionada (Oliver, 2010), en este caso la

variable de interés que fue la conductividad eléctrica y se la relacionó con la precipitación

y la cota, sin embargo, se encontró una mala o regular correlación de acuerdo con el

coeficiente de Pearson y Spearman no se llevó acabo, tampoco se podía predecir con

kriging ordinario, porque existían 32 datos y se necesita al menos 100 observaciones

(Moral, 2004). En el Anexo H se presentan los pasos para la ejecución de kriging

ordinario en R. Por esta razón, se elaboró mapas de distribución espacial con el método

determinístico distancia inversa ponderada IDW de la conductividad eléctrica y relación

de absorción de sodio, ya que, utiliza pocos datos con grandes distancias de muestreo

(Villatoro et al., 2008). En estos mapas se observa las zonas de los perfiles más críticos

clasificados según Richards et al., (1990), las cuales están ubicadas aguas arriba y

abajo de la presa Simbocal.

Lineamientos para la recuperación de los suelos salinos

En los mapas generados en función de la conductividad eléctrica y relación de absorción

de sodio ajustado se observa que las zonas más críticas están en los perfiles 31 y 32.

Para un suelo salino como el perfil 31 se debe aplicar un conjunto de medidas según lo

sugiere Juárez et al. (2006), Solé y Cantón (2005) como Porta et al. (2014) en primer

lugar se necesita el lavado de sales con bajo contenido salino, conectado a un sumidero

donde se recuperen las sales eliminadas evitando la movilización del problema a otro

sitio o la contaminación de cuerpos de agua superficial y subterráneos. Este lavado debe

ir acompañado de un buen drenaje sea natural o artificial y labrado profundo (García,

58

2008). Además, Solé y Cantón (2005) como Porta et al. (2014) creen que un riego de

presiembra permitirá que el suelo tenga menor contenido salino para evitar el aumento

de la presión osmótica en la zona de la raíz.

Para suelos salino sódico, a parte de las anteriores medidas requiere de enmiendas que

liberen el calcio para sustituir el sodio, para lo cual se debe añadir calcio soluble como

el yeso o cal, debido a que calcio se adsorbe con mayor fuerza que el sodio en los sitios

de intercambio (Solé y Cantón, 2005; Plaster, 2005). Asimismo, la adición de materia

orgánica mejora la estructura del suelo y puede aumentar la fertilidad.

Lineamientos para mejorar la fertilidad del suelo

Los suelos de Chone necesitan enmiendas de nutrientes en proporciones equilibras de

N, P y K, mejorando su disponibilidad en las cosechas, a través, de evitar la

compactación, porque disminuye el oxígeno que es una fuente de energía para la

captación de nutrientes; además, es necesario de un buen de drenaje y suministro agua.

Por otro lado, la adición de materia orgánica también ayudará a el intercambio catiónico,

proporción de los nutrientes, mantener el suelo suelto y en efecto abastecimiento de

oxígeno a las raíces (Plaster, 2005; Solé y Cantón, 2005).

Juárez et al. (2004) dice que se debe aplicar la cantidad de fertilizante requerido, para

evitar el aumento de costo de la cosecha. Por otro lado, si la disponibilidad de fertilizante

es superior a la capacidad de procesar por el ecosistema puede originar efectos

negativos. En el proceso de lavado sea los nutrientes especialmente nitrógeno y fósforo

se depositan o acumulan, causando la contaminación de aguas subterráneas y la

eutrofización en aguas superficiales, y al mismo tiempo, reduce el oxígeno, se pierde la

trasparencia del agua y perjudica la entrada de luz por debajo de la superficie

(Fernández, 2011; Ochoa, 2017).

En general, se debe crear una cultura sostenible y ecológicamente racional sobre el uso

de los recursos, a través, de la inclusión de jóvenes y comunidades locales para lograr

equitativo que ponga fin a la pobreza y hambre (FAO, 2015c).

59

5. CONCLUSIONES

⎯ La aplicación de AHP y el álgebra de mapas fue necesario para homogenizar el área

de muestreo de 4553,3 ha en unidades de muestreo menor extensión y de fácil acceso,

debido a criterios como el número de muestras a colectar, la profundidad y métodos

para los análisis físicos y químicos se determinó a la NOM-021-RECNAT como la

normativa que más se ajusta más al cumplimiento del objetivo de estudio. Se formaron

áreas homogéneas de muestreo de 2 a 8 ha, de las cuales se seleccionaron a juicio o

criterio de experto seis perfiles, además, en campo se colectó una muestra más, aguas

abajo de presa Simbocal. Debido a que una muestra compuesta representaba consumo

de tiempo, recursos económicos y transporte, se tomaron muestras simples en tres

profundidades de 0 – 40, 60 – 80, y 100 – 120 cm.

⎯ Respecto a la densidad aparente el 65% lo suelos de Chone resultaron ser minerales

arcillosos, seguido de un 28% de tipo francoso, y los perfiles 7, 24 y 25 fueron orgánico-

volcánico. Por otra parte, la densidad real determinó que el 78% de los suelos fueron

minerales de arcillas y un 22% pertenece a horizontes orgánicos. Se corroboró que no

existe problemas de compactación pues el porcentaje de porosidad se encontró dentro

del rango 30 – 50, es decir son suelos de texturas francas, además, las raíces de las

plantas no se verán afectadas. Se concluye que son suelos en buen estado físico, con

buena aireación y retención de humedad, sin problemas de compactación.

⎯ Se encontró que los suelos presentaron valores de pH entre 5,5 y 8,2, es decir, son

óptimos para las cosechas. La conductividad eléctrica se analizó en la relación de agua-

suelo 1:1 donde los perfiles 1 – 30 mostraron valores inferiores a 4 dS/m; el aumento de

este parámetro en profundidad se debió al alto nivel freático en la zona de muestreo, al

contrario de los perfiles 31 y 32, pues tuvieron los valores más altos de conductividad

eléctrica, 7,45 y 6,03 dS/m, respectivamente. Por otro lado, la evaluación de la salinidad

cualitativamente mediante el RAS indicó ningún perfil se clasificó como suelo salino-

sódico, mientras que, el RASaj determinó niveles de sodio bajos a nivel superficial como

en profundidad, en cambio, los perfiles 31 y 32 alcanzaron niveles de sodio alto y muy

alto, respectivamente. El índice de saturación fue positivo en el 47% de las muestras,

60

por lo tanto, la concentración de Ca2+ va a disminuir por los procesos de precipitación

de carbonato de calcio. En resumen, se determinó que sí existe proeblemas de salinidad

y sodicidad, en los dos perfiles más cercanos a la presa Simbocal considerando que

ésta lleva más tiempo construida, de este modo se puede inferir que los suelos aledaños

al PPMCH pueden comportarse de la misma forma a corto o mediano plazo.

⎯ La fertilidad en base a la determinación de los nutrientes se encontró que: el nitrógeno

no sobrepasó el grado de restricción y en el 31% de las muestras no se detectó nitratos;

el fósforo presentó un nivel muy bajo, pero en el 28% de las muestras no encontró

fosfatos; y los niveles de potasio en el 94% de las muestras fueron bajos, esto tanto a

nivel superficial como en profundidad. Estas bajas concentraciones están asociadas a

factores como el pH y procesos de lixiviación causados principalmente por las intensas

precipitaciones. Y en los perfiles 31 y 32 se encontraron bajas concentraciones de

nitrógeno, fósforo y potasio, sin embargo, estos se pueden acumular por el exceso de

sales, debido a la presencia de la presa Simbocal, y afectar la disponibilidad de

nutrientes a las plantas.

⎯ Se realizó un análisis geoestadístico, pero no se logró predecir con cokriging porque

las variables de precipitación y cota no tuvieron una buena correlación con la

conductividad eléctrica que fue la variable de interés, por lo tanto, se optó por realizar

mapas de distribución espacial con IDW, en los cuales se observan que las zonas más

críticas en función de la salinidad y sodicidad son los perfiles 31 y 32 puntos ubicados

antes y después de la presa Simbocal.

⎯ En consideración a lo obtenido en los mapas de distribución espacial y en base a los

análisis químicos se deben tomar medidas de acción que contemplen la recuperación y

mitigación de los problemas de salinidad y sodicidad, asimismo, aplicar estrategias que

incrementen de forma equilibrada los nutrientes evitando otros efectos negativos,

además, se debe buscar alternativas incluyentes y ecológicamente racionales para un

mejor aprovechamiento de los recursos naturales, con la finalidad de combatir la

pobreza y el hambre.

61

6. RECOMENDACIONES

⎯ Para el análisis de la salinidad de los suelos es indispensable medir los cationes

calcio, magnesio, sodio y potasio y los aniones carbonatos, bicarbonatos, sulfatos y

cloruros, con los cuales se podrá tener una mejor visión de lo que está sucediendo

en el sitio de estudio.

⎯ Se sugiere seguir monitoreando los suelos de Chone la hasta alcanzar por lo menos

100 datos para la aplicación de predicción con kriging ordinario.

⎯ Es necesario seguir realizando el monitoreo en profundidad porque permitirá llevar a

cabo un registro de la evolución de la salinidad en verticalidad en dicha zona.

62

7. BIBLIOGRAFÍA

Acosta, C., 2007. El suelo agrícola, es un ser vivo. Inventio, la génesis de la cultura

universitaria en Morelos, Vol 5, pp. 55-60.

Aguilera, M. y Martínez, R., 1999. Relaciones agua, suelo, planta, atmosfera. Cuarta ed.

Chapingo: Universidad Autónoma Chapingo. Chapingo, México.

Andreau, R., Gelati, P. Proaza, M., Bennardi, D., Fernández, D., Mabel, V., 2012.

Degradación física y química de dos suelos del cordón hortícola platense. Alternativas

de tratamiento. Ciencia del Suelo, Vol 20(2), pp. 107-117.

APHA. American Public Health Association, 1995. Standard Methods for the

examination of water and wastewater. Nineteenth ed. American Public Health

Association, Washington D.C.

APHA. American Public Health Association, 2012. Standard Methods for the

Examination of Water and Wastewater. Twenty second ed. American Public Health

Association, Washington D.C.

Ayers, R. y Westcot, D., 1985. Water quality for agriculture. FAO, Rome.

Aznar, J. y Guijarro, F., 2012. Nuevos métodos de valoración: modelos multicriterio.

Segunda ed. Universidad Politécnica de Valencia. Valencia, España.

Badia, D., 1992. Suelos afectados por sales. Boletín de las Sociedades Catalanas de

Física, Química, Matemáticas y Tecnología, Vol XIII(12), pp. 609-629.

Barrada, Y., 1976. Empleo de humedímetros neutrónicos en Egipto para estudios sobre

riegos. OIEA Boletín, Junio, Vol VIII(3/4), pp. 10-12.

Bower, A., 1961. Prediction of the effects of irrigation waters on soils. In: Salinity

Problems in the Arid Zones. Proc. UNESCO Arid Zone Symposium. Tehran, Iran. pp.

215-222.

Briones, M., 2015. Repositorio Institucional de la Universidad de las Fuerzas Armadas

ESPE: Determinación de la salinidad del agua y suelos del proyecto propósito múltiple

Chone, Manabí - Ecuador. [En línea] Available at:

https://repositorio.espe.edu.ec/bitstream/21000/12722/1/T-ESPE-049761.pdf [Último

acceso 15 Marzo 2018].

Bristow, C. y Hoffstetter, R., 1977. Lexique Stratigraphique International. Second ed.

Centre National de la Recherche Scientifique. Paris, Francia.

https://repositorio.espe.edu.ec/bitstream/21000/12722/1/T-ESPE-049761.pdf

63

CADS, 2012. ANÁLISIS DE VULNERABILIDAD DEL CANTÓN CHONE. PERFIL

TERRITORIAL 2013. Primera ed. Quito: DIGITAL CENTER.

Calvache, M., 2010. Física de suelos y su relación con los problemas ambientales. Santo

Domingo: Universidad Central del Ecuador. Quito, Ecuador.

Carrera, D., 2011. REMERI: Salinidad en suelos y aguas superficiales y subterráneas

de la cuenca evaporítica de Río Verde-Matehuala, San Luis Potosí. [En línea]

Available at:

http://www.remeri.org.mx/portal/REMERI.jsp?id=oai:www.biblio.colpos.mx:10521/476

[Último acceso 8 Julio 2018].

Carrera, D., Crisanto, T., Ortega, H., Ramírez, J., Espinosa, D., Ramírez, C., Ruiz, V.,

Velázquez, M. and Sánchez-Bernal, E., 2015. Salinidad cuantitativa y cualitativa del

sistema hidrográfico Santa María-Río Verde, México. Tecnología y Ciencias del Agua,

Vol VI(2), pp. 69-83.

Carrera, D., Guevara, P. y Gualichicomin, N., 2014. Caracterización físico-química

desde el punto de vista agrícola de los suelos en la zona de riego del proyecto

multipropósito Chone. Congreso de Ciencia y Tecnología, Vol IX(1), pp. 71-80.

Carrera, D., Guevara, P., Tamayo, L, Balarezo, A., Narváez, C., y Morocho, D., 2016.

Relleno de series anuales de datos meteorológicos mediante métodos estadísticos en

la zona costera e interandina del Ecuador, y cálculo de la precipitación media. Idesia,

Vol 34(3), pp. 79-88.

Carrera, D., Merizalde, M. y Viera, R., 2018. New method to estimate total elements of

chromium (VI), nickel and iron to analyze their mobility and spatial distribution from an

open dump. IOP Conf. Series: Earth and Environmental Science, Vol 191, pp. 1-9.

Carrera, D., Sánchez, V., Portilla, O. y Bolaños, D., 2017. Similarity index between

irrigation water and soil saturation extract in the experimental field of Yachay University,

Ecuador. IOP Conference Series: Earth and Environmental Science, Vol 82, pp. 1-11.

Castellanos, A., 1994. Dificultades de los suelos en las tierras de riego incluyendo suelos

salinos, causas y uso presente así como manejo de las prácticas en Cuba. FAO-

UNESCO. Argentina.

Cedeño, R., 2011. Repositorio Digital UTE: Mejoramiento de la calidad de vida de los

habitantes de la zona 2 de la cabecera cantonal Calceta del cantón Bolívar - Manabí a

través de la utilización adecuada del sistema de riego carrizal Chone primera etapa. [En

línea]

Available at: http://repositorio.ute.edu.ec/bitstream/123456789/12274/1/45860_1.pdf

[Último acceso 12 marzo 2018].

64

Cid, G., Herrera, J., López, T. y González, F., 2012. Algunas consideraciones para lograr

una agricultura de regadío sostenible. INGENIERÍA AGRÍCOLA, Vol II(1), pp. 3-11.

CMR, 2000. Represas y desarrollo un nuevo marco para la toma de decisiones.

Earthscan Publications Ltd. London, Reino Unido.

DeVere Burton, L., 2000. Tecnologías de producción agrícola. In: Agrociencia y

Tecnología. Primera ed. Paraninfo, España. pp. 118-122.

DOF, 1981. Diario Oficial de la Federación: Norma Oficial Mexicana NOM-AA-34-1976

Análisis de agua. [En línea]

Available at: http://dof.gob.mx/nota_detalle.php?codigo=4667621&fecha=03/07/1981

[Último acceso 12 Julio 2018].

DOF, 2002. Diario Oficial de la Federación: Norma Oficial Mexicana NOM-021-

SEMARNAT-2000, Que establece las especificaciones de fertilidad, salinidad y

clasificación de suelos. Estudios, muestreo y análisis. [En línea]

Available at: http://dof.gob.mx/nota_detalle.php?codigo=4667621&fecha=03/07/1981

[Último acceso 13 mayo 2018].

Duque, P., 2000. Breve Léxico Estratigráfico del Ecuador. Quito: UCP Prodeminca.

Escobar, J., 2015. Metodología para la toma de decisiones de inversión en portafolio de

acciones utilizando la técnica multicriterio AHP. Contaduría y Administración, Vol 60(2),

pp. 346-366.

FAO, 2015a. Organización de las Naciones Unidas para la Alimentación y la Agricultura:

5 razones por las que el suelo es clave para el futuro sostenible del planeta. [En línea]

Available at: http://www.fao.org/sustainable-development-goals/news/detail-

news/es/c/277124/ [Último acceso 13 junio 2018].

FAO, 2015b. Organización de las Naciones Unidas para la Alimentación y la Agricultura:

Año Internacional de los Suelos. [En línea] Available at: http://www.fao.org/3/a-

i4373s.pdf [Último acceso 13 junio 2018].

FAO, 2015c. Objetivos de Desarrollo Sostenible. [En línea] Available at:

www.fao.org/3/a-i4997s.pdf [Último acceso 17 abril 2015].

FAO, 2016. Estado Mundial del Recurso Suelo | Resumen Técnico. Primera ed. FAO.

Roma, Italia.

Fernández, M., 2011. Contaminación por fósforo procedente de la fertilización orgánica

de suelos agrícolas. In: E. S. M. López, ed. Gestión de residuos orgánicos de uso

agrícola. University of Santiago de Compostela. Lugo, España, pp. 25-31.

Flórez, J., 2009. AGRICULTURA ECOLÓGICA. Manual y guía didáctica. Primera ed.

Mundi-Prensa. Madrid, España.

65

GADM Chone, 2013. Chone destino turístico. [En línea] Available at:

https://www.chone.gob.ec/index.php?gc=39 [Último acceso 10 julio 2018].

GADM Chone, 2014. GAD Muncipal del Cantón Chone: Documentación pública. [En

línea] Available at: https://www.chone.gob.ec/pdf/pdyotcantonchone.pdf [Último acceso

27 mayo 2018].

Gandoy, W., 1991. Manual de laboratorio para el manejo físico de suelos. Universidad

Autónoma Chapingo. México.

García, A., 2008. Manejo de suelos con acumulación de sales. VIII Congreso

Ecuatoriano de la Ciencia del Suelo, pp. 1-21.

