105577

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

Modelo de análisis espacial en ganaderia para gestión sostenible de suelos.

Caso: Hacienda “Pacaguan”, Riobamba, Ecuador.

Spatial model of sustainable soil management for livestock farming.

Case Study: Hacienda “Pacaguan”, Riobamba, Ecuador. by/por

2019B Jorge Daniel Cordova Lliquín 12041724 A thesis submitted in partial fulfilment of the requirements of the degree of Master of Science– MSc Advisor ǀ Supervisor:

Leonardo Zurita Arthos PhD

Riobamba - Ecuador, Abril 2022

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.

Riobamba, 4 de abril del 2022

Firma

DEDICATORIA A mi Madre, Esposa e Hijo.

Carmen, Sandy y Sebastián

4

RESUMEN Desarrollar un modelo de análisis espacial para la definición de estrategias de manejo sostenible de suelos dedicados a la ganadería y aplicar el mismo al caso de la Hacienda Pacaguan en Ecuador, partió de la determinación de un conjunto de variables físico-químicas del suelo, que recogidas a través de sensores de campo, facilitan la determinación de zonas homogéneas de intervención para la definición de estrategias de manejo sostenible de suelo.

Metodológicamente se partió de categorizar las variables físicas y químicas, para luego determinar la escala de intervención sobre el recurso suelo, seguido de definir el algoritmo de aplicación del modelo, y finalmente aplicar el modelo de análisis espacial para el caso de la Hacienda “Pacahuan. La categorización de las variables definió para todos los casos cuatro o cinco niveles, de ahí que para la variable pH se establecieron: ácido (< 5); moderadamente ácido (5 a 6.5); neutro (6.5 a 7 5); moderadamente alcalino (7.5 a 9); y alcalino (> 9). Con respecto a la variable conductividad eléctrica se definieron como: no salino (0-2.0); ligeramente salino (2.1-4.0); moderadamente salino (4.1-8.0); fuertemente salino (8.1-16.0); y muy salino (16.1). La variable capacidad de retención de agua se categorizó como: suelo saturado (<10); suelo en capacidad de campo (10 a 20); suelo en rango de humedad aprovechable (30 a 50) y suelo en humedad crítica (>50). La variable compactación del suelo fue categorizada como: bajo (< 1), moderado (1 a 2), alto (2 a 4); y muy alto (> 4). La determinación de escalas de intervención sustentó la definición de estrategias para corregir situaciones anómalas que limiten el crecimiento y desarrollo del cultivo de pastos que involucran labores de mecanización y enmiendas de suelo. La aplicación del modelo de análisis espacial empleó el método de interpolación kriging, el mismo que genera datos más suavizados, es decir que no tienden a producir valles y crestas dado que en el kriging emplea semivariogramas para explicar el comportamiento de cada variable.

El presente modelo desarrollado, es una herramienta efectiva para evaluar el estado de calidad del suelo en las explotaciones ganaderas, pues el mismo supone una estrategia de bajo costo que permite la obtención de datos de alta confiabilidad, acorde con la ejecución práctica de un protocolo de monitoreo y análisis de información georreferenciada que brinda al usuario un detalle de las zonas que han sido sometidas a la presión de un inadecuado manejo, facilitando la planificación de futuras intervenciones que han sido incluidas dentro del modelo atendiendo a una escala ponderada de acciones en función de la situación actual del recurso suelo.

Palabras clave: Interpolación, Kriging, Gestión del suelo, ganadería, Análisis espacial

5

ABSTRACT The development of a spatial analysis model for the definition of strategies for sustainable management of soils dedicated to livestock and its application to the case of Hacienda Pacaguan in Ecuador was based on the determination of a set of physical-chemical soil variables collected through field sensors to facilitate the determination of homogeneous intervention zones for the definition of sustainable soil management strategies.

Methodologically, the starting point was to categorize the physical and chemical variables. Then, the study determined the scale of intervention on the soil resource.

After that, the algorithm was defined in order to apply the model. Finally, the spatial analysis model was applied in the case of “Hacienda Pacahuan”. The categorization of the variables defined four or five levels in all cases, hence for the pH variable: acid (< 5); moderately acid (5 to 6.5); neutral (6.5 to 7 5); moderately alkaline (7.5 to 9); and alkaline (> 9). The electrical conductivity variable was defined as: not saline (0-2.0); slightly saline (2.1-4.0); moderately saline (4.1-8.0); strongly saline (8.1-16.0); and very saline (16.1). The variable water holding capacity/WHC was categorized as: saturated soil (<10); soil at field capacity (10 to 20); soil in usable moisture range (30 to 50); and soil at critical moisture (>50). The soil compaction variable was categorized as: low (< 1), moderate (1 to 2), high (2 to 4); and very high (> 4). The determination of intervention scales supported the definition of strategies to correct anomalous situations that limit the growth and development of pasture crops involving mechanization and soil amendments. The application of the spatial analysis model used the kriging interpolation method, which generates smoother data, that is, data that do not tend to produce valleys and peaks, since kriging uses semi-variograms to explain the behavior of each variable.

The model, which has been presented and developed here, is an effective tool to evaluate the state of soil quality in livestock farms, since it is a low-cost strategy that allows us to obtain highly reliable data, in accordance with a practical execution of a monitoring protocol and analysis of georeferenced information that provides the user with details of the areas that have been subjected to the pressure of inadequate management, facilitating the planning of future interventions that have been included in the model according to a weighted scale of actions based on the current situation of the soil.

Key words: Interpolation, Kriging, soil management, livestock, spatial analysis.

6

GLOSARIO Centibares: Centésima parte del bar, unidad de presión atmosférica CO2: Dióxido de carbono Cuarteles: divisiones de áreas de pastizal para lograr un mejor manejo. ds/m: decisiemens por metro, unidad de medición de conductividad eléctrica.

EBK: Empirical bayesian kriging, método de interpolación geoestadística que automatiza los aspectos más difíciles de construir un modelo kriging válido.

Escorrentía: agua de lluvia que circula libremente sobre la superficie de un terreno.

FAO: Food and Agriculture Organization, agencia de las Naciones Unidas que lidera el esfuerzo internacional para poner fin al hambre.

Grilla: cuadricula de muestreo.

IDW: (Inverse distance weighted / Ponderación de distancia inversa) utiliza un método de interpolación que estima los valores de las celdas calculando promedios de los valores de los puntos de datos de muestra en la vecindad de cada celda de procesamiento INEC: Instituto Nacional de Estadísticas y Censos kPa: kilopascal.

Kriging: método de inferencia espacial, el cual permite estimar los valores de una variable en lugares no muestreados utilizando la información proporcionada por la muestra.

MO: materia organica. mPa: megapascal.

ONU: Organización de las Naciones Unidas Ortorectificación: elimina las distorsiones geométricas y de escalas inherentes en las fotografías e imágenes satelitales producto de imperfecciones del sensor pH: potencial Hidrogeno Semivarianza: medida de la dispersión de todas las observaciones que caen por debajo del valor medio o el destino de un conjunto de datos.

USDA: United States Department of Agriculture, Departamento de Agricultura de los Estados Unidos.

7

INDICE COMPROMISO DE CIENCIA................................................................................. 2 DEDICATORIA ....................................................................................................... 3 RESUMEN ............................................................................................................. 4 ABSTRACT ............................................................................................................ 5 GLOSARIO............................................................................................................. 6 INDICE ................................................................................................................... 7 INDICE DE TABLAS .............................................................................................. 9 INDICE DE GRÁFICOS ....................................................................................... 10 INDICE DE MAPAS.............................................................................................. 11 INDICE DE ANEXOS ........................................................................................... 12 Capítulo I .............................................................................................................. 13 1. Introducción ................................................................................................... 13 1.1. Los antecedentes del problema.................................................................. 13 1.2. Objetivos y preguntas de investigación ...................................................... 15 1.2.1. Objetivo General ..................................................................................... 15 1.2.2. Objetivos Específicos .............................................................................. 15 1.2.3. Preguntas de Investigación ..................................................................... 15 1.3. Hipótesis ..................................................................................................... 16 1.4. Justificación ................................................................................................ 16 1.5. Alcance ....................................................................................................... 17 Capítulo II ............................................................................................................. 19 2. Revisión de Literatura .................................................................................... 19 2.1 La producción ganadera ................................................................................. 19 2.1.1. Importancia de la producción ganadera .................................................. 19 2.1.2. Ganadería intensiva y extensiva ............................................................. 21 2.1.3. Ganadería sostenible .............................................................................. 22 2.2. El suelo como elemento esencial de la producción .................................... 23 2.2.1. Propiedades de los suelos y su afectación por la ganadería .................. 25 2.2.2. Tipos de afectación ................................................................................. 27 2.2.2.1. Afectación sobre el pH ......................................................................... 27 2.2.2.2. Afectación sobre la conductividad eléctrica ......................................... 27 2.2.2.3. Afectación sobre el movimiento del agua en el suelo .......................... 28 2.2.2.4. Afectación sobre la compactación del suelo ........................................ 28 2.2.3. Uso sostenible del recurso suelo ............................................................ 29 2.3. Muestreo de áreas productivas .................................................................. 30 2.3.1. Tipología del muestreo de áreas ............................................................. 30 2.3.2. Uso de sensores en el monitoreo de propiedades del suelo ................... 31 2.4. Modelos espaciales aplicados .................................................................... 32 2.4.1. Uso de modelos espaciales para el análisis de información ................... 32 2.4.2. Aplicación de interpolación en el análisis de información ........................ 33 2.4.3. Casos de estudio previos ........................................................................ 37 Capítulo III ............................................................................................................ 38 3. Metodología ................................................................................................... 38 3.1. Área de Estudio .......................................................................................... 38 3.2. Flujograma de trabajo ................................................................................. 40 3.3. Datos .......................................................................................................... 41

8 3.4. Desarrollo metodológico ............................................................................. 41 3.4.1. Categorizar las variables físicas: compactación, capacidad de retención de agua y las variables químicas: pH y conductividad eléctrica. ............................... 41 3.4.1.1 Marcos de categorización de base de la variable pH ............................... 41 3.4.1.2 Marcos de categorización de base de la variable conductividad eléctrica 44 3.4.1.3 Marcos de categorización de base de la variable capacidad de retención de agua ..................................................................................................................... 46 3.4.1.4 Marcos de categorización de base de la variable compactación del suelo ............................................................................................................................. 48 3.4.2. Determinar una escala de intervención sobre el recurso suelo en función de las variables físico-químicas categorizadas. ........................................................ 49 3.4.3. Definición del protocolo de muestreo, recolección de datos y procesamiento cartográfico para la aplicación del modelo de análisis espacial con enfoque de manejo sostenible de suelos. ............................................................................... 49 3.4.3.1. Definición preliminar del equipamiento mínimo requerido ....................... 50 3.4.3.2. Recurso humano responsable de las fases de muestreo, recolección de datos y procesamiento cartográfico. ..................................................................... 51 3.4.3.3. Definición de los protocolos durante las etapas: preparatoria, diagnóstica, análisis cartográfico y propuesta del modelo de análisis espacial........................ 51 3.4.4. Aplicar el modelo de análisis espacial basado en la medición de variables en campo para la definición de estrategias de manejo sostenible de suelos en la Hacienda “Pacaguan”, .......................................................................................... 60 Capítulo IV............................................................................................................ 61 4. Resultados y Discusión.................................................................................. 61 4.1. Resultados.................................................................................................. 61 4.1.1. Categorización de variables físicas: compactación, capacidad de retención de agua y las variables químicas: pH y conductividad eléctrica. .......................... 61 4.1.2. Determinación de la escala de intervención sobre el recurso suelo en función de las variables físico-químicas categorizadas. ................................................... 63 4.1.3. Definición del protocolo de muestreo, recolección de datos y procesamiento cartográfico para la aplicación del modelo de análisis espacial con enfoque de manejo sostenible de suelos. ............................................................................... 66 4.1.3.1 Recurso humano responsable de las fases de muestreo, recolección de datos y procesamiento cartográfico. ..................................................................... 69 4.1.3.2. Definición de los protocolos durante las etapas: preparatoria, diagnóstica, análisis cartográfico y propuesta del modelo de análisis espacial........................ 71 4.1.4. Aplicación del modelo de análisis espacial basado en la medición de variables en campo para la definición de estrategias de manejo sostenible de suelos en la Hacienda “Pacaguan” ........................................................................................... 73 4.2. Análisis de Resultados ............................................................................... 98 Capítulo V........................................................................................................... 102 5. Conclusiones y Recomendaciones .............................................................. 102 5.1. Conclusiones ............................................................................................ 102 5.2. Recomendaciones .................................................................................... 103 Capítulo VI.......................................................................................................... 104 Referencias ........................................................................................................ 104 Anexos ............................................................................................................... 110

9

INDICE DE TABLAS Tabla 1. Categorización de la variable pH. ........................................................... 42 Tabla 2. Categorización de la variable pH. ........................................................... 42 Tabla 3. Categorización de la variable pH. ........................................................... 43 Tabla 4. Categorización de la variable pH. ........................................................... 43 Tabla 5. Categorización de la variable conductividad eléctrica. ........................... 44 Tabla 6. Categorización de la variable conductividad eléctrica. ........................... 44 Tabla 7. Categorización de la variable conductividad eléctrica. ........................... 45 Tabla 8. Categorización de la variable conductividad eléctrica ............................ 45 Tabla 9. Categorización de la variable conductividad eléctrica ............................ 46 Tabla 10. Categorización de la variable capacidad de retención de agua. .......... 47 Tabla 11. Categorización de la variable capacidad de retención de agua. .......... 47 Tabla 12. Categorización de la variable compactación del suelo. ........................ 48 Tabla 13. Categorización de la variable compactación del suelo. ........................ 49 Tabla 14. Aspectos y calificación de equipos. ...................................................... 50 Tabla 15. Recopilación histórica de estudios de suelo ......................................... 52 Tabla 16. Recopilación histórica de estudios de agua de riego............................ 53 Tabla 17. Priorización de estrategias de manejo sostenible del suelo. ................ 58 Tabla 18. Priorización de zonas para intervenciones de manejo sostenible del suelo. ............................................................................................................................. 59 Tabla 19. Categorización propuesta de la variable pH ......................................... 61 Tabla 20. Categorización propuesta de la variable conductividad eléctrica ......... 62 Tabla 21. Categorización propuesta de la variable capacidad de retención de agua ............................................................................................................................. 62 Tabla 22. Categorización propuesta de la variable Compactación del suelo ....... 63 Tabla 23. Estrategias de manejo del suelo para la variable Ph. ........................... 63 Tabla 24. Estrategias de manejo del suelo para la variable conductividad eléctrica. ............................................................................................................................. 64 Tabla 25. Estrategias de manejo del suelo para la variable capacidad de retención de agua. ............................................................................................................... 65 Tabla 26. Estrategias de manejo del suelo para la variable compactación del suelo. ............................................................................................................................. 66 Tabla 27. Calificación de los sensores de pH....................................................... 67 Tabla 28. Calificación de los sensores de conductividad eléctrica. ...................... 67 Tabla 29. Calificación de los sensores de humedad de suelo. ............................. 68 Tabla 30. Calificación de los sensores de compactación del suelo. ..................... 68 Tabla 31. Actividades, cargos y funciones del personal ....................................... 70 Tabla 32. Resumen de cargos y perfiles profesionales ........................................ 71 Tabla 33. Recopilación histórica de estudios de suelo de la hacienda Pacaguan 74 Tabla 34. Resumen de cuarteles o lotes de pasto ............................................... 76 Tabla 35. Resumen de estrategias de manejo de la variable pH. ........................ 95 Tabla 36. Resumen de estrategias de manejo de la variable conductividad eléctrica. ............................................................................................................................. 95 Tabla 37. Resumen de estrategias de manejo de la variable capacidad de retención de agua. ............................................................................................................... 96 Tabla 38. Resumen de estrategias de manejo de la variable compactación del suelo. .................................................................................................................... 96

10

INDICE DE GRÁFICOS Gráfico 1. Diferencias de la ganadería intensiva y extensiva ............................... 21 Gráfico 2. Algebra de mapas ................................................................................ 36 Gráfico 3. Flujograma de trabajo .......................................................................... 40 Gráfico 4. Flujograma de implementación del modelo de análisis espacial. ........ 72 Gráfico 5. Levantamiento de información en campo ............................................ 78 Gráfico 6. Histograma de la variable pH ............................................................... 79 Gráfico 7. Cuantil cuantil de la variable pH .......................................................... 80 Gráfico 8. Histograma de la variable conductividad eléctrica ............................... 81 Gráfico 9. Cuantil cuantil de la variable conductividad eléctrica ........................... 81 Gráfico 10. Histograma de la variable capacidad de retención de agua .............. 82 Gráfico 11. Cuantil cuantil de la variable capacidad de retención de agua .......... 83 Gráfico 12. Histograma de la variable compactación del suelo ............................ 84 Gráfico 13. Cuantil cuantil de la variable compactación del suelo ........................ 84 Gráfico 14. SensoR Kelway soil pH meter ......................................................... 121 Gráfico 15. Aquaterr EC-350 .............................................................................. 122 Gráfico 16. Delmhorst KS-D1 ............................................................................. 123 Gráfico 17. Penetrómetro dinámico de cono. ..................................................... 124

11

INDICE DE MAPAS

Mapa 1. Ubicación de la zona de estudio ............................................................. 39 Mapa 2. Ubicación de lotes .................................................................................. 75 Mapa 3. Ubicación de puntos de muestreo .......................................................... 77 Mapa 4. Interpolación de la variable pH ............................................................... 85 Mapa 5. Interpolación de la variable conductividad eléctrica ............................... 86 Mapa 6. Interpolación de la variable capacidad de retención de agua ................. 87 Mapa 7. Interpolación de la variable compactación del suelo .............................. 88 Mapa 8. Categorización de la variable pH ............................................................ 89 Mapa 9. Categorización de la variable conductividad eléctrica ............................ 90 Mapa 10. Categorización de la variable capacidad de retención de agua ........... 91 Mapa 11. Categorización de la variable compactación del suelo ......................... 92 Mapa 12. Priorización de intervención ................................................................. 94

12

INDICE DE ANEXOS Anexo 1.- Referencia para corrección de suelos ácidos .................................... 110 Anexo 2.- Referencia para corrección de suelos alcalinos. Equivalencias de mejoradores de suelos alcalinos (Tomando al azufre como unidad). ................. 111 Anexo 3. Referencia de periodicidad de medición de variables del suelo .......... 112 Anexo 4. Información relevante acerca de equipos de medición de variables. .. 114 Equipos que miden humedad del suelo. ............................................................ 117 Anexo 5. Ficha para levantar información en campo de las variables estudiadas. ........................................................................................................................... 118 Anexo 6. Tabla para definir actividades, cargo y funciones dentro de la ejecución del modelo. ......................................................................................................... 119 Anexo 7. Tabla para definir cargos y perfiles profesionales ............................... 120 Anexo 8. Levantamiento de información de las variables descriptoras del estado de salud del suelo ................................................................................................... 121

13

Capítulo I

1. Introducción

1.1. Los antecedentes del problema El sector pecuario es el de mayor crecimiento en el mundo, en comparación con otros sectores de la economía primaria. El libro “La larga sombra del ganado: problemas ambientales y opciones” de Steinfeld (2009) explica que la ganadería utiliza hoy en día el 30% de la superficie terrestre del planeta, que en su mayor parte son pastizales, pero que ocupa también un 33% de toda la superficie cultivable, destinada a producir forraje. El boletín de prensa de la FAO “La ganadería amenaza el medio ambiente” (Matthews, 2006) sostiene que la tala de bosques para crear pastos es una de las principales causas de la deforestación, en especial en Latinoamérica, donde por ejemplo el 70% de los bosques que han desaparecido en el Amazonas se han dedicado a pastizales. Los rebaños provocan al mismo tiempo daños en el suelo a gran escala, con cerca del 20% de los pastizales degradados a causa del sobrepastoreo, la compactación y la erosión.

Esta cifra es aún mayor en las tierras áridas, en donde políticas erróneas y una gestión ganadera inadecuada han contribuido al avance de la desertificación (Matthews, 2006).

En el Ecuador, aproximadamente, 3,5 millones de hectáreas se destinan a la producción de leche; la mayor concentración está en la Sierra (75%), la Amazonía (11%) y la diferencia (14%) en el resto del país (Grijalva Cobo, 2011). Según el INEC (Instituto Nacional de Estadísticas y Censos) en el año 2019 la superficie destinada a cultivo de pastos asciende a 1,985,494 has y 915,843 has poseen pastos naturales (INEC, 2019). De ahí la importancia del sector agropecuario como pilar fundamental en la economía del país, no obstante, durante muchos años una infinidad de políticas ineficientes y factores tanto internos como externos no han logrado los resultados esperados (Valarezo et al., 2019). El manejo del recurso

14 suelo no ha sido ajeno a este olvido. Muestra de ello es, la cada vez, más creciente superficie de áreas erosionadas por la explotación agropecuaria.

La Hacienda Pacaguan, produce leche de ganado vacuno desde el año 2,012, al inicio se establecieron praderas y se han probado varias especies de pastos, siempre con el objetivo de generar la mayor cantidad de forraje, el pastoreo de los ejemplares dio paso a un sistema semi estabulado, para generar aún más eficiencia en la producción de pastos. La dinámica del pastoreo afectó las características físicas y químicas del suelo, lo que paulatinamente mermó la producción de forraje verde para los animales, la disyuntiva entre establecer nuevos lotes para producir forraje, lo cual implica deforestar zonas de la hacienda que poseen vegetación nativa, o ejecutar actividades de manejo sostenible de suelo para corregir y/o modificar las mencionadas propiedades, se plantea en la actualidad.

