102641

5

Master Thesis ǀ Tesis de Maestría submitted within the UNIGIS MSc programme presentada para el Programa UNIGIS MSc at/en

Interfaculty Department of Geoinformatics- Z_GIS Departamento de Geomática – Z_GIS University of Salzburg ǀ Universidad de Salzburg

Mapa digital de suelos del municipio de Ovejas del departamento de Sucre, Colombia Digital soil map of the municipality Ovejas in the department of Sucre, Colombia by/por

Álvaro Iovanni Catacolí Valencia 01122897 A thesis submitted in partial fulfilment of the requirements of the degree of Master of Science– MSc Advisor ǀ Supervisor:

Antón Eitzinger PhD

Bogotá, Enero de 2020

6

COMPROMISO DE CIENCIA Por medio del presente documento, incluyendo mi firma personal certifico y aseguro que mi tesis es completamente el resultado de mi propio trabajo. He citado todas las fuentes que he usado en mi tesis y en todos los casos he indicado su origen.

Bogotá D.C., Enero de 2020 (Lugar, Fecha)

______________________ (Firma).

7

Agradezco a Dios por energizar mi cuerpo, a mi familia por estar allí y a los tutores que en este andar de la vida influyeron con sus lecciones para este gran logro.

Álvaro Iovanni Catacolí Valencia.

8

RESUMEN

El mapeo de suelos con un enfoque analítico tradicional demanda bastante tiempo y recursos. Por lo tanto, el mapeo digital predictivo de suelos sería de gran utilidad. Este estudio ha sido elaborado en torno al mapeo predictivo de suelos, utilizando un análisis cuantitativo de inferencia suelo-paisaje, con datos provenientes de levantamientos de suelos e información descriptiva del área de estudio. El procedimiento de este trabajo se desarrolló como sigue: primero se realizó la delimitación del área de estudio, segundo se ejecutó la contextualización, selección y recolección de información, tercero se hizo el análisis e interpretación y por último se obtuvo los resultados y procesamiento de la información. Una vez delimitada el área de estudio se identificaron y organizaron los datos requeridos para la modelación digital del suelo con el software SoLIM. El análisis estadístico e interpretación de la información se desarrolló con todos los factores formadores del suelo en la disgregación de polígonos, generando así un listado de mapas para el análisis de varianza-covarianza y componentes principales de correlación. Como resultado se obtuvo el mapa predictivo de suelos del municipio de Ovejas, Sucre, por medio de una serie de reglas de decisión utilizadas en SoLIM, de las cuales las capas descritas en el proceso, definieron la ubicación específica de diferentes tipos de suelos, de acuerdo a los parámetros establecidos por edafólogos expertos.

Palabras claves: SIG, Inteligencia Artificial, SoLIM, ArcGIS, Mapa digital de suelos

ABSTRACT Mapping of soils with a traditional analytical approach demands time and resources.

Therefore, digital predictive mapping of soils would be useful. This study has been prepared on predictive soil mapping, using a quantitative analysis of inference soillandscape, with data coming from surveys of soils and descriptive information of the study area. The procedure of this work was developed as follows: first, the delimitation of the study area was made, second contextualization, selection and collection of information were executed, third, the analysis and interpretation was realized to finally obtaine the results and information processing. Once delimited the study area, required data were identified and organized for soil modeling with SoLIM software digital. The statistical analysis and interpretation of the information was developed with all the forming soil factors in the disintegration of polygons, thereby generating a list of maps for the analysis of variance-Covariance and correlation components. As a result, the predictive soil map of the municipality of Oveja, Sucre was obtained through a series of decision rules used in SoLIM, of which the layers described in the process defined the specific location of different types of soils, according to the parameters established by pedologists experts.

Key words: GIS, Artificial Intelligence, SoLIM, ArcGIS, digital soil map

9

CONTENIDO pág.

1. INTRODUCCIÓN

15

1.1 ANTECEDENTES 1.2 OBJETIVOS 1.2.1 Objetivo general 1.2.2 Objetivos específicos 1.3 PREGUNTAS DE INVESTIGACIÓN 1.4 HIPÓTESIS 1.5 JUSTIFICACIÓN 1.6 ALCANCE

15 16 16 16 16 16 17 17

2. MARCO TEÓRICO

18

2.1 CONCEPTOS BASICOS 2.2 LEVANTAMIENTOS DE SUELOS 2.3 TIPOS DE LEVANTAMIENTOS DE SUELOS Y ALCANCE 2.3.1 Levantamientos de suelos exploratorios 2.3.2 Levantamientos de suelos generales 2.3.3 Levantamientos de suelos semidetallados 2.3.4 Levantamientos de suelos detallados y muy detallados 2.4 ÁREA DE ESTUDIO EN LOS LEVANTAMIENTOS DE SUELO 2.5 MAPA BASE EN EL LEVANTAMIENTO DE SUELOS 2.6 VARIABLES AMBIENTALES EN EL MAPEO DIGITAL DE SUELOS 2.7 METODOLOGÍAS PARA EL MAPEO DE SUELOS 2.7.1 Metodología para el mapeo de suelos utilizada por el IGAC 2.7.2 Metodología método SoLIM

18 22 24 24 25 25 25 26 26 28 29 29 31

3. METODOLOGÍA

34

3.1 ÁREA DE ESTUDIO 3.1.1 Localización y extensión 3.1.2 Geomorfología.

3.1.3 Clima 3.1.4 Suelos 3.2 METODOS 3.2.1 Recolección de información existente 3.2.2 Análisis de componentes principales 3.2.3 Aplicación del paquete de inferencia espacial 3.2.4 Generación de mapa de predicción cuantitativo de clases de suelos.

34 34 35 38 41 45 47 47 50 56

4. RESULTADOS Y DISCUSIÓN

57

4.1 MODELO DE MAPA DE SUELOS DEL MUNICIPIO DE OVEJAS, SUCRE, MEDIANTE EL ENFOQUE DEL SOFTWARE SoLIM 57 4.1.1 Análisis estadístico de los componentes 57

10

4.1.2 Obtener la variabilidad del suelo en cuanto a sus propiedades por medio de la predicción cuantitativa 58 4.1.3 Obtención de mapa de predicción de unidades de suelos utilizando el modelo de inferencia suelo-paisaje de SoLIM 58 4.2 DISCUSIÓN 59 5. CONCLUSIONES

62

BIBLIOGRAFÍA

64

ANEXOS

68

11

LISTA DE FIGURAS pág.

Figura 1. Ubicación Municipio de Ovejas. .................................................................. 35 Figura 2. TIN Municipio de Ovejas Sucre. .................................................................. 37 Figura 3. Hidrografía, Municipio de Ovejas Sucre, Colombia. ................................... 38 Figura 4. Mapa de precipitación total promedio anual municipio de Ovejas Sucre. ... 39 Figura 5. Mapa de clima municipio de Ovejas Sucre. ................................................. 40 Figura 6. Mapa de geología municipio de Ovejas, Sucre. ........................................... 42 Figura 7. Flujograma método implementado. .............................................................. 46 Figura 8. Vista del ambiente 3D mapper. .................................................................... 51 Figura 9. Vista modelo SoLIM de elevación digital municipio de Ovejas Sucre. ...... 52 Figura 10. Vista modelo SoLIM de relación de aspecto municipio de Ovejas Sucre. ............................................................................................................................ 53 Figura 11. Vista modelo SoLIM de curvatura planar municipio de Ovejas Sucre. ..... 53 Figura 12. Vista modelo SoLIM de pendientes municipio de Ovejas Sucre. .............. 54 Figura 13. Vista modelo SoLIM de Geología municipio de Ovejas Sucre. ................ 54 Figura 14. Mapa de predicción de clases de suelos. .................................................... 59 Figura 15. Mapa de unidades cartográficas de suelos. ................................................ 71

12

LISTA DE TABLAS pág.

Tabla 1. Leyenda de suelos.

43

Tabla 2. Clasificación suelos municipios de Ovejas.

44

Tabla 3. Establecimiento de relación de conjunto de suelos

55

Tabla 4. Matriz de correlación covariables ambientales

57

Tabla 5. Tipos de suelos resultados del modelo de inferencia.

58

Tabla 6. Tipos de suelos resultados del modelo analítico tradicional.

70

Tabla 7. Paralelos de los mapas obtenidos a partir del modelo de inferencia de SoLIM con el del modelo analítico tradicional de interpolación.

72

13

LISTA DE ANEXOS pág.

Anexo 1. Método para obtener el mapa predictivo de suelos, mediante el modelo analítico tradicional de interpolación tipo área, clase, polígono utilizando ArcGIS……………………………………………………………………...………...69

Anexo 2. Obtención de mapa de suelos con el modelo analítico tradicional de interpolación tipo área, clase y polígono……………………………………………...71

Anexo 3. Paralelo de los mapas modelo de inferencia suelo-paisaje de SoLIM con el modelo analítico tradicional de interpolación tipo área-clase-polígono……………...73

14

ÍNDICE DE ABREVIATURAS

DANE: Departamento Administrativo Nacional de Estadística.

DEM: Modelo Digitales de Elevación.

IDEAM: Instituto de Hidrología, Meteorología y Estudios Ambientales de Colombia.

IDW: Distancia inversa Ponderada.

IGAC: Instituto Geográfico Agustín Codazzi.

SIG: Sistema de Información Geográfico.

SoLIM: Soil Land Inference Model.

SMSS: Soil Management Support Services.

TIN: Redes Irregulares de Triángulos.

UCS: Unidad Cartográfica de Suelos.

USDA-NRCS: Departamento de Agricultura de los Estados Unidos y el Servicio de Conservación de Recursos Naturales.

15

1. INTRODUCCIÓN 1.1 ANTECEDENTES

El levantamiento de suelos es una metodología de estudio de gran importancia para la construcción de mapas de suelos, que sirven de base para el análisis potencial de uso, protección y conservación del recurso suelo, el cual es soporte de las actividades humanas y su conocimiento hace posible el óptimo ordenamiento de los territorios de un país. El uso de los Sistemas de Información Geográfica (SIG) ha contribuido a mejorar y acelerar el manejo, procesamiento, análisis y visualización de la información obtenida en los estudios de suelos.

La construcción de mapas o cartografía de suelos hoy en día se realiza utilizando aplicativos o software soportados en el SIG para realizar las actividades de edición, escaneo, digitalización y geoprocesos. Esta actividad es continua durante todo el proceso que implica un levantamiento de suelos.

En Colombia, la metodología para el mapeo de suelos es la utilizada por el Instituto Geográfico Agustín Codazzi (IGAC), basada en un enfoque analítico que orienta una aplicación sistemática de análisis geomorfológico de tipo “área-clase polígono”. Esta metodología demanda de un tiempo importante en las fases propias del levantamiento de suelos. Además, las salidas gráficas y digitales de los productos cartográficos del IGAC se realizan a través del módulo ArcMap del software ArcGIS, con limitaciones de uso y alto costo financiero.

El municipio de Ovejas del departamento de Sucre cuenta con estudios de suelos a escala 1:100,000, cartografía desarrollada por el IGAC, fotografías aéreas e imágenes satelitales Landsat. La productividad agropecuaria del municipio de Ovejas se ve limitada al no contar con estudios y zonificaciones de suelos a escalas más detalladas.