García, A., 2012. Criterios modernos para evaluación de la calidad del agua para riego.

Informaciones Agronómicas de Hispanoamérica, Vol 6, pp. 27-36.

GICA, 2017. Proyectos de investigación. [En línea] Available at: http://gica.espe.edu.ec/

[Último acceso 26 octubre 2018].

Giraldo, R., 2007. INTRODUCCION A LA GEOESTADISTICA. Teoría y Aplicación. [En

línea] Available at:

ftp://ftp.ciat.cgiar.org/DAPA/projects/Cursos_Talleres/Curso_R/DOCUMENTOS/LIBRO

%20DE%20GEOESTADISTICA.pdf [Último acceso 19 julio 2018].

Gobierno Vasco, 2018. Medio Ambiente: Suelo. [En línea] Available at:

http://www.euskadi.eus/web01-

a2inglur/es/contenidos/documentacion/manual_practico_suelo/es_doc/index.shtml

[Último acceso 26 mayo 2018].

Hasheminejhad, Y., Ghane, F. y Mazloom, N., 2013. teady-State Predictionof Sodium

Adsorption Ratio (SAR) in Drainage Water Based on Irrigation Water Quality in

aLysimetric Study. Communications in Soil Science and Plant Analysis, 44(18), pp.

2666-2677.

HI, 2012. Instruction Manual. Woonsocket: Hanna Instruments Inc.

Hogg, T. y Henry, J., 1984. Comparison of 1:1 and 1:2 suspensions and extracts with

the saturation extract in estimating salinity in Saskatchewan soils. Can. J. Soil Sci, pp.

699-704.

IEE, 2013. Instituto Espacial Ecuatoriano: CANTÓN CHONE. [En línea] Available at:

http://www.ideportal.iee.gob.ec/nacional/cantonal/chone.html [Último acceso 28 mayo

2018].

IGM, 2017. Información Cartográfica-Geográfica del IGM. [En línea] Available at:

http://www.geoportaligm.gob.ec/portal/index.php/descargas/cartografia-de-libre-

acceso/ [Último acceso 15 abril 2018].

66

IICA, 1995. Encademiento de efectos represa de Aswan. Primera ed. El Servicio. San

José, Costa Rica.

INAMHI, 2006. Caracterización Hidrogeológica de las cuencas de Portoviejo- Chone,

Quito: República del Ecuador Ministerio de Energía y Minas.

Jaramillo, D., 2002. bdigital: Repositorio Institucional Universidad Nacional de Colombia.

[En línea] Available at: http://www.bdigital.unal.edu.co/2242/1/70060838.2002.pdf

[Último acceso 25 agosto 2018].

Juárez, M., Sánchez, Á., Jordà, J. y Sánchez, J., 2004. Diagnóstico potencial nutritivo

del suelo. Primera ed. Universidad de Alicante. Alicante, España.

Juárez, M., Sánchez, J. y Sánchez, A., 2006. Química del suelo y medio ambiente.

Primera ed. Universidad de Alicante. Alicante, España.

Khosla, et al., 2010. Spatial Variation and Site-Specific Management Zones. In: M.

Oliver, ed. Geostatistical Applications for Precision Agriculture. Springer. London, Reino

Unido. pp. 195-219.

Kovda, V., Pascaud, G. y Minart, P., 1973. Irrigation, Drainage and Salinity.

FAO/UNESCO. Paris, Francia.

Lal, R., 1994. Methods and guidelines for assessing sustainable use of soil and water

resources in the tropics, SMSS Technical Monograph 21. USDA Soil Conservation

Service. Washington, D.C., Estados Unidos.

Langelier, W., 1936. The analytical control of anti-corrosion water treatment. American

Water Works Association, Vol 28(10), pp. 1500-1521.

Lanly, J., 1996. ECOLOGIA Y ENSEÑANZA RURAL Nociones ambientales básicas

para profesores rurales y extensionistas. Organización de las Naciones Unidas para la

Agricultura y la Alimentación. Roma, Italia.

Lytle, D., White, C., Williams, D., Koch, L. y Nauman, E., 2013. Innovative biological

water treatment for the removal of elevated ammonia. American Water Works

Association, Vol 105(9), pp. 524-539.

Macías, V., 2011. Repositorio Científico Institucional de la Universidad "Hermanos Saíz

Montes de Oca": Sistema de indicadores para evaluar el impacto ambiental de la

actividad antrópica en la cuenca hidrográfica Carrizal-Chone. [En línea] Available at:

http://rc.upr.edu.cu/bitstream/DICT/420/1/2013.6.18.u1.s08.t.pdf [Último acceso 28

mayo 2018].

MAE, 2015. Anexo 2 norma de calidad ambiental del recurso suelo y criterios de

remediación para suelos contaminados. In: Libro VI del Texto Unificado de Legislación

Secundaria del Ministerio del Ambiente. Edición Especial Nº 387 ed. Quito: Registro

Oficial, pp. 26-38.

67

Márquez, L. y Baltierra, E., 2017. El proceso analítico jerárquico como metodología para

seleccionar revistas científicas en el área de biotecnología. e-Ciencias de la Información,

Vol 7(2), pp. 1-20.

Martínez, R., Tuya, L., Martínez M., Pérez, A. and Cánovas, A., 2009. El coeficiente de

correlación de los rangos Spearman caracterización. Revista Habanera de Ciencias

Médicas, Vol VIII(2), pp. 1-19.

Masís, F., Piedra, G. y Hernández, R., 2017. Química Agrícola. Primera ed. Universidad

Estatal a Distancia. San José, Costa Rica.

Mason, B., 1992. Preparation of soil sampling protocols. In: Sampling techniques and

strategies. United States Environmental Protection Agency. Washington, Estados

Unidos. p. 169.

Molné, R., 1985. Consideraciones sobre la fertilización de suelos salinos. In: J. Herrero,

ed. Salinidad de los suelos: aspectos de su incidencia en regadíos de Huesca.

Diputación General de Aragón. Zaragoza, España. pp. 163-179.

Moral, F., 2004. Aplicación de la geoestadística en las ciencias ambientales. Científica

y Técnica de Ecología y Medio Ambiente, Vol 13(1), pp. 78-86.

Naranjo, J. Hinojoza, N., Lara, M., Montaluisa, M. and Carrera, D., 2018. Aptitud para

Riego del Proyecto Propósito Múltiple Chone Mediante la Relación de Absorción de

Magnesio. Hallazgos21, develando ciencia por el desarrollo, Vol 3(Suplemento

Especial), pp. 1-14.

Navarro, G. y Navarro, S., 2014. Química agrícola. Tercera ed. Mundi-Prensa. Madrid,

España

Ochoa, R., 2017. Consecuencias de la deposición de nitrógeno sobre la biodiversidad y

el funcionamiento de los ecosistemas terrestres: Una aproximación general desde la

ecología de ecosistemas. Ecosistemas, Vol 26(1), pp. 25-36.

Olaya, V., 2014. Sistemas de Información Geográfica. [En línea] Available at:

http://volaya.github.io/libro-sig/ [Último acceso 22 mayo 2018].

Oliver, M. A., 2010. Geostatistical Applications for Precision. Primera ed. Springer

Science+Business Media B.V. New York, Estados Unidos.

ONU, 2015. Objetivos de Desarrollo Sostenible. [En línea] Available at:

https://www.un.org/sustainabledevelopment/es/objetivos-de-desarrollo-sostenible/

[Último acceso 6 abril 2018].

Ordoñez, J., 2011. CARTILLA TÉCNICA: ¿QUÉ ES CUENCA HIDROLÓGICA? Primera

ed. Sociedad Geográfica de Lima. Lima, Perú.

Parés, Arizaleta, M., Sanabria, M. E. y García, G., 2008. EFECTO DE LOS NIVELES

DE SALINIDAD SOBRE LA DENSIDAD ESTOMÁTICA, INDICE ESTOMÁTICO Y EL

68

GROSOR FOLIAR EN PLANTAS DE CARICA PAPAYA. Acta Botánica Venezuelica,

Vol 31(1), pp. 27-34.

Pérez, J., García, Y., Terrazas, L., Ramírez, C. and Ortega, H., 2013. Composición y

caracterización química de suelo: indicadores de salinidad y sodicidad. CD Memorias

del XVII Congreso Nacional de Irrigación, Vol (2), pp. 1-8.

Plaster, E., 2005. La Ciencia del Suelo y su Manejo. Primera ed. Thomson Editores.

Madrid, España.

Porta, J., Herrero, J. y Latorre, S., 1985. Evaluación de suelos para riego: criterios y

problemática en los regadíos de Huesca. En: J. Herrero, ed. Salinidad en los suelos:

aspectos de su incidencia en regadíos de Huesca. Diputación General de Aragón.

Zaragoza, España. pp. 119-146.

Porta, J., López, M. y Poch, R., 2014. Edafología: uso y protección del suelo. Tercera

ed. Mundi-Prensa. Madrid, España.

Porta, J., Marta, L. y Roquero, C., 2003. Edagología Para la Agrícultura y el Medio

Ambiente. Tercera ed. Mundi-Presa. Madrid, España.

