Uso de funciones de pedotransferencia para la estimación de … 6.pdf · · 2014-03-10del...

Zimmermann, E. D. y Basile, P. A., 2008. Uso de funciones de pedotransferencia para la estimación de parámetros hidráulicos en suelos limosos (LlanuraArgentina). Boletín Geológico y Minero, 119 (1): 71-80ISSN: 0366-0176

71

Uso de funciones de pedotransferencia para la estimación de parámetros hidráulicos en suelos

limosos (Llanura Argentina)E. D. Zimmermann y P. A. Basile

Dres. Ing., CONICET y Centro Universitario Rosario de Investigaciones Hidroambientales. Facultad de Ciencias Exactas, Ingeniería yAgrimensura. Universidad Nacional de Rosario. Riobamba 245 bis (2000) Rosario. Santa Fe. Argentina

e-mail: [email protected]

RESUMEN

En este trabajo se han utilizado diferentes procedimientos para estimar propiedades hidráulicas de suelos limosos, representativos de unsector de la llanura argentina, partiendo de información granulométrica, y de parámetros fisico-químicos disponibles en las cartas de sue-los de Instituto Nacional de Tecnología Agropecuaria (INTA). Se utilizaron valores de referencia característicos propuestos por Rawls etal., (1982), Carsel y Parrish (1988) y Zimmermann (2006a, 2006b) para las composiciones texturales de las 321 muestras analizadas, fun-ciones de pedotransferencia (FPT) incluidas en los códigos SOILPAR (Acutis y Donatelli, 2003) y Rosetta (Schaap et al., 1999) junto conregresiones lineales entre parámetros hidráulicos y físicos ajustadas con datos de UNSODA (Zimmermann y Basile, 2006, 2007). Los pro-nósticos se comparan con valores obtenidos mediante calibraciones de modelos matemáticos hidrológicos y resultados de ensayos com-pilados de estaciones de INTA. Se concluyó que los procedimientos que emplean las FPTs son los que mejor pronostican los parámetroshidráulicos, principalmente el código Rosetta. Desde un punto de vista hidrológico, se pudo simplificar el comportamiento del perfil desuelo en dos procesos principales: (a) la retención de humedad cuyo horizonte dominante es el “A” (franco limoso) y (b) la transmisióndel flujo vertical dominado por las características del “B” (arcilla limosa). En contraste a un buen pronóstico de valores medios de losparámetros hidráulicos para el conjunto de las muestras analizadas, el análisis individual de cada una, reveló una gran dispersión entrelos diferentes procedimientos empleados dando la pauta que los predictores se deben emplear con precaución.

Palabras clave: función de pedotransferencia, llanura argentina, parámetros hidráulicos, suelos limosos

Use of pedotransfer function for estimation of hydraulic parameters of silty soils

(Argentinean Flatlands)

ABSTRACT

In this work, different procedures have been used to estimate hydraulic properties of silty soils, representative of a sector of theArgentinean flatlands. It was used grain size, and physical-chemical information of soil maps printed by the National AgricultureTechnology Institute (INTA). Characteristic reference values (Rawls et al., 1982; Carsel and Parrish, 1988; Zimmermann 2006a, 2006b),pedotransfer functions (PTF) included in the codes SOILPAR (Acutis and Donatelli, 2003) and Rosetta (Schaap et al., 1999) together withlinear regressions among hydraulic parameters and physiques properties (Zimmermann and Basile, 2006, 2007) were used for 321 analy-zed samples of soils. Forecasts are compared with values obtained by calibrations of hydrological mathematical models and results offield data of INTA. Results showed that the procedures, which use PTFs had better prediction of hydraulic parameters, mainly the codeRosetta. From a hydrological point of view, it could be simplify the soil profile behavior in two main processes: (a) the retention of mois-ture which is handled by properties of horizon “A” (silty loam) and (b) the transmission of the vertical flow which is handled by charac-teristics of horizon "B" (silty clay). In contrast to a good forecast of average values of the hydraulic parameters, a great dispersion amongthe different used procedures was found. Consequently the methods should be used with caution.

