Upload
food-and-agriculture-organization-of-the-united-nations
View
265
Download
0
Embed Size (px)
Citation preview
SISLAC II – INTRODUCCIÓN AL SISTEMA DE INFORMACIÓN DE SUELOS DE
LATINOAMÉRICA (parte II) - CARTOGRAFÍA DIGITAL DE SUELOS, el caso del Carbono
Maria de Lourdes Mendonça-SantosPh.D. em Suelos y GeomáticaMiembro del GTIS, GSP/FAO
EMBRAPA – CNPS- Centro Nacional de Investigación en Suelos, Brazil
• Contacto de personas y instituciones de LAC• Créación de la Red LAC de “Sueleros” – La Carta de Rio• 19 paises, 59 participantes (puntos focales)• Inventario de Suelos de los paises• Datos de Suelos con diferentes formatos, métodologias, etc.• Dados sensillos para los países 1
Specifications Version 1 GlobalSoilMap.net
products
Release 2.1
These specifications are expected to remain valid for a period of 2 years from the date of
endorsement
Date of Endorsement: July xx, 2011
Set/2011
Open to all governments, relevant stakeholders and organizations.
Secretariat will implement the GSP through Regional Partnerships (hosted at FAO; part of its funding from FAO’s regular program).
ITPS- 27 high level scientists providing scientific & technical advice
to GSP & FAO. (selected and appointed through country
representatives to FAO).
Alianza Mundial para el Suelo
Cooperación entre la Organización de las
Naciones Unidas para la Agricultura y la
Alimentación (FAO) y la Empresa Brasileña de
Investigación Agropecuaria (Embrapa /Embrapa
Suelos), con la colaboración del Instituto Nacional de TecnologíaAgropecuaria (INTA) de
Argentina
Hacia El Sistema de Información de Suelos de Hacia El Sistema de Información de Suelos de Latinoamerica FASE IILatinoamerica FASE II
Carta de Acuerdo entre FAO e EMBRAPA. Financiamiento de la FAO para contribuir al desarrollo del Sistema de Información de Suelos de ALC (actividades dentro del proceso a largo plazo).
Objetivo: desarrollo de capacidades en cartografía digital de suelos en 20 países de ALC, a través de ‘‘capacitación en el trabajo’’.
Desarrollo de un toolbox de capacitación en cartografía digital de suelos
Implementación de la capacitación presencial y no presencialGeneración de mapas de propiedades de suelos usando MDS (de acuerdo con la disponibilidad de datos)
Capacitar investigadores de los países de Latinoamérica y Caribe en Cartografía Digital
de Suelos, utilizando softwares libres: R (para las análises estadísticas) y SAGA GIS (para las
análises de GIS)
Objectivo
Los Instructores:
• Maria de Lourdes Mendonça-Santos – Embrapa Solos, Brasil•Gustavo Vasques – Embrapa Solos, Brasil•Jesus Mansilla Bacca – Embrapa Solos, Brasil•Ricardo Dart – Embrapa Solos, Brasil•Guillermo Olmedo – INTA, Argentina
Primer Curso Presencial – Septiembre 2012 Fue usada la modalidad de confección de “presentaciones expositivas” de cada módulo con scripts para los ejercicios prácticos y datos correspondientes.
Para el Curso a Distancia fueron elaborados videos, que acompañaban dados y scripts, para cada módulo y fue mantenido el mismo contenido del Primer Curso Presencial. Los módulos fueron los siguientes:
a.Introducción a la Cartografía Digital de Suelos – Teoría (2 h) b. Introducción al R – Teoría y Práctica (2 h) c. Introducción al SAGA-GIS - Práctica (1 h) d. Preparación de covariables ambientales – Práctica (1.5 h)e. Integración de los datos de suelos con las covariables ambientales – Práctica (2 h) f. Organización, calidad y análisis exploratorio de datos – Teoría (1.5 h) g. Análisis exploratorio de datos – Práctica (2.5 h) h. Modelado paramétrico – Teoría (1.5 h)i.Modelado paramétrico: regresión lineal – Práctica (2.25 h)j. Modelado no paramétrico: redes neuronales artificiales – Teoría y Práctica (2 h) k. Modelado no paramétrico: árbol de regresión – Teoría y Práctica (1.75 h) l. Introducción a la geoestadística – Teoría (1.5 h) m. Kriging de los residuos del modelo lineal – Práctica (2.25 h)n. Producción de mapas del C del suelo utilizando los modelos generados – Práctica (1 h) o. Análisis de la incertidumbre de los modelos y mapas – Teoría (1.25 h) p. Análisis de la incertidumbre de los modelos y mapas – Práctica (1.75 h)
Para el Segundo Curso Presencial – Noviembre 2013 - fue empleada la modalidad “exposiciones mínimas necesarias” y asistencia (tutoría) por parte de los instructores teniendo el siguiente contenido:a. “Función de profundidad” - Teoría y Práctica (2 h) b. Flujo de los siguientes procesos (30 h)- Preparación de los atributos usando la “Función de profundidad” - Preparación de las covariables y su integración con los datos de suelos - Modelado con regresión lineal de atributo del suelo y covariables - Determinación de los residuos y aplicación del modelado geoestadístico - Predicción del atributo empleando las covariables y los parámetros determinados - Producción del mapa del atributo.
El Contenido
En 1886 - Dokuchaev hypothesis : S = f ((naturaleza del material del origen (contenido y estructura), clima, vegetación, edad, topografía))
Vasily Docuchaev y Sergey ZakharovVasily Docuchaev y Sergey Zakharov
La difusión: H. Jenny, 1941, El modelo Cl.O.R.P.T.La difusión: H. Jenny, 1941, El modelo Cl.O.R.P.T.
El modelo cuantitativo digital El modelo cuantitativo digital S.C.O.R.P.A.NS.C.O.R.P.A.N. .
(McBratney, Mendonça-Santos y Minasny, Geoderma,2003)(McBratney, Mendonça-Santos y Minasny, Geoderma,2003)
Sc,p = f (s.c.o.r.p.a.n) + ɛ
Year Event
1883 The Dokuchaev postulate
1899 The Dokuchaev equation
1886 The Dokuchaev hypothesis
1927 The Zakharov equation
Translation of the Dokuchaev hypothesis into English
The First International Congress of Soil Science
1930 The Shaw equation
1941 The Wilde equation
The Jenny equation - ClORPT
2003 SCORPAN model
La cronología de los acontecimientos La cronología de los acontecimientos relacionados con la hipótesis de Dokuchaevrelacionados con la hipótesis de Dokuchaev
I.V. Florinsky. The Docuchaev Hypothesis as a basis for predict ive Digital Soil Mapping . Eurasian Soil Science, 2012, Vol.45, No. 4, pp. 445-451
Como hacer MDS (Mapeo Digital de Suelos)?Como hacer MDS (Mapeo Digital de Suelos)?- Presupuestos:- Presupuestos:
Prediciendo valores en lugares no medidos, a través del uso de datos medidos, covariantes ambientales y funciones matemáticas.
Valores conocidos
Valores no conocidos
Técnicas de Predicción Espacial en PEDOMETRIATécnicas de Predicción Espacial en PEDOMETRIA
1. Métodos Clásicos
(Cl.o.r.p.t)
2. Métodos Geoestadísticos
3. Métodos Híbridos
Combinación de 1 y 2
(S.c.o.r.p.a.n+kriging)
ClORPT Híbrido Geoestatístico
Mapa Digital de clase y/o de propiedades de
suelosM
odelos Empíricos
,
Determ
inístico
Modelos E
stocástico+
Determ
inísticos Mod
elos
Em
píric
os,
Est
ocás
ticos
McBratney et al., (2000) - Geoderma, 97 : 293-327
DSM - PresupuestosDSM - Presupuestos
Datos de Suelos(Descr. Perfiles,
Laboratorio, sensores)
Datos Auxiliares(Imágenes, Uso Actual,
MNT e Derivadas, Litologia, Geomorfologia,
Suelos...)
Sistema Espacialde Inferência
de Solo (modelagem e predição espacial de variáveis de solo)
DSM de Propiedads de Suelo (pH, textura, Carbono, N,P,K,...)
DSM de Clases de Suelo (tipos
de suelo, clase de textura, color...
Aplicaciones del Modelo
Mendonça-Santos et al., (2007) – Boletim de Pesquisa – Embrapa Solos Mendonça-Santos et al., (2008) In:Digital Soil Mapping with limited data, 2008
Sc,p = f (s.c.o.r.p.a.n) + e
PTFs
DSM - PresupuestosDSM - PresupuestosS – Suelo (mapas, perfiles)
C – Clima (temperatura...)
Img. satélite
O – Mapas de Uso del Suelo,
NDVI, Biomasa
R – MNT + DerivadasAltitud
Aspecto
Pendiente
Perfil de Curvatura
Curvatura de la Superfície
Índice de humedad (CTI)
P – Litología
A – Edad (pedogénesis)
N – Localización espacial (X,Y)
Modelos de regresión lineal
Modelos lineales generalizados
Modelos aditivos generalizados
Modelos de Árboles – clasificación y regresión
Redes Neurales Artificiales Sistemas de Lógica Fuzzy
Sistemas (conocimiento) Expert
(f)
1
Specifications Version 1 GlobalSoilMap.net
products
Release 2.1
These specifications are expected to remain valid for a period of 2 years from the date of
endorsement
Date of Endorsement: July xx, 2011
BrasilCovariables ambientales:
Alt i tud (Elevacao) Declividad de la pendiente(Slope)
Orientación de la pendiente(Aspecto) Curvatura dela
pendiente(Curvatura) Curvatura plana (Curvatura_plana)
Curvatura del perf i l (Curvatura_perf i l)
Índice Topográf ico de Humedad (CTI)
Media anual de precipitación (Precipit_media_ano)
Media anual de temperatura (Temp_media_ano)
Valores de las bandas 1, 2, 3, 4, 5, 6 y 7 de la imagen Modis
(MODIS_Band1…7) Índice de Vegetación por
Diferencia Normalizada de la imagen Modis(NDVI)
- 9 mil perf i les de suelos
Equipo da Embrapa Solos:M.L. Mendonça Santos (coord.)
Jesus Mansilla BacaGustavo Vasques
Ricardo dart
Método de Regresión Lineal Múltiple para cada profundidad:lm(formula = log(Carb_0_5) ~ sqrt(Elevacao) + Curvatura_perfil + Precipit_media_ano + Temp_media_ano^2 + log10(MODIS_Band1) + MODIS_Band2 + log(MODIS_Band4) -1, data = da[which(da$TV == "T"), ])
lm(formula = log(Carb_5_15) ~ sqrt(Elevacao) + Curvatura_perfil + Precipit_media_ano +Temp_media_ano^2 + log10(Banda1_Modis) + Banda2_Modis + log(Banda4_Modis) -1, data = da[which(da$TV == "T"), ])
lm(formula = log(Carb_15_30) ~ Temp_media_ano^2 + Precipit_media_ano + Banda1_Modis + Banda2_Modis + Banda5_Modis + Banda6_Modis + NDVI + Aspecto + log(Elevacao) -1, data = da[which(da$TV == "T"), ])
Flujograma general del proceso de generación de mapas.
1) Generar covariablesambientales
SAGA
2) Cruzar covariables con
perfiles de suelosSAGA
4) Hacer join entre horizontes artificiales de propiedades del suelo y covariables ambientales
EXCEL
3) Generar horizontes artificiales de
propiedades del suelo a 3 profundidades
R Studio
Datos
•Modelo Digital de Elevación•Imagen Landsat
•Perfiles de suelos•Covariablesambientales
•Horizontes de suelos con profundidad mínimaymáxima
•Horizontes artificiales•Perfiles con covariables
1
Procesos, software
Mapas de covariables: Aspect, normalizad vegetación index,
Banda1, Banda2, etc
Salidas
Perfiles de suelos con atributos de las
covariablesambientales
Grid en formato texto
Horizontes artificiales de propiedades del
suelo a profundidades requeridas
Horizontes de propiedades del suelo a 3 profundidades, con
datos de covariables
De aquí en adelante el proceso habrá de repetirse las veces que resulten de: propiedades x 3 profundidades
1) Generar covariablesambientales
SAGA
2) Cruzar covariables con
perfiles de suelosSAGA
4) Hacer join entre horizontes artificiales de propiedades del suelo y covariables ambientales
EXCEL
3) Generar horizontes artificiales de
propiedades del suelo a 3 profundidades
R Studio
Datos
•Modelo Digital de Elevación•Imagen Landsat
•Perfiles de suelos•Covariablesambientales
•Horizontes de suelos con profundidad mínimaymáxima
•Horizontes artificiales•Perfiles con covariables
1
Procesos, software
Mapas de covariables: Aspect, normalizad vegetación index,
Banda1, Banda2, etc
Salidas
Perfiles de suelos con atributos de las
covariablesambientales
Grid en formato texto
Horizontes artificiales de propiedades del
suelo a profundidades requeridas
Horizontes de propiedades del suelo a 3 profundidades, con
datos de covariables
De aquí en adelante el proceso habrá de repetirse las veces que resulten de: propiedades x 3 profundidades
5) Hacer análisis exploratorio y depurar datos
R Studio
6) Generar modelo de la tendencia global por
propiedad y profundidadR Studio
8) Generar mapas por propiedad y profundidad
SAGA
7) Aplicar kriging de los residuos por propiedad y
profundidadR Studio
Horizontes de propiedades del
