UNIVERSIDAD NACIONAL DEL NORDESTE Comunicaciones Científicas y Tecnológicas 2003 Resumen: A-061 Consideraciones sobre la evaluación de la rugosidad y el cálculo de la retención de agua en microdepresiones. Vidal Vázquez, Eva - Paz González, Antonio Area de Edafología y Química Agrícola - Facultad de Ciencias - Universidad de La Coruña Campus de A Zapateira s/n 15071 La Coruña. España. Tel: 34-981167000 - Fax: 34-981167065 E-mail: [email protected] ANTECEDENTES El microrrelieve del suelo juega un importante papel en la formación de la configuración de la superficie del mismo. Se han llevado a cabo muchos estudios que analizan la influencia del microrrelieve en la erosión y se ha demostrado que la rugosidad superficial constituye una característica importante del suelo que afecta a las propiedades hidrológicas del mismo. La rugosidad de la superficie del suelo es una medida de las irregularidades y de la variabilidad del microrrelieve, inducidas por el tamaño de los agregados y terrones y por las operaciones de laboreo. La caracterización de la microtopografía se puede efectuar a partir de datos puntuales de altura, tomados en red regular o rectangular con mayor o menor precisión. Tradicionalmente, las medidas de microrrelieve se han llevado a cabo mediante rugosímetros de agujas, que presentan la desventaja de necesitar el contacto con la superficie del suelo para la toma de datos. Los datos puntuales de altura medidos con instrumentos como asperímetros y rugosímetros se pueden utilizar para calcular distintos índices de rugosidad. Los primeros índices de rugosidad que se propusieron eran de tipo estadístico. Posteriormente se desarrollaron nuevos índices cuya propuesta venía justificada porque tendría un significado físico de acuerdo con sus autores. También se puso de manifiesto la posibilidad de aplicar la teoría fractal y otras técnicas matemáticas avanzadas para caracterizar la rugosidad del suelo. Generalmente los índices de microrrelieve se calculan después de que los datos microtopográficos hayan sido corregidos para filtrar el efecto de la pendiente y, en muchas ocasiones, el efecto del laboreo. En la tabla 1 se muestra un listado de los principales índices de rugosidad, incluyendo los índices fractales, que han sido utilizados previamente con mayor frecuencia. Entre los índices estadísticos, la rugosidad aleatoria, RR, propuesto por Allmaras et al. (1966), que viene dado por la desviación estándar de los datos puntuales de altura es el más antiguo y todavía más empleado. Otros índices usados habitualmente son MIF (Römkens y Wang, 1985a b), MUD (Hansen et al., 1999) y la tortuosidad definida en base a distintos criterios, TB (Boiffin, 1984), TP (Planchon et al., 1998); TA y TS (Auerswald, 1992, Saleh, 1993), etc. Los índices diferencia límite, LD, y pendiente límite, LS, propuestos por Linden y Van Doren (1986) que se basan en el análisis de la dependencia espacial tendrían la ventaja de describir en términos físicos el microrrelieve del suelo. Entre los índices de naturaleza fractal cabe citar la dimensión fractal, D, utilizado por Burrrough (1983a b) y la distancia de intersección, l, propuesto por Huang y Bradford (1992). El almacenamiento temporal de agua por las irregularidades del terreno (ATM), es difícil de medir directamente ya que los dispositivos experimentales habituales no permiten controlar simultáneamente el agua que se infiltra y el agua retenida en las hondonadas. Por ello, generalmente la cantidad de agua retenida en la superficie ha sido estimada mediante modelos numéricos tradicionales. Uno de los primeros intentos de evaluar el agua retenida en la superficie del suelo fue efectuado por Mitchell y Jones (1976) quienes calcularon este parámetro como la diferencia entre una altura de referencia y un modelo numérico de la superficie, es decir, un modelo de elevación digital simplificado. Más adelante, se utilizaron modelos numéricos más complejos entre los que cabe reseñar los modelos de elevación digital integrados en un sistema de información geográfico. Aunque en la bibliografía existen