Agronomía Costarricense ISSN Impreso: 0377-9424 ISSN electrónico: 2215-2202

OAI: https://revistas.ucr.ac.cr/index.php/agrocost/oai
Interpolación de variables de fertilidad de suelo mediante el análisis Kriging y su validación
PDF

Palabras clave

geostatistics
gis in agriculture
agricooperatives
soil fertility
cross validation
field validation
geoestadística
sig en agricultura
cooperativas agrícolas
fertilidad de suelos
validación cruzada
validación de campo

Cómo citar

Henríquez, C., Méndez, J. C., & Masís, R. (2013). Interpolación de variables de fertilidad de suelo mediante el análisis Kriging y su validación. Agronomía Costarricense, 37(2). https://doi.org/10.15517/rac.v37i2.12763

Resumen

Con el fin de elaborar y validar los mapas de interpolación de 6 variables de fertilidad, se recolectaron y analizaron 138 muestras de suelo de 1011 ha en la zona de Atirro, Costa Rica. Los resultados fueron interpolados mediante el método geoestadístico Kriging ordinario para las variables Ca, pH, acidez, K, P y porcentaje de saturación de acidez. La validación de los mapas interpolados se llevó a cabo mediante las técnicas “validación de campo” y “validación cruzada”. Para ambas técnicas se estimó el coeficiente de correlación (r) entre los valores reales y los de predicción, así como la eficiencia de predicción (E). Adicionalmente se utilizaron 2 criterios para la validación, que fueron el porcentaje de acierto por traslape entre los valores reales y los estimados, según la incertidumbre del análisis de suelos y según un ámbito agronómico. Los coeficientes de correlación obtenidos entre los valores reales y los de predicción mediante la técnica de validación de campo variaron de 0,09 a 0,87, y para validación cruzada entre 0,52 y 0,84. Las variables Ca y pH fueron las que presentaron las mayores eficiencias de predicción para ambos métodos de validación. El criterio de traslape por la incertidumbre del análisis fue de 27 a 93% de acierto, mientras que por clase agronómica los resultados de verificación oscilaron de 47 a 93%, y en ambos casos la variable pH fue la que mayor porcentaje de acierto mostró. Al considerar los promedios generales, solo el valor de predicción para la variable K, estuvo levemente por debajo del valor de verificación. Se concluye que los mapas interpolados a escala regional, son una herramienta útil para predecir con un buen grado de acierto las propiedades de fertilidad de suelos; pese a ello, es importante un proceso de verificación para confirmar estas aproximaciones.
https://doi.org/10.15517/rac.v37i2.12763
PDF

Citas

BERTSCH F. 1995. Fertilidad de suelos y su manejo. San José, Costa Rica. Asociación Costarricense de la Ciencia del Suelo (ACCS). 157 p.

BERTSCH F., HENRÍQUEZ C., RAMÍREZ F., SANCHO F. 2002. Site-Specific nutrient management in the highlands of Cartago province. Better Crops International 16(1):16-19.

CLAY D.E., KITCHEN N., CARLSON C.G., KLEINJAN J., CHANG H. 2007. Using historical management to reduce soil sampling errors, pp. 49-64. In: D. Clay and F. Pierce (ed.). GIS Application in Agriculture. CRC Press.

CORRALES M., BERTSCH F., BEJARANO J. 2005. Los laboratorios de análisis de suelos y foliares en Costa Rica: Informe del Comité de Laboratorios de análisis de suelos, plantas y aguas. Agronomía Costarricense 29(3):125-135.

DIAZ R., HUNTER A. 1978. Metodologías de muestreo de suelos, análisis químico de suelos y tejido vegetal y de investigación en invernadero. Turrialba, Costa Rica. CATIE. 62 p.

GALLARDO A. 2006. Geostadística. Ecosistemas 15(3):48-58.

HENRÍQUEZ C., KILLORN R., BERTSCH F., SANCHO F. 2005. La geostadística en el estudio de la variación espacial de la fertilidad del suelo mediante el uso del interpolador kriging. Agronomía Costarricense 29(2):73-81.

MUELLER T.G. 2007. Map quality assessment for sitespecific fertility management, pp.103-120. In: D. Clay and F. Pierce (ed.). GIS Application in Agriculture. CRC Press.

PETERSEN G.W., BELL J.C., MCSWEENEY K., NIELSEN G.A., ROBERT P.C. 1995. Geographic information systems in agronomy. Advances in Agronomy 55:67-105.

ROBINSON T.P., METTERNICHT G. 2006. Testing the performance of spatial interpolation techniques for mapping soil properties. Computers and Electronics in Agriculture 50:97–108.

TOMCZAK M. 1998. Spatial interpolation and it uncertainty using automated anisotropic inverse distance weighting (IDW) cross validation-Jackknife approach. Journal of Geographic Information and Decision Analysis 2(2):18-30.

TRANGMAR B.B., Post R.S., Uehara G. 1985. Application of geostatistics to spatial studies of soil properties. Advances in Agronomy. 38:45-94.

USDA. 2010. Keys to Soil Taxonomy, 11th ed. USDA-Natural Resources Conservation Service, Washington, DC. 365 p.

VILLATORO M., HENRÍQUEZ C., SANCHO F. 2008. Comparación de los interpoladores IDW y Kriging en la variación espacial de pH, Ca, CICE y P del suelo. Agronomía Costarricense 32(1):95-105.

Comentarios

Descargas

Los datos de descargas todavía no están disponibles.