suelo a 3 profundidades,
con datos de covariables
•Variables del modelo•Horizontes de propiedades del suelo clasificados en de validación (20%) y Calibración (80%)
•Tabla datos de calibración del modelo (horizontes que se utilizarán)•Grid en formato texto, creado en paso 2
•Fórmula del modelo de RLM (paso 6)•Mapas de covariables(Paso 1)•Mapa grid de resíduoskrigeados•Tabla datos de validación del modelo
•Gráficos de propiedades del suelo•Selección preliminar de variables del modelo de RLM•Horizontes de propiedades del suelo depurados de datos nulos o incompletos
•Fórmula del modelo de RLM•Tabla datos de calibración del modelo (horizontes que se utilizarán)•Tabla datos de validación del modelo (datos testigo)
•Mapa grid de resíduoskrigeados•Tabla de residuos
Mapas de propiedades del suelo a 3
profundidadesMapa vectorial de
puntos para análisis incetidumbre
15) Hacer análisis exploratorio y
depurar datosR Studio
6) Generar modelo de la tendencia global por
propiedad y profundidadR Studio
8) Generar mapas por propiedad y profundidad
SAGA
7) Aplicar kriging de los residuos por propiedad y
profundidadR Studio
Horizontes de propiedades del
suelo a 3 profundidades,
con datos de covariables
•Variables del modelo•Horizontes de propiedades del suelo clasificados en de validación (20%) y Calibración (80%)
•Tabla datos de calibración del modelo (horizontes que se utilizarán)•Grid en formato texto, creado en paso 2
•Fórmula del modelo de RLM (paso 6)•Mapas de covariables(Paso 1)•Mapa grid de resíduoskrigeados•Tabla datos de validación del modelo
•Gráficos de propiedades del suelo•Selección preliminar de variables del modelo de RLM•Horizontes de propiedades del suelo depurados de datos nulos o incompletos
•Fórmula del modelo de RLM•Tabla datos de calibración del modelo (horizontes que se utilizarán)•Tabla datos de validación del modelo (datos testigo)
•Mapa grid de resíduoskrigeados•Tabla de residuos
Mapas de propiedades del suelo a 3
profundidadesMapa vectorial de
puntos para análisis incetidumbre
1
El SALVADOR
Sol María Muñoz Aguillón (MARN)René Vicente Arévalo (CENTA)
8 Atributos del suelo x 3 profundidads
PARAGUAY
Y (g/kg) = 18.727 + (0.016*band4) + (183.232*catchment area) + (4204.920*profile curvature) – (2214.144*plan curvature) + (0.031*srtm) – (154.086*slope)
Los materiales uti l izados:
Armonización de los perf i les en profundidad a través de la función de profundidad (depth
funct ion R), para obtener el valor de C.org en las profundidads (0-5), (5-15), (15-30)…
Modelo digital de elevación MDE: (SRTM de la NASA, resol. espacial 90mts)
Mosaico de imágenes Landsat ETM+ (Landsat Geocover Mosaic, NASA), bandas 2,
4, 7. (resol. espacial original 14,25 mts). Información de suelos de la RENARE: 294 calicatas georeferenciadas con información
descript iva y analí t ica.
Modelo digital de elevación (MDE), desarrollado por la NASA, Imágenes LandSat ETM+; Capa geoespacial de la frontera del país, Perfiles de suelos descritos (310 puntos.)
VENEZUELA
Compromisos de SISLAC II
a. Preparación de un Paquete y Programa de Capacitación (Toolbox) en Cartografía Digital de Suelos – LISTO!
b. Capacitación en Cartografía Digital de Suelos – LISTO!
c. Generación de mapas de atributos de suelos (uti l izando técnicas de cartografía digital) en areas pi loto conforme a la disponibil idad de datos – Carbono (algunos países)
d. Envío de los mapas generados al CIAT para incorporación en el Sistema de Información de Suelos de Latinoamérica, SISLAC I – LISTO!
Los principales resultados del Acuerdo fueron alcanzados y más de 70 científicos tuvieron la oportunidad de capacitarse en
Cartografía Digital de Suelos a través de los cursos presenciales y a distancia;
Mapas de propiedades del suelo (principalmente carbono) fueron producidos en áreas de estudio de diferentes países, lo
que muestra el resultado positivo de la capacitación de los técnicos;
Sin embargo, algunas dificultades se presentaron relacionadas al entendimiento de conceptos básicos de (geo)estadística,
lenguaje de programación y sistemas de información geográfica. En el Segundo Curso Presencial tuve también impedimentos
debido a la organización de los datos de los países.
CONCLUSIONES
Participantes del Primer Curso Presencial en Cartografía Digital de Suelos
Verónica Isabel Sapino -Argentina
Hernán Figueredo Ticona - Bolivia
Priscila Andrea Carrasco Molina - Chi le
Ricardo Fabián Siachoque Bernal - Colombia
Albn Rosales Ibarra - Costa Rica
René Ricardo Montero Casa - Cuba
Sol María Muñoz Aguil lón - El Salvador
Augusto Rafael Gonzalez Art ieda - Ecuador
Rovoham Mardoqueo Monzón Miranda -
Guatemala
Glória Elizabeth Arevalo Valderrama -
Honduras
Efrain Lucrecio Acuña Espinal - Nicaragua
Lwonel Agudo Martínez - Panamá
Arnulfo Encina Rojas – Paraguay
Julio Cesar Nazario Rios – Perú
Amadeo Peti lu Escarramán Rodriguez -
Republica Dominicana
Martin Dell 'Acqua Pelufo – Uruguay
Victor Alir io Sevil la Linares - Venezuela
Participantes del Segundo Curso Presencial en Cartografía Digital de Suelos
Dario Martin Rodriguez – Argentina
Hernán Figueredo Ticona - Bolívia
Priscila Andrea Carrasco Molina - Chile
Carlos Enrique Castro Mendez - Colombia
Maryory Rodríguez Atehortúa – Colombia - CIAT
Araceli Castro – Colombia - CIAT
Albán Rosales Ibarra - Costa Rica
René Ricardo Montero Casas - Cuba
Sol María Muñoz Aguillón – El Salvador
Augusto Rafael Gonzalez Artieda - Ecuador
Rovoham Mardoqueo Monzón Miranda - Guatemala
Glória Elizabeth Arevalo Valderrama - Honduras
Gilberto Xix Ake - Mejico
Efrain Lucrecio Acuña Espinal - Nicaragua
Lwonel Agudo Martínez - Panamá
Arnulfo Encina Rojas - Paraguay
Julio Cesar Nazario Rios - Peru
Amadeo Petilu Escarramán Rodriguez – R.Dominicana
Sebastian Varela Quintela - Uruguay
Victor Alirio Sevilla Linares - Venezuela
Ronald Vargas - FAO
Maria de Lourdes Mendonça-Santos
Ph.D. Ciencia del Suelo y Geomatica
Embrapa Solos
El Carbono en Brasil: Metodología
Se utilizaron tres bases de datos y compilados de suelos disponibles: Embrapa Solos, SIPAM y ESALQ, que fueron analizados inicialmente para detectar errores manifiestos, tales como datos
repetidos, inconsistencias de valores de profundidas de los horizontes, datos fuera del dominio de valores de cada atributo, la falta de ubicación geográfica de los puntos de muestreo, etc.
Después de las correcciones, los solos de la hoja de datos llegaron unos 9.000 perfiles de suelo, cada uno compuesto por 3-5 horizontes, sendo que el número de horizontes utilizados en el
modelado variou para cada profundidad, dependiendo de la disponibilidad de datos. Esses datos fueron separados por bioma, en conjunto de treinamiento (80%0 y de validación (20%).
Para la estimativa de COS en las profundidas de COS 0-5, 5-15 y 15-30 cm, se utilizaron covariables ambientales relacionados con COS : datos climáticos (precipitación y temperatura),
biomas, imágenes de satélite (MODIS), el índice de vegetación por diferencia normalizada (NDVI) y el modelo de elevación digital de la Shuttle Radar Topography Mission (SRTM) con suyas
derivadas.
Los softwars utilizados fueran el SAGA GIS, ArcGIS, Access, Excel, Python y R. Se utilizó el método de modelo de regresión lineal múltiple en el que COS es una función de las
covariables ambientales. COS fue modelado por separado en cada profundidad utilizando los respectivos conjuntos de información. Mapas COS se generaron a tres profundidades a través de
píxel por píxel de COS de los modelos de regresión ajustados, siendo adoptados píxels de 1 km de resolución en función de la esclaa de algunas covariables utilizadas.
Los modelos fueron validados utilizando el 20% de los datos separados al azar y índices de incertitumbre utilizados ampliamente en MDS, como el coeficiente de determinación (R2) y el error
cuadrático medio (RMSE).