Keywords: argentinean flatlands, hydraulic parameters, pedotransfer functions, silt soils

Introducción

El interés en la zona no saturada (ZNS) ha aumenta-do en los últimos años debido a la evidencia crecien-te de la afectación ambiental provocada por activida-des agrícolas e industriales. En este ambiente, los

modelos numéricos son rutinariamente usados eninvestigación y gestión para predecir el movimientode agua y solutos en la ZNS. Los resultados de lasaplicaciones sólo pueden ser confiables si las propie-dades del medio poroso son conocidas. Esto repre-senta la principal limitación a la tecnología actual de

ARTICULO 6:ART. El material tipo de la 5/8/08 16:34 Página 71

modelos sofisticados que se encuentra en un estadoavanzado con respecto al conocimiento de los pará-metros que engloban esos modelos. En trabajos decalibración de modelos hidrológicos continuos; se hademostrado la alta sensibilidad que presentan losprocesos subterráneos, observables en el sistemamediante los niveles freáticos, y los procesos hidro-lógicos superficiales, observables a través de volú-menes de escurrimiento, frente a los parámetroshidráulicos que caracterizan la zona no saturada(Zimmermann, 2003). Esto resalta el rol protagónicoque ejerce la zona vadosa en la recarga freática y enla infiltración, que constituyen los procesos que inter-conectan la hidrología superficial y la subterránea. Lazona no saturada debe ser analizada con detenimien-to ya que en ella se da lugar a importantes procesosde intercambio de flujo.

Para caracterizar el medio no saturado se requieredel conocimiento de las curvas de conductividad k(θ),y retención ψ(θ) o bien, difusividad D(θ), siendo θ, elcontenido volumétrico de humedad, k(θ) la conducti-vidad hidráulica no saturada, ψ(θ) el potencial mátri-co del suelo y D(θ) el coeficiente de difusividad. Entrabajos previos (Zimmermann 2006a, 2006b) se hanestimado, para los suelos típicos de la llanura pam-peana santafecina, valores de referencia de los pará-metros que gobiernan sus funciones hidráulicas.Estos valores fueron obtenidos de distintas fuentesde información: calibraciones de modelos matemáti-cos hidrológicos (Zimmermann, 2003), resultados deensayos compilados de estaciones de INTA y las cur-vas de retención calibradas (Zimmermann 2006b) conla información de la base de datos pública recopiladapor el departamento de agricultura de EEUU, USDA,denominada UNSODA (Leij et al., 1996). En el mismotrabajo se propusieron regresiones entre parámetroshidráulicos y parámetros físicos (densidad húmeda,contenido orgánico, porosidad y pH) con el fin de pro-nosticar los primeros en función de los demás pará-metros.

Utilizándose la misma base de datos UNSODA sehan propuesto regresiones lineales y no linealesentre parámetros hidráulicos de la curva de retencióny parámetros físicos y granulométricos de las mues-tras de suelo (Zimmermann y Basile, 2006, 2007).Existen otros modelos de pedotransferencia talescomo el SOILPAR (Acutis y Donatelli, 2003) y Rosetta(Schaap et al., 1999) que proponen relaciones simila-res que han sido ajustadas a otras bases de informa-ción edafológica. En este trabajo todas las propuestasmencionadas precedentemente se han aplicado aperfiles tipo de suelos pampeanos y se han compara-do con el objetivo de analizar su semejanza en losresultados.

Parámetros del suelo para curvas de retención de

humedad y conductividad hidráulica no saturada

Existen métodos indirectos para generar las propie-dades hidráulicas de suelos, que varían en términosde metodología y complejidad, pudiendo distinguirsetres grupos principales: los métodos basados en ladistribución del tamaños de poros, los métodosinversos y las funciones de pedotransferencia. Losprimeros se usan frecuentemente para estimar con-ductividad hidráulica no saturada y la curva de reten-ción de humedad con las funciones de Brooks-Coreyo Van Genuchten. Se han propuesto métodos cuasi-físicos que usan el concepto de similitud de la formaentre distribuciones del tamaño de poros y de la par-tícula (Arya y París, 1981; Haverkamp y Parlange,1986; Tyler y Wheatcraft, 1989). Los métodos inversosestán basados en la resolución numérica de la ecua-ción de Richards (1931) junto un algoritmo de optimi-zación y paralelamente mediciones de campo o labo-ratorio. Ajustando los resultados del modelo a losmedidos se puede obtener los parámetros hidráuli-cos del suelo en forma indirecta. Los métodos inver-sos son a menudo vulnerables por la no unicidad delos resultados, es decir, dos o más juegos de pará-metros optimizados pueden ser aplicables al proble-ma estudiado.

Las funciones de pedotranferencia (FPT) ofrecenun tercer método para estimar propiedades hidráuli-cas usando el hecho que las mismas se relacionancon la composición textural del suelo entre otra infor-mación taxonómica disponible. (ej., la distribución detamaño de partículas, densidad aparente, contenidode materia orgánica, etc.). Sin embargo, la granmayoría de FPTs son completamente empíricas y nousan ningún concepto físico.

