Efectos de las variables ambientales en la estimación de materia orgánica del suelo a escala regional en un ambiente semiárido (Región de Murcia, España)

  1. Pedro Pérez Cutillas 1
  2. Gonzalo G. Barberá 2
  3. Carmelo Conesa García 1
  1. 1 Universidad de Murcia
    info

    Universidad de Murcia

    Murcia, España

    ROR https://ror.org/03p3aeb86

  2. 2 Consejo Superior de Investigaciones Científicas
    info

    Consejo Superior de Investigaciones Científicas

    Madrid, España

    ROR https://ror.org/02gfc7t72

Revista:
BAGE. Boletín de la Asociación Española de Geografía

ISSN: 0212-9426

Año de publicación: 2017

Número: 75

Páginas: 175-191

Tipo: Artículo

DOI: 10.21138/BAGE.2497 DIALNET GOOGLE SCHOLAR lock_openDialnet editor

Otras publicaciones en: BAGE. Boletín de la Asociación Española de Geografía

Resumen

La estimación de valores edáficos mediante el empleo de técnicas de modelización espacial, basada en procesos y variables ambientales, es utilizada en este trabajo para analizar el efecto que tienen estas variables sobre la materia orgánica del suelo (MOS). La discusión es enormemente interesante por las conclusiones que se pueden extraer de las distintas implicaciones que ejercen los patrones ecológicos en su distribución y variabilidad espacial. En este estudio se ha utilizado una base de datos de 1126 muestras de materia orgánica en capa arable del suelo en la Región de Murcia (SE de España), con el fin de estimar el contenido de la MOS a escala regional (más de 10000 km2 ) mediante el uso de 21 variables ambientales como predictores. Entre las variables más influyentes destacan las asociadas al relieve (i.e. la pendiente, las curvaturas del terreno), la acumulación de flujo vinculada a las redes de drenaje, la precipitación, la radicación solar y ciertos índices específicos obtenidos mediante técnicas de teledetección, como el NDVI o el Índice Mineralógico de Arcillas CMI.

€ Ver financiación

Información de financiación

Se han publicado recientemente diversos trabajos que proporcionan modelos eficien-tes de predicción del contenido de materia orgánica en las capas superficiales del suelo, relacionando el carbono orgánico con atributos extraídos de un MDE (pendiente, curva-turas,…) y de mapas de suelos (Meersmans et al., 2009; Schwanghart and Jarmer, 2011; Doetterl et al., 2013). Desde un punto de vista conceptual, y en base a estos estudios, se han propuesto los cálculos para la estimación del contenido de la MOS a partir de variables ambientales El principal objetivo de esta información es servir de datos de entrada para modelizar procesos a escala regional y en su estado actual parece adecuado para ello, aun-que sea susceptible de posteriores mejoras.

