PREDICCIÓN ESPACIAL DEL CARBONO ORGÁNICO EN SUELOS AGRÍCOLAS DE LA REGIÓN ORIENTAL DEL ESTADO GUÁRICO, VENEZUELA

Resumen

La materia orgánica del suelo juega un papel importante en los sistemas agrícolas, y, es uno de los principales indicadores de la calidad, salud y productividad del suelo. La información sobre la distribución de la materia orgánica es clave no solo para el manejo de la fertilidad del suelo sino también para estimar la reserva de carbono orgánico del suelo (COS). Además, el conocimiento de la distribución espacial de las reservas de carbono orgánico contribuye al manejo sostenible del uso de la tierra y al funcionamiento de los ecosistemas, y es muy importante como indicador de la calidad del suelo. Con la finalidad de conocer la variación espacial del carbono orgánico en suelos agrícolas, en este trabajo se utilizaron 2.179 muestras de suelo compuestas georreferenciadas, derivadas de muestreos realizados a 20 cm de profundidad, en distintas unidades de producción en la región Oriental del estado Guárico, Venezuela. Para la estimación de la reserva de COS, en este estudio se utilizó la cartografía digital del suelo (DSM) para predecir y evaluar la distribución espacial de COS utilizando métodos geoestadísticos avanzados como Kriging Bayesiano Empírico (KBE) y regresión kriging Bayesiano Empírico (RKBE), y el algoritmo de aprendizaje automático denominado bosques aleatorios (RF, random forest). En el proceso de interpolación por el método KEB se empleó la totalidad de los datos de carbono orgánico, con RKEB se utilizaron los datos de suelo y variables relacionadas con los factores formadores del suelo. Los resultados indicaron que los tres métodos son capaces de estimar la distribución espacial de la reserva de COS, con variaciones que oscilaron entre 7 y 62 t ha^-1 para el método de interpolación KBE, entre 2 y 67 t ha^-1 para RKBE, y entre 14 a 56 t ha^-1 para RF. El método RF mostró un menor error cuadrático medio (ECM) y el más bajo error estándar promedio (EEP). Además, la generación del modelo RF arrojó un R²=0,95 y la validación con el 10% de los datos arrojó un coeficiente de acuerdo de 0,83 lo cual corresponde con una alta consistencia del modelo. Puede concluirse que RF proporciona una mejor estimación y variabilidad espacial del COS; sin embargo, una mayor selección y elección de variables auxiliares y una mejor selección de los puntos de muestreo del suelo podrían mejorar la precisión de la predicción de RF.