UNIVERSIDAD CENTRAL DEL ECUADOR FACULTAD DE ......Relación de la concentración de suma de cationes...
Transcript of 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 6. Correlación entre las variables (ce) conductividad eléctrica, precipitación y
cota, de los perfiles del muestreo del año 2016 (Autor, 2019) ...................................... 28
Figura 7. Correlación entre las variables (ce) conductividad eléctrica, precipitación y
cota, de los perfiles del muestreo del año 2018 (Autor, 2019) ...................................... 29
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 15. (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 27 de la microcuenca de Chone (Autor, 2019) .......................... 39
Figura 16. (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 28 de la microcuenca de Chone (Autor, 2019) .......................... 39
Figura 17. (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 29 de la microcuenca de Chone (Autor, 2019) .......................... 40
Figura 18. (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 30 de la microcuenca de Chone (Autor, 2019) .......................... 40
Figura 19. (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 31 de la microcuenca de Chone (Autor, 2019) .......................... 41
Figura 20. (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 32 de la microcuenca de Chone (Autor, 2019) .......................... 41
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,
de los perfiles de suelo 26 – 32, de la microcuenca del río Chone (Autor, 2019) ........ 43
Figura 23. Distribución en profundidad de la concentración de potasio del extracto 1:1,
de los perfiles de suelo 26 – 32, de la microcuenca del río Chone (Autor, 2019) ........ 43
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
Tutor: PhD. David Vinicio Carrera Villacrés
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
Tutor: PhD. David Vinicio Carrera Villacrés
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)
Perfil Precipitación
(mm) Cota (m)
Perfil Precipitación
(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.
Figura 6. Correlación entre las variables (ce) conductividad eléctrica, precipitación
y cota, de los perfiles del muestreo del año 2016 (Autor, 2019)
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
Figura 7. Correlación entre las variables (ce) conductividad eléctrica, precipitación
y cota, de los perfiles del muestreo del año 2018 (Autor, 2019)
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 1,19 Minerales arcillosos
2,07 Mineral de
arcilla 42,62 Francas 27,17
3 1,18 Minerales arcillosos
2,39 Mineral de
arcilla 50,56 Arcillas 29,60
4 1,15 Minerales arcillosos
2,34 Mineral de
arcilla 51,00 Arcillas 38,60
5 1,10 Minerales arcillosos
2,15 Mineral de
arcilla 48,91 Francas 50,64
6 1,00 Minerales arcillosos
2,28 Mineral de
arcilla 56,14 Arcillas 42,27
7 0,99 Orgánico y volcánicos
2,27 Mineral de
arcilla 56,56 Arcillas 36,59
8 1,22 Francosos 2,23 Mineral de
arcilla 45,17 Francas 29,43
9 1,04 Minerales arcillosos
2,08 Mineral de
arcilla 49,79 Francas 32,98
10 1,18 Minerales arcillosos
2,45 Mineral de
arcilla 51,62 Arcillas 29,51
11 1,22 Francosos 2,04 Mineral de
arcilla 40,08 Francas 34,32
12 1,06 Minerales arcillosos
1,90 Horizontes orgánicos
44,21 Francas 54,03
13 1,14 Minerales arcillosos
2,18 Mineral de
arcilla 47,47 Francas 36,96
14 1,20 Francosos 2,25 Mineral de
arcilla 46,60 Francas 24,69
15 1,11 Minerales arcillosos
2,41 Mineral de
arcilla 54,00 Arcillas 21,39
16 1,11 Minerales arcillosos
2,44 Mineral de
arcilla 54,92 Arcillas 19,98
17 1,14 Minerales arcillosos
2,54 Mineral de
arcilla 55,12 Arcillas 12,14
18 1,19 Minerales arcillosos
2,47 Mineral de
arcilla 51,82 Arcillas 23,47
19 1,25 Francosos 2,39 Mineral de
arcilla 47,70 Francas 19,93
20 1,31 Francosos 2,52 Mineral de
arcilla 48,02 Francas 15,94
21 1,17 Minerales arcillosos
2,39 Mineral de
arcilla 51,05 Arcillas 27,47
22 1,14 Minerales arcillosos
2,56 Mineral de
arcilla 55,47 Arcillas 18,12
23 1,09 Minerales arcillosos
2,45 Mineral de
arcilla 55,51 Arcillas 18,17
24 0,95 Orgánico y volcánicos
2,39 Mineral de
arcilla 60,25 Arcillas 33,43
25 0,95 Orgánico y volcánicos
2,37 Mineral de
arcilla 59,92 Arcillas 37,61