Hay diferentes tipos de FPTs. Un primer tipo sebasa en clasificar los suelos por su composición tex-tural y asignar iguales parámetros asumiendo quesuelos similares tienen parámetros hidráulicos simi-lares (ej. Carsel y Parrish, 1988 y Rawls et al., 1982).Otro grupo de FPT se basan en ecuaciones de regre-sión lineal y/o no lineal ofreciendo una solución conpropiedades hidráulicas que varían en forma conti-nua a través del triángulo de clasificación textural delUSDA. Las predicciones pueden ser mejoradas usan-do propiedades físicas del suelo como informaciónadicional tales como la densidad aparente, porosidado contenido de materia orgánica (Rawls y Brakensiek,1985; Vereecken et. al., 1989; Zimmermann y Basile,2006, 2007, en suelos de un sector pampeano deArgentina). Otros autores mejoran la predicción inclu-yendo uno o más puntos de la curva de retención(Rawls et al., 1992; Williams et al., 1992).

Zimmermann, E. D. y Basile, P. A., 2008. Uso de funciones de pedotransferencia para la... Boletín Geológico y Minero, 119 (1): 71-80

72



73

Muchos procedimientos de funciones de pedo-transferencia están disponibles aunque pueden pro-ducir diferentes estimaciones. El usuario deberáseleccionar la FPT más apropiada para su aplicación.Para la implementación práctica de las FPT se handesarrollado varios códigos de cálculo entre los quepueden mencionarse los programas Rosetta ySoilPar. Ambos fueron utilizados en este trabajo y sedescriben sucintamente a continuación.

Programa Rosetta

Rosetta implementa funciones de pedo-transferenciaque predicen las curvas de retención y conductividadbasadas en ajustes de composición textural, densi-dad aparente y en uno o dos puntos de la curva deretención (punto de marchitez permanente y/o capa-cidad de campo). Rosetta fue desarrollado por MarcelG. Schaap en el United States Salinity Laboratory(USDA), Riverside, California supervisado por Leij yvan Genuchten. Esta versión del software refleja elestado del arte en las FPTs hasta el año 1999.

Este programa emplea para el ajuste de paráme-tros redes neuronales para mejorar las prediccionesde las FPTs empíricas. Los parámetros hidráulicosóptimos, relacionados con datos de la entrada(tamaño de partícula, densidad aparente, etc.) seobtienen mediante un procedimiento de calibracióniterativo. Diversos autores opinan que los ajustesalcanzados superan los de los métodos anterior-mente mencionados (Schaap et al., 1998). El softwa-re es de distribución libre y gratuita y puede obte-nerse mayor información consultando la página webhttp://www.ussl.ars.usda.gov.

Programa SOILPAR

SOILPAR 2.0 es un programa para estimar paráme-tros hidráulicos del suelo desarrollado por MarcoAcutis (Departamento de Ingeniería Agrícola yAgronomía Territorial, Nápoles, Italia) y MarcelloDonatelli (Instituto de Investigación para CultivosIndustriales, Bologna, Italia). El programa permiteguardar información de suelos en un banco de datosgeoreferenciado, estimar parámetros hidráulicos desuelos usando varios procedimientos incorporados alprograma, comparar las estimaciones contra datosmedidos en forma gráfica y/o tabulada, y crearmapas.

Once métodos estiman uno o más de las caracte-rísticas siguientes: contenido de humedad para dife-rentes tensiones matriciales, conductibilidad hidráuli-

ca saturada, y densidad aparente (tabla 1). Tres méto-dos estiman los parámetros de curvas de retención(Brooks-Corey, Hutson-Cass, Van Genuchten), y unmétodo para estimaciones de conductibilidad hidráu-lica no saturada y parámetros de curvas de retención(Campbell). El software corre bajo Windows98/NT/2000/XP y es de acceso libre vía internet.. Elprograma permite el ajuste de parámetros para lascurvas de retención, en caso de contar con datosmedidos de contenido de humedad y potencial matri-cial mediante un procedimiento de calibración nolineal. El mismo está basado en el método simplexcon restricciones, para evitar inconsistencias físicasen los valores ajustados. SOILPAR es un software dis-ponible gratuito con propósitos no-comerciales. Elpaquete de la instalación puede obtenerse de:http://www.isci.it /tools .