En este escenario, una vez que los suelos han tenido procesos de degradación, y dado el giro de negocio de la ganadería, lo más fácil es adquirir y destinar nuevas superficies de suelo, que incluso tienen bosques o vegetación nativa, a la producción de forrajes, en lugar de, adoptar medidas que propicien la recuperación de los suelos y su consecuente optimización en la provisión de alimento para el ganado.

Desarrollar un modelo de análisis espacial en ganadería como propuesta de manejo sostenible de suelos, permitirá que los productores incrementen o recuperen la cantidad de forraje verde producido en sus explotaciones, lo cual contribuirá a que menos tierras con bosques o vegetación nativa sean deforestadas y destinadas a la ganadería, esto en un intento de adaptación al cambio climático.

15

1.2. Objetivos y preguntas de investigación

1.2.1. Objetivo General Desarrollar un modelo de análisis espacial para la definición de estrategias de manejo sostenible de suelos dedicados a la ganadería en la Hacienda Pacaguan en Ecuador.

1.2.2. Objetivos Específicos •

Categorizar las variables físicas: compactación, capacidad de retención de

agua y las variables químicas: pH (potencial hidrógeno) y conductividad eléctrica.

•

Determinar una escala de intervención sobre el recurso suelo en función de

las variables físico-químicas categorizadas.

•

Definir el protocolo de muestreo, recolección de datos y procesamiento

cartográfico para la aplicación del modelo de análisis espacial con enfoque de manejo sostenible de suelos.

•

Aplicar el modelo de análisis espacial basado en la medición de variables en

campo para la definición de estrategias de manejo sostenible de suelos en la Hacienda “Pacaguan”

1.2.3. Preguntas de Investigación ¿Cuál es la categorización de las variables físicas: compactación, capacidad de retención de agua y las variables químicas: pH y conductividad eléctrica; que permiten determinar una escala de intervención sobre el recurso suelo?

16 ¿Cómo se realizará la definición del protocolo de muestreo, recolección de datos y procesamiento cartográfico para la aplicación del modelo de análisis espacial con enfoque de manejo sostenible de suelos?

¿Cómo ayuda el desarrollo de un modelo de análisis espacial basado en la medición de variables en campo para la definición de estrategias de manejo sostenible de suelos dedicados a la ganadería?

1.3. Hipótesis Un modelo de análisis espacial, basado en la medición de variables físico-químicas del suelo recogidas a través de sensores de campo, facilita la determinación de zonas homogéneas de intervención y la definición de estrategias de manejo sostenible del suelo en zonas dedicadas a la producción de forraje en la Hacienda “Pacaguan” (Ecuador).

1.4. Justificación Según la ONU (Organización de las Naciones Unidas), en los últimos años las cantidades de gases de efecto invernadero en la atmósfera han aumentado en niveles nunca antes vistos, esto en consecuencia a décadas de producción industrializada, deforestación, agricultura y ganadería a gran escala (ONU, 2020).

Como una muestra de bienestar, año a año se consumen más productos cárnicos y lácteos. Se tiene la proyección de que se doblará la producción mundial de carne desde los 229 millones de toneladas en 2,001 a 465 millones de toneladas en 2,050.

Por su parte la producción lechera se aumentará en ese período de 580 a 1,043 millones de toneladas (Matthews, 2006). Esto da lugar a la intensificación en la ganadería, lo cual propicia efectos negativos y positivos. El incremento de los rendimientos en los sistemas agrícolas contribuye a reducir la presión ejercida para transformar los ecosistemas naturales en tierras de cultivo e incluso puede llegar a liberar tierras agrícolas para reconvertir en áreas naturales (Steinfeld, 2009).

Durante las últimas décadas la preocupación por estos temas se ha ido convirtiendo

17 sino en el más importante, uno de los aspectos junto con la aparición de pandemias mundiales los que han copado las palestras de la opinión política, se han generado por ejemplo la Convención Marco de las Naciones Unidas sobre el Cambio Climático el cual dio lugar a la aparición del Grupo Intergubernamental de Expertos sobre el Cambio Climático de la ONU. Además, documentos como el Protocolo de Kyoto, Acuerdo de París han sido suscritos por los países miembros. En 2,019 se realizó la Cumbre sobre la Acción Climática con la finalidad de respaldar, incrementar y acelerar el proceso multilateral en la acción climática (ONU, 2020).

Sin embargo, más allá de la suscripción de convenios protocolos y la generación de políticas, han sido escasos los recursos dispuestos para operativizar estas políticas y generar herramientas efectivas dirigidas a los productores que son el primer eslabón de la producción.

Para el caso de la Hacienda Pacaguan, la producción de forrajes que se ha registrado a lo largo de esta década muestra un decrecimiento sostenido; si bien se ha hecho esfuerzos, que refieren sobre todo al incremento de fertilización química, para recuperar la provisión de alimento para el ganado, estos han sido infructuosos.

Lo que plantea, en un escenario no lejano, el encarecimiento de alimento para el ganado, generando un impacto negativo importante en la rentabilidad de la explotación.

De ahí la necesidad de realizar la presente investigación que desarrollará un modelo de análisis espacial basado en la medición de variables en campo para la definición de estrategias de manejo sostenible de suelos dedicados a la ganadería.

1.5. Alcance El modelo de análisis espacial basado en la medición de variables en campo para la definición de estrategias de manejo sostenible de suelos dedicados a la ganadería, estudia dos (2) variables físicas: compactación del suelo y capacidad de retención de agua y dos (2) variables químicas: pH y conductividad eléctrica. Las variables fueron medidas en campo, en los lotes que están destinados a la

18 producción de forraje, se generó una capa continua de cada variable agrupada de acuerdo a una categorización y se definió una escala de intervención sobre el recurso suelo para cada categoría. Con esto se obtuvo mapas con superficies continuas de cada una de las variables estudiadas agrupadas de acuerdo a las categorías preestablecidas con su respectiva estrategia de manejo sostenible del recurso suelo, además de un mapa resumen de la priorización de intervención de actividades de manejo.

Para la presente investigación, se aplicó el modelo propuesto en la Hacienda “Pacaguan” en el cantón Riobamba, provincia de Chimborazo, la cual es una explotación productora de leche de ganado vacuno, la alimentación del ganado se basa en la alfalfa fresca picada y silo de maíz, por lo que el manejo adecuado del recurso suelo es primordial para el sostenimiento de la misma. El estudio de caso evaluó un total aproximado de 40 hectáreas de pastizales.

Aun cuando el modelo de análisis espacial basado en la medición de variables en campo para la definición de estrategias de manejo sostenible de suelos dedicados a la ganadería fue ejecutado en la hacienda Pacaguan, este es de utilidad para las explotaciones ganaderas específicamente a todos los suelos que se destinen a la producción de forraje. El modelo permite evaluar el estado de calidad del suelo en función de las variables estudiadas y define las acciones que se deben tomar a partir de las mediciones realizadas, posterior a la aplicación del modelo se puede ubicar exactamente las diferentes zonas de pastizales con sus respectivos niveles de compactación del suelo, capacidad de retención de agua, pH y conductividad eléctrica, para poder efectuar eficazmente acciones de manejo sostenible, esto propicia la obtención de una producción sostenida de pastos, lo cual ayuda a reducir la presión sobre otras zonas incluso con vegetación nativa.

19

Capítulo II

2. Revisión de Literatura

2.1 La producción ganadera La producción ganadera suministra un tercio del consumo mundial de proteínas. Un 40% del producto interno bruto agrícola es representado por este rubro, provee de trabajo directo a mil trescientos millones de personas y labores indirectas a otros mil millones de personas en el mundo según el libro “La larga sombra del ganado: problemas ambientales y opciones” (Steinfeld, 2009). Las proyecciones en la producción mundial de carne aumentarán en dos proporciones, en el año 2,001 es de 229 millones de toneladas llegando a 465 millones de toneladas en el año 2,050.

Por su parte la cantidad de leche en el mercado se incrementará de 580 a 1,043 millones de toneladas en el mismo lapso de tiempo (Steinfeld, 2009).

En gran medida el crecimiento de la producción se debe al incremento de la población mundial pero también a las modificaciones en las preferencias nutricionales. En este contexto el impacto ambiental sobre los recursos suelo y agua deberán reducirse notablemente para que la actividad sea sostenible (Steinfeld, 2009).

2.1.1. Importancia de la producción ganadera El sector ganadero hace medio siglo se basaba en la oferta de productos que resultaban de la transformación de materiales de desecho y otros recursos que tenían un uso limitado y/o alternativo, en términos de competencia era marginal su impacto. Sin embargo, debido al creciente aumento de la población, un incremento significativo en los ingresos de las familias que resultan una emergente clase media, que demanda cada vez una dieta más rica y diversificada, la demanda de alimentos de origen animal particularmente irá al alza. La previsión de demanda de

20 carne y leche para el año 2,050 aumentará en un 73% y 58% respectivamente si se toma como dato base el año 2,010 de acuerdo al artículo “Enfrentando el cambio climático a través de la ganadería” (Gerber et al., 2013). Por lo que la presión que se ejercerá sobre los recursos naturales necesarios para mantener esta producción será puesta a prueba. Ahora, que la demanda de productos pecuarios ha aumentado sus niveles, el sector ganadero compite por recursos con otros sectores en teoría más eficaces, ha llegado a tener el estatus de ser un sector casi depredador de recursos (Gerber et al., 2013).

Existen tres aspectos de particular estudio, en primer lugar el nivel de eficiencia de producción de proteína animal que suele estar por debajo de la proteína vegetal.

Otro aspecto de interés está dado por el entorno en el que los animales se producen; si tienden a ser extensivos estos suelen ser remotos donde las regulaciones y políticas de control son débiles para contrarrestar la deforestación y degradación de la tierra. Finalmente si la ganadería es intensiva se busca sitios que permitan reducir los costos de producción lo que obliga a estar cerca de grandes centros poblados en donde no existe la cantidad suficiente de terrenos para reciclar los desechos, lo que ocasiona altos niveles de contaminación y presencia de residuos químicos provenientes del manejo de las praderas (Gerber et al., 2013).

El impacto de la producción ganadera en el cambio de los parámetros climáticos ha sido materia de estudio, aspectos relacionados a la salud y el buen trato de los animales que se producen también han sido documentados a raíz del cambio climático. Por otra parte, este sector tiene alta importancia para la seguridad alimentaria y para la provisión de alimentos a nivel mundial, de él se desprende incluso la forma de vida, ahorros y trabajo para millones de personas alrededor del mundo. Provee también servicios ambientales y es la base de pequeñas economías, pero es imposible desconocer su contribución a la emisión de gases de efecto invernadero. Los animales domésticos y de producción a través del consumo de energía y la forma en que se maneja el estiércol y otros desechos provocan el aumento de CO2 dióxido de carbono, metano y sobre todo el óxido nitroso. Sin embargo no todos los sistemas ganaderos son iguales y la manera en la que se

21 emiten dichos gases, en función de estos aspectos se puede clasificar la ganadería como extensiva o intensiva (Herrera, 2020).

2.1.2. Ganadería intensiva y extensiva La producción ganadera intensiva se caracteriza por llevarse a cabo en sitios cerrados, los alimentos para animales provienen de mercados o incluso son importados de otros países, produciendo alta contaminación y gastando cantidades considerables de energía y otros insumos, antagónico a la ganadería extensiva, que utiliza pastos y razas o variedades propias de las localidades en este sistema los animales se crían en pastoreo, los consumos de materias primas y energía son relativamente bajos y están dirigidos a alcanzar una sostenibilidad (Herrera, 2020).

Los aspectos como la alimentación, obtención del alimento, movilidad de animales, insumos externos, flujos de materiales y energía, alojamiento, servicios ecosistémicos y el impacto ambiental que diferencian a los dos modelos de ganadería intensiva y extensiva se analizan a continuación en el gráfico 1.

Gráfico 1. Diferencias de la ganadería intensiva y extensiva

22

2.1.3. Ganadería sostenible Una nueva forma de hacer ganadería es posible, sobre todo aquella que busca regenerar los impactos que ha venido ocasionando. Sin embargo, esto depende varios factores como los actores sociales involucrados, las actividades específicas de producción que se realicen, el nivel de estandarización e industrialización, así como la organización o incluso la cultura. Otra arista totalmente diferente es la que contempla las características biofísicas y el estado de deterioro de los recursos naturales. Existen varias propuestas de acuerdo a la situación que se desee abordar y/o mejorar las cuales recombinan acciones de educación, tecnología, políticas y económicas. Todo esto dirigido a mejorar las explotaciones ganaderas y su sistema productivo, las mejoras tienen que ver con la eficiencia, intensificación, la conciencia social y la generación de servicios ambientales como la regulación hídrica, captura de carbono, conservación de la biodiversidad. De manera paralela se propicia el incremento de la cobertura vegetal natural y busca liberar la presión sobre las áreas que por el nivel de deterioro o que sean estratégicas por su valor ecosistémico a escala de predios y de microcuencas (Murgueitio, 2003).

Este nuevo enfoque de producción pecuaria contiene un sentido de responsabilidad por el cuidado de los recursos. Varias acciones como el establecimiento de franjas de protección con especies arbóreas y arbustivas de origen nativo en los cauces de agua, el acceso controlado del ganado hacia el recurso agua se plantea corregir con la utilización de bebederos, los canales de riego no pueden captar todo el recurso por el contrario deben garantizar que una porción del caudal fluya naturalmente por el cauce. El recurso suelo es manejado a través de campañas de concienciación para disminuir la labranza y la utilización excesiva de herbicidas, así como el aumento de cobertura arbórea en las praderas en lo posible con especies nativas y/o leguminosas para que aporten nitrógeno al suelo y se reduzca el uso de fertilizantes nitrogenados (Murgueitio, 2003).

Todas las acciones ejecutadas que tiendan a lograr la sostenibilidad de la producción pecuaria logran efectos positivos en el cambio climático más allá de la

23 modalidad de ganadería que se realice sea esta intensiva o extensiva. Se manifiesta sobre todo en la reducción de las emisiones de gases de efecto invernadero, aunque existen confusiones a la hora de cuantificar el balance de emisiones ya que se toma en cuenta solo el kilogramo de carne producida o el litro de leche ofertado, beneficiado así a la ganadería intensiva, y no se toma en consideración la generación bienes públicos y servicios ecosistémicos donde se puede anotar el manejo de pastos, la ayuda en la prevención de incendios, la conservación de la diversidad o la transferencia de fertilidad al suelo que la ganadería extensiva aporta (Herrera, 2020).

Además, los sistemas intensivos de producción ganadera produjeron en 2 o 3 años los mismos efectos en los suelos, que las ganaderías extensivas, establecidas hace más de 15 o 20 años (Siavosh et al., 2000).

2.2. El suelo como elemento esencial de la producción Más allá de los elementos como el agua y el aire, el recurso suelo es aquel en el que se puede asentar todo tipo de producciones que sirven de sustento para la humanidad, no obstante, la presión creciente que cada día recibe a causa del crecimiento poblacional y su consecuente demanda de alimentos ha provocado un deterioro considerable en la calidad, en zonas cálidas y/o tropicales del globo terráqueo se investiga diariamente para recuperar los suelos ya que se ha comprobado que no es el clima caliente lo que daña su estructura sino un manejo inadecuado (Sánchez et al., 2011).

En el ecosistema suelo existen relaciones activas entre aire, agua, sustancias sólidas e innumerables seres vivos. Solo un equilibrio adecuado de todos ellos permitirá mantener la calidad y por ende la sostenibilidad de las actividades agropecuarias. Dicho esto, los estudios que se realicen para definir la calidad del suelo deben tener un ámbito integral que abarque aspectos referentes a las propiedades físicas, químicas, biológicas y ambientales. En la actualidad, la ganadería se ha expandido de tal modo que son cada vez más extensas las áreas

24 que se destinan a este sector, pero no es menos cierto que los impactos negativos que han provocado sobre el recurso suelo se han hecho más evidentes, las investigaciones enfrentan el reto de desarrollar una agricultura viable con rendimientos elevados y sostenibles pero con una mínima degradación del suelo, todas las investigaciones que pretenden plantear soluciones para el manejo sostenible del suelo deben tener la capacidad de demostrar y evidenciar las mejoras que proponen. Para esto se deberá integrar profesionales de varias disciplinas, así como a los productores locales, ello permitirá un estudio holístico que propicie una verdadera adaptación a este nuevo escenario ya que solo aquellos que verdaderamente logren adaptarse podrán perpetuar su existencia (Siavosh et al., 2000).

En todo el mundo la preocupación por los efectos sobre el ambiente y el suelo se han vuelto más notorios, captando un importante grado de atención social y política, los temas relacionados a la contaminación, escasez de agua, desertificación, reducción de la biodiversidad y el cambio climático plantean graves desafíos para la comunidad científica (Panagos et al., 2020).

Un suelo degradado es la mayor amenaza para la estabilidad de los ecosistemas.

Sin embargo, se necesita mayores estudios que definan modelos de análisis, mapas de las características y procesos de mitigación y reconstitución de la calidad del suelo a pequeñas y grandes escalas, es decir que puedan ser utilizados en cualquier explotación pecuaria sin importar la extensión de la misma (Panagos et al., 2020).

Se prevé que, en el año 2,056, la población humana alcanzará los 10 mil millones, lo cual hace suponer que la demanda de alimentos y recursos como agua, aire y suelo crecerá sustancialmente. El afán de suplir esta demanda provoca que la tierra se degrade lo que ha afectado a casi 3,200 millones de personas y está llevando a una extinción masiva y afecta a un sexto de todas las especies. La deforestación, labranza, pastoreo excesivo y prácticas agrícolas inadecuadas junto con los cambios en el uso del suelo provocados por actividades humanas son las

25 principales razones de la erosión acelerada del suelo, que tiene consecuencias importantes para los ciclos de nutrientes y carbono, la sostenibilidad de la producción de la tierra y, por ende, en todo el mundo (Panagos et al., 2020).

2.2.1. Propiedades de los suelos y su afectación por la ganadería De acuerdo a la rigidez, aireación, facilidad a la penetración de raíces, capacidad de drenaje, fuerza de sostenimiento, compactación, plasticidad, retención de nutrientes y agua definen las propiedades físicas de un suelo. Es necesario que las personas que trabajen con el uso del suelo tengan conciencia de dichos aspectos y la manera en la que las actividades realizadas en los sustratos afectan o modifican estas propiedades ya que solo un equilibrio entre ellas propicia un sostenido desenvolvimiento de las actividades productivas (Rucks et al., 2004).

Así también las propiedades químicas del suelo como el pH, conductividad eléctrica (dada por la cantidad de materia orgánica), nitrógeno total, fósforo disponible y potasio intercambiable permiten que las actividades agrícolas en el suelo se desarrollen con eficiencia, solo las mejores condiciones permitirán aprovechar la mayor capacidad de uno u otro sustrato (Acevedo et al., 2008).

La actividad ganadera, y su consecuente uso de suelo, provoca afectaciones en propiedades del suelo como el pH, conductividad eléctrica, movimiento del agua, compactación entre otros. Es decir que tanto propiedades físicas como químicas se ven alteradas por esta actividad, lo que incurre a posterior en bajas en el rendimiento sostenido de forrajes por unidad de suelo.

El pH es una propiedad química que está dada por el grado de acidez o alcalinidad de las soluciones. Por definición se considera que el pH es el logaritmo negativo de la actividad de los protones (H+ ) en una solución acuosa. [pH = -log (H+ ) ]

Cuando se habla de suelos esta propiedad es de mucha importancia ya que define qué tan ácida o alcalina es la solución de tierra, que es el medio donde se

26 desarrollan las raíces e intercambian sustancias químicas o nutrientes. Se ha definido una escala de medición del pH que va desde 0 hasta 14 donde 7 es un valor neutro, valores menores a 7 son ácidos y mayores indican alcalinidad de la solución (Osorio, 2012).

La conductividad eléctrica es una propiedad del suelo que está influenciada por una combinación de propiedades tanto físicas como químicas, como la textura, humedad, el contenido de materia orgánica, capacidad de intercambio catiónico, salinidad, pH, tipos de suelo, entre otras (Simon, Peralta, y Costa, 2013). En términos edafológicos, la conductividad eléctrica define la actividad vegetal y microbiana, se mide en decisiemens por metro (dS/m) (Cruz et al., 2004).

En cuanto al movimiento del agua en el suelo, se reconocen al menos tres movimientos del agua en el recurso suelo, a saber, infiltración, percolación y escorrentía. Posterior a un proceso de irrigación o bien un periodo lluvioso, el agua que va penetrando entre las partículas de limos, arcillas y arenas alcanza la zona en la que se encuentran las raíces de las plantas se le conoce como proceso de infiltración, cuando por características del suelo o por la cantidad de agua que se recibe el mismo, esta agua alcanza capas más profundas y la planta ya no puede aprovechar dicha agua se llama percolación, por último cuando el suelo se encuentra totalmente saturado y el agua empieza a recorrer la superficie del suelo se le llama escorrentía (GAD Provincial de Chimborazo, 2015).

Para las actividades agropecuarias, la capacidad del suelo para absorber, retener y suministrar agua definirá, entre otras, la calidad del suelo para realizar una actividad productiva. mantener el rendimiento y brindar sostenibilidad a la producción (Alonso y Aguirre, 2011).

La compactación del suelo incide sustancialmente en la productividad del mismo, dado que las plantas reducen el crecimiento de las raíces y la escasez de aire y agua plantean un reto para el normal desarrollo vegetal, esta puede ser medida en función de la resistencia a la penetración. Para ello se puede utilizar equipos

27 estáticos o dinámicos, el primero mide el ingreso de una sonda hacia el suelo a una velocidad constante, mientras que el segundo golpea un cono repetitivamente con un objeto de peso conocido e igual aceleración, con lo cual se define el grado de compactación del sustrato (CIMMYT, 2013).