26 1,25 Francosos 1,93 Horizontes orgánicos
35,14 Francas 38,44
27 1,25 Francosos 2,51 Mineral de
arcilla 50,14 Arcillas 50,31
28 1,14 Minerales arcillosos
2,29 Mineral de
arcilla 50,46 Arcillas 50,91
29 1,14 Minerales arcillosos
1,56 Horizontes orgánicos
27,08 Arenas 48,24
30 1,19 Minerales arcillosos
2,06 Mineral de
arcilla 42,24 Francas 54,43
31 1,22 Francosos 2,50 Mineral de
arcilla 51,27 Arcillas 47,02
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)
Extracto 1:1 Extracto 1:5 Extracto 1:10
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
40 cm 80 cm 120 cm Profundidad
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
Figura 15. (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 27 de la microcuenca de Chone (Autor, 2019)
Figura 16. (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 28 de la microcuenca de Chone (Autor, 2019)
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)
Calcio Magnesio Sodio Potasio
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
)
Concentración de cationes (meq/100g suelo)
Calcio Magnesio Sodio Potasio
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
Figura 17. (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 29 de la microcuenca de Chone (Autor, 2019)
Figura 18. (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 30 de la microcuenca de Chone (Autor, 2019)
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)
Calcio Magnesio Sodio Potasio
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
)
Concentración de cationes (meq/100g suelo)
Calcio Magnesio Sodio Potasio
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
Figura 19. (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 31 de la microcuenca de Chone (Autor, 2019)
Figura 20. (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 32 de la microcuenca de Chone (Autor, 2019)
0
20
40
60
80
100
120
0,00 2,00 4,00
Pro
fun
ida
d (
cm
)Concentración de cationes (meq/100g suelo)
Calcio Magnesio Sodio Potasio
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
)
Concentración de cationes (meq/100g suelo)
Calcio Magnesio Sodio Potasio
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)
Extracto 1:1 Extracto 1:5 Extracto 1:10
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
Extracto 1:1 Extracto 1:5 Extracto 1:10
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
1:1, de los perfiles de suelo 26 – 32, de la microcuenca del río Chone (Autor, 2019)
Figura 22. Distribución en profundidad de la concentración de fosfato del extracto
1:1, de los perfiles de suelo 26 – 32, de la microcuenca del río Chone (Autor, 2019)
Figura 23. Distribución en profundidad de la concentración de potasio del extracto
1:1, de los perfiles de suelo 26 – 32, de la microcuenca del río Chone (Autor, 2019)
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
40 cm 80 cm 120 cm Profundidad
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
40 cm 80 cm 120 cm Profundidad
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
40 cm 80 cm 120 cm Profundidad
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.
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 B3. Perfil 27
Imagen B4. Perfil 28
Imagen B5. Perfil 29
Imagen B6. Perfil 30
Imagen B7. Perfil 31
Imagen B8. Perfil 32
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
Tabla G2. Valores de la conductividad eléctrica, composición iónica, nitratos y fosfatos de los perfiles de suelo 1 – 25, en el extracto 1:5,
en los suelos de Chone (GICA, 2017)
Extracto 1:5
N° CE
(dS/m) 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⁻
(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
Nota: (extracto 1:5) relación de agua-suelo 1:5, (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
Tabla G3. Valores de la conductividad eléctrica, composición iónica, nitratos y fosfatos de los perfiles de suelo 1 – 25, en el extracto 1:10,
en los suelos de Chone (GICA, 2017)
Extracto 1:10
N° CE
(dS/m) 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⁻
(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
Nota: (extracto 1:10) relación de agua-suelo 1:10, (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
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.
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: