Relación de la materia orgánica con índices espectrales en suelo dedicado al cultivo del arroz
Barra lateral del artículo
Contenido principal del artículo
Resumen
La determinación de la materia orgánica del suelo es una técnica que se ve afectada por el costo de los reactivos, del personal especializado y el tiempo requerido. Como herramienta factible para la determinación de esta propiedad química, se plantea el uso de teledetección a partir del procesamiento digital de imágenes y el cálculo de índices espectrales. La investigación tuvo como objetivo encontrar las relaciones del contenido de materia orgánica (MO) con los índices espectrales obtenidos mediante teledetección y, dada la relación de la MO con la fertilidad de un suelo, conocer su variabilidad espacial en un área dedicada al cultivo del arroz. Se realizó un muestreo sistemático en un área de 100 ha donde se seleccionaron 100 puntos georeferenciados a una distancia entre puntos de 100 m. Las muestras para la determinación del contenido de materia orgánica fueron extraídas a la profundidad entre 0-0,20 en un Vertisol Crómico. Los índices espectrales NDVI, SAVI y el ClayIndex CI se calcularon a partir de una imagen Landsat 9. Posteriormente fueron realizados análisis de regresión lineal entre éstos índices y el contenido de materia orgánica. Los valores medios de materia orgánica, NDVI y SAVI fueron de 3,81; 0,26 y 0,52% respectivamente. El valor medio para CI fue de 1,32. Se obtuvo que existe un alto coeficiente de determinación con valores cercanos al 100% y de correlación significativa entre los índices espectrales y el contenido de materia orgánica. El análisis de la variabilidad espacial de los valores de materia orgánica se realizó con el software Surfer 8 y el modelo que mejor ajustó el semivariograma experimental fue el exponencial. Los resultados alcanzados resultan promisorios para la estimación futura del contenido de materia orgánica a partir de los índices espectrales en un agroecosistema dedicado al arroz bajo las mismas condiciones edafoclimáticas de la zona.
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Aquellos autores/as que tengan publicaciones con esta revista, aceptan los términos siguientes:
- Los autores/as conservarán sus derechos de autor y garantizarán a la revista el derecho de primera publicación de su obra, el cuál estará simultáneamente sujeto a la Licencia Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0) que permite a terceros compartir la obra siempre que se indique su autor y su primera publicación esta revista. Bajo esta licencia el autor será libre de:
- Compartir — copiar y redistribuir el material en cualquier medio o formato
- Adaptar — remezclar, transformar y crear a partir del material
- El licenciador no puede revocar estas libertades mientras cumpla con los términos de la licencia
Bajo las siguientes condiciones:
- Reconocimiento — Debe reconocer adecuadamente la autoría, proporcionar un enlace a la licencia e indicar si se han realizado cambios. Puede hacerlo de cualquier manera razonable, pero no de una manera que sugiera que tiene el apoyo del licenciador o lo recibe por el uso que hace.
- NoComercial — No puede utilizar el material para una finalidad comercial.
- No hay restricciones adicionales — No puede aplicar términos legales o medidas tecnológicas que legalmente restrinjan realizar aquello que la licencia permite.
- Los autores/as podrán adoptar otros acuerdos de licencia no exclusiva de distribución de la versión de la obra publicada (p. ej.: depositarla en un archivo telemático institucional o publicarla en un volumen monográfico) siempre que se indique la publicación inicial en esta revista.
- Se permite y recomienda a los autores/as difundir su obra a través de Internet (p. ej.: en archivos telemáticos institucionales o en su página web) antes y durante el proceso de envío, lo cual puede producir intercambios interesantes y aumentar las citas de la obra publicada. (Véase El efecto del acceso abierto).
Citas
ALEXAKIS, D.D.; TAPOGLOU, E.; VOZINAKI, A.E.K.; TSANIS, I.K.: “Integrated use of satellite remote sensing, artificial neural networks, field spectroscopy, and GIS in estimating crucial soil parameters in terms of soil erosion”, Remote Sensing, 11(9): 1106, 2019, ISSN: 2072-4292, Publisher: MDPI, DOI: https://doi.org/10.3390/rs11091106.
ANGELOPOULOU, T.; BALAFOUTIS, A.; ZALIDIS, G.; BOCHTIS, D.: “From laboratory to proximal sensing spectroscopy for soil organic carbon estimation-A review”, Sustainability, 12(2): 443, 2020, ISSN: 2071-1050, Publisher: MDPI, DOI: https://doi.org/10.3390/su12020443.
AYOUBI, S.; SHAHRI, A.; KARCHEGANI, P.A.; SAHRAWAT, K.L.: Application of artificial neural network (ANN) to predict soil organic matter using remote sensing data in two ecosystems, Ed. InTech Rijeka, Croatia, vol. Biomass and Remote Sensing of Biomass, 181-196 p., 2011, ISBN: 978-953-307-490-0.
BOETTINGER, J.; RAMSEY, R.; BODILY, J.; COLE, N.; KIENAST-BROWN, S.; NIELD, S.; SAUNDERS, A.; STUM, A.: Landsat spectral data for digital soil mapping, Ed. Digital soil mapping with limited data Australia: Springer Scienc, A.E. Hartemink, A.B. McBratney, M.L. Mendonca-Santo ed., Australia, publisher: Springer, 2008, ISBN: 978-1-4020-8591-8.
BOGUNOVIC, I.; KISIC, I.; MESIC, M.; PERCIN, A.; CAÑIZARES, Z.J.; BILANDŽIJA, D.; JONJIC, A.; PEREIRA, P.: “Reducing sampling intensity in order to investigate spatial variability of soil pH, organic matter and available phosphorus using co-kriging techniques. A case study of acid soils in Eastern Croatia”, Archives of Agronomy and Soil Science, 63(13): 1852-1863, 2017, ISSN: 0365-0340, ublisher: Taylor & Francis, DOI: https://doi.org/10.1080/03650340.2017.1311013.
CAMBARDELLA, C.A.; MOORMAN, T.; NOVAK, J.; PARKIN, T.; KARLEN, D.; TURCO, R.; KONOPKA, A.: “Field‐scale variability of soil properties in central Iowa soils”, Soil science society of America journal, 58(5): 1501-1511, 1994, ISSN: 0361-5995, Publisher: Wiley Online Library, DOI: https://doi.org/10.2136/sssaj1994.03615995005800050033x.
CRESSIE, N.: “The origins of kriging”, Mathematical geology, 22: 239-252, 1990, ISSN: 0882-8121, Publisher: Springer, DOI: https://doi.org/10.1007/978-3-319-78999-6.
DENIS, A.; STEVENS, A.; VAN WESEMAEL, B.; UDELHOVEN, T.; TYCHON, B.: “Soil organic carbon assessment by field and airborne spectrometry in bare croplands: Accounting for soil surface roughness”, Geoderma, 226: 94-102, 2014, ISSN: 0016-7061, Publisher: Elsevier, DOI: https://doi.org/10.1016/j.geoderma.2014.02.015.
DORAN, J.W.; ZEISS, M.R.: “Soil health and sustainability: managing the biotic component of soil quality”, Applied soil ecology, 15(1): 3-11, 2000, ISSN: 0929-1393, Publisher: Elsevier, DOI: https://doi.org/10.1016/S0929-1393(00)00067-6.
DURDEVIC, B.; JUG, I.; JUG, D.; BOGUNOVIC, I.; VUKADINOVIC, V.; STIPESEVIC, B.; BROZOVIC, B.: “Spatial variability of soil organic matter content in Eastern Croatia assessed using different interpolation methods”, International Agrophysics, 33(1), 2019, ISSN: 0236-8722, Publisher: Polska Akademia Nauk. Instytut Agrofizyki PAN, DOI: https://doi.org/10.31545/intagr/104372.
GOMEZ, C.; ROSSEL, R.A.V.; MCBRATNEY, A.B.: “Soil organic carbon prediction by hyperspectral remote sensing and field vis-NIR spectroscopy: An Australian case study”, Geoderma, 146(3-4): 403-411, 2008, ISSN: 0016-7061, Publisher: Elsevier, DOI: https://doi.org/10.1016/j.geoderma.2008.06.011.
HERNÁNDEZ, J.A.; PÉREZ, J.J.M.; MESA, N.A.; BOSCH, I.D.; RIVERO, L.; CAMACHO, E.: Nueva versión de la clasificación genética de los suelos de Cuba., Ed. AGRINFOR, La Habana, Cuba, ISBN: 959-246-022-1, Barcaz L L ed., vol. I, La Habana, Cuba, 64 p., 2015, ISBN: 959-246-022-1.
HERNÁNDEZ-JIMÉNEZ, A.; PÉREZ-JIMÉNEZ, J.M.; BOSCH-INFANTE, D.; SPECK-CASTRO, N.: “La clasificación de suelos de Cuba: énfasis en la versión de 2015”, Cultivos Tropicales, 40(1), 2019, ISSN: 0258-5936, Publisher: Ediciones INCA.
HUETE, A.R.: “A soil-adjusted vegetation index (SAVI)”, Remote sensing of environment, 25(3): 295-309, 1988, ISSN: 0034-4257, Publisher: Elsevier, DOI: https://doi.org/10.1016/0034-4257(88)90106-X.