2.2.2. Tipos de afectación

2.2.2.1. Afectación sobre el pH Las mediciones de pH en el suelo suelen arrojar valores entre 4 y 8, normalmente los valores por debajo del neutro se encuentran en suelos de locaciones húmedas y tropicales es decir suelos ácidos, mientras que los valores por encima se encuentran en sitios secos donde se encuentran suelos alcalinos. Sin embargo, la ganadería y otros factores provocan el cambio del pH del suelo, por ejemplo, cuando existe exceso de materia orgánica y el proceso de descomposición microbial ocurre, los microorganismos del suelo producen ácidos orgánicos y CO2 lo cual a posterior formará ácido carbónico así acidifica el suelo. Si bien existen plantas que se desenvuelven correctamente en suelos ácidos, la mayoría de los forrajes necesitan un suelo cercano a neutro para obtener su rendimiento óptimo, por lo que la acidificación del suelo es un problema recurrente en los sitios donde se han implementado praderas, las partículas acidez del suelo son absorbidas por las plantas y pueden causar toxicidad y el exceso puede incluso inhibir la división celular en los meristemas apicales de las raíces los cual restringe la absorción de nutrientes (Osorio, 2012).

2.2.2.2. Afectación sobre la conductividad eléctrica La conductividad eléctrica está ligada a la cantidad de materia orgánica (MO) presente en el suelo. La ganadería, puede disminuir o aumentar los niveles de MO, cuando el modelo de ganadería es extensivo, es decir que los animales pastorean estos van añadiendo materia orgánica al suelo producto de la digestión de forrajes, pero si el modelo es intensivo, los animales se encuentran confinados y los

28 desechos orgánicos son recogidos y dispuestos no necesariamente en el suelo.

Según el estudio “Impacto de sistemas de ganadería sobre las características de suelos en los Andes de Colombia” en donde se midió la cantidad de materia orgánica en diferentes ecosistemas, se pudo comprobar que los suelos expuestos a ganadería extensiva y de leche presentaron valores de 7.82 y 8.03% respectivamente, solo después de ecosistemas como los bosques y cafetales tradicionales (Siavosh et al., 2000).

Además, se demostró la correlación entre la cantidad de materia orgánica del suelo con la disminución de la compactación de suelo (con todos los beneficios que supone), aumenta la porosidad, el contenido del agua gravimétrica, la capacidad de intercambio catiónico y la actividad de los microorganismos del suelo (Siavosh et al., 2000).

2.2.2.3. Afectación sobre el movimiento del agua en el suelo Las actividades ligadas a la ganadería sobre el recurso suelo, ya sean pastoreo de animales o corte de forraje mecanizado, altera las características físicas del suelo, el cual modifica su estructura y propicia diferentes niveles de infiltración del agua, la densidad aparente disminuye y se reducen los espacios que pueden alojar agua, por lo que la capacidad de retención del agua tiene una merma que significa al final del día un descenso de los rendimientos de forraje por unidad de terreno, tanto la materia orgánica como la porosidad del suelo cumplen un papel de esponja lo que mejora la actividad microbiana y el movimiento de agua en las parcelas. Al contrario, si estas características se ven modificadas, la infiltración es mínima y empiezan a tener cada vez mayor recurrencia de procesos de percolación y escorrentía (Siavosh et al., 2000).

2.2.2.4. Afectación sobre la compactación del suelo En los sistemas ganaderos ya sean extensivos o intensivos, se muestra un aumento a la compactación del suelo, ya sean por el pisoteo de los animales o por el uso de

29 maquinaria pesada para las labores agrícolas respectivamente, esto modifica drásticamente la relación entre el suelo - agua - aire acarreando efectos negativos provenientes de la compactación del suelo (Siavosh et al., 2000).

En las áreas destinadas a la producción de forraje la compactación del suelo es provocada por el tránsito de animales, en donde a mayor cantidad de animales mayor aumento de la compactación del suelo, o por el uso de maquinaria para el corte y traslado de alimento hacia el sitio de estabulado, esto cambia negativamente el flujo de agua en la superficie del suelo, también la composición y estructura del sustrato, esto propicia el escenario ideal para la degradación, en algunos sitios irreversible, del suelo; con su consecuente baja en la productividad de pasto fresco lo cual es compensado con la ingesta de suplementos y/o concentrados que afecta la rentabilidad y competitividad (Murgueitio, 2003).

2.2.3. Uso sostenible del recurso suelo Ante la evidente la degradación del recurso suelo que ha provocado las actividades agropecuarias; es indispensable, si se quiere por un lado mejorar el ambiente y por otro mantener o aumentar la productividad, contar con un plan de manejo del suelo que integre los beneficios alimenticios del hombre y la perpetuidad de los ecosistemas. Esto requiere la interacción de profesionales de varias disciplinas para qué con su entendimiento a cerca de la conservación de este recurso, logren un equilibrio entre el suelo - planta - animal, que faculte mitigar los impactos ambientales causados, lograr el sostenimiento en la producción de forrajes y obtener mejores ingresos económicos y sociales (Sánchez et al., 2011).

Para mantener la productividad de los suelos y alcanzar una producción sostenible, se prevé varios principios de orden general como el aumento de cobertura vegetal en los suelos, añadir periódicamente materia orgánica, verificar que la infiltración y la retención de humedad mantenga niveles adecuados para que mejoren las condiciones de enraizamiento, realizar actividades que permitan la reducción de la escorrentía, realizar un fertilización química correcta en función de lo

30 requerimientos tanto de la planta como el suelo, reducir los costos de producción y la contaminación del ambiente (Montiel y Muhammad, 2015).

2.3. Muestreo de áreas productivas Según USDA (United States Department of Agriculture), las interacciones entre las características físicas, químicas y biológicas del suelo determinan la calidad del mismo. No obstante, hay que definir cuáles de estos componentes deben ser estudiados ya que no todos tienen el mismo grado de importancia para uno u otro suelo. En ocasiones apenas un indicador podría revelar la respuesta a la pregunta de investigación, sin embargo, habrá ocasiones en las que se requiera analizar una o muchas variables de cada uno de los tres componentes. El muestreo y análisis de la calidad del suelo puede evidenciar si el sistema de producción está degradando o mejorando el recurso suelo, esto dependerá del adecuado uso de los equipos de medición y la correcta interpretación de los datos obtenidos (USDA, 2000).

Se definen dos formas básicas para valorar la calidad del recurso suelo. En la primera se suelen realizar toma de datos periódicamente para demostrar cambios o tendencias. La segunda prevé una sola toma de datos para ser comparada con un valores estándar o referenciales. Independientemente de la forma de toma de datos, la información relevada puede ser utilizada para comparar entre varios tipos de sistemas de producción, evaluar cambios dentro del mismo sistema, para evaluar lotes con problemas recurrentes con otros lotes que no presenten dichos problemas o para cotejar con valores de referencia o del ecosistema natural cercano (USDA, 2000).

2.3.1. Tipología del muestreo de áreas Se pueden enunciar lo siguientes tipos de muestreos para estudiar la calidad del suelo, el primero es el aleatorio simple, este garantiza que cada elemento del universo tiene la misma probabilidad de ser incluida en la muestra, pero en torno a

31 la distribución geográfica no se obliga a que abarque la totalidad de la extensión, por tanto no se utiliza este método de forma pura, no obstante, es importante saber el concepto porque ya que en este se basan otros tipos de muestreo que controlan mejor la característica geográfica de la información (FAO, 2015).

El muestreo sistemático permite abordar de mejor manera la arista geográfica de la información, además permite una fácil implementación del mismo en el campo, por ejemplo si se desea evaluar una parcela de pastizales se define un intervalo a manera de marco y se recolecta una muestra de cada celda de la misma distancia del intervalo, sin embargo también tiene limitaciones ya que si se compara con el método aleatorio simple las probabilidades de que un elemento sea parte de la muestra bajan ostensiblemente, para superar este desventaja se suele usar el método replicado que implica la utilización de pequeñas muestras en lugar de una grande, la razón más importante de aplicar este método es mantener la distribución geográfica del método sistemático pero permitir una aleatoriedad suficiente con el objetivo de estimar de manera correcta los errores de muestreo (FAO, 2015).

Por último, está el muestreo con probabilidad proporcional al tamaño, la cual permite anclar una medida del tamaño de cada unidad a ser estudiada para que en función de ella se fije el tamaño de la muestra, es decir si se ha definido tomar un total de 10 muestras por hectárea, si una parcela tiene 2 hectáreas se deberán tomar 20 muestras. Cabe recalcar que se puede tomar una muestra con probabilidad proporcional al tamaño utilizando los métodos aleatorio simple, muestreo sistemático o un muestreo replicado (FAO, 2015).

2.3.2. Uso de sensores en el monitoreo de propiedades del suelo Desde hace varios años en el ámbito científico-productivo se viene acuñando el término “agricultura de precisión”, y en gran medida tiene relación directa con el desarrollo y avance de la tecnología y la invención de sensores para la medición de variables edáficas, climáticas y ambientales, se distinguen dos tipos de sensores para estos fines, remotos y de campo. Los sensores remotos iniciaron su

32 propagación en los años setenta, cuando se lanzaron los primeros satélites, generaron grandes expectativas para la parametrización directa de variables sin embargo los resultados a nivel de parcela han sido mucho menores a los esperados, el problema mayor es que tiene una baja aplicación ya que la forma en que estima los valores de variables de la cobertura del suelo es indirecta (Paz-Pellat et al., 2010).

Por otro lado, los instrumentos para levantamiento de información en campo son basados en inducción electromagnética, estos sensores son de utilidad para el evaluar las características edáficas a escala de campo. El avance tecnológico que ha permitido tener sensores de menor tamaño y el aumento de la capacidad de procesamiento de computadoras propician el surgimiento de modelos de análisis para estudiar propiedades del suelo y su variabilidad en el suelo en función de la distancia y la semivarianza, además de la interrelación con otras variables (Olmedo y Vallone, 2014).

2.4. Modelos espaciales aplicados

2.4.1. Uso de modelos espaciales para el análisis de información Los SIG (Sistemas de Información Geográfica) y sus innumerables campos de aplicación se han convertido, dentro de la actividad agropecuaria, en una herramienta útil para el diagnóstico y evaluación de las producciones, permite dar una respuesta rápida a inconvenientes que se presentan en las plantaciones lo cual posibilita el sostenimiento de los rendimientos e incluso su aumento. Análisis espaciales que van desde los más sencillos como el de mera observación sobre fotografías ortorectificadas hasta complejos modelos que suman procesos de superposición, interpolación entre otros han sido de gran utilidad para las explotaciones en la actualidad. Sobresale los análisis de interpolación los cuales permiten estudiar la variabilidad de una característica a lo largo del área de estudio, la ponderación del Inverso de la Distancia (IDW Inverse Distance Weighting), proceso matemático que usa una serie de pasos basados en las distancias de las

33 observaciones. Por otro lado, se encuentra el Kriging es un método estadístico que estudia la distribución espacial de las observaciones y su autocorrelación, mediante semivariogramas para realizar las predicciones correspondientes. Varios estudios realizados demuestran que en el ámbito agrícola las variables obtuvieron un mejor grado de efectividad en la interpolación utilizando el método geoestadístico ya que permite la verificación de los parámetros de interpolación a diferencia del método matemático (Henríquez et al., 2013).

De acuerdo al estudio realizado por Bertsch en Costa Rica, se puede demostrar que los mapas de interpolación de variables químicas del suelo son de gran utilidad para definir necesidades de fertilización de acuerdo a las variaciones del suelo, aquí se generó un plan de fertilización para cultivos de café y caña de azúcar en función de las necesidades de cada sitio estudiado (Bertsch et al., 2002).

Aunque el análisis ha demostrado tener un alto grado de confiabilidad, siempre es necesario realizar validaciones de los datos estimados que se obtienen del proceso de interpolación, esto se puede realizar básicamente de dos formas, la primera consiste en tomar datos en campo donde exista un valor estimado y realizar una comparación. La segunda forma se realiza a nivel de escritorio donde se elimina un dato al azar y se realiza el análisis de interpolación para después comparar con el valor obtenido de la estimación. Esto antes de tomar cualquier acción producto del análisis realizado (Henríquez et al., 2013).

2.4.2. Aplicación de interpolación en el análisis de información Un proceso de interpolación pretende básicamente estimar el valor de una variable “Z” en sitios donde esta no fue medida a partir de los valores obtenidos en ubicaciones conocidas “X, Y”. Los métodos interpoladores se clasifican de varias maneras como; en exactos y no exactos, además de globales y locales. En cuanto a la mantención de la exactitud del dato levantado son exactos si mantiene el valor y no exactos si pasan por alto esta condición. En relación a la extensión de aplicación son globales los que aplican la interpolación con todos los datos

34 existentes, y locales los que utilizan solo cierta parte de los datos que queda a discreción del analista el escogimiento de los datos; por otro lado en función de la variable a estudiar los interpoladores pueden obtener superficies discretas o continuas (Fallas, 2007).

Según Vargas, la interpolación espacial estima el valor de un atributo en una zona a través de un procedimiento matemático basándose en mediciones puntuales, para obtener una capa continua de la variable (Vargas et al., 2011).

La interpolación a partir de puntos permite generar superficies digitales de una variable, para lo cual se necesita las ubicaciones “X, Y” con sus respectivos atributos, por ejemplo; temperatura, pH, conductividad eléctrica, compactación del suelo, etc. Estos puntos pueden muestrearse de forma aleatoria y con un patrón sistemático que permita una mejor distribución de las observaciones en el área de trabajo. Más allá del método de interpolación utilizado ya sea Kriging o IDW la calidad de la información resultante dependerá que la cantidad y calidad de puntos muestreados, cuantos más puntos y mejor distribuidos sean las observaciones los resultados serán más confiables (Fallas, 2007).

Cada método de interpolación busca definir de forma adecuada el fenómeno que se estudia sobre una superficie continua y así poder disminuir el volumen de datos que se levantan a nivel de campo, hay varias técnicas entre las cuales el IDW y el Kriging (Murillo et al., 2012).

El proceso de interpolación de distancia inversa ponderada o Inverse Distance Weighting (IDW) utiliza los valores medidos que rodean la ubicación de predicción para predecir un valor para cualquier ubicación sin muestrear, basándose en la suposición de que las cosas que están cerca unas de otras son más parecidas que las que están más separadas. Este método hace explícitamente la suposición de que las cosas que están cerca unas de otras son más parecidas que las que están más separadas, para predecir un valor para cualquier ubicación no medida, IDW usa los valores medidos que rodean la ubicación de predicción. Los valores

35 medidos más cercanos a la ubicación de predicción tienen más influencia en el valor predicho que los que están más lejos. IDW asume que cada punto medido tiene una influencia local que disminuye con la distancia. Da mayor peso a los puntos más cercanos a la ubicación de la predicción y los pesos disminuyen en función de la distancia, de ahí el nombre de distancia inversa ponderada (ESRI, 2020).

Kriging es un procedimiento geoestadístico avanzado que genera una superficie estimada a partir de un conjunto de puntos dispersados con valores z. A diferencia de otros métodos de interpolación del conjunto de herramientas Interpolación, utilizar la herramienta Kriging de forma efectiva implica una investigación interactiva del comportamiento espacial del fenómeno representado por los valores z antes de seleccionar el mejor método de estimación para generar la superficie de salida.

Kriging presupone que la distancia o la dirección entre los puntos de muestra reflejan una correlación espacial que puede utilizarse para explicar la variación en la superficie. La herramienta Kriging ajusta una función matemática a un número específico de puntos o a todos los puntos dentro de un radio especificado, para determinar el valor de salida para cada ubicación. Kriging es un proceso que tiene varios pasos, entre los que se incluyen, el análisis estadístico exploratorio de los datos, el modelado de variogramas, la creación de la superficie y (opcionalmente) la exploración de la superficie de varianza. Este método es más adecuado cuando se sabe que hay una influencia direccional o de la distancia correlacionada espacialmente en los datos. Se utiliza a menudo en la ciencia del suelo y la geología (ESRI, 2020).

El Kriging bayesiano empírico por sus siglas en ingles EBK, es un procedimiento de interpolación de estadísticas geográficas que automatiza los aspectos más complejos de la creación de un modelo kriging válido. Otros métodos kriging requieren el ajuste manual de los parámetros para obtener resultados precisos, pero EBK calcula automáticamente esos parámetros por medio de un proceso de creación de subconjuntos y simulaciones. Se diferencia además de otros métodos kriging en que tiene en cuenta el error introducido al estimar el semivariograma

36 subyacente. Otros métodos kriging calculan el semivariograma a partir de ubicaciones de datos conocidas y utilizan este único semivariograma para realizar predicciones en ubicaciones desconocidas. En este proceso se asume implícitamente que el semivariograma estimado es el verdadero semivariograma para la región de interpolación. Al no tener en cuenta la incertidumbre de la estimación del semivariograma, otros métodos kriging subestiman los errores estándar de la predicción (ESRI, 2006).

El algebra de mapas, desde un punto de vista cartográfico, busca sintetizar dos o más variables (superficies), la combinación de dos o más atributos cualitativos, ordenados o cuantitativos, y su propósito es generar nueva información capaz de proporcionar una visión diferenciada del conjunto de atributos implicados. Como se muestra en el gráfico 2 debe haber más de una capa con información, las cuales a través de operaciones algebraicas se combinan entre sí para obtener nueva información o para sintetizar la misma (Moreira, 2012).

Gráfico 2. Algebra de mapas

37

2.4.3. Casos de estudio previos Se citan estudios similares en donde se estudió variables del suelo, Conti analizó la variabilidad espacial en determinaciones de carbono nitrógeno, fosforo y pH, de un muestreo sistemático de suelo, efectuó un muestreo en una unidad taxonómica donde obtuvo 100 datos puntuales en una cuadrícula propuesta sobre una hectárea. Verificó el carbono total, nitrógeno total, fósforo asimilable, pH actual y pH potencial, pudo determinar que el carbono y nitrógeno muestran diferencias muy significativas al muestrearse en las dos profundidades propuestas en el ensayo.

Para el fósforo se hallaron diferencias significativas tanto en las distintas profundidades como manejos. En pH actual y potencial hay igualdad de datos para las variables seleccionadas (Conti et al., 1980).

Otro estudio, es el realizado por Daza Torres et al., “Efecto del uso del suelo en la capacidad de almacenamiento hídrico en el páramo de Sumapaz – Colombia”.

Evaluaron modificaciones en las propiedades físicas del páramo y lo relacionó con su capacidad de acumulación de agua cuando se someten a diferentes usos. Las variables estudiadas fueron retención de humedad, densidad aparente, porosidad total, distribución de la porosidad y contenido de carbono orgánico. Concluyeron que el cambio del uso del suelo disminuye el nivel de retención de agua, lo que afecta la función ambiental de los páramos (Daza Torres et al., 2014)

La investigación de la “Caracterización de la variabilidad intraparcelaria de suelos mediante sensores proximales” elaborada por Olmedo y Vallone, usa los sensores proximales para medir variables como la conductividad eléctrica aparente, y concluye que estos equipos son útiles para la caracterización del suelo, además determina que el modelo de Regression-Kriging permite estimar la distribución espacial de diferentes variables edáficas (Olmedo y Vallone, 2014)

38

Capítulo III

3. Metodología

3.1. Área de Estudio Para el estudio de caso de la presente investigación, se ha tomado la Hacienda “Pacaguan” (Ver mapa 1), la misma que se encuentra situada en la zona norte del Cantón Riobamba, en el límite con el cantón Penipe, pertenecientes a la provincia de Chimborazo (Ecuador), en coordenadas UTM Universal Transverse Mercator datum WGS84 su ubicación está dada por 776,622 coordenada Este y 9,821,403 coordenada Norte a una altura promedio de 2840 m.s.n.m. Posee una extensión total de 146 hectáreas, pero por varias razones como la topografía o la cobertura vegetal natural tiene aproximadamente 40 hectáreas de praderas.

Es una hacienda productora de leche de ganado vacuno, con una producción promedio de 1,200 litros por día, mantienen en un sistema semi-estabulado alrededor de 100 cabezas de ganado de las razas Holstein, Jersey, Brown Swiss y sus cruzas, la alimentación del ganado se basa en la alfalfa fresca picada y silo de maíz.

39

Mapa 1. Ubicación de la zona de estudio

40

3.2. Flujograma de trabajo El trabajo de investigación plantea el siguiente flujo de trabajo con cuatro fases tanto de escritorio como de campo, cada una consta de sus respectivas actividades.

En primer lugar, se realiza el trabajo de escritorio para definir categorías y las actividades de manejo de cada una de ellas, luego se definió el algoritmo de ejecución del modelo para finalmente aplicarlo en el área de estudio seleccionada.

Las etapas y actividades del flujograma de trabajo se muestran en el grafico 3.

Gráfico 3. Flujograma de trabajo

41

3.3. Datos El modelo de análisis espacial pretende acercar una herramienta de evaluación rápida y concisa del sustrato de las praderas, por lo que está basado en la medición de variables en campo, estas mediciones deben ser realizadas de manera práctica y sencilla por personal de las haciendas los cuales en la mayoría de los casos no tienen preparación formal en manejo de suelos. Estos datos levantados in situ después del procesamiento de análisis de interpolación sirvió para la definición de estrategias de manejo sostenible de suelos dedicados a la ganadería. Los datos referidos a las cuatro variables que se estudiaron en el modelo: compactación del suelo, capacidad de retención del agua, pH y conductividad eléctrica, han sido levantados en campo mediante sensores e instrumentos portátiles que permiten realizar una lectura rápida de las variables mencionadas.

3.4. Desarrollo metodológico

3.4.1. Categorizar las variables físicas: compactación, capacidad de retención de agua y las variables químicas: pH y conductividad eléctrica.

Para la caracterización de las variables estudiadas, en primer lugar, se recopiló y analizó la información respecto a las escalas cualitativas y cuantitativas de evaluación de las variables físicas: compactación, capacidad de retención de agua y las variables químicas: pH y conductividad eléctrica, que se muestran a continuación. Después se definió las escalas cualitativas y cuantitativas de medición de las variables físicas y químicas.

3.4.1.1 Marcos de categorización de base de la variable pH Como se observa en la tabla 1, el Ministerio de Ganadería Agricultura y Pesca de la Republica de Uruguay en su Manual de Descripción y Muestreo de Suelos y

42 Análisis de Laboratorio define la siguiente categorización para la variable pH MGAP-RENARE (2014).

Tabla 1. Categorización de la variable pH. pH

Clase

>4.8

Muy fuertemente ácido

4.8 – 5.3

Fuertemente ácido

5.4 – 5.9

Medianamente ácido

6.0 – 6.5

Débilmente ácido

6.6 – 7.2

Entorno a la neutralidad

7.3 – 7.5

Débilmente alcalino

7.6 – 8.2

Medianamente alcalino

>8.2

Fuertemente alcalino

Fuente: MGAP-RENARE (2014)

Por su parte, en las hojas divulgadoras de “Interpretación de análisis de suelos” elaborado por Garrido Valero (1994), para el Instituto Nacional De Reforma Y Desarrollo Agrario del Ministerio De Agricultura Pesca Y Alimentación de España; plantea el siguiente marco de categorización para el pH de los suelos (Ver tabla 2).

Tabla 2. Categorización de la variable pH. pH

Clase

Observaciones

Menor de 5.5

Muy ácido

Dificultad de desarrollo de la mayoría de los cultivos, dificultad de retención de muchos nutrientes

5.5 – 6.5

Ácido

-

6.5 – 7.5

Neutro o cercano

Óptimo para los cultivos

7.5 – 8.5

Básico

-

Mayor a 8.5

Muy Básico

Dificultad de desarrollo de la mayoría de los cultivos, posible aparición de clorosis férrica.

Fuente: Garrido Valero (1994)

43 En la tabla 3 el estudio realizado por Albañil Inga (2016), titulado “Interpretación de los resultados de análisis químicos de los sedimentos en la zona del Valle del Chira” para la Universidad de Piura, muestra el siguiente esquema para categorizar la variable pH.

Tabla 3. Categorización de la variable pH. pH

Clase

5.1 – 5.5

Fuertemente ácido

5.6 – 6.0

Moderadamente ácido

6.1 – 6.5

Ligeramente ácido

6.6 – 7.3

Neutro

7.4 – 7.8

Ligeramente alcalino

7.9 – 8.4

Moderadamente alcalino

Fuente: Albañil Inga (2016)

La Guía para la Evaluación de la Calidad y Salud del Suelo, propuesta por el USDA (2000), formula la siguiente tabla para categorizar la variable pH en el suelo (Ver tabla 4).

Tabla 4. Categorización de la variable pH. pH

Clase

pH

Clase

menor a 3.5

Ultra Acido

6.5 - 7.2

Neutro

4.5 - 3.5

Extremadamente ácido

7.2 - 8

Ligeramente alcalino

4.5 - 5

Muy fuertemente ácido

8 - 8.5

Moderadamente alcalino

5.5 - 5

Fuertemente ácido

8.5 - 9

Fuertemente alcalino

6 - 5.5

Moderadamente ácido

mayor a 9

Muy fuertemente alcalino

6.5 - 6

Ligeramente ácido

Fuente: USDA (2000)

44

3.4.1.2 Marcos de categorización de base de la variable conductividad eléctrica En cuanto a la variable conductividad eléctrica, el Manual de Descripción y Muestreo de Suelos y Análisis de Laboratorio del Ministerio de Ganadería Agricultura y pesca de Uruguay utiliza la siguiente referencia para dividir en categorías al suelo en función de esta variable (Véase la tabla 5).

Tabla 5. Categorización de la variable conductividad eléctrica.

Clases

Conductividad (dS/m)

No salinos

<2

Muy ligeramente salino

2-<4

Ligeramente salino

4-<8

Moderadamente salino

8 - < 16

Fuertemente salino

≥ 16

eléctrica

Fuente: MGAP-RENARE (2014)

Como muestra la tabla 6, el estudio de Garrido Valero (1994), para el Instituto Nacional De Reforma Y Desarrollo Agrario del Ministerio De Agricultura Pesca Y Alimentación de España determina las siguientes clases para clasificar al suelo de acuerdo a la cantidad de sales disueltas, lo que se entiende por conductividad eléctrica además define las consecuencias en el desarrollo de cultivos.

Tabla 6. Categorización de la variable conductividad eléctrica.

Valor

Clase

<500 micromhos/cm

Buen desarrollo en los cultivos

500 – 1,000 micromhos/cm

Aparecen cultivos

> 1,000 micromhos/cm

Dificultades en varios cultivos

Fuente: Garrido Valero (1994)

problemas

en

ciertos

45 La Universidad de Piura efectuó el estudio “Interpretación de los resultados de análisis químicos de los sedimentos en la zona del Valle del Chira” realizado por Albañil Inga (2016), en el que se determina la siguiente referencia para clasificar al suelo en términos de conductividad eléctrica (Ver tabla 7).

Tabla 7. Categorización de la variable conductividad eléctrica.

Clases

Conductividad eléctrica (dS/m)

Muy ligeramente Salino

<2

Ligeramente Salino

2-4

Moderadamente Salino

4-8

Fuertemente Salino

8 - 16

Extremadamente Salino

> 16

Fuente: Albañil Inga (2016)

En la tabla 8 se muestra, según el USDA (2000), dentro de la Guía para la Evaluación de la Calidad y Salud del Suelo, establece las clases del suelo en base al nivel de conductividad eléctrica.

Tabla 8. Categorización de la variable conductividad eléctrica Conductividad Clase Eléctrica (dS/m) salinidad 0-0.98 No salino

de

Respuesta de Cultivo

Respuesta Microbiana

Efectos casi despreciables

Pocos organismos afectados Se alteran procesos microbianos seleccionados, (nitrificación /de nitrificación) Son influenciados los principales procesos microbianos (respiración/ amonificación) Predominan microorganismos tolerantes (hongos, actinomicetos, algunas bacterias) Unos pocos organismos halofílicos seleccionados se mantienen activos

0.98 – 1.71

Muy ligeramente salino

Se restringen rendimientos cultivos muy sensibles

1.71 – 3.16

Ligeramente salino

Se restringen los rendimientos de la mayoría de los cultivos

3.16 – 6.07

Moderadamente Sólo cultivos tolerantes salino rinden satisfactoriamente

> 6.07

Fuertemente salino

Fuente: USDA (2000)

los de

Sólo cultivos muy tolerantes rinden satisfactoriamente

46 Así mismo, la USDA (2014), en sus guías para educadores referentes a la salud del suelo, en su publicación “Soil Electrical Conductivity”, plantea una categorización del suelo en función de la conductividad eléctrica dividida por las texturas del suelo, la tabla 9 muestra un resumen de las mencionadas categorías.

Tabla 9. Categorización de la variable conductividad eléctrica

Grado de salinidad (dS/m) Texturas Levemente Salino

Moderadame Fuertemente nte Salino Salino

Muy Salino

Arena gruesa a 0-1.1 arcillosa

1.2-2.4

2.5-4.4

4.5-8.9

9.0+

Arena franca fina 0-1.2 a franco

1.3-2.4

2.5-4.7

4.8-9.4

9.5+

Franco limoso a 0-1.3 franco arcilloso

1.4-2.5

2.6-5.0

5.1-10.0

10.1+

Franco arcilloso 0-1.4 limoso a arcilla

1.5-2.8

2.9-5.7

5.8-11.4

11.5+

Todas texturas

2.1-4.0

4.1-8.0

8.1-16.0

16.1+

No salino

las

0-2.0

Fuente: USDA (2014)

3.4.1.3 Marcos de categorización de base de la variable capacidad de retención de agua Para definir la capacidad de retención de agua de un suelo, en función de la tensión del agua que se mide en kilopascales (kPa), el Manual de Descripción y Muestreo de Suelos y Análisis de Laboratorio del Ministerio de Ganadería Agricultura y Pesca de Uruguay MGAP-RENARE (2014), provee el siguiente esquema de clasificación el cual se muestra en la tabla 10.

47 Tabla 10. Categorización de la variable capacidad de retención de agua.

Condición de humedad

Criterio: tensión (kPa)

Descripción

Seco

Estado de humedad mínimo, por exposición al aire del suelo a la presión atmosférica. Cuando el suelo se encuentra “seco” comúnmente está por debajo del punto de marchitez >1,500 permanente. En este estado se tomará el “color en seco”, la “consistencia en seco” y, dentro de lo posible, la estructura.

Húmedo

Es el estado intermedio entre seco y húmedo, es decir, con un contenido de humedad mayor que el de “seco al aire”. En estas ≤1,500 a > 1 condiciones se puede tomar excepcionalmente la estructura, o >0.53 pero nunca el color, ni la consistencia en seco.

Mojado

Es el estado correspondiente a un contenido de humedad por encima del “punto de marchitez permanente”, pero sin superar la capacidad de campo. El material de suelo absorbe el agua sin < 1.0 o < 0.53 alcanzar la saturación. En este estado debe ser tomado el “color en húmedo”, la “consistencia en húmedo”, etc.

Mojado saturado

Es el estado correspondiente a un contenido de humedad por encima de la capacidad de campo. Los poros capilares y no no >0.01 y < 1.0 capilares del suelo se hallan saturados con agua. En este estado o < 0.53 se comprueba la “plasticidad” y la “adhesividad” del material del suelo.

Mojado saturado

Es el estado que corresponde a un contenido excesivo de agua que el material del suelo no puede retener, por lo que se traspasa < 0.01 el llamado “límite de fluidez”. Es propio de los horizontes o capas por debajo del nivel freático.

Fuente: MGAP-RENARE (2014)

Compañías como Irrometer, proveen, tanto equipos para medición de la tensión en el suelo, así como tablas referenciales para clasificar el suelo en función de la cantidad de agua que pueden retener. (Ver tabla 11).

Tabla 11. Categorización de la variable capacidad de retención de agua.

Tensión de humedad de suelo (Centibares) Escala Textura Gruesa

Textura Media

Textura Fina

Suelo saturado

<10

<10

<10

Suelo en capacidad de campo

10 a 20

10 a 20

10 a 20

Suelo en rango de humedad aprovechable 20 a 30

30 a 50

50 a 60

Suelo en humedad crítica

>50

>60

Fuente: Irrometer Company, Inc. (2015)

>30

48

3.4.1.4 Marcos de categorización de base de la variable compactación del suelo El estudio de las propiedades mecánicas de suelos agrícolas a partir de pruebas in situ y de laboratorio para modelos de labranza y tracción elaborado por (Tenza Pongutá (2016), adopta la tabla de referencia propuesta por la USDA en su Manual de introducción al estudio de suelos para la categorización de la variable compactación del suelo en función de mediciones de la resistencia a la penetración.

Véase tabla 12.

Tabla 12. Categorización de la variable compactación del suelo.

Clase

Resistencia (MPa)

Bajo

< 0.1

Extremadamente bajo

< 0.01

Muy bajo

0.01 - 0.1

Intermedio

0.1 – 2

Intermedio bajo

0.1 - 1

Moderado

1 -2

Superior

>2

Alto

2-4

Muy alto

4-8

a

la

penetración

Extremadamente alto > 8 Fuente: Tenza Pongutá (2016)

Una observación entre la resistencia a la penetración en el suelo frente al crecimiento de raíces de las plantas es presentada por Quiroga et al. (2018), en el “Análisis y evaluación de propiedades físico hídrica de los suelos”, el esquema de referencia se muestra en la tabla 13.

49 Tabla 13. Categorización de la variable compactación del suelo.

Resistencia a la penetración (mPa)

Clase

0 - 2.5

Crecimiento normal de raíces

2.5 - 5

Problemas para el crecimiento de las raíces

mayor a 5

Imposible el crecimiento de raíces

Fuente: Quiroga et al. (2018)

Con esta información como base, se definió las categorizaciones idóneas para cada variable estudiada en el modelo. Tomando en cuenta los valores máximos y mínimos de cada variable se procedió a segmentar en categorías que permitan a posterior diferenciar las actividades de manejo sostenible de suelo.

3.4.2. Determinar una escala de intervención sobre el recurso suelo en función de las variables físico-químicas categorizadas.

Primero se recopiló y analizó información sobre la implementación de estrategias de manejo sostenible de suelos en explotaciones ganaderas, luego se definió las estrategias para la minimización de impactos de la producción ganadera sobre las variables físicas y químicas.

3.4.3. Definición del protocolo de muestreo, recolección de datos y procesamiento cartográfico para la aplicación del modelo de análisis espacial con enfoque de manejo sostenible de suelos.

Para esto se definió de manera preliminar el equipamiento mínimo requerido y el perfil del recurso humano responsable de las fases de muestreo, recolección de datos y procesamiento cartográfico. También se definieron los protocolos durante las etapas: preparatoria, diagnóstica, propuesta y evaluación de la implementación del modelo de análisis espacial para el manejo sostenible de suelos en explotaciones ganaderas.

50

3.4.3.1. Definición preliminar del equipamiento mínimo requerido Para definir los equipos o sensores para levantar la información de cada una de las variables estudiadas en campo, se ha tomado en cuenta varios aparatos existentes en el mercado de los cuales se ha extraído toda la información disponible (ver anexo 4), para después realizar una calificación de los siguientes aspectos en donde se utiliza una ponderación de cero a tres, la tabla 14 ilustra dicha calificación.

Tabla 14. Aspectos y calificación de equipos.

Aspecto

No cumple

Cumple mínimamente

Cumple moderadamente

Cumple plenamente

0

1

2

3

Precio Rango medición Exactitud

de

Portabilidad Fabricante Procedimiento

Precio: se refiere al valor de mercado del equipo disponible en Ecuador, precios más accesibles tendrán valores bajos y precios más elevados valores de calificación altos.

Rango de medición: revisa el valor mínimo y máximo que efectivamente puede medir el aparato. A mayor rango de medición se califica con valores altos, y viceversa.

Exactitud: revela cual es el error con el que realiza la lectura de la variable.

Mientras mayor sea el error de medición menor será la calificación asignada, y cuanto más exacto sea el equipo mayor la calificados que obtendrá.

51 Portabilidad: describe la facilidad del equipo para transportar en el campo, está ligado al peso del equipo. Dado que los equipos serán utilizados en campo para levantar un número importante de lecturas, se califica con valores altos a los equipos de mayor facilidad para transportar, y aquellos que presentan mayor dificultad de movilización se le asigna valores bajos.

Fabricante: se califica la procedencia del equipo, y el mercado al que va dirigido.

Cuando provengan de fabricantes especializados se califica con valores altos, y viceversa.

Procedimiento: de acuerdo al tipo de mecanismo que utiliza para realizar la lectura, se evalúa la confiabilidad del equipo. Mientras más confiable sea la lectura mayor será la calificación asignada al equipo.

3.4.3.2. Recurso humano responsable de las fases de muestreo, recolección de datos y procesamiento cartográfico.

Para definir el recurso humano para cada una de las fases se analizó las actividades que se llevaron a cabo, se definió un cargo y las funciones del mismo, además de un resumen de los cargos y perfiles profesionales del recurso humano; para esto se completó la tabla que se muestra en el anexo 6 y 7.

3.4.3.3. Definición de los protocolos durante las etapas: preparatoria, diagnóstica, análisis cartográfico y propuesta del modelo de análisis espacial.

FASE PREPARATORIA (Revisión documental)

Siendo indispensable conocer sobre la existencia de un registro histórico de información que caracterice los cambios ocurridos a lo largo del tiempo y tras varios ciclos consecutivos de explotación ganadera, es requerido verificar la existencia de

52 información relacionada con: análisis de suelos previos, análisis de agua de riego previos y planimetrías de delimitación de los cuarteles o potreros. Dicha información podrá brindar un primer análisis de situación del estado de salud del suelo, evidenciándose la variabilidad temporal y espacial de sus características físico químicas.

Con la finalidad de registrar la información referida a análisis de suelos previamente desarrollados, se recomienda homologar las unidades de medida para cada parámetro, así como definir la tendencia que se ha dado en el caso de contar con al menos 2 hitos de medición en los últimos 10 años.

Tabla 15. Recopilación histórica de estudios de suelo Parámetro analizado

Unidad

pH a 25 X

...

Materia Orgánica* Nitrógeno*

%

Fósforo*

mg/kg

Potasio*

cmol/kg

Calcio*

cmol/kg

Magnesio*

cmol/kg

Hierro*

mg/kg

Manganeso*

mg/kg

Cobre*

mg/kg

Zinc*

mg/kg

Conductivida d Eléctrica*

dS/m

Resultados del análisis Defina el año:………… …..

Resultados del análisis Defina el año:………… …..

Defina la tendencia Crecient e

Decrecient e

Establ e

%

Con la finalidad de registrar la información referida a análisis de agua de riego previamente desarrollados, se recomienda homologar las unidades de medida para cada parámetro, así como definir la tendencia que se ha dado en el caso de contar con al menos 2 hitos de medición en los últimos 10 años

53 Tabla 16. Recopilación histórica de estudios de agua de riego Expresado como

Parámetros

Unidad

Aluminio

Al

mg/l

Arsénico (total)

As

mg/l

Bario

Ba

mg/l

Berilio

Be

mg/l

Boro (total)

B

mg/l

Cadmio

Cd

mg/l

Carbamatos totales

mg/l

Cianuro (total)

Concentració n total de carbamatos CN-

Cobalto

Co

mg/l

Cu

mg/l

Cr+6

mg/l

Fluor

F

mg/l

Hierro

Fe

mg/l

Litio

Li

mg/l

Materia flotante

visible

Manganeso

Mn

mg/l

Molibdeno

Mo

mg/l

Mercurio (total)

Hg

mg/l

Níquel

Ni

mg/l

Organofosforados (totales)

Concentració n de organofosfora dos totales.

Concentració n de organoclorad os totales.

Ag

mg/l

Cobre hexavalente

Cromo

Organoclorados (totales)

Plata Potencial hidrógeno Plomo

de

Selenio Sólidos disueltos totales Transparencia de las aguas medidas con el disco secchi.

Vanadio Aceites y grasa

Coniformes Totales

mg/l

mg/l

pH Pb

mg/l

Se

mg/l mg/l

V

mg/l

Sustancias solubles en hexano nmp/100 ml

mg/l

Huevos de parásitos Zinc

mg/l

Zn

Huevos por litro mg/l

Resultados del análisis Defina el año:………… …..

Resultados del análisis Defina el año:………… …..

Defina la tendencia Crecien te

Decrecie nte

Estab le

54

Levantamiento georreferenciado de los potreros Con la finalidad de obtener información con respeto de la ubicación geográfica de cada uno de los lotes empleados para la producción de pasturas, se desarrolló el levantamiento de información en sitio empleando un equipo GPS de mano. Esto en caso de que no se cuente con dicha información.

Procesamiento

de

información

del

levantamiento

georreferenciado de los potreros La información georreferenciada recopilada a partir del levantamiento realizado o proveniente de los archivos de la explotación ganadera, facilitó la construcción de un archivo shapefile que refiera a datos de ubicación y superficie total de cada uno de los potreros.

Definición de una grilla de muestreo Como parte del proceso de recolección de datos en sitio, es requerido definir una grilla de muestreo, para esto se apoyó en la herramienta “Create Fishnet” que generó una malla cuadrangular y un punto en el centro de cada cuadrado, tomando como criterio que la construcción de la misma observará que el tamaño real en campo estaría en el rango de entre los 20 a 30 metros por lado. El punto centro de cada cuadrado que muestre la grilla fue tomado como la coordenada de referencia para el muestreo de las variables en sitio. Para la definición de la grilla de muestreo, se empleó el método con probabilidad proporcional al tamaño, el cual permite anclar una medida del tamaño de cada unidad a ser estudiada, para que en función de ella se fije el tamaño de la muestra. Siendo que se utilizó un equipo GPS de mano para ubicar el emplazamiento de cada punto de muestreo se definió tomar un total de 10 muestras por hectárea; más aún cuando se prevé que un distanciamiento entre sitios inferior a 20 metros podría verse influenciado por el error de precisión del equipo seleccionado.

55

Verificación de las condiciones del predio previo al levantamiento de información Siendo que el levantamiento de información en campo, puede verse afectado por la condición de humedad del suelo, es necesario que se efectúe un monitoreo previo a la ejecución de los trabajos, se debe dotar una lámina de agua de riego adecuada para garantizar que 24 horas después, el suelo haya alcanzado la capacidad de campo, en función del volumen de agua que no únicamente pudiere ser dotado por operaciones de riego, sino también por un rango de precipitaciones que no excedan la lámina de riego prevista.

En el caso de que esto no pudiere ejecutarse, se recomienda reprogramar la toma de datos en sitio, hasta que se pueda garantizar la mencionada dotación de agua de riego al predio.

FASE DIAGNÓSTICA

Levantamiento de información de las variables descriptoras del estado de salud del suelo Habiéndose seleccionado a las variables: pH (escala decimal en el rango de 0 a 14), conductividad eléctrica (dS/m), capacidad de retención de agua (tensión de humedad de suelo en centibares) y compactación del suelo (Mpa); y además tomando en cuenta la grilla de muestreo, se procedió a ubicar cada uno de los puntos referenciales sobre el terreno.

De esta manera, empleando un equipo GPS de mano, el personal responsable del muestreo se trasladó con el equipamiento mínimo hasta el sitio. Para ello se apoyó en una ficha de campo en la que se pueda rellenar con facilidad la información levantada (ver anexo 5).

56

FASE DE ANÁLISIS CARTOGRÁFICO

Análisis exploratorio de datos espaciales Este análisis se realiza, a través de mapas y gráficos, los primeros sirven para definir por medio de la observación, a través de una simbología correcta (Colores graduados), si los datos levantados guardan autocorrelación espacial, tendencias, valores atípicos o sitios con muestreos preferenciales; los gráficos, sirven para evidenciar la distribución normal de los datos por medio de histogramas donde se verifica que el valor de la media y la mediana sean similares, la curtosis cercana a 3 y la asimetría se acerque a cero.

Creación de la superficie de interpolación Para cumplir este paso se ejecutó la herramienta EBK (Empirical bayesian kriging), se toma este método de interpolación ya que automatiza la selección del semivariograma que mejor explica la variable. El procedimiento se realizó para cada una de las 4 variables estudiadas, se utilizó los siguientes parámetros.

Parámetros •

Tamaño del subconjunto: 100

•

Factor de superposición: 1

•

Numero de simulaciones: 300

•

Tipo de superficie de salida: Predicción

•

Transformación: ninguna si los datos siguen una distribución normal o logarítmica si los datos no tienen una distribución normal.

•

Tipo de semivariograma: potencia

•

Tipo de vecindario: Circular estándar

•

Máximo de vecinos: 15

•

Mínimo de vecinos; 10

•

Tipo de sector: un sector

57 •

Radio: 80

Antes de dar por valida una superficie de interpolación se realizó la validación cruzada, es un proceso que compara los valores medidos con los valores interpolados. Es un proceso sistemático donde se excluye un punto de muestra de entrada del modelo y luego predice un valor en esa ubicación utilizando los puntos de muestra restantes. Luego, el valor predicho se compara con el valor medido conocido en la ubicación del punto de muestra utilizando medidas estadísticas. Este procedimiento se repite hasta que todos los puntos de muestra de entrada se hayan excluido una vez; se verifica que la media y la media estandarizada del error se acerquen a cero, además que los datos de error tengan una distribución normal, y la curva de los datos medidos y predichos sean similares. De no cumplir estos requerimientos se debe volver a correr la herramienta de EBK modificando los parámetros sobre todo de tamaño del subconjunto, factor de superposición, número de simulaciones y radio hasta conseguir una superficie de interpolación válida.

Reclasificación de superficies interpoladas Una vez que se obtengan las superficies de interpolación, para cada variable estudiada, que sean válidas; se utilizó la herramienta de reclasificar, para que, en función, de las categorizaciones definidas se obtenga la superficie final interpolada y clasificada de acuerdo a las mencionadas categorizaciones.

Análisis de superposición Para cada variable estudiada con sus respectivas clases o categorías, se ha definido una priorización proporcional de la intervención propuesta, que se muestra en la tabla 17, es decir, a valores más críticos de la variable mayor importancia de ejecución de la intervención, además, se ha determinado valores numéricos a las mismas que sirven en lo posterior para realizar el análisis espacial de priorización de intervenciones. Esto con el fin de obtener una sola superficie que denote la priorización de intervención de manejo sostenible del suelo destinado a producción

58 de forrajes en función de las variables estudiadas, se utiliza un análisis de superposición donde se adiciona el valor de cada categoría y variable, de la siguiente manera.

Tabla 17. Priorización de estrategias de manejo sostenible del suelo.

Variable

pH

Conductividad eléctrica

Capacidad de retención de agua

Compactación del suelo

Clase

Priorización de intervenciones

Valor

Ácido

Alta

3

Moderadamente ácido

Media

2

Neutro

Nula

0

Moderadamente alcalino

Media

2

Alcalino

Alta

3

No salino

Nula

0

Ligeramente salino

Baja

1

Moderadamente salino

Media

2

Fuertemente salino

Alta

3

Muy salino

Muy alta

4

Suelo saturado

Alta

3

Suelo en capacidad de campo

Nula

0

Suelo en rango de humedad aprovechable

Baja

1

Suelo en humedad crítica

Alta

3

Bajo

Nula

0

Moderado

Baja

1

Alto

Media

2

Muy alto

Alta

3

Las superficies de cada variable tienen un valor de priorización que van desde cero a tres o cuatro en ciertas variables como se muestra en la tabla anterior, estos valores fueron sumados para obtener una sola superficie con valores totales entre cero y trece, los cuales serán clasificados de la siguiente manera para determinar la priorización de intervenciones para lograr un manejo sostenible del suelo en las explotaciones ganaderas (Ver tabla 18).

59 Tabla 18. Priorización de zonas para intervenciones de manejo sostenible del suelo.

Clases

Calificación

Descripción

Muy alta prioridad de intervención

>9

Se deben aplicar las intervenciones recomendadas con carácter emergente

6-9

Se pueden aplicar las recomendaciones de intervención a corto plazo, monitoreando con frecuencia semestral las potenciales modificaciones en las variables que evidencian el mayor grado de afectación

3-6

Se pueden aplicar las recomendaciones de intervención aun a mediano plazo, monitoreando con frecuencia anual las potenciales modificaciones en las variables que evidencian el mayor grado de afectación

0-3

Se pueden aplicar las recomendaciones de intervención aun a largo plazo, monitoreando con frecuencia mínima recomendada las potenciales modificaciones en las variables que evidencian el mayor grado de afectación

Alta prioridad de intervención

Moderada prioridad de intervención

Baja prioridad de intervención

FASE DE PROPUESTA DEL MODELO DE ANÁLISIS ESPACIAL

Preparación de los productos resultantes del modelo de análisis espacial •

Cuadro resumen del diagnóstico de la explotación

•

Mapa de ubicación de los cuarteles o lotes de pastizal.

•

Mapa de ubicación de los puntos de muestreo

•

Histograma y gráfico cuantil cuantil de la variable pH

•

Mapa de interpolación de la variable pH

•

Mapa de la categorización de la variable pH

•

Cuadro resumen de las intervenciones para la variable pH.

•

Histograma y gráfico cuantil cuantil de la variable conductividad eléctrica

•

Mapa de interpolación de la variable conductividad eléctrica

•

Mapa de la categorización de la variable conductividad eléctrica

•

Cuadro resumen de las intervenciones para la variable conductividad eléctrica.

•

Histograma y gráfico cuantil cuantil de la variable capacidad de retención de agua

•

Mapa de interpolación de la variable capacidad de retención de agua

•

Mapa de la categorización de la variable capacidad de retención de agua

60 •

Cuadro resumen de las intervenciones para la variable capacidad de retención de agua.

•

Histograma y gráfico cuantil cuantil de la variable compactación del suelo

•

Mapa de interpolación de la variable compactación del suelo

•

Mapa de la categorización de la variable compactación del suelo

•

Cuadro resumen de las intervenciones para la variable compactación del suelo.

•

Mapa de priorización de intervenciones

3.4.4. Aplicar el modelo de análisis espacial basado en la medición de variables en campo para la definición de estrategias de manejo sostenible de suelos en la Hacienda “Pacaguan”, La aplicación del modelo comprende el levantamiento de información in situ de las variables, desarrollo del procesamiento cartográfico, preparación de la memoria técnica de la aplicación del modelo de análisis espacial basado en la medición de variables en campo para la definición de estrategias de manejo sostenible de suelos en la Hacienda “Pacaguan”, finalmente se realizó una reunión de trabajo para la socialización de la aplicación del modelo de análisis espacial para manejo sostenible de suelos en ganadería con los responsables de la Hacienda "Pacaguan".

61

Capítulo IV

4. Resultados y Discusión

4.1. Resultados

4.1.1. Categorización

de

variables

físicas:

compactación,

capacidad de retención de agua y las variables químicas: pH y conductividad eléctrica.

Para la variable pH, se proponen cinco categorías del suelo en función de las mediciones del potencial hidrógeno que muestre el suelo. La tabla 19 que se muestra a continuación evidencia las clases del suelo basado en el nivel del pH.

Tabla 19. Categorización propuesta de la variable pH Clase

Rango de pH

Ácido

<5

Moderadamente ácido

5 a 6.5

Neutro

6.5 a 7 5

Moderadamente alcalino

7.5 a 9

Alcalino

>9

En cuanto a la variable de conductividad eléctrica, será medida en decisiemens por metro (dS/m), se han planteado cinco categorías del suelo en función de esta variable de estudio, además se ha diferenciado categorías según la textura del suelo y también se define una escala de categorización para una textura general.

Para mayor entendimiento se muestra en la tabla 20 un resumen de las categorías para el mencionado ítem.

62 Tabla 20. Categorización propuesta de la variable conductividad eléctrica Conductividad eléctrica según tipo de textura (dS/m)

Arena gruesa a arcillosa

Arena franca fina a franco

Franco limoso a franco arcilloso

Franco arcilloso limoso a arcilla

Textura en general

No salino

0-1.1

0-1.2

0-1.3

0-1.4

0-2.0

Ligeramente salino

1.2-2.4

1.3-2.4

1.4-2.5

1.5-2.8

2.1-4.0

Moderadamente salino

2.5-4.4

2.5-4.7

2.6-5.0

2.9-5.7

4.1-8.0

Fuertemente salino

4.5-8.9

4.8-9.4

5.1-10.0

5.8-11.4

8.1-16.0

Muy salino

9.0+

9.5+

10.1+

11.5+

16.1+

Clases de suelo

Para la variable capacidad de retención de agua será valorada en función de la tensión de humedad del suelo ya que esta mide la fuerza física que realmente retiene el agua en el suelo es medida en centibares o kilopascales. Se presenta cuatro categorías o clases para el suelo en base a la capacidad que este puede retener agua dividas por el tamaño de la partícula del suelo. A continuación, se puede revisar la tabla con las clases y rangos de tensión (Ver tabla 21).

Tabla 21. Categorización propuesta de la variable capacidad de retención de agua Tensión de humedad de suelo (centibares) Clases Gruesa

Media

Fina

Suelo saturado

<10

<10

<10

Suelo en capacidad de campo

10 a 20

10 a 20

10 a 20

Suelo en rango de humedad aprovechable

20 a 30

30 a 50

50 a 60

Suelo en humedad crítica

>30

>50

>60

La compactación del suelo está en íntima relación con la resistencia a la penetración la cual se puede medir en megapascales, a través de equipos como el penetrómetro digital o dinámico, se planea tener cuatro categorías que se muestran a continuación en la tabla 22 para clasificar el suelo en lo referente a esta variable.

63 Tabla 22. Categorización propuesta de la variable Compactación del suelo Clase

Compactación del suelo (Resistencia a la penetración Mpa)

Bajo

<1

Moderado

1a2

Alto

2a4

Muy alto

>4

4.1.2. Determinación de la escala de intervención sobre el recurso suelo en función de las variables físico-químicas categorizadas.

Se ha definido una estrategia de manejo o intervención del suelo para mitigar, modificar o corregir el estatus de cada una de las categorías de las variables estudiadas en el modelo de análisis espacial.

Tabla 23. Estrategias de manejo del suelo para la variable Ph. Clase

Estrategia de manejo

Ácido

Demanda de una labor de enmienda de suelo, pudiendo emplearse carbonato de calcio. Como referencia, si se tiene un suelo con pH de 4.8, se deberá efectuar una aplicación de hasta 25.1 tn/has, para restaurar el pH a un valor neutro. Una recomendación de cantidades de aplicación puede revisarse en el anexo 1 (Castellanos, 2014).

Moderadamente ácido

Incorporación frecuente de materia orgánica combinada con fertilizantes de origen mineral cuya reacción no resulte ser ácida. De esta manera, se recomienda que para procesos de fertilización se empleen preferentemente fuentes nítricas (Profertil, 2020).

Neutro

No se requiere efectuar ninguna intervención

Moderadamente alcalino

Incorporación frecuente de materia orgánica combinada con fertilizantes de origen mineral cuya reacción no resulte ser alcalina. De esta manera, se recomienda que para procesos de fertilización se empleen preferentemente sulfatos (Profertil, 2020).

Alcalino

Demanda de una labor de enmienda de suelo, pudiendo emplearse productos como: CaCl2 (Cloruro de calcio), CaSO4. 2H2O (Yeso), Azufre, ácido sulfúrico, sulfato ferroso, sulfato de aluminio. Una recomendación, sugiere la adición de 500 gramos de sulfato de aluminio por cada metro cuadrado, logrando la reducción de al menos un punto en la escala de pH, por cada metro cuadrado de terreno. Una recomendación de cantidades de aplicación puede revisarse en el anexo 2 (Colacelli, 1997).

64 En cuanto a la variable pH, cuando los valores se alejan del neutro se plantean actividades como el encalado (adición de cal al suelo) o enyesado (adición de yeso al suelo) para corregir problemas de acides o alcalinidad respectivamente, cuando estos niveles son ligeramente alejados se recomienda tener un manejo adecuado de la fertilización química en el suelo, las estrategias de manejo o intervención se muestran en la tabla 23.

Dentro de las estrategias de manejo referentes a la cantidad de sales en el suelo, que define la conductividad eléctrica del suelo, se prevé la utilización del riego para realizar lavados del suelo de manera que, a través de la lixiviación se movilice las sales del suelo a niveles que las plantas puedan desarrollarse adecuadamente (McCauley, 2005). A continuación, se muestra en la tabla 24 las estrategias de manejo del suelo para la variable conductividad eléctrica.

Tabla 24. Estrategias de manejo del suelo para la variable conductividad eléctrica.

Clases de suelo

Estrategia de manejo

No salino

No se requiere efectuar ninguna intervención

Ligeramente salino

Se debe efectuar un lavado de sales, incorporando hasta un 22% extra al volumen de agua destinado a brindar la lámina de riego calculada (UIR, 2017).

Esto para el caso de forrajes que se pueden considerar como: moderadamente sensibles (MS) a moderadamente tolerantes (MT) cuya media de tolerancia se ubica en alrededor de 6 dS/m (Ramírez-Suárez y Hernández-Olivera, 2016).

Se debe efectuar un lavado de sales, incorporando hasta un 44% extra al volumen de agua destinado a brindar la lámina de riego calculada (UIR, 2017).

Moderadamente .Esto para el caso de forrajes que se pueden considerar como: salino moderadamente sensibles (MS) a moderadamente tolerantes (MT) cuya media de tolerancia se ubica en alrededor de 6 dS/m (Ramírez-Suárez y HernándezOlivera, 2016).

Fuertemente salino

Se debe efectuar un lavado de sales, incorporando hasta un 85% extra al volumen de agua destinado a brindar la lámina de riego calculada (UIR, 2017).

Esto para el caso de forrajes que se pueden considerar como: moderadamente sensibles (MS) a moderadamente tolerantes (MT) cuya media de tolerancia se ubica en alrededor de 6 dS/m.

Muy salino

Se debe efectuar un lavado de sales, incorporando hasta un 105% extra al volumen de agua destinado a brindar la lámina de riego calculada (UIR, 2017).

Esto para el caso de forrajes que se pueden considerar como: moderadamente sensibles (MS) a moderadamente tolerantes (MT) cuya media de tolerancia se ubica en alrededor de 6 dS/m (Ramírez-Suárez y Hernández-Olivera, 2016).

65 Cuando un suelo no tiene la capacidad de retener la suficiente cantidad de agua que los cultivos necesitan, se recomienda la incorporación de materia orgánica, este agente mejorador actúa sobre la fertilidad y estructura del suelo y no daña su equilibrio, además, de proteger contra la erosión y por supuesto una mayor retención de humedad, su efecto es progresivo y acumulativo, la tabla 25 evidencia un resumen de las clases de suelo en función de la capacidad de retención de agua y su respectiva estrategia de manejo se muestra a continuación.

Tabla 25. Estrategias de manejo del suelo para la variable capacidad de retención de agua.

Clases

Estrategia de manejo

Suelo saturado

Incorporar materia orgánica en forma de compost a razón de 2 Kg/ha/año.

Adicionalmente ejecutar una labor de aireación en función del nivel de compactación registrado en el monitoreo (Programa SIRSD-S, 2017).

Suelo en capacidad de campo

No se requiere efectuar ninguna intervención

Suelo en rango de humedad aprovechable

Incorporar materia orgánica en forma de compost de 0.6 a 1 Kg/ha/año (Programa SIRSD-S, 2017).

Suelo en humedad crítica

Incorporar materia orgánica en forma de compost a razón de 2 Kg/ha/año (Programa SIRSD-S, 2017).

Una excesiva compactación del suelo no permite que el movimiento del agua sea adecuado, se pueden evidenciar escorrentías y/o percolaciones depositándose al agua en sitios donde los cultivos no pueden aprovecharlos, para mitigar o corregir estos problemas las recomendaciones están dirigidas al uso de maquinaria como escarificadores o subsolador, que remueven suelo en diferentes porciones y profundidades. Las estrategias específicas para cada clase de suelo se observan en la tabla 26.

66 Tabla 26. Estrategias de manejo del suelo para la variable compactación del suelo.

Clase Bajo

Estrategia de manejo No se requiere efectuar ninguna intervención

Moderado

Emplear el escarificador de púas sólidas o taladros, el cual permite alcanzar una profundidad variable que va desde los 25 a 250 mm. Inmediatamente después de ejecutadas las operaciones de aireación se recomienda efectuar una labor de receba o arenado liviano, empleando una mezcla 3:1 de suelo agrícola arenoso y compost (SportsTurf, 2017).

Alto

Emplear el escarificador de sacabocados con el fin de extraer porciones de suelo (sacabocados: 9mm-18mm de diámetro), alcanzado una profundidad variable de entre de 50-150mm. Inmediatamente después de ejecutadas las operaciones de aireación se recomienda efectuar una labor de receba o arenado liviano, empleando una mezcla 3:1 de suelo agrícola arenoso y compost (SportsTurf, 2017).

Muy alto

Si la capa limitante del crecimiento de las raíces debe ser desintegrada en todo el campo, el subsolador o el «paraplow» debe penetrar, como mínimo, hasta 1,5 veces la profundidad del límite inferior de la capa limitante del crecimiento de las raíces y el espacio entre brazos o púas no debe ser mayor que este valor. Por ejemplo, si la capa se encuentra a 10 - 24 cm de profundidad, los brazos del subsolador o el «paraplow» deben penetrar hasta 36 cm y el espacio entre los brazos no debe ser mayor de 36 cm. Inmediatamente después de ejecutadas las operaciones de aireación se recomienda efectuar una labor de receba o arenado en cantidad suficiente para resanar oquedades, empleando una mezcla 3:1 de suelo agrícola arenoso y compost (McGarry, 2003).

De acuerdo con Calderón et al. (2002), cada variable estudiada tiene un diferente tiempo de respuesta ante la implementación de estrategias de manejo, un cuadro resumen de los periodos requeridos para encontrar mejoría se puede revisar en el anexo 3 (Calderón et al., 2002).

4.1.3. Definición del protocolo de muestreo, recolección de datos y procesamiento cartográfico para la aplicación del modelo de análisis espacial con enfoque de manejo sostenible de suelos.

En las siguientes tablas (27, 28, 29 y 30) se puede observar las calificaciones de cada uno de los equipos, se resalta en amarillo el equipo que se ha utilizado en la presente investigación.

67

Sensores pH

Precio

Rango de medición

Exactitud

Portabilidad

Fabricante

Procedimiento

Total

Tabla 27. Calificación de los sensores de pH.

PCTestr 35

1

2

2

3

3

2

13

pH 5+

0

2

2

3

3

2

12

Turf-Tec Soil pH

0

0

0

3

2

3

8

Luster Leaf 1835

3

0

0

3

3

3

12

Luster Leaf 1840

3

0

0

3

3

3

12

Luster Leaf 1845

3

0

0

3

3

3

12

Luster Leaf 1847

3

0

0

3

3

3

12

MoonCity 3-in-1b

3

0

0

3

1

3

10

Dr. Meter® 4-in-1b

3

0

0

3

3

3

12

Control Wizard ‡

2

2

2

3

3

3

15

Kelway® Soil Testerb

2

3

3

3

3

3

17

Para el relevamiento de información de la variable pH en campo, se ha decidido usar el sensor Kelway® Soil Testerb, dado que cumple plenamente la mayoría de los aspectos calificados, en cuanto al precio no ha obtenido la calificación más alta ya que su costo importante en comparación con los demás.

Sensores Conductividad eléctrica

Precio

Rango de medición

Exactitud

Portabilidad

Fabricante

Procedimiento

Total

Tabla 28. Calificación de los sensores de conductividad eléctrica.

Orion Star tm A122

0

2

2

3

3

2

12

Orion Star ™ A222

0

2

1

3

3

2

11

FiveGo F3

2

2

2

3

2

1

12

EC-350

3

3

3

2

3

3

17

68 En cuanto al equipo que se utiliza para tomar mediciones de la variable conductividad eléctrica, se ha decidido por el EC-350 de Aquaterr, aun cuando el precio es elevado sigue siendo más económico que el resto. En cuanto a su portabilidad es buena pero no la mejor ya que existe otros aparatos más livianos, sin embargo, cuenta con un grado importante de confiabilidad lo que genera puntos a su favor.

Sensores humedad del suelo

Precio

Rango de medición

Exactitud

Portabilidad

Fabricante

Procedimie nto

Total

Tabla 29. Calificación de los sensores de humedad de suelo.

KS-D1

2

3

3

3

3

3

17

Watermark

2

2

2

1

3

2

12

Hydrosense I

1

1

1

2

1

0

6

EXTECH Moisture Meter

3

1

1

2

1

0

8

Turf-Tec Soil Moistur

3

1

1

2

1

0

8

El levantamiento de la variable capacidad de retención de agua en función de la humedad del suelo, se realiza con el sensor KS-D1 ya que cumple con los aspectos necesarios para la medición de la variable sobre todo por las unidades en las que realiza la medición.

Sensores compactación del suelo

Precio

Rango de medición

Exactitud

Portabilid ad

Fabricant e

Procedimi ento

Total

Tabla 30. Calificación de los sensores de compactación del suelo.

Field Scout SC-900

2

2

2

3

3

1

13

Agratronix™ Soil Compaction Tester

2

1

1

3

3

2

12

AMS Pocket penetrometer

3

0

2

3

3

2

13

Proctor penetrometer

1

3

1

2

3

2

12

Shear vane set

0

1

0

3

3

2

9

Penetrómetro dinámico de cono

3

3

3

2

2

3

16

69 La variable compactación del suelo se evalúa con el penetrómetro dinámico de cono, el procedimiento con el que mide la variable lo hace confiable, aunque va en detrimento de su portabilidad ya que es uno de los más pesados. No obstante, su facilidad de fabricación y procedimiento para medir la compactación del suelo se valoran en gran medida.

Si bien, en las tablas precedentes, se ha mostrado equipos y sensores que realizan las mediciones de las variables estudiadas, no son los únicos que se encuentran disponibles. Las calificaciones asignadas a cada uno pueden variar en función del sitio de ejecución del modelo de análisis espacial, así como la disponibilidad previa de los mismos, además, existen equipos que son capaces de tomar mediciones de más de una variable lo cual también facilitaría el levantamiento de la información.

Queda a discreción del ejecutor del modelo, la elección de los equipos y/o sensores que se utilicen para esta fase del modelo, no obstante, es indispensable que las variables sean levantadas en las unidades especificadas en las categorizaciones propuestas para que se puedan clasificar según las mismas, para la variable pH (escala decimal en el rango de 0 a 14), conductividad eléctrica (decisiemens por metro; dS/m), capacidad de retención de agua (tensión de humedad de suelo en centibares) y compactación (megapascales, Mpa).

Por último, se debe hacer énfasis en la portabilidad de los equipos, los cuales debes ser de mano y de un peso reducido para poder transportarlos por cada uno de los lotes de pastizal que se vayan a evaluar.

4.1.3.1 Recurso humano responsable de las fases de muestreo, recolección de datos y procesamiento cartográfico.

Para definir el recurso humano responsable de las fases de muestreo, recolección de datos y procesamiento cartográfico que interviene en la ejecución del modelo, se muestra en la tabla 31, un esquema resumen con las fases y actividades, nombre del cargo, y las funciones a realizar.

70 Tabla 31. Actividades, cargos y funciones del personal Fases/ actividades

Nombre del cargo

Funciones del cargo

Coordinador del estudio

Verificar el tipo y calidad de la información con respecto al histórico de: análisis de aguas y suelo e información georreferenciada disponible del predio

Analista campo

de

los

Recoger información georreferenciada de los límites de cada uno de los potreros que serán evaluados

de del

Analista SIG

de

Procesar la información georreferenciada de campo y/o la disponible con respecto a la delimitación de lo potreros considerados dentro del estudio

Definición de una grilla de muestreo

Analista SIG

de

Definir el tramado de los sitios de muestreo a interior del polígono y obtener como resultado la base de datos de ubicaciones de os emplazamientos que definirán las submuestras sobre el terreno

Verificación de las condiciones del predio previo al levantamiento de información

Coordinador del estudio

Evaluar las condiciones de humedad de cada uno de los potreros que serán evaluados en las inmediatas 24 horas después de finalizada la operación de riego

Coordinador del estudio / Analista de campo

Ubicar sobre del terreno cada uno de los sitios de muestreo.

FASE PREPARATORIA Revisión documental

Levantamiento georreferenciado potreros Procesamiento información levantamiento georreferenciado potreros

de

de

los

FASE DIAGNÓSTICA Levantamiento de información de las variables descriptoras del estado de salud del suelo

Aplicar los procedimientos de medición detallados para la operación de cada uno de los equipos que permiten recoger las variables en estudio

FASE DE ANÁLISIS CARTOGRÁFICO Análisis exploratorio de datos espaciales

Analista SIG

de

Verificar la distribución de los datos que serán interpolados, realizar transformaciones de datos si es necesario.

Creación de la superficie de interpolación

Analista SIG

de

Ejecutar la herramienta EBK para obtener una superficie continua de cada una de las variables.

Reclasificación superficies interpoladas

Analista SIG

de

Agrupar los valores de las superficies interpoladas dentro de las categorías propuestas en el modelo de análisis espacial.

Analista SIG

de

Generar la superficie de síntesis por medio del análisis de superposición a través del algebra de mapas para obtener la capa de priorización de intervenciones.

de

Análisis de superposición

FASE DE PROPUESTA DEL MODELO DE ANÁLISIS ESPACIAL Preparación de los productos resultantes del modelo de análisis espacial

Coordinador del estudio / Analista de SIG

Preparar el informe que incluya los resultados de cada una de las fases del proceso de diseño de las estrategias de manejo de suelo

71 Una vez definidas las fases y actividades, nombre del cargo, y las funciones dentro del modelo, a manera de resumen en la tabla 32 se puede observar un compendio de los cargos y los perfiles profesionales que debería tener el recurso humano que se necesita.

Tabla 32. Resumen de cargos y perfiles profesionales Cargo

Perfil profesional

Coordinador del estudio

Profesional con título de tercero o cuarto nivel en áreas relacionadas con el manejo de recursos naturales. Áreas como: Ingeniería agronómica, Zootécnica, Ambiental o afines.

Con experiencia en el diseño de estrategias de manejo del suelo y las pasturas.

Analista de campo

Profesional con título de tercer nivel en áreas relacionadas con el manejo de recursos naturales. Con experiencia en el manejo de equipos de medición de variables ambientales en sitio.

Analista de SIG

Profesional con título de tercero o cuarto nivel en áreas relacionadas con el manejo de Sistemas de información geográfica

4.1.3.2. Definición de los protocolos durante las etapas: preparatoria, diagnóstica, análisis cartográfico y propuesta del modelo de análisis espacial.

El procedimiento para ejecutar el modelo de análisis espacial consta de 4 fases, un primer acercamiento a la realidad actual de la explotación ganadera se desarrolla en la fase preparatoria. Luego, en un trabajo de campo, se recolecta la información de las variables estudiadas a lo que se ha denominado fase diagnostica. Posterior a ello se realiza el análisis cartográfico (fase de análisis) y finalmente se efectúa la propuesta de manejo. El grafico 4 muestra el algoritmo de ejecución del modelo.

72

Gráfico 4. Flujograma de implementación del modelo de análisis espacial.

73

4.1.4. Aplicación del modelo de análisis espacial basado en la medición de variables en campo para la definición de estrategias de manejo sostenible de suelos en la Hacienda “Pacaguan” FASE PREPARATORIA

Revisión documental

El caso de estudio se desarrolla en la Hacienda “Pacaguan”, ubicada en el límite norte adyacente al cantón Penipe, los cuales se encuentran dentro de la circunscripción de la provincia de Chimborazo, su localización está dada por las siguientes coordenadas:776,622 Este y 9,821,403 Norte su promedio altitudinal es de 2,840 m.s.n.m. Tiene una extensión de 146 hectáreas, no obstante, las áreas destinadas a la producción de forraje son aproximadamente 40 hectáreas.

Esta explotación de leche de vaca produce alrededor de 1,200 litros de leche por diarios existen 210 cabezas de ganado, de las razas Holstein, Jersey, Brown Swiss y sus cruzas. Se maneja un sistema de producción semi intensivo, ya que las vacas en producción (entre 95 y 100 ejemplares) permanecen en un establo donde se les suministra alfalfa fresca picada y silo de maíz como fuente primaria de alimento además ingieren alrededor de 4 kg de balanceado y sal mineral a voluntad. Otro grupo de animales que no están en producción permanece en pastoreo, las praderas están constituidas de especies como el Rye Grass (Lolium multiflorum), trébol blanco (Trifolium repens), achicoria (Cichorium intybus), llantén forrajero (Plantago major).

Dentro de la información que posee la hacienda y que sirven de referencia para el majeño del suelo, constan análisis de suelos. Dicha información se sistematiza en la tabla 33 que muestra información acerca de análisis previos de suelos.

74 Tabla 33. Recopilación histórica de estudios de suelo de la hacienda Pacaguan

2017

pH a 25 X

...

6.9

6.5

Materia Orgánica*

%

4.10

6.5

Nitrógeno*

ppm

70.00

49.1

X

Fósforo*

ppm

7.80

26

X

Potasio*

mek/100ml

0.58

1.0

Calcio*

mek/100ml

24.80

21

X

Azufre

ppm

3.60

2.8

X

Magnesio*

mek/100ml

4.50

5

Hierro*

ppm

151.00

140.00

Manganeso*

ppm

4.60

13

X

Cobre*

ppm

9.90

25

X

Boro

ppm

0.40

0.35

X

Zinc*

ppm

26.00

3

X

Conductividad Eléctrica*

dS/m

0.28

0.3

Estable

2015

UNIDAD

Defina la tendencia

Decreciente

Resultados del análisis

Creciente

PARÁMETRO ANALIZADO

Resultados del análisis

X X

X

X X

X

En cuanto al agua de riego no se han realizado estudios en los últimos años, por lo que la table de sistematización de la recopilación histórica de estudios de agua de riego no se ha llenado.

Levantamiento georreferenciado de los potreros

Se procedió a georreferenciar, utilizando un equipo GPS de mano. En el mapa 2 se muestra los cuarteles o lotes de pasto, divididos por sector y con una numeración prestablecida por la hacienda.

75

Mapa 2. Ubicación de lotes

76 En la tabla 34, se puede observar el resumen de lotes destinados a la producción de forraje junto con el área de cada uno y el sector al que pertenece.

Tabla 34. Resumen de cuarteles o lotes de pasto Número

Sector

Superficie (Ha)

1

Pacaguan

3.30

2

Pacaguan

3.13

3

Pacaguan

2.43

4

Pacaguan

2.60

9

Pacaguan

2.96

10

Pacaguan

4.11

11

Pacaguan

4.70

12

Pacaguan

4.10

1

San Carlos

1.92

2

San Carlos

2.33

6

San Carlos

3.40

7

San Carlos

2.83

31

San Carlos

3.00

32

San Carlos

2.62

Total

43.43

Procesamiento de información del levantamiento georreferenciado de los potreros

Definición de una grilla de muestreo

Con la información acerca de los lotes de pasto y ayudados de la herramienta “Create Fishnet”, se ha generado una grilla cuadrangular de 27.5 metros de lado, y un punto de muestreo en el centro de cada cuadrado dejando cada sitio de muestreo a una distancia horizontal de 25 m en sentido norte-sur o este-oeste.

77 Estas consideraciones están dirigidas a un desenvolvimiento adecuado al momento de buscar el punto GPS en campo, así se asegura al menos 10 puntos por hectárea aproximadamente para tener un nivel de detalle aceptable. Dado que son 43.43 has de pastizal se han definido 441 puntos de muestreo. El mapa 3 muestra la ubicación de puntos de muestreo y la grilla creada.

Mapa 3. Ubicación de puntos de muestreo

78 Verificación de las condiciones del predio previo al levantamiento de información

Previo al levantamiento insitu de las variables estudiadas, se ha garantizado la dotación de una lámina de agua de riego adecuada para que 24 horas después, el suelo haya alcanzado la capacidad de campo, este aporte de agua de riego se ha realizado mediante aspersión.

FASE DIAGNÓSTICA

Levantamiento de información de las variables descriptoras del estado de salud del suelo

Siguiendo el protocolo de uso y manipulación de los equipos que miden las variables estudiadas, se realizó el levantamiento de información de cada una de las variables que describen el estado de salud del suelo y que serán analizadas en la presente investigación; pH (escala decimal en el rango de 0 a 14), conductividad eléctrica (dS/m), capacidad de retención de agua (tensión de humedad de suelo en centibares) y compactación (Mpa). A continuación, en el gráfico 5, se evidencia este procedimiento y posteriormente se observa los resultados de cada variable.

Gráfico 5. Levantamiento de información en campo

79 FASE DE ANÁLISIS CARTOGRÁFICO

Análisis exploratorio de datos espaciales

•

Histograma y gráfico cuantil cuantil de la variable pH

Para la variable pH, se puede observaren el grafico 6 que el valor de la media (6.36) y la mediana (6.4) son cercanos. Además, en el grafico 7 cuantil cuantil se puede advertir que los datos se acercan a la línea de distribución de referencia, esto lleva a la conclusión de que los datos de esta variable mantienen una distribución normal.

Gráfico 6. Histograma de la variable pH

80

Gráfico 7. Cuantil cuantil de la variable pH •

Histograma y gráfico cuantil cuantil de la variable conductividad eléctrica

Para la descripción de la distribución de los datos de la variable conductividad eléctrica se muestra el grafico 8. Se puede observar que los valores de la media (0.132) y la mediana (0.13) que son casi iguales, además su distribución adyacente la línea de referencia que se puede observar en el grafico 9 cuantil cuantil. Permite enunciar que los datos refrentes a la conductividad eléctrica del suelo tiene una distribución normal.

81

Gráfico 8. Histograma de la variable conductividad eléctrica

Gráfico 9. Cuantil cuantil de la variable conductividad eléctrica

82 •

Histograma y gráfico cuantil cuantil de la variable capacidad de retención de agua

Para la variable capacidad de retención de agua, fue necesario realizar una transformación logarítmica para que los datos se acerquen a una distribución normal, aun cuando los valores de media (2.94) y mediana (2.87) se acercan, se puede ver en el grafico cuantil cuantil que los datos se alejan al inicio y final de la línea de referencia, esto se tomó en cuenta al momento de interpolar esta variable (Ver gráfico 10 y 11).

Gráfico 10. Histograma de la variable capacidad de retención de agua

83

Gráfico 11. Cuantil cuantil de la variable capacidad de retención de agua •

Histograma y gráfico cuantil cuantil de la variable compactación del suelo

En los gráficos 12 y 13 se puede observar la distribución de los datos de la variable compactación del suelo. Los valores que arroja el análisis exploratorio para esta variable, denotan que posee una distribución normal, ya que la media (1.22) y la mediana (1.18) son similares y la distribución sigue la línea de referencia en el grafico cuantil cuantil.

84

Gráfico 12. Histograma de la variable compactación del suelo

Gráfico 13. Cuantil cuantil de la variable compactación del suelo

85 Creación de la superficie de interpolación

•

Mapa de interpolación de la variable pH

Como se ve en el mapa 4, la variable pH muestra un valor mínimo de 5.6 y un valor máximo de 7.0 en tonos rojizos muestran los valores bajos que representan suelos más ácidos los cuales se ubican en los lotes 11 y 2 del sector Pacaguan, y en tonos verdosos los suelos que tienen hacia la neutralidad en los lotes restantes del sector Pacaguan y los lotes del sector San Carlos.

Mapa 4. Interpolación de la variable pH

86 •

Mapa de interpolación de la variable conductividad eléctrica

Para la variable conductividad eléctrica, se muestra en el mapa 5 el rango de valores va desde los 0.06 hasta 0.23 dS/m, los colores rojos representan valores bajos ubicados en los lotes 31 y 32 de San Carlos y las zonas verdes valores altos localizados en el resto de lotes de San Carlos y los lotes de Pacaguan, cabe recalcar que el lote 4 de Pacaguan muestra el nivel más alto.

Mapa 5. Interpolación de la variable conductividad eléctrica

87 •

Mapa de interpolación de la variable capacidad de retención de agua

La capacidad de retención de agua, se muestra en el mapa 6 arrojó un valor mínimo de 14.1 y un valor máximo de 47.5, las zonas rojizas simbolizan zonas con baja capacidad de retención de agua en la mayoría de lotes del sector Pacaguan y San Carlos y solo el lote 4 de Pacaguan muestra un tono verde que representa una alta capacidad de retención de agua.

Mapa 6. Interpolación de la variable capacidad de retención de agua

88 •

Mapa de interpolación de la variable compactación del suelo

En cuanto a la variable compactación del suelo, se muestra los lotes 1, 2 y 6 de San Carlos y el lote 4 de Pacaguan en tonos azules las zonas con menor compactación del suelo dando un valor mínimo de 0.21 Mpa y los lotes 7 de Sn Carlos y 1, 10, 11 y 12 de Pacaguan en tonos rojizos poseen niveles de compactación mayores con un alto máximo de 2.3 Mpa, el resto de lotes tiene valores medios de ahí su color. (Ver mapa 7)

Mapa 7. Interpolación de la variable compactación del suelo

89 Reclasificación de superficies interpoladas

•

Mapa de la categorización de la variable pH

Para la variable pH, en el caso de los cuarteles o lotes de pasto de la Hacienda Pacaguan, se enmarcan en dos de las categorías propuestas, moderadamente acido los sectores en color verde limón y en la categoría neutro las zonas en verde pastel. (Ver mapa 8)

Mapa 8. Categorización de la variable pH

90 •

Mapa de la categorización de la variable conductividad eléctrica

En cuanto a la variable conductividad eléctrica del suelo, como se muestra en el mapa 9, todos los lotes de pasto pertenecen a la categoría no salino que posee un rango de 0 a 2.0 dS/m, por esta razón el mapa se presenta en un solo color.

Mapa 9. Categorización de la variable conductividad eléctrica

91 •

Mapa de la categorización de la variable capacidad de retención de agua

Se muestran en el mapa 10, tres categorías para la variable capacidad de retención del agua medida en centibares, en verde se observa capacidad de campo (10 – 20), en naranja se evidencia humedad aprovechable (20 – 30) y en rojo las zonas con humedad critica (mayor a 30).

Mapa 10. Categorización de la variable capacidad de retención de agua

92 •

Mapa de la categorización de la variable compactación del suelo

En cuanto a la variable compactación del suelo, los lotes de pasto, pertenecen a tres categorías de acuerdo a la escala de categorización propuesta, las cuales son: compactación baja se pintan en color amarillo, las zonas naranjas poseen una compactación moderada y los sitios en color rojo tienen compactación alta. (Ver mapa 11)

Mapa 11. Categorización de la variable compactación del suelo

93 Análisis de superposición

Una vez reclasificadas las superficies para cada variable se le asigno un valor entre 0 y 4 de acuerdo al grado de priorización de la intervención de manejo sostenible de suelo, posteriormente ayudados del principio del álgebra de mapas se sumó dichos valores para obtener una superficie que sintetiza este aspecto.

•

Mapa de priorización de intervenciones

Como se puede observar en el mapa 12, existen dos categorías de priorización de intervenciones de manejo sostenible de suelo, en color verde las zonas con una priorización baja donde se pueden aplicar las recomendaciones de intervención aun a largo plazo, monitoreando con frecuencia mínima recomendada para cada variable las potenciales variaciones en las variables que evidencian el mayor grado de afectación. En color rojo los sectores con una priorización moderada donde se pueden aplicar las recomendaciones de intervención aun a mediano plazo, monitoreando con frecuencia anual las potenciales variaciones en las variables que evidencian el mayor grado de afectación.

94

Mapa 12. Priorización de intervención

95 FASE DE PROPUESTA DEL MODELO DE ANÁLISIS ESPACIAL

En función de los análisis de interpolación, reclasificación y superposición, se muestran cuadros resumen da cada variable con las actividades propuestas para mitigar o corregir el estado de salud del suelo.

•

Cuadro resumen de las intervenciones para cada variable estudiada

Tabla 35. Resumen de estrategias de manejo de la variable pH. Clase

Neutro

Superficie Porcentaje (Has) 12.89

Estrategia de manejo

30%

No se requiere efectuar ninguna intervención Incorporación frecuente de materia orgánica combinada con fertilizantes de origen mineral cuya reacción no resulte ser ácida. De esta manera, se recomienda que para procesos de fertilización se empleen preferentemente fuentes nítricas.

Moderadamente ácido

30.54

70%

Total

43.43

100%

Del cuadro anterior (tabla 35) se concluye que la mayor porción del suelo destinado a la producción de forrajes tiene un pH moderadamente ácido, además se muestra la estrategia de manejo propuesta.

Tabla 36. Resumen de estrategias de manejo de la variable conductividad eléctrica.

Clase

Superficie Porcentaje (Has)

Estrategia de manejo

No salino

43.43

100% No se requiere efectuar ninguna intervención

Total

43.43

100%

Para la variable conductividad eléctrica (tabla 36) los valores arrojados se encuentran dentro de la normalidad por lo que no se debe realizar ninguna actividad de manejo, no obstante, se puede monitorear la variable a corto o mediano plazo.

96 Tabla 37. Resumen de estrategias de manejo de la variable capacidad de retención de agua.

Superficie Porcentaje Estrategia de manejo (Has)

Clase Suelo capacidad campo

en de 29.38

68%

No se requiere efectuar ninguna intervención

Suelo en rango de humedad 12.19 aprovechable

28%

Incorporar materia orgánica en forma de compost de 0.6 a 1 Kg/ha/año.

Suelo humedad crítica

1.86

4%

Incorporar materia orgánica en forma de compost a razón de 2 Kg/ha/año

43.43

100%

en

Total

Con relación a la tabla 37, se concluye que un 68% de las praderas se encuentra en capacidad de campo, sin embargo, existe un 28% en humedad aprovechable y un 4% en humedad critica donde se deben aplicar las estrategias recomendadas.

Tabla 38. Resumen de estrategias de manejo de la variable compactación del suelo.

