Estimación de la capacidad de retención de agua de suelos volcánicos en función de variables de fácil determinación a campo
Los suelos de la región andino Patagónica se desarrollan fundamentalmente a partir de cenizas y arenas volcánicas, lo que les otorga propiedades distintivas. el objetivo del presente trabajo fue generar modelos que permitan estimar las constantes hídri- cas (capacidad de campo (cc) y punto de marchi...
| Autores principales: | , , , , , |
|---|---|
| Formato: | Artículo |
| Lenguaje: | Español |
| Publicado: |
Asociación Argentina Ciencia del Suelo
2018
|
| Materias: | |
| Acceso en línea: | http://www.suelos.org.ar/sitio/volumen-36-numero-1-julio-2018/ http://hdl.handle.net/20.500.12123/3822 |
| _version_ | 1855483309488865280 |
|---|---|
| author | La Manna, Ludmila Andrea Tarabini, Manuela Gomez, Federico Antonio Noli, Pedro Agustín Vogel, Braian Buduba, Carlos Guillermo |
| author_browse | Buduba, Carlos Guillermo Gomez, Federico Antonio La Manna, Ludmila Andrea Noli, Pedro Agustín Tarabini, Manuela Vogel, Braian |
| author_facet | La Manna, Ludmila Andrea Tarabini, Manuela Gomez, Federico Antonio Noli, Pedro Agustín Vogel, Braian Buduba, Carlos Guillermo |
| author_sort | La Manna, Ludmila Andrea |
| collection | INTA Digital |
| description | Los suelos de la región andino Patagónica se desarrollan fundamentalmente a partir de cenizas y arenas volcánicas, lo que les otorga propiedades distintivas. el objetivo del presente trabajo fue generar modelos que permitan estimar las constantes hídri- cas (capacidad de campo (cc) y punto de marchitez permanente (PmP)) en suelos volcánicos, en función de variables de fácil determinación a campo: clase textural estimada al tacto y test de fluoruro de sodio (naF), el cual permite estimar la presencia de aluminosilicatos no cristalinos. Los datos fueron analizados mediante modelos de regresión cuadrática, considerando la clase textural como variable ordinal independiente (x) y las constantes hídricas como variables dependientes. Se obtuvieron los siguientes modelos cuadráticos de regresión: Para suelos con reacción negativa al naF (i.e., sin aluminosilicatos no cristalinos) (n = 132); cc = 47,18 – 4,09 * x + 0,13 * x2 (r2 = 0,52); PmP = 30,46 – 3,52 * x + 0,13 * x2 (r2 = 0,53); Para suelos con reacción positiva al naF (i.e., con aluminosilicatos no cristalinos) (n = 211); cc = 35,50 + 1,26 * x – 0,23 * x2 (r2 = 0,25); PmP = 21,53 + 0,29 * x – 0,13 * x2 (r2 = 0,37); siendo x el código ordinal de clase textural: 1 = arcilloso; 2 = arcillo limoso; 3 = franco arcillo limoso; 4 = arcillo arenoso; 5 = franco arcilloso; 6 = limoso; 7 = franco limoso; 8 = franco arcillo arenoso; 9 = franco; 10 = franco arenoso; 11 = areno franco; 12 = arenoso. Los modelos desarrollados presentaron un ajuste estadísticamente significativo, y tienen la practicidad de sólo necesitar datos de campo, fácilmente obtenibles. |
| format | Artículo |
| id | INTA3822 |
| institution | Instituto Nacional de Tecnología Agropecuaria (INTA -Argentina) |
| language | Español |
| publishDate | 2018 |
| publishDateRange | 2018 |
| publishDateSort | 2018 |
| publisher | Asociación Argentina Ciencia del Suelo |
| publisherStr | Asociación Argentina Ciencia del Suelo |
| record_format | dspace |
