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

y los “alumnos, colegas de 20 países de América Latina y el

Caribe

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

Mapeo Digital de Suelos:

Introduccion y presupuestos

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

RESULTADOS DE LOS PAISES

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"), ])

ARGENTINA

CHILE

Carbono OrgánicoProfundidad 0-5 cmUnidad: g/kg

COSTA RICA

ECUADOR

ECUADOR

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

El SALVADOR

El SALVADOR

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

VENEZUELA

PERU

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

Lourdes.mendonca@embrapa.br

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).