DSpace logo

Por favor, use este identificador para citar o enlazar este ítem: http://repositorio.utmachala.edu.ec/handle/48000/15157
Título : Distribución espacial de las propiedades físicas y de la curva de retención de humedad en suelos con cultivo de banano
Autor : Arias Erazo, Christian Andres
Director(es): Chabla Carrillo, Julio Enrique
Palabras clave : GEOESTADISTICA;GEOSTATISTICAL;WIZARD;INTERPOLACIÓN
Fecha de publicación : 2019
Editorial : Machala : Universidad Técnica de Machala
Citación : Arias Erazo, C. A. (2019) Distribución espacial de las propiedades físicas y de la curva de retención de humedad en suelos con cultivo de banano (trabajo de titulación). UTMACH, Unidad Académica de Ciencias Agropecuarias, Machala, Ecuador.
Descripción : El presente trabajo se llevó acabo en la Provincia de El Oro, ubicada al sur del Ecuador, en el cantón Pasaje, parroquia “La Peaña” en la finca “La Flor”, parroquia dedicada a la producción de banano. Las malas prácticas agrícolas han provocado alteraciones en ciertas propiedades físicas, de los suelos, así lo demuestra estudios realizados por Vásquez, Baena y Menjivar en el 2010 donde se evidencia una gran variabilidad de las propiedades Físicas en los primeros 25 cm del suelo. En el área de estudio se procedió a realizar un levantamiento planímetro de la finca con el uso de un GPS esta información geográfica se procesó en el software AutoCAD 2017 y se realizó un grilla de 75 * 75 m en donde se identificaron 15 puntos los cuales se realizaron calicatas tipo escalinata para obtener muestras que posteriormente fueron procesadas en el laboratorio de suelos de la Universidad Técnica de Machala de la facultad de ciencias agropecuarias desde 5 de abril hasta el 2 de mayo del año en curso donde se determinó la textura , densidad aparente, la densidad real. Las variable hidrofísicas capacidad de campo (CC), y punto de marchitez permanente (PMP) se las realizo en el laboratorio de suelos de la Universidad Estatal de Cuenca, con lo que se construyeron las curvas de retención de humedad. Además se elaboraron mapas de variabilidad espacial sintetizandolos en un solo documento donde se pueda interpretar de forma rápida el estado del suelo y definir el o los modelo geoestadístico (exponencial, circular, gauss y esférico del método de kriging) que mejor se adapta a la zona objeto de estudio mediante la utilización del coeficiente de correlación de pearson y el error medio cuadrado El análisis descriptivo de datos se utilizó el software IBM SPSS Estatistics 22 y para el análisis geoestadistico el software ArcMap10.5. En Microsoft Excel 2013 se elaboraron las tablas para calcular el coeficiente de Nassh-Sutcliffe, y las tablas donde se ingresaron las coordenadas geográficas de los 15 puntos más las observaciones de cada variable en las distintas profundidades de muestreo, estas tablas se las cargaron en ArMap 10.5 y se las analizaron mediante la herramienta Geostatistical Wizard donde se diseñaron los mapas de distribución de las propiedades físicas del suelo por el método de Kriging. Los modelos de semivariogramas utilizados fueron esférico, Gaussiano, Circular y exponencial, de los cuales fueron más precisos y eficiente los modelos de semivariograma exponencial y esférico en las distintas variables físicas a diversas profundidades, para la densidad aparente (Da), Porcentaje de porosidad el modelo que mejor se ajusto fue el esférico, en cuanto para Densidad real, porcentaje de limo y arena fue el exponencial en cuanto al porcentaje de las arcillas hubo 2 modelos que mejor se ajustaron el esférico y gaussiano ya que en términos generales presentaron coeficientes de correlación de Pearson y el coeficiente de Nash igual a 1, así mismo el error medio cuadrático fueron los más bajo, todas las variables estudiadas presentaron dependencia espacial fuerte (menor a 25% )
Resumen : The present work was carried out in the Province of El Oro, located in the south of Ecuador, in the canton of Pasaje, parish "La Peaña" in the farm "La Flor", parish dedicated to banana production. The bad agricultural practices have provoked alterations in certain physical properties, of the soils, thus it demonstrates it studies carried out by Vásquez, Baena and Menjivar in 2010 where a great variability of the Physical properties in the first 25 cm of the soil is evidenced. In the study area, a planimeter survey of the farm was carried out with the use of a GPS. This geographic information was processed in the AutoCAD 2017 software and a grid of 75 * 75 m was carried out, where 15 points were identified, which were made staircase type calicatas to obtain samples that were later processed in the soil laboratory of the Machala Technical University of the Faculty of Agricultural Sciences from April 5 to May 2 of the current year, where the texture, apparent density and real density were determined. The hydrophysical variables field capacity (CC), and permanent wilt point (PMP) were performed in the soil laboratory of the State University of Cuenca, with which moisture retention curves were constructed. In addition, maps of spatial variability were elaborated, synthesizing them into a single document where the state of the soil can be quickly interpreted and the geostatistical model or models defined (exponential, circular, gauss and spherical of the kriging method) that best adapts to the area under study through the use of the pearson correlation coefficient and the square average error. The descriptive analysis of data was used the IBM SPSS software Estatistics 22 and for the geostatistical analysis the ArcMap10.5 software. In Microsoft Excel 2013 the tables to calculate the Nassh-Sutcliffe coefficient were elaborated, and the tables where the geographical coordinates of the 15 points plus the observations of each variable in the different sampling depths were entered, these tables were loaded in ArMap 10.5 and analyzed by means of the Geostatistical Wizard tool where the distribution maps of the physical properties of the soil were designed by Kriging's method. The semivariogram models used were spherical, Gaussian, Circular and exponential, of which the exponential and spherical semivariogram models were more precise and efficient in the different physical variables at different depths, for apparent density (Da), Percentage of porosity the model that best fit was the spherical, as for real Density, percentage of silt and sand was the exponential as for the percentage of clays there were 2 models that better adjusted the spherical and Gaussian because in general terms they presented correlation coefficients of Pearson and the coefficient of Nash equal to 1, likewise the average quadratic error was the lowest, all the variables studied presented strong spatial dependence (less than 25%).
URI : http://repositorio.utmachala.edu.ec/handle/48000/15157
Aparece en las colecciones: Trabajo de Titulación Ingeniería Agronómica

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
DE00013_TRABAJODETITULACION.pdfDescripción bibliográfica del trabajo de titulación2,57 MBAdobe PDFVisualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons