AFI RAAB 2013 Final - 09dic2013

UNIVERSIDAD MAYOR DE SAN SIMN
VICERECTORADO
Centro de Levantamientos Aeroespaciales

y Aplicaciones SIG para el Desarrollo Sostenible
de los Recursos Naturales
Evaluacin de la fertilidad qumica de suelos

agrcolas, mediante la categorizacin y
regionalizacin de variables edafolgicas, en
zonas ridas del distrito de Yarabamba
Arequipa - Per
Ing. Agr. Richard Alberto Aguilar Barriga

Diciembre, 2013
Evaluacin de la fertilidad qumica de suelos agrcolas,
mediante la categorizacin y regionalizacin de variables
edafolgicas, en zonas ridas del distrito de Yarabamba
Arequipa Per
Por
Ing. Agr. Richard Alberto Aguilar Barriga
Asignacin Final Individual (Trabajo de Grado) presentado al Centro de Levantamientos Aeroespaciales y

Aplicaciones SIG para el Desarrollo Sostenible de los Recursos Naturales en cumplimiento parcial de los
requisitos para la obtencin del grado acadmico de Mster en Ciencias de la Geo - Informacin y
Observacin de la Tierra, en la mencin en: Informacin de Tierras para la Planificacin del Territorio.
Comit de evaluacin del AFI
Examinador 1 (Presidente)
Ing. Nelson Jery Sanabria Siles, M.Sc. Asesor
Lic. J. Stephan Dalence M., M.Sc. Asesor
Examinador 4 (Docente CLAS)
Examinador 5 (Docente ITC)
Centro de Levantamientos Aeroespaciales y Aplicaciones SIG para el Desarrollo Sostenible

de los Recursos Naturales Cochabamba, Bolivia
Aclaracin
Este documento describe el trabajo realizado como parte del programa de estudios de Maestra en
el Centro de Levantamientos Aeroespaciales y Aplicaciones SIG para el Desarrollo Sostenible de los
Recursos Naturales. Todos los puntos de vista y opiniones expresadas en el mismo son
responsabilidad exclusiva del autor y no representan necesariamente las del Centro.
Resumen
La investigacin ha adaptado el modelo de fertilidad qumica de suelos del IGAC (1995) para condiciones
de zonas ridas mediante la utilizacin de 6 variables edafolgicas: potencial de hidrogeno (pH), materia
orgnica del suelo (MOS), capacidad de intercambio catinico (CIC), fosforo disponible (P), potasio
disponible (K) y salinidad o conductividad elctrica (CE). El modelo se aplic en 390 hectreas del rea
agrcola bajo riego del distrito de Yarabamba Arequipa Per, a 39 resultados de anlisis de
caracterizacin de suelos, georreferenciados y levantados durante diciembre de 2010, y a 10 anlisis de
caracterizacin de suelos georreferenciados y levantados durante noviembre de 2013. La evaluacin del
modelo alcanzo una confiabilidad del 100% de la fertilidad qumica de suelos en la prueba de bondad de
ajuste (r2), la cual sobreestima la fertilidad del suelo al estar influenciada por la variabilidad temporal de
las propiedades edficas y calidad del suelo, y una confiabilidad del 80% mediante la prueba de
estimacin puntual de la fertilidad qumica de suelos, demostrando la buena replicabilidad del modelo. La
adaptacin de las tablas gua para zonas ridas, permite la regionalizacin de los distintos niveles de cada
variable y fertilidad qumica, caracterizando la zona de estudio de acuerdo a la fertilidad qumica del suelo
como de baja fertilidad (81.30% del rea) , y de acuerdo a cada variable edafolgica se caracteriza: para
el pH como medianamente alcalino (98.51% del rea), para la MOS como bajo contenido de materia
orgnica (95.94% del rea), para la CIC como baja capacidad e intercambio catinico (65.32% del
rea), para el P como bajo contenido de fsforo disponible (63.44% del rea), para el K como Muy alto
contenido de potasio disponible (100% del rea) y para la salinidad como No salino (89.87 del rea).
Palabras clave: Metodologa de fertilidad, variables qumicas edafolgicas, interpolacin, Yarabamba.
i
Dedico este trabajo a:
Mis hijas Renata y Arantxa, son los motores de mi vida.
A mi esposa Ana, por su compresin y dedicacin a mi familia durante mi ausencia.
A mi Madre Leticia, por transmitirme su fortaleza y cario.
A mi hermanos Jos, Pablo, Lourdes y Nilda.
A mi Ta Marta.
A mi primo Alex
A toda mi familia
Y a mis compaeros y compaeras de la Maestra
ii
Agradecimientos
A mi amada esposa Ana, por su apoyo incondicional y fortaleza emocional que motivo el desarrollo de la
presente maestra.
A mi seora Madre, quien me dio el ser y me enseo a luchar incansablemente.
Al Centro de Levantamientos Aeroespaciales y Aplicaciones SIG para el Desarrollo Sostenible de los

Recursos Naturales CLAS de la Universidad Mayor de San Simn, mi nueva Alma Mater.
A los Docentes y Personal Administrativo del CLAS, por brindarnos su amistad, confianza, fortalecer
nuestros conocimientos y entender nuestro carcter.
Al Lic. Stephan Javier Dalence Martinic, MSc. e Ing. Nelson Jery Sanabria Siles, MSc. por su asesora en
la presente Asignacin Final Individual para la conclusin de la misma.
Al Reino de los Pases Bajos Programa de Becas Internacionales NFP - NUFFIC, por la oportunidad
brindada para cursar la presente Maestra ITC - NUFFIC.
Al Municipio Distrital de la Villa Hermosa de Yarabamba, tierra de ensueo y gente luchadora, que
coordin y permiti desarrollar la fase final de Asignacin Final Individual.
A Dios, mis hermanos, mis primos, mi familia y mi esposa por el constante aliento y fortaleza brindada
desde mi querida Tierra Arequipa, para culminar la presente Maestra.
A todos mis ms sinceros agradecimientos.
iii
Tabla de contenidos
1. Introduccin...........................................................................................................................................1
1.1. Antecedentes..................................................................................................................................1
1.2. Justificacin ...................................................................................................................................1
1.3. Planteamiento del Problema ..........................................................................................................2
2. Objetivos ...............................................................................................................................................2
2.1. Objetivo general ............................................................................................................................2
2.2. Objetivos especficos .....................................................................................................................2
3. Marco Terico .......................................................................................................................................3
3.1. El suelo ..........................................................................................................................................3
3.2. Cartografa Digital del Suelo .........................................................................................................3
3.3. Anlisis exploratorio de datos (AED) ...........................................................................................3
3.3.1. Anlisis estadstico unidimensional.......................................................................................3
3.3.2. Valores atpicos (Outliers) .....................................................................................................4
3.4. Regresin y correlacin lineal simple............................................................................................4
3.4.1. El modelo de regresin ..........................................................................................................4
3.4.2. El modelo de correlacin .......................................................................................................5
3.5. Variables qumicas edafolgicas ...................................................................................................6
3.5.1. Acidez o alcalinidad (pH) ......................................................................................................6
3.5.2. Materia Orgnica del suelo (MOS).......................................................................................6
3.5.3. Bases Totales (BT) ................................................................................................................6
3.5.4. Capacidad de Intercambio Catinico (CIC) ..........................................................................6
3.5.5. Saturacin de Bases (SA) ......................................................................................................7
3.5.6. Fosforo disponible (P) ...........................................................................................................7
3.5.7. Potasio disponible (K) ...........................................................................................................7
3.5.8. Salinidad del suelo (SS) .........................................................................................................7
3.6. Matriz de ponderacin de variables ...............................................................................................8
3.7. Fertilidad del suelo ........................................................................................................................8
3.8. Geoestadstica ................................................................................................................................8
3.8.1. Interpolacin ..........................................................................................................................9
4. Marco Metodolgico ...........................................................................................................................11
4.1. rea de estudio ............................................................................................................................11
4.1.1. Clima ...................................................................................................................................11
4.1.2. Geologa y geomorfologa ...................................................................................................11
iv
4.2. Materiales y equipos .................................................................................................................... 12
4.3. Mtodos ....................................................................................................................................... 13
4.3.1. Anlisis exploratorio y de correlacin estadstica de datos ................................................. 14
4.3.2. Modificacin del modelo de fertilidad qumica del IGAC (1995). ..................................... 14
4.3.3. Anlisis geoestadstico y regionalizacin de variables qumicas edafolgicas ................... 16
4.3.4. Aplicacin del modelo de fertilidad qumica de suelos para zonas ridas .......................... 17
4.3.5. Validacin del modelo de fertilidad qumica de suelos para zonas ridas .......................... 17
5. Resultados y Discusin ....................................................................................................................... 19
5.1. Anlisis exploratorio y de correlacin estadstica de datos. ........................................................ 19
5.1.1. Anlisis exploratorio de datos (AED) ................................................................................. 19
5.1.2. Pruebas de normalidad ........................................................................................................ 22
5.1.3. Anlisis de correlacin estadstica....................................................................................... 23
5.2. Modificacin del modelo de fertilidad qumica del IGAC (1995). ............................................. 24
5.3. Categorizacin de variables mediante matriz de ponderacin simple ......................................... 24
5.3.1. Modificacin del modelo de fertilidad qumica edafolgica IGAC (1995). ....................... 25
5.4. Anlisis geoestadstico y regionalizacin de variables qumicas edafolgicas ........................... 27
5.4.1. Anlisis geoestadstico e interpolacin ............................................................................... 27
5.4.2. Regionalizacin de variables ............................................................................................... 31
5.5. Aplicacin del modelo de fertilidad qumica de suelos para zonas ridas .................................. 32
5.5.1. Validacin del modelo de fertilidad qumica de suelos para zonas ridas .......................... 34
6. Conclusiones ....................................................................................................................................... 37
7. Recomendaciones ................................................................................................................................ 38
8. Referencias Bibliogrficas .................................................................................................................. 39
Anexos......................................................................................................................................................... 42
v
Lista de figuras
Figura N 1: Ubicacin del rea de estudio, Distrito de Yarabamba, Provincia y Regin Arequipa
(2013). .........................................................................................................................................................11
Figura N 2: Ubicacin de puntos de muestreo de suelos para modelamiento de la fertilidad qumica
del suelo (2010) y validacin del modelo (2013). Fuente de datos: Aguilar (2010). ..................................12
Figura N 3: flujograma de trabajo de la investigacin. ..............................................................................13
Figura N 4: Diagramas de cajas y bigotes (box plot) de variables qumicas edafolgicas del rea
agrcola del distrito de Yarabamba. .............................................................................................................21
Figura N 5: Anlisis de patrones para puntos de muestreo de suelos (2010) en distrito de Yarabamba ...28
Figura N 6: Ubicacin de puntos de muestreo de suelos, ubicando los puntos con variables
edafolgicas con datos atpicos y extremos y su distribucin en el rea de estudio....................................29
Figura N 7: mapa de fertilidad qumica de suelos como producto del algoritmo adaptado en la
presente investigacin de la zona agrcola del distrito de Yarabamba. .......................................................33
Figura N 8: mapa final de fertilidad qumica de suelos categorizado por rangos de fertilidad del rea
agrcola del distrito de Yarabamba. .............................................................................................................34
Figura N 9: Superficie (ha) por rangos de fertilidad qumica del suelo. ....................................................34
Figura N 10: Mapa regionalizado de pH del suelo. ...................................................................................49
Figura N 11: Mapa regionalizado de MOS. ...............................................................................................49
Figura N 12: Mapa regionalizado de CIC del suelo...................................................................................49
Figura N 13: Mapa regionalizado de P disponible. ....................................................................................49
Figura N 14: Mapa regionalizado de K disponible. ...................................................................................50
Figura N 15: Mapa regionalizado de CE del suelo. ...................................................................................50
vi
Lista de tablas
Tabla 1: Medidas descriptivas numricas y representaciones graficasen funcin de la escala de
medida de la variable..................................................................................................................................... 4
Tabla 2: Correlacin lineal entre dos variables. ............................................................................................ 6
Tabla 3: Puntuacin de influencia de variables ........................................................................................... 14
Tabla 4: Gua de interpretacin para calificar la fertilidad qumica en suelos ............................................ 15
Tabla 5: Puntajes para calificar la conductividad elctrica (CE) en zonas ridas ....................................... 16
Tabla 6: Puntajes para calificar el nivel de fertilidad en los suelos en zonas ridas. .................................. 16
Tabla 7: Gua para interpretacin de MOS, P, K y CIC (adaptado por Aguilar, 2013) .............................. 17
Tabla 8: Gua para interpretacin de pH, CE y Fertilidad qumica de suelos. ............................................ 17
Tabla 9: Estadstica descriptiva de las variables qumicas edafolgicas de anlisis de suelos del ao
2010, del rea agrcola de Yarabamba en software Excel - XLstat. ........................................................... 19
Tabla 10: Estadstica descriptiva de las variables qumicas edafolgicas de anlisis de suelos del ao
2013, del rea agrcola de Yarabamba en software Excel - XLstat. ........................................................... 20
Tabla 11: Prueba de normalidad de Shapiro-Wilk de variables edafolgicas de 39 anlisis de
caracterizacin de suelos del ao 2010 del rea agrcola del distrito de Yarabamba. ................................. 22
caracterizacin de suelos del ao 2013 del rea agrcola del distrito de Yarabamba. ................................. 23
Tabla 13: Matriz de proximidad (Coeficiente de correlacin de Pearson) de variables edafolgicas del
rea agrcola de Yarabamba. ....................................................................................................................... 23
Tabla 14: Matriz de ponderacin de variables qumicas edafolgicas para zonas ridas. .......................... 25
Tabla 15: Gua de interpretacin para calificar la fertilidad qumica en suelos en zonas ridas. ................ 26
Tabla 16: Determinacin del tamao de pixel mediante Mapa de parcelas (Hengl, 2006). ....................... 27
Tabla 17: Distancia limitante (m) de variables edafolgicas mediante el anlisis patrn de datos con y
sin datos atpicos y extremos del rea agrcola de Yarabamba. .................................................................. 30
Tabla 18: Prueba de bondad de ajuste (r2) y error medio cuadrtico (CME) para 2 mtodos de
interpolacin determinstica con y sin datos atpicos. ................................................................................. 30
Tabla 19: Superficie regionalizada por clases de pH del suelo en el rea agrcola de Yarabamba. ............ 31
Tabla 20: Superficie regionalizada por clases de MOS en el rea agrcola de Yarabamba. ....................... 31
Tabla 21: Superficie regionalizada por clases de CIC del suelo en el rea agrcola de Yarabamba. .......... 32
Tabla 22: Superficie regionalizada por clases de K del suelo en el rea agrcola de Yarabamba. .............. 32
Tabla 23: Superficie regionalizada por clases de P del suelo en el rea agrcola de Yarabamba................ 32
Tabla 24: Superficie regionalizada por clases de CE del suelo en el rea agrcola de Yarabamba............. 32
Tabla 25: Superficie regionalizada por rangos de fertilidad qumica del suelo en el rea agrcola de
Yarabamba. ................................................................................................................................................. 34
Tabla 26: Validacin del modelo de fertilidad qumica de suelos adaptado del IGAC (1995), mediante
prueba de bondad de ajuste y error medio cuadrtico. ................................................................................ 35
estimador puntual. ....................................................................................................................................... 36
vii
EVALUACIN DE LA FERTILIDAD QUMICA DE SUELOS AGRCOLAS, MEDIANTE LA CATEGORIZACIN Y REGIONALIZACIN DE VARIABLES
EDAFOLGICAS, EN CONDICIONES DE ZONAS RIDAS DEL DISTRITO DE YARABAMBA AREQUIPA PER
1. Introduccin
La agricultura fue inventada hace aproximadamente 10000 aos durante la conocida revolucin
neoltica; desde ese momento al actual, el hombre, ha incorporado un sinnmero de innovaciones
tecnolgicas y productivas; los cambios se aceleraron despus de la revolucin industrial del siglo XVIII,
pero fundamentalmente a partir de la revolucin verde de mediados del siglo XX (Cceres, 2003); la
cual se sustenta en cinco pilares bsicos: la mecanizacin, el regado, los fertilizantes qumicos, los
plaguicidas y la bioingeniera gentica (Cceres, 2003; Segrelles, 2005); Esta innovacin tecnolgica, dej
de lado tcnicas ancestrales de produccin agrcola, como inundacin de terrenos durante las avenidas
para incorporar limos o incorporacin de materia orgnica para mejorar la fertilidad; por tanto, la
agricultura convencional, considera al suelo como un soporte inerte (fuente de nutrientes) para el
desarrollo de las plantas, incidiendo en la destruccin de la estructura, perdida de materia orgnica y
erosin de la fertilidad natural (Gomero & Velsquez, 1999).
1.1. Antecedentes
La implementacin de la agricultura convencional trajo como consecuencia la generacin de diversos
problemas ambientales tales como erosin, compactacin y perdida de la estructura y fertilidad del suelo,
con la consecuente reduccin de la productividad de los cultivos en el distrito de Yarabamba con respecto
al promedio regional (Gerencia Regional de Agricultura Arequipa, 2013), generando problemas sociales y
econmicos, que incidieron en la marginacin de los productores minifundistas (Chiape, 2013).
Por otro lado, los investigadores de la ciencia del suelo enfocan la problemtica ambiental del recurso
mediante el mtodo convencional, representando la informacin edfica como unidades fisiogrficas
homogneas, y mediante el enfoque geopedolgico extrapolan informacin edfica hacia reas no
prospectadas, lo cual, no considera la variacin espacial real de las propiedades del suelo dentro de dichas
unidades, (Moreno, 2012), y no considera a las propiedades diagnstico del suelo como continuas
(Rossiter, 2004), asimismo, los estudios de las caractersticas fsicas y qumicas de los suelos son
puntuales, debido al modelo mental suelo paisaje (Araujo, 2009). Ortega (1987) mencionado por
Moreno (2012), modific la metodologa para evaluar la fertilidad qumica del suelo propuesta por el
Instituto Geogrfico Agustn Codazzi (IGAC) en 1961, la misma que fue adoptada y publicada en el ao
1995, para cuantificar y cualificar la fertilidad, desde el punto de vista qumico, en los primeros 50 cm del
suelo, interpretando conjuntamente los siguientes parmetros: pH, capacidad de intercambio catinico,
bases totales, saturacin de bases, saturacin por aluminio, carbono orgnico, potasio y fsforo
aprovechable, adems de la salinidad; sin embargo, dicha propuesta est pensada para suelos de zonas
hmedas.
1.2. Justificacin
Los productores minifundistas del distrito de Yarabamba, ven reducidas sus expectativas econmicas por
la baja productividad de los cultivos, por tanto, no realizan el diagnstico de la fertilidad de los suelos
agrcolas por la escasez de recursos y el costo oneroso de los anlisis de laboratorio, aplicando prcticas de
manejo inadecuadas y sobreexplotando la capacidad de uso de las tierras, que inciden en la destruccin de
la base productiva del medio rural y por lo general esto es ignorado por los gobiernos (tomadores de
decisiones) y poblacin en general.
Por otro lado, las herramientas de modelamiento espacial de la fertilidad del suelo, no son de uso comn y
representan realidades diferentes a zonas ridas (propuestas para zonas hmedas), consideran variables
edafolgicas que posiblemente estn correlacionadas y no aporten informacin relevante al modelo de
fertilidad qumica de suelos, asimismo, incrementan los costos de los anlisis de laboratorio que el
pequeo productor no puede asumir, adems de incrementar la complejidad en la determinacin de la
fertilidad qumica del suelo y su representacin espacial.
La produccin agrcola del distrito de Yarabamba, no escapa a esta realidad, siendo una zona de
condiciones ridas, precipitaciones escasas y con base econmica de la poblacin en la agricultura, el
1
EDAFOLGICAS, EN CONDICIONES DE ZONAS RIDAS DEL DISTRITO DE YARABAMBA AREQUIPA
deterioro ambiental y la perdida de la fertilidad de suelos ha incidido en el abandono de las tierras

agrcolas y en la migracin de los agricultores hacia las ciudades en busca de trabajo remunerado.
Asimismo, los gobiernos locales no implementan planes de apoyo a los productores del campo, debido al
desconocimiento de los problemas asociados a la productividad.
El lograr un desarrollo rural sostenible de las actividades agrcolas, resulta sumamente importante el
conocimiento del suelo para precisar dnde y cmo hacer agricultura e incrementar la produccin agrcola,
as como, el especial inters en el conocimiento del suelo con el fin de proteger el propio suelo y el
ambiente, incluso ms que en garantizar el incremento de la produccin (De la Rosa, 2008).
Por tanto, el diagnstico de la problemtica de la degradacin del suelo y el mapeo de la fertilidad
mediante tcnicas sencillas y de aplicacin rpida, permitir a las autoridades, organizaciones agrarias y
productores, formular planes y estrategias para la recuperacin de las tierras agrcolas en produccin y
abandonadas y se asegure la alimentacin de la poblacin con productos de alta calidad.
1.3. Planteamiento del Problema
El modelamiento espacial de la fertilidad qumica de suelos esta propuesto por el IGAC (1995) para zonas
hmedas, cuyas variables consideradas no se adecuan a la determinacin de la fertilidad qumica de suelos
en zonas ridas, asimismo, consideran variables edafolgicas que estn posiblemente correlacionadas y no
aporten informacin relevante al modelo de fertilidad qumica, incrementando los costos de la
determinacin cuantitativa de variables edafolgicas en anlisis de laboratorio, que el pequeo productor
minifundista no puede asumir, debido a la baja rentabilidad de la produccin agrcola que los sumerge en
sistemas econmicos de subsistencia, por otro lado, los tomadores de decisiones a nivel local, regional o
nacional no disponen de herramientas de modelamiento espacial de la fertilidad qumica del suelo rpidas
y sencillas que permitan apoyar la produccin y productividad de los agricultores, para mejorar la
fertilidad de los suelos agrcolas mediante planes de desarrollo, y fortalecer las condiciones socio-
econmicas de los productores rurales, asimismo, es viable optimizar la determinacin espacial de la
fertilidad qumica de suelos con variables edafolgicas acorde a las caractersticas de zonas ridas y que
permitan promover planes y proyectos de apoyo a los productores rurales.
2. Objetivos
2.1. Objetivo general
Evaluar la fertilidad qumica de suelos agrcolas de zonas ridas del distrito de Yarabamba Arequipa,
mediante la categorizacin y regionalizacin de variables edafolgicas aplicando tcnicas estadsticas y
geo-estadsticas.
2.2. Objetivos especficos
Determinar la correlacin estadstica de datos de anlisis de caracterizacin de suelos de variables
qumicas edafolgicas mediante Anlisis Exploratorio de Datos.
Evaluar la fertilidad de suelos a travs del modelo de fertilidad qumica de suelos propuesto por
el Instituto Geogrfico Agustn Codazzi, adecuado para zonas ridas mediante la categorizacin
de variables qumicas edafolgicas.
Regionalizar las variables qumicas edafolgicas mediante anlisis geoestadstico.
Validar estadsticamente el modelo modificado de fertilidad qumica de suelos para zonas ridas.
2
3. Marco Terico
3.1. El suelo
La relevancia del suelo fue establecida mucho despus que la del agua y del aire, ya que era considerado
parte de un gran sistema, como una pequea capa, desde el punto de vista geolgico y geomorfolgico, o
como sustrato para la vegetacin (Conti & Giuffr, 2011). Sin embargo, tradicionalmente, el suelo es el
medio natural para el desarrollo de las plantas terrestres, ya sea que tenga o no horizontes discernibles. Las
personas consideran al suelo importante porque sostiene a las plantas que nos proporcionan comida, fibras,
drogas, y otras necesidades humanas y porque filtra al agua y recicla excretas. El suelo cubre a la
superficie terrestre como un continuo, excepto en reas con afloramientos rocosos, de congelamiento
perpetuo, en aguas profundas, o sobre los hielos de los glaciares estriles. En ese sentido, el suelo tiene un
espesor que est determinado por la profundidad de enraizamiento de las plantas (USDA - NRCS, 2010;
Moreno, 2012), ofreciendo una extraordinaria complejidad y variabilidad (De la Rosa, 2008).
3.2. Cartografa Digital del Suelo
Para lograr un desarrollo rural sostenible de las actividades agrcolas, resulta sumamente importante el
conocimiento del suelo para precisar dnde y cmo hacer agricultura e incrementar la produccin agrcola,
as como, el especial inters en el conocimiento del suelo con el fin de proteger el propio suelo y el
ambiente, incluso ms que en garantizar el incremento de la produccin (De la Rosa, 2008). Por tanto, el
conocimiento de los suelos resumido en su inventario es fundamental, ya que de l depende entender la
fertilidad, aspectos fsicos, qumicos y microbiolgicos, su vocacin de uso, tecnologas y prcticas de
manejo, as como las estrategias para su conservacin y recuperacin (Malagn et al., 2010). En este
sentido, la cartografa de suelos consiste en el reconocimiento, localizacin y representacin en un mapa
del tipo de suelos presente en una regin, permite aumentar el nivel de informacin sobre el territorio en
temas tan diversos como el ordenamiento territorial o aspectos agrcolas y medioambientales, mediante el
uso de sistemas de informacin geogrfica (SIG) en sistemas de hardware y software, diseados para
soportar la captura, manejo, manipulacin, anlisis, modelado y despliegue de datos espacialmente
referenciados (georreferenciados)para la solucin de problemas complejos del manejo y planeamiento
(Conti & Giuffr, 2011).
3.3. Anlisis exploratorio de datos (AED)
Es el proceso de utilizar herramientas estadsticas (como grficas, medidas de tendencia central y medidas
de variacin) con la finalidad de investigar conjuntos de datos para comprender sus caractersticas
importantes (Triola, 2009; Gossweiler, 2013), asimismo, permiten una visualizacin previa al anlisis
definitivo de los datos en estudio (Garca, 2006) y consiguen un entendimiento bsico de los datos y de las
relaciones existentes entre las variables analizadas para organizar y preparar los datos, detectar fallos en el
diseo y recogida de los mismos, tratamiento y evaluacin de datos ausentes (missing), e identificacin de
casos atpicos (outliers) (Salvador & Gargallo, 2003).
3.3.1. Anlisis estadstico unidimensional
Anlisis estadstico grfico y numrico de las variables del problema con el fin de tener una idea inicial de
la informacin contenida en el conjunto de datos as como detectar la existencia de posibles errores en la
codificacin de los mismos. El tipo de anlisis a realizar depende de la escala de medida de la variable
analizada (Tabla 1) (Salvador & Gargallo, 2003).
3.3.1.1. Variables cualitativas
Son aquellas que no aparecen en forma numrica, sino como categoras o atributos. En dichas categoras
puede haber un orden subyacente (variable ordinal) o no (variable nominal). Los datos correspondientes a
variables cualitativas se agrupan de manera natural en diferentes categoras o clases y se cuenta el nmero
de datos que aparecen en cada una de ellas. Se suelen representar mediante diagrama de barras, sectores o
lneas (Salvador & Gargallo, 2003; Martn, 2003).
3
Tabla 1: Medidas descriptivas numricas y representaciones graficasen funcin de la escala de medida de

la variable.
Escala de Medidas de
Representaciones graficas Medidas de dispersin
medida tendencia central
Diagrama de barras
Nominal Diagrama de lneas Moda
Diagrama de sectores
Ordinal Boxplot Mediana Rango intercuartlico
Histogramas
Continuos Media Desviacin tpica
Polgonos de frecuencias
Discreto Media geomtrica Coeficiente de variacin
Fuente: (Salvador & Gargallo, 2003; Gossweiler, 2013).
3.3.2. Valores atpicos (Outliers)

Un valor es atpico cuando est muy alejado del patrn general de la mayora de los datos. Cuando se
explora un conjunto de datos, se deben considerar los valores atpicos, ya que pueden revelar informacin
importante y afectar en gran medida el valor de la media y de la desviacin estndar, as como distorsionar
gravemente un histograma (Triola, 2009). Su principal problema radica en que son elementos que pueden
no ser representativos de la poblacin pueden ser indicativos de las caractersticas de un segmento vlido
de la poblacin y, por consiguiente, una seal de la falta de representatividad de la muestra (Salvador &
Gargallo, 2003).
Los valores atpicos pueden clasificarse en cuatro categoras (Salvador & Gargallo, 2003):
Valores atpicos que surgen de un error de procedimiento, subsanndose con el filtrado de datos y si
no se puede, deberan eliminarse del anlisis o recodificarse como datos ausentes.
Valores atpicos como consecuencia de un acontecimiento extraordinario, en este caso, el outlier no
representa ningn segmento vlido de la poblacin y puede ser eliminado del anlisis.
Valores atpicos de observaciones cuyos valores caen dentro del rango de las variables observadas
pero que son nicas en la combinacin de los valores de dichas variables. Estas observaciones
deberan ser retenidas en el anlisis pero estudiando qu influencia ejercen en los procesos de
estimacin de los modelos considerados.
Valores atpicos de observaciones extraordinarias para las que el investigador no tiene explicacin.
En estos casos lo mejor que se puede hacer es replicar el anlisis con y sin dichas observaciones con
el fin de analizar su influencia sobre los resultados.
3.4. Regresin y correlacin lineal simple
Al analizar los datos para las disciplinas de las ciencias ambientales y naturales, se encuentra con
frecuencia que resulta conveniente saber algo acerca de la relacin que existe entre dos variables. La
naturaleza e intensidad de las relaciones entre variables, puede estudiarse por medio del anlisis de
regresin y correlacin, dos tcnicas estadsticas que, aunque relacionadas, tienen finalidades distintas
(Daniel, 1993).
3.4.1. El modelo de regresin
Es importante que el investigador comprenda la naturaleza de la poblacin en la que est interesado, debe
conocer lo suficiente acerca de la poblacin para poder elaborar un modelo matemtico que la represente,
o bien, determinar si se ajusta razonablemente a algn modelo ya establecido (Daniel, 1993). Por tanto, el
modelo de regresin describe la relacin entre dos variables por medio del clculo de la grfica y la
ecuacin de la recta que representa mejor la relacin. Esta recta se conoce como recta de regresin y su
ecuacin como ecuacin de regresin (Triola, 2009).
4
3.4.1.1. El coeficiente de determinacin

El coeficiente de determinacin (r2) es la cantidad de variacin en y que est explicada por la recta de
regresin (Triola, 2009), mide la proximidad del ajuste de la ecuacin de regresin de la muestra a los
valores observados de y; por tanto, determina si una ecuacin de regresin es apropiada para describir la
relacin entre dos variables (Daniel, 1993). Este coeficiente se interpreta como la proporcin de la
variabilidad total en y explicable por la variacin de la variable independiente o como tambin es usual
decir: la proporcin de la variabilidad total explicada por el modelo, por ser una proporcin, el coeficiente
de determinacin vara entre 0 y 1, cuanto ms prximo est a 1, mayor valor predictivo tendr el modelo
en el sentido que los valores observables estarn muy prximos a la esperanza estimada por la regresin
(Di Rienzo et al., 2005; Daniel, 1993; Devore, 2005). Tambin se puede entender este coeficiente de
determinacin como el porcentaje de varianza explicada por la recta de regresin y siempre es igual al
cuadrado del coeficiente de correlacin (r) (Vila et al., 2013). Se calcula mediante la siguiente ecuacin:

Ecuacin 1

Donde es valor real, es el valor estimado y es el promedio de los valores de las lecturas reales
(Daniel, 1993).
3.4.2. El modelo de correlacin
El trmino correlacin se utiliza generalmente para indicar la correspondencia o la relacin recproca que
se da entre dos o ms cosas, ideas, personas, entre otras; en tanto, en probabilidad y estadstica, la
correlacin es aquello que indicar la fuerza y la direccin lineal que se establece entre dos variables
aleatorias (Astudillo, 2013). Cuando x como y son variables aleatorias, se tiene lo que se conoce
como modelo de correlacin, y se obtienen observaciones de la muestra seleccionando una muestra al azar
de las unidades de asociacin y tomando una medida x y una medida y sobre cada una; la correlacin
entre las variables pone a ambas sobre un mismo terreno y no las distingue como variable dependiente y
variable independiente (Daniel, 1993).
3.4.2.1. El coeficiente de correlacin
El coeficiente de correlacin (r) es una medida de cuan fuerte es una relacin entre x y y en la muestra
observada (Devore, 2005; Daniel, 1993). Por tanto, en una distribucin bidimensional puede ocurrir que
las dos variables guarden algn tipo de relacin entre s, entonces, el coeficiente de correlacin mide el
grado de intensidad de esta posible relacin entre las variables (Quezada, 2010). Si el coeficiente de
correlacin (r) es cercano a 1, la relacin es positiva e implica que las dos situaciones se incrementan en
proporcin directa. Si el coeficiente de correlacin es cercano a -1, la relacin es inversa, es decir, que
mientras los datos de la variable X aumentan los de la variable Y disminuyen; cuando no hay ninguna
relacin entre estas dos variables, los coeficientes de correlacin tienden a cero (IGAC, 1998; Coyne &
Thompson, 2006; Devore, 2005; Daniel, 1993). Este coeficiente se interpreta como la proporcin de la
variabilidad total en y explicable por la variacin de la variable independiente o como tambin es usual
decir: la proporcin de la variabilidad total explicada por el modelo (Di Rienzo et al., 2005). Se calcula
mediante la siguiente ecuacin:

Ecuacin 2

Donde n es el nmero de pares de datos, es la variable independiente y es la variable dependiente
(Daniel, 1993).
En forma practica la magnitud del coeficiente de correlacin (r) como un indicador del grado de
asociacin fuerte toma valores de 0.8 a 1 respectivamente como se observa en la tabla 2 (Devore, 2005;
Nieves & Domnguez, 2010; Vila et al., 2013).
5
3.5. Variables qumicas edafolgicas

El efecto de cada variable del suelo sobre su comportamiento resulta del mayor inters como anlisis
preliminar. El anlisis aislado de interpretacin practica fue planteado en un principio por Leibig en su ley
del mnimo el desarrollo de una planta lo regula el factor que se presenta en menor cantidad, y
posteriormente matematizado por Mistcherlich (1909), que describe el rendimiento de un cultivo en
funcin de la cantidad de nutriente facilitado, representando el punto de partida del anlisis cuantitativo de
la relacin entre el desarrollo de las plantas y los factores que lo condicionan (De la Rosa, 2008), teniendo
como uno de los indicadores de la calidad del suelo las propiedades qumicas que pueden ser medidas
cuantitativamente y proveen pistas acerca del adecuado funcionamiento del suelo (Jamioy, 2011).
Tabla 2: Correlacin lineal entre dos variables.
Valores de r Tipo y grado de correlacin
-1 Negativa perfecta
-1 < r -0.8 Negativa fuerte
-0.8 < r < -0.5 Negativa moderada
-0.5 < r < 0 Negativa dbil
0 No existe
0 < r 0.5 Positiva dbil
0.5 < r < 0.8 Positiva moderada
0.8 r <1 Positiva fuerte
1 Positiva perfecta
Fuente: Nieves, Domnguez, 2010.
3.5.1. Acidez o alcalinidad (pH)

La reaccin del suelo se refiere a la actividad del hidrogeno (H+) presente en la solucin suelo; no
existiendo proceso fsico, biolgico y qumico que no est influenciado por esta condicin. En funcin a la
concentracin de H+, surge el pH de la solucin suelo, dando condiciones de acidez, neutralidad o
alcalinidad del suelo (Conti & Giuffr, 2011; Navarro & Navarro, 2003), el cual se mide como el
logaritmo del inverso de la concentracin de H+ que hay en la solucin del suelo (Jaramillo, 2002).
3.5.2. Materia Orgnica del suelo (MOS)
Los residuos de plantas constituyen el material principal originario de la materia orgnica del suelo
(MOS), bajo condiciones naturales, estos residuos aportan anualmente al suelo una gran cantidad de
residuos orgnicos; junto a estos restos se debe incluir los cadveres de microorganismos vegetales,
especialmente bacterias y hongos y materiales de origen animal formadas por cadveres y deyecciones,
considerndose fuentes secundarias de la MOS (Navarro & Navarro, 2003; Conti & Giuffr, 2011).
3.5.3. Bases Totales (BT)
El trmino bases intercambiables o bases totales intercambiables, se refiere a la suma de las bases
(Moreno, 2012) o cationes metlicos de cambio alcalino o alcalino-trreos retenidos sobre el complejo
absorbente (Ca2++Mg2++K++Na+), expresndose en meq1/100 gramos de suelo (Fassbender & Bornemisza,
1987; Navarro & Navarro, 2003; Porta et al., 2003; Porta et al., 2008; Moreno, 2012), los que pueden ser
cambiados entre s o con otro in cargado positivamente de la solucin suelo (Corts & Malagn, 1984
citado por (Moreno, 2012).
3.5.4. Capacidad de Intercambio Catinico (CIC)
Es la medida de la capacidad que posee un suelo de adsorber cationes y es equivalente a la carga negativa
del suelo, definiendo la cantidad de sitios disponibles para almacenar los cationes en el suelo, quedando
1
miliequivalente
6
protegidos de los procesos de lixiviacin, evitando as que se pierdan nutrientes para las plantas. La
retencin se hace superficialmente obedeciendo a deferencias de carga electrosttica, y los cationes
adsorbidos pueden ser intercambiados por otros de la solucin del suelo, convirtindose en cationes
intercambiables, necesarios en los procesos de nutricin de la planta. Los cationes ms importantes en los
procesos de intercambio catinico son Ca2+, Mg2+, K+ y Na+ (las bases del suelo) y NH4+; en suelos cidos
el Al3+ juega un papel muy importante en el complejo de intercambio catinico del suelo constituyendo,
junto con el H+, la acidez intercambiable del mismo (Jaramillo, 2002), expresndose en cmol (+) kg-1 de
suelo o en meq (100 g de suelo)-1 (Tisdale & Nelson, 1970; Buckman & Brady, 1977; Fassbender &
Bornemisza, 1987; Navarro & Navarro, 2003; Porta et al., 2003; Porta et al., 2008; Moreno, 2012).
3.5.5. Saturacin de Bases (SA)
Se define como el porcentaje total de la CIC ocupada por las bases o cationes bsicos (Ca2+, Mg2+, K+ y
Na+), y conocido como valor de saturacin de Hissink (Tisdale & Nelson, 1970; Buckman & Brady, 1977;
Fassbender & Bornemisza, 1987; Navarro & Navarro, 2003; Porta et al., 2003; Porta et al., 2008; Conti &
Giuffr, 2011; Moreno, 2012): Los complejos coloidales en regiones ridas est prcticamente saturado de
bases, por tanto, el grado de saturacin de bases de los suelos corrientes no cultivados de estas regiones es
ms alta que en las hmedas (Tisdale & Nelson, 1970; Buckman & Brady, 1977); asimismo, para estimar
la capacidad que tiene un suelo de suministrarle nutrientes a las plantas, algunos autores prefieren utilizar
el porcentaje de saturacin que tienen esos nutrientes en el complejo de intercambio del suelo, debiendo
aclarar la saturacin de bases es un valor relativo y no expresa la reserva del elemento que hay en el suelo
(Jaramillo, 2002).
3.5.6. Fosforo disponible (P)
El contenido total de fosforo varia de suelo a suelo, pero en general es ms alto en suelos jvenes
vrgenes, donde la lluvia no es excesiva; el nivel de fosforo disponible en suelos cultivados y fertilizados
es otra historia, refirindose a la cantidad de este elemento que puede ser absorbido del suelo por las
plantas de cultivo como iones ortofosfato primarios o secundarios (H2PO4- y HPO42-) para su crecimiento
(Tisdale & Nelson, 1970). Es un elemento fundamental para la vida, de baja solubilidad y concentracin
en la solucin del suelo y esencial para el crecimiento de plantas y forma parte de compuestos metablicos
como el ATP, cidos nucleicos (ADN, ARN), interviene en la divisin celular, floracin y fructificacin,
maduracin, desarrollo de races, robustecimiento de la paja, calidad de las cosechas y resistencia a ciertas
enfermedades (Buckman & Brady, 1977; Conti & Giuffr, 2011).
3.5.7. Potasio disponible (K)
El potasio es el sptimo elemento disponible en abundancia en la corteza terrestre, presente
aproximadamente en el 2.3% del total de elementos (Fassbender & Bornemisza, 1987; Conti & Giuffr,
2011), es absorbido por las plantas en cantidades mayores que cualquier otro elemento mineral
exceptuando el nitrgeno y quizs el calcio (Tisdale & Nelson, 1970), cumple funciones esenciales como
control de la fotosntesis, regulacin osmtica, activacin de enzimas (Conti & Giuffr, 2011), resistencia
a enfermedades, fortalecimiento del enraizamiento, controla efectos nocivos del nitrgeno y fosforo,
esencial en la formacin del almidn y la hidrolisis de los azucares, necesario en el desarrollo de la
clorofila, formacin del grano y desarrollo de tubrculos (Buckman & Brady, 1977), es mvil,
translocndose en la planta, los sntomas de deficiencia de este elemento se muestra en las hojas ms
viejas como manchas necrticas, tiene una movilidad limitada en el suelo (por adsorcin), y puede lavarse
en suelos arenosos, es ms mvil que el fsforo, pero menos que el nitrgeno (Moreno, 2012).
3.5.8. Salinidad del suelo (SS)
Los suelos que presentan una conductividad elctrica - CE (capacidad de una solucin de transmitir la
electricidad, la cual est en relacin directa con su contenido de sales) en el extracto de saturacin de 4 o
ms dSm-1, un PSI < 15% y generalmente su pH es menor a 8.5 son llamados suelos salinos (Jaramillo,
2002; Porta et al., 2003; Porta et al., 2008). Con frecuencia estos suelos presentan costras salinas blancas
7
en la superficie por lo que son llamados tambin lcali blanco (Jaramillo, 2002). Estos suelos son comunes
en regiones semiridas o ridas, producindose por ascenso capilar de aguas freticas ricas en sales
solubles y su depsito por evaporacin, o por la acumulacin de sales que dejan las aguas de riego por mal
drenaje o falta de agua (Fassbender & Bornemisza, 1987); el contenido de materia orgnica es bajo y, por
tanto, hay deficiencia de nitrgeno; en las condiciones de pH que predominan en estos suelos tambin son
comunes las deficiencias en fsforo y elementos menores, excepto el molibdeno; los contenidos de bases
son generalmente altos, pero son frecuentes los desbalances entre ellas, pudiendo ocasionar deficiencias en
las plantas por antagonismo; normalmente, tienen buenas propiedades fsicas (Jaramillo, 2002). Los
efectos sobre las plantas dependen tanto de la tolerancia de cada especie y cultivar, como del estadio de
desarrollo de la planta. La acumulacin de sales ms solubles puede provocar un retardo o una inhibicin
en la nacencia, un tamao menor de la planta, necrosis en las hojas, disminucin de rendimientos y la
muerte de la planta antes de completar su ciclo, pudiendo deberse a efectos osmticos que dificultan la
absorcin de agua y a efectos inespecfico origen de toxicidades (Porta et al., 2008).
3.6. Matriz de ponderacin de variables
Las Matrices de ponderacin, como herramientas de toma de decisiones multicriterio son muy usadas,
pero debido a su sencillez, es poca la literatura que las soporta, en algunos casos slo se tiene idea de ellas
por referencias indirectas a travs de trabajos con matrices similares, y en otros casos a travs de ejemplos
de aplicacin (Hernndez & Garca, 2007), asimismo, se entiende por decisin multicriterio, el conjunto
de aproximaciones, mtodos, modelos, tcnicas y herramientas dirigidas a mejorar la calidad integral de
los procesos de decisin seguidos por los individuos y sistemas, esto es a mejorar la efectividad, eficacia y
eficiencia de los procesos de decisin y a incrementar el conocimiento de los mismos (valor aadido del
conocimiento) (Aznar & Guijarro, 2012). El mtodo se basa en la priorizacin de las variables en funcin
a la elaboracin de matrices y al clculo de algunos valores que en forma consecuente indicaran que
variables son las ms importantes segn su influencia hacia el resto y segn su dependencia del resto
(Centro Internacional de Capacitacin y Soporte, 2013).
3.7. Fertilidad del suelo
La fertilidad del Suelo es una cualidad resultante de la interaccin entre las caractersticas fsicas,
qumicas y biolgicas del mismo y que consiste en la capacidad de poder suministrar condiciones
necesarias para el crecimiento y desarrollo de las plantas (Snchez, 2013), refirindose a la oferta
edafolgica que el suelo debe brindar a las races de las plantas, para que stas logren un crecimiento
abundante y rpido que asegure que los cultivos puedan expresar su mxima capacidad gentica
productiva (Castro & Gmez, 2013), y evalundose a partir de anlisis qumicos, fsicos o bilgicos,
comparando los resultados con escalas de calibracin preestablecidas (Caldern et al., 2012).
3.8. Geoestadstica
La geoestadstica es una rama de la estadstica que trata fenmenos espaciales, su inters primordial es la
estimacin, prediccin y simulacin de dichos fenmenos (Myers, 1987 mencionado por (Giraldo, 2002).
Esta herramienta ofrece una manera de describir la continuidad espacial, que es un rasgo distintivo
esencial de muchos fenmenos naturales, y proporciona adaptaciones de las tcnicas clsicas de regresin
para tomar ventajas de esta continuidad (Isaaks & Srivastava, 1989 mencionado por (Giraldo, 2002;
Gallardo, 2006). Matheron, (1969) la define como la aplicacin del formalismo de las funciones aleatorias
al reconocimiento y estimacin de los fenmenos naturales, dichos fenmenos los caracterizamos por la
distribucin espacial de una o ms variables (ej. las leyes de un depsito o las cotas de una superficie
topogrfica), que denominamos como variables regionalizadas. Gonzales, (2003) la define como una
ciencia aplicada que estudia las variables distribuidas espacialmente, partiendo de una muestra
representativa del fenmeno en estudio; basndose en el hecho de que los datos van a estar
correlacionados espacialmente, esto es, que un dato va a estar relacionado con datos cercanos, y esta
dependencia va perdiendo fuerza a medida que nos alejamos del dato; adems, complementa procesos de
entendimiento que pueden traer consigo aproximaciones a la realidad que son tiles para tomar decisiones
racionales (Kitanidis, 1997 mencionado por Romn, 2007).
8
3.8.1. Interpolacin
Se puede definir como un procedimiento que permite calcular el valor de una variable en una posicin en
el espacio (punto muestra con un valor estimado), conociendo los valores de esa variable en otras
posiciones del espacio (puntos muestrales con valores reales) (Moreno et al., 2008; Castillo, 2008),
convirtiendo datos puntuales a valores continuos (Dalence, 2013c). La calidad de la interpolacin depende
de la confiabilidad, certeza, nmero y distribucin de los puntos conocidos usados en el clculo y en la
precisin del modelamiento de la funcin utilizada; los valores desconocidos son calculados con esta
funcin; el escoger el modelo apropiado, es esencial para obtener buenos resultados (Bakker, 2000);
entonces, Todos los mtodos de interpolacin se basan en la presuncin lgica de que cuanto ms
cercanos se encuentren dos puntos sobre la superficie terrestre ms se parecern, y por tanto, los valores
de cualquier variable cuantitativa que sea medida en ellos, sern ms prximos a la realidad (Castillo,
2008).
Los mtodos de interpolacin disponibles en programa ILWIS 3.3 Acadmico (Integrate Land and Water
Information System), como modelos determinsticos se tienen: nearest point, moving average, trend
surface y moving surface; y como modelo estocstico o probabilstico: kriging (ITC, 2001; Moreno,
2012).
3.8.1.1. Nearest point (vecinos ms cercanos)
La interpolacin de vecinos ms cercanos crea los denominados polgonos de Thiessen (o "polgonos
Voronoi" o celdas de Dirichlet) los cuales definen reas de influencia individual por cada punto de un
conjunto de puntos. Es una manera de extender la informacin puntual asumiendo que la mejor
informacin, para ubicaciones sin observaciones, es el valor del punto ms cercano de acuerdo a distancias
euclidianas. Los puntos de ingreso en el mapa de puntos donde se interpolarn los valores para este
mtodo no necesitarn ser valores necesariamente; tambin se aceptan los mapas de puntos con un
dominio clase, ID o booleano (Bakker, 2000; ITC, 2001; Moreno, 2012; Dalence, 2013c).
3.8.1.2. Moving average (promedio mvil)
Este es un mtodo local, es decir, el valor z de una localizacin puntual desconocida se estima desde
localizaciones vecinas puntuales conocidas y, en el cual, los valores predichos se encuentran dentro del
rango de los valores mximos y mnimos en la distribucin. Asigna a las celdas (pxeles) los valores de
puntos con peso promediado. Los factores de peso para los puntos son calculados por una funcin de peso
especificada por el usuario. Los pesos pueden, por ejemplo, igualar, aproximadamente, la distancia inversa
de un pxel de salida. La funcin de peso asegura que puntos prximos a un pxel de salida obtengan pesos
ms grandes que puntos que se encuentran alejados. Adems, las funciones de peso estn implementadas
de tal modo que los puntos que estn ms alejados de un pxel de salida, que la distancia limitante
(limiting distance) definida por el usuario, obtengan un valor de cero; esto permite acelerar el clculo y
previene incongruencias. Se aplica este mtodo cuando del anlisis exploratorio de datos arroja existencia
de datos extremos. Se utiliza distancia inversa (inverse distance), en este mtodo exacto, cuando hay una
buena densidad de puntos, y los mismos han sido medidos de forma muy exacta. Asimismo, se aplica
disminucin linear (linear decrease), cuando los puntos medidos tienen error, poca densidad (Bakker,
2000; ITC, 2001; Moreno, 2012; Dalence, 2013c).
3.8.1.3. Trend surface (tendencia de superficie)
Este es un mtodo global, es decir, el valor de z de una localizacin puntual desconocida se estima con
todos los valores puntuales conocidos. Calcula los valores de los pxeles ajustando una superficie a travs
de todos los valores puntuales en el mapa. La superficie puede ser de primer orden hasta de sexto orden.
La eleccin polinmica depende del equilibrio que se desee entre la complejidad de las operaciones y el
mejor o peor ajuste a los datos originales. El ajuste de la superficie se hace a travs del ajuste de mnimos
cuadrados. Este mtodo es inexacto y se utiliza cuando se tiene pocos datos (Bakker, 2000; ITC, 2001;
Moreno, 2012; Dalence, 2013c).
9
3.8.1.4. Moving surface (superficie mvil)

Cuando se tiene datos ms homogneos, sin extremos, se aplica este mtodo, el cual calcula el valor de los
pxeles ajustando a una superficie cada punto de salida a travs de valores puntuales con un peso y una
distancia limitante. Los factores de peso para los puntos son calculados por medio de una funcin de peso
especificada por el usuario. Los pesos pueden, por ejemplo, igualar, aproximadamente, la distancia inversa
de un pxel de salida. La funcin de peso asegura que puntos cercanos a un pxel de salida obtienen pesos
ms grandes que puntos que se encuentran ms alejados. Adems, las funciones de peso estn
implementadas de tal modo que los puntos que se encuentran ms alejados de un pxel de salida, que la
distancia limitante definida por el usuario, obtengan un valor de cero; esto permite acelerar el clculo y
previene incongruencias. El ajuste de la superficie se realiza por los mnimos cuadrados. Este mtodo es
una combinacin de la interpolacin de tendencias de superficie y el promedio mvil (Bakker, 2000; ITC,
2001; Moreno, 2012; Dalence, 2013c).
10
4. Marco Metodolgico
4.1. rea de estudio
El rea de estudio se ubica en el distrito de la Villa Hermosa de Yarabamba hacia el flanco oriental de la
vertiente del Pacifico, y sur de la provincia de Arequipa, en la zona no regulada de la Cuenca del ro Chili
y margen izquierda del ro Yarabamba, a una altitud que vara entre los 2,400 y 2900 msnm. La superficie
agrcola es de aproximadamente 420 hectreas de cultivo bajo riego, siendo los principales cultivos la
alfalfa, cebada forrajera y maz amilceo y en menor importancia el ajo, arveja, haba, papa, trigo,
zanahoria y zapallo (Figura N 1).
Figura N 1: Ubicacin del rea de estudio, Distrito de Yarabamba, Provincia y Regin Arequipa (2013).
4.1.1. Clima
El clima es variado dependiendo de la altitud y la fisiografa, la gradiente trmica presenta una variacin
de 0.6 C por cada 100 metros de elevacin, existiendo dos tipos de climas (Aguilar, 2010):
Clima semiclidos muy seco (desierto rido subtropical): Este tipo de clima corresponde a las zonas
bajas del distrito de Yarabamba hasta los 2000 msnm, en este tipo de clima se presentan
precipitaciones promedio anuales de 50 a 100 mm y temperaturas media anuales de 18 a 19 C
decreciendo en los niveles ms elevados.
Clima templado subhmedo (estepa y valles interandinos bajos): Este tipo de clima es conocido como
clima de montaa baja, es propio de la zona de sierra correspondiendo principalmente a los valles
interandinos bajos e intermedios, situados entre los 1000 y 3000 msnm; las temperaturas mximas
sobrepasan los 20 C y las precipitaciones anuales se encuentran por debajo de los 500 ms.
4.1.2. Geologa y geomorfologa
El valle del ro Yarabamba, a lo largo de su extensin presenta formaciones que varan en edad desde el
Jursico Superior hasta el Cuaternario Reciente en una secuencia de rocas sedimentarias, intrusivas y
11
volcnicas. Las rocas ms antiguas, estn representadas por las facies sedimentarias del grupo Yura de
edad Jursica Superior que forma la base de la secuencia, luego se presenta un hiato estratigrfico
(Cretcico) en la regin hasta el Terciario Inferior en que se producen las facies intrusivas del Batolito de
La Caldera; para posteriormente en el Terciario Medio depositarse el Grupo Tacaza y despus en el
Terciario Superior el Volcnico Senca. Por ltimo cubriendo las formaciones anteriores se presentan el
Grupo Barroso, Flujos de Lodo depsitos lacustres y depsitos Clsticos pertenecientes al Cuaternario
Antiguo y reciente respectivamente (Aguilar, 2010).
La Cordillera de los Andes, el ro Yarabamba y los diversos eventos geolgicos sucedidos en la regin
han dado lugar a diferentes unidades Geomorfolgicas, como: el ro Yarabamba, principal agente
modelador y formador del valle; el valle, con una direccin promedio hacia el N.W.; las terrazas, se
presentan en forma discontinua a lo largo del valle; las penillanuras, tienen un relieve sub horizontal, se
han desarrollado entre los 2,300 y 2,500 msnm; y por ltimo las Altiplanicies, superficies
subhorizontales altas, arriba de los 3000 msnm, formadas sobre el sector de laderas, y las cuales han
sido modeladas por erosin sobre volcnicos y flujos de lodo (Aguilar, 2010).
4.2. Materiales y equipos
Se cont con la informacin de 34 anlisis de caracterizacin de suelos tomados a 20 cm de profundidad y
anlisis de caracterizacin de 5 calicatas realizadas en el rea agrcola de Yarabamba (Aguilar, 2010)
levantados en diciembre del ao 2010, dos imgenes satlite Rapideye de fechas 05 de agosto de 2010 y
14 de octubre de 2010 con 5 m de resolucin espacial, 10 anlisis de caracterizacin de suelos tomados a
20 cm de profundidad durante los das 17, 18 y 19 de noviembre del 2013 (figura N 2), 01 GPS
navegador marca Garmin modelo etrex HCx, muestreador de suelos y equipo de campo. Se trabaj,
bsicamente, con el programa ILWIS 3.3 Acadmico (Integrated Land and Water Information System),
Erdas 2011, ArcGis 10.1, adems del programa Microsoft Excel XLSTAT Pro 7.5 para los anlisis
estadsticos.
Figura N 2: Ubicacin de puntos de muestreo de suelos para modelamiento de la fertilidad qumica del
suelo (2010) y validacin del modelo (2013). Fuente de datos: (Aguilar, 2010).
12
4.3. Mtodos
En la figura N 3 se muestra el flujograma de trabajo seguido a la fecha en la investigacin.
5perfilesde
suelo(anlisis
Recopilacin, caracterizacin) Anlisisde
seleccinyAnlisisde AnlisisvisualyAnlisis correlacinde
informacin ExploratoriodeDatos variables
34anlisisde edafolgicas
suelosde
caracterizacin
Diseodemodelo
Variables Variables
probabilstico
edafolgicas edafolgicas
categorizadas evaluadas
Tienenmasde60
mediciones?
Si
Tablasgua
delIGAC Categorizacinde
Evaluacinde
(1995) No variablesmediante
calidadde
investigaciones
prediccin(r2)
realizadas
Diseodemodelo
Modificacindetablas
determinstico
guadevariables
Modificacinde
edafolgicasMOSyCIC. No algoritmodefertilidad
Prediccinptima qumicadesuelos
Mapas
interpolados Si
devariables Algoritmode
Tablasgua edafolgicas:
modificadas fertilidadde
pH,MOS,CIC, suelospara
P,KyCE. Mapas zonasridas
regionalizados
devariables
edafolgicas:
pH,MOS,CIC,P, Tablasgua
TrabajodeCampo Regionalizacinpor
KyCE. depesosdel
muestreodesuelos variableedafolgica
IGAC(1995)
10anlisisde Modificacinde
Aplicacindepesos Tablasgua
suelode tablasguade
amapas depeso
caracterizacin variablesedafolgicas
regionalizados modificadas
MOSyCIC.
Mapasregionalizados
Reclasificacina Mapade
devariables
nivelesdefertilidad Algebrademapas fertilidadpor
edafolgicas:pH,
qumicadesuelos puntaje
MOS,CIC,P,KyCE.
No
Mapade
Mapa de fertilidad Coeficienter2
Validacindel
fertilidad modelodefertilidad
qumicade aceptable
caracterizado Si adaptado
suelosevaluado
Figura N 3: flujograma de trabajo de la investigacin.
13
4.3.1. Anlisis exploratorio y de correlacin estadstica de datos

El anlisis exploratorio de datos (AED), comprende la utilizacin de herramientas estadsticas a fin de
investigar el conjunto de datos para comprender sus caractersticas importantes, siguindose las siguientes
etapas:
a) Preparacin de datos para su acceso a cualquier paquete estadstico.
b) Realizacin de examen grfico de la naturaleza de las variables individuales y anlisis descriptivo
numrico de aspectos grficos de los datos.
c) Realizacin de examen grfico de las relaciones entre las variables analizadas y anlisis descriptivo
numrico de cuantificacin del grado de correlacin existente entre las variables.
d) Identificacin de casos atpicos (outliers) y datos ausentes (missing), evaluando su impacto potencial
en anlisis geoestadsticos posteriores.
e) Determinacin de tablas de frecuencia, estadsticas descriptivas, herramientas grficas, pruebas o test
de normalidad, test de correlacin de variables.
4.3.2. Modificacin del modelo de fertilidad qumica del IGAC (1995).
4.3.2.1. Categorizacin de variables mediante matriz de ponderacin simple
La categorizacin de variables mediante la matriz de ponderacin define la influencia y dependencia de las
variables qumicas edafolgicas en el modelo de fertilidad, teniendo en consideracin el anlisis de
resultados y reportes conceptuales de la bibliografa especializada en fertilidad de suelos; se realiza
mediante las siguientes etapas:
a) Definicin de las variables qumicas edafolgicas como resultado del anlisis de correlacin
estadstico (variables independientes).
b) Construccin de matriz de ponderacin de N x N.
c) Asignacin de puntuacin, segn el grado de influencia o dependencia de las variables qumicas
edafolgicas, teniendo en consideracin los parmetros establecidos en la tabla N 3.
Tabla 3: Puntuacin de influencia de variables
Puntaje Influencia de la variable
0 Sin influencia
1 Poco influyente
2 Influyente
3 Muy Influyente
4 Extremadamente influyente
Fuente: Centro Internacional de Capacitacin y Soporte, 2013; Aznar, Guijarro, 2012.
d) Llenado de la matriz de ponderacin segn parmetros indicados y revisin de literatura especializada
en la fertilidad de suelos.
e) Categorizacin de variables qumicas edafolgicas segn su grado de influencia y/o dependencia en
la fertilidad de los suelos agrcolas.
4.3.2.2. Modificacin del Modelo de fertilidad qumica
En esta etapa se procedi a modificar el modelo de fertilidad qumica indicada por el IGAC (1995), la
misma sirve para cuantificar y cualificar la fertilidad del suelo desde el punto de vista qumico en los
primeros 50 cm. El clculo de puntaje de cada variable se realiza mediante la interpretacin de los valores
reportados en los anlisis de laboratorio con la Gua para calificar la fertilidad qumica de suelos (Tabla 4),
mediante la ecuacin 3, en la cual la sumatoria de puntajes de interpretacin de cada variable edafolgica
14
se multiplica por el factor 0.285 para normalizar a un puntaje de fertilidad qumica de suelos dentro de la
escala de 0 a 10.
(Ecuacin 3)
Donde, Pvar es el puntaje de cada variable edafolgica interpretado segn la tabla 4, 1035 0.285,
indicando que es el puntaje mximo obtenido de las sumatoria del puntaje mximo de cada variable, es
decir, de las condiciones ptimas de cada una de las mismas; es el puntaje mximo a la escala llevada, y
Pce es el puntaje de la variable CE interpretado segn la tabla 5, la cual resta ciertos puntos de acuerdo a
la salinidad presentada en la zona (IGAC, 1995 citado por Moreno, 2012).
Tabla 4: Gua de interpretacin para calificar la fertilidad qumica en suelos
< 4.5 4.5 a 5.0; > 5.0 a 5.5;
pH > 5.5 a 6.0 > 6.0 a 7.3
> 8.5 > 7.8 a 8.5 > 7.3 a 7.8
Potencial cido y Median.
Muy cido y Prctica.
hidrgeno Interpretacin Median. cido y Lig. cido
Alcalino neutro
alcalino Lig. alcalino
Puntaje 1 2 3 4 5
SA (meq/100 g) > 60 > 30 60 >15 - 30 5 - 15 <5
Saturacin de
Interpretacin Muy alta Alta Moderada Baja Muy baja
aluminio
Puntaje 1 2 3 4 5
Capacidad de CIC (meq/100 g) <5 5 - 10 > 10 15 > 15 - 20 > 20
intercambio Interpretacin Muy baja Baja Moderada Alta Muy alta
catinico Puntaje 1 2 3 4 5
BT (meq/100 g) <4 4-8 > 8 12 > 12 - 16 > 16
Bases totales Interpretacin Muy baja Baja Moderada Alta Muy alta
Puntaje 0.5 1 1.5 2 2.5
SB (%) < 10 10 - 35 > 35 50 > 50 - 70 > 70
Saturacin de
Interpretacin Muy baja Baja Moderada Alta Muy alta
bases
Puntaje 0.5 1 1.5 2 2.5
Carbn CO (%) < 0.5 0.5 1.7 > 1.7 3 > 3 4.1 > 4.1
orgnico (clima Interpretacin Muy bajo Bajo Moderado Alto Muy alto
medio) Puntaje 1 2 3 4 5
P (ppm) < 10 10 20 > 20 30 > 30 - 40 > 40
Fsforo
Interpretacin Muy bajo Bajo Moderado Alto Muy alto
disponible
Puntaje 1 2 3 4 5
K (meq/100 g) < 0.1 0.1 0.2 > 0.2 0.3 > 0.3 0.4 > 0.4
Potasio
disponible
Puntaje 1 2 3 4 5
Puntaje interpretacin 7 14 21 28 35
Puntaje interpretacin * k
2 4 6 8 10
(k=0.285)
Fuente: IGAC, 1995 citado por Moreno, 2012; Rojas, 2000.
La ecuacin 3 calcula la fertilidad en zonas hmedas, donde la acidez cambiable juega un rol sumamente
importante en la concentracin de aluminio (Tisdale & Nelson, 1970; Buckman & Brady, 1977;
Fassbender & Bornemisza, 1987; Navarro & Navarro, 2003), por tanto, la ecuacin no se adecua a
condiciones de zonas ridas, asimismo, considera variables que pueden estar correlacionadas y no aportan
mayor informacin al modelo de fertilidad qumica de suelos (De la Rosa, 2008).
La modificacin del modelo de fertilidad qumica de suelos propuesto por el IGAC (1995) contempla las
siguientes etapas:
15
a) Anlisis exploratorio de datos y correlacin estadstica para determinar variables independientes.

b) Categorizacin de variables qumicas edafolgicas mediante matriz de ponderacin simple.
c) Reformulacin de ecuacin de fertilidad qumica de suelos considerando las variables independientes
categorizadas mediante la matriz de ponderacin para zonas ridas y normalizacin de resultados en
escala de 1 a 10.
d) Modificacin de la gua de interpretacin para calificar la fertilidad qumica en suelos para
condiciones de zonas ridas.
Tabla 5: Puntajes para calificar la conductividad elctrica Tabla 6: Puntajes para calificar el nivel de
(CE) en zonas ridas fertilidad en los suelos en zonas ridas.
Interpretacin CE (dS/m) Puntaje negativo Clase de fertilidad RANGO
No salino <2 0 Muy alta > 8.4
Ligeramente salino 24 0 Alta > 6.7 - 8.4
Medianamente salino >48 1 Moderada > 5.1 6.7
Fuertemente salino > 8 - 16 2 Baja 3.6 5.1
Muy salino > 16 3 Muy baja < 3.6
Fuente: IGAC, 1995 citado por Moreno, 2012. Fuente: IGAC, 1995 citado por Moreno, 2012.
4.3.3. Anlisis geoestadstico y regionalizacin de variables qumicas

edafolgicas
4.3.3.1. Anlisis geoestadstico e interpolacin
En esta etapa se predice valores de variables edafolgicas cuantitativas en sitios que no fueron colectados
durante el levantamiento de suelos, distribuidas espacialmente, partiendo de una muestra representativa y
utilizando como elemento fundamental el anlisis de distribucin espacial de informacin disponible
(Dalence, 2013b) y siguiendo los criterios especficos establecidos en el flujograma de geoestadstica
(Anexo N 3):
Si se cuenta con 60 mediciones o ms se debe utilizar interpolacin probalstica.
Si se cuenta con menos de 60 mediciones se debe utilizar interpolacin determinstica.
Se cuenta con la informacin de 39 anlisis de caracterizacin de suelos para el modelamiento de variables
edafolgicas del ao 2010 (Aguilar, 2010) y 10 anlisis de caracterizacin de suelos levantados en
noviembre de 2013 para la validacin del modelo de fertilidad qumica de suelos, por lo cual, se procede a
utilizar interpoladores determinsticos; considera las siguientes etapas:
a) Determinacin del tamao de pixel para interpolacin.
b) Anlisis espacial de datos atpicos (outliers) y datos extremos.
c) Interpolacin de variables edafolgicas mediante modelos determinsticos.
d) Determinacin de estadsticos r2 y error medio cuadrtico CME de mapas interpolados.
e) Eleccin del mejor modelo de interpolacin determinstico.
4.3.3.2. Regionalizacin de variables
Esta etapa tiene como fin la determinacin de regiones calificadas cualitativamente, con base a tablas
guas, determinadas por rangos cuantitativos, sobre los niveles ptimos, moderados o deficientes en los
suelos para cada variable qumica edafolgica (Dalence, 2003 y Romn, 2007, citados por (Moreno,
2012). Predichas las variables qumicas edafolgicas y evaluadas estadsticamente se procedi a la
regionalizacin de cada una de las variables de acuerdo a los valores establecidos en las tabla 7 y 8.
16
Tabla 7: Gua para interpretacin de MOS, P, K y CIC (adaptado por Aguilar, 2013)
MOS* P K CIC**
Interpretacin
(%) (ppm P) (ppm K) (meq/ 100 gs)
Muy bajo < 0.85 < 10 < 39 <6
Bajo 0.85 2.9 10 20 39 - 78 6 - 12
Moderado > 2.9 5.2 > 20 30 > 78 - 117 > 12 25
Alto > 5.2 7.1 > 30 - 40 > 117 - 156 > 25 - 40
Muy alto > 7.1 > 40 > 156 > 40
Fuente: IGAC, 1995 citado por Moreno, 2012; * Rojas, 2000; **Walinga et al., 1995 y Vargas, 2009.
Los valores lmite de interpretacin de la variable MOS se tomaron de la variable carbono orgnico para
climas templados (Rojas, 2000), y multiplicados por el factor 1.724 por la aceptacin de que la materia
orgnica del suelo posee aproximadamente 58 % de carbono orgnico (Jaramillo, 2002; Moreno, 2012).
La regionalizacin de las variables qumicas edafolgicas se efecta sobre las tablas modificadas en el
programa ILWIS 3.3 acadmico mediante la utilizacin de la herramienta slicing.
Tabla 8: Gua para interpretacin de pH, CE y Fertilidad qumica de suelos.
Interpretacin pH CE Clase de
Interpretacin RANGO
Muy cido < 4.5 (dS/m) fertilidad
cido 4.5 5.0 No salino <2 Muy alta > 8.4
Medianamente > 5.0 - 5.5 Ligeramente salino 24 Alta > 6.7 - 8.4
Ligeramente > 5.5 - 6.0 Medianamente Moderada > 5.1 6.7
>48
Prcticamente > 6.0 - 7.3 salino Baja 3.6 5.1
Ligeramente > 7.3 - 7.8 Fuertemente salino > 8 - 16 Muy baja < 3.6
Medianamente > 7.8 - 8.5 Muy salino > 16
Alcalino > 8.5
Fuente: IGAC, 1995 citado por Moreno, 2012; Rojas, 2000.
4.3.4. Aplicacin del modelo de fertilidad qumica de suelos para zonas ridas
La presente etapa implica calificar la fertilidad qumica de suelos de los mapas regionalizados a partir de
los valores resultado de los 39 anlisis de caracterizacin de suelos del ao 2010 y calificar la fertilidad
qumica de suelos de los 10 anlisis de caracterizacin de suelos levantados para el presente estudio a 20
cm de profundidad para la validacin del modelo, de acuerdo a las tablas gua adaptadas en la presente
investigacin (tem 4.3.2).
La metodologa de fertilidad qumica de suelos modificada en la presente investigacin, propuesta por el
IGAC (1995) de autora de Ortega (1987) citado por Moreno (2012), permite la normalizacin de las
variables qumicas edafolgicas en escalas de 1 a 5 (pH, MOS, CIC, P y K), 0 a 3 (CE) y 1 a 10 (fertilidad
qumica de suelos) como resultado del desarrollo de las etapas establecidas en el tem 4.3.2. El desarrollo
de la presente etapa se realiza en el programa ILWIS 3.3 acadmico mediante la utilizacin de las
herramientas table, attribute map y calculadora raster.
El resultado ha obtener de fertilidad qumica de suelos en formato espacial, se regionaliza en el programa
ILWIS 3.3 acadmico mediante la utilizacin de las herramientas slicing, y los valores de fertilidad
indicados en la tabla 8.
4.3.5. Validacin del modelo de fertilidad qumica de suelos para zonas ridas
Calculado el valor de fertilidad, se procede a validar el modelo, para lo cual, se compara los puntajes
obtenidos de fertilidad qumica de suelos de los 10 anlisis de caracterizacin, con los valores obtenidos
de los mapas regionalizados a fin de comprobar estadsticamente que el modelo obtenido resulta
17
representativo de la realidad (Moreno, 2012). Se calcula, como coeficiente de bondad de ajuste, el

coeficiente r2, por el mtodo de la razn de la suma de cuadrados explicada respecto de la suma de
cuadrados total (Ecuacin 1) (Daniel, 1993), que explica la proporcin de la variabilidad de la variable
independiente (datos de anlisis de caracterizacin) que estn explicados por el modelo de prediccin.
Este coeficiente de determinacin indica que si r2 es cercano o igual a 1, el ajuste es bueno y las
predicciones realizadas a partir del modelo obtenido son muy fiables (el modelo obtenido resulta
verdaderamente representativo); si r2 es cercano o igual a 0, se trata de un ajuste malo en el que las
predicciones que se realizaron a partir del modelo obtenido no son fiables (el modelo obtenido no resulta
representativo de la realidad) (Addinsoft, 2009). (Hernndez et al., 2010), indica que si obtiene valores de
0.25 en el coeficiente indica baja confiabilidad, si el resultado es 0.50, la fiabilidad es media o regular, en
cambio si supera el 0.75 la confiabilidad es aceptable, y si es mayor a 0.90 es elevada; asimismo, (IGAC,
1998) indica que en estudios geogrficos se acepta un margen de error estadstico de hasta un 30%, el cual
depende generalmente de la procedencia y confiabilidad de los datos.
Se aplica tambin una estimacin puntual razonable del parmetro fertilidad qumica de suelos de acuerdo
a las clases establecidas en la tabla 8, segn la siguiente relacin:
(Ecuacin 4)
Donde X es el nmero de estimaciones acertadas y n nmero total de estimaciones, entonces cuando
el estimador puntual razonable tiene errores pequeos, los valores estimados estn cerca del valor real
(Devore, 2005).
18
5. Resultados y Discusin
5.1. Anlisis exploratorio y de correlacin estadstica de datos.
5.1.1. Anlisis exploratorio de datos (AED)
Las estadsticas descriptivas de los datos de 34 anlisis de caracterizacin de suelos y 5 perfiles de suelos
correspondientes al ao 2010 (modelamiento de fertilidad qumica de suelos) y de 10 anlisis de
caracterizacin de suelos correspondientes al ao 2013 (validacin de modelo de fertilidad qumica de
suelos), para acidez o alcalinidad pH (escala 0 14), conductividad elctrica (mS/cm), materia orgnica
del suelo (%), fosforo disponible (ppm), potasio disponible (ppm), bases totales (meq/ 100 g de suelo),
capacidad de intercambio catinico (meq/ 100 g de suelo) y saturacin de bases (%), se presenta en la
tabla 9 y tabla 10.
Tabla 9: Estadstica descriptiva de las variables qumicas edafolgicas de anlisis de suelos del ao 2010,
del rea agrcola de Yarabamba en software Excel - XLstat.
BT CIC
CE MOS P K SB
Estadstica pH (meq/ (meq/
(mS/cm) (%) (ppm P) (ppm K) (%)
100 gs) 100 gs)
No. de observaciones 39 39 39 39 39 39 39 39
Mnimo 7.350 0.150 1.560 5.120 232.500 7.400 7.400 100
Mximo 8.510 17.450 4.150 51.800 1560.000 15.200 15.200 100
Amplitud 1.160 17.300 2.590 46.680 1327.500 7.800 7.800 0
1 Cuartil 7.950 0.300 1.830 12.235 360.000 8.750 8.750 100
Mediana 8.110 0.430 2.020 15.610 465.000 9.600 9.600 100
3 Cuartil 8.240 0.735 2.235 23.675 585.000 13.650 13.650 100
Suma 315.35 42.78 82.74 744.80 20267.00 418.38 418.38 3900
Media 8.086 1.097 2.122 19.097 519.667 10.728 10.728 100
Modo 8.14 0.3 1.83 14.65 465 8.6 8.6 100
Varianza (n-1) 0.059 7.588 0.284 111.608 67347.468 6.689 6.689 0
Desviacin tpica (n-1) 0.244 2.755 0.533 10.564 259.514 2.586 2.586 0
Coeficiente de
0.030 2.479 0.248 0.546 0.493 0.238 0.238 0
variacin
Asimetra (Pearson) -0.500 5.578 2.514 1.640 1.920 0.602 0.602 0
Asimetra (Fisher) -0.521 5.803 2.616 1.706 1.998 0.626 0.626 0
Curtosis (Pearson) 0.651 30.560 6.861 2.464 4.870 -1.306 -1.306 0
Curtosis (Fisher) 0.913 35.044 8.000 2.983 5.728 -1.320 -1.320 0
Media geomtrica 8.082 0.553 2.072 16.911 471.706 10.444 10.444 100
En la tabla 9, correspondiente a los datos de 34 anlisis de caracterizacin de suelos y 5 perfiles de suelos
del ao 2010 podemos observar que la variable pH presenta una asimetra negativa o hacia la izquierda, lo
cual indica que la mayor cantidad de observaciones de esta variable se ubican hacia la izquierda de la
media; mientras que las variables conductividad elctrica (CE), materia orgnica del suelo (MOS), fosforo
disponible (P), potasio disponible (K), bases totales (BT), y capacidad de intercambio catinico (CIC),
presentan una asimetra positiva o hacia la derecha, lo cual indica que la mayor cantidad de observaciones
de estas variables se ubican hacia la derecha de la media; la variable saturacin de bases (SB) presenta una
distribucin simtrica siendo el coeficiente de asimetra de Pearson y Fisher igual a cero (Martn, 2003;
Colell et al., 2010). Asimismo, se observa que las variables pH, CE, P y K presentan un coeficiente de
apuntamiento o curtosis mayor a cero, presentando una distribucin leptocrtica, lo cual indica que
19
presenta una distribucin aguda con colas relativamente anchas; las variables BT y CIC presentan un
coeficiente de apuntamiento o curtosis menor a cero, presentando una distribucin platicrtica, con una
distribucin achatada en el centro; y la variable SB presenta un coeficiente de apuntamiento o curtosis
igual a cero, presentando una distribucin normal (Colell et al., 2010; Martn, 2003).
En la tabla 10 correspondiente a los datos de 10 anlisis de caracterizacin de suelos del ao 2013
podemos observar que las variables pH, MOS y P presentan una asimetra negativa o hacia la izquierda, lo
cual indica que la mayor cantidad de observaciones de esta variable se ubican hacia la izquierda de la
media; mientras que las variables CE, K, BT, y CIC, presentan una asimetra positiva o hacia la derecha,
lo cual indica que la mayor cantidad de observaciones de estas variables se ubican hacia la derecha de la
media; la variable SB presenta una distribucin simtrica siendo el coeficiente de asimetra de Pearson y
Fisher igual a cero (Martn, 2003; Colell et al., 2010). Asimismo, se observa que las variables pH y CE
presentan un coeficiente de apuntamiento o curtosis mayor a cero, presentando una distribucin
leptocrtica, siendo una distribucin aguda con colas relativamente anchas; las variables MOS y K
presentan un coeficiente de apuntamiento o curtosis de Pearson menor a cero, presentando una
distribucin platicrtica, presentando una distribucin achatada en el centro, sin embargo, el coeficiente de
apuntamiento o curtosis de Fisher indica que estas variables presentan una distribucin leptocrtica, con
una distribucin aguda con colas relativamente anchas; las variables P, BT y CIC presentan un coeficiente
de apuntamiento o curtosis menor a cero, presentando una distribucin platicrtica, con una distribucin
achatada en el centro; y la variable SB presenta un coeficiente de apuntamiento o curtosis igual a cero,
presentando una distribucin normal (Colell et al., 2010; Martn, 2003).
Tabla 10: Estadstica descriptiva de las variables qumicas edafolgicas de anlisis de suelos del ao 2013,
del rea agrcola de Yarabamba en software Excel - XLstat.
BT CIC
CE MOS P K SB
Estadstica pH (meq/ (meq/
(mS/cm) (%) (ppm P) (ppm K) (%)
100 gs) 100 gs)
No. de observaciones 10 10 10 10 10 10 10 10
Mnimo 7.710 0.150 0.740 1.830 390.000 8.400 8.400 100
Mximo 8.330 1.840 1.150 18.400 1440.000 16.100 16.100 100
Amplitud 0.620 1.690 0.410 16.570 1050.000 7.700 7.700 0
1 Cuartil 8.100 0.255 0.915 7.678 435.000 9.025 9.025 100
Mediana 8.145 0.440 0.960 11.685 615.000 9.750 9.750 100
3 Cuartil 8.168 0.608 1.073 14.213 952.500 13.700 13.700 100
Suma 81.130 6.310 9.760 106.390 7260.000 111.500 111.500 1000
Media 8.113 0.631 0.976 10.639 726.000 11.150 11.150 100
Modo 8.33 0.27 1.15 13.17 420 9 9 100
Varianza (n-1) 0.028 0.352 0.015 28.014 119160.0 8.872 8.872 0
Desviacin tpica (n-1) 0.168 0.593 0.122 5.293 345.196 2.979 2.979 0
Coeficiente de variacin 0.020 0.892 0.119 0.472 0.451 0.253 0.253 0
Asimetra (Pearson) -1.318 1.286 -0.369 -0.279 0.817 0.801 0.801 0
Asimetra (Fisher) -1.563 1.525 -0.438 -0.331 0.969 0.949 0.949 0
Curtosis (Pearson) 1.521 0.077 -0.489 -0.994 -0.351 -1.159 -1.159 0
Curtosis (Fisher) 3.653 1.101 0.099 -0.793 0.343 -1.084 -1.084 0
Media geomtrica 8.111 0.448 0.969 8.924 659.903 10.828 10.828 100
Se debe sealar que en zonas ridas no se realiza la determinacin de saturacin de aluminio, porque el
100% de las muestras analizadas presentan un pH superior a 7, presentndose toxicidad de aluminio en
suelos fuertemente cidos con pH inferiores a 5 (Fassbender & Bornemisza, 1987; Jaramillo, 2002).
20
Box plots pH Box plots CE (mS/cm) Box plots MOS (%)

8.6 18 4.5
pH_v CE_v MOS_v
16 4
8.4
14
3.5
8.2
12
3
8 10
2.5
7.8 8
6 2
7.6
4 1.5
7.4 2 1
7.2 0 0.5
pH_m CE_m MOS_m
Box plots P (ppm) Box plots K (ppm) Box plots BT (meq/100 gs)
60 1600 17
BT_v
P_v K_v
16
50 1400
15
1200 14
40
13
1000
30 12
800
11
20
600 10
9
10 400
8
0 P_m 200 7 BT_m
K_m
Box plots CIC (meq/100 gs) Box plots SB (%)

17 120
CIC_v SB_v
16
100
15
14
80
13
12 60
11
40
10
9
20
8
7 CIC_m 0 SB_m
Figura N 4: Diagramas de cajas y bigotes (box plot) de variables qumicas edafolgicas del rea agrcola
del distrito de Yarabamba.
La figura N 4 nos muestra el diagrama de cajas y bigotes para las variables edafolgicas en estudio,
donde se observa que las variables pH (M-02, PVAY01 y PVAY02), CE (M-23, M-27, M-29, M-31 y
PVAY09), P (M-21 y M-33) y K (M-11 y M-33) presentan datos atpicos (outliers) y las variables pH
(PVAY04), CE (M-28, M-33 y PVAY08), MOS (M-18 y M-21) y K (M-28) presentan valores extremos
(Martn, 2003), lo cual se corrobora por el anlisis estadstico realizado en el software Microsoft Excel
(Anexo N 3 y Anexo N 4), y con los coeficientes de curtosis (tabla 9 y tabla 10), cuyos altos valores
indican la proporcin de la varianza que se explica por la combinacin de datos extremos respecto a la
media en contraposicin con datos poco alejados de la misma (Moreno, 2012); asimismo, Vargas (2009),
encontr que las variables pH, CE, MOS, P y K presentan datos atpicos que hacen que estas variables
tengan una distribucin sin supuestos de normalidad; Luna (2005) obtuvo valores atpicos para la variable
pH, eliminando estos datos del anlisis para generalizar la informacin y tener un mejor ajuste en el test y
Araujo (2009) encontr datos atpicos para la variable CE e indica que los datos de esta variable no
presentan una distribucin de probabilidad normal. Por tanto, se evidencia que los datos atpicos
21
(outsiders) ms que ser consecuencia de errores en el muestreo o en la determinacin de laboratorio, puede

ser el reflejo del comportamiento espacial de las variables para determinados tipos de suelos (Moreno,
2012).
Por otro lado, podemos observar que en las variables pH, CE, BT, CIC y SB (figura N 4), sus valores no
se han modificado sustancialmente en el periodo 2010 a 2013, sin embargo, las variables MOS y P, han
reducido sustancialmente su concentracin en los suelos de agrcolas del distrito de Yarabamba, lo cual se
debe a que la labranza tiene un gran efecto sobre el contenido de MOS (FAO, 2002), asimismo, con este
sistema el suelo se deteriora por perdida de elementos nutritivos, principalmente por erosin,
compactacin y degradacin de la materia orgnica; y en regiones de clima templado se pierde entre el 1 y
3% del humus estable (M. Maturana & E. Acevedo, 2013), incidiendo fuertemente en las propiedades
qumicas y fsicas de los suelos agrcolas.
5.1.2. Pruebas de normalidad
Se realizaron cuatro pruebas de normalidad en el paquete estadstico XLstat 2009: Shapiro Wilk,
Anderson Darling, Lilliefors y Jarque Bera, para los datos de 34 anlisis de caracterizacin de suelos y
5 perfiles de suelos correspondientes al ao 2010 (modelamiento de fertilidad qumica de suelos) y de 10
anlisis de caracterizacin de suelos correspondientes al ao 2013 (validacin de modelo de fertilidad
qumica de suelos), las cuales dieron resultados similares, sin embargo, se realiz el anlisis de prueba de
normalidad mediante la prueba de Shapiro Wilk, que es la ms adecuada para muestras no mayores a 50
datos (Garca, 2006),
Del anlisis de normalidad de las variables edafolgicas de los resultados de 39 anlisis de suelos
realizados en el ao 2010, da como resultado que en la variable edafolgica pH, las muestras siguen una
distribucin Normal, con un riesgo de rechazar la hiptesis nula (la muestra sigue una Ley Normal) de
distribucin normal de 38.91% (Addinsoft, 2009); en las variables edafolgicas CE, MOS, P, K, BT y
CIC, las muestras no siguen una distribucin Normal (Tabla 11), aceptndose la hiptesis alternativa (la
muestra no sigue una Ley Normal).
caracterizacin de suelos del ao 2010 del rea agrcola del distrito de Yarabamba.
Prueba de Shapiro-Wilk
Variable p-valor alfa Resultado
pH 0.389 0.05 Normalidad significativa
CE (mS/cm) < 0.0001 0.05 No - normalidad significativa
MOS (%) < 0.0001 0.05 No - normalidad significativa
P (ppm) < 0.0001 0.05 No - normalidad significativa
K (ppm) < 0.0001 0.05 No - normalidad significativa
Bases Totales (meq/ 100 gs) < 0.0001 0.05 No - normalidad significativa
CIC (meq/ 100 gs) < 0.0001 0.05 No - normalidad significativa
Del anlisis de normalidad de las variables edafolgicas de los resultados de 10 anlisis de suelos
realizados en el ao 2013, da como resultado que en las variables edafolgicas pH, MOS, P y K, las
muestras siguen una distribucin Normal, con un riesgo de rechazar la hiptesis nula (la muestra sigue una
Ley Normal) de distribucin normal de 6.14%, 83.66%, 84.36% y 10.49% respectivamente (Addinsoft,
2009); en las variables edafolgicas CE, BT y CIC, las muestras no siguen una distribucin Normal (Tabla
12), aceptndose la hiptesis alternativa (la muestra no sigue una Ley Normal).
Teniendo en consideracin que el anlisis de normalidad se aplic a 39 muestras de variables edafolgicas
tomadas el ao 2010 (modelamiento) y 10 muestras de variables edafolgicas tomadas el ao 2013
(validacin), no se realiz transformaciones para conseguir la normalidad de los datos, no pudiendo
aplicarse el interpolador Kriging por no cumplir con el requisito mnimo de 60 datos (Dalence, 2013a).
22
Por otro lado, Moreno (2012) determino no normalidad significativa para las variables edafolgicas BT,
CIC, SB, pH, P, K, CE y CO (Carbono Orgnico), asimismo, Araujo (2009) determin la no normalidad
de la variable CE y Postigo (2011) en su estudio indica que la variable P y K presentan una y distribucin
no normal, lo que confirma la tendencia de los resultados obtenidos en la prueba de normalidad realizada a
las variables edafolgicas del rea agrcola del distrito de Yarabamba.
caracterizacin de suelos del ao 2013 del rea agrcola del distrito de Yarabamba.
Prueba de Shapiro-Wilk
Variable p-valor alfa Resultado
pH 0.061 0.05 Normalidad significativa
CE (mS/cm) 0.005 0.05 No-normalidad significativa
MOS (%) 0.837 0.05 Normalidad significativa
P (ppm) 0.844 0.05 Normalidad significativa
K (ppm) 0.105 0.05 Normalidad significativa
Bases Totales (meq/ 100 gs) 0.008 0.05 No-normalidad significativa
CIC (meq/ 100 gs) 0.005 0.05 No-normalidad significativa
5.1.3. Anlisis de correlacin estadstica

Se realiz el anlisis de correlacin de las variables edafolgicas a fin de determinar las variables
independientes que proporcionan una medida de sus efectos directos sobre la variable respuesta (De la
Rosa, 2008), aquellas variables correlacionadas no proporcionan informacin relevante al modelo de
fertilidad, por tanto se busca determinar las variables independientes con las que se trabajar el modelo de
fertilidad, determinndose un fuerte grado de asociacin entre las variables edafolgicas CIC y BT
(Nieves & Domnguez, 2010), por tanto, al estar correlacionadas no proporcionan mayor informacin
relevante al modelo por no ser independientes (De la Rosa, 2008), en este sentido se determin que las
variables pH, CE, MOS, P, K y CIC son variables independientes (Tabla 13), las mismas que se utilizarn
en el modelo de fertilidad para la generacin y regionalizacin de las variables edafolgicas y generacin
del mapa de fertilidad qumica de suelos. Los estudios realizados por Moreno (2012) y Vargas (2009)
determinaron una fuerte correlacin positiva entre BT y CIC (> a 90%), lo cual se debe a que la CIC es la
sumatoria de las BT ms Al+++ e H+, por tanto existe una fuerte relacin directa positiva , es decir, a mayor
BT, mayor CIC y viceversa (Moreno, 2012), cuando el pH es mayor a 7 (Tisdale & Nelson, 1970).
Tabla 13: Matriz de proximidad (Coeficiente de correlacin de Pearson) de variables edafolgicas del rea
agrcola de Yarabamba.
E N pH CE MOS P K BT CIC SB
E 1 -0.927 -0.434 -0.262 -0.100 -0.366 -0.396 -0.259 -0.259
N -0.927 1 0.424 0.354 0.089 0.338 0.493 0.174 0.174
pH -0.434 0.424 1 0.314 0.223 0.257 0.520 0.011 0.011
CE -0.262 0.354 0.314 1 0.133 0.217 0.715 -0.171 -0.171
MO -0.100 0.089 0.223 0.133 1 0.390 0.202 0.171 0.171
P -0.366 0.338 0.257 0.217 0.390 1 0.333 0.019 0.019
K -0.396 0.493 0.520 0.715 0.202 0.333 1 0.143 0.143
BT -0.259 0.174 0.011 -0.171 0.171 0.019 0.143 1 1.000
CIC -0.259 0.174 0.011 -0.171 0.171 0.019 0.143 1.000 1
SB
23
5.2. Modificacin del modelo de fertilidad qumica del IGAC (1995).

5.3. Categorizacin de variables mediante matriz de ponderacin simple
Una vez realizado el AED y ACE se procedi a categorizar las variables qumicas edafolgicas mediante
la matriz de ponderacin, teniendo en consideracin el ACE, que nos indica la utilizacin de 6 variables
qumicas edafolgicas (pH, CE, MOS, P, K y CIC), las cuales son independientes y no presentan
correlacin, lo cual tambin se fundamenta en lo establecido por Pego y Jomyakov (1991) mencionado por
Castillo (2007) que considera las propiedades del suelo ms importantes para la produccin agrcola a la
MOS, P, K y pH.
Para la categorizacin de las variables se realiz el anlisis de informacin bibliogrfica para cada una de
las variables qumicas edafolgicas, a fin de determinar su influencia y/o dependencia hacia la fertilidad
del suelo:
a) El pH afecta fuertemente las BT, CIC y disponibilidad de nutrientes del suelo (Tisdale & Nelson,
1970; Buckman & Brady, 1977; Fassbender & Bornemisza, 1987; Jaramillo, 2002; Navarro &
Navarro, 2003; Porta et al., 2003; Porta et al., 2008; Conti & Giuffr, 2011), e interviene en la
actividad de los microorganismos del suelo, descomposicin de la MOS y acumulacin de humus
(Buckman & Brady, 1977; Jaramillo, 2002; Porta et al., 2003; Conti & Giuffr, 2011).
b) La fraccin coloidal de la MOS tiene carcter anftero (Porta et al., 2008), cuya propiedad le permite
almacenar temporalmente nutrientes en formas orgnicas disponibles para las plantas y tambin
amortigua los cambios de pH del suelo (Buckman & Brady, 1977; Porta et al., 2003; Porta et al.,
2008; Conti & Giuffr, 2011), aumenta la disponibilidad de nutrientes y la capacidad de intercambio
catinico (Tisdale & Nelson, 1970; Buckman & Brady, 1977; Jaramillo, 2002; Navarro & Navarro,
2003; Porta et al., 2003; Porta et al., 2008; Conti & Giuffr, 2011).
c) La CIC disminuye cuando aumenta la acidez del suelo, aumenta con el contenido de MOS (Tisdale &
Nelson, 1970; Buckman & Brady, 1977; Fassbender & Bornemisza, 1987; Navarro & Navarro, 2003;
Porta et al., 2003; Porta et al., 2008; Conti & Giuffr, 2011) y es mayor a pH mayores a 7 (Tisdale &
Nelson, 1970; Buckman & Brady, 1977), asimismo, promueve el intercambio de cationes adsorbidos
y cambiables con la solucin del suelo para el proceso de nutricin de las plantas (Tisdale & Nelson,
1970; Buckman & Brady, 1977; Fassbender & Bornemisza, 1987; Navarro & Navarro, 2003; Porta et
al., 2003; Porta et al., 2008; Moreno, 2012).
d) La disponibilidad de fosforo es mxima en pH de 5.5 a 7 predominando los iones ortofosfato
monocido (H2PO4-) en condiciones acidas y iones ortofosfatos dicido (HPO42-) en condiciones
alcalinas; el incremento de MOS aumenta la disponibilidad del fosforo del suelo (Tisdale & Nelson,
1970; Buckman & Brady, 1977; Fassbender & Bornemisza, 1987; Navarro & Navarro, 2003; Conti &
Giuffr, 2011).
e) Una mayor CIC puede acumular mayor cantidad de K intercambiable, las sustancias hmica y
complejos hmico-arcillosos aumentan la CIC y posiciones intercambiables del K (Conti & Giuffr,
2011; Navarro & Navarro, 2003), el pH del suelo tambin puede influir en la liberacin del potasio no
intercambiable, y en consecuencia tambin lo hace en el equilibrio: K intercambiable K no
intercambiable (Navarro & Navarro, 2003), sin embargo, Tisdale & Nelson (1970) indican que es de
tipo osmtico y que no se conoce si el pH del suelo per se tiene realmente efecto sobre este
equilibrio.
f) Los efectos negativos del exceso de sales solubles en el suelo sobre los cultivos son de tipo osmtico,
txico y en relacin con la conductividad hidrulica. La toxicidad se relaciona con cada uno de los
aniones y cationes presentes en exceso; as, la absorcin de nutrientes se puede ver reducida, como
ocurre con el cobre, hierro, manganeso y zinc, cuando hay exceso de iones HCO3- (De la Rosa, 2008 ;
Porta et al., 2008). La concentracin salina impide la dispersin de grnulos del suelo, dando
condiciones fsicas favorables al uso agrcola (Buckman, Brady, 1977; Jaramillo, 2002) y puede
ocasionar deficiencias de nutrientes por antagonismo (Jaramillo, 2002).
24
Por tanto, del anlisis realizado podemos ver que tanto el pH como la MOS son influyentes en las
variables qumicas edafolgicas CIC, P y K, asimismo, depende una de la otra, toda vez que el pH tiene
influencia en la descomposicin de la MOS y la MOS incrementa la capacidad tampn del suelo; la CIC
es mayor a pH neutros a alcalinos predominando las bases Ca2+, Mg2+, K+ y Na+, no se evidencia la
presencia de Al3+ (pH < 5.5) (Tisdale & Nelson, 1970; Buckman & Brady, 1977; Fassbender &
Bornemisza, 1987), por lo cual, en zonas ridas no influye en la fertilidad del suelo, por otro lado, la CIC
tiene influencia en el pH por la adsorcin de bases cambiables, sin embargo, para incrementar la misma
depende fuertemente del pH y MOS; la disponibilidad del P depende del pH y aumenta con el contenido
de MOS y est ms relacionado con la capacidad de intercambio aninico; la disponibilidad del K depende
de la CIC, MOS y directa e indirectamente del pH (Tisdale & Nelson, 1970; Navarro & Navarro, 2003); la
SB representa la relacin entre las BT y la CIC, por tanto est directamente influenciada por estas
variables, si tenemos mayor o menor concentracin de BT con respecto a la CIC, la SB es mayor o menor
respectivamente, por tanto, es un valor relativo y no expresa las reservas de elementos que hay en el suelo
(Jaramillo, 2002), no influenciando directamente en la fertilidad del mismo.
Teniendo en consideracin lo expresado, se procedi a categorizar las variables qumicas edafolgicas
mediante una matriz de ponderacin de 5 x 5, donde se determin su influencia en funcin a la Tabla 3:
Puntuacin de influencia de variables qumicas edafolgicas, observndose que el pH y MOS son muy
influyentes sobre la CIC y extremadamente influyentes sobre el P y K; la CIC es influyente en el pH, poco
influyente en la MOS y P y extremadamente influyente en el K; y las variables P y K son dependientes de
las variables pH, MOS y CIC (tabla 14). Se obtuvo un puntaje final para cada variable qumica
edafolgica, donde el pH y MOS presentan un valor de 12, la CIC un valor de 8 y el P y K obtuvieron un
valor de 4 (tabla 14).
Tabla 14: Matriz de ponderacin de variables qumicas edafolgicas para zonas ridas.
Variable pH MOS CIC K P Suma Total Normalizar
pH 0 1 3 4 4 12 3
MOS 1 0 3 4 4 12 3
CIC 2 1 0 4 1 8 2
K 1 1 1 0 1 4 1
P 1 1 1 1 0 4 1
Total 40 10
Fuente: Elaboracin propia, 2013.
Por tanto, las variables qumicas edafolgicas quedan categorizadas segn la matriz de ponderacin en
primer lugar el pH y MOS con un valor de 12 (normalizado a escala de 0 a 10 presentan un valor de 3), en
segundo lugar la CIC con un valor de 8 (normalizado a escala de 0 a 10 presentan un valor de 2) y
finalmente en tercer lugar el P y K con un valor de 4 (normalizado a escala de 0 a 10 presentan un valor de
1), cuyos valores sern ingresados en la modificacin del algoritmo de fertilidad qumica de suelos
propuesto por el Instituto Geogrfico Agustn Codazzi (IGAC, 1995).
5.3.1. Modificacin del modelo de fertilidad qumica edafolgica IGAC (1995).
Una vez realizado el AED, ACE y categorizacin de las variables qumicas edafolgicas para zonas
ridas, se normalizaron los valores de las variables para llevarlos a una escala de 0 a 10, teniendo que el
pH y MOS tienen un valor de 3, la CIC tiene un valor de 2 y el P y K disponibles tienen un valor de 1, se
procedi a modificar la ecuacin 1, teniendo en consideracin que la metodologa propuesta por el IGAC
(1995) de autora de Ortega (1987) citado por Moreno (2012) considera las variables qumicas
edafolgicas pH, SA, CIC, BT, SB, CO, P y K incluyendo la CE, dicha metodologa est planteada para
zonas hmedas, donde las altas precipitaciones producen el lavado de bases y consecuentemente el
incremento de la acidez y mayor concentracin de Aluminio (Fassbender & Bornemisza, 1987; Jaramillo,
2002), no adecundose a zonas ridas, donde por las escasas precipitaciones, se presentan mayores
25
problemas de salinidad (Tisdale & Nelson, 1970), asimismo, presenta variables que estn altamente
correlacionadas y que no aportan informacin al modelo (De la Rosa, 2008) como se demostr en el ACE,
y la variable SB es un valor relativo y no expresa la reserva de elementos que hay en el suelo (Jaramillo,
2002), por tanto, se modific la presente metodologa, adecundola a zonas ridas, cuya ecuacin se
presenta a continuacin:
(Ecuacin 5)
Donde, FQS es fertilidad qumica del suelo, Cvar es el valor de la categorizacin o ponderacin de la
variable edafolgica segn la tabla 14, Pvar es el puntaje de cada variable edafolgica interpretado segn
la tabla 15, la constante 1050 0.2 de normalizacin de resultados a una escala de 0 a 10, y Pce es
el puntaje de la variable CE interpretado segn la tabla 8, la cual resta ciertos puntos de acuerdo a la
salinidad presentada en la zona (IGAC, 1995 citado por Moreno, 2012). La ecuacin 3 presenta la forma
extendida de la ecuacin 2 para su mayor entendimiento.
(Ecuacin 6)
Donde, FQS es fertilidad qumica del suelo, pH, MOS, CIC, P y K representan los puntajes de cada
variable edafolgica interpretado segn la tabla 15, la constante 1050 0.2 de normalizacin de
resultados a una escala de 0 a 10, y CE es el puntaje de la variable interpretado segn la tabla 8, la cual
resta ciertos puntos de acuerdo a la salinidad presentada en la zona (IGAC, 1995 citado por Moreno,
2012).
Tabla 15: Gua de interpretacin para calificar la fertilidad qumica en suelos en zonas ridas.
< 4.5 4.5 a 5.0; > 5.0 a 5.5;
pH > 5.5 a 6.0 > 6.0 a 7.3
> 8.5 > 7.8 a 8.5 > 7.3 a 7.8
cido y Median.
Potencial Interpretacin Muy cido y Prctica.
Median. cido y Lig. cido
hidrgeno Alcalino neutro
alcalino Lig. alcalino
Puntaje 1 2 3 4 5
Ponderacin 3
MOS (%) * < 0.85 0.85 2.9 > 2.9 5.2 > 5.2 7.1 > 7.1
Materia
Orgnica
Puntaje 1 2 3 4 5
del Suelo
Ponderacin 3
CIC (meq/100
Capacidad g)** <6 6 - 12 > 12 25 > 25 - 40 > 40
de Interpretacin Muy baja Baja Moderada Alta Muy alta
intercambio Puntaje 1 2 3 4 5
catinico
Ponderacin 2
P (ppm) < 10 10 20 > 20 30 > 30 - 40 > 40
Fsforo Interpretacin Muy bajo Bajo Moderado Alto Muy alto
disponible Puntaje 1 2 3 4 5
Puntaje 1
K (ppm) < 39 39 - 78 > 78 - 117 > 117 - 156 > 156
Potasio Interpretacin Muy bajo Bajo Moderado Alto Muy alto
disponible Puntaje 1 2 3 4 5
Ponderacin 1
Puntaje interpretacin *
10 20 30 40 50
Ponderacin
(Puntaje interpretacin *
2 4 6 8 10
Ponderacin) * k (k=0.2)
Fuente: IGAC, 1995 citado por Moreno, 2012; * Rojas, 2000; **Walinga et al., 1995 y Vargas, 2009.
26
Una vez modificado el modelo de fertilidad qumica del suelo del IGAC (1995) de autora de Ortega
(1987) citado por Moreno (2012), se procedi a modificar la gua de interpretacin para calificar la
fertilidad qumica en suelos de zonas hmedas para zonas ridas, la cual se presenta en la tabla 4.
Debemos indicar que la variable carbn orgnico (CO) se reemplaz por la variable MOS, para lo cual se
multiplico los valores lmite del CO para clima medio (Rojas, 2000) por la constante 1.724, debido a que
la MOS se obtiene indirectamente a partir del clculo del carbono orgnico, por la aceptacin de que la
MOS posee aproximadamente 58 % de CO (Jaramillo, 2002; Moreno, 2012); asimismo, se transform los
valores lmite de K de meq/100 gs a ppm de K, para lo cual se procedi a multiplicar los valores lmite de
K por el peso atmico del elemento y constante 10 y dividido entre la valencia del elemento (Jaramillo,
2002), y los valores lmite de la variable CIC se establecieron de acuerdo al mtodo de ensayo empleado
en la determinacin de laboratorio Acetato de amonio con destilacin posterior (Walinga et al., 1995;
Vargas, 2009); los resultados se presentan en la tabla 15.
Finalmente los valores para interpretar y calificar la CE y fertilidad qumica del suelo, se mantienen segn
lo propuesto por el IGAC (1995) de autora de Ortega (1987) citado por Moreno (2012), presentndose en
las tablas 5 y 6 respectivamente.
5.4. Anlisis geoestadstico y regionalizacin de variables qumicas
edafolgicas
Una vez modificada la metodologa para determinar la fertilidad qumica de suelos propuesta por el IGAC
(1995) de autora de Ortega (1987) citado por Moreno (2012), se procedi a realizar el anlisis
geoestadstico y regionalizacin de variables edafolgicas.
5.4.1. Anlisis geoestadstico e interpolacin
5.4.1.1. Determinacin del tamao de pixel
Determinar la resolucin espacial apropiada de salida, de acuerdo a la resolucin de los puntos de
muestreo implica la aplicacin de las tcnicas siguientes:
Mapa de parcelas, cuya resolucin de grilla est relacionada con el tamao de las parcelas ms
pequeas y ms estrechas (Hengl, 2006).
Se realiza el anlisis estadstico de 1473 parcelas agrcolas cuya rea promedio es de 2694 m2 y segn
la prueba de normalidad Shapiro-Wilk (p-valor <0.0001 es menor que alfa=0.05) el rea de estudio
presenta distribucin no-normal significativa: los resultados de los clculos correspondientes se
presentan en la tabla 16.
Tabla 16: Determinacin del tamao de pixel mediante Mapa de parcelas (Hengl, 2006).
rea Perim. Calculo:
Estadsticos r S TP
(m2) (ml)

Promedio 2694.1 210.86 29.28 1.15 12.98
. 2 si S < 3
Mnimo 79.58 40.45 5.03 1.28 2.23
Entonces
Mximo 101099.8 1480.1 179.39 1.31 79.49
Mediana 1536.95 182.43 22.12 1.31 9.8 4
Moda 819.71 141.76 16.15 1.4 7.16 Sino
1er Cuartil 794.02 134.17 15.9 1.34 7.04 2
3er Cuartil 2683.02 245.7 29.22 1.34 12.95
Dnde: rea= rea polgono; Perim.= Permetro del polgono; r= radio de circulo con misma
superficie y S= ndice de complejidad (Hengl, 2006).
Los resultados nos arrojan valores de tamao de pixel entre 2.23 m y 12.98 m, sin embargo debemos
tomar el rea de la parcela ms pequea que sea representativa, por lo cual tomamos el valor de rea
27
correspondiente a la moda (valor que ms se repite) de 819.71 m2, que nos arroja un tamao de pixel
de 7.16 m.
Resolucin de grilla y muestras puntuales que indica que la resolucin de la rejilla debe ser como
mximo la mitad de la separacin media entre los pares de puntos ms cercanos (Hengl, 2006).
Se realiza el anlisis patrn de las ubicaciones de los puntos muestreados en campo en el ao 2010
para realizar los correspondientes anlisis de caracterizacin de suelos (Anexo N 6), dando como
resultado que la menor distancia entre un par de puntos en la zona de estudio es de 15 m, por tanto, el
tamao de pixel es de 7.5 m.
Luego de determinar el tamao de pixel para el rea de estudio mediante dos mtodos, se obtuvo como
resultado que el tamao de pixel vara entre 7.16 m y 7.5 m, sin embargo, estos tamaos de pixel no son
comunes para trabajos de interpolacin geoestadstica. Hengl (2006) examina la resolucin de cuadricula y
capacidad de procesamiento, e indica que el tamao de pixel esta tambin relacionada con el tamao del
rea y potencia del ordenador (tiempo de clculo), la cual debe coincidir con la capacidad de nuestro
equipo y el tiempo dado para completar el proyecto. Teniendo en consideracin lo sustentado y
considerando la capacidad del equipo de cmputo (Laptop DELL Inspiron Core i7 tercera generacin),
se opt por un tamao de pixel de 5 m.
5.4.1.2. Anlisis espacial de datos atpicos
El anlisis de patrones de los 39 puntos de muestreo de campo realizados en el ao 2010 (Anexo N 6),
indica que para el 50% de todas las muestras, se encuentra un vecino ms cercano (punto de muestreo de
suelos) en un radio aproximadamente de 250 m, mientras que para el 100% la distancia es de 910 m, y la
longitud para encontrar todos los puntos de muestreo (100% de los datos) alcanza los 8200 m (figura N
5). Los puntos de muestreo presentan una distribucin regular como se puede observar en la figura N 6
(ITC, 2001).
Distancia x Probabilidad
1.0
0.9
0.8
0.7
Distance x Prob5Pnt
0.6 Distance x Prob4Pnt
Probabilidad
Distance x Prob3Pnt
Distance x Prob1Pnt
0.4
Distance x ProbAllPnt
0.2
0.1
0.0
0 1000 2000 3000 4000 5000 6000 7000 8000
Distancia (m)
Figura N 5: Anlisis de patrones para puntos de muestreo de suelos (2010) en distrito de Yarabamba
El anlisis espacial de los puntos de muestreo con variables edafolgicas con datos atpicos se muestra en
la figura N 6, se observa que la variable edafolgica CE, concentra los valores atpicos y extremos hacia
la parte baja del Valle de Yarabamba (NW en el mapa de la figura N 6), debiendo determinarse la
influencia que ejercen en la estimacin de las interpolaciones de las variables edafolgicas (Salvador &
Gargallo, 2003) y teniendo en cuanta que la menor distancia de encontrar un vecino cercano es de 250 m
28
(50% de muestras); sin embargo, por concentrarse en la parte baja del Valle de Yarabamba, caracterizan
las reas agrcolas de esta zona y no puede considerarse error de procedimiento en la toma de muestras o
tcnicas de laboratorio. La reserva o retiro de los datos atpicos de la variable CE afectara seriamente al
modelo de interpolacin determinstico.
Figura N 6: Ubicacin de puntos de muestreo de suelos, ubicando los puntos con variables edafolgicas
con datos atpicos y extremos y su distribucin en el rea de estudio.
En cuanto a las variables pH, P y K, la distribucin de valores atpicos y extremos se presentan a lo largo
del rea de estudio, y la variable MOS los valores atpicos se ubican espacialmente hacia el centro del
valle de Yarabamba (Figura N 6).
5.4.1.3. Interpolacin de variables edafolgicas
Concluido el AED, las pruebas de normalidad, el anlisis espacial de variables edafolgicas con datos
atpicos y determinado el tamao de pixel ptimo (5 m), se procede a seleccionar el mejor mtodo de
interpolacin. Primeramente se define el mtodo de interpolacin a usar teniendo en consideracin el
flujograma de geoestadstica del Anexo N 3 (Dalence, 2013a) que establece el uso de mtodos
determinsticos o probabilsticos. El estudio cuenta con 39 anlisis de caracterizacin de suelos, con
resultados para las variables pH, MOS, CIC, P, K y CE (definidas en el tem 5.1.3), por lo cual se opta por
la interpolacin con mtodos determinsticos, de las cuales nicamente presenta distribucin normal el pH
del suelo, asimismo, las variables pH, MOS, P, K y CE, presentan datos atpicos y extremos (ver tem
5.4.1.2), los cuales caracterizan los suelos de la zona de estudio, debiendo realizarse el anlisis de
interpolacin de variables edafolgicas con y sin extraccin de datos atpicos (Salvador & Gargallo, 2003)
y con mtodos locales por el tamao del rea de estudio (390 hectreas aproximadamente), para lo cual, se
opta por los mtodos determinsticos Moving Average (con datos atpicos) y Moving Surface (sin datos
atpicos).
Se realiza el anlisis patrn de datos en el software Ilwis 3.3 Acadmico de forma automtica, para las
variables edafolgicas pH, MOS, CIC, P, K y CE con datos atpicos y sin datos atpicos, a fin de
29
determinar la distancia limitante a utilizar en cada una de las interpolaciones, los resultados se presentan
en la tabla 17.
Tabla 17: Distancia limitante (m) de variables edafolgicas mediante el anlisis patrn de datos con y sin
datos atpicos y extremos del rea agrcola de Yarabamba.
pH MOS CIC P K CE
Parmetro Atpicos Atpicos Atpicos Atpicos Atpicos Atpicos
Con Sin Con Sin Con Sin Con Sin Con Sin Con Sin
Distancia
Limitante 2000 2200 2000 2000 2000 - 2000 2000 2000 2200 2000 2000
(m)
El resultado nos arroja que la distancia limitante en comn es de 2000 m, a excepcin del pH cuya
distancia limitante sin datos atpicos es de 2200 m.
Se procede a realizar las interpolaciones correspondientes con el mtodo Moving Average Inverse
distance con peso de exponente de 1 y 2 para las variables edafolgicas con datos atpicos (Bakker, 2000;
ITC, 2001; Moreno, 2012; Dalence, 2013c) y Moving Surface Inverse distance con superficie plane, 2nd
degree linear y 2nd degree parabolic para variables edafolgicas con la extraccin de datos atpicos
(Bakker, 2000; ITC, 2001; Moreno, 2012; Dalence, 2013c); los resultados de las interpolaciones se
evaluaron con la prueba de bondad de ajuste (r2) y error medio cuadrtico (CME), los cuales se presentan
en la tabla 18.
Tabla 18: Prueba de bondad de ajuste (r2) y error medio cuadrtico (CME) para 2 mtodos de
interpolacin determinstica con y sin datos atpicos.
Moving Average Inverse
Moving Surface Inverse distance sin datos atpicos
distance con datos atpicos
Variable Peso 1 Sup. Peso 1 Sup. 2 Peso 1 Sup. 2
Peso 1 Peso 2
Plane degree linear degree parabolic
r2 CME r2 CME r2 CME r2 CME r2 CME
pH 0.94 0.1260 1.00 0.0016 1.03 0.0719 0.98 0.0650 1.02 0.0644
MOS 0.95 0.0183 1.00 0.0000 1.00 0.0152 1.00 0.0225 1.02 0.0404
CIC 0.95 0.0850 1.00 0.0066
P 0.93 0.4366 1.00 0.0051 1.11 3.1896 1.25 4.1294 1.20 3.9550
K 0.95 7.4621 1.00 0.3389 0.96 59.76 0.96 61.08 1.00 74.81
CE 0.95 0.0824 1.00 0.0036 1.33 0.1462 1.37 0.1531 1.09 0.0630
El anlisis realizado indica que el mejor mtodo de interpolacin determinstico es el Moving Average
Inverse distance con peso de exponente de 2, el cual da los mejores valores en la prueba de bondad de
ajuste (r2) y los menores valores de error medio cuadrtico (CME), asimismo, respeta los datos atpicos,
cuya extraccin (fundamentalmente en la variable edafolgica CE), afectara la interpolacin del modelo y
no caracterizara adecuadamente las propiedades edficas de los suelos agrcolas del distrito de
Yarabamba.
En trabajos previos Araujo (2009) indica que el mejor interpolador determinstico para variables
edafolgicas pH y CE es Moving Average Inverse Distance con peso de 2 y 1.5 respectivamente; Colque
(2010) indica que el mejor interpolador determinstico para variables edafolgicas CE, MO, pH, P y K es
Moving Average Inverse Distance con peso de 2; Postigo (2011) indica que el mejor interpolador
determinstico para variables edafolgicas P y K es Moving Average Inverse Distance; y Moreno (2012)
indica que el mejor interpolador determinstico para variables edafolgicas BT, CIC, SB, pH, P, K, CE y
30
CO es Moving Average Inverse Distance con peso de 2; asimismo, obtuvieron los valores ms altos en
las pruebas de bondad de ajuste (r2), demostrando la bondad del interpolador determinstico en la
prediccin de variables qumicas edafolgicas.
5.4.2. Regionalizacin de variables
Concluida la etapa de interpolacin determinstica de variables edafolgicas, se procede a regionalizar los
resultados de las interpolaciones en base a las tablas gua del IGAC, 1995 citado por Moreno, 2012 y
adaptados en la presente investigacin para condiciones de zonas ridas, de pH, MOS, CIC, P, K y CE; los
mapas resultantes se presentan en el Anexo N 7.
Para la variable edafolgica pH del suelo predominan las reas medianamente alcalinas con 98.51% del
rea de estudio, con pH entre 7.8 y 8.5, seguido de reas ligeramente alcalinas con 1.49% del rea de
estudio (Este del valle de Yarabamba); caracterizndose la zona agrcola como medianamente alcalina
(tabla 19), el mapa resultante se aprecia en el Anexo N 7 figura N 10. En este tipo de suelos las BT
alcanzan su mxima expresin siendo igual a la CIC caracterstico de zonas ridas (Tisdale & Nelson,
1970; Fassbender & Bornemisza, 1987; Navarro & Navarro, 2003).
Para la variable edafolgica MOS predominan las reas de bajo contenido de materia orgnica con 95.94%
del rea de estudio, con MOS entre 0.85% y 2.9%, seguido de reas de moderado contenido de materia
orgnica con 4.06% del rea de estudio (parte central del valle de Yarabamba); caracterizndose la zona
agrcola como de baja MOS (tabla 20), el mapa resultante se aprecia en el Anexo N 7 figura N 11. las
condiciones de aridez de la zona de estudio no permite la incorporacin de materia orgnica en forma
natural y la explotacin agrcola de extraccin reduce el contenido de materia orgnica en el suelo
(Navarro & Navarro, 2003).
Tabla 19: Superficie regionalizada por clases de Tabla 20: Superficie regionalizada por clases de
pH del suelo en el rea agrcola de Yarabamba. MOS en el rea agrcola de Yarabamba.
Superficie MOS Superficie
Interpretacin pH % Interpretacin %
(ha) (%) (ha)
Ligeramente > 7.3 - 0.85
5.83 1.49 Bajo 374.16 95.94
alcalino 7.8 2.9
> 2.9
Medianamente > 7.8 - Moderado 15.84 4.06
384.17 98.51 5.2
alcalino 8.5
Total 390.00 100.00
Total 390.00 100.00
Para la variable edafolgica CIC del suelo predominan las reas de baja CIC con 65.32% del rea de
estudio, y CIC entre 6 y 12 meq/100 gs, seguido de reas de moderada CIC con 34.68% del rea de
estudio (Nor oeste del vale de Yarabamba), y CIC entre 12 y 25 meq/100 gs; caracterizndose la zona
agrcola como de baja CIC del suelo (tabla 21), el mapa resultante se aprecia en el Anexo N 7 figura N
12. las condiciones de aridez de la zona y el pH por encima de 7 contribuyen a que las bases totales del
suelo sean igual a la CIC e influyan en la calidad del suelo agrcola del distrito de Yarabamba (Navarro &
Navarro, 2003).
Para la variable edafolgica K disponible del suelo predominan las reas de muy alta disponibilidad de K
con 100% del rea de estudio (tabla 22), el mapa resultante se aprecia en el Anexo N 7 figura N 14. La
muy alta disponibilidad de K sirve de base para calcular el nivel de fertilizante requerido para optimizar la
produccin de los cultivos (Tisdale & Nelson, 1970; Jaramillo, 2002).
Para la variable edafolgica P disponible del suelo predominan las reas de baja disponibilidad con
63.44% del rea de estudio, y P entre 10 y 20 ppm, seguido de reas de moderada disponibilidad de P con
30.62% del rea de estudio (Nor oeste del valle de Yarabamba) y reas de alta disponibilidad de P con
3.61% del rea de estudio (Nor oeste del valle de Yarabamba); caracterizndose la zona agrcola como de
bajo contenido de P disponible del suelo (tabla 23), el mapa resultante se aprecia en el Anexo N 7
31
figura N 13. las condiciones de aridez de la zona y el pH por encima de 7 contribuyen a que los iones
ortofosfatos dicidos (HPO42-) se encuentren como formas disponibles en el suelo (Tisdale & Nelson,
1970; Buckman & Brady, 1977; Fassbender & Bornemisza, 1987; Navarro & Navarro, 2003).
CIC del suelo en el rea agrcola de Yarabamba. K del suelo en el rea agrcola de Yarabamba.
Superficie K Superficie
Interpretacin CIC % Interpretacin %
(ha) (ppm) (ha)
Bajo 6 - 12 254.73 65.32 Muy alto > 156 390.00 100.00
Moderado > 12 25 135.27 34.68 Total 390.00 100.00
Total 390.00 100.00
Para la variable edafolgica CE del suelo predominan las reas no salinas con 89.87% del rea de estudio,
y CE menor a 2 dS/cm, seguido de reas ligeramente salinas con 6.76% del rea de estudio (Nor oeste del
valle de Yarabamba, correspondiente a la parte baja del valle y colindante al ro del mismo nombre);
caracterizndose la zona agrcola como no salina (tabla 24), el mapa resultante se aprecia en el Anexo N
7 figura N 15. las condiciones de aridez de la zona, el sistema de produccin bajo riego, las inadecuadas
prcticas agrcolas, exceso del uso de agroqumicos, entre otros, puede contribuir al incremento de la
concentracin de sales en los suelos (Buckman & Brady, 1977; Jaramillo, 2002; Porta et al., 2008).
P del suelo en el rea agrcola de Yarabamba. CE del suelo en el rea agrcola de Yarabamba.
Superficie CE Superficie
Interpretacin P (ppm) % Interpretacin %
(ha) (dS/m) (ha)
Muy bajo < 10 1.22 No salino <2 350.48 89.87
4.76
Ligeramente
Bajo 10 20 247.41 63.44 24 26.37 6.76
salino
Moderado > 20 30 119.43 30.62 Medianamente
Alto > 30 - 40 3.61 >48 6.43 1.65
14.09 salino
Muy alto > 40 4.32 1.11 Fuertemente
> 8 - 16 5.77 1.48
salino
Total 390.01 100.00
Muy salino > 16 0.95 0.24
Total 390.00 100.00
5.5. Aplicacin del modelo de fertilidad qumica de suelos para zonas ridas
A partir de los mapas regionalizados de las variables qumicas edafolgicas pH, MOS, CIC, P, K y CE, se
procede a aplicar el algoritmo de fertilidad qumica del suelo de la ecuacin 5 o ecuacin 6 (formula
extendida), adaptado de la metodologa del IGAC (1995). El algoritmo categoriza con mayor valor de
ponderacin al pH y MOS, intermedio a la CIC y bajo al P y K, de acuerdo a la influencia y dependa de
las variables edafolgicas.
La figura N 7 presenta el mapa de fertilidad qumica de suelos de la zona agrcola del distrito de
Yarabamba como puntaje normalizado a una escala de valores de 0 a 10, se observa que las zonas con
mayor valor de fertilidad qumica de suelos se presentan indistintamente en diferentes zonas del rea de
estudio, sin embargo, las zonas con los valores de fertilidad qumica de suelos ms bajos se presentan
hacia la parte baja del valle de Yarabamba (Nor oeste del valle), donde se tuvo los mayores valores de CE
que caracterizan esta zona del valle.
Aplicado el algoritmo adaptado de fertilidad qumica de suelos, se procede a regionalizar el mapa de
fertilidad qumica de suelos por puntaje, de acuerdo a los rangos establecidos en la tabla 8 para las clases
32
de fertilidad qumica, mediante la herramienta slicig del Ilwis 3.3 acadmico; el mapa resultante se
presenta en el figura N 8.
Figura N 7: mapa de fertilidad qumica de suelos como producto del algoritmo adaptado en la presente
investigacin de la zona agrcola del distrito de Yarabamba.
En la figura N 8 mapa final de fertilidad qumica de suelos, podemos observar 3 rangos de fertilidad
(Muy baja, Baja y Moderada), el rango de fertilidad muy baja se ubica hacia la parte baja del Valle de
Yarabamba (Nor oeste), donde se obtuvo en los resultados de laboratorio los valores ms altos de CE,
dicha variable influye en la categorizacin final de la fertilidad de la zona en estudio; el rango de fertilidad
baja predomina en el rea en estudio, cuyo resultado es acorde a los resultados de la regionalizacin de las
variables qumicas edafolgicas estudiadas y clasificadas con mayor incidencia en las clases muy baja,
baja y moderada, siendo nicamente la variable edafolgica K clasificada como muy alta, por sus altos
valores de disponibilidad en la zona agrcola, y el rango de fertilidad moderada, representa zonas
especficas del rea agrcola de la zona en estudio, con mayor presencia hacia la parte media y baja del
valle de Yarabamba.
La tabal 25 muestra la superficie regionalizada de fertilidad qumica del rea agrcola del distrito de
Yarabamba, donde la clase de fertilidad qumica del suelo muy baja representa el 1.82% del rea en
estudio, la cual est influenciada por los valores de CE que intervienen en la categorizacin de la zona
ubica en la parte baja del Valle de Yarabamba (Nor oeste del valle); la clase de fertilidad qumica del suelo
baja representa el 81.30% del rea en estudio, caracterizando al Valle de Yarabamba como de baja
fertilidad qumica del suelo y requiriendo un manejo del suelo tendiente a recuperar su fertilidad mediante
la aplicacin de abonos orgnicos que mejoren la calidad del suelo de la zona en estudio; y la clase de
fertilidad qumica del suelo moderada representa el 16.88% del rea en estudio, estas reas se ubican
hacia la parte media y baja del Valle de Yarabamba, requieren de un manejo de conservacin de la
fertilidad para mantener la capacidad productiva de estos suelos agrcolas.
33
Figura N 8: mapa final de fertilidad qumica de suelos categorizado por rangos de fertilidad del rea
agrcola del distrito de Yarabamba.
350 317.08
Tabla 25: Superficie regionalizada por rangos de 300
fertilidad qumica del suelo en el rea agrcola de 250
Yarabamba.
Hectreas
200
Clase de Superficie
Rango % 150
fertilidad (ha)
100
Muy baja < 3.6 7.10 1.82% 65.82
Baja 3.6 - 5.1 317.08 81.30% 50

7.10
Moderada > 5.1 - 6.7 65.82 16.88% 0
Muybaja Baja Moderada
Total 390.00 100.00%
Figura N 9: Superficie (ha) por rangos de
fertilidad qumica del suelo.
5.5.1. Validacin del modelo de fertilidad qumica de suelos para zonas ridas
La validacin del modelo de fertilidad qumica de suelos adaptado de la metodologa del IGAC (1995),
para zonas ridas, contempl levantar en campo 10 muestras de suelo en puntos de muestreo distribuidos
en funcin a una rejilla 6 x 6 generada con la herramienta ID Grip Map del Ilwis 3.3 Acadmico que
abarco el rea agrcola del distrito de Yarabamba en 10 cuadriculas, en las cuales se ubic visualmente el
punto de muestreo correspondiente. Los valores reales de fertilidad qumica de suelos se calcularon en
funcin a las tablas gua adaptadas en la presente investigacin para las variables pH, MOS, CIC, P, K y
CE, cuyos resultados de laboratorio se presentan en el Anexo N 2; los valores estimados de la fertilidad
34
qumica de suelos se extrajeron del mapa de fertilidad qumica de suelos por puntaje, mediante la funcin
Mapvalue del Ilwis 3.3 Acadmico y las coordenadas de los puntos de validacin, cuyos resultados se
presentan en la tabla 26.
prueba de bondad de ajuste y error medio cuadrtico.
N Cdigo yc yi (yc-)2 (yi-)2 (yi-yc)2
1 PVAY 01 4.60 5.00 0.00 0.13 0.16
2 PVAY 02 4.40 4.60 0.06 0.00 0.04
3 PVAY 03 4.60 4.60 0.00 0.00 0.00
4 PVAY 04 5.00 4.60 0.13 0.00 0.16
5 PVAY 05 4.40 4.60 0.06 0.00 0.04
6 PVAY 06 4.60 4.60 0.00 0.00 0.00
7 PVAY 07 4.40 5.00 0.06 0.13 0.36
8 PVAY 08 5.00 5.00 0.13 0.13 0.00
9 PVAY 09 5.00 5.20 0.13 0.31 0.04
10 PVAY 10 4.40 4.80 0.06 0.03 0.16
Promedio 4.64 0.62 0.74 0.96
r2 1.18
CME 0.3098
La prueba de bondad de ajuste r2 se determina mediante la ecuacin 1, que indica qu porcentaje de la
variabilidad de la variable de respuesta yi es explicada por su relacin lineal con yc (Martnez, 2005); los
resultados del anlisis se observan en el tabla 26, obtenindose un r2 de 1.18, el cual sobreestima los
resultados del modelo, podra deberse a que los valores calculados de fertilidad qumica de suelos de las
10 muestras levantadas para validar el modelo presentan menores valores puntaje de fertilidad qumica,
debido a que durante el periodo 2010 2013, las variables edficas MOS y P, en los reportes de
laboratorio muestran valores ms bajos, lo que indica un deterioro de la calidad de los suelos agrcolas por
el tipo de tecnologa imperante en la zona de estudio (labranza convencional) en la serie temporal (FAO,
2002; Novales, 2008), asimismo Di Rienzo et al. (2005) indica que es absolutamente incorrecto interpretar
el coeficiente de bondad de ajuste como una medida de adecuacin del modelo, sin embargo, es vlido
como medida de ajuste o valor predictivo si el modelo es correcto tanto en su parte determinstica como en
su parte aleatoria; asimismo, Martnez (2005) y Nieves & Domnguez (2010) indican que la existencia de
un dato anmalo o atpico que se aleja de la pauta seguida de las observaciones condiciona el resultado de
la estimacin, por tanto, la variabilidad temporal de las propiedades edficas afectan el resultado de la
prueba de bondad de ajuste, por otro lado, Martnez (2005) & Novales (2008) indican que si la muestra
consta de pocas observaciones, quiz uno o dos residuos elevados generen un coeficiente de bondad de
ajuste insatisfactorio y, por ello, creer que el modelo es malo, cuando excepto por dichas observaciones, el
ajuste puede ser excelente, lo cual fue verificado, al excluir el residuo absoluto ms elevado, lo que
condujo a un r2 de 0.98, demostrando la influencia de la temporalidad en los resultados.
A fin de validar eficientemente el modelo, se procedi a realizar el anlisis mediante inferencia estadstica
para obtener conclusiones sobre uno o ms parmetros mediante un estimador puntual (Devore, 2005),
partiendo de la premisa que los valores estimados se parecen a los valores reales de las muestras de
validacin. Por tanto, se procede a regionalizar los valores puntaje de la fertilidad qumica del suelo real y
estimada, aplicando la prueba lgica de verdadero cuando la fertilidad estimada es igual a la real y falso
cuando la fertilidad estimada es diferente a la real, procedindose a realizar el conteo de los valores
verdaderos y aplicar la tasa resultante planteada en la ecuacin 4 (Devore, 2005; Guarn, 2002). El
35
resultado de la aplicacin del Estimador FQS (fertilidad qumica del suelo) es de 0.8, lo que nos indica una
buena prediccin del modelo, aceptndose en estudios cartogrficos hasta un 30% de error (IGAC, 1998).
estimador puntual.
Fertilidad qumica Fertilidad qumica
N Cdigo Prueba Lgica
real estimada
1 PVAY 01 Baja Baja Verdadero
4 PVAY 04 Moderada Baja Falso
8 PVAY 08 Moderada Baja Falso
9 PVAY 09 Moderada Moderada Verdadero
Estimador FQS 0.8 0.8
36
6. Conclusiones
a) La fertilidad qumica de suelos agrcolas del Valle de Yarabamba se caracteriza por presentar muy
baja fertilidad (1.82%) del rea agrcola ubicada en la parte baja extrema del Valle, presentando
influencia de la concentracin de sales que influyen en la calidad agrcola de los suelos, baja
fertilidad (81.30%) del rea agrcola distribuida en toda la zona de estudio; y moderada fertilidad
(16.88%) del rea agrcola distribuida en la parte media y baja del Valle; como producto de la
ponderacin y regionalizacin de 6 variables edafolgicas (pH, MOS, CIC, P, K y CE), que
optimizan las determinaciones requeridas en resultados de anlisis de laboratorio y determinan un
modelo practico para su aplicacin de forma rpida en campo para condiciones de zonas ridas.
b) El anlisis exploratorio de datos y correlacin estadstica determin que las variables edafolgicas BT
y CIC presentan una muy alta correlacin estadstica como producto de los valores de pH, haciendo
se mxima en zonas ridas, no aportando informacin relevante al modelo la inclusin de ambas
variables, asimismo, las variables edafolgicas pH, MOS, CIC, P, K y CE no presentan correlacin
estadstica, las cuales influyen en la fertilidad qumica de suelos agrcolas.
c) La adecuacin del modelo de fertilidad qumica de suelos del IGAC (1995) para zonas ridas
optimiza el uso de 9 variables pH, SA, CIC, BT, SB, CO, P, K y CE (con correlacin estadstica) a 6
variables edafolgicas pH, MOS, CIC, P, K y CE (sin correlacin estadstica) que aportan
informacin relevante al modelo, asimismo, la ponderacin de las mismas las categoriza segn su
importancia en la fertilidad de suelos encontrando una alta fiabilidad en la prediccin de fertilidad
qumica de suelos en zonas ridas del distrito de Yarabamba
d) La regionalizacin de variables qumicas edafolgicas permite estimar la variabilidad espacial de las
propiedades del suelo con una muy alta confiabilidad con respecto a la prueba de bondad de ajuste
(r2), caracterizando con gran certitud las cualidades de los suelos agrcolas del distrito de Yarabamba.
e) La presencia de valores atpicos y extremos en los datos de las variables edafolgicas influyen en el
resultado de su interpolacin determinstica (exclusin de datos del anlisis), por tanto, el mtodo de
interpolacin aplicado fue el Moving Average Inverse distance con peso exponencial de 2, el cual
desde el punto de vista de los supuestos conceptuales por el algoritmo utilizado (presencia de valores
atpicos y extremos y no normalidad en la mayora de la variables edafolgicas) presenta los ms
altos coeficientes en la prueba de bondad de ajuste (r2), fue el mejor mtodo para estimar valores en
lugares desconocidos a partir de los valores medidos de las variables edafolgicas en 39 puntos de
muestreo; permitiendo regionalizar la variabilidad espacial de las propiedades del suelo con una muy
alta confiabilidad y caracterizando con gran certitud las cualidades de los suelos agrcolas del distrito
de Yarabamba.
f) La evaluacin del modelo de fertilidad qumica de suelos para zonas ridas presenta una confiabilidad
del 100% con respecto a la prueba de bondad de ajuste (r2) a partir de 10 muestras de suelo
levantadas para validar en el presente ao, y la cual se tiende a sobreestimar por la influencia de la
variabilidad temporal de la fertilidad del suelo (deterioro de la calidad del suelo por labranza
convencional) del periodo 2010 a 2013. El estimador de fertilidad qumica de suelo presenta una
confiabilidad del 80%, por tanto, el modelo adaptado es una adecuado predictor de la fertilidad
qumica para condiciones de zonas ridas.
37
7. Recomendaciones
a) Utilizar los niveles de materia orgnica del suelo (MOS), fsforo (P) y potasio (K) disponible de los
mapas interpolados y regionalizados para determinar las aplicaciones correctoras de nutrientes a fin
de optimizar la produccin y productividad agrcola del Valle de Yarabamba.
b) A partir de la presente investigacin elaborar programas de apoyo a los productores agrarios a fin de
incrementar la produccin y productividad agrcola del distrito de Yarabamba, mejorando las
condiciones de fertilidad del suelo como ente dinmico y productor de alimentos de calidad y
mejorando las condiciones socioeconmicas de los agricultores de la zona.
38
8. Referencias Bibliogrficas
Addinsoft (2009) XLSTAT. Addinsoft
Aguilar R (2010) Estudio Edafolgico para el Incremento de la Produccin y Productividad de las reas
Agrcolas del Distrito de Yarabamba.
Araujo G (2009) Prediccin valores de variables edafolgicas a partir de kriging de regresin para la
determinacin del grado de salinidad y/o alcalinidad en el Valle Alto de Cochabamba, Bolivia.
Asignacin Final Individual (AFI). Cochabamba, Bolivia: Universidad Mayor de San Simn.
Astudillo G (2013) Correlacin. Available at:
http://www.monografias.com/trabajos84/correlacion/correlacion.shtml (accessed 12/11/13).
Aznar J and Guijarro F (2012) Nuevos mtodos de valoracin, modelos multicriterio Segunda edicin.
Valencia, Espaa: Editorial Universitat Politcnica de Valencia
Bakker X (2000) Anlisis Geo-Estadstico y de Exposicin Solar.
Buckman H and Brady N (1977) Naturaleza y propiedades de los suelos Segunda reimpresin. Barcelona
- Espaa: Montaner y Simn S.A.
Cceres D (2003) Agricultura orgnica versus agricultura industrial. Su relacin con la diversificacin
productiva y la seguridad alimentaria. Agroalimentaria. I (16), 29 39.
Caldern A, Lara D and Cabrera A (2012) Confeccin de Mapas Temticos para Evaluar la Fertilidad del
Suelo en las reas Agrcolas del Instituto Nacional de Ciencias Agrcolas. Cultivos Tropicales. 33
(1), 1118.
Castillo M (2008) La interpolacin espacial y los modelos digitales de terreno.
Castro H and Gmez M (2013) El diagnstico integral de la fertilidad del suelo a partir de indicadores
analticos. [Online] Available at:
http://publicacion05.unipamplona.edu.co/unipamplona02/hermesoft/portal/home_1/rec/arc_4215.
pdf (accessed 25/11/13).
Centro Internacional de Capacitacin y Soporte (2013) Mtodo de priorizacin de variables basado en
matrices.
Chiape M (2013) FAO. [Online] Available at:
http://www.fagro.edu.uy/~ccss1/Libro_El%20campo%20uruguayo/13-
Sustentabilidad%20de%20la%20agricultura%20un%20enfoque%20integrador%85.pdf (accessed
17/09/13).
Colell E, Uribe J and Chale P (2010) Conceptos bsicos de geoestadstica Primera edicin. Trabajo es
distribuido bajo la licencia Creative Commons AttributionNoncommercialNoDerivs 3.0
License.
Conti M and Giuffr L (2011) Edafologa, Bases y Aplicaciones Ambientales Argentinas Primera Edicin.
Buenos Aires, Argentina: Editorial Facultad Agronoma, Universidad de Buenos Aires
Coyne M and Thompson J (2006) Math for soil scientists ilustrada. California: Thomson/Delmar Learning
Dalence S (2013a) Flujograma Geoestadstica.
Dalence S (2013b) Geoestadstica.
Dalence S (2013c) Interpolacin.
Daniel W (1993) Bioestadstica, base para el anlisis de las ciencias de la salud.10 reimpresin. Mxico:
Editorial Limusa S.A. de C.V.
Devore J (2005) Probabilidad y estadstica para ingeniera y ciencias Sexta edicin. Mxico: Thomson
39
FAO (2002) Captura de carbono en los suelos para un mejor manejo de la tierra. Roma: Organizacin de
las Naciones Unidas para la Agricultura y la Alimentacin
Fassbender H and Bornemisza E (1987) Qumica de suelos con nfasis en suelos de Amrica Latina
Quinta reimpresin. San Jos, Costa Rica: Instituto Interamericano de Cooperacin para la
Agricultura (IICA)
Garca E (2006) Anlisis Exploratorio de Datos. Available at:
http://www.epiredperu.net/EstadisticaSanfer/docs/0605-analisisexploratorio.pdf (accessed
03/09/13).
Gerencia Regional de Agricultura Arequipa (2013) Ejecucin y perspectivas de la informacin agrcola -
Campaa 2011 - 2012. [Online]
Giraldo R (2002) Introduccin a la geoestadstica, teora y aplicacin Primera edicin. Bogot,
Colombia: Universidad Nacional de Colombia - Facultad de Ciencias
Gomero L and Velsquez H (1999) MES - Manejo Ecolgico de Suelos - Conceptos, Experiencias y
Tcnicas Primera edicin. Lima, Per: Red de Accin en Alternativas al Uso de Agroqumicos -
RAAA
Gossweiler B (2013) Anlisis Exploratorio de Datos.
Guarn N (2002) Estadstica Aplicada Primera. Medelln, Colombia: Universidad Nacional de Colombia
Hengl T (2006) Finding the right pixel size. Computers & Geosciences - Elsevier. 32, 1283 1298.
Hernndez J and Garca M (2007) Matrices de ponderacin para la evaluacin de proveedores. In:
Trujillo, Per: Universidad Csar Vallejo. 8.
Hernndez R, Fernndez C and Baptista P (2010) Metodologa de la Investigacin Quinta edicin.
Mxico: McGraw-Hill
IGAC (1998) Principios Bsicos de Cartografa Temtica Primera edicin. Colombia: Ministerio de
Hacienda y Crdito Pblico, Instituto Geogrfico Agustn Codazzi (IGAC)
ITC (2001) ILWIS 3.0 Academic, Users Guide Primera edicin. The Netherlands: The International
Institute for Aerospace Survey and Earth Sciences
Jamioy D (2011) Propuesta de indicadores de calidad edafolgicos para valorar la influencia de los
sistemas productivos sobre algunas propiedades fsicas y qumicas en suelos Oxsoles del
Piedemonte Llanero Colombiano. Maestra. Palmira - Colombia: Universidad Nacional de
Colombia.
Jaramillo D (2002) Introduccin a la ciencia del suelo Primera edicin. Medelln, Colombia: Universidad
Nacional de Colombia - Facultad de Ciencias
M. Maturana and E. Acevedo (2013) Cambios en la fertilidad del suelo asociados a cero labranza.
[Online] Available at:
http://www.sap.uchile.cl/descargas/cero/Cambios_en_la_fertilidad_del_suelo_asociados_a_cero_l
abranza.pdf (accessed 30/11/13).
Malagn D, Siachoque R and Serna J (2010) El ABC de los suelos para no expertos Primera edicin.
Colombia: Instituto Geogrfico Agustn Codazzi
Martn R (2003) Anlisis Exploratorio de Datos con SPSS 11.5. [Online] Available at:
http://www.uclm.es/profesorado/raulmmartin/EstadisticaSPSSLEleccion/NotasClaseyPracticas.pd
f (accessed 06/11/13).
Martnez E (2005) Errores frecuentes en la interpretacin del coeficiente de determinacin lineal. Anuario
Jurdico y Econmico Escuarialense. XXXVIII, 315 332.
40
Moreno A, Caada R, Cervera B, Fernndez F, Gmez N, Martnez P, Prieto M, Rodrguez J and Vidal M
(2008) Sistemas y anlisis de la informacin geogrfica, Manual de autoaprendizaje con ArcGis
Segunda edicin. Mxico: Alfaomega Grupo Editor S.A.
Moreno J (2012) Fertilidad de los Suelos a travs de la Regionalizacin de Variables Edafolgicas
Mediante Herramientas Geoestadsticas, en seis Cantones del Ecuador. Asignacin Final
Individual. Cochabamba, Bolivia: Universidad Mayor de San Simn.
Navarro S and Navarro G (2003) Qumica Agrcola, el suelo y los elementos qumicos esenciales para la
vida vegetal Segunda edicin. Madrid - Espaa: Ediciones Mundi-Prensa
Nieves A and Domnguez F (2010) Probabilidad y estadstica para ingeniera, un enfoque moderno
Primera Edicin. Mxico: McGraw-Hill
Novales A (2008) La bondad de ajuste del modelo de regresin lineal simple.
Porta J, Lpez - Acevedo M and Poch R (2008) Introduccin a la edafologa, uso y proteccin del suelo
Primera edicin. Madrid, Espaa: Ediciones Mundi-Prensa
Porta J, Lpez - Acevedo M and Roquero de Labaru C (2003) Edafologa para la agricultura y el medio
ambiente Tercera edicin revisada y ampliada. Madrid, Espaa: Ediciones Mundi-Prensa
Quezada N (2010) Estadstica para ingenieros Primera edicin. Lima: Empresa Editora Macro
Di Rienzo J, Casanoves F, Gonzales L, Tablada E, Daz M del P, Robledo C and Balzarini M (2005)
Estadstica para las Ciencias Agropecuarias Sexta Edicin. Crdova, Argentina: Editorial Brujas
Rojas H (2000) Suelos y Aguas Primera edicin. Santo Domingo, Repblica Dominicana: Centro para el
Desarrollo Agropecuario y Forestal - CEDAF
De la Rosa D (2008) Evaluacin Agro-Ecolgica de Suelos para un Desarrollo Rural Sostenible Primera
Edicin. Madrid, Espaa: Ediciones Mundi-Prensa
Rossiter D (2004) Metodologas para el levantamiento del recurso suelo Primera edicin Segunda versin
revisada. Holanda: International Institute for Geo-information Science & Earth Observation - Soil
Science Division, ITC
Salvador M and Gargallo P (2003) Anlisis Exploratorio de Datos (A.E.D). [Online] Available at:
http://www.5campus.com/leccion/aed (accessed 05/11/13).
Snchez J (2013) Fertilidad del Suelo y Nutricin Mineral de Plantas -Conceptos Bsicos-. Available at:
http://www.fertitec.com/PDF/FERTILIDAD%20DEL%20SUELO%20Y%20NUTRICION.pdf
(accessed 13/11/13).
Segrelles J (2005) El Problema de los cultivos transgnicos en Amrica Latina: Una Nueva Revolucin
Verde. Entorno Geogrfico. I (3), 93 120.
Tisdale S and Nelson W (1970) Fertilidad de los suelos y fertilizantes Primera edicin. Barcelona -
Espaa: Montaner y Simn S.A.
Triola M (2009) Estadstica Dcima edicin. Mxico: Pearson Educacin
USDA - NRCS (2010) Claves para la Taxonoma de Suelos Undcima Edicin. Mxico: Departamento de
Agricultura de Los Estados Unidos
Vargas R (2009) Mapeo digital del suelo y su evaluacin con fines de produccin de caa de azcar en los
municipios de Ixiamas y San Buenaventura.
Vila A, Sedano M, Lpez A and Juan A (2013) Correlacin Lineal y Anlisis de Regresin. Available at:
http://www.uoc.edu/in3/e-math/docs/RegresionLineal.pdf (accessed 12/11/13).
Walinga I, V. Houba, J. Lee, W. Van Vark and I. Novozamsky (1995) Plant Analysis Manual Primera
edicin. The Netherlands: Springer - Science + Business Media
41
Anexos
Anexo N 1: Datos de anlisis de caracterizacin de suelos del rea agrcola de Yarabamba Diciembre
2010 (Modelamiento).
Cdigo Altitud Arena Limo Arcilla CaCO3 CE
Este Norte pH
muestra (msnm) (%) (%) (%) (%) (mS/cm)
M-01 241521 8166748 2682 58.2 30.6 11.2 0.47 8.14 0.3
M-02 240692 8166730 2661 59.2 30.9 9.9 0.22 7.35 0.17
M-03 240317 8166700 2659 64.2 29.6 6.2 0.38 7.95 0.15
M-04 239916 8166441 2686 62.2 26.6 11.2 0.29 8.18 0.26
M-05 239832 8166305 2680 65.2 23.6 11.2 0.35 8.48 0.28
M-06 239606 8166166 2681 58.2 26.6 15.2 0.57 8.03 0.36
M-08 239398 8165986 2671 64.2 23.6 12.2 0.88 7.99 0.43
M-09 239087 8166443 2661 54.2 24.6 21.2 0.95 8.22 0.42
M-10 238563 8166585 2631 62.2 21.6 16.2 0.82 8.32 0.3
M-11 240694 8166945 2634 49.2 33.6 17.2 1.14 7.97 0.69
M-12 239586 8166773 2599 58.2 27.6 14.2 0.6 7.95 0.54
M-13 238964 8166818 2577 58.2 25.6 16.2 0.54 7.79 0.33
M-14 238762 8166806 2577 57.2 34.6 18.2 0.75 7.89 0.38
M-15 238223 8166937 2586 61.2 27.6 11.2 0.8 7.9 0.26
M-16 237712 8167212 2557 57.2 29.6 13.2 0.78 8.08 0.58
M-17 237433 8167409 2530 59.2 26.6 14.2 0.69 7.97 0.5
M-18 237127 8167578 2523 53.2 31.6 15.2 0.76 8.31 0.54
M-19 236763 8167915 2507 48.2 34.6 17.2 0.79 8.06 0.73
M-20 236362 8167942 2501 38.2 42.6 19.2 0.43 8.09 0.34
M-21 236311 8168091 2500 50.2 31.6 18.2 0.51 8.11 0.27
M-21 235899 8168287 2496 49 35 16 0.83 8.15 0.29
M-23 235517 8168424 2495 66 24 10 1.34 8.16 1.53
M-24 236332 8168350 2494 55 32 13 0.76 8.1 0.54
M-25 235851 8168731 2485 45 38 17 1.56 8.38 0.69
M-26 235448 8168710 2488 50 32 18 1.61 8.31 1.28
M-27 235509 8169093 2477 44 39 17 1.82 8.12 1.49
M-28 235447 8169489 2463 58 38 4 1.97 8.49 17.45
M-29 235138 8168669 2473 48 38 14 1.55 8.13 1.69
M-30 235091 8169062 2468 55 29 16 1.48 8.17 0.92
M-31 235079 8169527 2458 56 31 13 1.63 8.14 1.46
M-32 234650 8169865 2447 63.2 25 11.8 2.64 8.26 0.43
M-33 234702 8169482 2454 58.2 28 13.8 2.82 8.29 3.32
M-34 234741 8169131 2463 62.2 23 14.8 3.05 8.45 0.74
M-35 234418 8169517 2451 71.2 19 9.8 3.16 8.51 0.38
C-1 235909 8168299 2496 46.3 36.5 17.2 0.34 7.7 1.38
C-2 234995 8169180 2468 57.55 27.25 15.2 0.86 7.85 0.52
C-3 239522 8166819 2585 62.8 26 11.2 0.25 7.75 0.16
C-4 239341 8166046 2662 68.3 18 13.7 0.23 7.77 0.3
C-5 236407 8167999 2509 54.6 32.8 12.6 0.13 7.84 0.38
42
Continuacin
Ca Mg K Na BT CIC
Cdigo MOS N P K %
(meq/ (meq/ (meq/ (meq/ (meq/ (meq/
muestra (%) (%) (ppm) (ppm ) SB
100 gs) 100 gs) 100 gs) 100 gs) 100 gs) 100 gs)
M-01 2.68 0.141 14.65 375 5.8 1.16 0.92 0.52 8.4 8.4 100
M-02 1.7 0.092 18.05 345 5.4 1.23 0.87 0.5 8 8 100
M-03 1.83 0.095 11.34 270 5.33 1.04 0.98 0.45 7.8 7.8 100
M-04 1.79 0.088 11.07 300 5.98 1.1 0.92 0.6 8.6 8.6 100
M-05 1.82 0.096 8.37 255 5.72 1.14 0.79 0.55 8.2 8.2 100
M-06 2.04 0.104 12.64 420 6.08 1.35 1.08 0.49 9 9 100
M-08 1.83 0.095 17.18 360 6.33 1.36 0.95 0.56 9.2 9.2 100
M-09 2.25 0.115 14.65 435 9.67 2.41 1.59 0.43 14.1 14.1 100
M-10 1.99 0.109 31.92 570 6.53 1.37 1.41 0.49 9.8 9.8 100
M-11 1.68 0.087 11.16 960 9.66 2.32 1.99 0.43 14.4 14.4 100
M-12 2.22 0.12 27.12 435 5.63 1.3 1.16 0.51 8.6 8.6 100
M-13 2.13 0.112 12.21 380 9.93 2.39 1.52 0.66 14.5 14.5 100
M-14 2.44 0.129 9.85 360 5.88 1.43 0.77 0.52 8.6 8.6 100
M-15 1.62 0.093 24.15 270 5.5 1.18 0.85 0.57 8.1 8.1 100
M-16 1.79 0.091 15.96 420 5.87 1.3 1.72 0.61 9.5 9.5 100
M-17 2.03 0.099 19.79 465 6.39 1.25 1.57 0.59 9.8 9.8 100
M-18 3.98 0.208 23.63 750 6.66 1.33 1.61 0.5 10.1 10.1 100
M-19 2.53 0.13 12.12 720 9.31 2.18 1.68 0.63 13.8 13.8 100
M-20 2.29 0.11 12.38 600 9.87 2.07 1.78 0.48 14.2 14.2 100
M-21 4.15 0.217 50.84 495 9.61 2.13 1.82 0.54 14.1 14.1 100
M-21 1.93 0.09 14.04 555 9.9 2.38 1.95 0.77 15 15 100
M-23 1.87 0.098 23.46 465 6.26 1.29 1.46 0.59 9.6 9.6 100
M-24 2.26 0.119 17.44 600 6.78 1.31 1.69 0.62 10.4 10.4 100
M-25 2.01 0.106 18.22 840 10.35 2.43 1.64 0.78 15.2 15.2 100
M-26 2.14 0.115 23.72 720 10.4 2.49 1.51 0.6 15 15 100
M-27 2.03 0.11 15.96 465 9.91 2.36 1.78 0.55 14.6 14.6 100
M-28 2.63 0.142 26.07 1560 4.41 1.05 1.07 0.87 7.4 7.4 100
M-29 2.37 0.12 32.96 315 8.78 2.08 1.93 0.71 13.5 13.5 100
M-30 2.12 0.112 40.02 525 5.76 1.22 1.77 0.65 9.4 9.4 100
M-31 2.05 0.105 13.86 510 5.45 1.27 1.69 0.49 8.9 8.9 100
M-32 1.97 0.09 15.61 555 5.28 1.24 1.72 0.56 8.8 8.8 100
M-33 1.84 0.095 51.8 960 5.82 1.32 1.88 0.58 9.6 9.6 100
M-34 1.61 0.089 25.03 900 5.39 1.19 1.8 0.52 8.9 8.9 100
M-35 2.02 0.094 9.59 495 5.51 1.16 1.83 0.6 9.1 9.1 100
C-1 1.68 0.09 14.76 446.25 9.2 1.95 1.06 0.75 12.95 12.95 100
C-2 1.98 0.11 12.26 246.75 6.95 1.44 0.9 0.64 9.94 9.94 100
C-3 2.04 0.11 14.04 255 5.88 1.35 0.97 0.5 8.7 8.7 100
C-4 1.56 0.07 5.12 232.5 6.58 1.42 0.93 0.51 9.43 9.43 100
C-5 1.84 0.1 11.76 436.5 9.61 2.21 0.93 0.4 13.16 13.16 100
43
Anexo N 2: Datos de anlisis de caracterizacin de suelos del rea agrcola de Yarabamba Noviembre
de 2013 (Validacin).
Cdigo Altitud Arena Limo Arcilla CaCO3 CE
muestra Este Norte (msnm) (%) (%) (%) (%) pH (mS/cm)
PVAY 01 240609 8166919 2531 65.6 24 10.4 0.58 8.33 0.27
PVAY 02 239851 8166824 2511 63.6 24 12.4 0.35 7.99 0.39
PVAY 03 239698 8166056 2581 63.6 24 12.4 0.18 8.09 0.17
PVAY 04 239030 8166265 2566 61.6 23 15.4 0 7.71 0.63
PVAY 05 238776 8166738 2485 63.6 23 13.4 0.62 8.15 0.25
PVAY 06 237424 8167403 2523 67.6 21 11.4 0.57 8.14 0.49
PVAY 07 236409 8168042 2503 61.6 26 12.4 0.25 8.26 0.15
PVAY 08 235897 8168607 2488 49.6 33 17.4 4.65 8.16 1.84
PVAY 09 235407 8168935 2473 49.6 33 17.4 3.87 8.13 1.58
PVAY 10 234899 8169542 2459 51.6 31 17.4 0.78 8.17 0.54
Continuacin
Ca Mg K Na BT CIC
Cdigo MOS N P K
(meq/ (meq/ (meq/ (meq/ (meq/ (meq/ %
muestra (%) (%) (ppm) (ppm )
100 gs) 100 gs) 100 gs) 100 gs) 100 gs) 100 gs) SB
PVAY 01 1.15 0.06 13.17 420 6.07 1.25 0.82 0.26 8.4 8.4 100
PVAY 02 1.08 0.05 3.92 420 6.65 1.32 0.74 0.39 9.1 9.1 100
PVAY 03 1.05 0.05 13.08 480 6.5 1.34 0.76 0.4 9 9 100
PVAY 04 0.88 0.045 1.83 390 7.66 1.44 0.87 0.43 10.4 10.4 100
PVAY 05 1.1 0.058 7.59 690 7.07 1.38 0.75 0.3 9.5 9.5 100
PVAY 06 0.95 0.05 10.29 540 6.47 1.23 0.85 0.45 9 9 100
PVAY 07 0.93 0.048 7.94 990 6.48 1.27 1.99 0.26 10 10 100
PVAY 08 0.91 0.047 18.4 1440 10.84 2.15 1.82 0.39 15.2 15.2 100
PVAY 09 0.97 0.05 15.61 960 11.53 2.3 1.84 0.43 16.1 16.1 100
PVAY 10 0.74 0.04 14.56 930 10.41 2.14 1.85 0.4 14.8 14.8 100
44
Anexo N 3: Flujograma estadstico de eleccin de mtodo de interpolacin (Dalence, 2013a).
45
Anexo N 4: Estadstica descriptiva de las variables qumicas edafolgicas del rea agrcola de Yarabamba
Diciembre 2010 (Modelamiento) en software Microsoft Excel.
Estadstica pH CE MOS P K BT CIC SB
Valor Mximo 8.51 17.45 4.15 51.80 1,560.00 15.20 15.20 100.00
Valor Mnimo 7.35 0.15 1.56 5.12 232.50 7.40 7.40 100.00
Promedio 8.09 1.10 2.12 19.10 519.67 10.73 10.73 100.00
Mediana 8.11 0.43 2.02 15.61 465.00 9.60 9.60 100.00
Moda 8.14 0.30 1.83 14.65 465.00 8.60 8.60 100.00
1er Cuartil 7.95 0.30 1.83 12.24 360.00 8.75 8.75 100.00
3er Cuartil 8.24 0.74 2.24 23.68 585.00 13.65 13.65 100.00
Rango Intercuartlico 0.29 0.44 0.41 11.44 225.00 4.90 4.90 0.00
-1.5 di (Outliers) 7.52 -0.35 1.22 -4.93 22.50 1.40 1.40 100.00
-3 di (valor extremo) 7.08 -1.01 0.61 -22.09 -315.00 -5.95 -5.95 100.00
1.5 di (Outliers) 8.68 1.39 2.84 40.84 922.50 21.00 21.00 100.00
3 di (valor extremo) 9.11 2.04 3.45 58.00 1,260.00 28.35 28.35 100.00
Rango 1.16 17.30 2.59 46.68 1,327.50 7.80 7.80 0.00
Varianza 0.06 7.59 0.28 111.61 67,347.47 6.69 6.69 0.00
Desviacin Estndar 0.24 2.75 0.53 10.56 259.51 2.59 2.59 0.00
Coeficiente de Variacin de Pearson 0.03 2.51 0.25 0.55 0.50 0.24 0.24 0.00
Asimetra -0.22 0.29 0.55 0.42 0.21 0.82 0.82 0.00
Anexo N 5: Estadstica descriptiva de las variables qumicas edafolgicas del rea agrcola de Yarabamba
Noviembre 2013 (Validacin) en software Microsoft Excel.
Estadstica pH CE MOS P K BT CIC SB
Valor Mximo 8.33 1.84 1.15 18.40 1,440.00 16.10 16.10 100.00
Valor Mnimo 7.71 0.15 0.74 1.83 390.00 8.40 8.40 100.00
Promedio 8.11 0.63 0.98 10.64 726.00 11.15 11.15 100.00
Mediana 8.15 0.44 0.96 11.69 615.00 9.75 9.75 100.00
Moda #N/A #N/A #N/A #N/A 420.00 #N/A 9.00 100.00
1er Cuartil 8.10 0.26 0.92 7.68 435.00 9.03 9.03 100.00
3er Cuartil 8.17 0.61 1.07 14.21 952.50 13.70 13.70 100.00
Rango Intercuartlico 0.07 0.35 0.16 6.54 517.50 4.68 4.68 0.00
-1.5 di 8.00 -0.27 0.68 -2.13 -341.25 2.01 2.01 100.00
-3 di 7.90 -0.80 0.44 -11.93 -1,117.50 -5.00 -5.00 100.00
1.5 di 8.27 1.14 1.31 24.02 1,728.75 20.71 20.71 100.00
3 di 8.37 1.67 1.55 33.82 2,505.00 27.73 27.73 100.00
Rango 0.62 1.69 0.41 16.57 1,050.00 7.70 7.70 0.00
Varianza 0.03 0.35 0.01 28.01 119,160 8.87 8.87 0.00
Desviacin Estndar 0.17 0.59 0.12 5.29 345.20 2.98 2.98 0.00
Coeficiente de Variacin de Pearson 0.02 0.94 0.13 0.50 0.48 0.27 0.27 0.00
Asimetra #N/A #N/A #N/A #N/A 0.89 #N/A 0.72 0.00
46
Anexo N 6: Anlisis patrn de la ubicacin espacial de puntos de muestreo de variables qumicas

edafolgicas tomados en el ao 2010 del rea agrcola de Yarabamba.
Distance ProbAllPnt Prob1Pnt Prob2Pnt Prob3Pnt Prob4Pnt Prob5Pnt Prob6Pnt
1 15 0 0 0 0 0 0 0
2 16 0.0013 0.0513 0 0 0 0 0
3 18 0.0013 0.0513 0 0 0 0 0
4 20 0.0013 0.0513 0 0 0 0 0
5 22 0.0013 0.0513 0 0 0 0 0
6 24 0.0013 0.0513 0 0 0 0 0
7 27 0.0013 0.0513 0 0 0 0 0
8 30 0.0013 0.0513 0 0 0 0 0
9 33 0.0013 0.0513 0 0 0 0 0
10 36 0.0013 0.0513 0 0 0 0 0
11 39 0.0013 0.0513 0 0 0 0 0
12 43 0.0013 0.0513 0 0 0 0 0
13 47 0.0013 0.0513 0 0 0 0 0
14 51 0.0013 0.0513 0 0 0 0 0
15 56 0.0013 0.0513 0 0 0 0 0
16 62 0.0013 0.0513 0 0 0 0 0
17 68 0.0013 0.0513 0 0 0 0 0
18 75 0.0027 0.1026 0 0 0 0 0
19 82 0.004 0.1538 0 0 0 0 0
20 91 0.0054 0.2051 0 0 0 0 0
21 100 0.0054 0.2051 0 0 0 0 0
22 110 0.0054 0.2051 0 0 0 0 0
23 120 0.0054 0.2051 0 0 0 0 0
24 130 0.0054 0.2051 0 0 0 0 0
25 150 0.0067 0.2308 0.0256 0 0 0 0
26 160 0.0108 0.3333 0.0769 0 0 0 0
27 180 0.0108 0.3333 0.0769 0 0 0 0
28 200 0.0108 0.3333 0.0769 0 0 0 0
29 220 0.0135 0.4359 0.0769 0 0 0 0
30 240 0.0135 0.4359 0.0769 0 0 0 0
31 270 0.0175 0.5128 0.1282 0.0256 0 0 0
32 300 0.0243 0.641 0.2308 0.0513 0 0 0
33 330 0.0256 0.6667 0.2564 0.0513 0 0 0
34 360 0.0337 0.7692 0.3846 0.1282 0 0 0
35 390 0.0418 0.8974 0.4359 0.2051 0.0513 0 0
36 430 0.0594 0.9487 0.7179 0.359 0.2051 0.0256 0
37 470 0.0742 0.9487 0.8462 0.4872 0.359 0.1795 0
38 510 0.0864 0.9744 0.8974 0.6667 0.4615 0.2308 0.0513
39 560 0.1053 0.9744 0.9487 0.8205 0.6923 0.4103 0.1026
47
Continuacin
Distance ProbAllPnt Prob1Pnt Prob2Pnt Prob3Pnt Prob4Pnt Prob5Pnt Prob6Pnt
40 620 0.1296 0.9744 0.9744 0.8462 0.7436 0.5897 0.4615
41 680 0.139 0.9744 0.9744 0.8462 0.7949 0.641 0.5385
42 750 0.1484 0.9744 0.9744 0.8974 0.8205 0.7436 0.5641
43 820 0.1687 0.9744 0.9744 0.8974 0.8462 0.7949 0.7179
44 910 0.2011 1 1 0.9744 0.8974 0.8205 0.7949
45 1000 0.2294 1 1 0.9744 0.9487 0.8974 0.8718
46 1100 0.247 1 1 0.9744 0.9744 0.9231 0.8718
47 1200 0.2794 1 1 0.9744 0.9744 0.9744 0.9744
48 1300 0.2982 1 1 1 0.9744 0.9744 0.9744
49 1500 0.3387 1 1 1 0.9744 0.9744 0.9744
50 1600 0.3536 1 1 1 0.9744 0.9744 0.9744
51 1800 0.3995 1 1 1 1 1 0.9744
52 2000 0.4211 1 1 1 1 1 1
53 2200 0.4561 1 1 1 1 1 1
54 2400 0.4845 1 1 1 1 1 1
55 2700 0.5277 1 1 1 1 1 1
56 3000 0.5628 1 1 1 1 1 1
57 3300 0.5924 1 1 1 1 1 1
58 3600 0.6316 1 1 1 1 1 1
59 3900 0.6721 1 1 1 1 1 1
60 4300 0.7274 1 1 1 1 1 1
61 4700 0.7881 1 1 1 1 1 1
62 5100 0.834 1 1 1 1 1 1
63 5600 0.9015 1 1 1 1 1 1
64 6200 0.9609 1 1 1 1 1 1
65 6800 0.9879 1 1 1 1 1 1
66 7500 0.9973 1 1 1 1 1 1
67 8200 1 1 1 1 1 1 1
Min 15 0 0 0 0 0 0 0
Max 8200 1 1 1 1 1 1 1
Avg 1356.2 0.2249 0.5886 0.4948 0.4504 0.4282 0.4053 0.3858
StD 2026.3 0.3119 0.4238 0.4741 0.4735 0.4704 0.4658 0.4651
Sum 90865 15.0668 39.4361 33.1538 30.1797 28.6925 27.154 25.8464
48
Anexo N 7: Mapas Regionalizados de Variables Edafolgicas del ao 2010 del rea Agrcola del distrito
de Yarabamba, 2013.
Figura N 10: Mapa regionalizado de pH del Figura N 11: Mapa regionalizado de MOS.
suelo.
Figura N 12: Mapa regionalizado de CIC del Figura N 13: Mapa regionalizado de P
suelo. disponible.
49
Continuacin
Figura N 14: Mapa regionalizado de K Figura N 15: Mapa regionalizado de CE del

disponible. suelo.
50

AFI RAAB 2013 Final - 09dic2013

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

AFI RAAB 2013 Final - 09dic2013

Uploaded by

Copyright:

Available Formats

UNIVERSIDAD MAYOR DE SAN SIMN

Centro de Levantamientos Aeroespaciales

Evaluacin de la fertilidad qumica de suelos

Ing. Agr. Richard Alberto Aguilar Barriga

Ing. Agr. Richard Alberto Aguilar Barriga

Asignacin Final Individual (Trabajo de Grado) presentado al Centro de Levantamientos Aeroespaciales y

Comit de evaluacin del AFI

Centro de Levantamientos Aeroespaciales y Aplicaciones SIG para el Desarrollo Sostenible

Palabras clave: Metodologa de fertilidad, variables qumicas edafolgicas, interpolacin, Yarabamba.

A mi seora Madre, quien me dio el ser y me enseo a luchar incansablemente.

Al Centro de Levantamientos Aeroespaciales y Aplicaciones SIG para el Desarrollo Sostenible de los

A todos mis ms sinceros agradecimientos.

deterioro ambiental y la perdida de la fertilidad de suelos ha incidido en el abandono de las tierras

Tabla 1: Medidas descriptivas numricas y representaciones graficasen funcin de la escala de medida de

3.3.2. Valores atpicos (Outliers)

3.4.1.1. El coeficiente de determinacin

3.5. Variables qumicas edafolgicas

3.5.1. Acidez o alcalinidad (pH)

3.8.1.4. Moving surface (superficie mvil)

Figura N 3: flujograma de trabajo de la investigacin.

4.3.1. Anlisis exploratorio y de correlacin estadstica de datos

a) Anlisis exploratorio de datos y correlacin estadstica para determinar variables independientes.

4.3.3. Anlisis geoestadstico y regionalizacin de variables qumicas

representativo de la realidad (Moreno, 2012). Se calcula, como coeficiente de bondad de ajuste, el

Box plots pH Box plots CE (mS/cm) Box plots MOS (%)

Box plots CIC (meq/100 gs) Box plots SB (%)

(outsiders) ms que ser consecuencia de errores en el muestreo o en la determinacin de laboratorio, puede

5.1.3. Anlisis de correlacin estadstica

5.2. Modificacin del modelo de fertilidad qumica del IGAC (1995).

Baja 3.6 - 5.1 317.08 81.30% 50

Anexo N 3: Flujograma estadstico de eleccin de mtodo de interpolacin (Dalence, 2013a).

Estadstica pH CE MOS P K BT CIC SB

Estadstica pH CE MOS P K BT CIC SB

Anexo N 6: Anlisis patrn de la ubicacin espacial de puntos de muestreo de variables qumicas

Figura N 14: Mapa regionalizado de K Figura N 15: Mapa regionalizado de CE del

You might also like