modelos de mayor o menor complejidad que permiten calcular el almacenamiento en la superficie del suelo en un momento determinado a partir de medidas puntuales de altura, estos modelos no simulan la variación de la configuración de la superficie ni de la capacidad de almacenamiento a lo largo del tiempo. Por otra parte, tampoco tienen en cuenta la intensidad de la precipitación o de la infiltración, ignorando la intensidad con que se acumula el agua. En la tabla 2 se muestra una revisión bibliográfica de los modelos encontrados para el cálculo del ATM a partir de índices de rugosidad. MATERIAL Y METODOS En el presente trabajo se efectuaron un total de 48 medidas de rugosidad superficial en una parcela de cultivo situada en el Núcleo Experimental del Instituto Agronómico de Campinas - São Paulo, Brasil. De acuerdo con la clasificación de la FAO el suelo estudiado se incluye dentro del grupo de los ferralsoles. El periodo de la toma de datos en el campo comprendió desde septiembre hasta noviembre de 2000 (Vidal Vázquez, 2002). En la parcela experimental se crearon distintos niveles de rugosidad utilizando diferentes aperos. Las medidas se realizaron cubriendo diversas condiciones de evolución de la superficie del suelo con la precipitación. Los datos experimentales se obtuvieron mediante un rugosímetro de agujas, que permite obtener datos puntuales de altura a lo largo de un perfil.. En este caso la red de muestreo utilizada fue de 135 x 135 cm con un paso de medida de 2,5 cm. UNIVERSIDAD NACIONAL DEL NORDESTE Comunicaciones Científicas y Tecnológicas 2003 Resumen: A-061 Previo al cálculo de los índices de microrrelieve se llevó a cabo una corrección o transformación de los datos originales para eliminar el efecto de la pendiente de la parcela y las marcas del laboreo. Para ello se utilizó un método no determinista propuesto por Currence y Lovely (1970). Posteriormente se calcularon los índices rugosidad aleatoria, RR, diferencia límite, LD, pendiente límite, LS, tortuosidad, T, dimensión fractal, D, y distancia de intersección, l. Asimismo se estimó el valor de ATM a partir de índices de rugosidad (tabla2). Índice Ecuación Referencia 2 ∑ (Z i − Z ) n RR TB TP TB en 3D TS, TA RR = i =1 n Zi = altura en el perfil localizado en i n = número de puntos TB = L1/ L0 L1 = longitud del perfil de la superficie L0 = distancia horizontal entre los puntos iniciales y finales del perfil TP = (L1 - L0)/ L0 = TB - 1 TB = TSA/ TMA TSA = área de la superficie TMA = área del mapa TS = TA = 100 (L1 – L0)/ L1 = 100 (1-1/ TB) LD = 1/a ; LS = 1/b 1 1 = b* +a ∆Z h ∆X h a, b = parámetros de la regresión en 1/∆Zh= a+b(1/h); ∆Zh = varianza de primer orden h = escala D = 3-H Fractales D, l H, l parámetros de regresión en: log (γ)= 2H log (h)+l; γ= semivarianza; h = lag ln (TB)= FB ln(d)+c Fractal FB FB, c = parámetros de la regresión d = espaciado muestral Ts = FM log (e)+ f Fractal FM FM, f = parámetros de regresión; e = longitud de los eslabones de la cadena MIF = MI * F MIF MI = área por unidad de longitud entre un perfil de la superficie y la recta de regresión que la cruza; F = número de elevaciones máximas por unidad de longitud del transecto 1 m n MUD = ∑ ∑ ∆Z / ( n − 1 ) MUD m i =1 j=1 ∆Z = Z0 - Zi para Zi < Z0; ∆Z = 0 para Zi Z 0 Zi = altura en un subsegmento Z0 = punto de referencia en el subsegmento m = número de subsegmentos por perfil n = número de alturas por subsegmento LD y LS Allmaras et al. (1966) Currence y Lovely (1970) Boiffin (1984) Planchon et al. (1998) Helming et al. (1992, 1993) Auerswald (1992); Morgan et al. (1998); Saleh (1993) Linden y Van Doren (1986) Burrough (1983a b, 1989); Huang y Bradford (1992) Bertuzzi et al. (1990) Merril (1998) Römkens y Wang (1985a y b, 1986) Hansen et al. (1999) Tabla 1.