JIAN-BING, W.; DU-NING, X.; XING-YI, Z.; XIU-ZHEN, L.; XIAO-YU, L.: “Spatial variability of soil organic carbon in relation to environmental factors of a typical small watershed in the black soil region, northeast China”, Environmental monitoring and assessment, 121: 597-613, 2006, ISSN: 0167-6369, Publisher: Springer, DOI: https://doi.org/10.1007/s10661-005-9158-5.
JOKO-PRASETYO, S.Y.; DWI, K.; CHRISMAWATI-PASELENG, M.; WIDIYANTO, D.C.; WINARKO, E.: “Satellite imagery and machine learning for aridity disaster classification using vegetation indices”, Bulletin of Electrical Engineering and Informatics, 9(3): 1149-1158, 2020, ISSN: 2302-9285, DOI: https://doi.org/10.11591/eei.v9i3.1916.
JOURNEL, A.G.; HUIJBREGTS, C.J.: Mining geostatistics, Ed. Academic Press, London, England, 600 p., 1978.
KERRY, R.; OLIVER, M.: “Comparing sampling needs for variograms of soil properties computed by the method of moments and residual maximum likelihood”, Geoderma, 140(4): 383-396, 2007, ISSN: 0016-7061, Publisher: Elsevier, DOI: https://doi.org/10.1016/j.geoderma.2007.04.019.
LAL, R.: “Soil health and carbon management”, Food and Energy Security, 5(4): 212-222, 2016, ISSN: 2048-3694, Publisher: Wiley Online Library, DOI: https://doi.org/10.1002/fes3.96.
LAL, R.: “Soil organic matter content and crop yield”, Journal of Soil and Water Conservation, 75(2): 27A-32A, 2020, ISSN: 0022-4561, Publisher: Soil and Water Conservation Society, DOI: https://doi.org/10.2489/jswc.75.2.27A.
LAMICHHANE, S.; KUMAR, L.; WILSON, B.: “Digital soil mapping algorithms and covariates for soil organic carbon mapping and their implications: A review”, Geoderma, 352: 395-413, 2019, ISSN: 0016-7061, V, DOI: https://doi.org/10.1016/j.geoderma.2019.05.031.
LEGRÁ-LOBAINA, A.A.; ATANES-BEATÓN, D.M.: “Variogramas adaptativos: un método práctico para aumentar la utilidad del error de estimación por kriging”, Minería y Geología, 26(4): 53-78, 2010, ISSN: 1993-8012, Publisher: Instituto Superior Minero Metalúrgico de Moa’Dr Antonio Nuñez Jiménez’.
LIU, Z.; ZHOU, W.; SHEN, J.; HE, P.; LEI, Q.; LIANG, G.: “A simple assessment on spatial variability of rice yield and selected soil chemical properties of paddy fields in South China”, Geoderma, 235: 39-47, 2014, ISSN: 0016-7061, Publisher: Elsevier, DOI: https://doi.org/10.1016/j.geoderma.2014.06.027.
LÓPEZ-GRANADOS, F.; JURADO-EXPÓSITO, M.; PEÑA-BARRAGÁN, J.M.; GARCÍA-TORRES, L.: “Using geostatistical and remote sensing approaches for mapping soil properties”, European Journal of Agronomy, 23(3): 279-289, 2005, ISSN: 1161-0301, Publisher: Elsevier, DOI: https://doi.org/10.1016/j.eja.2004.12.003.
MIRZAEE, S.; GHORBANI-DASHTAKI, S.; MOHAMMADI, J.; ASADI, H.; ASADZADEH, F.: “Spatial variability of soil organic matter using remote sensing data”, Catena, 145: 118-127, 2016, ISSN: 0341-8162, Publisher: Elsevier, DOI: http://dx.doi.org/10.1016/j.catena.2016.05.023.
NORMA CUBANA (NC): Calidad del suelo-determinación de loscomponentes orgánicos. No. 1043. ICS: 13.080.10, 13.080.30, Inst. Oficina Nacional de Normalización, Norma cubana, La Habana, Cuba, 2014.
PRUDNIKOVA, E.; SAVIN, I.: “Some peculiarities of arable soil organic matter detection using optical remote sensing data”, Remote Sensing, 13(12): 2313, 2021, ISSN: 2072-4292, Publisher: MDPI, DOI: https://doi.org/10.3390/rs13122313.
RASEL, S.; GROEN, T.A.; HUSSIN, Y.A.; DITI, I.J.: “Proxies for soil organic carbon derived from remote sensing”, International journal of applied earth observation and geoinformation, 59: 157-166, 2017, ISSN: 1569-8432, Publisher: Elsevier, DOI: http://dx.doi.org/10.1016/j.jag.2017.03.004.
RAWASHDEH, A.S.B.: “Assessment of change detection method based on normalized vegetation index in environmental studies”, International Journal of Applied Science and Engineering, 10(2): 89-97, 2012, ISSN: 1727-7841, Publisher: Chaoyang University of Technology.
