Análisis de variación espacial de la fertilidad del suelo para la delimitación de zonas de manejo homogéneo en agricultura de precisión

Julio Galindo-Pacheco; Ruy Vargas-Díaz; Carlos Martínez-Niño; Clara Franco-Florez

doi:10.55996/dekamuagropec.v5i2.289

Autores/as

Julio Galindo-Pacheco Colombian Corporation for Agricultural Research - AGROSAVIA
Ruy Vargas-Díaz Colombian Corporation for Agricultural Research - AGROSAVIA
Carlos Martínez-Niño Universidad Nacional de Colombia
Clara Franco-Florez Colombian Corporation for Agricultural Research - AGROSAVIA

DOI:

https://doi.org/10.55996/dekamuagropec.v5i2.289

Palabras clave:

Agricultura de precisión, análisis de componentes principales, fertilidad del suelo, kriging, variabilidad espacial, variograma, zonas de manejo homogéneo

Resumen

Este estudio analizó la variabilidad espacial de la fertilidad del suelo en una parcela de 1440 m² en Mosquera, Colombia, para crear zonas de manejo homogéneas para la agricultura de precisión. Se recolectaron 480 muestras de suelo usando una cuadrícula de 3x1 m, analizando pH, conductividad eléctrica, fósforo, cationes intercambiables, microelementos y materia orgánica del suelo (MOS). El análisis de componentes principales (PCA) identificó la MOS, el pH y la conductividad eléctrica como indicadores clave para la zonificación. La interpolación Kriging mapeó estas propiedades, revelando una alta variabilidad. El modelo exponencial se ajustó mejor a los semivariogramas. El clustering difuso, basado en los umbrales de los indicadores, dividió la parcela en dos zonas, con una alta superposición entre las divisiones basadas en pH y MOS. Un modelo QUEFTS simuló el rendimiento de los cultivos, mostrando que la fertilización optimizada de N y K, basada en la zonificación, maximizó los rendimientos. El estudio demuestra la efectividad del uso de PCA y Kriging para crear zonas de manejo. La zonificación basada en MOS mejoró el manejo de la fertilización P y K, mientras que la zonificación basada en pH se enfocó en las diferencias de micronutrientes. Los resultados destacan el potencial de la agricultura de precisión para mejorar los rendimientos de los cultivos y la eficiencia de los recursos. Investigaciones futuras deberían incorporar las propiedades físicas del suelo y las variaciones climáticas para un manejo de zonas más completo.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Ameer, S., Cheema, M. J. M., Khan, M. A., Amjad, M., Noor, M., & Wei, L. (2022). Delineation of nutrient management zones for precise fertilizer management in wheat crop using geo‐statistical techniques. Soil Use and Management, 38(3), 1430–1445. https://doi.org/10.1111/sum.12813

Bai, J., Wang, N., Hu, B., Feng, C., Wang, Y., Peng, J., & Shi, Z. (2023). Integrating multisource information to delineate oasis farmland salinity management zones in southern Xinjiang, China. Agricultural Water Management, 289, 108559. https://doi.org/10.1016/j.agwat.2023.108559

Bai, L., Zhang, Y., Wang, M., He, Y., Ye, T., & Zhao, K. (2022). Spatial Heterogeneity of Selected Soil Nutrients Related to Torreya grandis cv. Merrillii Plantation in Southeastern China. Phyton, 91(10), 2221–2233. https://doi.org/10.32604/phyton.2022.021422

Chen, W., & Liu, G. (2024). A Novel Method for Identifying Crops in Parcels Constrained by Environmental Factors Through the Integration of a Gaofen-2 High-Resolution Remote Sensing Image and Sentinel-2 Time Series. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 17, 450–463. https://doi.org/10.1109/JSTARS.2023.3329987

D’Acunto, L., Iglesias, M. A., Poggio, S. L., & Semmartin, M. (2024). Land cover, plant residue and soil microbes as drivers of soil functioning in temperate agricultural lands. A microcosm study. Applied Soil Ecology, 193, 105133. https://doi.org/10.1016/j.apsoil.2023.105133

Deng, X., Huang, Y., Yuan, W., Zhang, W., Ciais, P., Dong, W., Smith, P., & Qin, Z. (2023). Building soil to reduce climate change impacts on global crop yield. Science of The Total Environment, 903, 166711. https://doi.org/10.1016/j.scitotenv.2023.166711

Giordani, P., Ferraro, M. B., & Serafini, A. (2022). fclust: Fuzzy Clustering. In CRAN: Contributed Packages. https://doi.org/10.32614/CRAN.package.fclust

Gomez Sanchez, M. I. (2011). Guia de Recomendación y Manejo de Nutrientes Febrero-2011 | Fertilizante | Calcio. https://es.scribd.com/document/382579143/Guia-de-Recomendacion-y-Manejo-de-Nutrientes-Febrero-2011

Haroon, Z., Cheema, M. J. M., Saleem, S., Amin, M., Anjum, M. N., Tahir, M. N., Hussain, S., Zahid, U., & Khan, F. (2023). Potential of Precise Fertilization through Adoption of Management Zones Strategy to Enhance Wheat Production. Land, 12(3), 540. https://doi.org/10.3390/land12030540

Jing, Y., Bi, R., Sun, W., Zhu, H., Ding, H., & Jin, H. (2024). Whether Wheat–Maize Rotation Influenced Soil Organic Carbon Content in Sushui River Basin. Land, 13(6), 859. https://doi.org/10.3390/land13060859

