SciELO - Scientific Electronic Library Online

 
vol.13 número2Evaluación del sistema NASA-POWER para estimar la evapotranspiración de referencia en la Región Lagunera, MéxicoRendimiento y calidad de forraje de tres cultivos de secano en camas a cuatro y seis hileras con diferentes métodos de fertilización índice de autoresíndice de assuntospesquisa de artigos
Home Pagelista alfabética de periódicos  

Serviços Personalizados

Journal

Artigo

Indicadores

Links relacionados

  • Não possue artigos similaresSimilares em SciELO

Compartilhar


Ingeniería agrícola y biosistemas

versão On-line ISSN 2007-4026versão impressa ISSN 2007-3925

Ing. agric. biosist. vol.13 no.2 Chapingo Jul./Dez. 2021  Epub 25-Jul-2022

https://doi.org/10.5154/r.inagbi.2021.03.055 

Artículo científico

Distribución espacial de carbono orgánico del suelo mediante mapeo digital: caso subcuenca río Medio Aguanaval

Georgina Pérez-Rodríguez1  * 
http://orcid.org/0000-0002-7194-8750

Armando López-Santos1 
http://orcid.org/0000-0002-2186-433X

Miguel Agustín Velásquez-Valle2 
http://orcid.org/0000-0001-8793-5543

José Villanueva-Díaz3 
http://orcid.org/0000-0001-8211-1203

Jorge Luis García-Rodríguez4 

1Universidad Autónoma Chapingo, Unidad Regional Universitaria de Zonas Áridas. Carretera Gómez Palacio - Ciudad Juárez km 40, Bermejillo, Durango. C. P. 35230, MÉXICO.

2Instituto Nacional de Investigaciones Forestales, Agrícolas y Pecuarias, Centro Regional de Investigaciones Noreste. Carretera Saltillo-Zacatecas km 8.5, col. Hacienda, Buenavista, Saltillo, Coahuila, C. P. 25315, MÉXICO.

3Instituto Nacional de Investigaciones Forestales, Agrícolas y Pecuarias. Canal Sacramento km 65, Gómez Palacio, Durango, C. P. 35140, MÉXICO.

4Comisión Nacional de las Zonas Áridas. Carretera a Chapala núm. 655, El Álamo, San Pedro Tlaquepaque, Jalisco, C. P. 45560, MÉXICO.


Resumen

Introducción:

El carbono se encuentra principalmente en reservas geológicas, océanos, atmósfera y tierra. El carbono orgánico en el suelo (COS) está determinado por la cantidad y distribución vertical de la vegetación, las propiedades intrínsecas del suelo y el clima, pero su variabilidad es influenciada por la interferencia antrópica. Las reservas de COS no son estáticas, la modelación de su distribución espacial, vertical y horizontal requiere la creación de estimaciones de referencia para cuantificar dichas reservas.

Objetivo:

Estimar la magnitud de los almacenes de COS en la subcuenca del río Medio Aguanaval (ScRMA) y analizar la sensibilidad de cuatro métodos de interpolación para minimizar el error del mapeo digital para la ScRMA.

Metodología:

El estudio se realizó en cinco etapas: 1) búsqueda, descarga y análisis de datos edafológicos, 2) procesamiento de datos, 3) selección de sitios de verificación, 4) análisis de laboratorio y 5) procesamiento de datos de sitios de verificación.

Resultados:

Los valores del COS presentaron un rango de 9 a 133 t·ha-1, una media de 36.31 t·ha-1 y una desviación estándar de 23.83 t·ha-1. El interpolador Kriging ordinario exponencial representó mejor el COS de la ScRMA con base en sus estadísticos. Los resultados del análisis de los sitios de verificación arrojaron una media de 24.4 t·ha-1de COS.

Limitaciones del estudio:

La densidad de perfiles edafológicos para la región y el vacío de información sobre la densidad aparente.

Originalidad:

Se empleó la línea base de distribución del COS a nivel subcuenca para analizar su dinámica.