Financiadores

Referencias bibliográficas

  • AKAIKE, H. (1974). «A new look at the statistical model identification». IEEE Transactions on Automatic Control, nº 19, 716-723.
  • ALBALADEJO, J., ORTIZ, R., GARCIA-FRANCO, N., NAVARRO, A.R., ALMAGRO, M., PINTADO, J.G. y MARTÍNEZ-MENA, M. (2013). «Land use and climate change impacts on soil organic carbon stocks in semi-arid Spain». Journal of Soils and Sediments, nº 13, 265-277
  • ALONSO-SARRÍA, F. (2007). Atlas Global de la Región de Murcia. La Verdad – CMM S.A. Murcia. http://www.atlasdemurcia.com/index.php/secciones/1/el-clima/3/
  • ÁLVAREZ ROGEL, J., ORTIZ SILLA, R. y ALCARAZ ARIZA, F. 2001. «Edaphic characterization and soil ionic composition influencing plant zonation in a semiarid Mediterranean salt marsh». Geoderma, nº 99, 81-98.
  • BEN-DOR, E. (2002). «Quantitative remote sensing of soil properties». Advances in Agronomy, nº 75, 173-243.
  • BEN-DOR, E., CHABRILLAT, S., DEMATTÊ, J.A.M., TAYLOR, G.R., HILL, J., WHITING, M.L. y SOMMER,S. (2009). «Using Imaging Spectroscopy to study soil properties». Remote Sensing of Environment, nº 113, 38-55.
  • BERHE, A.A.(2012). «Decomposition of organic substrates at eroding vs depositional landform positions». Plant and Soil, nº 350, 261–280.
  • BOIX-FAYOS, C., MARTÍNEZ-MENA, M., CALVO-CASES, A., CASTILLO, V. y ALBALADEJO, J. (2005). «Concise review of interrill erosion studies in SE Spain (Alicante and Murcia): Erosion rates and progress of knowledge from the 1980›s». Land Degradation and Development, nº 16, 517-528.
  • BOIX-FAYOS, C. MARTÍNEZ-MENA, M., PÉREZ CUTILLAS, P., DE VENTE, J., BARBERÁ, G.G., MOSCH, W., NAVARRO CANO, J.A., GASPAR, L. y NAVAS, A. (2015). «Carbon redistribution by erosion processes in an intensively disturbed catchment». Catena (en prensa).
  • BOU KHEIR, R., GREVE, M.H., BØCHER, P.K., GREVE, M.B., LARSEN, R. y MCCLOY, K.(2010). «Predictive mapping of soil organic carbon in wet cultivated lands using classification-tree based models: The case study of Denmark». Journal of Environmental Management, nº 91, 1150-1160.
  • BRADY, N.C. (1984). The nature and properties of soils. MacMillan Publishing Company. New York.
  • BRUS, D.J. y DE GRUIJTER, J.J. (1997). «Random sampling or geostatistical modelling? Choosing between design-based and model-based sampling strategies for soil». Geoderma, nº 80, 1–59.
  • BURROUGH, P.A., VAN GAANS, P.F.M. y HOOTSMANS, R. (1997). «Continuous classification in soil survey: Spatial correlation, confusion and boundaries». Geoderma, nº 77, 115-135.
  • BURROUGH, P.A. y MCDONNELL, R.A. (1998). Principles of geographical information systems. Oxford University Press, Oxford.
  • CAPEL-MOLINA, J.J. (2000). El clima de la Península Ibérica. Ariel Geografía, Barcelona. CHEN, F., KISSEL, D.E., WEST, L.T. and ADKINS, W. (2000). Field-scale mapping of surface soil organic carbon using remotely sensed imagery. Soil Science Society of America Journal, nº 64, 746-753.
  • CONFEDERACIÓN HIDROGRÁFICA DEL SEGURA (CHS).http://www.chsegura.es/chs/ cuenca/resumendedatosbasicos/marcoadministrativo/. Ministerio de Agricultura, Alimentación y Medio Ambiente. 2013.
  • CLAUSIUS, R. (1850). On the Motive Power of Heat, and on the Laws which can be deduced from it for the Theory of Heat. Poggendorff’s Annalen der Physick, LXXIX.
  • CONESA GARCÍA, C., y ALONSO SARRIA, F.(2006). El Clima de la Región de Murcia. En Conesa García, C. (Ed.), El Medio Físico de la Región de Murcia. Servicio de Publicaciones, Universidad de Murcia. Murcia, 95-127.