Liu, W., Lu, F., Chen, G., Xu, X., & Yu, H. (2021). Site-specific management zones based on geostatistical and fuzzy clustering approach in a coastal reclaimed area of abandoned salt pan. Chilean Journal of Agricultural Research, 81(3), 420–433. https://doi.org/10.4067/S0718-58392021000300420

McCormick, S., Jordan, C., & Bailey, J. S. (2009). Within and between-field spatial variation in soil phosphorus in permanent grassland. Precision Agriculture, 10(3), 262–276. https://doi.org/10.1007/s11119-008-9099-4

Mondal, B. P., Sahoo, R. N., Bandyopadhyay, K. K., Das, B., Arora, A., & Mukherjee, J. (2022). Assessment of spatial variability of soil available sulphur using geostatistical techniques in a part of deccan plateau of India. Journal of the Indian Society of Soil Science, 70(2), 237–242. https://doi.org/10.5958/0974-0228.2022.00023.8

Nyengere, J., Okamoto, Y., Funakawa, S., & Shinjo, H. (2023). Analysis of spatial heterogeneity of soil physicochemical properties in northern Malawi. Geoderma Regional, 35, e00733. https://doi.org/10.1016/j.geodrs.2023.e00733

Pántano, V. C., Holzman, M. E., Penalba, O. C., & Rivas, R. (2022). ENSO Signal on Subseasonal Precipitation Distribution and Soil Moisture Response in the Argentine Pampas. Pure and Applied Geophysics, 179(2), 879–896. https://doi.org/10.1007/s00024-022-02949-6

Pizarro, S., Pricope, N. G., Figueroa, D., Carbajal, C., Quispe, M., Vera, J., Alejandro, L., Achallma, L., Gonzalez, I., Salazar, W., Loayza, H., Cruz, J., & Arbizu, C. I. (2023). Implementing Cloud Computing for the Digital Mapping of Agricultural Soil Properties from High Resolution UAV Multispectral Imagery. Remote Sensing, 15(12), 3203. https://doi.org/10.3390/rs15123203

Ramzan, S., Nazir, S., Ashraf, I., Wani, M. A., Wani, Z. M., & Shafiq, M. ul. (2021). Management zone delineation and spatial distribution of micronutrients in cold-arid region of India. Environmental Monitoring and Assessment, 193(7), 433. https://doi.org/10.1007/s10661-021-09216-6

Salem, H. M., Schott, L. R., Piaskowski, J., Chapagain, A., Yost, J. L., Brooks, E., Kahl, K., & Johnson-Maynard, J. (2024). Evaluating Intra-Field Spatial Variability for Nutrient Management Zone Delineation through Geospatial Techniques and Multivariate Analysis. Sustainability, 16(2), 645. https://doi.org/10.3390/su16020645

Sattari, S. Z., van Ittersum, M. K., Bouwman, A. F., Smit, A. L., & Janssen, B. H. (2014). Crop yield response to soil fertility and N, P, K inputs in different environments: Testing and improving the QUEFTS model. Field Crops Research, 157, 35–46. https://doi.org/10.1016/j.fcr.2013.12.005

Tokumoto, I., Inoue, K., Koga, N., Noguchi, T., & Ishikawa, Y. (2023). Recovery of a salinized tomato field in a coastal polder after the 2016 Kumamoto Earthquake in Japan. Smart Agricultural Technology, 5, 100287. https://doi.org/10.1016/j.atech.2023.100287

Vasu, D., Singh, S. K., Sahu, N., Tiwary, P., Chandran, P., Duraisami, V. P., Ramamurthy, V., Lalitha, M., & Kalaiselvi, B. (2017). Assessment of spatial variability of soil properties using geospatial techniques for farm level nutrient management. Soil and Tillage Research, 169, 25–34. https://doi.org/10.1016/j.still.2017.01.006

Wang, G., Cissé, G., & Staunton, S. (2024). Changes in chemical fractionation of copper and zinc in soil as a function of incubation moisture content and organic matter amendments. Chemosphere, 351, 141198. https://doi.org/10.1016/j.chemosphere.2024.141198

Wang, L., Guo, M., Chen, Z., Zhang, X., Zhou, P., Liu, X., Qi, J., Wan, Z., Xu, J., & Zhang, S. (2024). Quantifying the contributions of factors influencing the spatial heterogeneity of soil aggregate stability and erodibility in a Mollisol watershed. CATENA, 239, 107941. https://doi.org/10.1016/j.catena.2024.107941

Yadav, K. K., Mali, N. L., Kumar, S., Surya, J. N., Moharana, P. C., Nogiya, M., & Meena, R. L. (2022). Assessment of soil quality and spatial variability of soil properties using geo-spatial techniques in sub-humid southern plain of Rajasthan, India. Journal of the Indian Society of Soil Science, 70(1), 69–85. https://doi.org/10.5958/0974-0228.2022.00004.4

Yang, R., Harrison, M. T., & Wang, X. (2023). Current State and Limiting Factors of Wheat Yield at the Farm Level in Hubei Province. Agronomy, 13(8), 2043. https://doi.org/10.3390/agronomy13082043

Yao Wang, Aurangzeib, M., & Zhang, S. (2022). Topography and Land Management Change the Heterogeneity of Soil Available Nitrogen in a Mollisol Watershed of Northeastern China. Eurasian Soil Science, 55(2), 200–211. https://doi.org/10.1134/S1064229322020132