Content uploaded by Juan Quirós
Author content
All content in this area was uploaded by Juan Quirós on Oct 14, 2016
Content may be subject to copyright.
Congresso Brasileiro de Agricultura de Precisão - ConBAP 2016
Centro de Eventos da UFG – Goiânia - Goiás
4 a 6 de outubro de 2016
CONDUCTIVIDAD ELÉCTRICA APARENTE (CEa) COMO INDICADOR DE LA VARIABILIDAD
DE UN SUELO CULTIVADO CON ARROZ EN CONDICIONES TROPICALES
JUAN QUIRÓS1, JOSÉ P. MOLIN2, RAFAEL MATA3
1 EngºAgrônomo, Pós-Graduando, ESALQ-USP, Piracicaba –SP, juanquiros2@gmail.com
2 Eng° Agrônomo, Prof. Doutor, Depto. Engenharia de Biossistemas, ESALQ, USP, Piracicaba – SP, jpmolin@usp.br
3 Eng° Agrônomo, Prof. M.Sc., Centro de Investigaciones Agronómicas, CIA, UCR, San José – CR, rafael.mata@ucr.ac.cr
Apresentado no
Congresso Brasileiro de Agricultura de Precisão - ConBAP 2016
Goiânia, Goiás, 4 a 6 de outubro de 2016
RESUMO: Se estudió la Conductividad Eléctrica Aparente (CEa) como indicador de la variabilidad de un suelo
cultivado con arroz (Oryza sativa), en condiciones tropicales. Antes de medir la CEa en todo el terreno, se realizó
un análisis de semivarianza en una parcela de 2500 m2 para determinar la mínima densidad que se debería colectar
en el muestreo final, en el cual se tomaron 10 datos de CEa por hectárea. Los datos fueron colectados con un
equipo Landmapper ERM-02. Se identificaron tres puntos representativos de zonas homogéneas del terreno, en
los cuales se realizaron observaciones de campo y se tomaron muestras a 30 y 60 cm de profundidad para su
respectivo análisis en laboratorio. Se analizaron propiedades tanto químicas como físicas, y los resultados se
correlacionaron con los valores de CEa, de tal manera que aquellas variables que muestren alta correlación serían
las que determinan la heterogeneidad del suelo. En este caso las variables que correlacionaron con la CEa, y por
tanto las variables que definen la heterogeneidad del terreno, fueron el contenido de Mg, la CEe, la profundidad
del horizonte C, el contenido de limos y arenas y el contenido de MO.
PALAVRAS-CHAVE: Mapeo de suelos, conductividad eléctrica aparente, zonas homogéneas.
APPARENT ELECTRICAL CONDUCTIVITY (ECa) AS INDICATOR OF VARIABILITY IN A SOIL
CULTIVATED WITH PADDY UNDER TROPICAL CONDITIONS
ABSTRACT: Apparent Electrical Conductivity (ECa) was analyzed as an indicator of variability in a soil
cultivated with paddy (Oryza sativa) in tropical conditions. Before measuring ECa in the complete area, an analysis
of semivariance was performed in a plot of 2500 m2, in order to determine the minimum number of samples per
hectare that should be collected in the final sampling, for which 10 measurements of ECa per hectare were taken.
Data were collected with a Landmapper ERM-02 system. Three representative points of homogeneous areas of
low, medium and high ECa were identified; on each point field observations were made, and soil samples were
taken at 30 and 60 cm depth for its laboratory analysis. Both, physical and chemical properties were evaluated and
the results were correlated with ECa values, such that the variables showing high correlation, would determine
soil heterogeneity. In this case, the variables correlating with ECa, therefore the variables defining field
heterogeneity, were Mg content, the ECe, depth of horizon C, silt, sand, and OM content.
KEYWORDS: Soil mapping, apparent electrical conductivity, homogeneus zones.
INTRODUÇÃO: Conocer y manejar la variabilidad de un terreno es fundamental para obtener aumentos de
productividad. Por lo general, el método utilizado para determinar esa variabilidad se basa en intensos muestreos
de suelo que conllevan altos costos (Pozdenyakova, 1999). Además, estos estudios no suelen ser precisos debido
a que una muestra debe representar una grande área, con lo que métodos de interpolación para generar mapa
presentan mayor error. La medición de la CEa es determinada por un impulso eléctrico enviado a través del suelo,
que sigue tres vías: [1] la Conductividad Eléctrica (CE) de una vía que pasa de la fase líquida a la sólida de manera
intermitente, [2] la CE de la fase líquida del suelo, y [3] la CE de sus partículas sólidas (Corwin y Lesch, 2005).