Parámetros del suelo de fracciones texturales

limosas

La llanura chaco-pampeana de Argentina, de climatemplado húmedo, está caracterizada por un relievede moderada pendiente topográfica. El área meridio-nal de la provincia de Santa Fe, motivo de interés en

Tabla 1. Métodos empleados en el software SoilPar para estima-ción de parámetros hidráulicosTable 1. Methods used in software SoilPar for hydraulic parameterestimation


este estudio (figura 1), presenta un módulo pluvio-métrico del orden de los 1000 mm y la temperaturamedia anual del orden de los 17 ºC. La unidad estrati-gráfica superior del paquete sedimentario, que cons-tituye el sustrato geológico de los sistemas hidrológi-cos, está compuesta por el loess de la formaciónpampeana, integrada por limos y arcillas de colorescastaños. El espesor en el sector de análisis varíaentre 30 y 150 metros. Los mapas de suelos disponi-bles en la provincia de Santa Fe, elaborados por elINTA, clasifican, desde un punto de vista textural, alos suelos de la región entre las fracciones francolimosa, franco arcillo limosa y arcilla limosa.

Valores previos de referencia

Con fines de caracterizar los suelos típicos de la lla-nura pampeana (Santa Fe, Argentina), se obtuvieron,en trabajos previos al presente, valores de referenciade propiedades hidráulicas desde distintas fuentes deinformación. En principio, se contó con resultados deensayos en laboratorio para un grupo de seis mues-

tras de suelo extraídas por INTA Oliveros (provinciade Santa Fe). Las muestras representan horizontes Ay B bajo usos de suelo diferentes: pasturas y uso agrí-cola. Las muestras se clasificaron en arcilla-limosapara las del horizonte B y franco-limoso para las delhorizonte A. En segundo lugar, se realizó el procesa-miento de curvas de retención obtenidas de la baseUNSODA para las fracciones franco limosa, francoarcillo limosa y arcilla limosa (Zimmermann, 2006a,2006b), las cuales son características de los suelos delsur de Santa Fe (Argentina). Los parámetros fueronhumedad de saturación θs, α y n del modelo de reten-ción de humedad de van Genuchten (1980), cuyaexpresión es la siguiente:

donde Se es la saturación efectiva, θs y θr son los con-tenidos de humedad para medio saturado y a satura-ción irreductible, respectivamente, y αm y n son pará-metros empíricos. Los mismos se ajustaron a las curvasde campo y laboratorio, presentes en la base UNSODA,totalizando 141 muestras. Este criterio obedece al pri-mer tipo de FPTs, es decir, asignar iguales parámetrospara las mismas composiciones texturales.


74

Tabla 2. Ecuaciones ajustadas entre parámetros hidráulicos, físicosy granulométricos para las texturas analizadasTable 2. Fitted equations between hydraulic, physical and granulo-metric parameters for analyzed textures

Fig. 1. Area de estudio: sector meridional de Santa FeFig. 1. Study area: southern sector of Santa Fe province

Ser

s r

nm

= −−

= + ( )⎡⎣⎢

⎤⎦⎥

−θ θθ θ

αψ1



75

Como tercer elemento de juicio, se contó con valo-res de parámetros calibrados con el modelo SHALL3(Zimmermann y Riccardi, 2003). El modelo contemplalas interacciones entre los procesos de superficie, enla zona no saturada (ZNS) y en la zona saturada. Es detipo continuo y físicamente basado. Los intercambiosde flujos en la ZNS son representados mediante laresolución numérica de la ecuación de Richards. Elmodelo fue puesto en operación en el sistema hidro-lógico del arroyo Ludueña (Santa Fe, Argentina), yposteriormente fue calibrado utilizando informaciónfreatimétrica, pluviográfica y limnigráfica en el perío-do 1994-1996 (Zimmermann, 2003). Dado que losmismos fueron ajustados en forma global para lacuenca, sólo constituyen valores de referencia gene-rales.

Posteriormente en trabajos más recientes(Zimmermann y Basile, 2006, 2007), se plantearonregresiones lineales múltiples entre parámetroshidráulicos y otras características físicas y granulo-métricas de las muestras extractadas de la baseUNSODA. Se realizó un análisis multivariado extrac-tando las variables correlacionadas de manera mássignificativa, realizando esto para cada fracción textu-ral de suelo y para cada parámetro hidráulico, consi-derando todas las variables físicas y granulométricas.Las ecuaciones de regresión seleccionadas se mues-tran en la tabla 2.

El objetivo de este trabajo, entonces, consistió enla aplicación y comparación del conjunto de procedi-mientos descriptos para estimar parámetros hidráuli-cos del suelo a las muestras de suelos presentes en laregión de estudio.

Aplicación de Soilpar y Rosetta a las series de suelos

típicas en la región sur de la provincia de Santa Fe

(Pampa húmeda argentina)

A los fines de aplicar los procedimientos descritos secontó con información elaborada por el InstitutoNacional de Tecnología Agropecuaria (INTA), quecaracteriza los perfiles de suelos presentes en el áreade estudio. De las cartas de suelos disponibles seextractó la información de los perfiles tipo siguientes:A.Juarez, Los Nogales Arequito, Maizales, Casilda,Monte Fiore, Chabas, Pergamino, Faustina, Peyrano,Gelly, Roldan, Hansen, Santa Lucia, Huemul, Villada ,Juncal, VillaEloisa, Las Gamas, Zavalla, Lima.

En cada perfil, en función de su profundidad y suestratigrafía, se detallan entre 3 y 8 sub-horizontes delos cuales, de las cartas de suelo, se publicó la granu-lometría, junto a otros parámetros bio-físicos talescomo contenido de materia orgánica, capacidad de

intercambio catiónico, pH, etc. El conjunto de estratospara todas las series estudiadas totalizan 321 mues-tras de suelo.

A manera de ejemplo se presenta en la tabla 3 losdatos y estimaciones realizadas con el softwareSoilPar para la serie Casilda, con sus 8 estratos. Elmismo trabajo se realizó para cada uno de los hori-zontes de las series, obteniéndose densidades apa-rentes, humedades para capacidad de campo (CC),punto de marchitez permanente (PMP) y otras tensio-nes matriciales, conductividad hidráulica saturada yparámetros de van Genuchten para la curva de reten-ción de humedad. Dicha información fue utilizadapara aplicar el software Rosetta bajo tres diferentesgrados de información de entrada: (a) composicióntextural (arena, limo y arcilla, SSC), (b) composicióntextural y densidad aparente (SSCB) y (c) lo anteriorjunto a humedades de CC y PMP. Para la clasificacióntextural de las muestras se consideraron los conteni-dos de arena, limo y arcilla disponibles como infor-mación en la base del INTA. Fueron aplicadas tam-bién las ecuaciones lineales de las regresionesmultivariadas presentadas en el parágrafo anterior.

Resultados y Discusión

Los resultados de la aplicación de estos criterios con-juntos se muestran en la tabla 4. Allí se muestra losvalores de referencia para las texturas analizadas con-juntamente con los que se obtuvieron en este trabajotras aplicar las FPTs mencionadas en los programas

Tabla 3. Propiedades granulométricas, físicas e hidráulicas estima-das para la serie CasildaTable 3. Granulometric, physical and hydraulic properties estima-ted for Casilda’s serie


Rosetta y SoilPar. Como se aprecia en la tabla 4, lasdiferentes metodologías empleadas arrojan resultadosdisímiles, especialmente en la estimación del paráme-tro α y la conductividad hidráulica saturada Ks que pre-sentan valores de diferente orden de magnitud.

Si se toma como referencia los parámetrosmedios calibrados mediante modelación matemáticahidrológica, puede realizarse una comparación entrelas metodologías para definir cuál se aproxima enmayor medida a los mismos. Debe tenerse en cuentaque entre los valores de las muestras y los calibradospara el modelo juega un papel importante el factor deescala. No obstante en este trabajo se ha contempla-do los valores calibrados dado que son los únicosvalores de referencia disponibles, debiendo interpre-tarlos como representativos para un “paquete pro-

medio” de suelos compuesto por texturas disímiles,que en la mayoría de los casos responde a la estruc-tura FL-FAL-AL-FAL-FL, es decir:

• franco limosa (horizonte A) • franco arcillo limosa (transición A-B) • arcilla limosa (horizonte B) • franco arcillo limosa (transición B-C)• franco limosa (horizonte C).El horizonte determinante para la estimación de la

conductividad hidráulica es el B, de textura arcillalimosa, ya que condiciona la conductividad verticaldel conjunto del perfil. Por ende la metodología que


76

Fig. 2. Estimación de α mediante Rosetta SSCB θ33-θ1500, SoilPary ecuaciones de Tabla 2Fig. 2. Estimation of α by Rosetta SSCB θ33-θ1500, SoilPar andequations of Table 2

Fig. 3. Estimación de n mediante Rosetta SSCB θ33-θ1500, SoilPary ecuaciones de Tabla 2Fig. 3. Estimation of n by Rosetta SSCB θ33-θ1500, SoilPar andequations of Table 2

Tabla 4. Valores comparativos de parámetros de van Genuchtenobtenidos para las texturas analizadas, en negrita se indican lospromedios y en itálica los desvíos estándares o rangos máximo-mínimoTable 4. Comparative values of van Genuchten’s parameters obtai-ned for the analyzed textures. Averages values are indicated inbold and standard deviation or range of variation, in italic



77

mejor pronostique Ks para la textura AL será la selec-cionada.