El proyecto SoLIM (Soil Land Inference Model o modelo de inferencia suelopaisaje) es presentado por el Departamento de Geografía de la Universidad de Wisconsin Madison (2001), como una tecnología para el mapeo de suelos que combina los SIG, la

16

inteligencia artificial y la teoría de la representación de la información, orientado a mejorar los métodos, la eficiencia y la precisión de los levantamientos de suelos.

1.2 OBJETIVOS

1.2.1 Objetivo general

Predecir el tipo de suelo con un modelo digital de suelos para el municipio de Ovejas del departamento de Sucre, Colombia.

1.2.2 Objetivos específicos

a) Generar un modelo de mapa de suelos del municipio de Ovejas, Sucre, mediante el enfoque del software SoLIM. b) Obtener la variabilidad del suelo en cuanto a sus propiedades por medio de la predicción cuantitativa.

1.3 PREGUNTAS DE INVESTIGACIÓN

a) ¿Qué variaciones del suelo se logran identificar con el modelo de lógica difusa de SoLIM a partir de información obtenida de atributos de paisaje? b) ¿Cuál es el resultado de interrelacionar reglas de decisión y factores formadores del suelo utilizando el modelo de lógica difusa de SoLIM?

1.4 HIPÓTESIS

Los mapas digitales de suelos elaborados para el municipio de Oveja, departamento de Sucre, Colombia, mediante el procedimiento de lógica difusa de SoLIM, permiten la representación y predicción de clase de suelos de manera disgregada, articulando características geomorfológicas, geológicas y climáticas con reglas de decisión.

17

1.5 JUSTIFICACIÓN

Los levantamientos de suelos son metodologías que permiten estudiar y reconocer las características físicas, químicas y biológicas del suelo, al igual que su comportamiento y distribución espacial. Uno de los productos de los levantamientos de suelos son los mapas que se construyen, considerando los factores formadores del suelo para predecir su distribución. La obtención de los mapas tradicionalmente se realiza mediante la fotointerpretación de fotografías aéreas e información tipo: Geológica, hidrográfica, geomorfológica, clima, fauna, flora, entre otros. Estos procedimientos pueden ser costosos, subjetivos y lentos. La necesidad de un mapa de suelos del municipio de Ovejas para el sector agropecuario es de gran importancia y serian de gran valor, porque permiten servir de bases para posteriores estudios en otros contextos similares, si se utilizan técnicas de SIG que combine datos ambientales con conocimientos extraídos de los expertos de suelos o de otras fuentes. Los mapas resultados estarían en formato digital y georeferenciados listos para el análisis (Zhu, Hudson, Burt, Lubich y Simonson, 2001).

1.6 ALCANCE

El alcance de esta tesis es la construcción de un modelo de mapa digital de predicción de suelos, mediante la metodología SoLIM, que permita acelerar los procesos de búsqueda de la información de suelos del área de estudio y reduzca el trabajo cartográfico permitiendo a los expertos una mayor concentración de análisis en lo que son las relaciones suelo, paisaje y los procesos de formación de suelo.

Con los datos recolectados del municipio de Ovejas del departamento de Sucre, Colombia, se realizará el modelo de mapa digital de suelos predictivo que servirá de base para otros estudios de investigación o aplicación regional.

18

2. MARCO TEÓRICO La caracterización de los suelos de un país, región o área de interés se realiza mediante levantamientos edafológicos, que permiten la clasificación de propiedades y unidades de suelo representados en bases de datos y mapas cartográficos de suelos, que integran aspectos geomorfológicos, climáticos, pedológicos, de cobertura vegetal y uso, con el fin de establecer: La capacidad, el potencial, las limitaciones, el conflicto de uso y manejo de los suelos (Soil Survey Division Staff, 1993).

El Departamento de Agricultura de los Estados Unidos y el Servicio de Conservación de Recursos Naturales (USDA-NRCS) en su undécima edición de las Claves para la Taxonomía de Suelos del 2010 (USDA-NRCS, 2010) define el suelo como un cuerpo natural conformado por sólidos, líquidos y gases que ocurren en la superficie de la tierra ocupando un espacio.

Malagón Castro (1998) hace referencia al concepto de suelo como una recopilación de cuerpos naturales a la superficie de la corteza terrestre, con capacidad de albergar vida, resultante de la acción de eventos llamados procesos de formación generados por la acción de factores externos al suelo, como el clima y los organismos vivos que interaccionan sobre materiales geológicos que son transformados en función del tiempo de actuación.

2.1 CONCEPTOS BASICOS

Se referencia a continuación los conceptos que se usan frecuentemente en el levantamiento y mapeo de suelos: pedon, paisaje, relieve, clima, organismos, tiempo, material parental, unidades cartográficas y unidades taxonómicas.

Pedon: Según Aubert y Boulaine (1967), es el volumen más pequeño que puede ser llamado suelo.

Paisaje: Es la unidad en la cual se presentan características climáticas, morfológicas, litológicas y de edad muy similares (Villota, 1997).

19

Clima: Los componentes climáticos básicos que mayor incidencia tienen en la evolución del suelo, de acuerdo con Jaramillo (2002), son la precipitación, la temperatura y los vientos, al igual que el conjunto de procesos físicos y biológicos que originan el desarrollo de los suelos.

Edafología: Es la ciencia que estudia la naturaleza y propiedades del suelo en relación a la producción vegetal y el entorno que lo rodea (Giuffré, 2011).

Perfil: Es una exposición vertical de la zona superficial de la corteza terrestre (Casanova, Vera, Luzio y Salazar, 2004). Los perfiles modales representan la unidad cartográfica de suelo, son los puntos muestreados de forma detallada en un levantamiento de suelos.

Material parental o litológico: El material parental del suelo está compuesto por aquellos materiales que le dan origen, ya sean saprolitos (algunos de los productos de la alteración de las rocas) o sedimentos no consolidados, de cualquier procedencia y composición (Jaramillo, 2002).

Organismos: Un organismo es el conjunto de órganos que componen un ser vivo.

Su unidad básica es la célula y en ella se llevan a cabo procesos químicos que configuran su metabolismo, para los que toma elementos nutricionales y energía del ambiente, según Brock y Madigan (1991).

Relieve: Jaramillo (2002) considera el

relieve como el conjunto de formas o

geoformas que se presentan en la superficie de la tierra. Las formas del terreno en un sentido amplio son el objeto de estudio de la geomorfología, así como los suelos son objeto de estudio de la pedología. Estas dos disciplinas establecen relaciones estrechas y mutuas que se dan entre las formas de la superficie terrestre y los suelos asociados a dichas formas que coexisten y coevolucionan dando origen al concepto de geopedología que se centra en el levantamiento de suelos (Zinck, 2012).

20

Perfil de curvatura: Curvatura que intersecta con el plano definido por el eje Z y la dirección de la gradiente máxima. Corresponde a la curvatura vertical del perfil en el sentido de la pendiente (Wood, 1996).

Curvatura plana: Curvatura horizontal, que intersecta con el plano XY. Corresponde a la curvatura horizontal (Wood, 1996).

Para Wood (1996), las curvaturas del perfil y la curvatura horizontal “son útiles en tanto ellas separan la curvatura en dos componentes ortogonales donde los efectos de del proceso gravitacional se maximizan en un caso o se minimizan en el otro” (p. 185).

Aspecto: Corresponde a la dirección o azimut de la gradiente máxima. Se proyecta el vector de la gradiente máxima en el plano horizontal y el valor del azimut de esta proyección constituye el valor del “aspecto”. El valor del aspecto varía de 0° a +180° cuando se va del Oeste al Norte y al Este. El valor del aspecto varía de 0° a -180° cuando se va del Oeste al Sur y al Este (Arias y Cabrera, 2016)

Pendiente: Es la variación de la altitud con respecto a la distancia horizontal mostrando valores en grados de 0º a 90º y se relaciona con la litología y el clima (Morisawa, 1985).

Sombreado: El sombreado del relieve proporciona información sobre la luz y ayuda enaltecer la topografía del paisaje (Thelin y Pike, 1991)

De acuerdo con Arias, González y Arias (2000), las formas y la dinámica del relieve se definen en un entorno donde confluyen influencias climáticas y geológicas y la intensidad con la cual han actuado estas influencias es utilizada, frecuentemente, para clasificar los tipos de relieve.

Tiempo: la edad del suelo se refiere al tiempo evolución. La edad del suelo se relaciona con la edad de las rocas que corresponde a la edad del período durante el cual ellas se formaron siendo siempre mayor a la edad del suelo y a la edad del material parental teniendo en cuenta si este es una roca que se ha meteorizado (saprolito) o si es un

21

sedimento. En cualquiera de los dos casos, la edad del suelo es menor o igual a la del material parental (Jaramillo, 2002). Según criterio de Porta, López, Acevedo y Roquero (1994), ubican el tiempo cero de la formación del suelo en el momento en el cual se formó la superficie geomorfológica sobre la que evoluciona el suelo, por este

motivo, se

considera que el suelo y la geoforma tienen la misma edad.

Similitud: La similitud S21 se define como el complemento a uno de la distancia D15 como responde a la siguiente ecuación: S21=1−D15=1−χ2 “Dado que χ2 produce valores menores que 1, entonces S21 producirá valores cercanos a cero o negativos cuando no haya similitud y valores cercanos a uno cuando son parecidos. Cuando D=1−S la distancias D15 es métrica y euclídea, y también la raíz cuadrada es métrica y euclídea” (Real y Vargas, 1996, párr.10).

La lógica difusa: también denominada como lógica borrosa es una extensión de la lógica tradicional (Booleana) que utiliza conceptos de pertenencia o membresía de sets más parecidos a la forma de pensar del ser humano. Zadeh (1965) introduce el concepto de subset difuso como una generalización de un subset exacto (crisp subset) tradicional. Los subsets exactos usan lógica booleana con valores exactos como por ejemplo la lógica binaria que usa valores de 1 o 0 para sus operaciones. La lógica difusa es un sistema matemático que modela funciones no lineales, que convierte unas entradas en salidas acorde con los planteamientos lógicos que usan el razonamiento aproximado (Yager y Filev, 1994, p. 23).

Lógica difusa en inteligencia artificial: Técnica de lógica en máquinas equivalente al pensamiento humano, que puede procesar información incompleta o incierta, exclusivo de muchos sistemas expertos. Con la lógica difusa o borrosa se puede gobernar un sistema por medio de reglas de una inteligencia natural las cuales se refieren a cantidades indefinidas. En general la lógica difusa se puede aplicar tanto a sistemas de control como para modelar cualquier sistema continuo de ingeniería, física, biología o economía (Yager y Filev, 1994, p. 23).

22

Conjuntos difusos: son aquellos conjuntos que pueden contener elementos de forma parcial, es decir, tienen implícito un cierto grado de difusidad en la descripción de su naturaleza. Esta pertenencia difusa puede estar asociada con su forma, posición, momento, color, textura, o incluso en lo que son (Yager y Filev, 1994, p. 24).

