06 APLICACIÓN DE TÉCNICAS GEOESTADÍSTICAS Y REDES NEURONALES ARTIFICIALES EN LA DELIMITACIÓN DE CLASES DE FERTILIDAD DE SUELOS

Resumen

La delimitación de áreas homogéneas con fines de manejo de suelos o para el establecimiento de  parcelas experimentales requiere del conocimiento de la variación de las propiedades del suelo y la interpretación basada en la dependencia espacial de las variables más relevantes. Con la finalidad de predecir la variación de propiedades y las clases de fertilidad del suelo se combinaron dos técnicas alternativas de análisis espacial y cartografía digital de suelos. La primera técnica corresponde a la aplicación del análisis geoestadístico para la interpolación de propiedades individuales del suelo de naturaleza química y física. La segunda técnica consistió en la aplicación de tecnologías de inteligencia artificial basada en un sistema de clasificación por redes neuronales artificiales, mediante el algoritmo FKCN (red de agrupamiento borroso de Kohonen o Fuzzy Kohonen Clustering Network), para la generación de un modelo digital de clases de fertilidad del suelo. En tal sentido, se realizó un muestreo superficial en 110 sitios en terrenos del Campo Experimental “El Rastro”, sector El Rastro, municipio Francisco de Miranda estado Guárico (Venezuela). Se analizaron diez variables del suelo: pH, conductividad eléctrica, materia orgánica, fósforo disponible, potasio asimilable, calcio y magnesio disponible, y las cantidades relativas de arena, limo y arcilla. Las variables medidas fueron interpoladas en cada punto de muestreo utilizando kriging ordinario y ajustadas mediante semivariogramas teóricos. Se utilizó un método inductivo para la obtención de las clases de fertilidad del suelo, y se obtuvo un modelo de clases de suelo basado en la integración de las variables. La confiabilidad de los mapas individuales de cada variable del suelo se realizó mediante validación cruzada, para corroborar la capacidad predictiva de las variables se aplicó un análisis de varianza, y para la valoración del modelo final se empleó estadística multivariada. El mapa digital de fertilidad indicó que en el área de estudio predominan siete clases de fertilidad, las cuales presentaron una confiabilidad equivalente al 80%, lo que indicó un alto grado de homogeneidad dentro de las clases de suelo delimitadas.