Muchos estudios han demostrado que mapeos de CEa reproducen la heterogeneidad del terreno de una manera
práctica, y con bajo costo y buena precisión (Tabbagh y Cosenza, 2007). Los mapas de CEa permiten identificar
zonas homogéneas en el suelo, en las cuales se realizan análisis de propiedades físicas y químicas para determinar
las características edáficas que diferencian a cada zona. Los resultados de esos análisis se pueden correlacionar
con los datos de CEa y rendimiento, y así llegar a definir zonas de manejo específico (Kitchen et al., 2005). Este
es el principio de la agricultura de precisión, y entre sus principales beneficios se pueden citar: redistribución
optimizada de gastos en insumos, aumento en la producción, y disminución del impacto ambiental, entre otros
(Shoup et al., 2004). El objetivo de este trabajo fue, mediante mediciones de CEa, determinar cuáles variables
presentan mayor influencia sobre la heterogeneidad del suelo en el terreno estudiado.
MATERIAL E MÉTODOS: Se midió la CEa utilizando el equipo Landmapper ERM-02 (Landviser, Houston,
Texas, Estados Unidos), operado manualmente y cuya sensibilidad llega hasta 1m de profundidad. Para eso, los
electrodos fueron espaciados a 30 cm entre ellos. El terreno, de 25 ha, cultivado con arroz bajo riego, se localiza
en Bagaces, Guanacaste, Costa Rica (10.425597° Lat. Norte, y -85.164486° Long. Oeste). El área colinda al Oeste
con el Río Tenorio, en dirección al cual se presenta una pendiente cercana al 1 %.
Se realizó un análisis previo de semivarianza en una parcela de 2500 m2 localizada en un sector representativo del
terreno, con el cual se definió la densidad de muestras a tomar posteriormente en el muestreo definitivo del área
total de 25 ha. La parcela de 2500 m2 se dividió en 5 filas distanciadas a 5 m, y en cada fila se tomaron 10
mediciones también a cada 5 m; en total se obtuvieron 50 datos. Dicho análisis de semivarianza se realizó con el
módulo de análisis geoestadístico del programa ArcGIS 9.3, y se basó en el procedimiento expuesto por Johnston
et al. (2001). Dicho análisis siguió los siguientes pasos: (1) Incorporación de los datos a ArcGIS 9.3. Los datos
recolectados fueron digitalizados y transformados a un formato legible para este software. (2) Creación de la
superficie del mapa. Con los datos digitalizados se generó la superficie sobre la cual se trabajaría posteriormente
el análisis geoestadístico. (3) Ajuste del semivariograma. Para esto se realizaron los siguientes pasos: (3a) ajuste
de los datos a una distribución normal; (3b) identificación y eliminación de tendencias; (3c) eliminación de puntos
con información errónea; (3d) selección del mejor modelo para el semivariograma; (3d) ajuste de la influencia
direccional; (3e) validación del semivariograma. Para esto se utilizó un análisis de validación cruzada. (4) Ajuste
del mapa al área de interés. Se extrapolaron datos a los sectores que no alcanzó la interpolación, y se eliminó el
área mapeada que sobrepasaba los límites del terreno.
Con los resultados del análisis de semivariância se fijó una densidad de 10 puntos de muestreo por ha para el
muestreo definitivo en el área total de 25 ha, es decir, 250 puntos de muestreo en total. La información colectada
se procesó en el programa ESAP (2.35, USDA, Estados Unidos). Con este se identificaron tres puntos de muestreo
en el terreno; en cada uno se tomaron muestras de suelo a dos profundidades (30 y 60 cm). Para cada muestra se
analizaron las siguientes propiedades: Concentración de bases, pH, acidez, materia orgánica (% MO),
conductividad eléctrica de la solución del suelo (CEe), capacidad de intercambio catiónico efectiva (CICE),
capacidad de intercambio catiónico (CIC), textura y porosidad. Además, se expuso 1 m del perfil del suelo en cada
punto. Para esto se realizó una microcalicata de 40 cm de ancho x 50 cm de largo y 60 cm de profundidad; en el
fondo de esta se introdujo el barreno a 40 cm para completar la observación a la profundidad predefinida. El perfil
se expuso y se marcaron los horizontes. Con los resultados obtenidos en los análisis se estudió la correlación entre
la CEa y cada una de las variables. Se identificaron las variables de alta correlación con la CEa como las que más
influyen en la heterogeneidad del terreno.
