Generación de una metodología de caracterización remota de suelos mediante un modelo predictivo, Región de Coquimbo, Chile

Abstract

La clasificación remota de suelos es una técnica que puede resultar de gran utilidad para generar una aproximación fidedigna de la realidad de este recurso, especialmente en condiciones donde la información es escasa, parcializada, o inexistente. Este es el caso de la Región de Coquimbo, Chile, donde una amplia superficie no ha sido clasificada en detalle en cuanto a sus suelos, tal que solo en sus valles agrícolas se han realizado estudios de carácter agrológico. En este contexto, en el presente trabajo se propuso clasificar los suelos de la Región de Coquimbo según el sistema de Clases de Capacidad de Uso de suelos. Para este fin, se utilizaron Sistemas de Información Geográfica y Percepción Remota para generar los insumos necesarios para ejecutar la clasificación. Se consideraron los siguientes factores de formación de suelos: Material Parental, mediante el uso de información espacializada de geología de la zona; Clima, a partir de datos de precipitaciones y temperaturas; y Relieve, referido a las pendientes y Geoformas del paisaje, estas últimas determinadas por el método “Topographic Position Index” (TPI). Con esta información, se procedió a diseñar e implementar un Modelo experto de decisión, técnica que se vale del conocimiento experto en una disciplina para generar la regla de decisión.

El modelo dio como resultado una clasificación que abarcó un 93,09% de la superficie regional, donde el restante 6,91% fue considerado como inclusiones, por representar unidades espacialmente disgregadas y fuera de contexto. La clasificación incluyó dos categorías que agruparon suelos que no fueron asignables a una Clase de Capacidad de Uso particular, pero sí a un rango: categoría Clases I a IV, y categoría Clases VI a VIII. Del total de unidades clasificadas según Clases de Capacidad de Uso, los resultados fueron los siguientes: 0,62% correspondió a Clase I; 0,74% a Clase II; 1,05% a Clase III; 5,06% a Clase IV; 11,63% a Clase VI; 36,22% a Clase VII; 26,33% a Clase VIII; 6,61% para la categoría Clases I a IV y 4,27% para la categoría Clases VI a VIII. Posterior a la obtención de los resultados, se efectuó una validación en base a consulta a un experto, evaluándose siete puntos particulares. El resultado indicó cuatro puntos que no calzaron con la clasificación realizada, lo que se debió a que dos de estos últimos se encontraron dentro de inclusiones (puntos San Julián y Maitencillo) y un tercero en una condición con limitantes químicas (punto Huentelauquén), estas últimas fuera del ámbito de predicción del modelo.

Remote soil classification is a technique that can be useful to generate an accurate approximation of the reality of this resource, especially in spatial conditions where information is scarce, biased, or nonexistent. This is the case of the Coquimbo Region, Chile, where a large area has not been classified in detail about their soils; such that only in their agricultural valleys are soil survey studies. In this context, this work proposes soils classify of the Coquimbo Region according to Land Capability Classes system. To this goal, Geographic Information Systems (GIS) and Remote Sensing were used to generate the inputs needed to run a classification. The considered soil formation factors with this purpose were: Parental material, for which we used specialized geology information of the area; Climate, in terms of rainfall and temperature data; and Relief, based on landscape landforms, were considered using the Topographic Position Index (TPI) method. With this information, it was proceeded to design and implement a technical expert decision model, which uses expert knowledge in a discipline to generate the decision rule.

The model resulted in a classification which covered 93.09% of the region, where the remaining 6.91% was considered inclusions, because representing spatially disaggregated units out of context. The classification included two categories with soils that were not associated to a particular Land Capability Class, but were included in a range: Classes I to IV category and Classes VI to VIII category. On the total surface classified as Land Capability Classes, the results were as follows: 0.62 % was classified as Class I; 0.74% was Class II; 1.05% was Class III; 5.06% was Class IV; 11.63% was Class VI; 36.22% was Class VII; 26.33% was Class VIII; 6.61% was Classes I to IV category and 4.27% to Class VI to VIII category. Finally, a validation was performed based on expert criteria, evaluating seven specific points. Four points were not in agreement with the original result, which was due to two of the latter were within inclusions (San Julian and Maitencillo points) and a third point was a condition with chemical limiting condition (Huentelauquén point), outside the scope of model prediction.