Los suelos colombianos presentan gran variabilidad en sus propiedades físicas, químicas y biológicas, lo cual amerita la aplicación del análisis espacial, con el fin de realizar un manejo racional y eficiente de las áreas productivas. Cuando una propiedad del suelo presenta alta heterogeneidad, es importante determinar si existen tendencias o zonas que permitan describir espacialmente dicho comportamiento (Jaramillo Jaramillo et al., 2011). Para tal fin, el análisis de variabilidad espacial y los métodos de estimación o predicción de valores en puntos no evaluados a través del uso de métodos de interpolación y predicción geoestadística juegan un papel clave (Henríquez et al., 2005). Técnicas como la distancia inversa ponderada (interpolación) y kriging (predicción) permiten la elaboración de mapas con diferentes temáticas y finalidades (Mousavi et al., 2017).

La interpolación es una técnica que calcula el valor de una variable para un sitio no evaluado en el espacio, como una estimación a partir de los valores conocidos de esa variable en otras posiciones cercanas donde si hay registros (Bosque Sendra, 1992). La metodología de interpolación más empleada se conoce como el método de la distancia inversa ponderada (IDW, por sus siglas en inglés) (Bivand et al., 2013) y se define como un promedio ponderado del valor de colindantes al lugar de predicción (Hengl, 2007), aunque puede tener variaciones. También se puede recurrir a técnicas de predicción espacial, como el kriging, que además de predecir valores determina la varianza de la estimación realizada. Esta metodología se encuentra dentro del área de la estadística espacial, particularmente en la geoestadística. Se deben cumplir tres fases en un estudio geoestadístico para aplicar este método de predicción: primero, un análisis de la estacionariedad, en segundo lugar, una evaluación de la correlación espacial y la isotropía y, por último, la predicción correspondiente por kriging (Schabenberger y Gotway, 2005; Waller y Gotway, 2004).

En la agricultura, estas metodologías se han aplicado para la delimitación de áreas en el control de enfermedades, el análisis de la contaminación de suelos, la evaluación de aspectos en entomología, nematología y fertilidad de suelos, entre otras (Petersen et al., 1995). A nivel mundial existen varios trabajos relacionados con la aplicación de métodos de interpolación y predicción para el estudio de la variabilidad espacial usando propiedades tanto físicas como químicas del suelo (Henríquez et al., 2005; Moreno Araujo, 2011; Mousavi et al., 2017; Villatoro et al., 2008). Estos autores indican que en cuanto a la predicción espacial de características presentes en el suelo en ocasiones un método presenta una mejor estimación que el otro. En Colombia, los estudios como los de Vásquez Polo et al. (2010) y Jaramillo Jaramillo et al. (2011), demuestran que no existe un patrón único en la distribución espacial de dicha variabilidad y la misma puede ser influenciada por el manejo agrícola y la escala de muestreo (Bravo et al., 2011). Por lo tanto, es importante establecer cual método (interpolación o predicción) puede modelar de forma más adecuada las características físicas del suelo para un lugar determinado y así conocer cómo se distribuyen estas propiedades del suelo, puesto que inciden de manera importante sobre el crecimiento de las plantas y la disponibilidad de nutrientes; aspectos fundamentales para la sostenibilidad y actividades asociadas al manejo agrícola (Burbano Orjuela y Silva Mojica, 2010).

Las medidas de tendencia central y variabilidad para A, DMP, DA, DR y CRAD se muestran en la Tabla 2. Los valores medios de las propiedades físicas del suelo evaluadas son semejantes a los mencionados en evaluaciones localizadas en los municipios de Santana y Güepsa (Ahumada González, 2015; Rueda Calier et al., 2015). La variabilidad de A y CRAD fue sobresaliente, como se muestra en los coeficientes de variación [CV] mayores al 35 %, lo cual puede deberse a la gran variedad de topografías y suelos que presenta la zona de estudio (IGAC, 2003, 2005). El contenido de arenas puede afectar la capacidad de retención de agua, puesto que a mayor contenido de A disminuye la CRAD (Montenegro y Malagón, 1990), mostrando que, si una de estas dos características es heterogénea, la otra presentó un comportamiento similar. Para estas variables se mencionan CV más bajos en el trabajo de Vásquez Polo et al. (2010), pero los muestreos usados fueron a longitudes inferiores a los empleados en este estudio.

