Variabilidad espacial multivariada en variables de suelo y rendimiento a escala fina

CÓRDOBA, M.; BRUNO, C.; BALZARINI, M.

Córdoba

Jornada; V Jornadas Integradas de Investigación y Extensión; 2012

Facultad de Ciencias Agropecuarias. Universidad Nacional de Córdoba.

La utilización de nuevas tecnologías asociadas a la agricultura de precisión permite capturar datos georreferenciados en forma masiva. Las variables de suelo y rendimiento de los cultivos son intensamente medidas en diferentes sitios dentro del lote. Las correlaciones entre estas variables han sido evaluadas a través del análisis de componentes principales (ACP). No obstante, el ACP no ha sido desarrollado explícitamente para manipular los datos espaciales y las co-variaciones entre variables de suelo y rendimiento. Nuevas versiones de análisis multivariado permiten contemplar la autocorrelación espacial entre datos de sitios vecinos. En este trabajo comparamos el ACP con un método multivariado restringido espacialmente basado en el Índice de Moran (MULTISPATI-PCA). Los mismos son utilizados como herramientas para obtener variables sintéticas que luego son usadas en la identificación de zonas homogéneas dentro del lote. Su uso se ilustra en una base de datos en la que se compilaron valores georreferenciados de conductividad eléctrica aparente (CE) [mS m-1] en dos profundidades 0-30 cm (CE30) y 0-90 cm (CE90), elevación [m], profundidad de tosca [cm] y rendimiento de soja y trigo [t ha-1], medidas en varios sitios dentro de un lote. Las variables sintéticas obtenidas por cada método se utilizaron como input del análisis de cluster fuzzy k-means (FKM) para identificar tres zonas homogéneas en sentido multivariado. Además, se utilizó el análisis de correlación canónica (ACC) para evaluar la relación entre las variables de rendimiento normalizado y las tres primeras componentes principales (CP), así como con las primeras tres componentes principales espaciales (CPe) del MULTISPATI-PCA de las variables de suelo. Se obtuvieron nuevas variables sintéticas de la primera correlación canónica significativa, tanto con el ACP (ACC-CP) y MULTISPATI-PCA (ACC-CPe). Las variables canónicas fueron posteriormente clasificadas en tres clases y usadas como otra manera de identificar zonas homogéneas dentro del lote. Finalmente, comparamos el rendimiento promedio entre las zonas homogéneas delimitadas por los diferentes métodos. Los resultados del ANAVA mostraron mayores diferencias de rendimiento promedio entre las zonas delimitadas con MULTISPATI-PCA aplicado a variables del suelo y con ACC-CPe. Además, estos métodos tuvieron menor variabilidad residual dentro de cada zona y consecuentemente menor error estándar para las medias ajustadas. Los resultados muestran que MULTISPATI-PCA y su combinación con ACC son herramientas útiles para mapear la variabilidad espacial de propiedades del suelo que se correlaciona con la variabilidad del rendimiento y la identificación de zonas homogéneas dentro del lote.