En la tabla 4 puede observarse que los métodosbasados en la clasificación textural (Rawls e. al., 1982)subestiman el valor calibrado. De los métodos basa-dos en las funciones de pedotransferencia SoilPararroja resultados muy dispares según las funcionesseleccionadas (Jabro o Puckett) y un orden de magni-tud mayor o menor al valor calibrado, respectiva-mente. El programa Rosetta con la información com-pleta (clasificación textural, densidad y humedadeslímites - SSCB θ33-θ1500) es el que mejor se aproxi-ma aunque con un valor cercano al doble del calibra-do. En cuanto a los parámetros de la curva de reten-ción, al parámetro concretamente, siguiendo lahipótesis que el horizonte dominante es el B (arcillalimosa), la mejor aproximación es la del programaRosetta con la información completa aunque las esta-dísticas de Carsel y Parrish también se acercanmucho al parámetro calibrado (y corroborado con elanálisis de Oliveros). Tanto las estadísticas de Rawlset al., los valores promediados obtenidos de la baseUNSODA (Zimmermann 2006b), como las estimacio-nes de SoilPar y Rosetta con información incompletapronostican valores que se alejan del calibrado.

Respecto al parámetro n de la curva de retención,el valor calibrado se aproxima más para las texturasfranco arcillo limosa y franco limosa. En amboscasos, tanto SoilPar como Rosetta con informacióncompleta dan las mejores aproximaciones al paráme-tro calibrado. El resto de los métodos ofrecen valoresalejados del n calibrado. Aún más, si se considera

para la curva de retención que el horizonte dominan-te es el A (franco limoso) tanto SoilPar como Rosettacompleto ofrecen las mejores aproximaciones deambos parámetros (α y n). Esto podría analizarse dela siguiente manera: el horizonte B (arcilla limosa)regula la velocidad con que el agua penetra en elsuelo pero el horizonte A (franco limoso) es el queretiene la humedad, y consiguientemente, los pará-metros que regulan esa retención son los que carac-terizan el horizonte A.

En términos generales, para los parámetros de lacurva de retención, tanto los métodos basados en laclasificación textural (Carsel y Parrish, 1988 y Rawls etal., 1982) y los promedios extraídos de UNSODA(Zimmermann, 2006b) no han ofrecido buenos pro-nósticos.

Hasta aquí se han analizado valores promediadosen todas las series y estratos. Si se analizan los valo-res individuales por estratos las figuras 2, 3 y 4 mues-tran las comparaciones entre los distintos predictorespara α, n y Ks, respectivamente. En la figura 2 seobserva que las tendencias en el pronóstico del pará-metro α, son muy diferentes entre las metodologías.SoilPar tiende a valores menores que Rosetta mien-tras que las ecuaciones de regresión (Zimmermann yBasile, 2007) tienden a valores mayores en un ordende magnitud. En la figura 3 se observa una tendenciainversa, siendo las diferencias de menor magnitudque en el caso anterior.

Con respecto al pronóstico de la conductividadhidráulica saturada (figura 4), las tendencias son muydisímiles entre Rosetta y SoilPar, incluso entre lasecuaciones de Puckett y Jabro incluidas en este últi-mo software, llegando a valores de un orden de mag-nitud diferente para la misma muestra de suelos.

Esto da la pauta que se debe considerar con pre-caución el empleo de estos programas ya que lasecuaciones ajustadas internamente dan resultadosmuy distintos para una misma caracterización fisico-química de un suelo.

Probablemente las muestras utilizadas para el ajus-te de las FPTs internas de cada software, aunque pre-senten la misma clasificación textural, propiedadesfísicas y químicas semejantes, no permiten un predic-tor que pronostique comportamientos hidráulicossemejantes. Es decir, hasta el momento no puedenobtenerse ecuaciones aplicables “universalmente”.

Conclusiones

Se han utilizado diferentes procedimientos para esti-mar propiedades hidráulicas de suelos limosos,representativos de un sector de la llanura argentina,

Fig. 4. Estimación de Ks mediante Rosetta SSCB θ33-θ1500, SoilParmediante ecuaciones de Puckett y JabroFig. 4. Estimation of Ks by Rosetta SSCB θ33-θ1500, and SoilPar byPuckett and Jabro equation’s


partiendo de información granulométrica, y de pará-metros fisico-químicos disponibles en las cartas desuelos de INTA.

En primer lugar se utilizaron valores de referenciacaracterísticos propuestos por Rawls et al. (1982),Carsel y Parrish (1988) y Zimmermann (2006a, 2006b)para las composiciones texturales de las 321 mues-tras analizadas. Luego se emplean funciones depedotransferencia (FPT) incluidas en los códigosSOILPAR (Acutis y Donatelli, 2003) y Rosetta (Schaapet al., 1999) junto con regresiones lineales entre pará-metros hidráulicos y parámetros físicos ajustadascon datos de la base UNSODA (Zimmermann yBasile, 2006, 2007). Finalmente los pronósticos secomparan con valores obtenidos mediante calibra-ciones de modelos matemáticos hidrológicos(Zimmermann, 2003) y resultados de ensayos compi-lados de estaciones de INTA.

A partir de los resultados obtenidos en este traba-jo pudo concluirse que en general los procedimien-tos que emplean las FPTs mejoran el pronóstico deparámetros hidráulicos frente a los que proponenvalores de referencia en función de la clasificacióntextural únicamente. Esto se debe a que los primeroscontemplan otras variables adicionales tales comodensidad aparente, composición granulométrica,contenido de materia orgánica, capacidad de inter-cambio catiónico y pH.

Entre los códigos empleados, el que mejor seaproximó a los parámetros hidráulicos calibradospara la zona de estudio fue el programa Rosettasuministrándole la información completa (composi-ción textural, densidad aparente y dos puntos de lacurva de retención: punto de marchitez permanente ycapacidad de campo). El mismo programa con lainformación incompleta no arrojó buenos pronósti-cos. En segundo lugar el programa SoilPar ofrecióbuena aproximación a los parámetros de la curva deretención. Las ecuaciones de regresión lineal conparámetros físico-químicos exhibieron erroresimportantes.

Desde un punto de vista hidrológico, se podríasimplificar el comportamiento del perfil de suelo,compuesto por horizontes estratificados de caracte-rísticas disímiles, en dos procesos principales: (a) laretención de humedad cuyos parámetros dominan-tes estarían gobernados por las características delhorizonte “A” (franco limoso) y (b) la transmisión delflujo vertical de humedad dominado por las caracte-rísticas del horizonte “B” (arcilla limosa).

En contraste a un buen pronóstico de valoresmedios de los parámetros hidráulicos para el conjun-to de las muestra analizadas, el análisis individual decada una, reveló una gran dispersión entre los dife-

rentes procedimientos empleados. Esto da la pautaque los predictores se deben emplear con precau-ción, analizando las compatibilidades entre las mues-tras de suelo de estudio y las que se utilizaron origi-nalmente en la propuesta de las ecuacionesintrínsecas de cada FPT. Es decir, hasta el momentono pueden obtenerse ecuaciones aplicables “univer-salmente”.

Referencias

Acutis, M. and Donatelli,M. 2003. SOILPAR 2.00: software toestimate soil hydrological parameters and functions.Europ. J. Agronomy 18:373-377.

Arya, L.M., and J.F. Paris. 1981. A physico-empirical modelto predict the soil moisture characteristic from particle-size distribution and bulk density data. Soil Sci. Soc. Am.J. 45:1218-1227.

Brooks, R.H.y Corey, A.T. 1964. Hydraulic properties ofporous media. Colorado State Univ. Hydrology PapersNo. 3. Fort Collins. 27 pp.

Campbell, G.S. 1974. A simple method for determiningunsaturated conductivity from moisture retention data.Soil Sci. Soc. Am. J. 117:311-314.

Campbell, G.S., 1985. Soil Physics with BASIC: TransportModels for Soil_/Plant System. Elsevier, Amsterdam,150 pp.

Carsel, R. F., and R. S. Parrish. 1988. Developing joint pro-bability distributions of soil water retention characteris-tics. Water Resour. Res. 24:755-769.

Haverkamp, R., and J.Y. Parlange. 1986. Predicting thewater-retention curve from particle size distribution: 1.Sandy soils without organic matter. Soil Sci. 142:325-339.

Hutson, J.L., Cass, A., 1987. A retentivity function for use insoil water simulation models. J. Soil Sci. 38, 105-113.

Hutson, J.L., Wagenet, R.J., 1992. LEACHM, LeachingEstimation And Chemistry Model. Department of Soil,Crop and Atmospheric Sciences Research series no.92.3. New York, Cornell University, 121 pp.

Jabro, J.D., 1992. Estimation of saturated hydraulic conduc-tivity of soils from particle size distribution and bulk den-sity data. Trans. ASAE 35 (2), 557-560.

Jaynes, D.B., Tyler, E.J., 1984. Using soil physical propertiesto estimate hydraulic conductivity. Soil Sci. 138, 298-305.

Leij, F. J., W. J. Alves, M. Th. van Genuchten, and J. R.Williams. 1996. Unsaturated Soil Hydraulic Database,UNSODA 1.0 User's Manual. Report EPA/600/R-96/095,U.S. Environmental Protection Agency, Ada, Oklahoma.103 pp.