Richards, L. A., Allison, L., Brown, J. y Hayward, H., Bernstein, L., Fireman, M., Pearson,

G., Wilcox, L., Bower, C., Hatcher, J. y Reeve, R., 1990. Diagnóstico y rehabilitación de

suelos salinos y sódicos. Sexta ed. Limusa. México.

Saaty, T., 1980. The Analytic Hierarchy Process. RWS Publications. New York, Estados

Unidos

Saaty, T., 2008. Decision making with the analytic hierarchy process. Services Sciences,

Vol I(1), pp. 83-98.

Sacón, M., 2013. Repositorio Digital ESPAM: Propuesta para reducir la cartera vencida

del sistema de riego Carrizal Chone del cantón Bolívar a partir de un estudio

socioeconómico. [En línea] Available at:

http://repositorio.espam.edu.ec/handle/42000/158 [Último acceso: 28 mayo 2018].

Sainz, H., Echeverría, H. y Angelini, H., 2007. Niveles de materia orgánica y pH en

suelos agrícolas de la región pampeana y extrapampeana argentina. Informaciones

Agronómicas, Vol 2, pp. 6-12.

Sánchez, A., García, R. y Palma, A., 2003. La cuenca hidrográfica: unidad básica de

planeación y manejo de recursos naturales. Primera ed. Secretaría de Medio Ambiente

y Recursos Naturales. México.

SENAGUA, 2015. MULTIPROPÓSITO CHONE: Mitigará los impactos del Fenómeno

del Niño. [En línea] Available at: http://www.agua.gob.ec/multiproposito-chone-nunca-

mas-inundaciones-a-causa-del-rio-grande/ [Último acceso 12 marzo 2018].

69

SENPLADES, 2017. Temas importantes: Plan Nacional de Desarrollo 2017-2021-Toda

una Vida. [En línea] Available at: http://www.planificacion.gob.ec/wp-

content/uploads/downloads/2017/10/PNBV-26-OCT-FINAL_0K.compressed1.pdf

[Último acceso 6 abril 2018].

Sentís, I., 2012. Problemas de degradación de los suelos en América Latina: Evaluación

de causas y efectos. X Congreso ecuatoriano de la ciencia del suelo, pp. 1-10.

SIG-TIERRAS, 2017. DESCARGAS. [En línea] Available at:

http://www.sigtierras.gob.ec/descargas/ [Último acceso 19 octubre 2018].

Solé, A. y Cantón, Y., 2005. CSIC. Publicaciones. [En línea] Available at:

http://www.eeza.csic.es/Documentos/Publicaciones/Sole%20y%20Canton(PARJAP-

2005).pdf [Último acceso 1 julio 2018].

Tarbuck, E. J. y Lutgens, F., 2013. CIENCIAS DE LA TIERRA Una introducción a la

geología física. Décima ed. Pearson Educación S.A. Madrid, España.

Tobasura, I. et al., 2015. De la conservación del suelo al cuidado de la tierra: Una

propuesta ético-afectiva del uso del suelo. Ambiente & Sociedades, Vol XVIII(3), pp.

121-136.

Torri, S., Cabello, M. y Lavado, R., 2007. Diagnóstico de la calidad de los suelos y su

fertilidad para el cultivo de pecán. La Producción de Pecán en Argentina. INTA-FAUBA.

Buenos Aires, Argentina.

Vega, A., 2015. El efecto del nitrógeno en las enfermedades de las plantas. Revista

Agronomía y Forestal UC, Vol 52, pp. 33-35.

Villatoro, M., Henríquez, C. y Sancho, F., 2008. Comparación de los interpoladores IDW

y kriging en la variación espacial de pH, CA, CICE y del suelo. Agronomía Costarricense,

Vol 332(1), pp. 95-105.

Webster, R. y Oliver, M., 2007. Geostatistics for Environmental Scientists. Second ed.

John Wiley & Sons, Ltd. Chichester, Reino Unido.

Zörba, C., Senbayramb, M. y Peiter, E., 2014. Potassium in agriculture – Status and

perspectives. Journal of Plant Physiology, Vol 171(9), pp. 656-669.

ANEXOS

ANEXO A

Álgebra de mapas

Imagen A1. Proceso álgebra de mapas (Autor, 2019)

ANEXO B

Fotografías del muestreo y análisis de laboratorio de las muestras 26 – 32

Imagen B1. Equipo de muestreo

Imagen B2. Perfil 26



Imagen B9. Secado de las muestras al ambiente

Imagen B10. Medición densidad real

Imagen B11. Extracción de relación agua-suelo

Imagen B12. Medición densidad

aparente

Imagen B13. Medición de pH

Imagen B14. Medición de CE

Imagen B15. Medición de Nitratos

Imagen B16. Medición de fosfatos

Imagen B17. Medición de Ca y Mg

ANEXO C

Tabla C1. Suma de concentraciones para el cálculo del pH calculado (pHc) (Ayers

y Westcot, 1985)

Suma de concentraciones

(meq/L) pK

2-pK

C p(Ca

2++Mg

2+) p(Alk)

0,05 2,0 4,6 4,3

0,10 2,0 4,3 4,0

0,15 2,0 4,1 3,6

0,20 2,0 4.0 3,7

0,25 2,0 3,9 3,6

0,30 2,0 3,8 3,5

0,40 2,0 3,7 3,4

0,50 2,1 3,6 3,3

0,75 2,1 3,4 3,1

1,0 2,1 3,3 3,0

1,25 2,1 3,2 2,9

1,5 2,1 3,2 2,8

2,0 2,2 3,0 2,7

2,5 2,2 2,9 2,6

3,0 2,2 2,8 2,5

4,0 2,2 2,7 2,4

5,0 2,2 2,6 2,3

6,0 2,2 2,5 2,2

8,0 2,3 2,4 2,1

10,0 2,3 2,3 2,0

12,5 2,3 2,2 1,9

15,0 2,3 2,1 1,8

20,0 2,4 2,0 1,7

30,0 2,4 1,8 1,5

50,0 2,5 1,6 1,3

80,0 2,5 1,4 1,1

Nota: (meq/L) miliequivalente por litro

pHc = (pK2-pK

C)+p(Ca

2++Mg

2+)+p(Alk)

pK2-pK

C = se obtien sumando las concentraciones de Ca

2++Mg

2+ + Na+ en meq/L

p(Ca2+

+Mg2+) = se obtien sumando las concentraciones de Ca

2++Mg

2+ en meq/L

p(Alk) = se obtien sumando las cocentraciones de CO32-

+HCO3-en meq/L

ANEXO D

Tabla D1. Interpretación de nitrógeno modificado de Ayer y Westcot (1985)

Nitrógeno (NO3 – N) (mg/L) Grado de restricción

<5 Ninguno

5 – 30 Leve a moderado

> 30 Grave

Nota: ((NO3 – N) mg/L) nitrógeno nitrato en miligramos por litro de agua

Tabla D2. Interpretación de los niveles de fósforo modificado de Juaréz et al.

(2004)

P (mg/100g de suelo) Nivel de contenido

< 5 Muy bajo 5 – 10 Bajo 10 – 15 Medio a bajo 15 – 20 Medio 20 – 25 Medio alto

> 25 Alto Nota: (P mg/100g de suelo) fósforo en miligramos contenidos de fósforo en 100 gramos de suelo

Tabla D3. Interpretación de los niveles de potasio modificado de Torri et al. (2007)

K (meq/100g de suelo) Nivel

≤ 0,12 Muy bajo 0,13 – 0,25 Bajo 0,26 – 0,51 Medio 0,52 – 0,64 Alto

≥ 0,65 Muy alto Nota: (K meq/100g de suelo) potasio en miliequivalente por 100 gramos de suelo

ANEXO E

Tabla E4. Datos de precipitación anual rellenados de las estaciones

meteorológicas del área de estudio de Chone (Autor, 2019)

Nombre de la estación

PORTOVIEJO CHONE (U. CATÓLICA)

BOYACA RÍO

CHAMOTETE-JESÚS MARÍA

RÍO CHICO EN ALAJUELA

Código de estación

M005 M0162 M163 M464 M454

AÑO Precipitación

(mm) Precipitación

(mm) Precipitación

(mm) Precipitación

(mm) Precipitación

(mm)

1990 217,40 320,39 484,8 501,4 573,1

1991 258,90 637,30 434,8 820,4 566,6

1992 945,40 1185,90 697,9 2010,3 1212,1

1993 373,50 1533,35 621,5 718,9 838,2

1994 490,50 1318,50 115,9 1132,9 574

1995 414,20 980,10 413,7 695,7 355,8

1996 399,50 620,60 309,8 696,2 381,9

1997 1350,90 2214,90 1708,4 2383,4 1928,8

1998 1699,00 2428,80 1682,5 3063,8 2335,9

1999 647,40 1540,20 651,4 1347,6 1147,2

2000 347,40 690,30 55,1 854,1 857,4

2001 766,20 1584,60 728,5 1342,7 812,2

2002 710,40 1388,30 160,1 718,4 1163,8

2003 327,60 846,50 580,3 197,2 567,3

2004 357,80 711,70 234,4 940,1 482,3

2005 627,70 802,90 292 1007,1 572

2006 408,50 1228,60 766,5 1011,6 830,3

2007 388,70 897,30 900,2 1059,9 754,5

2008 670,90 1269,60 939,2 1333,7 1077,7

2009 337,50 800,51 156 771,9 583,1

2010 745,90 1462,75 576,4 1542,7 1276,7

2011 355,20 831,10 313,6 938,8 564,7

2012 878,90 1355,96 1330,5 1934,2 1435,2

2013 663,60 1615,50 542,2 1169,2 906,8

2014 284,70 1140,10 582,5 783,4 711

2015 528,30 1529,80 633,6 1261,8 923,7

2016 448,10 510,97 411,51 721,56 534,47

2017 828,50 1463,1 760,85 1334,10 988,19

Nota: (mm) milímetros de agua anual

ANEXO F

Tabla F1. Cálculos y resultados de las determinaciones físicas en el laboratorio

de densidad aparente, densidad real, porosidad y humedad de los perfiles 26 – 32,

de la microcuenca del Río Chone (Autor, 2019)

DENSIDAD REAL DENSIDAD REAL

N° P. suelo

seco (g)

Vol. mL

Densidad aparente (g/cm3)

P. del matraz seco

25 m/L (1)

P. sec +suelo

5g suelo (2)

P. matraz aforado 25 m/L

(3)

P. matraz aforado

solo 25 m/L

(4)

P. part. suelo

ps

Vol. part del suelo

vs

Densidad real

(g/cm3)

Porosi-dad %

Humedad %

Perfil 26 40 50,0008 40 1,25 24,4280 29,4282 51,9075 49,502 5,0002 2,594 1,93 35,14 38,44 80 50,0003 48 1,04 21,7465 26,7474 49,0188 46,659 5,0009 2,646 1,89 44,89 50,50

120 50,0003 46 1,09 21,8222 26,8226 49,0279 46,721 5,0004 2,694 1,86 41,45 48,20 Perfil 27 40 50,0009 40 1,25 21,5672 26,5676 52,3197 49,3092 5,0004 1,994 2,51 50,14 50,31

80 50,0005 42 1,19 20,9059 25,9068 48,4924 45,7825 5,0009 2,296 2,18 45,34 61,87 120 50,0002 41 1,22 21,951 26,9516 49,5935 46,9130 5,0005 2,330 2,15 43,17 52,38 Perfil 28

40 50,0017 44 1,14 23,9686 28,9703 51,6870 48,8647 5,0017 2,180 2,29 50,46 50,91 80 50,0018 44 1,14 21,7153 26,7163 49,2619 46,4834 5,0010 2,224 2,25 49,47 70,35 120 50,0008 47 1,06 21,0400 26,0405 48,4583 45,9256 5,0005 2,469 2,02 47,46 72,07

Perfil 29

40 50,0056 44 1,14 21,1511 26,1634 48,4697 46,6560 5,0123 3,216 1,56 27,08 48,24 80 50,0019 45 1,11 21,1460 26,1696 48,6835 46,3280 5,0236 2,685 1,87 40,61 43,66 120 50,0004 44 1,14 21,3628 26,4051 49,2633 46,7256 5,0423 2,521 2,00 43,18 51,83

Perfil 30

40 50,0069 42 1,19 21,4024 26,4039 48,7554 46,1696 5,0015 2,426 2,06 42,24 54,43 80 50,0023 49 1,02 20,9928 25,9940 48,2764 45,7667 5,0012 2,508 1,99 48,83 60,14 120 50,0007 43 1,16 20,6975 25,7044 48,3132 45,5209 5,0069 2,225 2,25 48,32 58,23 Perfil 31 40 50,0033 41 1,22 21,7733 26,7738 49,1155 46,5127 5,0005 2,399 2,08 41,48 47,02 80 50,0035 40 1,25 20,9785 25,9798 48,3439 45,8575 5,0013 2,521 1,98 36,98 44,55 120 50,0078 39 1,28 20,8572 25,8604 48,4115 45,7736 5,0032 2,366 2,11 39,36 49,05 Perfil 32 40 50,0003 39 1,28 24,4141 29,4156 51,8983 49,4378 5,0015 2,542 1,97 34,83 48,66 80 50,0000 39 1,28 21,6745 26,6745 49,4518 46,5984 5,0000 2,147 2,33 44,95 54,62 120 50,0007 42 1,19 21,7152 26,7158 49,2816 46,6875 5,0006 2,408 2,08 42,68 75,12

Nota: (g) peso de suelo en gramos, (mL) volumen en mililitros, (g/cm3) densidad aparente en gramos cúbicos, (1) peso en gramos de

matraz aforado de 25 mL perfectamente limpio y seco, (2) peso en gramos de matraz más suelo, (3) peso en gramos de matraz con suelo

y aforado con agua destilada, (4) peso en gramos de matraz lavado y aforado con agua destilada, (ps) peso de partículas del suelo se

obtiene de la resta de [(2)-(1)], (vs) peso del agua desplazada por partículas de suelo, (g/cm3) densidad real en gramos cúbicos, (%)

porcentaje de porosidad, (%) porcentaje de humedad

ANEXO G

Tabla G1. Valores de la conductividad eléctrica, composición iónica, nitratos y fosfatos de los perfiles de suelo 1 – 25, en el extracto 1:1,

en los suelos de Chone (GICA, 2017)

Extracto 1:1

N° CE Na+ K+ Ca2+ Mg2+ ∑Cat Na+ K+ Ca2+ Mg2+ ∑Cat CO3

2- HCO3- Cl- SO4

2- ∑Anión CO32- HCO3

- Cl- SO42- ∑Anión N-NO³⁻ P-PO₄³⁻

(dS/m) (meq/L) (meq/100g) (meq/L) meq/100g mg/100g

1 0,05 0,48 0,02 0,02 0,04 0,55 0,05 0,00 0,00 0,00 0,06 0,00 0,44 0,11 0,00 0,55 0,00 0,04 0,01 0,00 0,06 0,01 0,01 2 0,17 0,46 0,40 0,60 0,44 1,89 0,05 0,04 0,06 0,04 0,19 0,00 1,57 0,28 0,04 1,90 0,00 0,16 0,03 0,00 0,19 0,01 0,02 3 0,34 0,13 0,05 0,11 0,05 0,35 0,01 0,01 0,01 0,01 0,03 0,00 0,14 0,12 0,08 0,34 0,00 0,01 0,01 0,01 0,03 0,00 0,00 4 0,66 0,20 0,11 0,25 0,11 0,67 0,02 0,01 0,02 0,01 0,07 0,00 0,23 0,22 0,22 0,66 0,00 0,02 0,02 0,02 0,07 0,00 0,00 5 0,63 0,18 0,14 0,19 0,13 0,63 0,02 0,01 0,02 0,01 0,06 0,00 0,25 0,20 0,20 0,66 0,00 0,02 0,02 0,02 0,07 0,00 0,00 6 0,26 0,09 0,05 0,08 0,04 0,26 0,01 0,01 0,01 0,00 0,03 0,00 0,11 0,10 0,06 0,27 0,00 0,01 0,01 0,01 0,03 0,00 0,00 7 0,31 0,12 0,06 0,09 0,05 0,31 0,01 0,01 0,01 0,01 0,03 0,00 0,13 0,11 0,08 0,32 0,00 0,01 0,01 0,01 0,03 0,00 0,00 8 0,29 0,92 0,96 0,62 0,66 3,16 0,09 0,10 0,06 0,07 0,32 0,00 2,82 0,31 0,04 3,17 0,00 0,28 0,03 0,00 0,32 0,00 0,03 9 0,31 1,06 0,50 1,26 0,54 3,35 0,11 0,05 0,13 0,05 0,34 0,00 2,15 0,82 0,40 3,37 0,00 0,22 0,08 0,04 0,34 0,02 0,00