Coeficiente de correlación de Pearson: es un índice que mide la fuerza y el sentido de una relación lineal entre dos variables cuantitativas y continuas. Los valores están comprendidos entre -1 y 1. Cuando el índice tiende a 1 absoluto en cuanto a la fuerza de asociación lineal la relación es más fuerte y si tiende a 0 la relación es débil. La relación es directa o positiva si el valor es positivo y si el valor es negativo, la relación es inversa o negativa (Restrepo y González, 2007).

Unidades cartográficas de mapeo: Según el Soil Management Support Services (SMSS, 1985), la cartografía temática de suelos muestra un contiguo de áreas completamente definidas por líneas, denominadas como delineación de suelos y las delineaciones de suelos identificadas con un mismo símbolo en el mapa, conforman una unidad cartográfica.

Unidades taxonómicas: las unidades cartográficas son definidas con unidades taxonómicas de suelos, que responde a una clasificación en función de varios parámetros o propiedades que se desarrollan en niveles o unidades de orden, suborden, gran grupo, subgrupo, familia y serie, cuando los suelos se están clasificando según el sistema taxonómico norteamericano (Jaramillo, 2002).

Mapeo Predictivo de Suelos: Es una representación gráfica de un modelo numérico o estadístico de la relación entre variables medioambientales y propiedades del suelo en combinación de bases de datos geográficas (Scull, Franklin, Chadwick, y Mcarthur, 2003).

2.2 LEVANTAMIENTOS DE SUELOS

Los levantamientos de suelos tienen como objeto mostrar, mediante mapas, la distribución espacial predictiva, el uso y la calidad de los suelos en un área de estudio seleccionada. Para alcanzar este objetivo, es necesario determinar un modelo de

23

distribución de suelos, donde la superficie del terreno se dividida mediante delineaciones y caracterizaciones aproximadas a la realidad geográfica, con tendencias homogéneas (Rossiter, 2000).

Rossiter (2000) plantea que “El levantamiento de suelos o más propiamente el inventario del recurso suelo, es el proceso por el cual se determina el patrón de cobertura del suelo, caracterizándolo y presentándolo de forma entendible e interpretable para varios clientes” (p.2).

Rossiter (2000) realiza su interpretación utilizando el término de patrón de cobertura del suelo refiriéndose a la distribución de los suelos en una dimensión espacial y de interrelación de los mismos.

Malagón Castro (1998), define el levantamiento de suelos como “un inventario de tierras que tiene por objeto conocer su distribución espacial, es decir su geografía, a diferentes niveles de detalle, de acuerdo con los propósitos buscados y el nivel jerárquico taxonómico de su clasificación” (p. 4). Hace hincapié en la distribución espacial de los suelos a diferentes niveles de detalles sin perder de vista la clasificación taxonómica del suelo.

Dentro de la metodología de levantamientos de suelos del IGAC (2011), se resalta la importancia de los levantamientos para conocer la distribución y la calidad de los suelos.

La información que resulta “constituye el insumo esencial para la elaboración de los planes de desarrollo regional, local y diversos estudios del medio biofísico” (IGAC, 2011, p.18), aspectos que son relacionados al conflicto y vulnerabilidad del uso de los suelos, que generalmente son asociados a la acción de agentes naturales, específicamente atmosféricos junto con los provocados por la intervención del ser humano, dando lugar a la aptitud de uso, prácticas y manejo de los suelos, que permiten la conservación dentro de los conceptos de un desarrollo sostenible.

El IGAC se concentra en su definición no solo en la distribución espacial de los suelos sino que también resalta la calidad de los suelos que se obtienen a la hora de tomar

24

decisiones en los planes de desarrollo, en la investigación y en las medidas de conservación.

Según IGAC (2011), los levantamientos de suelos son observaciones localizadas geográficamente con un nivel de jerarquía taxonómica a diferentes niveles de detalle, que aprovecha las tecnologías de la información geográfica como los sistemas mundiales de navegación satelital, los sistemas de información geográfico, la teledetección y sensores remotos en la identificación, medición y análisis de diferentes variables que caracterizan el suelo (físicas, químicas, biológicas, mineralógicas y morfológicas), creando modelos que tienen como fin determinar el patrón de distribución espacial de los suelos, conflictos de uso, aptitud y manejo de los mismos, representados en mapas y bases de datos.

2.3 TIPOS DE LEVANTAMIENTOS DE SUELOS Y ALCANCE

En todos los casos la finalidad de un levantamiento de suelos es mostrar la distribución geográfica de los suelos. Pero existen diferencias importantes en el nivel de detalle del levantamiento para alcanzar unos objetivos específicos.

El nivel de detalle o escala de los levantamientos representados mediante mapas de suelos, depende del objetivo buscado. El IGAC (2011), dentro de su metodología, varía la utilización de escalas según el tipo de levantamiento y lo clasifica por nivel de intensidad como: exploratorio, general, semidetallado, detallado y muy detallado. Este nivel de detalle también está relacionado con la clasificación taxonómica según el sistema de nomenclatura de suelos Soil Taxonomy propuesto por Soil Survey Division Staff (1993) de los Estados Unidos, el cual contiene seis categorías de homogeneidad, del más alto al más bajo nivel de generalización ellas son: orden, suborden, gran grupo, subgrupo, familia y serie (IGAC, 2011).

2.3.1 Levantamientos de suelos exploratorios

Las escalas de mapeo 1:1,000,000 a 1:500,000 responden a levantamientos de suelos exploratorios que tienen como objetivo

el reconocimiento de información

preliminar de suelos, estudios generales o didácticos. Este tipo de levantamientos se

25

emplea para representa países o regiones; los detalles de información suministrados por este tipo de mapas

son de baja densidad de observación, a un nivel de categoría

taxonómica de orden de suelo (USDA-NRCS, 2010).

2.3.2 Levantamientos de suelos generales

En los levantamientos generales, de escala 1:250,000 a 1:100,000, se definen áreas de acuerdo a su vocación agrícola, pecuaria, forestal, conservación, lo que permite establecer el mejor uso de sus tierras que, integrados con la cobertura y uso actual, genera zonas de conflicto de uso, apoya la zonificación con fines de ordenamiento territorial.

Aportan importantes datos sobre los suelos y sus factores formadores. Las unidades cartográficas están constituidas por clases taxonómicas, orden, subórdenes, grandes grupos, subgrupos de suelos (USDA-NRCS, 2010). Los levantamientos de suelos generales sirven de base para elaborar otros mapas interpretativos.

2.3.3 Levantamientos de suelos semidetallados

Los levantamientos semidetallados escala 1:50,000 1:25,000 generalmente son requeridos para las etapas de prefactibilidad y factibilidad de distritos de riego y drenaje.

Con ellos se busca conocer la respuesta económica de las tierras regadas o drenadas, obviamente bajo el criterio de sostenibilidad. Además, son útiles en planes de desarrollo y proyectos municipales. Las clases taxonómicas son de nivel categórico de familias (USDA-NRCS, 2010).

2.3.4 Levantamientos de suelos detallados y muy detallados

Los mapas de suelo de levantamientos detallados y muy detallados o ultradetallados están dados a escala 1:10,000 y 1:5,000 respectivamente son utilizados a nivel de finca, con alta densidad de observaciones, y constantes controles de campo. Las clases taxonómicas son de nivel categórico bajo familias y series (USDA-NRCS, 2010).

26

2.4 ÁREA DE ESTUDIO EN LOS LEVANTAMIENTOS DE SUELO

El área de estudio se supone encierra un levantamiento de suelos, un orden en la naturaleza con relaciones causales entre factores ambientales biótico y abiótico, donde se identifica y divide la tierra en unidades genéticamente semejantes. Implica, generalmente, una clasificación divisiva con un enfoque analítico. Dentro del área de estudio establecida se determina la densidad de muestra en función de estudios anteriores como: suelos, geología, geomorfología, clima, uso actual, zonas de vida, ecosistemas, medio biofísico, socioeconómico y cultural (Dorronsoro, 2009).

2.5 MAPA BASE EN EL LEVANTAMIENTO DE SUELOS

Los mapas de suelos es el resultado de conocer la génesis y evolución de los suelos sintetizados en un sistema taxonómico que muestran la repartición cartográfica del recurso a un nivel de detalle requerido (Malagón Castro, 1998).

El mapa de suelos es conformado por delineaciones y unidades cartográficas, definidas por agrupación de alineaciones de un mismo símbolo, el cual representa el interior de cada delineación: la geoforma, el clima, tipos de suelo e información que afecta su manejo, dentro de las fases taxonómicas como lo son: la pendiente, la pedregosidad, la erosión, el drenaje, etc. (Malagón Castro, 1998).

La representación de un mapa de suelos que muestre la distribución espacial de las distintas clases naturales de suelos en el paisaje dentro del área de estudio se hacen a través de la interpretación de fotografías aéreas, imágenes satelitales e información auxiliar, como mapas de uso de suelo y vegetación, mapas de geología e información de campo (Hudson, 1992). Otra alternativa de obtener los mapas de suelos consiste en la producción asistida por computadora mapas de clases o propiedades de suelos conocida como mapeo digital de suelos (Scull et al., 2003)

Un mapa digital de suelos es esencialmente una base de datos espacial de las propiedades del suelo, basados en una muestra estadística del paisaje. El muestreo de campo se utiliza para determinar la distribución espacial de las propiedades del suelo y su

27

predicción en áreas no muestreadas. Los mapas digitales del suelo describen las incertidumbres asociadas con las predicciones de este tipo y cuando se basan en series cronológicas de datos, facilitan información sobre las propiedades del suelo en forma dinámica (Sánchez, 2009).

El mapeo digital de suelos utiliza algoritmos computacionales, que definen una secuencia de pasos lógicos, para el procesamiento de predictores, que representan las variables empleadas en la generación de la cartografía digital de suelos (Cardenas, 2009).

En el proceso de mapeo de suelos, es necesario que las delineaciones cartográficas tengan una configuración que guarde una relación de homogeneidad de la unidad cartográfica, a partir de los atributos asociados. Para esto se debe conocer la evolución y espacio geográfico ocupado de los suelos, sus horizontes y perfiles resultantes, comprendidos en un sistema taxonómico a un nivel de detalle cartográfico requerido (Malagón Castro, 1998).

Para Dorronsoro (2009), la unidad cartográfica es una aproximación a la realidad geográfica. Cada unidad representará el suelo o los suelos más frecuentes en esa zona, lo que determina el grado de pureza de la misma. A pesar de suponerse que los suelos forman en la naturaleza un verdadero conjunto continuo, su separación y consecuente delineación entre unidades puede ser gradual, con límites difusos, por cuanto no se derivan los unos de los otros, por lo menos como lo hacen otros factores del ambiente. No aplica ni el principio de la similitud máxima en el interior de las unidades ni el parentesco ni la filiación. Las unidades cartográficas constituyen las bases fundamentales para la interpretación, aplicación, zonificación y manejo del suelo (Malagón Castro, 1998).

Los mapas de suelos vienen acompañados por una leyenda que explica su contenido la cual tiene una entrada generalmente geomorfológica o climática donde se especifican las geoformas separadas y sus procesos superficiales, las condiciones de clima y sus características, los suelos existentes con su información resumida, cobertura vegetal y uso del suelo en cada delineación. La leyenda cuenta con un símbolo que identifica cada unidad y sus componentes y la extensión total que abarca cada unidad (Malagón Castro, 1998).