RESULTADOS E DISCUSSÃO: Con los datos obtenidos en la parcela de 2500 m2 ubicada en un sector
representativo del terreno, se generó un semivariograma con el módulo de análisis geoestadístico (Figura 1a). Se
nota que los puntos ubicados a una distancia menor de 20 m son dependientes espacialmente (se encuentran bajo
el límite de dependencia espacial), mientras que aquellos ubicados a una mayor distancia pierden toda relación.
Cada punto de medición en el muestreo final debe estar ubicado máximo a 20 m de su vecino más próximo. El
mapa generado con los 250 datos colectados (Figura 1b) muestra dos secciones de alta CEa ubicadas al Noreste y
Suroeste del terreno; los valores del parámetro en esas zonas son mayores a 30 mS m-1. Por su parte, en el centro
del terreno la CEa adopta valores de medios a bajos, que se ubican en un rango de 15 a 30 mS m-1. Los sectores
con mayor CEa en la parte Noreste y Suroeste abarcan un área aproximada de 7 ha, lo cual es cerca de un 28 %
del área total. Los valores bajos de CEa cubren una zona de 9 ha (36 %), de la misma manera que el espacio
ocupado por valores medios. Los datos obtenidos en el muestreo identificaron los puntos en los que se debía
realizar las observaciones del suelo. Se realizó el muestreo en tres puntos localizados al Norte, Suroeste y Noreste
del terreno, que representaban valores de CEa altos (punto 1), medios (punto 2) y altos (punto 3) respectivamente.
Al obtener el coeficiente de determinación (R2) de las relaciones entre los valores obtenidos en los análisis de suelo
y los valores de CEa de cada punto, se detectaron algunas variables con buena correlación. En el caso de la cantidad
(%) de partículas grandes (arenas y limos) y la concentración de Mg se encontró una alta correlación a ambas
profundidades.
FIGURA 1. (a) Semivariograma generado con los datos obtenidos en el pre-muestreo; (b) mapa de CEa (mS/m)
con localización de puntos de observación de suelo identificados. (a) Variogram of the pre-
sampling data. (b) ECa map (mS m-1) with the locations of observation points identified.
La correlación con la CEe fue alta solamente a los 30 cm. Por su parte el % MO mostró alta correlación solamente
a 60 cm de profundidad. No existió correlación entre la CEa y las demás variables, siendo que el R2 fue menor a
0.85 en esos casos (Cuadro 1).
Cuadro 1. Correlaciones entre las variables analizadas y la CEa. Correlations between the variables analyzed
and the ECa.
Profundidad
(cm)
Correlación con CEa (5% de significancia.)
Arena
Limo
Arcilla
% poros.
CEe
pH
Acidez
Ca
Mg
K
CICE
%MO
30
0.96
0.90
0.20
0.25
0.98
0.04
0.44
0.12
0.91
0.04
0.05
0.27
60
0.98
0.95
0.44
0.44
0.28
0.10
0.56
0.58
0.86
0.10
0.09
0.98
% MO = materia orgánica. CEe = conductividad eléctrica de la solución del suelo. CICE = capacidad de intercambio catiónico
efectiva. CIC = capacidad de intercambio catiónico.
En los tres puntos observados se encontró un epipedón ócrico. Las características que ayudaron a identificar ese
suelo fueron el bajo contenido de MO, la carencia de estructura (estructura masiva) y la dureza en seco. También
se encontró un endopedón cámbico, que se identifica por no presentar las propiedades diagnósticas de otros
endopedones, como el contenido de MO y estructura de los mólicos o úmbricos. El suelo fue clasificado como un
Vertic Haplustepts, pertenece al orden de los Inceptisoles por presentar un epipedón ócrico sobre un endopedón
cámbico, como Ustepts por el regimen de humedad ústico, como Haplustepts por tener una alta saturación de bases
y como Vertic Haplustepts por presentar grietas en la época seca. Se desarrolló a partir de sedimentos aluviales y
coluvio aluviales altos en Ca, Mg y Si, depositados sobre la meseta de ignimbritas de Liberia. La principal
diferencia entre los perfiles de los tres puntos modales es que en el punto 1 el horizonte C se encontró a 45 cm de
profundidad, mientras que en los puntos 2 y 3 el mismo horizonte se detectó a 80 cm de profundidad (Figura 3).