REEVES, D.: “The role of soil organic matter in maintaining soil quality in continuous cropping systems”, Soil and Tillage Research, 43(1-2): 131-167, 1997, ISSN: 0167-1987, Publisher: Elsevier, DOI: https://doi.org/10.1016/S0167-1987(97)00038-X.
REZA, S.; NAYAK, D.; CHATTOPADHYAY, T.; MUKHOPADHYAY, S.; SINGH, S.; SRINIVASAN, R.: “Spatial distribution of soil physical properties of alluvial soils: a geostatistical approach”, Archives of agronomy and soil science, 62(7): 972-981, 2016, ISSN: 0365-0340, Publisher: Taylor & Francis, DOI: https://doi.org/10.1080/03650340.2015.1107678.
ROMANYÀ, J.; ROVIRA, P.: “An appraisal of soil organic C content in Mediterranean agricultural soils”, Soil Use and Management, 27(3): 321-332, 2011, ISSN: 0266-0032, Publisher: Wiley Online Library, DOI: https://doi.org/10.1111/j.1475-2743.2011.00346.x.
ROUSE, J.W.; HAAS, R.H.; SCHELL, J.A.; DEERING, D.W.: Monitoring vegetation systems in the Great Plains with ERTS, Third ERTS Symposium, NASA SP-351 ed., vol. NASA SP-351, 309-371 p., 1974, ISBN: 30103017.
SANKAR-GOURI., G.; KUMAR-SHIT, P.; REZA-POURGHASEMI, H.: “Soil organic carbon mapping using remote sensing techniques and multivariate regression model”, Geocarto International, 34(2): 215-226, 2019, ISSN: 1010-6049, Publisher: Taylor & Francis, DOI: https://doi.org/10.1080/10106049.2017.1381179.
SEIDEL, E.J.; OLIVEIRA, M.S.: “Novo índice geoestatístico para a mensuração da dependência espacial”, Revista Brasileira de Ciência do Solo, 38: 699-705, 2014, ISSN: 1806-9657, Publisher: SciELO Brasil, DOI: https://doi.org/10.1590/S0100-06832014000300002
SEIDEL, E.J.; OLIVEIRA, M.S.: “A classification for a geostatistical index of spatial dependence”, Revista Brasileira de Ciência do Solo, 40, 2016, ISSN: 1806-9657, Publisher: SciELO Brasil.
SHIBU, M.; LEFFELAAR, P.; VAN KEULEN, H.; AGGARWAL, P.: “Quantitative description of soil organic matter dynamics-A review of approaches with reference to rice-based cropping systems”, Geoderma, 137(1-2): 1-18, 2006, ISSN: 0016-7061, Publisher: Elsevier, DOI: https://doi.org/10.1016/j.geoderma.2006.08.00.
SODANGO, T.H.; SHA, J.; LI, X.; NOSZCZYK, T.; SHANG, J.; ANESEYEE, A.B.; CHAFIK, Z.: “Modeling the spatial dynamics of soil organic carbon using remotely-sensed predictors in Fuzhou city, China”, Remote Sensing, 13(9): 1682, 2021, ISSN: 2072-4292, Publisher: MDPI, DOI: https://doi.org/10.3390/rs1309168.
WALKLEY, A.; BLACK, I.A.: “An examination of the Degtjareff method for determining soil organic matter, and a proposed modification of the chromic acid titration method”, Soil science, 37(1): 29-38, 1934, ISSN: 0038-075X, Publisher: LWW, DOI: https://doi:10.1097/00010694-193401000-00003.
WANG, X.; ZHANG, F.; JOHNSON, V.C.: “New methods for improving the remote sensing estimation of soil organic matter content (SOMC) in the Ebinur Lake Wetland National Nature Reserve (ELWNNR) in northwest China”, Remote Sensing of Environment, 218: 104-118, 2018, ISSN: 0034-4257, Publisher: Elsevier, DOI: https://doi.org/10.1016/j.rse.2018.09.020.
WILDING, L.: “Spatial variability: its documentation, accomodation and implication to soil surveys”, En: Soil spatial variability, Las Vegas NV, 30 November-1 December 1984, Netherlands, pp. 166-194, 1985, ISBN: 90-220-0891-6.
XU, X.; DU, C.; MA, F.; QIU, Z.; ZHOU, J.: “A Framework for High-Resolution Mapping of Soil Organic Matter (SOM) by the Integration of Fourier Mid-Infrared Attenuation Total Reflectance Spectroscopy (FTIR-ATR), Sentinel-2 Images, and DEM Derivatives”, Remote Sensing, 15(4): 1072, 2023, ISSN: 2072-4292, Publisher: MDPI, DOI: https://doi.org/10.3390/rs15041072.