28

2.6 VARIABLES AMBIENTALES EN EL MAPEO DIGITAL DE SUELOS

Estudios referentes sobre mapeo digital de suelos se basan en la inferencia de clases o propiedades a través de información espacial de variables ambientales (Carré, Mcbratney, Mayr y Montanarella, 2007).

Se pueden discriminar variables de delimitación y variables de caracterización al delinear las unidades cartográficas. Las variables de delimitación se usan para identificar la demarcación de las unidades y las variables de caracterización son las empleadas para definir los atributos. Las primeras son variables de tipo primario que representan la litología, el relieve, el clima, el uso del suelo y las segundas son variables básicas que representan factores primarios como vegetación, agua, relieve, suelo, etc. y variables indicadoras que indican productividad, grado de intervención, vulnerabilidad entre otros (Kandus, 2003).

Cárdenas (2009) resume la existencia de cuatro enfoques básicos para inferir la distribución de la clase de suelos basados en la ecuación de los factores de estado de Jenny (1941), en la que representa el estado de desarrollo de un suelo en función de las variables ambientales de clima (cl), organismos (o), relieve (r), material parental (p), tiempo (t) y otros factores relevantes representados por la ecuación:

S = f (cl, o, r, p, t, ...)

Los factores adicionales que resultan en casos particulares son representados por la ecuación con puntos suspensivos (Amundson y Jenny, 1991)

El primer enfoque es el de Zhu et al. (2001) y Qi y Zhu (2003) quienes proponen el método SoLIM. Cuya técnica combina el conocimiento de los conocedores de suelo, los sistemas de información geográfico, teoría de conjuntos difusos, inteligencia artificial y árboles de decisión.

El segundo enfoque es el prototipo de teoría categórica que es una variante del SoLIM (Qi, Zhu, Harrower y Burt, 2006), basado en que una clase de suelo o categoría

29

puede ser representada por su prototipo. Este modelo consiste en la adquisición y representación de conocimiento sobre las categorías establecidas por los expertos del suelo en términos de prototipos y grados de membresía y el prototipo base que infiere sobre el suelo.

El tercer enfoque es el SCORPAN de McBratney (2003), el cual se basa en siete factores de predicción: atributos medios de suelo (S), clima (C), organismos (O), relieve (R), material parental (P), edad (A), espacio y posición geográfica (N), representado por la ecuación:

Sc = f(S, C, O, R, P, A, N)

Y el cuarto enfoque está orientado a la cartografía de clases de suelos cuya inferencia se obtiene a través del método de fotointerpretación tradicional desarrollado por Licona, Ortiz y Pajaro (1993) o mediante algoritmos computacionales como mínima distancia, paralepipedo y máxima verosimilitud, utilizando como variables de entrada bandas de imágenes satelitales (Cajuste, 1991; Martínez, 1993; Segura, Ortiz y Gutiérrez, 2003, 2004)

2.7 METODOLOGÍAS PARA EL MAPEO DE SUELOS

Las metodologías para el mapeo de suelos están dadas para la creación, alimentación y demarcación espacial de la información de suelos, mediante exploraciones de campo y ensayos de laboratorio, ajustadas a modelos numéricos que expresan el suelo en forma matemática para una mejor compresión y estudio de la inferencia y variabilidad espacial y temporal del suelo en correlación con el paisaje (Lagacherie, McBratney y Voltz, 2007).

2.7.1 Metodología para el mapeo de suelos utilizada por el IGAC

El método utilizado por el IGAC está basado en un enfoque analítico orientado a la cartografía de clases de suelos, soportado por el laboratorio nacional de estudio de suelos de Estados Unidos (Soil Survey División Staff, 1993), donde se orienta una aplicación

30

sistemática de análisis geomorfológico en el levantamiento de suelos, para el mapeo de suelos. Esta metodología fue desarrollada por Zinck (1988).

Zinck (1988) estructura jerárquicamente las geoformas como región natural, paisaje, tipo de relieve y forma de terreno, con el objeto de definir el nivel de detalle de geoformas en los estudios de suelos. En levantamientos de suelos generales, el nivel de detalle de análisis geomorfológico llega hasta el de relieve y en los levantamientos semidetallados y detallados, el nivel geomorfológico de análisis corresponde a la forma de terreno.

Con todo esto, el enfoque analítico separa el paisaje como zonas naturales de suelo, utilizando características como la forma del terreno o geoforma, la vegetación, la pendiente del terreno, la pedregosidad, la erosión y el drenaje. Después, se trata de caracterizar las unidades y sub unidades resultantes a través del muestreo (Zinck, 1988).

La orientación de la aplicación sistemática de análisis geomorfológico se desarrolla en sitios preseleccionados, partiendo de criterios geomorfológicos, apoyados en la fotointerpretación o interpretación de imágenes satelitales, usando modelos mentales de la relación suelo-paisaje correlacionado con los demás factores formadores del suelo. Con este enfoque se construyen los mapas de suelo tipo “área-clase polígono”, que constituyen la principal fuente de información en la distribución espacial de las propiedades edáficas (Zinck, 2012).

Zhu et al. (2001) señalan que, en el procesamiento de la información geográfica de suelos siguiendo un enfoque analítico, los valores de la propiedad del tipo de suelo asignan el área de un polígono, identificado y descrito sin tener en cuenta, si pertenece o no pertenece a una sola sección de muestreo vertical a través de un suelo para todo el polígono. La información geográfica, en lo que concierne a las propiedades del suelo, siguiendo el enfoque analítico, resulta ineficiente, haciendo el levantamiento convencional de suelos demasiado costoso, con grandes demandas de tiempo en sus fases propias, con errores técnicos finales frecuentes por omisión y de atributo.

31

Los errores por omisión ocurren comúnmente cuando, en una escala de trabajo, se establece la mínima unidad de mapeo en el levantamiento de suelos y las áreas menores a la mínima unidad de mapeo que surgen del proceso son filtradas y eliminadas. En este caso se elimina la variabilidad real de los suelos por conceptos cartográficos y no temáticos como debería ser (Zhu et al., 2001).

El error por atributo sucede, dentro del polígono, teniendo en cuenta que la información edáfica solo representa el suelo dominante de un perfil modal y no la variabilidad espacial real de las propiedades del suelo que sucede dentro del polígono (Zhu et al., 2001).

Otro error común, en los estudios de suelo, siguiendo el método convencional para una misma área geográfica, está relacionado con la subjetividad en la foto interpretación, donde el experto hace una interpretación de acuerdo con su capacidad, habilidad y experiencia para identificar las unidades cartográficas de manera cualitativa, las cuales difieren entre un profesional y otro (Zhu et al., 2001).

La precisión del levantamiento de suelo está dada por la escala del levantamiento topográfico la cual resalta el nivel de detalle, la intensidad de observaciones y el número de delineaciones cartográficas (Zinck, 2012).

No obstante, la calidad de información provista por los levantamientos tradicionales puede ser mejorada significativamente si se utilizan técnicas estadísticas sencillas, que permitan aumentar la precisión de las predicciones realizadas a partir de mapas de suelos (Rossiter, 2000).

2.7.2 Metodología método SoLIM

SoLIM es una nueva tecnología para el mapeo de suelos, basada en los avances recientes de la ciencia de la información geográfica, la inteligencia artificial y la teoría de representación de la información basadas en un modelo continuo de variación espacial, donde se considera que el suelo cambia de forma gradual y por tanto, no es necesario delinear el suelo-paisaje en forma de polígonos, ya que la variabilidad es continua. SoLIM

32

fue diseñado para mejorar los métodos, la eficiencia y la precisión de los levantamientos de suelos (Zhu et al., 2001).

La metodología SoLIM se basa en caracterizar los suelos en píxeles utilizando un modelo de similitud donde la dimensión del píxel es dependiente de la resolución de los datos ambientales y no de la escala del mapa. Con este modelo, el suelo es representado en cada píxel, como una colección de valores de pertenencia difusa, que, combinado con un Raster, permite la representación del suelo como un continuo espacial en lugar, de un conjunto de polígonos discretos, homogéneos (Zhu et al., 2001).

De acuerdo con Zhu et al. (2001) SoLIM guarda el conocimiento sobre las relaciones suelo y paisaje en una base de datos separada del mapa, en un formato de fácil lectura, permitiendo el estudio del área para la reconstrucción de las relaciones suelo y paisaje. Así, los datos de las relaciones suelo-paisaje pueden ser transferidos, actualizados y mejorados constantemente.

SoLIM automatiza el proceso de mapeo mediante el uso de técnicas de SIG y un motor de inferencia borrosa que simula el razonamiento humano. Las capas de datos ambientales relacionadas con los suelos son derivadas a través de un conjunto de técnicas SIG, donde se introducen en un motor de inferencia. El motor de inferencia combina los datos ambientales con conocimientos extraídos de los expertos del suelo o de otras fuentes y genera los valores de similitud del suelo. Los resultados se muestran en formato digital y georreferenciados listos para el análisis (Zhu et al., 2001).

El proceso de mapeo automatizado que utiliza la metodología SoLIM mejora la calidad y consistencia de los productos de información del suelo y reduce el tiempo necesario para producir información espacial del suelo. El conocimiento extraído de forma explícita y documentada de las relaciones suelo-paisaje permite que el conocimiento se acumule con el tiempo y se reduzca el tiempo y costos de futuras actualizaciones de la información espacial del suelo, mejorando significativamente la eficiencia de los levantamientos de suelos (Zhu et al., 2001).

33

Según Zhu et al. (2001) con la metodología del modelo SoLIM se obtienen mapas difusos con función de pertenencia o membresía representando una variación continua en sus valores, mapas de suelos Raster, mapas categóricos y mapas convencionales de polígonos de suelo.

3. METODOLOGÍA 3.1 ÁREA DE ESTUDIO

3.1.1 Localización y extensión

El área de estudio comprendió el municipio de Ovejas (Figura 1), el cual se encuentra ubicado en el departamento de Sucre (Colombia), región costa norte. Hace parte de la subregión de los Montes de María a 09º 31’ 48” latitud norte y a 75º 14’ 01" longitud oeste y una altitud de 265 m.s.n.m.

Limita por el norte con el municipio de El Carmen de Bolívar, por el sur con San Pedro y parte de los Palmitos, por el oriente con el municipio de Córdoba en el departamento de Bolívar y por el occidente con los municipios de Chalán junto a Coloso como se describe en la figura 1. El área de estudio tiene una extensión total de 42,500 hectáreas distribuidas por el casco urbano y once corregimientos.

Según el Departamento Administrativo Nacional de Estadística (DANE, 2005), el municipio de Ovejas tiene una población total de 20,551 habitantes. En la zona urbana viven 11,078 habitantes correspondientes al 54% de la población, y en la zona rural viven 9,473 habitantes correspondiéndole el 46% de la población. La densidad poblacional es de 63.9 habitantes por km2.

A continuación, se ilustra mediante imágenes características la zona de estudio figura 1.

34

35

Figura 1. Ubicación Municipio de Ovejas.

3.1.2 Geomorfología.

El municipio de Ovejas pertenece a la sub región Montes de María, que se caracteriza por tener una topografía fuertemente quebrada, conformada por colinas de poca altura con fuertes pendientes, imprimiendo un carácter ondulado al paisaje según estudio de suelo general del departamento de sucre desarrollado por el IGAC (1998).