– Índices de rugosidad más frecuentemente utilizados en la bibliografía (adaptado de Kamphorst et al., 2000) UNIVERSIDAD NACIONAL DEL NORDESTE Comunicaciones Científicas y Tecnológicas 2003 Resumen: A-061 Nº 1 2 3 Modelos empíricos para predecir el ATM usando índices de rugosidad ATM = 0.112 RR + 0.031 RR 2 − 0.012 RR× S † ATM = exp (-6.66+0.27 (T)) ATM = 0.382 LD × LS + 0.017( LD × LS )S − 0.077 ln( ATM ) = 0.203* ln( RR ) (1) Referencia Onstad, 1984 Morgan et al., 1998 Linden et al., 1988 4 ATM = 0.281 * RR Kamphorst et al., 2000 (2) † S es la pendiente; (1) lecho de siembra muy fino; (2) restantes superficies Tabla 2-. Listado de los modelos encontrados en la bibliografía para el cálculo del ATM a partir de índices de rugosidad DISCUSION Y RESULTADOS El índice RR describe solamente el rango en la componente vertical de la rugosidad, es decir la distribución de alturas, pero no proporciona una interpretación en términos físicos de la distribución espacial de las medidas de altura. Tampoco informa acerca del aspecto de los agregados o unidades estructurales de la superficie, de manera que dos superficies con el mismo RR pueden tener agregados de dimensiones diferentes y distinta capacidad de almacenamiento de agua (Huang y Bradford, 1992). Su ventaja radica en la simplicidad de cálculo y en que permite calcular la rugosidad a partir de diversos diseños experimentales (medidas en transecto, en retículo, etc.). LD equivale al valor asintótico de la varianza de primer orden y está relacionado con RR que se corresponde con la raíz cuadrada de un momento de segundo orden como es la varianza (Isaaks y Srivastava, 1989; Kamphorst et al., 2000). LD aporta información acerca de las características del microrrelieve a grandes distancias e indica la tendencia central de las diferencias de alturas entre puntos (Linden y Van Doren, 1986). Linden y Van Doren (1986) interpretaron LS como la pendiente de la superficie para pequeños intervalos de distancia, sin embargo otros autores como Kamphorst et al. (2000) consideran que LS no equivale a la pendiente de la superficie a pequeñas distancias sino a la pendiente de la función ajustada a pequeñas distancias. A pesar de la sencillez de su cálculo, la tortuosidad, T, no se considera un índice adecuado para describir el microrrelieve del suelo ya que muestra una gran dependencia de la resolución horizontal o distancia entre puntos vecinos. Actualmente la evidencia experimental disponible ha puesto de manifiesto que el valor de T para una superficie determinada varía al modificar la distancia entre pares de datos puntuales vecinos (figura 1). En consecuencia los resultados obtenidos con equipos que presenten diferente resolución espacial no pueden ser comparables entre sí. RR (mm) 15 10 5 0 0.0 0.2 0.4 0.6 0.8 1.0 T d= 2 mm d= 4 mm d= 10-30 mm Figura 1.- Valor de la tortuosidad, T, para distintas escalas de muestreo (Kamphorst et al., 2000) CONCLUSIONES Los índices rugosidad aleatoria, RR, y diferencia límite, LD, presentaron la correlación más importante cuando se compararon entre sí los seis índices estudiados. La distancia de intersección, l, presentó una buena correlación con otros índices más ampliamente utilizados como la rugosidad aleatoria, RR, y la diferencia límite, LD, que dependen de las diferencias máximas de los datos UNIVERSIDAD NACIONAL DEL NORDESTE Comunicaciones Científicas y Tecnológicas 2003 Resumen: A-061 puntuales de altura que definen la superficie. La distancia de intersección, l, puede ser utilizada por lo tanto, como un descriptor del tamaño de las unidades estructurales de la superficie del suelo, es decir, como un factor de escala que complementa la caracterización del microrrelieve efectuada mediante la dimensión fractal, D. Para discutir la idoneidad de los distintos métodos de cálculo y estimación del valor de ATM, es imprescindible tener en cuenta la aproximación conceptual que subyace a cada uno de los métodos empleados; en el caso de las estimaciones a partir de la rugosidad, es necesario considerar la base física de los índices utilizados en cada modelo. BIBLIOGRAFIA Allmaras, R.R.; Burwell, R.E.; Larson, W.E. & Holt, R.F. (1966). Total porosity and random roughness of the interrow zone as influenced by tillage. USA Conserv. Res. Rep. 7: 1-14. Auerswald, K. (1992). Changes in soil surface roughness during erosive rains. Internal report, Lehrstuhl für Bodenkd. TU München, D-8050 Freisning. 20 pp. Bertuzzi, P.; Rauws, G. & Courault, D. (1990). Testing roughness indices to estimate soil surface roughness changes due to simulated rainfall. Soil Tillage Res. 17: 87-99. Boiffin, J. (1984). La dégradation structurale des couches superficielles du sol sous l' action des pluies. Thèse Docteur Ingénieur. Paris INA-PG. 320 pp.+ anexos. Currence, H.D. & Lovely, W.G. (1970). The analysis of soil surface roughness. Trans. Am. Soc. Agric. Eng. 13: 710714. Burrough, P.A. (1983a). Multiscale sources of spatial variation in soil. I. The application of fractal concepts to nested levels of soil variation. J. Soil Sci. 34: 577-597. Burrough, P.A. (1983b). Multiscale sources of spatial variation in soil. II. A non-Brownian fractal model and its application in soil survey. J. Soil Sci. 34: 599-620. Burrough, P.A. (1989). Fractals and Geochemistry. En: Avnir, D. (Ed.). The fractal approach to heterogeneous chemistry. John Wiley and Sons Ltd. Chichester. UK. pp. 383-406. Hansen, B.; Schjonning, P. & Sibbesen, E. (1999). Roughness indices for estimation of depression storage capacity of tilled soil surfaces. Soil Tillage Res. 52: 103-111. Helming, K.; Jerchke, W. & Storl, J. (1992). Surface reconstruction and change detection for agricultural purposes by close range photogrammetry. En: Fritz, W. & Lucas, J.R. (Eds.). International Congress for Photogrammetry and Remote Sensing, 17th, Washington D. C. pp. 610-617. Helming, K.; Roth, Ch.H.; Wolf, R. & Diestel, H. (1993). Characterization of rainfall-microrelief interactions with runoff using parameters derived from Digital Elevation Models (DEMs). Soil Technol. 6: 273-286. Huang, C. & Bradford, J.M. (1992). Application of a laser scanner to quantify soil microtopography. Soil Sci. Soc. Am. J. 56: 14-21. Isaaks, E.H. & Srivastava, R.M. (1989). An introduction to applied geostatistics. Oxford, New York. 561 pp. Kamphorst, E.C.; Jetten, V.; Guérif, J.; Pitkänen, J.; Iversen, B.V.; Douglas, J.T. & Paz, A. (2000). Predicting depressional storage from soil surface roughness. Soil Sci. Soc. Am. J. 64: 1749-1758. Linden, D.R. & Van Doren Jr., D.M. (1986). Parameters for characterizing tillage-induced soil surface roughness. Soil Sci. Soc. Am. J. 50: 1560-1565. Linden, D.R.; Van Doren Jr., D.M. & Allmaras, R.R. (1988). A model of the effect of tillage induced soil surface roughness on erosion. Int. Soil Tillage Res. Org., Proc. Of the 11 th International Conf. Vol. 1: 373-378. Merril, D. (1998). Comments on the chain method for measuring soil surface roughness: use of the chain set. Soil Sci. Soc. Am. J. 62: 1147-1149. Mitchell, J.K. & Jones Jr., B.A. (1976). Micro-relief surface depression storage: analysis of models to describe the depth-storage function. Water Resour. Bull. 12: 1205-1222. Morgan, R.P.C.; Quinton, R.E.; Smith, G.; Govers, J.W.A.; Poesen, K.; Auerswald, G.; Chisci, G.; Torri, D.; Styczen, M.E. & Folly, A.J.V. (1998). The Eropean soil erosion model (EUROSEM): documentation and user guide, version 3.6. Silsoe College. Cranfield University. Silsoe (Bedford). UK. 22pp. Onstad, C.A. (1984). Depressional storage on tilled soil surfaces. Trans. Am. Soc. Agric. Eng. 27: 729-732. Planchon, O.; Estèves, M. & Silvera, N. (1998). Micro-relief induced by riding: measurement modelling consequences on overland flow and erosion. En: Proceedings of the World Congress of Soil Science. 16th . Montpellier. France. pp.1-7. Römkens, M.J.M. & Wang, J.Y. (1985a). Soil roughness changes of tillage systems form rainfall. Am. Soc. Agric. Eng. paper No. 85-2048. 20 pp. Römkens, M.J.M. & Wang, J.Y. (1985b). Soil translocation by rainfall. J. Miss. Acad. Sci. 30: 9-21. Römkens, M.J.M. & Wang, J.Y. (1986). Effect of tillage on soil roughness. Trans. Am. Soc. Agric. Eng. 29: 429-433. Saleh, A. (1993). Soil roughness measurement, chain method. J. Soil Water Conserv. 48: 527-592. Vidal Vázquez, E. (2002). Influencia de la precipitación y el laboreo en la rugosidad del suelo y la retención de agua en microdepresiones. Tesis Doctoral. Facultad de Ciencias. Universidad de La Coruña. 430 pp.