10 0,25 0,10 0,03 0,09 0,03 0,25 0,01 0,00 0,01 0,00 0,03 0,00 0,13 0,07 0,05 0,25 0,00 0,01 0,01 0,00 0,03 0,00 0,00 11 0,10 0,46 0,16 0,29 0,22 1,13 0,05 0,02 0,03 0,02 0,11 0,00 0,39 0,55 0,19 1,13 0,00 0,04 0,05 0,02 0,11 0,00 0,01 12 0,15 0,55 0,45 0,39 0,26 1,65 0,06 0,05 0,04 0,03 0,16 0,00 0,82 0,65 0,19 1,65 0,00 0,08 0,06 0,02 0,17 0,00 0,04 13 0,33 0,10 0,06 0,13 0,04 0,33 0,01 0,01 0,01 0,00 0,03 0,00 0,15 0,12 0,06 0,33 0,00 0,02 0,01 0,01 0,03 0,00 0,00 14 0,54 0,14 0,08 0,26 0,07 0,55 0,01 0,01 0,03 0,01 0,06 0,00 0,28 0,14 0,11 0,53 0,00 0,03 0,01 0,01 0,05 0,00 0,00 15 0,30 0,16 0,04 0,07 0,04 0,30 0,02 0,00 0,01 0,00 0,03 0,00 0,13 0,09 0,08 0,31 0,00 0,01 0,01 0,01 0,03 0,00 0,00 16 0,26 0,67 0,51 0,92 0,76 2,86 0,07 0,05 0,09 0,08 0,29 0,00 1,36 0,86 0,64 2,87 0,00 0,14 0,09 0,06 0,29 0,00 0,00 17 0,08 0,33 0,25 0,28 0,33 1,19 0,03 0,02 0,03 0,03 0,12 0,00 0,72 0,45 0,01 1,17 0,00 0,07 0,04 0,00 0,12 0,01 0,00 18 0,48 1,12 0,94 1,08 1,15 4,28 0,11 0,09 0,11 0,11 0,43 0,00 2,07 1,31 0,96 4,34 0,00 0,21 0,13 0,10 0,43 0,01 0,03 19 0,10 0,34 0,22 0,29 0,39 1,24 0,03 0,02 0,03 0,04 0,12 0,00 0,98 0,24 0,02 1,25 0,00 0,10 0,02 0,00 0,12 0,01 0,01 20 0,19 0,48 0,46 0,49 0,56 2,00 0,05 0,05 0,05 0,06 0,20 0,00 0,99 0,65 0,34 1,98 0,00 0,10 0,07 0,03 0,20 0,01 0,01 21 0,19 0,50 0,53 0,46 0,50 2,00 0,05 0,05 0,05 0,05 0,20 0,00 1,19 0,48 0,32 1,99 0,00 0,12 0,05 0,03 0,20 0,02 0,03 22 0,09 0,28 0,19 0,22 0,28 0,96 0,03 0,02 0,02 0,03 0,10 0,00 0,66 0,24 0,07 0,97 0,00 0,07 0,02 0,01 0,10 0,01 0,01 23 0,18 0,55 0,34 0,48 0,57 1,95 0,06 0,03 0,05 0,06 0,19 0,00 1,11 0,81 0,03 1,95 0,00 0,11 0,08 0,00 0,20 0,00 0,01 24 0,03 0,10 0,00 0,00 0,00 0,10 0,01 0,00 0,00 0,00 0,01 0,00 0,10 0,00 0,00 0,10 0,00 0,01 0,00 0,00 0,01 0,01 0,00 25 0,03 0,10 0,00 0,00 0,00 0,10 0,01 0,00 0,00 0,00 0,01 0,00 0,10 0,00 0,00 0,10 0,00 0,01 0,00 0,00 0,01 0,00 0,00

Nota: (extracto 1:1) relación de agua-suelo 1:1, (N°) número de perfil, (m) metros, (CE) conductividad eléctrica (ds/m) decisiemens por metro, (Ca2+) calcio, (Mg2+) magnesio, (Na+) sodio, (K+) potasio, (∑Cat) suma de concentración de cationes, (CO3

2-) carbonatos, (HCO3-) bicarbonatos, (Cl-) cloro, (SO4

2-) sulfatos, (∑Anión) suma de concentración aniónica (meq/L) miliequivalentes por litro, (meq/100g ) miliequivalentes por 100 gramos de suelo (mg/100g) miligramos por 100 gramos de suelo



Extracto 1:5

N° CE

(dS/m) Na+ K+ Ca2+ Mg2+ ∑Cat Na+ K+ Ca2+ Mg2+ ∑Cat CO3

2- HCO3- Cl- SO4


- Cl- SO42- ∑Anión

N-NO³⁻

P-PO₄³⁻

(meq/L) (meq/100g) (meq/L) (meq/100g) (mg/100g)

1 0,02 0,23 0,14 0,03 0,02 0,42 0,11 0,07 0,02 0,01 0,21 0,00 0,26 0,15 0,00 0,42 0,00 0,13 0,08 0,00 0,21 0,01 0,01 2 0,07 0,24 0,45 0,24 0,24 1,16 0,12 0,22 0,12 0,12 0,58 0,00 0,98 0,16 0,02 1,16 0,00 0,49 0,08 0,01 0,58 0,01 0,02 3 0,06 0,42 0,00 0,18 0,00 0,61 0,21 0,00 0,09 0,00 0,30 0,00 0,24 0,21 0,15 0,60 0,00 0,12 0,10 0,08 0,30 0,00 0,00 4 0,16 1,01 0,01 0,57 0,00 1,59 0,50 0,01 0,29 0,00 0,80 0,00 0,58 0,50 0,54 1,62 0,00 0,29 0,25 0,27 0,81 0,00 0,00 5 0,13 0,39 0,32 0,30 0,30 1,30 0,20 0,16 0,15 0,15 0,65 0,00 0,56 0,25 0,51 1,31 0,00 0,28 0,12 0,25 0,66 0,00 0,00 6 0,07 0,29 0,12 0,29 0,01 0,71 0,15 0,06 0,14 0,01 0,36 0,00 0,37 0,24 0,09 0,70 0,00 0,18 0,12 0,05 0,35 0,00 0,00 7 0,07 0,43 0,17 0,09 0,01 0,71 0,22 0,09 0,05 0,00 0,35 0,00 0,27 0,38 0,05 0,70 0,00 0,14 0,19 0,02 0,35 0,00 0,00 8 0,13 0,36 0,61 0,40 0,35 1,72 0,18 0,30 0,20 0,18 0,86 0,00 1,64 0,06 0,03 1,73 0,00 0,82 0,03 0,01 0,86 0,00 0,03 9 0,11 0,45 0,31 0,44 0,33 1,53 0,23 0,15 0,22 0,16 0,77 0,00 1,38 0,13 0,03 1,54 0,00 0,69 0,06 0,01 0,77 0,00 0,00

10 0,08 0,44 0,03 0,34 0,01 0,81 0,22 0,01 0,17 0,00 0,41 0,00 0,52 0,20 0,09 0,81 0,00 0,26 0,10 0,04 0,40 0,00 0,00 11 0,03 0,11 0,14 0,12 0,12 0,49 0,06 0,07 0,06 0,06 0,24 0,00 0,39 0,09 0,01 0,49 0,00 0,20 0,04 0,00 0,24 0,00 0,01 12 0,06 0,22 0,25 0,13 0,13 0,74 0,11 0,13 0,06 0,07 0,37 0,00 0,59 0,14 0,01 0,74 0,00 0,30 0,07 0,00 0,37 0,00 0,01 13 0,06 0,33 0,16 0,11 0,01 0,61 0,17 0,08 0,06 0,00 0,31 0,00 0,40 0,19 0,01 0,60 0,00 0,20 0,10 0,01 0,30 0,00 0,00 14 0,24 1,55 0,04 0,82 0,01 2,43 0,77 0,02 0,41 0,01 1,21 0,00 1,64 0,50 0,26 2,40 0,00 0,82 0,25 0,13 1,20 0,00 0,00 15 0,06 0,55 0,04 0,00 0,01 0,60 0,28 0,02 0,00 0,01 0,30 0,00 0,19 0,25 0,17 0,61 0,00 0,09 0,12 0,09 0,30 0,00 0,00 16 0,06 0,30 0,25 0,34 0,31 1,20 0,15 0,13 0,17 0,16 0,60 0,00 1,05 0,13 0,02 1,21 0,00 0,52 0,07 0,01 0,60 0,01 0,00 17 0,02 0,35 0,28 0,08 0,08 0,79 0,17 0,14 0,04 0,04 0,39 0,00 0,72 0,07 0,00 0,79 0,00 0,36 0,03 0,00 0,39 0,04 0,02 18 0,08 0,40 0,24 0,23 0,22 1,09 0,20 0,12 0,11 0,11 0,54 0,00 0,98 0,09 0,02 1,09 0,00 0,49 0,05 0,01 0,55 0,02 0,07 19 0,03 0,45 0,08 0,29 0,26 1,08 0,23 0,04 0,15 0,13 0,54 0,00 0,98 0,10 0,00 1,08 0,00 0,49 0,05 0,00 0,54 0,02 0,03 20 0,05 0,21 0,61 0,22 0,27 1,31 0,11 0,30 0,11 0,13 0,66 0,00 1,25 0,06 0,01 1,33 0,00 0,62 0,03 0,01 0,66 0,02 0,03 21 0,06 0,26 0,37 0,23 0,22 1,07 0,13 0,18 0,11 0,11 0,54 0,00 0,98 0,08 0,02 1,07 0,00 0,49 0,04 0,01 0,54 0,03 0,07 22 0,02 0,58 0,28 0,18 0,13 1,16 0,29 0,14 0,09 0,06 0,58 0,00 1,05 0,11 0,00 1,16 0,00 0,52 0,05 0,00 0,58 0,02 0,01 23 0,04 0,29 0,21 0,22 0,20 0,92 0,14 0,10 0,11 0,10 0,46 0,00 0,79 0,11 0,01 0,91 0,00 0,39 0,06 0,01 0,46 0,01 0,03 24 0,01 0,10 0,00 0,00 0,00 0,10 0,05 0,00 0,00 0,00 0,05 0,00 0,10 0,00 0,00 0,10 0,00 0,05 0,00 0,00 0,05 0,02 0,00 25 0,01 0,10 0,00 0,00 0,00 0,10 0,05 0,00 0,00 0,00 0,05 0,00 0,10 0,00 0,00 0,10 0,00 0,05 0,00 0,00 0,05 0,00 0,00






Extracto 1:10

N° CE

(dS/m) Na+ K+ Ca2+ Mg2+ ∑Cat Na+ K+ Ca2+ Mg2+ ∑Cat CO3

2- HCO3- Cl- SO4


- Cl- SO42- ∑Anión

N-NO³⁻

P-PO₄³⁻

(meq/L) (meq/100g) (meq/L) (meq/100g) (mg/100g)

1 0,02 0,02 0,05 0,09 0,07 0,23 0,02 0,05 0,09 0,07 0,23 0,00 0,39 0,07 0,00 0,47 0,00 0,39 0,07 0,00 0,47 0,01 0,01 2 0,05 0,12 0,14 0,14 0,18 0,58 0,12 0,14 0,14 0,18 0,58 0,00 0,59 0,09 0,01 0,68 0,00 0,59 0,09 0,01 0,68 0,00 0,03 3 0,04 0,11 0,05 0,20 0,04 0,39 0,11 0,05 0,20 0,04 0,39 0,00 0,20 0,04 0,17 0,40 0,00 0,20 0,04 0,17 0,40 0,00 0,00 4 0,08 0,21 0,23 0,23 0,11 0,79 0,21 0,23 0,23 0,11 0,79 0,00 0,63 0,02 0,13 0,78 0,00 0,63 0,02 0,13 0,78 0,00 0,00 5 0,10 0,26 0,20 0,40 0,06 0,93 0,26 0,20 0,40 0,06 0,93 0,00 0,69 0,07 0,16 0,92 0,00 0,69 0,07 0,16 0,92 0,00 0,00 6 0,05 0,06 0,05 0,22 0,21 0,54 0,06 0,05 0,22 0,21 0,54 0,00 0,25 0,13 0,19 0,56 0,00 0,25 0,13 0,19 0,56 0,00 0,00 7 0,04 0,05 0,08 0,06 0,21 0,39 0,05 0,08 0,06 0,21 0,39 0,00 0,29 0,02 0,10 0,41 0,00 0,29 0,02 0,10 0,41 0,00 0,00 8 0,09 0,23 0,23 0,19 0,40 1,04 0,23 0,23 0,19 0,40 1,04 0,00 1,25 0,04 0,02 1,30 0,00 1,25 0,04 0,02 1,30 0,00 0,03 9 0,07 0,23 0,20 0,21 0,19 0,83 0,23 0,20 0,21 0,19 0,83 0,00 0,85 0,09 0,02 0,96 0,00 0,85 0,09 0,02 0,96 0,00 0,01

10 0,08 0,18 0,16 0,24 0,13 0,71 0,18 0,16 0,24 0,13 0,71 0,00 0,27 0,02 0,13 0,42 0,00 0,27 0,02 0,13 0,42 0,00 0,00 11 0,02 0,10 0,02 0,05 0,03 0,20 0,10 0,02 0,05 0,03 0,20 0,00 0,73 0,28 0,29 1,30 0,00 0,73 0,28 0,29 1,30 0,00 0,01 12 0,04 0,14 0,11 0,12 0,10 0,47 0,14 0,11 0,12 0,10 0,47 0,00 0,46 0,11 0,01 0,58 0,00 0,46 0,11 0,01 0,58 0,00 0,03 13 0,06 0,15 0,12 0,23 0,10 0,60 0,15 0,12 0,23 0,10 0,60 0,00 0,33 0,02 0,15 0,50 0,00 0,33 0,02 0,15 0,50 0,00 0,00 14 0,24 0,60 0,40 0,70 0,50 2,20 0,60 0,40 0,70 0,50 2,20 0,00 0,76 0,54 0,24 1,54 0,00 0,76 0,54 0,24 1,54 0,00 0,00 15 0,06 0,14 0,15 0,20 0,08 0,57 0,14 0,15 0,20 0,08 0,57 0,00 0,32 0,02 0,12 0,46 0,00 0,32 0,02 0,12 0,46 0,00 0,00 16 0,04 0,13 0,12 0,14 0,03 0,42 0,13 0,12 0,14 0,03 0,42 0,00 0,52 0,09 0,01 0,63 0,00 0,52 0,09 0,01 0,63 0,01 0,00 17 0,02 0,03 0,05 0,06 0,05 0,19 0,03 0,05 0,06 0,05 0,19 0,00 0,59 0,06 0,00 0,66 0,00 0,59 0,06 0,00 0,66 0,05 0,03 18 0,06 0,15 0,14 0,20 0,15 0,64 0,15 0,14 0,20 0,15 0,64 0,00 1,25 0,09 0,02 1,35 0,00 1,25 0,09 0,02 1,35 0,03 0,12 19 0,03 0,07 0,06 0,10 0,05 0,28 0,07 0,06 0,10 0,05 0,28 0,00 1,05 0,09 0,00 1,14 0,00 1,05 0,09 0,00 1,14 0,02 0,03 20 0,03 0,08 0,09 0,11 0,10 0,38 0,08 0,09 0,11 0,10 0,38 0,00 0,98 0,06 0,00 1,04 0,00 0,98 0,06 0,00 1,04 0,02 0,10 21 0,04 0,10 0,11 0,13 0,14 0,48 0,10 0,11 0,13 0,14 0,48 0,00 0,72 0,07 0,01 0,80 0,00 0,72 0,07 0,01 0,80 0,04 0,12 22 0,02 0,04 0,03 0,07 0,06 0,20 0,04 0,03 0,07 0,06 0,20 0,00 0,79 0,07 0,00 0,86 0,00 0,79 0,07 0,00 0,86 0,02 0,02 23 0,03 0,09 0,09 0,11 0,06 0,34 0,09 0,09 0,11 0,06 0,34 0,00 0,72 0,08 0,00 0,80 0,00 0,72 0,08 0,00 0,80 0,03 0,06 24 0,01 0,00 0,00 0,10 0,00 0,10 0,00 0,00 0,10 0,00 0,10 0,00 0,10 0,00 0,00 0,10 0,00 0,10 0,00 0,00 0,10 0,03 0,00 25 0,01 0,00 0,00 0,10 0,00 0,10 0,00 0,00 0,10 0,00 0,10 0,00 0,10 0,00 0,00 0,10 0,00 0,10 0,00 0,00 0,10 0,00 0,00




ANEXO H

Manual para manejar R

Un objeto tipo espacial se construye a partir de los limites en los que estoy trabajando

(bbox) y el datum (proj4string definido por el crs dado por el sistema de referencia), más

la información del dataframe que es la información de la variable. Seguido se presenta

los pasos para aplicar kriging:

1. Cargar mapas en R

Para descargar el mapa en: http://gadm.org/country

Cuando sea un formato .rds, es necesario crear un objeto con el comando

readRDS("filename.rds") donde filename.rds es el archivo descargado de la página

GADM. Los archivos se encuentran divididos por el nivel de administración siendo adm0

el nivel más bajo o el contorno del país y adm4 se encuentra divido en parroquias; cabe

mencionar que entre más detallado el mapa es más pesado.

Cargar las librerías para poder usar los datos descargados adicionalmente verificar que

el directorio de trabajo sea donde están los archivos de trabajo.

Figura H1. Detalle de comandos (Autor, 2019)

2. Geoestadística

Para este tipo de análisis en R se debe instalar los paquetes gstat, sp y geoR y cargar

los datos ya sea un archivo Excel o texto y con el comando str se verifica el contenido

del dataframe y con el comando head muestra el contenido de la tabla. Se define las

coordenadas del objeto.

http://gadm.org/country

3. Análisis exploratorio de los datos

En este punto se define si la distribución de los datos tiene o no dependencia espacial.

La sola representación gráfica (histograma) de los datos sin considerar los datos

espaciales puede dar una idea errónea de la forma de distribución.

El ejemplo de Meuse presentando en programa R se tiene: 155 análisis en el río de

diferentes variables entre ellas el zinc (Zn) y las coordenadas de los puntos de muestreo.

Entonces carga los datos, se verifica el contenido del dataframe (str); se observa que

no tiene definidas las coordenadas entonces aun no es un objeto espacial, se le define

las coordenadas y se verifica nuevamente el contenido del dataframe en la consola y ya

contiene coords.nrs, bbox y proj4strig, como se observa en la Figura H2.

Figura H2. Verificación de objeto espacial en la consola de R (Autor, 2019)

⎯ En el caso de no tener definido el sistema de georreferencia usar el comando

objeto.CRS <- CRS('+proj=longlat +ellps=WGS84').

⎯ Verificar la simetría de los datos antes de modelizar; esto se hace con el fin de que

los datos tiendan a normalizarse; por lo tanto, no se trabaja con las concentraciones

reales sino las estimadas a partir de valores teóricos definidos por la tendencia de

distribución de los datos.