Puckett, W.E., Dane, J.H., Hajek, B.F., 1985. Physical andmineralogical data to determine soil hydraulic proper-ties. Soil Sci. Soc. Am. J. 49, 831-836.

Rawls, W. J., D. L. Brakensiek, and K. E. Saxton. 1982.Estimating soil water properties. Transactions, ASAE,25(5):1316-1320.

Rawls, W.J. and D.L. Brakensiek.. 1985. Prediction of soil


78



79

water properties for hydrologic modeling. p 293-299. InJones, E.B. and T.J. Ward (ed.) Watershed managementin the eighties. Proc. Irrig. Drain. div., ASCE, Denver, CO.April 30 - May 1. 1985.

Rawls, W.J., Brakensiek, D.L.1989. Estimation of soil waterretention and hydraulic properties. In: Morel, S. (Ed.),Unsatured Flow in Hydrologic Modeling. Theory andPratice. Kluwer academic publishers, 275-300.

Rawls, W.J., L.R. Ahuja and D.L. Brakensiek. 1992.Estimating soil hydraulic properties from soils data. p329-340. In M. Th. van Genuchten, M.Th., F.J. Leij, andL.J. Lund (ed.). Indirect methods for estimating thehydraulic properties of unsaturated soils. Proc. IntWorksh. Riverside, CA.. University of California,Riverside, CA.

Richards, L. A. 1931. Capillary conduction of liquids throughporous mediums. Physics 1:318-333.

Schaap, M.G., Leij F.J. and van Genuchten M.Th. 1998.Neural network analysis for hierarchical prediction ofsoil water retention and saturated hydraulic conducti-vity. Soil Sci. Soc. Am. J. 62:847-855.

Schaap, M.G., Leij F.J., van Genuchten. M. Th., 1999. Abootstrap neural-network approach to predict soilhydraulic parameters. In: van Genuchten, M.Th., F.J.Leij, and L. Wu (Eds.), Proceedings of the InternationalWorkshop on Characterization and easurements of theHydraulic Properties of Unsaturated Porous Media,University of California, Riverside, CA, 1237-1250.

Tyler, SW; Wheatcraft, WW. 1989. Application of FractalMathematics to Soil Water Retention Estimation. SoilScience Society of America Journal SSSJD4 Vol. 53, No.4, 987-996.

Van Genuchten, M. Th. 1980. A closed-form equation forpredicting the hydraulic conductivity of unsaturatedsoils. Soil Sci. Soc. Am. J. 44:892-898.

Vereecken, H., J. Maes, J. Feyen, and P. Darius. 1989.Estimating the soil moisture retention characteristicfrom texture, bulk density, and carbon content. Soil Sci.148:389-403.

Williams, R.D., L.R. Ahuja, and J.W. Naney. 1992.Comparison of methods to estimate soil water characte-ristics from limited texture, bulk density, and limiteddata. Soil Sci. 153:172-184.

Zimmermann E y Riccardi G. 2003. Modelo HidrológicoSuperficial y Subterráneo desarrollado para laSimulación de Sistemas de Llanura. 1. Aplicación en elsistema Ludueña (Santa Fe. Argentina). BoletinGeológico y Minero de España. ISSN 0366-0176.114(2):147-158. Madrid. España.

Zimmermann E. 2003. Modelo Hidrológico Superficial ySubterráneo desarrollado para la Simulación deSistemas de Llanura. 2. Estrategias para la Calibración".Boletin Geológico y Minero de España. ISSN 0366-0176.114(2):159-169. Madrid. España.

Zimmermann, E. 2006a. Funciones hidráulicas de sueloslimosos: valores de referencia. XXII CongresoLatinoamericano de Hidráulica. Ciudad Guayana.Venezuela.

Zimmermann E. 2006b. Estimación de funciones hidráulicasde suelos limosos. Valores de referencia y regresionescon parámetros físicos. Cuadernos del CURIHAM, UNREditora. Rosario, 11(1): 49-66.

Zimmermann, E; Basile,.P. 2006. Funciones hidráulicas desuelos limosos: regresiones con propiedades físicas ygranulométricas. XXII Congreso Latinoamericano deHidráulica. Ciudad Guayana. Venezuela.

Zimmermann, E; Basile,.P. 2007. Funciones hidráulicas desuelos limosos: regresiones no lineales con propieda-des fisicas y granulometricas. XXI Congreso Nacionaldel Agua. Tucumán. Argentina.

Recibido: febrero 2008Aceptado: abril 2008


Uso de funciones de pedotransferencia para la estimación de … 6.pdf · · 2014-03-10del...

Documents

Transcript of Uso de funciones de pedotransferencia para la estimación de … 6.pdf · · 2014-03-10del...