Mapa digital del perfil del carbono orgánico en los suelos de Andalucía, España

Daphne Armas, Mario Guevara, Domingo Alcaraz-Segura, Rodrigo Vargas, Ángeles Soriano-Luna, Pilar Durante, Cecilio Oyonarte

Recibido el 06 de julio de 2017 - Aceptado el 19 de septiembre de 2017

Resumen


Armas, D., Guevara, M., Alcaraz-Segura, D., Vargas, R., Soriano-Luna, M.A., Durante, P., Oyonarte, C. 2017. Mapa digital del perfil del carbono orgánico en los suelos de Andalucía, España. Ecosistemas 26(3):80-88. Doi.: 10.7818/ECOS.2017.26-3.10


Conocer y comprender la distribución espacial del carbono orgánico del suelo (COS) es necesario para el manejo de este reservorio del ciclo global del carbono, y la planificación de acciones para mitigar el  cambio climático. El objetivo fue generar mapas de porcentaje de COS en Andalucía mediante modelos consistentes, cuantificando la incertidumbre asociada, e identificando los factores que controlan su variabilidad. Se empleó una base de datos patrimonial con 1500 perfiles de suelo, y 20 covariables ambientales como factores predictivos descriptores del clima, topografía, y atributos funcionales de los ecosistemas. Se utilizó una combinación de modelos lineales y un ensamble de árboles de regresión combinado con geoestadística para estimar la distribución espacial (horizontal y vertical) del COS. Se  generaron mapas de la distribución del COS a seis intervalos de profundidad (0-5, 5-15, 15-30, 30-60, 60-100 y 100-200 cm). La varianza explicada por los modelos osciló entre el 57 y 63.0 %, pero con alta incertidumbre en los sitios con mayor concentración de COS (hasta el 8 %). La variabilidad del COS respondió a una compleja combinación de factores, siendo la precipitación el predictor más importante en todas las profundidades, el EVI (Indicador de la productividad) en los horizontes superficiales, y la topografía en los profundos. Los mapas y modelos producidos resultan herramientas útiles para la gestión ambiental, al facilitar la actualización periódica de los contenidos del COS y aportar información para el manejo de este reservorio.


Palabras clave


distribución vertical del carbono; mapa de incertidumbre; modelos lineales; bosques aleatorios (ramdom forest); quantile regression forests (QRF)

Abstract



Armas, D., Guevara, M., Alcaraz-Segura, D., Vargas, R., Soriano-Luna, M.A., Durante, P., Oyonarte, C. 2017. Digital map of the organic carbon profile in the soils of Andalusia, Spain. Ecosistemas 26(3):80-88. Doi.: 10.7818/ECOS.2017.26-3.10


To know and understand the spatial distribution of soil organic carbon (SOC) is the first step for management of this important pool in the global carbon cycle, and to develop actions to address climate change. The objective of this work was to generate maps of percent SOC across Andalucía through the use of consistent models, quantifying the associated uncertainty and identify controls of the spatial variability. We used a legacy soil profile collection with 1500 soil profiles and 20 environmental covariates as prediction factors for climate, topography, and ecosystem functional attributes related to the dynamic of primary production. A combination of linear models and an ensemble of regression trees coupled with geostatistics was used to estimate the spatial distribution (horizontal and vertical) of SOC, maps of SOC distribution across six soil depths (0-5, 5-15, 15-30, 30-60, 60-100 y 100-200 cm). Explained variance of our models varied between 63 to 57 %, with high uncertainty at sites with the highest values of SOC (up to 8%). The variability of SOC corresponded to a complex interaction of factors, whereas precipitation is an outstanding predictive factor across all depths, annual primary production (EVI) at the superficial horizons, and topography across deep horizons. Generated maps result in a useful tool for environmental policy, because they facilitate the periodical update of SOC and provide information for the management of this pool.



Keywords


carbon vertical distribution; uncertainty mapping; lineal models; random forests; quantile regression forests (QRF)


Texto completo: PDF

Creative Commons License
Este trabajo está bajo una licencia de Creative Commons Attribution-NonCommercial 3.0 Unported License.