| spelling | INTA38222018-11-08T12:52:26Z Estimación de la capacidad de retención de agua de suelos volcánicos en función de variables de fácil determinación a campo La Manna, Ludmila Andrea Tarabini, Manuela Gomez, Federico Antonio Noli, Pedro Agustín Vogel, Braian Buduba, Carlos Guillermo Suelo Volcánico Retención de Agua por el Suelo Ceniza Modelos de Simulación Volcanic Soils Soil Water Retention Ashes Simulation Models Región Patagónica Los suelos de la región andino Patagónica se desarrollan fundamentalmente a partir de cenizas y arenas volcánicas, lo que les otorga propiedades distintivas. el objetivo del presente trabajo fue generar modelos que permitan estimar las constantes hídri- cas (capacidad de campo (cc) y punto de marchitez permanente (PmP)) en suelos volcánicos, en función de variables de fácil determinación a campo: clase textural estimada al tacto y test de fluoruro de sodio (naF), el cual permite estimar la presencia de aluminosilicatos no cristalinos. Los datos fueron analizados mediante modelos de regresión cuadrática, considerando la clase textural como variable ordinal independiente (x) y las constantes hídricas como variables dependientes. Se obtuvieron los siguientes modelos cuadráticos de regresión: Para suelos con reacción negativa al naF (i.e., sin aluminosilicatos no cristalinos) (n = 132); cc = 47,18 – 4,09 * x + 0,13 * x2 (r2 = 0,52); PmP = 30,46 – 3,52 * x + 0,13 * x2 (r2 = 0,53); Para suelos con reacción positiva al naF (i.e., con aluminosilicatos no cristalinos) (n = 211); cc = 35,50 + 1,26 * x – 0,23 * x2 (r2 = 0,25); PmP = 21,53 + 0,29 * x – 0,13 * x2 (r2 = 0,37); siendo x el código ordinal de clase textural: 1 = arcilloso; 2 = arcillo limoso; 3 = franco arcillo limoso; 4 = arcillo arenoso; 5 = franco arcilloso; 6 = limoso; 7 = franco limoso; 8 = franco arcillo arenoso; 9 = franco; 10 = franco arenoso; 11 = areno franco; 12 = arenoso. Los modelos desarrollados presentaron un ajuste estadísticamente significativo, y tienen la practicidad de sólo necesitar datos de campo, fácilmente obtenibles. Soils in Patagonian Andean Region are developed mainly from volcanic ashes and they have distinct properties. We aimed to develop models in order to estimate Field capacity (FC) and Permanent Wilting Point (PWP) in volcanic soils, using easily measured variables: soil textural class and Fieldes test, which allows detecting non-crystalline aluminosilicates. Data were analyzed with second order regression models, considering textural class as ordinal independent variable (x) and FC and PWP as dependent variables. The following regression models were developed: For soils with negative Fieldes test (i.e., without non-crystalline aluminosilicates) (N = 132): FC = 47,18 – 4,09 * x + 0,13 * x2 (R2 = 0,52) PWP = 30,46 – 3,52 * x + 0,13 * x2 (R2 = 0,53) For soils with positive Fieldes test (i.e., with non-crystalline aluminosilicates) (N = 211): FC = 35,50 + 1,26 * x – 0,23 * x2 (R2 = 0,25) PWP = 21,53 + 0,29 * x - 0,13 * x2 (R2 = 0,37) x = code for textural class: 1 = clay; 2 = silty clay; 3 = silty clay loam; 4 = sandy clay; 5 = clay loam; 6 = silt; 7 = silt loam; 8 = sandy clay loam; 9 = loam; 10 = sandy loam; 11 = loamy sand; 12 = sand. These models showed significant fit, and are a useful tool based on readily available field data. EEA Esquel Fil: La Manna, Ludmila Andrea. Universidad Nacional de la Patagonia San Juan Bosco. Facultad de Ingeniería. Centro de Estudios Ambientales Integrados; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina Fil: Tarabini, Manuela. Universidad Nacional de la Patagonia San Juan Bosco. Facultad de Ingeniería. Centro de Estudios Ambientales Integrados; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina Fil: Gomez, Federico Antonio. Universidad Nacional de la Patagonia San Juan Bosco. Facultad de Ingeniería. Centro de Estudios Ambientales Integrados; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria Esquel; Argentina Fil: Noli, Pedro Agustín. Universidad Nacional de la Patagonia San Juan Bosco. Facultad de Ingeniería. Centro de Estudios Ambientales Integrados; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina Fil: Vogel, Braian. Universidad Nacional de la Patagonia San Juan Bosco. Facultad de Ingeniería. Centro de Estudios Ambientales Integrados; Argentina Fil: Buduba, Carlos Guillermo. Universidad Nacional de la Patagonia San Juan Bosco. Facultad de Ingeniería. Centro de Estudios Ambientales Integrados; Argentina. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria Esquel; Argentina 2018-11-08T12:50:02Z 2018-11-08T12:50:02Z 2018-07 info:ar-repo/semantics/artículo info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion http://www.suelos.org.ar/sitio/volumen-36-numero-1-julio-2018/ http://hdl.handle.net/20.500.12123/3822 0326-3169 1850-2067 spa info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) application/pdf Asociación Argentina Ciencia del Suelo Ciencia del Suelo (Argentina) 36 (1) : 23-29. (2018) |
| spellingShingle | Suelo Volcánico Retención de Agua por el Suelo Ceniza Modelos de Simulación Volcanic Soils Soil Water Retention Ashes Simulation Models Región Patagónica La Manna, Ludmila Andrea Tarabini, Manuela Gomez, Federico Antonio Noli, Pedro Agustín Vogel, Braian Buduba, Carlos Guillermo Estimación de la capacidad de retención de agua de suelos volcánicos en función de variables de fácil determinación a campo |
| title | Estimación de la capacidad de retención de agua de suelos volcánicos en función de variables de fácil determinación a campo |
| title_full | Estimación de la capacidad de retención de agua de suelos volcánicos en función de variables de fácil determinación a campo |
| title_fullStr | Estimación de la capacidad de retención de agua de suelos volcánicos en función de variables de fácil determinación a campo |
| title_full_unstemmed | Estimación de la capacidad de retención de agua de suelos volcánicos en función de variables de fácil determinación a campo |
| title_short | Estimación de la capacidad de retención de agua de suelos volcánicos en función de variables de fácil determinación a campo |
| title_sort | estimacion de la capacidad de retencion de agua de suelos volcanicos en funcion de variables de facil determinacion a campo |
| topic | Suelo Volcánico Retención de Agua por el Suelo Ceniza Modelos de Simulación Volcanic Soils Soil Water Retention Ashes Simulation Models Región Patagónica |
| url | http://www.suelos.org.ar/sitio/volumen-36-numero-1-julio-2018/ http://hdl.handle.net/20.500.12123/3822 |
| work_keys_str_mv | AT lamannaludmilaandrea estimaciondelacapacidadderetenciondeaguadesuelosvolcanicosenfunciondevariablesdefacildeterminacionacampo AT tarabinimanuela estimaciondelacapacidadderetenciondeaguadesuelosvolcanicosenfunciondevariablesdefacildeterminacionacampo AT gomezfedericoantonio estimaciondelacapacidadderetenciondeaguadesuelosvolcanicosenfunciondevariablesdefacildeterminacionacampo AT nolipedroagustin estimaciondelacapacidadderetenciondeaguadesuelosvolcanicosenfunciondevariablesdefacildeterminacionacampo AT vogelbraian estimaciondelacapacidadderetenciondeaguadesuelosvolcanicosenfunciondevariablesdefacildeterminacionacampo AT budubacarlosguillermo estimaciondelacapacidadderetenciondeaguadesuelosvolcanicosenfunciondevariablesdefacildeterminacionacampo |