  • CROSTA, A.P., DE SOUZA FILHO, C.R., AZEVEDO, F. y BRODIE, C. (2003). «Targeting key alteration minerals in epithermal deposits in Patagonia, Argentina, using ASTER imagery and principal component analysis». International Journal of Remote Sensing, nº 24, 4233-4240.
  • DOBOS, E. y HENGL, T. (2009). Soil mapping applications. In: T. Hengl and H.I. Reuter editors, Geomorphometry, concepts, software and applications. Elsevier, New York, 461479.
  • DOETTERL, S., SIX, J., VAN WESEMAEL, B. y VAN OOST, K. (2012). «Carbon cycling in eroding landscapes: geomorphic controls on soil organic C pool composition and C stabilization». Global Change Biology, nº18, 2218–2232.
  • DOETTERL, S., STEVENS, A., VAN OOST, K., QUINE, T.A. y VAN WESEMAEL, B. (2013). «Spatially explicit regional-scale prediction of soil organic carbon stocks in cropland using environmental variables and mixed model approaches». Geoderma, nº 204205, 31-42.
  • DURY, S.A. (1987). Image Interpretation in Geology. Chapman & Hall. London. FAO. (1974). Soil Map of the World. Vol I.
  • FOX, G.A. y SABBAGH, G.J. (2002). Estimation of soil organic matter from red and nearinfrared remotely sensed data using soil line Euclidean techniques. Soil Science Society of America Journal, nº 66, 1922-1929.
  • FELICÍSIMO, A.M. y FERNÁNDEZ-CEPEDAL, G. (1984). «Estimación de la radiación solar incidente en laderas con pendiente y orientación variables». Studia Oecológica, nº 3, 267-283.
  • FU, P. y P. M. RICH. (2000). The Solar Analyst 1.0 Manual. Helios Environmental Modeling Institute (HEMI), USA.
  • GEISSER, S. y JOHNSON, W.M. (2006). Modes of Parametric Statistical Inference (Wiley Series in Probability and Statistics). Wiley-Interscience Ed.
  • GESSLER, P.E., MOORE, I.D., MCKENZIE, N.J. y RYAN, P.J. (1995). «Soil–landscape modelling and spatial prediction of soil attributes». Int. J. Geographical Information Systems, nº 4, 421–432.
  • GOBIN, A., CAMPLING, P. y FEYEN, J. (2001). «Soil-Landscape Modelling to Quantify Spatial Variability of Soil Texture». Phys. Chem. Earth (B), nº 26, 41-45.
  • GRACE, J. (2004). «Understanding and managing the global carbon cycle». Journal of Ecology, nº 92, 189-202.
  • GREVE, M.H., KHEIR, R.B., GREVE, M.B. y BØCHER, P.K. (2012). «Quantifying the ability of environmental parameters to predict soil texture fractions using regression-tree model with GIS and LIDAR data: The case study of Denmark». Ecol. Indic. nº 18, 1-10.
  • ICONA. Proyecto LUCDEME (Lucha contra la Desertificación del Mediterráneo) (1986). Mapa de suelos, escala 1:100.000. ICONA Ministerio de Agricultura, Pesca y Alimentación.
  • INSTITUTO NACIONAL DE ESTADÍSTICA (INE). http://www.ine.es/inebmenu/mnu_ entornofis.htm#1. Ministerio de Economía y Competitividad. 2013.
  • JENNY, H. 1941. Factors of soil formation: A system of quantitative pedology. McGrawHill, New York.
  • JONES, C., MCCONNELL, C., COLEMAN, K., COX, P., FALLOON, P., JENKINSON, D. y POWLSON, D. (2005). «Global climate change and soil carbon stocks, predictions from two contrasting models for the turnover of organic carbon in soil». Global Change Biology, nº 11, 154-166.
  • KIDNER, D., DOREY, M. y SMITH D. (1999). «What›s the point? Interpolation and extrapolation with a regular grid DEM». Proceedings of the 4th International Conference on GeoComputation.
  • LAGACHERIE, P., BAILLY, J.S., MONESTIEZ, P. y GOMEZ, C. (2012). «Using scattered hyperspectral imagery data to map the soil properties of a region». European Journal of Soil Science, nº 63, 110-119.
  • LAL, R., MAHBOUBI, A.A. y FAUSEY, N.R. (1994). «Long-term tillage and rotation effects onproperties of a central Ohio soil». Soil Science Society of America Journal, nº 58, 517-522.
  • LBI, (2013). Laboratorio de Biogeografía Informática.http://www.mncn.csic.es/ Menu/Investigacin/Serviciodeapoyoalainvestigacin/LabBiogeografaInformtica/ seccion=1258&idioma=es_ES.do. Museo Nacional de Ciencias Naturales. CSIC.
  • LIEß, M., GLASER, B. y HUWE, B. (2012). «Uncertainty in the spatial prediction of soil texture Comparison of regression tree and Random Forest models». Geoderma, nº 170, 7079.
  • LILLESAND, T.M., KIEFER, R.W. y CHIPMAN, J.W. (2004). Remote Sensing and Image Interpretation. Fifth edition. John Wiley & Sons, Inc., New York.
  • MARTÍNEZ-MENA, M., LÓPEZ, J., ALMAGRO, M., ALBALADEJO, J., CASTILLO, V., ORTIZ, R. y BOIX-FAYOS, C. (2012). «Organic carbon enrichment in sediments: Effects of rainfall characteristics under different land uses in a Mediterranean area». Catena, nº 94, 36-42.
  • MCBRATNEY, A.B., WEBSTER, R. y BURGESS, T.M. (1981). «The design of optimal sampling schemes for local estimation and mapping of regionalized variables-I. Theoryand method». Computers and Geosciences, nº 7, 331-334.
  • MCBRATNEY, A.B., MENDONÇA SANTOS, M.L. y MINASNY, B. (2003). «On digital soil mapping». Geoderma, nº 117, 3-52.
  • MCKENZIE, N.J. y RYAN, P.J. (1999). «Spatial prediction of soil properties using environmental correlation». Geoderma, nº 89, 67-94.
  • MEERSMANS, J., VAN WESEMAEL, B., DE RIDDER, F. y VAN MOLLE, M. (2009). «Modelling thethree-dimensional spatial distribution of soil organic carbon (SOC) at the regional scale (Flanders, Belgium)». Geoderma, nº 152, 43–52.
  • MILLENNIUM ECOSYSTEM ASSESSMENT (MEA). (2005). Ecosystems and Human Well-Being: Synthesis. Island Press, Washington.
  • MINASNY, B., y MCBRATNEY, A.B. (2008). «Regression rules as a tool for predicting soil properties from infrared reflectance spectroscopy». Chemom. Intell. Lab. Syst., nº 94, 72–74.
  • MINISTERIO DE MEDIO AMBIENTE (MMA) (2002-2012). Inventario Nacional de Erosión de Suelos. http://www.magrama.gob.es/es/biodiversidad/temas/inventariosnacionales/inventarionacional-de-erosion-de-suelos/.
  • MIRZAEE, S., GHORBANI-DASHTAKI, S., MOHAMMADI, J., ASADI, H. y ASADZADEH, F. (2016). «Spatial variability of soil organic matter using remote sensing data». Catena nº 145, 118-127.
  • MISHRA, U., LAI, R., LIU, D. y VAN MEIRVENNE, M. (2010). «Predicting the spatial variation of the soil organic carbon pool at a regional scale». Soil Science Society of America Journal, nº 74, 906–914.
  • MOORE, I.D., GRAYSON, R.B. y LANDSON, A.R.(1991). «Digital Terrain Modelling: A Review of Hydrological, Geomorphological, and Biological Applications». Hydrological Processes, nº 5, 3-30.
  • NADEU, E., BERHE, A.A., DE VENTE, J. y BOIX-FAYOS, C. (2012). «Erosion, deposition and replacement of soil organic carbon in Mediterranean catchments: A geomorphological, isotopic and land use change approach». Biogeosciences, nº 9, 1099-1111.
  • NASA – METI. (2013). ASTER GDEM. http://gdem.ersdac.jspacesystems.or.jp/. The Ministry of Economy, Trade and Industry of Japan (METI) and the National Aeronautics and Space Administration (NASA)
  • PAUSTIAN, K., LEVINE, E., POST, W.M. y RYZHOVA, I.M. (1997). «The use of models to integrate information and understanding of soil C at the regional scale». Geoderma, nº 79, 227-260.
  • POGGIO, L., GIMONA, A. y BREWER, M.J. (2013). «Regional scale mapping of soil properties and their uncertainty with a large number of satellite-derived covariates». Geoderma, nº 209-210, 1-14.
  • R CORE TEAM (2013). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. URL http://www.R-project.org/.