Clase

Superficie Porcentaje Estrategia de manejo (Has)

Bajo

14.27

Moderado 29.01

32.9%

No se requiere efectuar ninguna intervención

67%

Emplear el escarificador de púas sólidas o taladros, el cual permite alcanzar una profundidad variable que va desde los 25 a 250 mm. Inmediatamente después de ejecutadas las operaciones de aireación se recomienda efectuar una labor de receba o arenado liviano, empleando una mezcla 3:1 de suelo agrícola arenoso y compost.

Emplear el escarificador de sacabocados con el fin de extraer porciones de suelo (sacabocados: 9mm-18mm de diámetro), alcanzado una profundidad variable de entre de 50-150 mm.

Inmediatamente después de ejecutadas las operaciones de aireación se recomienda efectuar una labor de receba o arenado liviano, empleando una mezcla 3:1 de suelo agrícola arenoso y compost.

Alto

0.15

0.1%

Total

43.43

100%

97 Por último, la variable compactación del suelo, mostrada en la tabla 38, presenta dos categorías: moderada con un 67% y alto con un 0.1% donde se deben corregir los procedimientos de manejo de suelo de acuerdo a la estrategia planteada.

98

4.2. Análisis de Resultados Los predios evaluados de la hacienda ganadera Pacaguan, mostraron una variación del pH que va en el rango de 5.6 a 7; esto tras alrededor de 10 años de explotación, es decir que se encuentran suelos que van desde la neutralidad hasta ser considerados como moderadamente ácidos. Estudios relacionados con el análisis de la variabilidad espacial del pH concluyen que la producción ganadera intensiva a largo plazo puede provocar acidificación del suelo, refiriendo el caso de las zonas ganaderas de la cuenca del río Luján dentro del área enmarcada por los arroyos Gutiérrez y Arias donde reportaron valores de pH de hasta 5.9, tras más de diez años de explotación de los predios (Conti et al., 1980). Ratificando que para el caso de la hacienda Pacaguan, se están evidenciando los inicios de un proceso de acidificación de suelos, que pudieran devenir de un mal manejo de la fertilización.

Al evaluar la capacidad de retención de agua en los predios de la Hacienda Pacaguan, se evidenciaron zonas donde la tensión de humedad varió entre 14.1 y 47. 5 centibares. Es decir que se tuvieron áreas en el rango de capacidad de campo e incluso ciertos sectores donde la humedad se consideró crítica, aun cuando dichas evaluaciones se efectuaron 24 horas después de ejecutadas las operaciones de riego. Un estudio que evaluó el efecto del uso del suelo en la capacidad de almacenamiento hídrico, llegó a determinar que los suelos dedicados a la ganadería pueden llegar a reducir su disponibilidad de agua a capacidad de campo hasta en un 26.2% (Daza Torres et al., 2014). Dicho comportamiento evidenciado también en los predios de la Hacienda Pacaguan pudiera estar relacionado con la intensiva mecanización que altera la estructura del espacio poroso del suelo, lo que a su vez deviene en la pérdida de una porción del agua que es suministrada a través de las operaciones de riego.

La evaluación de la variable nivel de compactación de suelo en los predios de la hacienda Pacaguan se ubicaron entre 0.21 y 2.3 Mpa (2.14 y 23.45 Kg/cm2) lo que denota que existió una variabilidad que va en el rango de bajo a alto. Un estudio que evaluó el impacto de los sistemas de ganadería sobre las características

99 físicas, químicas y biológicas, llegó a determinar que los sistemas ganaderos fueron los que mayor compactación ocasionaron a los suelos (ceba=3.39 kg/cm2, extensivo=3.36 kg/cm2 y lechería=3.03 kg/cm2); mostrándose comparativamente superiores a otros usos de suelo como los cafetales tradicionales (1.30 kg/cm2) y guaduales (1.24 kg/cm2), los cuales conforman los sistemas de menor impacto para dicho estudio (Siavosh et al., 2000). En el presente estudio se volvió evidente también que la actividad de pastoreo y la mecanización de los predios ganaderos, son el origen de la formación de áreas compactadas en los estratos superficiales del suelo, coincidiendo con las experiencias de evaluación del estudio de Siavosh.

El estudio de la conductividad eléctrica del suelo en los lotes de pastos de la hacienda Pacaguan, arrojó valores de entre 0.06 a 0.23 ds/m, que ubica a los mencionados predios en una categoría de no salino, es decir que la cantidad de sales minerales es baja. Investigaciones relacionadas con el estudio de la conductividad eléctrica para definir ambientes edáficos en suelos dedicados a la ganadería, determinaron que en suelos donde predominan restricciones como: mal drenaje, anegamientos, alcalinidad, salinidad entre otros, se llegan a acumular altos contenidos de sales, como en el caso referido a la Pampa Deprimida en la provincia de Buenos Aires, donde se muestran valores de entre 0.24 y 4.61 ds/m (Cicore et al., 2016). En el presente caso de estudio, los suelos de a Hacienda Pacaguan no han acumulados sales, lo que pudiera estar relacionado a unas buenas condiciones de drenaje, así como a la calidad del agua empleada para la dotación de riego.

Para la medición realizada de las variables pH, conductividad eléctrica, compactación del suelo y capacidad de retención del agua en campo, se utilizaron instrumentos mecánicos y sensores electromagnéticos que cumplían con las características de: portabilidad, exactitud y confiabilidad. En el estudio de la determinación de la variabilidad intra e interparcelaria de las propiedades físicas y químicas de los suelos se empleó el sensor marca Geonics, modelo EM38DD, llegándose a concluir que dicho dispositivo mostró una alta fiabilidad y facilidad de operación en condiciones de campo garantizando buenos resultados al momento de definir el comportamiento de la variable dentro del cultivo (Olmedo y Vallone,

100 2014). En el caso particular de la Hacienda Pacaguan el uso de los instrumentos y equipos de mano de bajo costo, facilitó su inclusión dentro de las estrategias de manejo del predio sin que incida de forma significativa en el incremento de los costos operacionales devenidos en el personal y la amortización de dichos dispositivos, volviéndolo una alternativa que puede ser replicada por otras explotaciones a nivel local y regional con la finalidad de incluir en sus procesos al monitoreo de las condiciones de salud de un suelo.

Las mediciones de las variables estudiadas, han sido analizadas e interpoladas con el método kriging ya que este método permite tener mayor control de los parámetros utilizados durante la interpolación. El resultado es una superficie continua de la variable que abarca todo el lote. Estudios relacionados donde se comparan diferentes métodos de interpolación para el análisis de la variabilidad espacial de las propiedades del suelo destacan que el método kriging es preferido sobre el método IDW (Inverse distance weighted), porque sus resultados suelen ser más suavizados es decir que no tienden a producir valles y crestas dado que en el kriging se utilizan semivariogramas para explicar el comportamiento de la variable a diferencia del IDW donde solo se utiliza la distancia entre puntos para interpolar (Schloeder et al., 2001). Para el caso de la Hacienda Pacaguan el uso del método kriging, facilitó la definición de zonas homogéneas que fácilmente podían ser visualizadas en el mapa, así como implantadas sobre el terreno, lo que a su vez da paso a la ejecución de las intervenciones de manejo de suelo a escala real en el campo.

La categorización de las variables estudiadas que permiten determinar una escala de intervención sobre el recurso suelo son: compactación del suelo bajo menor 1 Mpa, moderado de1 a 2 Mpa, alto de 2 a 4 Mpa y muy alto mayor a 4Mpa. Capacidad de retención de agua suelo saturado menor a 10 centibares, suelo en capacidad de campo de10 a 20 centibares, suelo en rango de humedad aprovechable de 20 a 50 centibares y suelo en humedad crítica mayor a 50 centibares. La variable pH ácido menor a 5, moderadamente ácido de5 a 6.5, neutro de 6.5 a 7 5, moderadamente alcalino de 7.5 a 9 y alcalino mayor a 9. Conductividad eléctrica no salino 0-2.0 dS/m, ligeramente salino 2.1-4.0 dS/m, moderadamente

101 salino 4.1-8.0 dS/m, fuertemente salino 8.1-16.0 dS/m y muy salino mayor a 16.1 dS/m.

La definición del protocolo de muestreo, recolección de datos y procesamiento cartográfico, se obverso una secuencialidad apropiada además de los equipos idóneos y los procesamientos adecuados, ver título 4.1.3.

El modelo de análisis espacial basado en la medición de variables en campo para la definición de estrategias de manejo sostenible de suelos dedicados a la ganadería es una herramienta eficaz ya que permite definir el estado de calidad del suelo y posteriormente realizar un manejo adecuado del recurso.

102

Capítulo V

5. Conclusiones y Recomendaciones

5.1. Conclusiones Definir no más de cinco (5) clases para cada una de las variables en estudio: pH, conductividad eléctrica, compactación del suelo y capacidad de retención del agua en campo facilitó el que la visualización de las capas y layouts permita una adecuada comprensión cartográfica, lo que además devino en la simplificación de la utilidad práctica de la información georreferenciada al momento de planificar la ejecución de las estrategias de manejo sostenible de suelos.

El flujograma de aplicación del modelo de análisis espacial ha permitido una visión clara de los pasos a seguir, de esta forma el lector puede tener una guía efectiva para ejecutar el modelo de análisis espacial para la definición de estrategias de manejo sostenible de suelos dedicados a la ganadería en cualquier otra explotación ganadera.

La aplicación del modelo de análisis espacial para la definición de estrategias de manejo sostenible de suelos dedicados a la ganadería en la Hacienda Pacaguan ha permitido ubicar zonas homogéneas de cada variable estudiada, lo cual ha facilitado la planificación de estrategias de manejo de suelo para corregir y/o modificar el estado de calidad del recurso estudiado.

El presente modelo desarrollado es una herramienta efectiva para evaluar el estado de calidad del suelo en las explotaciones ganaderas, pues el mismo supone una estrategia de bajo costo que permite la obtención de datos de alta confiabilidad, acorde con la ejecución práctica de un protocolo de monitoreo y análisis de información georeferenciada que brinda al usuario un detalle de las zonas que han sido sometidas a la presión de un inadecuado manejo, facilitando la planificación de futuras intervenciones que han sido incluidas dentro del modelo atendiendo a

103 una escala ponderada de acciones en función de la situación actual del recurso suelo.

5.2. Recomendaciones Para relevar la información en campo de cada variable, se recomienda utilizar equipos, herramientas y/o sensores, que midan la variable en las unidades que se muestrean en el desarrollo de la investigación. De esta manera la categorización de cada variable se podrá utilizar con facilidad, además tomar en cuenta la capacidad y apreciación de cada equipo y su portabilidad dado que se deberán recorrer todos los lotes de pastizal con los mencionados aparatos y el traslado no debiera suponer un coste elevado.

Una vez ejecutadas las estrategias de manejo de suelo propuestas en el modelo de análisis espacial, se recomienda aplicar monitoreos periódicos de las variables analizadas observando que existe un periodo de tiempo específico en el que se pueden llegar a percibir cambios significativos, el cual para el caso de la variable pH es de cinco años, al referir a la conductividad eléctrica dos años; mientras que para el caso de las variables compactación del suelo y capacidad de retención de agua es recomendable ejecutar monitoreos anuales

Para realizar el análisis espacial de la información relevada en campo, se recomienda, utilizar el método de interpolación kriging, puesto que el mismo genera datos más suavizados, es decir que no tienden a producir valles y crestas dado que en el kriging emplea semivariogramas para explicar el comportamiento de la variable

104

Capítulo VI

Referencias Acevedo, D. C., Álvarez Sánchez, M. E., Hernández Acosta, E., Maldonado Torres, R., Pérez Grajales, M., y Castro Brindis, R. (2008). Spatial Variability of Chemical Properties of the Soil and its Use in the Design of Experiments.

Terra Latinoamericana, 26(4), 317–324. Recuperado febrero 17, 2021, a partir de http://www.scielo.org.mx/scielo.php?script=sci_abstractypid=S018757792008000400004ylng=esynrm=isoytlng=es Albañil Inga, M. K. (2016). Interpretación de los resultados de análisis químicos de los sedimentos en la zona del Valle del Chira. Universidad de Piura.

Recuperado marzo 28, 2021, a partir de https://pirhua.udep.edu.pe/handle/11042/2602 Alonso, M., y Aguirre, J. F. (2011). EFECTO DE LA LABRANZA DE CONSERVACIÓN SOBRE LAS PROPIEDADES DEL SUELO. Terra Latinoamericana, 29(2), 113–121. Sociedad Mexicana de la Ciencia del Suelo A.C. Recuperado febrero 2, 2021, a partir de http://www.scielo.org.mx/scielo.php?script=sci_abstractypid=S018757792011000200113ylng=esynrm=isoytlng=es Bertsch, F., Henriquez, C., Ramírez, F., y Sancho, F. (2002). Site-Specific Nutrient Management in the Highlands of Cartago Province. Better Crops International, 16(1), 4.

Calderón, M. A., Moreno, M. M., y Barra, J. E. (2002). Derivación de indicadores de calidad de suelos en el contexto de la agricultura sustentable. Agrociencia, 36(5), 605–620. Colegio de Postgraduados. Recuperado marzo 28, 2021, a partir de https://www.redalyc.org/articulo.oa?id=30236511 Castellanos, J. Z. (2014). Manejo y Corrección de la Acidez de los Suelos | Intagri S.C. Recuperado abril 5, 2021, a partir de https://www.intagri.com/articulos/suelos/manejo-y-correccion-de-acidez-desuelo Cicore, P. L., Sánchez, H. R., Peralta, N. R., Aparicio, V., y Castro, F. M. (2016).

Utilización de la conductividad eléctrica aparente y la elevación para delimitar ambientes edáficos en suelos ganaderos. IAH 23—Septiembre 2016., 7.

CIMMYT, Centro Internacional de Mejoramiento de Maíz y Trigo. (2013).

Resistencia a la penetración. Recuperado octubre 19, 2020, a partir de

105 https://repository.cimmyt.org/bitstream/handle/10883/4031/98830.pdf?sequ ence=1yisAllowed=y Colacelli, N. (1997). Revista Producción—(Julio/97) SUELOS: CORRECCION DE SUELOS ALCALINOS (Enyesado). Producción Agroindustrial del NOA. Revista web, . Recuperado abril 5, 2021, a partir de http://www.produccion.com.ar/1997/97jul_14.htm Conti, M. E., Arrigo, N., y Palma, M. (1980). Variabilidad espacial en determinaciones de carbono, nitrógeno, fosforo y pH de un muestreo sistemático de suelo. Rev Facultad de Agronomía, 1, 43–48.

Cruz, A. B., Barra, J. E., Castillo, R. F. del, y Gutiérrez, C. (2004). La calidad del suelo y sus indicadores. Ecosistemas, 13(2). Recuperado febrero 17, 2021, a partir de https://www.revistaecosistemas.net/index.php/ecosistemas/article/view/572 Daza Torres, M. C., Hernández Flórez, F., y Triana, F. A. (2014). Efecto del Uso del Suelo en la Capacidad de Almacenamiento Hídrico en el Páramo de Sumapaz—Colombia. Revista Facultad Nacional de Agronomía Medellín, 67(1), 7189–7200. Recuperado mayo 27, 2021, a partir de https://revistas.unal.edu.co/index.php/refame/article/view/42642 ESRI, Environmental Systems Research Institute. (2006). ¿Qué es un Kriging bayesiano empírico?—Help | ArcGIS Desktop. Recuperado abril 2, 2021, a partir de https://desktop.arcgis.com/es/arcmap/10.4/extensions/geostatisticalanalyst/what-is-empirical-bayesian-kriging-.htm ESRI, Environmental Systems Research Institute. (2020). How inverse distance weighted interpolation works—Nuevas características y mejoras que se han agregado en esta versión. | Documentación. Recuperado febrero 19, 2021, a partir de https://pro.arcgis.com/es/proapp/latest/help/analysis/geostatistical-analyst/how-inverse-distanceweighted-interpolation-works.htm Fallas, J. (2007). Modelos-digitales-de-elevacion-Teoria-metodos-de-interpolaciony-aplicaciones.pdf. Recuperado octubre 4, 2020, a partir de https://www.researchgate.net/profile/Jorge_Fallas5/publication/229021279_ Modelos_digitales_de_elevacion_Teoria_metodos_de_interpolacion_y_apli caciones/links/55a529ef08ae00cf99c94ee6/Modelos-digitales-de-elevacionTeoria-metodos-de-interpolacion-y-aplicaciones.pdf FAO, Food and Agriculture Organization. (2015, diciembre). Marcos Maestros de Muestreo para las Estadísticas Agropecuarias. Recuperado octubre 19, 2020, a partir de http://www.fao.org/3/ca6398es/ca6398es.pdf

106 Garrido Valero, S. (1994). Interpretación de análisis de suelos. Madrid: Instituto Nacional de Reforma y Desarrollo Agrario.

Gerber, P. J., Steinfeld, H., Henderson, B., Motter, A., Opio, C., Dijkman, J., Falcucci, A., y Tempio, G. (2013). Enfrentando el cambio climático a través de la ganadería – Una evaluación global de las emisiones y oportunidades de mitigación. FAO, 153.

Grijalva Cobo, J. P. (2011). La industria lechera en Ecuador: Un modelo de desarrollo.

Recuperado mayo 19, 2021, a partir de http://dspace.ups.edu.ec/handle/123456789/8032 Henríquez, C., Méndez, J. C., y Masís, R. (2013). Interpolación de variables de fertilidad de suelo mediante el Análisis kriging y su validación 1. Agronomía Costarricense, 37(2), 71–82. http://creativecommons.org/licenses/by-ncnd/3.0/.

Recuperado noviembre 2, 2020, a partir de http://www.scielo.sa.cr/scielo.php?script=sci_abstractypid=S037794242013000200006ylng=enynrm=isoytlng=es Herrera, P. (2020). Ganaderia y cambio climático: Un acercamiento en profundidad.

Ganaderia extensiva. Recuperado octubre 23, 2020, a partir de http://www.ganaderiaextensiva.org/wpcontent/uploads/2020/03/CuadernoEntretantos6_GanaderiayCC.pdf INEC, Instituto Nacional de Estadística y Censos. (2019). Estadísticas Agropecuarias.

Recuperado mayo 19, 2021, a partir de https://www.ecuadorencifras.gob.ec/estadisticas-agropecuarias-2/ Irrometer Company, Inc. (2015). Conceptos básicos de la humedad del suelo.

Recuperado abril 4, 2021, a partir de https://www.irrometer.com/basics.html Matthews, C. F. (2006). La ganadería amenaza el medio ambiente. FAO Sala de prensa.

Recuperado octubre 22, 2020, a partir de http://www.fao.org/newsroom/es/news/2006/1000448/index.html McCauley, A. (2005). SALINITY y SODICITY MANAGEMENT, 2, 16. Recuperado a partir de http://www2.hcmuaf.edu.vn/data/ndnang/file/QUAN%20LY%20DAT%20VA %20NUOC/16_%20Salinity%20and%20Sodicity%20Management.pdf McGarry, D. (2003). Tillage and Soil Compaction. En L. García-Torres, J. Benites, A. Martínez-Vilela, y A. Holgado-Cabrera (Eds.), Conservation Agriculture: Environment, Farmers Experiences, Innovations, Socio-economy, Policy (pp.

307–316). Dordrecht: Springer Netherlands. Recuperado abril 7, 2021, a partir de https://doi.org/10.1007/978-94-017-1143-2_37

107 MGAP-RENARE, Ministerio de Ganadería, Agricultura y Pesca-Dirección General Recursos Naturales Renovables. (2014). Manual de Descripción y Muestreo de Suelos y Análisis de Laboratorio. Recuperado marzo 28, 2021, a partir de https://www.gub.uy/ministerio-ganaderia-agriculturapesca/comunicacion/publicaciones/manual-descripcion-muestreo-suelosanalisis-laboratorio Montiel, K., y Muhammad, I. (2015). Manejo integrado de suelos para sistemas agrícolas resilientes al cambio climático. IICA.INT. Recuperado enero 29, 2021, a partir de https://www.iica.int/es/eventos/manejo-integrado-desuelos-para-sistemas-agr%25C3%25ADcolas-resilientes-al-cambioclim%25C3%25A1tico Moreira, T. (2012). Diretrizes e procedimentos metodológicos para a cartografia de síntese com atributos quantitativos via álgebra de mapas e análise multicritério doi: 10.4025/bolgeogr.v30i1.9701 | Boletin de Geografia.

Recuperado abril 8, 2021, a partir de https://periodicos.uem.br/ojs/index.php/BolGeogr/article/view/9701 Murgueitio, E. (2003). Environmental impact of milk production systems in Colombia and alternative solutions. Fundación Centro para la Investigación en Sistemas Sostenibles de Producción Agropecuaria. Recuperado septiembre 21, 2020, a partir de http://www.lrrd.cipav.org.co/lrrd15/10/murg1510.htm Murillo, D., Ortega, I., Carrillo, J. D., Pardo, A., y Rendón, J. (2012). Comparación de métodos de interpolación para la generación de Mapas de Ruido en entornos urbanos. Ingenierías USBMed, 3(1), 62–68. Recuperado noviembre 2, 2020, a partir de http://revistas.usbbog.edu.co/index.php/IngUSBmed/article/view/265 Olmedo, G., y Vallone, R. (2014). CARACTERIZACIÓN DE LA VARIABILIDAD INTRAPARCELARIA DE SUELOS MEDIANTE SENSORES PROXIMALES. ONU, Organización de las Naciones Unidas. (2020). Cambio climático. Recuperado octubre 21, 2020, a partir de https://www.un.org/es/sections/issuesdepth/climate-change/index.html Osorio, N. W. (2012). PH DEL SUELO Y DISPONIBILIDAD DE NUTRIENTES, 1(4), 4.