36

La geomorfología del municipio de Ovejas comprende tres zonas: la zona montañosa, de colinas y la aluvial. La zona montañosa está constituida por las estribaciones de los Montes de María, que se caracteriza por presentar cuchillas angostas y alargadas sobre la micro cuenca del arroyo sereno y la zona alta o de nacimiento de los arroyos Mancó Mojan y Don Gabriel. Las zonas de colinas presentes en las zonas montañosa con colinas de mediana altura, con topografía de aspecto ondulado, están conformadas por sedimentos arcillo- arenosos y arcillosos. Las colinas comienzan a partir del cerro el loro hacia el este y sur este (IGAC, 1998).

Es importante indicar que el modelo de superficie de elevación representado mediante una red irregular triangular (TIN) del municipio de Ovejas Sucre muestra la geomorfología de la zona de estudio (figura 2).

37

Figura 2. TIN Municipio de Ovejas Sucre.

La Zona aluvial comprende el área más baja de la zona formada por las riberas de los cauces y bajo de los arroyos en el lado oriental, central y sur, especialmente, al lado de las orillas del arroyo Mancomojan. El casco urbano del municipio de Ovejas se localiza sobre la formación Morroa y depósitos aluviales (IGAC, 1998).

A continuación, se ilustra la hidrografía del municipio de Ovejas Sucre, destacando los cauces y arroyos más importantes (figura 3).

38

Figura 3. Hidrografía, Municipio de Ovejas Sucre, Colombia.

3.1.3 Clima

Teniendo en cuenta lo que dice el Plan de Desarrollo Municipal 2011-2015 (Alcaldía de Ovejas, 2012), se considera, según la clasificación de Holdridge, el clima del municipio de Ovejas como seco de sabana tropical. El régimen de lluvias es unimodal con ocurrencia de una temperatura seca entre los meses de Diciembre a Abril y una estación lluviosa entre Abril y Noviembre. La precipitación media anual oscila entre 1,000 y 1,300

39

mm (Figura 4). La temperatura media anual es de 27º C con valores máximos de 30º C y mínimos de 24º C. La humedad relativa presenta valores promedio anual de 79%, municipio de Ovejas, Sucre, Plan de Desarrollo Municipal, 2011-2015, ver figura 4.

Figura 4. Mapa de precipitación total promedio anual municipio de Ovejas Sucre.

Fuente de datos: IGAC (2011).

40

El factor clima se incluyó en el modelo SoLIM con clasificación de clima cálidoseco, haciendo uso de la capa de precipitación media anual, con rangos donde se desarrolla cada tipo de suelo. La unidad climática se muestra en la figura 5.

Figura 5. Mapa de clima municipio de Ovejas Sucre.

Fuente de datos: IGAC (2011).

41

3.1.4 Suelos

El municipio de Ovejas, en su mayor parte del territorio, presenta una vocación del suelo forestal protectora-productora. Esta vocación se fundamenta con un clima cálido seco, una geomorfología del paisaje de montaña y lomerío, un relieve ondulado o quebrado y una erosión moderada, según estudio de suelo general del departamento de Sucre desarrollado por el IGAC (1998).

El mapa litológico (Figura 6) representa la distribución de las rocas superficiales, las que afloran (al aire) o están cubiertas sólo por regolito, suelo y vegetación, o productos de la actividad humana, como edificios o carreteras del municipio de Ovejas.

42

Figura 6. Mapa de geología municipio de Ovejas, Sucre.

Fuente de datos: IGAC (2011).

A continuación, se indica la leyenda de suelos del municipio de Ovejas (Tabla 1) y descripción de los símbolos utilizados o unidad cartográfica de suelos (UCS). Cada unidad cartográfica se identifica mediante un símbolo alfanumérico, donde la primera letra mayúscula identifica el paisaje geomorfológico, la segunda el clima y la tercera la unidad de mapeo y el contenido pedológico; las letras minúsculas indican atributos de área (pendiente),

43

condición de drenaje y el número arábigo el grado de erosión, clasificando de esta manera los suelos del municipio de Ovejas (Tabla 2).

Tabla 1. Leyenda de suelos.

Paisaje M L P R V

Montaña Lomerío Piedemonte Planicie Valle

Clima V W

Cálido Húmedo Cálido Seco

Gradiente pendiente a 0-3% b 3-7% c 7-12% d 12-25% e 25-50% f 50-75% g >75%

Grado de erosión 1 2 3

ligero moderado severo

condición de drenaje x pobre y muy pobre

Fuente de datos: IGAC (2013).

La tabla 2, que hace referencia a los suelos del municipio de Ovejas, Sucre, permite mostrar el paisaje, clima, tipo de relieve, material litológico, UCS, unidades cartográficas, componentes

taxonómicos,

incluye

características

principales

de

los

suelos.

44

Tabla 2. Clasificación suelos municipios de Ovejas.

Paisaje Montaña

Clima CS

Lomerío

Tipo de Relieve Hogbagk Barras y Crestones Lomas

Material Litológico Areniscas calcáreas o Calizas

MWAd1

Areniscas calcáreas poco consolidadas

LWAd2

Areniscas

LWBc, c2, d, d1,d2 LWCb, c, c1, c2, d, d1

Arcillas Carbonatadas

Vallecito

Valle

Fuente: IGAC (1998).

VEGAS

UCS

Unidades Cartográficas y componentes taxonómicos Asociación Lithic Haplustolls Typic Ustorthents Asociación Lithic Ustorthents Typic Ustorthents Asociación Typic Haplustepts Vertic Haplustepts Consociación Chromic Haplusterts Vertic Haplustolls

Características principales de los suelos Texturas francas finas, superficiales reacción neutra Textura franca gruesa, moderadamente profundos y moderadamente alcalinos, bien drenados Texturas francas finas, superficiales reacción neutra Textura franca gruesa, moderadamente profundos y moderadamente alcalinos, bien drenados Texturas francas finas, superficiales reacción neutra Textura franca gruesa, moderadamente profundos y moderadamente alcalinos, bien drenados Texturas francas finas, superficiales reacción neutra Textura franca gruesa, moderadamente profundos y moderadamente alcalinos, bien drenados

Arcillolitas

LWJ, c,c1,d1,d2,e 1

Consociacion CROMIC CALCIUSTERTS

Moderadamente alcalinos, abundantes carbonatos, muy alta saturación de bases, fertilidad alta, superficiales, texturas finas, bien drenados.

Sedimentos finos

LWHa

Asociación Vertic Haplustolls Typic Humaquepts

Texturas francas finas, superficiales reacción neutra Textura franca gruesa, moderadamente profundos y moderadamente alcalinos, bien drenados

Sedimentos actuales

LWO,a,b

Consociacion TYPIC HAPLUSTERS

VWAa

Asociación Vertic endoaquepts Fluventic Uhaplustepts Vertic Haplusterts

Moderadamente ácidos a neutros, saturación de bases alta, fertilidad muy alta, moderadamente profundos, texturas moderadamente finas, moderadamente bien drenados.

Texturas francas finas, superficiales reacción neutra Textura franca gruesa, moderadamente profundos y moderadamente alcalinos, bien drenados

aluviales

Aluviones Finos

45

3.2 METODOS

El método para obtener la variabilidad del suelo en cuanto a sus propiedades por medio de la predicción cuantitativa de SoLIM, se divide principalmente mediante los siguientes procesos:

a) Recolección de información existente.

b) Análisis de componentes principales

c) Aplicación del paquete de inferencia espacial

d) Generación de mapa de predicción cuantitativo de clases de suelos.

La figura 7, que enmarca el flujograma método implementado, permite diagramar la secuencia de actividades del modelo de disgregación de polígonos, señalando datos, procesos y resultados mediante la aplicación del método SoLIM,

46

Figura 7. Flujograma método implementado.

47

3.2.1 Recolección de información existente

En la modelación del mapa digital de suelos para el municipio de Ovejas del departamento de Sucre, se utilizaron los siguientes datos temáticos y cartográficos: 

Estudio general de suelos y zonificación de tierras del departamento de Sucre a escala 1:100,000 del IGAC del año 1998.



Base de datos de clima del Instituto de Hidrología, Meteorología y Estudios Ambientales de Colombia (IDEAM, 2015).



Base de datos de áreas homogéneas, predial y zonas físicas del departamento de sucre del IGAC del año 2010.



Imágenes de Google Earth (2016).



Imagen de satélite Landsat TM+5, con resolución espacial de 30 metros del año 2009.



Software: ArcGIS 10.1, SoLIM (2013), Google Earth (2016)

Los datos son empleados para la obtención de capas temáticas como delimitación de área de estudio, topografía, división política-administrativa, red vial, sistema de drenaje, cobertura vegetal, geología, uso de suelo, clima y cascos urbanos locales y obtención de capas de polígonos de unidades cartográfica de suelos.

3.2.2 Análisis de componentes principales

El análisis de los componentes, mediante la aplicación del método SoLIM, consiste en separar los elementos básicos de la información, mediante el uso de los SIG y caracterización de variables ambientales, empleando técnicas estadísticas de síntesis de la información o reducción de la dimensión (número de variables) creando una matriz de correlación.

48

Mediante el uso de los SIG se realiza el procesamiento de la cartografía digital del área de estudio, apoyado con los datos cartográficos y temáticos, fotografías aéreas e imágenes satelitales

recolectados con la finalidad de identificar, reconocer y separar

formas de la superficie terrestre o geoformas a diferentes niveles de detalle para la clasificación de suelos como lo plantea Malagón Castro (1998).

Las capas que se generan mediante la aplicación de SoLIM se presentan en formato *.3dr, haciendo necesario convertir la información recolectada en formatos *.shp *.grid y *ascci a formato *.3dr

El enfoque de geopedologia, según Zinck (1988), plantea que existen relaciones entre suelo y paisaje, sin especificar la naturaleza del paisaje en consideración (topográfico, ecológico, biogeográfico, geomorfológico). Las geoformas cubren tres de los factores de formación de suelos reconocidos en la ecuación de Jenny (1941), a saber: la topografía (relieve), la naturaleza del

material parental,

y la

edad relativa

(morfoestratigrafía), es así como el contexto geomorfológico se convierte en una herramienta particularmente idónea para la cartografía de suelos y para entender su formación.

Las variables a caracterizar están basadas en la ecuación de formación del suelo (Jenny, 1940, citado por Malagón Castro, 1998), donde el suelo es función del clima, el relieve, el material parental, los organismos y el tiempo. Siendo el tiempo el único factor variable y los demás constantes, es decir, que la variación de cualquier propiedad del suelo depende exclusivamente del tiempo.

a) La información del suelo se obtiene por medio de una capa de información vectorial que contiene las UCS, elaborada por el IGAC para el estudio semidetallado de suelo del departamento de Sucre (IGAC, 1998), delimitadas por expertos edafólogos siguiendo el patrón de suelo-paisaje a escala 1:100.000.