  • RAWLS, W., COSH, M., JACKSON, T. y NEMES, A. (2004). «Use of remotely sensed soil moisture to determine soil hydraulic properties». International Geoscience and Remote Sensing Symposium (IGARSS), nº 4, 2791-2794.
  • RICH, P. M., DUBAYAH,R., HETRICK, W.A. y SAVING, S.C. (1994). «Using Viewshed Models to Calculate Intercepted Solar Radiation: Applications in Ecology». American Society for Photogrammetry and Remote Sensing Technical Papers, 524–529.
  • SABINS JR, F.F. (1981). Geological applications and training in remote sensing. CORSE 81: the 1981 conference on remote sensing education, Lafayette, IN : 77-82.
  • SABINS JR, F.F. (1999). «Remote sensing for mineral exploration». Ore Geology Reviews, 157–183.
  • SCHULTEN, H.-R. y SCHNITZER, M. (1997). «Chemical model structures for soil organic matter and soils». Soil Science, nº 162, 115-130.
  • SCHWANGHART, W. y JARMER, T.(2011). «Linking spatial patterns of soil organic carbon to topography — a case study from south-eastern Spain». Geomorphology, nº 126, 252–263.
  • SHARMA, S.K., MOHANTY, B.P. y ZHU, J. (2006). «Including topography and vegetation attributes for developing pedotransfer functions». Soil Science Society of America Journal, nº 70, 1430-1440.
  • TARBOTON, D. G., BRAS, R. L. y RODRIGUEZ–ITURBE, I. (1991). «On the Extraction of Channel Networks from Digital Elevation Data». Hydrological Processes, nº 5, 81–100.
  • THOMPSON, J.A., BELL, J.C. y BUTLER, C.A. (2001). «Digital elevation model resolution: Effects on terrain attribute calculation and quantitative soil-landscape modeling». Geoderma, nº 100, 67-89.
  • TOWNSHEND, J.R.G., GOFF, T.E. y TUCKER, C.J. (1985). «Multitemporal dimensionality of images of Normalized Difference Vegetation Index at continental scales». IEEE Transactions on Geoscience and Remote sensing, nº 23, 888-895.
  • VAN BEERS, W.F.J. (1980). Soils and soil properties. In Drainage Principles and Applications.Vol. I. ILRI. Wageningen.
  • VRIELING, A. (2006). «Satellite remote sensing for water erosion assessment: A review». Catena, nº 65, 2-18.
  • VISCARRA-ROSSEL, R.A., WALVOORT, D.J.J., MCBRATNEY, A.B., JANIK, L.J. y SKJEMSTAD, J.O. (2006). «Visible, near infrared, mid infrared or combined diffuse reflectance spectroscopy for simultaneous assessment of various soil properties». Geoderma, nº 131, 59-75.
  • WANG, K., ZHANG, C. y LI, W. (2013). «Predictive mapping of soil total nitrogen at a regional scale: A comparison between geographically weighted regression and cokriging». Applied Geography, nº 42, 73-85
  • WANG, K., ZHANG, C., LI, W., LIN, J. y ZHANG, D.X. (2014). «Mapping soil organic matter with limited sample data using geographically weighted regression». Journal of Spatial Science, nº 59, 91-106
  • WESTERN, A.W., ZHOU, S.-L., GRAYSON, R.B., MCMAHON, T.A., BLÖSCHL, G. y WILSON, D.J. (2004). «Spatial correlation of soil moisture in small catchments and its relationship todominant spatial hydrological processes». Journal of Hydrology, nº 286, 113-134.
  • ZHANG, S., HUANG, Y., SHEN, C., YE, H. y DU, Y. (2012). «Spatial prediction of soil organic matter using terrain indices and categorical variables as auxiliary information». Geoderma, nº 171–172, 35–43.
  • ZENG, C., YANG, L., ZHU, A.-X., ROSSITER, D.G., LIU, J., LIU, J., QIN, C. y WANG, D. (2016). «Mapping soil organic matter concentration at different scales using a mixed geographically weighted regression method». Geoderma, nº 281, 69-82.
  • ZEVERBERGEN, L.W. y THORNE, C.R. (1987). «Quantitative Analysis of Land Surface Topography». Earth Surface Processes and Landforms, nº 12, 47–56.
Fuente de los datos: Dialnet