Panagos, P., Ballabio, C., Scarpa, S., Borrelli, P., Lugato, E., Montanarella, L., European Commission, y Join Research Centre. (2020). Soil related indicators to support agro-environmental policies: Soil erosion soil carbon soil nutrients and fertility. Recuperado febrero 1, 2021, a partir de https://op.europa.eu/publication/manifestation_identifier/PUB_KJNA30090E NN

108 Paz-Pellat, F., Marín-Sosa, M. I., López-Bautista, E., Zarco-Hidalgo, A., BolañosGonzález, M. A., Oropeza-Mota, J. L., Martínez-Menes, M., Palacios-Vélez, E., y Rubiños-Panta, E. (2010). Elements for developing an operational hidrology using remote sensing: Bare soil. Tecnología y ciencias del agua, 1(2), 59–71.

Recuperado febrero 18, 2021, a partir de http://www.scielo.org.mx/scielo.php?script=sci_abstractypid=S200724222010000200004ylng=esynrm=isoytlng=es Profertil. (2020). Controle la acidez y alcalinidad y aumente la fertilidad de los suelos – Profertil.

Recuperado abril 5, 2021, a partir de https://www.profertil.com.ar/index.php/cereales/controle-la-acidez-yalcalinidad-y-aumente-la-fertilidad-de-los-suelos/ Programa SIRSD-S. (2017). Pauta técnica para la aplicacion de compost.

Recuperado abril 5, 2021, a partir de http://www.sag.cl/sites/default/files/pauta-tecnica-aplicacion-de-compostconc.1-2-3_region_atacama.pdf Quiroga, A. R., Fernandez, R., y Alvarez, C. (2018). Análisis y evaluación de propiedades físico hídrica de los suelos (info:ar-repo/semantics/libro).

Ediciones INTA. Recuperado marzo 28, 2021, a partir de http://repositorio.inta.gob.ar:80/handle/20.500.12123/3834 Ramírez-Suárez, W. M., y Hernández-Olivera, L. A. (2016). Tolerancia a la salinidad en especies cespitosas. Pastos y Forrajes, 39(4), 235–245. EEPFIH 2007.

Recuperado abril 5, 2021, a partir de http://scielo.sld.cu/scielo.php?script=sci_abstractypid=S086403942016000400001ylng=esynrm=isoytlng=es Rucks, L., García, F., Kaplán, A., Ponce de León, J., y hILL, M. (2004). Propiedades fisicas del suelo.pdf. Recuperado febrero 2, 2021, a partir de http://bibliofagro.pbworks.com/f/propiedades%20fisicas%20del%20suelo.pd f Sánchez, S., Hernández, M., y Ruz, F. (2011). Alternativas de manejo de la fertilidad del suelo en ecosistemas agropecuarios. Pastos y Forrajes, 34(4), 375–392.

EEPFIH 2007. Recuperado septiembre 21, 2020, a partir de http://scielo.sld.cu/scielo.php?script=sci_abstractypid=S086403942011000400001ylng=esynrm=isoytlng=pt Schloeder, C., Zimmermann, N., y Jacobs, M. (2001). Comparison of Methods for Interpolating Soil Properties Using Limited Data. Soil Science Society of America Journal, 65.

Siavosh, S., Manuel, R. J., y Elena, G. M. (2000). Impacto de sistemas de ganadería sobre las características físicas, químicas y biológicas de suelos en los Andes de Colombia, 19.

109 Simon, M., Peralta, N. R., y Costa, J. L. (2013). Relacion entre la conductividad eléctrica aparente con propiedades del suelo y nutrientes. Asociación Argentina de la Ciencia del Suelo. Recuperado febrero 2, 2021, a partir de https://ri.conicet.gov.ar/handle/11336/3323 SportsTurf. (2017). Guía de la STMA para la mantención de campos de futbol internacional. Recuperado abril 5, 2021, a partir de https://www.stma.org/wpcontent/uploads/2017/11/International_Soccer_Bulletin_Spanish_FINAL.pdf Steinfeld, H. (2009). La larga sombra del ganado: Problemas ambientales y opciones. Roma: FAO. Tenza Pongutá, J. P. (2016). Estudio de las propiedades mecánicas de suelos agrícolas a partir de pruebas in situ y de laboratorio para modelos de labranza y tracción. Recuperado marzo 30, 2021, a partir de https://repositorio.unal.edu.co/handle/unal/58073 UIR, Universidad Internacional del Riego. (2017). Salinidad. Recuperado abril 5, 2021, a partir de http://www.universidadderiego.com/wpcontent/uploads/2017/02/DAG_Doc3-_salinidad.pdf USDA, United States Department of Agriculture. (2000). Guía para la Evaluación de la Calidad y Salud del Suelo. Recuperado octubre 19, 2020, a partir de https://www.nrcs.usda.gov/Internet/FSE_DOCUMENTS/stelprdb1044786.p df USDA, United States Department of Agriculture. (2014, mayo). Soil Electrical conductivity. Soil Health—Guides for Edutadors. Recuperado marzo 30, 2021, a partir de https://www.nrcs.usda.gov/Internet/FSE_DOCUMENTS/nrcs142p2_052803 .pdf Valarezo, D. M. G., Vivanco, N. J. A., y Pacheco, J. A. B. (2019). Evaluación económica del sector agropecuario e industrial en Ecuador 1980 – 2015.

ECA Sinergia, 10(2), 116–128. Recuperado mayo 19, 2021, a partir de https://revistas.utm.edu.ec/index.php/ECASinergia/article/view/1116 Vargas, A., Santos, A., Cárdenas, E., y Obregón, N. (2011). ANÁLISIS DE LA DISTRIBUCIÓN E INTERPOLACIÓN ESPACIAL DE LAS LLUVIAS EN BOGOTÁ, COLOMBIA, 10.

110

Anexos Anexo 1.- Referencia para corrección de suelos ácidos

Para corregir suelos ácidos es necesario realizar procesos de incorporación de CaCo3, a este proceso se le conoce como encalado, la cal se mueve muy poco en el suelo, de manera que sus efectos benéficos ocurren solamente en la zona de aplicación. La efectividad de la cal se logra mezclando perfectamente el material en los primeros 15 – 20 cm de suelo utilizando implementos como la rastra. La incorporación del material asegura mayor eficiencia, sobre todo en suelos de textura media a pesada. Para cultivos ya establecidos o pastos, y cultivos perennes, la incorporación no es posible y la única forma de aplicación es superficial o con escasa incorporación. Para que la reacción química se manifieste es necesario que haya humedad en el suelo, de tal manera que el encalado se lleva a cabo unos dos meses antes de la temporada de lluvias para mayor efectividad.

Dosis de encalado para elevar el pH del suelo.

Cantidad de CaCo3 (tn/has) para alcanzar niveles de Ph deseados Lectura de Ph Ph 7

Ph 6,5

Ph 6

4,8

25,1

20,3

14,9

5,6

16,1

12,5

9,1

5,8

14,6

11,3

8,2

5,9

13,5

10,3

4,5

6

12,2

9

6,7

6,1

11,3

8,4

6,05

6,2

10,3

7,5

5,4

6,3

9,1

6,5

4,7

6,4

7,5

5,1

3,6

6,8

3,6

1,8

1,1

Fuente : Castellanos, (2014)

111 Anexo 2.- Referencia para corrección de suelos alcalinos. Equivalencias de mejoradores de suelos alcalinos (Tomando al azufre como unidad).

Las sustancias que pueden utilizarse como correctores de suelos alcalinos son: CaCl2 (Cloruro de calcio), CaSO4. 2H2O (Yeso), Azufre, ácido sulfúrico, sulfato ferroso, sulfato de aluminio, polisulfuro de calcio y otros productos regionales como ser conchilla marina molida, espumas azucareras.

Mejorador

Tn equivalentes a 1 Tn de Azufre

Azufre

1

Polisulfuro de calcio

4,17

Ac. sulfúrico

3,06

Yeso

5,38

Sulfato de hierro

8,69

Sulfato de aluminio

6,94

Caliza molida

3,13

Fuente : Colacelli, (1997)

112 Anexo 3. Referencia de periodicidad de medición de variables del suelo

Profundidad (cm)

Tipo de tendencia

Tiempo requerido para Frecuencia percibir cambios medición

Textura (% arena, arcilla, limo)

0- 30

Equilibrio

>103 años

Cada 2-3 años

Arnold et al.,1990

Densidad aparente (g cm-3)

0- 7.5

Reducción

<10 años

Anual

Arshad y Coen, 1992

Incremento

<1 año

Periódicamente

Arshad y Coen, Doran et al.,1994

Indicador

de

Referencia

Indicadores físicos

Tasa de infiltración (cm min-1) Retención de humedad (%)

0- 15

Incremento

<1 año

Estacional

Arnold et al.,1990

Resistencia a la penetración (Mpa)

0- 50

Disminución

<1 año

Estacional

Arnold et al.,1990

Profundidad capa arable (cm)

0-100

Incremento

>10 años

Anual

Arshad y Coen, Doran et al.,1994

Sistema radicular (cm)

0-120

Incremento

<2 años

Estacional

Larson y Pierce, 1991

pH

0- 7.5

Neutralidad

>5 años

Estacional

Arshad y Coen, Doran et al.,1994

Conductividad eléctrica (dS/m-1)

0-7.5

Disminución

<2 años

Estacional

Larson y Pierce, 1991

N total (kg N ha-1)

0- 30

Incremento

<2 años

Estacional

Larson y Pierce, 1991

P disponible

0- 30

<2 años

Estacional

Doran y Parkin, 1994

1992

1992

Indicadores químicos 1992

113 Indicador

Profundidad (cm)

Capacidad de intercambio catiónico 0- 30 (meq 100 g-1)

Tipo de tendencia

Tiempo requerido para Frecuencia percibir cambios medición

de

Incremento

0 - 10 años

Anual

Arnold et al.,1990

Referencia

Indicadores biológicos Carbono orgánico (Mg C ha-1)

0- 30

Incremento

>10 años

Anual

Arnold et al.,1990

N mineralizable (kg N ha-1)

0- 30

Incremento

<2 años

Periódicamente

Doran et al.,1994

Respiración

0-7.5

(kg CO2-C ha-1 día-1)

0- 15

Variable

<2 años

Estacional

Visser y Parkinson, 1992

Lombrices de tierra m-2

0- 30

Incremento

<2 años

Periódicamente

Stork y Eggleton, 1992

Doran et al.,1994

114 Anexo 4. Información relevante acerca de equipos de medición de variables.

Equipos que miden el pH.

Nombre del sensor

Tipo de Medio de Rango de Precisión Precio sensor muestreo muestreo

Fabricante

PCTestr 35

Electrodo de vidrio

Suelo agua

/

pH 5+

Electrodo de vidrio

Suelo agua

/

Turf-Tec Soil pH

Electrodo de metal

0.0-14.0

± 0.1

$270,00

OAKTON Instruments Vernon Hills, IL, USA

0.0-14.0

± 0.01

$450,00

OAKTON Instruments Vernon Hills, IL, USA

Suelo

3.5-9.0

—

$598,00

Turf-Tec International, Tallahassee, FL, USA

Luster Leaf Electrodo 1835 de metal

Suelo

1 - 10

—

$52,00

Luster Leaf Inc., Woodstock, IL, USA

Luster Leaf Electrodo 1840 de metal

Suelo

1 - 10

—

$28,00

Luster Leaf Inc., Woodstock, IL, USA

Luster Leaf Electrodo 1845 de metal

Suelo

1 - 10

—

$22,00

Luster Leaf Inc., Woodstock, IL, USA

Luster Leaf Electrodo 1847 de metal

Suelo

1 - 10

—

$42,00

Luster Leaf Inc., Woodstock, IL, USA

MoonCity 3-in-1b

Electrodo de metal

Suelo

3.5-8.0

—

$26,00

Moon City Shenzhen City, Guangdong Province, China

Dr. Meter® Electrodo 4-in-1b de metal

Suelo

3.5-9.0

—

$26,00

HISGADGET Inc., Union City, CA, USA

Control Wizard ‡

Electrodo de metal

Suelo

3.0-8.0

± 0.2

$120,00

American Agriculture, Portland, OR, USA

Kelway® Soil Testerb

Electrodo de metal

Suelo

3.5-8.0

± 0.2

$240,00

Kel Instruments Co., Teaneck, NJ, USA

115 Equipos que miden conductividad eléctrica.

Nombre Sensor

Fabricante

Orion A122

Thermo Scientific

Orion A222

Star

Star

FiveGo F3

EC-350

tm

™

Thermo Scientific

Fisher

Fisher

Mettler-Toledo GmbH

Aquaterr

Modo de medición

Resolución medición

Conductividad, tds, temperatura

Compensación de temperatura

Rango medición

0,01 µS mínimo, 4 dígitos significativos TDS, 0,1 ° C

Lineal

Conductividad, resistividad, salinidad, TDS, temperatura

0,01 µS mínimo, 4 dígitos significativos TDS, 0,1 ° C, 2 ohmioscm, 0,01 ppt

Conductividad, TDS

0,01 a 1

Conductividad, humedad, temperatura

y

de

Humedad: ± 2%. Temperatura ± 1,5 ° F. Salinidad: ± 10 cS / m

de

Peso

Precio

0,1 µS / cm a 200 mS / cm

1 lb

$2.308,26

Agua ultrapura lineal, no lineal, agua ultrapura desgasificada no lineal, EP o apagado

0,001 µS / cm a 3000 mS / cm

1 lb

$2.550,06

Lineal

0,01 uS / cm .. 200 mS / cm

1 lb

$1.360,00

Lineal

Humedad del suelo - Rango: 0 a 100%.

Temperatura del suelo - Rango: 40 ° F a 150 ° F. Salinidad: Rango: 0 a 100 cS / m *.

5 lb

$1.245,00

116 Equipos que miden compactación del suelo.

Rubro / Modelo

CP40

Fabricante

Agridry Eijkelkamp Rimik PTY Agrisearch LTD Equipment

Rango profundidad

Penetrologger

Agratronix™ Soil Field Scout SCAMS Pocket Proctor Compaction 900 penetrometer penetrometer Tester Spectrum Technologies, Inc.

AgraTronix

de 0–600 mm 0–450 mm (18 0–800 mm (32 in) 3 - 24 pulgadas (24 in) in)

Rango de presión

0–5,500 0–10,000 kPa (798 (1,450 psi) psi)

Fuerza máxima

75 kg (165 102 kg (225 lb) lb)

95 kg (210 lb)

Peso

3.9 kg (8.6 2.9 kg (6.39 lb) lb)

1.25 kg (2.75 lb) 1.5 kg

Pantalla / forma de Graphic presentación de LCD resultado

Precio

$5,10

kPa 0–7,000 kPa 0 - 300 psi (1,000 psi)

450 psi

Shear vane set

Penetrómetro de cono

Humbolt Co.

Mfg. Humbolt Co.

0 0,25 0 - 25 cm PULGADAS

0 - 10 cm

En función necesidades.

0 - 45 Toneladas 10 - 130 lbf por pie cuadrado

0 - 260 kpa

En función del peso y el número de golpes

45 toneladas por 130 lbf pie cuadrado

260 kpa

No aplica

5 onzas

2 kg

4 kg

AMS

5 kg

Mfg. Diseño propia

y

dinámico

construcción

de

las

Graphic LCD

Medidor Escala de lectura 16 character, 2Dinamómetro analógico con en el barril del line LCD de resorte aceite de silicona pistón

Calculo en función del Escala peso y las repeticiones incorporada en para alcanzar la el mango profundidad deseada.

$7.250,00

$3.354,00

$2.090,00

$399,99

$113,60

$1.260,00

Entre $30,00 y $500,00 dependiendo los accesorios y tamaño.

117 Equipos que miden humedad del suelo.

Nombre Sensor Fabricante

Modo medición

KS-D1

Delmhorst

Bloques de 0,1 a sensores de yeso bares GB-1 tensión

Watermark

Irrometer

Resistencia eléctrica

Hydrosense I

Campbell Reflectometría Scientific Inc., en el dominio del 0-50% Logan, UT, tiempo USA

1 lb

$1.090,00

EXTECH Moisture Meter

FLIR Commercial Conductividad Systems Inc., eléctrica Nashua, NH, USA

0-50%

1 lb

$560,00

0-100%

1 lb

$750,00

Turf-Tec Moistur

Turf-Tec Soil International, Tallahassee, FL, USA

Conductividad eléctrica

de Rango de Peso medición 15 de 8 oz

0 a 200 1 lb centibares

Precio

$700,00

$500,00

118 Anexo 5. Ficha para levantar información en campo de las variables estudiadas.

Numer o de punto

Coordenad aX

Coordenad aY

Lectur a de pH

Lectura de conductivida d eléctrica (dS/m)

Lectura de humedad del suelo (centibares )

Lectura de compactació n del suelo (Número de golpes)

119 Anexo 6. Tabla para definir actividades, cargo y funciones dentro de la ejecución del modelo.

Fases/ actividades

Nombre del cargo

Funciones del cargo

FASE PREPARATORIA

FASE DIAGNÓSTICA

FASE DE ANÁLISIS CARTOGRÁFICO

FASE DE PROPUESTA DEL MODELO DE ANÁLISIS ESPACIAL

120 Anexo 7. Tabla para definir cargos y perfiles profesionales

Cargo

Perfil profesional

121 Anexo 8. Levantamiento de información de las variables descriptoras del estado de salud del suelo

Se detalla a continuación el procedimiento para relevar la información en campo, utilizando los sensores e instrumentos seleccionados resultantes de la calificación anterior.

Procedimiento para tomar la lectura de pH.

Gráfico 14. SensoR Kelway soil pH meter

El medidor viene calibrado de fábrica, no obstante, si la pluma del sensor no muestra el valor de 7, se debe giro el protector de la pantalla y retirar el vidro que recubre la escala de medición, con cuidado mueva la aguja del sensor hasta que marque un valor de 7.

Pasos

1.- Limpiar el sensor con la lija que se proporciona con el sensor.

2.- Introducir el sensor en el suelo hasta cubrir el sensor metálico de la punta

3.- Esperar de uno a tres minutos para tomar la lectura

122 4.- Se debe limpiar el sensor después de cada lectura.

Procedimiento para tomar la lectura de conductividad eléctrica.

Gráfico 15. Aquaterr EC-350

Para tomar medida de conductividad eléctrica, em primer lugar se debe calibrar el sensor, para ello introduzca el sensor en líquido y presione el pulsados “MSTR” seguidamente gire la perrilla “SET” para incrementar o reducir el valor de humedad hasta que la pantalla refleje el valor de 100, saque el sensor del líquido y seque con un paño, presione el botón "EC" y espere hasta que se encienda la luz "EC-ON".

La lectura de CE debe ser cero. Si la lectura no es cero, gire la perilla superior izquierda "CAL" hasta que la pantalla muestre una lectura cero. Con estos pasos el instrumento está listo para realizar mediciones, se recomienda realizar la calibración periódicamente aproximadamente cada 30 lecturas.

Pasos

1. Empuje la sonda en el suelo hasta la profundidad deseada. Si el suelo es demasiado duro, utilice un barreno. El sensor de detección y las alas deben estar en contacto con el suelo durante.

123 2. Presione el botón "MSTR". La lectura que refleja la pantalla es el nivel de humedad del suelo. Establecer la humedad perilla de compensación “W” (esquina superior derecha) al nivel de humedad que se muestra.

3. Presione el botón "EC". Después de unos 4 segundos, la luz "EC – ON" se iluminará y el medidor leerá la salinidad del suelo.

4. LIMPIE la sonda con una toalla entre lecturas. Ya que los residuos de suelo puede ser un problema significativo con las lecturas de salinidad.

Procedimiento para tomar la lectura de capacidad de retención de agua.

Gráfico 16. Delmhorst KS-D1

Para verificar la calibración del medidor, se debe presionar el botón CAL CHK. El medidor debe leer 80,0 con un error de ± 1,0. Una vez realizada la calibración se puede empezar con las mediciones.

Pasos

1.- Realice un hoyo en el suelo con un barreno a la profundidad requerida.

124 2.- Introduzca el sensor de bloque de yeso en el hoyo y cubra de tierra.

3.- Empuje los extremos estañados de los cables conductores del bloque en dos postes de unión con resorte en el medidor.

4.- Presione el botón READ y registre la lectura observación de la humedad del suelo en términos de tensión en centibares.

NOTA: Solo las lecturas entre 5,0 y 100,0 son válidas. Las lecturas fuera de este rango deben ser ignoradas y repetir la medición.

Procedimiento para tomar la lectura de capacidad de retención de agua.

Gráfico 17. Penetrómetro dinámico de cono.

El penetrómetro dinámico de cono, es un instrumento que mide la compactación del suelo en función del número de golpes que le toma al martillo llegar a una profundidad conocida, luego se realiza el cálculo de la compactación del suelo en Megapascales (MPa) con la siguiente ecuación:

125 𝑅=

N ∗ M ∗ g ∗ SD A ∗ PD

Donde:

R = la resistencia a la penetración (Pa) N = el número de impactos M = la masa de la pesa (5 kg) g = la gravedad = 9.81 m/s² SD = la distancia que se desliza el martillo “a” (0,25 m) A = el área de la superficie del cono (m²) PD = la distancia de penetración “b” (0,20 m) El área de la superficie del cono se calcula como sigue:

𝐴 =𝜋∗r∗s

Donde: A = el área de la superficie del cono (m²) r = el radio del cono (m) s = el largo del cono (m)(CIMMYT, 2013)

Pasos

1.- Colocar la punta del cono en el lugar en el que se va a realizar la medición.

2.- Dejar caer repetidamente el martillo desde el tope hasta el yunque hasta llegar a la marca que se encuentra a 20 cm de la punta del cono.

3.- Registrar la cantidad de golpes que son necesarios para alcanzar la mencionada marca.