Tabla 2

Table 2. Measurements of central tendency and variability for sand content (A), weighted mean diameter (WMD), bulk density (DA), true density (DR) and available water retention capacity (AWR). Calculated with data obtained in the HDRS.

La DA y el DMP presentaron CV entre 16-35 %; estas propiedades son afectadas primordialmente por las labores agrícolas de preparación del suelo para el establecimiento de los cultivos, puesto que al intervenir el suelo con el uso de implementos como arado o rastrillo se busca que las plantas tengan un medio adecuado para su desarrollo (Manrique Estupiñan et al., 2000) dando como resultado la homogenización de la DA y DMP en los primeros centímetros de profundidad de la capa arable. La DR presentó valores de CV menores al 15 % los cuales son similares a los presentados por Monroy-Rodríguez (2017).

En la Figura 2, se observan las regresiones no paramétricas (con las bandas de referencia para la hipótesis de no efecto) para las características de estudio. Estos gráficos indican que para las variables no se presenta una tendencia espacial del valor de la media, semejante a lo expuesto por Ceddia et al. (2009) y Jaramillo Jaramillo (2011) que asumieron estacionariedad con distancias de muestreo inferiores a 20 metros (en suelo perteneciente al orden gleysol (frigid Aeric Haplaquept) y aluvial). La DA presenta un comportamiento opuesto al de las otras variables, indicando una tendencia marcada respecto a la ubicación geográfica (longitud). Mayores valores de DA pueden ser atribuidos entre otras, a la implementación de labores de preparación del suelo que permiten una mayor aireación transitoriamente durante las primeras fases del cultivo, y al paso del tiempo estas condiciones pueden disminuir por la intervención de precipitaciones, riego y uso de maquinaria agrícola que puede compactar el suelo y, por ende, incrementar la DA (Montenegro y Malagón, 1990). Otro factor determinante para la presencia de altos valores de DA, es la característica de las operaciones de carga y transporte de la caña realizadas en la región, en donde son empleados animales (mulares) que retiran el producto cosechado del área del cultivo, llevándolo hasta las unidades de procesamiento (trapiche). Esta actividad resulta en intenso pisoteo de la pezuña de los animales en el suelo (Medina et al., 2012), transmitiendo las cargas al suelo y resultando finalmente en la compactación de este.

Figura 2

Figure 2. Dispersion of the values ​​of sand content (A), weighted mean diameter (WMD), bulk density (DA), real density (DR) and available water retention capacity (CRAD), with respect to plane coordinates (points blacks). Regression curve adjusted by Kernel methods (continuous black line). Confidence band of no effect (blue band).

El uso de herramientas estadísticas como las metodologías de interpolación y predicción pueden modelar el comportamiento de las propiedades físicas del suelo en la HDRS y ayudan para la interpretación de posibles fenómenos relacionados con estas propiedades.

Las dos metodologías de predicción llevan a mapas similares en todos los casos, sin embargo, los valores de las predicciones por kriging son más homogéneos en los pixeles de las figuras, mostrando zonas con mayor uniformidad para las propiedades físicas del suelo evaluadas, lo cual fue validado con mejores resultados en los estadísticos de la validación cruzada para las estimaciones realizadas usando kriging.

Ruy Edeymar Vargas Diaz: redacción – borrador original, investigación, curación de datos, análisis formal, visualización, redacción – revisión y edición.

Los autores declaran que no existen implicaciones éticas.

Los autores declaran que no existen conflictos de interés financieros o no financieros que podrían haber influido en el trabajo presentado en este artículo.