49

b) La información del clima se logra con una capa vectorial de precipitación promedio interanual y una de temperatura promedio interanual (IDEAM, 2015; IGAC, 2010) respectivamente, interpolada bajo la técnica de la distancia inversa ponderada (IDW).

c) Los organismos se contemplan con el uso de la tierra e índice normalizado de vegetación, a partir del archivo actualización digital de áreas homogéneas de tierras (IGAC, 2013).

d) El relieve es uno de los parámetros principales que se deriva de la relación suelopaisaje. Con este parámetro se obtiene el modelo de elevación digital que se maneja mediante un conjunto de datos numéricos que describe la distribución espacial de altitud del área de estudio contenido en modelos digitales de elevación (DEM) de 30 y 90m, obtenido de un sensor Landsat. A partir de los DEM, es posible construir un conjunto de modelos digitales que representan parámetros de la tierra o variables derivados de la topografía (la pendiente, geoforma, curvativa, orientación, convexidad, variabilidad de la superficie o rugosidad). Estos parámetros de la tierra se obtienen haciendo uso del análisis digital del terreno el cual se encuentra inmerso en SoLIM 5.0 como un módulo de aplicación.

e) El material parental se obtiene extrayendo la capa de unidades cartográficas de suelos del estudio general de suelos y zonificación de tierras de sucre (IGAC, 1998).

Una vez definidas las variables para la aplicación del modelo de disgregación, se realizan los respectivos análisis estadísticos.

Se analizan todos los factores formadores del suelo en la disgregación de polígonos, reclasificando las capas primarias y derivadas, generando así un listado de mapas para el análisis de varianza-covarianza y componentes principales de correlación.

Para determinar que covariables representan mejor el modelo de desarrollo del suelo, se elaboró una matriz de correlación de los factores formadores del suelo (Jenny, 1941), utilizando herramientas SIG y softwares como QGIS, ArcGIS.

50

Los rangos escogidos para establecer el tipo de fuerza entre las covariables se estableció como sigue: Relación 1.0 a -0.5 o 1.0 a 0.5 presenta una fuerza de relación alta, 0.5 a -0.3 o 0.3 a 0.5 una fuerza de relación media, -0.3 a -0.1 o 0.1 a 0.3 una fuerza de relación baja y -0.1 a 0.1 ninguna o una fuerza de relación muy baja (Restrepo y González, 2007).

Las covariables que presenten una baja correlación son seccionadas e incluidas en el modelo SoLIM, esta metodología coincide con el modelo de inferencia suelo-paisaje desarrollado por Shi, Zhu, Burt, Qi y Simonson, (2004).

3.2.3 Aplicación del paquete de inferencia espacial

Luego de realizar el análisis estadístico convalidado con análisis bibliográfico, citado en el estudio de caso basado en aplicación de lógica difusa para el mapeo de suelos (Shi et al., 2004), se procede a preparar las capas de información para su aplicación al modelo SoLIM.

En este proceso, se utiliza el modelo de inferencia suelo-paisaje SoLIM, el cual se desarrolla bajo la lógica difusa (fuzzy), la cual se compone de las siguientes fases (Tacam, 2010):

a) Relación de conjunto de suelos que integra la organización de los datos y agrupamiento de suelos: primero es necesario organizar los tipos de suelos identificándolos de acuerdo a las características que lo conforman, de manera que queden recopilados bajo el concepto de agrupación en conjuntos de suelos que se suceden topográficamente y se originan de un mismo material parental, es decir asociando la genética del suelo con el relieve.

b) Alistamiento de las capas de variables ambientales: preparación de los datos en formato compatible con el modelo de SoLIM, donde se utiliza el software 3dMapper (convertir los archivos*. tiff o *.grid obtenidos en formato *.ascci, *.3dr y *.3dm).

51

Las variables ambientales identificadas y caracterizadas de la zona de estudio del municipio de Ovejas que se tendrán en cuenta de la ecuación de formación del suelo son: El suelo, relieve y material parental.

La figura 8 muestra la vista del ambiente del software 3dMapper en el que se representa el modelo tridimensional del terreno, además de los mapas de pendientes, elevación, aspecto, perfil de curvatura y plano de curvatura del municipio de Ovejas, Sucre.

Figura 8. Vista del ambiente 3D mapper.

Suelos: Covariable identificada para representar las unidades cartográficas de suelos, en formato *.shp. Se obtiene la capa de suelos en formato *.3dr, producto de la extracción de unidades cartográficas de suelos del municipio de Ovejas Sucre de formato *.shp a *.grid, y luego transformada a *.ascci, para poder ser importada al formato *.3dr.

52

En este orden de ideas, se plasman los factores relacionados con el relieve con base en la vista del modelo SoLIM.

Relieve: es uno de los parámetros principales que se deriva de la relación suelopaisaje. Se obtiene con base al modelo de elevación de Landsat de 30m, y SoLIM 5.0. Con este parámetro se logra el modelo de elevación digital de municipio de Ovejas representado en la Figura 9 y se consigue una serie de parámetros con el análisis digital del terreno como: relación de aspecto que se muestra en la figura 10, mapa de pendientes (figura 12), elevación y sombreado de la superficie o hillshade, curvatura planar (figura 11) donde los valores positivos hacen referencia a una curvatura cóncava, los negativos a una curvatura convexa y cero a una superficie planar; perfil de curvatura donde el sentido de la pendiente de los valores positivos hace referencia a una curvatura convexa, los valores negativos a una curvatura cóncava y los valores de cero (0) hace referencia a una superficie planar; estos parámetros fueron obtenidos en formato *.3dr y *.mpr

Figura 9. Vista modelo SoLIM de elevación digital municipio de Ovejas Sucre.

53

Figura 10. Vista modelo SoLIM de relación de aspecto municipio de Ovejas Sucre.

Figura 11. Vista modelo SoLIM de curvatura planar municipio de Ovejas Sucre.

54

Figura 12. Vista modelo SoLIM de pendientes municipio de Ovejas Sucre.

El material parental: se determina mediante la extracción de la capa de unidades cartográficas, explícito por el atributo de geología y presentado en formatos de archivo *.shp, *.grid, *.ascci y *.3dr. Ver figura 13

Figura 13. Vista modelo SoLIM de Geología municipio de Ovejas Sucre.

55

c) Organización de datos: La organización de los datos de suelos existentes se obtiene teniendo en cuenta el principio de dependencia, entre el grado de evolución del suelo y su posición en el paisaje, tal como se muestra en la tabla 3, establecimiento de relación de conjunto de suelos.

Tabla 3. Establecimiento de relación de conjunto de suelos Pendiente Elevación (%) (m.s.n.m.)

Tipo de Curvatura relieve Hogbagk Barras y convexa Crestones

75.1-100

470.1-640

50.1-75

380.1-470

lomas

convexa

25.1-50

340.1-380

lomas

convexa

12.1-25

300.1-340

lomas

convexa

7.01-12

260.1-300

lomas

cóncava

3.01-7

220.1-260

vallecitos

cóncava

1.01-3

180.1-220

vallecitos

cóncava

0-1

0-180

vegas

cóncava

Material Litológico Areniscas calcáreas o Calizas Areniscas calcáreas poco consolidadas

Clasificación taxonómica Asociación Lithic Haplustolls, Typic Ustorthents Asociación Lithic Ustorthents Typic Ustorthents

Asociación Typic Haplustepts Consociación Arcillas Chromic Carbonatadas Haplusterts Vertic Haplustolls Consociacion Arcillolitas CROMIC CALCIUSTERTS Asociación Sedimentos Vertic Haplustolls finos Typic Humaquepts Sedimentos Consociacion coluvio TYPIC aluviales HAPLUSTERS Asociación Vertic Aluviones endoaquepts Finos Fluventic Uhaplustepts Vertic Haplusterts Areniscas

UCS MWA

LWA

LWB

LWC

LWJ

LWH

LWO

VWA

Es importante señalar que la tabla 3 permite el agrupamiento de los suelos en 8 unidades cartográficas de suelo (UCS), teniendo en cuenta la pendiente dada en porcentaje (%), la elevación en metros sobre el nivel del mar (m.s.n.m.), tipo de relieve, material litológico y curvatura (IGAC, 2010).

56

El establecimiento de relación de conjunto de suelos (tabla 4) se observa tomando como ejemplo el último caso: Si la pendiente se encuentra entre 0 y 1 %, en una vega cóncava, con material parental o litológico de aluviones finos, entre altitud de 0 a 180 m.s.n.m., entonces el suelo será una Asociacion Vertic Endoaquepts o Fluventic Uhaplustepts o Vertic Haplusterts y unidad cartográfica de suelo VWA. Para este caso, el resultado en el modelo SoLIM se obtiene con la aplicación de inferencia bajo esta regla de decisión.

d) Aplicación de inferencia: Por medio de SoLIM se aplica el mapeo de suelos predictivo utilizando una función difusa, construida combinando los factores ambientales que intervienen en el desarrollo del suelo y la relación suelo-paisaje, el procedimiento detallado,

tutoriales

y

estudios

de

caso

se

encuentran

disponibles

en:

http://SoLIM.geography.wisc.edu/software/SoLIMSolutions5/Help_HTML/index.html

3.2.4 Generación de mapa de predicción cuantitativo de clases de suelos.

Una vez aplicado el paquete de inferencia espacial se genera el mapa de predicción de clases de suelos.

57

4. RESULTADOS Y DISCUSIÓN En éste capítulo, se muestran los resultados obtenidos del proceso de modelar el mapa digital de suelos para el Municipio de Ovejas del Departamento de Sucre, utilizando la metodología planteada.

4.1 MODELO DE MAPA DE SUELOS DEL MUNICIPIO DE OVEJAS, SUCRE, MEDIANTE EL ENFOQUE DEL SOFTWARE SoLIM

4.1.1 Análisis estadístico de los componentes

Las covariables seleccionadas que representan mejor el modelo de desarrollo del suelo se muestran en la matriz de correlación de la tabla 4 para la aplicación del modelo SoLIM. Tabla 4. Matriz de correlación covariables ambientales plcurvatu Geología ra plana

Layer Geología plcurvatur a plana perfil de curvatura suelo

CORRELATION MATRIX perfil de suelo hillshade curvatura

aspecto

pendiente

elevación

1

-0.04649

0.05454

-0.03734

0.11525

0.00104

-0.35897

-0.32091

-0.04649

1

-0.5258

-0.01173

-0.05335

-0.00578

0.03974

0.07412

0.05454

-0.5258

1

-0.01875

0.02345

0.00452

0.02721

-0.11626

0.06829

0.0325

0.07895

0.07506

-0.03734

-0.01173

-0.01875

1

hillshade

0.11525

-0.05335

0.02345

0.06829

1

0.49099

-0.11843

-0.16596

aspecto

0.00104

-0.00578

0.00452

0.0325

0.49099

1

0.11033

0.101

pendiente

-0.35897

0.03974

0.02721

0.07895

-0.11843

0.11033

1

0.54583

elevación

-0.32091

0.07412

-0.11626

0.07506

-0.16596

0.101

0.54583

1

Las covariables de geología, curvatura planar, perfil de curvatura, suelo, sombreado (hillshade), aspecto, pendiente y elevación fueron integradas en el modelo SoLIM por cuanto presentan baja correlación.