Otra diferencia entre los perfiles fue el color, ya que en el punto 1 el color predominante fue pardo, y en los puntos
2 y 3 prevalecieron los colores rojos claros y rojos muy oscuros respectivamente. En el punto 1 se identificaron
los horizontes Ap-Bw1-Bw2-C1-C2-C3. Los horizontes Bw se caracterizaron por presentar color y estructura
diferente al horizonte Ap. El Bw1 presentó más concreciones de Mn. En los horizontes C2 se detectó la presencia
de manchas de Fe oxidado; a su vez, el C3 se separó del C2 por tener nódulos de Mn de mayor tamaño (Figura
3a).
Figura 3. Principales datos asociados a cada perfil en los puntos 1, 2 y 3. Main data associate with each profile
in the points 1, 2 and 3.
La textura en el punto 1 fue arcillosa para casi todos los horizontes, únicamente en el horizonte Ap esta fue arcillo-
arenosa. La estructura fue débil a masiva para los horizontes Ap, C1, C2 y C3, mientras que para los horizontes
Bw fue blocosa subangular (Figura 3a). A partir de 30 cm de profundidad, en los horizontes B y C se detectó una
presencia muy leve de restos de cenizas volcánicas. En el punto 2 los horizontes identificados fueron Ap-Bc-Bw1-
Bw2-C. Los primeros 30 cm de este perfil fueron muy similares a los del perfil del punto 1, la principal diferencia
fue en el color, ya que en este caso prevalecieron tonalidades rojizas claras. Se encontraron horizontes Bw
identificados por los mismos parámetros por los que se identificaron los horizontes Bw del primer punto (Figura
3b). Los horizontes Bw1 y Bw2 se diferenciaron entre sí, básicamente por un cambio de color en húmedo, ya que
las otras propiedades como textura, estructura, plasticidad, etc. fueron iguales. El color del Bw1 fue pardo
amarillento oscuro y el del Bw2 fue pardo fuerte. El horizonte C se diferenció por un cambio abrupto de color y
estructura, y por la presencia de manchas de Fe oxidado. Se detectó una débil presencia de ceniza volcánica a
partir de 48 cm de profundidad (al igual que el punto 1). En el punto 3, a diferencia de los dos anteriores, la textura
fue arcillosa desde el primer horizonte. Además, los horizontes identificados fueron Ap-BA-Bw1-Bw2-C (Figura
3c). Al segundo horizonte se le designó como BA debido a que presenta predominantemente características del B,
pero siempre posee algunas características del A; en este caso la textura y estructura que presenta el horizonte BA
son iguales a las del B, sin embargo, conserva el color del A. Los horizontes Bw del punto 3 también fueron
diferenciados entre sí por el color en húmedo, siendo un poco más claro el color del horizonte Bw1. El horizonte
C en este perfil fue muy similar al de los perfiles de los puntos 1 y 2. La distribución espacial de las características
pedológicas descritas debe ser analizada junto con información de rendimiento (por medio de monitores de
cosecha) y biomasa (por medio de sensoramiento remoto); eso, con el objetivo de definir zonas homogéneas de
gestión diferenciada (Molin et al., 2015), llegando así a la aplicación práctica de la metodología aquí presentada.
CONCLUSÃO: Las variables que definen la heterogeneidad del terreno estudiado terreno fueron el contenido de
Mg, la CEe, la profundidad del horizonte C, el % de limos y arenas y el % de MO.
AGRADECIMENTOS: Se agradece a Hacienda Mojica, lugar donde se realizó el estudio, y AgriCien S.A. por
haber ejecutado los contratos dentro del cual se realizó esta investigación.
REFERÊNCIAS:
CORWIN, D.; LESCH, S. Aparent soil electrical conductivity measurements in agriculture. Computers and
Electronics in Agriculture. v. 46, p. 11-43, 2005.
MOLIN, J.; M.; AMARAL, L.; COLAÇO, A. Agricultura de precisão. Oficina de Textos. SP, Brasil. 238 pp. 2015.
KITCHEN, N.; et al. Delineating productivity zones on claypan soil fields using apparent soil electrical conductivity.
Computers and Electronics in Agriculture. v. 46, p. 285-308, 2005.
POZDENYAKOVA, L. Electrical properties of soils. Tesis Ph. D. Wyoming University, Natural Resources
Department. 138 pp, 1999.
SHOUP, W.; LEE, W.; HARRISON, T. Agricultural systems management: Precision technologies for precision
management. Taylor & Francis Group. 32 pp, 2004.
TABBAGH, A.; COSENZA, P. Effect of microstructure on the electrical conductivity of clay-rich systems. Physics
and Chemistry on the Earth. v. 32, p. 154-160, 2007.