⎯ En el programa R se va a observar la normalidad de los datos mediante un

histograma de la variable que se quiere analizar en este caso zinc. En la Figura H3(a)

se observa que los datos no tienen una tendencia normal entonces se procede a elegir

el modelo teórico que más se ajuste a la distribución de los datos; en este ejemplo se

utilizó la función logarítmica con la cual se simetrizó los datos, dando como resultado la

Figura H4(b) donde se observa como los datos tendieron a normalizarse. Con la variable

simetrizada Figura 3b se tiene el nuevo histograma y se puede empezar a trabajar para

obtener el variograma.

Figura H3. (a) Histograma real de los datos y b) variable ajustada a un modelo

teórico de un ejemplo establecido en el software R (Autor, 2019)

⎯ Para imprimir en un solo gráfico lo expuesto anteriormente se usa el comando

En este plot de la Figura H4 se observan la posición de cada punto de muestreo, si es

estrictamente estacionario, estacionario de segundo orden o intrínsecamente

estacionario. El primero en la práctica no es realista, mientras que con el segundo se

tratan la mayoría de los datos y puede ser isotrópico (depende solo de la posición y los

datos son parecidos) o anisotrópico (depende de la dirección del punto de observación)

y el último se calcula el semivariograma.

Nota: se debe conocer bien los modelos de regresión para poder elegir el más adecuado

a la distribución de los datos.

Figura H4. Gráfico unificado de una sola variable (Autor, 2019)

Hasta aquí se hace el análisis exploratorio y estudio de estacionareidad de los datos

4. Estimación de variogramas y covariogramas teóricos

𝛾(𝑡) 𝑠𝑒 𝑑𝑒𝑓𝑖𝑛𝑒 𝑝𝑜𝑟 𝐶𝑜 , 𝐶1, 𝑎

Esto quiere decir que el variograma se define por nugget o efecto pepita, umbral o

meseta y el rango.

⎯ El 𝛾(𝑡) = 0, la 𝜎2 = 0

⎯ En un proceso intrínseco la varianza existe y es finita.

⎯ El umbral no siempre existe, en casos en los cuales el proceso tiene efecto pepita el

umbral se denomina umbral parcial.

⎯ En un proceso estacionario de segundo orden el umbral coincide con la varianza σ2.

⎯ El rango define hasta que distancia los puntos dejan de depender de la distancia,

dentro de 𝑎 existe dependencia espacial, fuera de 𝑎 ya no existe dependencia.

En resumen, donde comienza la covarianza termina la varianza según Cuando dos

puntos están cerca, están altamente correlacionados, pero cuando un punto está más

lejos del otro esta correlación disminuye.

Ejemplo en R para caso isotrópico:

⎯ Se define un vector de saltos “u” con las siguientes condiciones a cumplir: desde una

distancia 0 hasta el 55% de la distancia máxima de la región de muestreo (maxlag) y la

distancia mínima donde se estima el variograma (minlag) y debe existir de 20 a 30 datos

por saltos, el número de saltos está definido por el comando

nlag=round(maxlag/minlag).

⎯ Se escoge el modelo de variograma, existen varios modelos teóricos y se define sus

parámetros, ver Figura H5.

Figura H5. (a) la dependencia espacial es alta cuando el nugget es bajo y el rango

es alto, (b) la dependencia espacial es baja cuando el nugget es alto y el rango es

bajo

Ejemplo R variogramas:

⎯ Seleccionar un variograma piloto al que se ajuste los datos ya simetrizados, por

ejemplo, con los datos simetrizados de zinc de meuse, asumiendo que es un caso

estacionario (~1) se realiza un diagrama de dispersión para distintos saltos de distancia,

en el ejemplo indica para cada 100m, se verifica que a distintos saltos la correlación

disminuye, por lo tanto, se evidencia dependencia espacial, ver Figura H8.

⎯ En la Figura H6 por defecto el paquete gstat de R se generaron 15 saltos entre

distancias en un máximo = 33% de la distancia máxima; éstos pueden ser definidos por

el investigador; donde cada salto debe tener al menos 20 a 30 pares de datos,

observándose que sí se cumple dicha condición.

Figura H6. Diagrama de dispersión para distintos saltos de distancia en el ejemplo

Meuse (Autor, 2019)

Figura H7. (np) número de saltos, número de pares tomados por salto, (dist)

distancia y gamma, del ejemplo Meuse (Autor, 2019)

⎯ Encontrar un estimador piloto al que se ajuste los datos ya simetrizados, por ejemplo,

se realiza el variograma empírico método momentos con tendencia constante (~1) o

cressie en el caso de datos atípicos (método más robusto), entonces se los compara

ver Figura H8.

Figura H8. Ejemplo de variograma (método momentos) y Cressie (Autor, 2019)

⎯ Seleccionar el modelo de variograma para validar el paso anterior, identificar valores

piloto de nugget, rango y umbral para el modelo, basado en el variograma piloto.

.

El software por defecto calcula los parámetros reales del variograma y se puedan aplicar

con la orden var.fit y se tiene los valores reales de los parámetros.

⎯ El comando ?fit.variogram ayuda a la función de ajuste, el programa por defecto se

ajusta a Mínimos Cuadrados Ponderados representado por el número 7 como se detalla

en la Figura H9.

Figura H9. Detalle del comando fit.variogram en R (Autor, 2019)

⎯ Al variograma empírico se le ajusta un modelo teórico y finalmente con el comando

attr(var.fit, "SSErr") se calcula el promedio del error cuadrático medio. También se puede

hacer un ajuste visual.

5. Predicción

⎯ Después del análisis estructural la variable está ajustada al variograma teórico,

definimos una nueva rejilla para las posiciones donde se van a realiza las predicciones

así, data(objeto.grid), se define la coordenadas de la rejilla y el objeto espacial como se

presenta la Figura H10.

Figura H10. Nueva grid para la predicción en el ejemplo Meuse de R (Autor, 2019)

⎯ Selección del método de predicción kriging sea este ordinario, universal o simple.

Para el kriging ordinadrio (KO) seguir las ordenes desde las de la Figura H11. El

comando ssplot(objeto.gstat) imprime en un solo gráfico la predicción y las varianza,

por lo tanto, se sugiere tener estas dos gráficas separadas para observar la varianza de

la predicción, para ello se debe instalar el paquete npsp y aplicar las ordenes de la

Figura H12 y se observa mejor como la varianza es mayor cuando hay menor muestras

para predecir.

Figura H11. Predicción y varianzas en el ejemplo Meuse de R (Autor, 2019)

Figura H12. Predicción y varianza de predicción separadas en diferentes gráficas

del ejemplo Meuse de R (Autor, 2019)

Nota 1: los variogramas no son teórico son subestimados, por lo tanto, la predicción

también es estimada.

⎯ Kriging Universal (KU) supone la existencia de una tendencia, dado por los residuos

del variograma estimado o empírico. En el ejemplo de zinc en meuse, se considera que

la concentración de este contaminante está relacionada con la distancia respecto a la

orilla; es la condición más común para explicar la tendencia. A este variograma

calculado se le ajusta un modelo teórico al que se le dan los valores de nugget, rango y

umbral, entonces el programa arroja los valores reales, finalmente se calcula el error

cuadrático medio con el método de ajuste de mínimos cuadrados ponderados se

comprueba que el error es mínimo.

⎯ Las varianzas de KU son subestimadas porque se obtiene a partir de los residuos y

no de errores teóricos. Como se presenta en la Figura H13 se comparan las varianzas

de KO y KU es evidente que como KU es estimada a partir de las distancias la zona

baja de predicción a comparación de KO es alta.

Figura H13. Comparación de varianza entre kriging ordinario (KO) y kriging

universal (KU) en el ejemplo Meuse de R (Autor, 2019)

Nota 2: el Kriging simple supone un caso especial de KU

6. Validación cruzada

⎯ En este paso Journel y Huijberts pag. 194 indica hacer Kriging con los 30 puntos más

cercanos, y no con todos o simplemente se usa una vecindad con el siguiente comando:

O se puede usar n-fold: divide al conjunto de datos en n-fold grupos, pues es una opción

más rápida:

Figura H14. Validación cruzada “residual” en el ejemplo Meuse de R (Autor, 2019)

La Figura H14 es un dataframe que devuelve: localización, predicción y varianza kriging,

valor observado, valor residual, zscore, fold. Donde zscore son los residuos

estandarizados; es el error que toma en cuenta las distancias, ver Figura H15.

Figura H15. Error residual y zscore en el ejemplo Meuse de R (Autor, 2019)

⎯ Realizar una estadística descriptiva y verificar que se cumplan las siguientes

condiciones: los valores del zscore deben de tener simetría, es decir, que el conjunto de

datos tenga normalidad y no sobrepasan de ±3; la media de zscore sea igual a 0, si

distan de 0 indica un mal ajuste del variograma; el error cuadrático medio adimensional

de éste no diste de 1, pues si se aleja de 1 significa un mal cálculo del variograma; y

finalmente calcular el error cuadrático medio de los residuos sea pequeño, para ello

aplicar los siguientes comandos:

universidad central del ecuador facultad de ......relación de la concentración de suma de cationes...

Documents