58

4.1.2 Obtener la variabilidad del suelo en cuanto a sus propiedades por medio de la predicción cuantitativa

El resultado de la variabilidad del suelo se expresa en el mapa de predicción de unidades de suelos (Figura 14), del que se observa 8 conjuntos de suelos, representados por MWA, LWA, LWB, LWC, LWJ, LWH, LWO y VWA y un área sin dato. Estos tipos de suelo, responden a la clasificación taxonómicamente y material litológico de la tabla 5.

Tabla 5. Tipos de suelos resultados del modelo de inferencia.

UCS MWA LWA

Material Litológico Areniscas calcáreas o Calizas Areniscas calcáreas poco consolidadas

LWB

Areniscas

LWC

Arcillas Carbonatadas

LWJ

Arcillolitas

LWH

Sedimentos finos

LWO

Sedimentos coluvio aluviales

VWA

Aluviones Finos

SIN DATO

SIN DATO

Clasificación taxonómica Asociación Lithic Haplustolls, Typic Ustorthents Asociación Lithic Ustorthents.

Typic Ustorthents Asociación Typic Haplustepts Consociación Chromic Haplusterts Vertic Haplustolls Consociacion CROMIC CALCIUSTERTS Asociación Vertic Haplustolls Typic Humaquepts Consociacion TYPIC HAPLUSTERS Asociación Vertic endoaquepts Fluventic Uhaplustepts Vertic Haplusterts SIN DATO

4.1.3 Obtención de mapa de predicción de unidades de suelos utilizando el modelo de inferencia suelo-paisaje de SoLIM

El mapa de predicción de unidades de suelos (Figura 14) es resultado de la aplicación de criterios y reglas de decisión de las variables ambientales identificadas (tabla 4) combinado con atributos topográficos del terreno expresados en términos cuantitativos.

59

Figura 14. Mapa de predicción de clases de suelos.

4.2 DISCUSIÓN

Al realizar la integración de capas de información soportada en bases de datos gráficos y alfanuméricos, se obtiene la vista 3d del área de estudio con el paquete 3D mapper (figura 9) y al combinarse mediante el modelo SoLIM las capas de suelo, clima, relieve y material parental, se observa la caracterización de los suelos desarrollada en

60

pixeles (figura 14), donde la dimensión de los pixeles del ráster se vuelven dependientes de la resolución de los datos, en concordancia a lo planteado por Zhu et al. (2001). Esto permite la representación del suelo como un continuo espacial (figura 14), en lugar, de un conjunto de polígonos discretos, homogéneos (anexo 2 y anexo 3).

Las variaciones del suelo que se muestra en el mapa predictivo (Figura 14), diseñado mediante el modelo de lógica difusa de SoLIM, a partir de información obtenida de atributos de paisaje, se concentran en el espacio geográfico que ocupa un tipo de suelo.

Por ejemplo a medida que cambia la elevación en un suelo identificado con la unidad cartográfica LWA, expresado con valores de membresía entre 1 y 0 el valor de membresía o peso del pixel cambia, hasta que se sale del rango en el que se encuentra el suelo LWA, Acorde con los criterios y reglas de decisión de las variables ambientales identificadas.

Situación muy diferente ocurre en el mapa de unidades cartográficas analítico tradicional (anexo 2) en el que la unidad cartográfica LWA, cambia abruptamente en el espacio geográfico cuando se cruza el umbral, pasando a un suelo diferente.

El conjunto de suelos que resultan del método de inferencia del suelo SoLIM (Figura 14) evidencia la relación de disgregación de polígonos de suelos en base a conocimiento experto (mapa de unidades cartográficas de suelos) combinado con atributos topográficos del terreno expresados en términos cuantitativos propuesto en el modelo SoLIM (Shi et al., 2004). Esto es observable sobre todo en áreas con pendientes fuertes e irregulares.

El modelo digital de suelo permite predecir los diferentes tipos de suelos, mediante criterios y reglas de decisión de las variables ambientales identificadas (tabla 4), de acuerdo con el conocimiento edafológico de la zona de estudio. Esto se puede apreciar con la modificación de los rangos de elevación y de pendientes del terreno, decisión que le permitiría variar la representación de tipos de suelos dentro del área de estudio. La validación de los tipos de suelos se logra mediante muestreo dirigido en campo.

Debido a que las bases del modelo SoLIM, se fundamentan en el desarrollo de la relación suelo-paisaje, es de vital importancia el conocimiento nivel experto en edafología para que los resultados entregados por el modelo sean los esperados y puedan ser utilizados

61

en los levantamientos de suelos mejorando inclusive el modelo, en cuanto a la agilización de elaboración de proyectos, actualizaciones, modificaciones y velocidad de ejecución.

No se debe considerar todas las salidas representadas por el modelo digital de suelos de SoLIM libre de errores, ya que estos se pueden derivar de: Una mala fuente de información, mala digitalización, mal almacenamiento de la información, extensiones que no se pueden visualizar fácilmente y criterios erróneos en el establecimiento de reglas de decisión que definen la relación suelo-paisaje. Lo anterior se presentaría como desventajas con respecto a los procedimientos analíticos de interpolación tradicionales de áreas que utiliza el concepto de polígonos y agrupación de clases sin cambios repentinos definidos con un mayor grado de certeza (anexo 1).

Se hace necesario exportar a otro software SIG los mapas de similitud de suelos, creados con el modelo SoLIM para su diseño cartográfico. Mejorar la salida de la información con una herramienta complementaria dirigida al diseño cartográfico, aumentaría el potencial del aplicativo SoLIM.

En general, la aplicación del modelo de inferencia de suelos SoLIM es una herramienta que integra criterios de expertos, con datos cuantificables por medio de lógica difusa. Esto permite obtener un resultado que representa la relación suelo-paisaje. Sin embargo, para poder validar este comportamiento, es fundamental el conocimiento de expertos edafólogos y el uso de buenas herramientas digitales tanto de SIG como de percepción remota.

62

5. CONCLUSIONES Las covariables ambientales para la aplicación del modelo SoLIM, se seleccionaron con base a análisis e investigación de otras experiencias que aplicaron este modelo y de un análisis de correlación estadístico. En consecuencia se seleccionaron 5 covariables para predecir las clases de suelos, de las cuales 4 se obtuvieron del modelo de elevación; la pendiente y el aspecto que son primeras derivadas y las curvaturas de planta y perfil las cuales son segundas derivadas, la otra variable fue la geología que es determinante en el conocimiento de los diferentes tipos de suelos.

Las capas de información interrelacionadas mediante reglas de decisión obtenidas bajo criterios de edafólogos expertos y articuladas principalmente con características geomorfométricas, geológicas y climáticas, que definen la relación suelo-paisaje, permitieron a través del modelo SoLIM lograr la representación de la distribución de suelos, de manera disgregada o natural del municipio de Ovejas, departamento de Sucre, Colombia, dando origen al mapa de predicción de clase de suelos (Figura 14), con 8 conjuntos de suelos representados por MWA, LWA,VWA, LWC, LWH, LWJ, LWB y LWO cuya descripción detallada de relación se observa en la tabla 4.

La representación del suelo como un continuo espacial (figura 14) del municipio de Ovejas,

modelado

mediante

procedimiento

de

lógica

difusa

SoLIM,

mejora

sustancialmente la eficiencia del mapeo de suelos, al momento de modificar las reglas de decisión o de conocimiento de la distribución del suelo, que representa la zona de estudio, teniendo en cuenta que no requiere realizar la delineación del suelo - paisaje en forma de polígonos, como se realiza en los procedimientos con enfoque analítico de interpolación tradicional.

Como hallazgo, la zona de estudio conformada por un tipo de relieve de lomas, vallecitos y vegas representado en el mapa de predicción de clase de suelos (figura 14) sirve de mapa base para futuros levantamientos de suelos en el municipio de Ovejas, departamento de Sucre, Colombia, una vez se realice su validación en campo y se presente ante los entes gubernamentales como alternativa de actualización de la información espacial del suelo.

63

Recomendación a los resultados: Se debe garantizar la información con fuentes confiables y completas de la zona de estudio, para su correcto análisis, procesamiento e interpretación.

64

BIBLIOGRAFÍA Alcaldía de Ovejas, (2012). Plan de Desarrollo Municipal 2012-2015: Confianza y compromiso social. Colombia: Ovejas, Sucre.

Amundson R y Jenny, (1991). The place of humans in the state factor theory of ecosystems and their soils. Soil Science, 151(1), 99-109.

Arias y Cabrera, (2016). Parámetros morfométricos de relieve. Universidad Nacional de Colombia, Sede Medellin. Facultad de Ciencias.

Arias, L. A., González y Arias, G. (2000). Evolución del suelo y el relieve en el altiplano de Santa Rosa de Osos (Antioquia). En: Programa y resúmenes X Congreso Nacional de la Ciencia del Suelo. J. C. Pérez editor. Medellín.

Aubert, J. y Boulaine, J. (1967). La Pedología. Coll. Que paisaje? P.U.F. Paris. Traducción con el título La Edafología. Ed. Oikos-Tau. Barcelona, 1982.

Brock, T. D. y Madigan. (1991). Biology of microorganisms. 6ª. Ed. Prentice Hall International Inc. U.S.A Cajuste, B.L. (1991). Procedimiento para la cartografía de clases de tierras campesinas mediantes sensores remotos. Tesis de Maestría. Colegio de Postgraduados de Montecillo, México.

Cárdenas, G. C. (2009). Evaluación de Métodos para la Cartografía Digital de Clases de tierras campesinas. Doctor en Ciencias Edafológicas. Doctoral, Universidad Autónoma de Chapingo.

Carré, F., Mcbratney, A., Mayr, T. y Montanarella, L., (2007). Digital soil assessments: Beyond DSM. Casanova, M., Vera, W., Luzio, W., y Salazar, O. (2004). Guía de Clases prácticas.

Universidad de Chile, Facultad de Ciencias Agronómicas.

DANE, Departamento Administrativo Nacional de Estadística (2005). Censo general.

Accedido el 12 de enero de 2016, en: https://www.dane.gov.co/index.php/poblacion-y-demografia/censos Dorronsoro, C. (2009). Clasificación y cartografía de suelos, España. Departamento de Edafología y química agrícola, Universidad de Granada.

Giuffré, L. (2011). Edafología, bases y aplicaciones ambientales argentinas. Buenos Aires: UBA, 656 p. ISBN: 978-950-29-1323-0

65

Google Earth, (2016). Imagen de municipio de Ovejas, Sucre, Colombia en Google Earth.

Accedido el 3 de Octubre, 2016, en: https://www.google.com/maps/@9.3485815,-75.2519873,173368m/data=!3m1!1e3 Hudson, B.D. (1992). The Soil Survey as Paradigm-based Science. Soil Sci. Soc.Am. J.556:836-841 IDEAM, Instituto de Hidrología, Meteorología y Estudios Ambientales (2015). Atlas Climatológico de Colombia. Mapa de precipitación promedio departamento de Sucre.

IGAC, Instituto Geográfico Agustín Codazzi (1998). Estudio General de Suelos y Zonificación de Tierras, Departamento de Sucre.

IGAC, Instituto Geográfico Agustín Codazzi (2010). División político administrativa.

Departamento de Sucre. Colombia.

IGAC, Instituto Geográfico Agustín Codazzi (2011). Actualización digital de áreas homogéneas de tierras con fines catastrales.

IGAC, Instituto Geográfico Agustín Codazzi (2013). Áreas homogéneas de tierras.

Accedido el 5 de Abril, 2013 en: www.sigotn.igac.gov.co/sigotn/frames_pagina.aspex Jaramillo, D. (2002). Introducción a la ciencia del suelo. Universidad Nacional de Colombia.

Jenny, H. (1941). Factors of Soil Formation. A System of Quantitative Pedology. Ed. Mc. Graw-Hill, USA. Kandus P. (2003). Trabajos Prácticos. Ecología Regional. Módulo 1. Argentina.

Lagacherie, McBratney y Voltz (2007). Digital Soil Mapping. An Introductory Perspective. Developments in soil science, Vol.31, Elsevier. Amsterdam, The Netherlands.

Licona, V. A., Ortiz, S.C.A. y Pajaro, H.D., (1993). El uso de la fotointerpretación en la cartografía de clase de tierras campesina. Revista Geográfica.

Malagón Castro, D. (1998). El recurso suelo en Colombia – Inventario y problemática.

Rev. Acad. Colomb. Cienc. 22(82): 13-52. 1998. ISSN 0370-3908 Martínez, M.J.F., (1993). El uso de fotografías aéreas e imágenes de satélite en la cartografía de tierras. Tesis de Maestría. Colegio de Postgraduados de Montecillo, México.

McBratney, E. A. (2003). On digital soil mapping. ELSEVIER, 50.

Morisawa, M., (1985). Geomorphology texts. Longman Group Limited. 222 p.

66

Porta, J., López-Acevedo M., y Roquero, C. (1994). Edafología para la agricultura y el medio ambiente. Ediciones Mundi Prensa. Madrid.

Qi, F. y Zhu, X. A., (2003). Knowledge discovery from soil maps using inductive learning.

International Journal of Geographical Information Science, 17(8), 771-795.

Qi, F. y Zhu, X. A., Harrower, M. y Burt, J., (2006). Fuzzy soil mapping based on prototype category theory. Geoderma, 136(3-4), 774-787.

Real, R., y Vargas, J. M. (1996). The probabilistic basis of Jaccard's index of similarity.

Systematic biology, 45(3), 380-385.

Restrepo, L. y González, J. (2007). De Pearson a Spearman. Revista colombiana de ciencias pecuarias. 20:183-192 Rossiter, D. (2000). Lecture Notes y Reference: Methodology for Soil Resource Inventories (2nd revised.). Netherlands. ITC Lecture Notes SOL.SRI. Enschede: ITC. Retrieved from Sánchez C. (2009). Estudio general de suelo y zonificación de tierras. Instituto Geográfico Agustín Codazzi, IGAC, Bogotá, Colombia Scull, P., Franklin, J., Chadwick, O. A. y Mcarthur, D., (2003). Predictive soil mapping: a review. Progress in Physical Geography.

Segura, M.A., Ortiz C.A. y Gutiérrez, M. del C. (2003). Localización de suelos de humedad residual a partir de imágenes de satélite. Clasificación automática supervisada de la imagen. Terra Latinoamericana, 21(2), 149-156.

Segura, M.A., Ortiz C.A. y Gutiérrez, M. del C. (2004). Localización de suelos de humedad residual a partir de imágenes de satélite: Parte 2. Factores que influyen en su reflectancia y clasificación supervisada con los procedimientos: mínima distancia y máxima verisimilitud. Terra Latinoamericana, 22(2), 135-142.

Shi, X., Zhu, A.X., Burt, J.E., Qi, F. Simonson, D. (2004). A case-based reasoning approach to fuzzy soil mapping, Soil Science Society of America Journal, 68, 885894.

SMSS, Soil Management Support Services, (1985). Keys to soil taxonomy. Soil Conservation Service, U.S. Department of Agriculture, Washington, D.C. Soil Survey Division Staff. (1993). Soil survey manual. Soil Conservation Service. U.S. Department of Agriculture Handbook 18 Tacam, C. (2010). Cartografía predictiva de clases de suelos a través del enfoque SoLIM en Chimaltenango, Guatemala. Maestría Profesional Descriptiva. Centro de Levantamientos Aeroespaciales y Aplicaciones SIG para el Desarrollo Sostenible de los Recursos Naturales.

67

Thelin, G.P., y Pike, R.J., (1991). Landforms of the conterminous United States – A digital shaded-relief portrayal: U.S. Geological Survey Miscellaneous Investigations Universidad de Wisconsin Madison (2001). SoLIM: productivo Soil Ma ping. USing Gis and Fuzzy Logis. Accedido el 16 de noviembre de 2018, en https://solim.geography.wisc.edu/software/index.htm USDA-NRCS, Departamento de Agricultura de los Estados Unidos y el Servicio de Conservación de Recursos Naturales. (2010). Claves para la taxonomía de suelos.

(10th ed.). Texcoco, Estado de México.

Villota, H. (1997). Una nueva aproximación a la clasificación fisiográfica del terreno.

Revista CIAF 15: 83-115.

Wood, J.D. (1996). The Geomorphological Characterisation of Digital Elevation Models.

Tesis doctoral, Deparment of Geography. University of Leicester, Leicester, UK. 185 p.

Yager, R. y Filev, D., (1994). Essentials of Fuzzy Modeling and Control, Wiley Interscience, NY Zadeh, L. (1965). Fuzzy Sets. Information and Control, 8 (3), p. 338-353.

Zhu, A. X., Hudson, B., Burt, J., Lubich, K., y Simonson, D. (2001). Soil Mapping Using GIS, Expert Knowledge, and Fuzzy Logic. Soil Sci. Soc. Am. J., 65(5), 1463–1472.

Zinck, J. A. (1988). Physiography and soils. Lecture notes. Enschede, The Netherlands: International Institute for Aerospace Survey and Earth Sciences (ITC), Enschede, 31.

Zinck, J. A. (2012). Geopedología. Elementos de geomorfología para estudios de suelos y de riesgos naturales. Lecture notes. Enschede, The Netherlands: International Institute for Aerospace Survey and Earth Sciences (ITC), 3 p. ISBN: 90 6164 339 2

68

ANEXOS

Anexo 1. Método para obtener el mapa predictivo de suelos, mediante el modelo analítico tradicional de interpolación tipo área, clase, polígono utilizando ArcGIS.

Se divide principalmente mediante las siguientes fases:

Fase 1: Recolección de información existente.

Fase 2: Análisis e interpretación de la información.

Fase 3: Procesamiento de la información en el levantamiento de suelos, mediante el uso de los SIG.

Fase 4: Recopilación de las capas temáticas como topografía, división políticaadministrativa, red vial, sistema de drenaje, cobertura vegetal y cascos urbanos locales.

Fase 5: Procesamiento de la cartografía digital del área de estudio, apoyado por fotografías aéreas e imágenes satelitales acordes con el requerimiento.

Fase 6: Levantamiento de suelos dentro del proceso de delineación cartográfica, utilizando fotografías aéreas e imágenes de sensores remotos con la finalidad de identificar y reconocer, separar formas de la superficie terrestre o geoformas a diferentes niveles de detalle (Malagón Castro, 1998).

Fase 7: Censo del proceso del levantamiento de suelos, teniendo en cuenta imágenes de Landsat TIM (30m), STER (15m), SPOT (10m), e IKONOS (1m), o QuickBird (0.61m).

Una vez se realiza la recopilación y selección de la información existente, se obtiene el mapa base de estudio de suelos.

69

Fase 8: Posteriormente, se obtiene el mapa de predicción de clases de suelos.

70

Anexo 2. Obtención de mapa de suelos con el modelo analítico tradicional de interpolación tipo área-clase-polígono

El mapa base de unidades de cartografía de suelos (figura 15) indica superficie homogéneas, producto de la interpolación de variables como pendiente, elevación, tipo de relieve, curvatura, y material litológico; de la que se desprenden siete unidades de suelo.

Representados por MWA, LWA, LWB, LWC, LWJ, LWH y VWA y un área sin datos.

Estos tipos de suelo, responden a la clasificación taxonómicamente y material litológico de la tabla 6.

Tabla 6. Tipos de suelos resultados del modelo analítico tradicional.

UCS MWA LWA

Material Litológico Areniscas calcáreas o Calizas Areniscas calcáreas poco consolidadas

LWB

Areniscas

LWC

Arcillas Carbonatadas

LWJ

Arcillolitas

LWH

Sedimentos finos

VWA

Aluviones Finos

SIN DATO

SIN DATO

Clasificación taxonómica Asociación Lithic Haplustolls, Typic Ustorthents Asociación Lithic Ustorthents.

Typic Ustorthents Asociación Typic Haplustepts Consociación Chromic Haplusterts Vertic Haplustolls Consociacion CROMIC CALCIUSTERTS Asociación Vertic Haplustolls Typic Humaquepts Asociación Vertic endoaquepts Fluventic Uhaplustepts Vertic Haplusterts SIN DATO

71

Figura 15. Mapa base de unidades cartográficas de suelos.

72

Anexo 3. Paralelo de los mapas modelo de inferencia suelo-paisaje de SoLIM con el modelo analítico tradicional de interpolación tipo área-clase-polígono

Tabla 7. Paralelos de los mapas obtenidos a partir del modelo de inferencia de SoLIM con el del modelo analítico tradicional de interpolación.

Criterio de comparación

UCS Representación del tipo de suelo Transición de un tipo de suelo a otro Espacio geográfico ocupado por el tipo de suelo Validación

Mapa de predicción de clase de suelos (figura 14) MWA, LWA, LWB, LWC, LWJ, LWH, LWO y VWA y un área sin dato

Mapa base de unidades cartográficas de suelos (figura 15)

Pixeles

Polígonos

Difuso

Abrupto

Variación espacial continua Muestreo dirigido en campo

Único valor Muestreo dirigido en campo

MWA, LWA, LWB, LWC, LWJ, LWH y VWA y un área sin datos

Se presenta la tabla 7, Como resultado de asimilación de los mapas obtenidos a partir del modelo de inferencia suelo-paisaje de SoLIM con los modelos analíticos tradicionales de interpolación tipo área-clase-polígono identificando cambios en las unidades cartográficas de suelos (UCS) en el número de tipos de suelos, mientras que en el mapa de predicción realizado con el modelo de inferencia de SoLIM se obtuvieron 8 UCS, con el modelo analítico salieron 7 UCS. Igualmente se observa diferencias a lo largo del espacio geográfico ocupado por el suelo en cuanto al continuum del suelo.

Las ventajas que se tienen al usar las herramientas de SoLIM sobre los métodos tradicionales están en la modificación repentina de las reglas de decisión al aplicar nuevo conocimiento de los patrones y distribuciones del suelo, sin necesidad de repetir todo el procedimiento para elaboración del mapa de suelos, como sí, se tendría que hacer con la metodología con enfoque analítico de interpolación tradicional que requiere la delineación del suelo – paisaje en forma de polígono de clases.

73

De esta manera se logra ahorrar tiempo y recursos en la actualización de la información espacial del suelo, mejorando significativamente la eficiencia del levantamiento de suelos, siendo correcta la hipótesis planteada en este trabajo. Los mapas solo pueden ser tan buenos como su comprensión de los suelos y paisajes.