Conclusiones:

En los municipios de Cuencamé y Santa Clara se encontró la mayor concentración de COS (61 a 129 t·ha-1), mientras que los registros más bajos (10 a 30 t·ha-1) se ubicaron en los municipios de Torreón y de Viesca.

Palabras clave estimación de COS; interpolación; reservas de COS; Sistemas de Información Geográfica

Abstract

Introduction:

Carbon is found mainly in geological reservoirs, oceans, atmosphere and land. Soil organic carbon (SOC) is determined by the quantity and vertical distribution of vegetation, intrinsic soil properties and climate, but variability is influenced by anthropogenic interference. SOC stocks are not static; modeling their spatial, vertical and horizontal distribution involves the creation of baseline estimates to quantify these stocks.

Objective:

To estimate the magnitude of SOC stocks in the Medio Aguanaval River sub-basin (ScRMA) and to analyze the sensitivity of four interpolation methods to minimize the error of digital mapping for the ScRMA.

Methodology:

The study consisted of five stages: 1) search, download and analysis of soil data, 2) data processing, 3) selection of verification sites, 4) laboratory analysis and 5) processing of data from verification sites.

Results:

SOC values ranged from 9 to 133 t·ha-1, with a mean of 36.31 t·ha-1 and standard deviation of 23.83 t·ha-1. The ordinary exponential Kriging interpolator was the best representation for SOC of the ScRMA based on statistics. The results of the analysis of the verification sites yielded a mean SOC of 24.4 t·ha-1.

Limitations of the study:

Soil profile density for the region and the lack of information on bulk density.

Originality:

The baseline distribution of SOC at the sub-basin level was used to analyze its dynamics.

Conclusions:

The highest concentration of SOC (61 to 129 t·ha-1) was found in the municipalities of Cuencamé and Santa Clara, while the lowest records (10 to 30 t·ha-1) were located in the municipalities of Torreón and Viesca.

Keywords SOC estimation; interpolation; SOC reserves; Geographic Information Systems

Introducción

El carbono (C) del planeta (43 515 ± 10 000 Pg) se encuentra principalmente en las reservas geológicas (identificadas como carbón, gas y aceite [5 000 a 10 000 Pg]), los océanos (87 %, con predominio de C-inorgánico), la atmósfera (2 %, primordialmente como dióxido de carbono [CO2]) y la tierra (que incluye suelo y biomasa vegetal [11 %]). Se estima que el carbono orgánico del suelo (COS) es tres veces mayor (1 500 Pg) que el concentrado en la vegetación aérea (450 Pg) (García-Oliva et al., 2006; Venter et al., 2021; Zhuo-Dong et al., 2021).

Se ha documentado ampliamente que el COS está determinado por la cantidad y distribución vertical de la vegetación, las propiedades intrínsecas del suelo y el clima. No obstante, su variabilidad es influenciada por la interferencia antrópica, realizada comúnmente mediante prácticas de manipulación del suelo (laboreo, fertilización), modificación de la vegetación (desmonte, aclareo, etc.) y presión ganadera, entre otras (Jobbagy & Jackson, 2000; García-Oliva et al., 2006; Muñoz et al., 2015; Batjes, 2016; Venter et al., 2021; Zhuo-Dong et al., 2021).

Venter et al. (2021) mencionan que desde el inicio de la ganadería y la agricultura (hace 12 000 años), los cambios de uso de suelo y el sobrepastoreo han provocado una pérdida de 116 Pg de C desde la capa superior del suelo hasta 2 m de profundidad, donde los principales ecosistemas afectados son pastizales, sabanas y tierras de cultivo (22, 22 y 21 Pg, respectivamente). Aun cuando en algunos territorios hay incremento del COS mediante intervenciones adecuadas, como la incorporación de abonos verdes y las restricciones en la remoción de la vegetación (Parras-Alcántara et al., 2015; Mahajan et al., 2021), el balance neto a la fecha es negativo, ya que se estiman pérdidas globales promedio de 26 % (Venter et al., 2021).

Dada la importancia del COS en las funciones del suelo y su interacción con el sistema planta-atmósfera, actualmente es considerado como un indicador universal de la seguridad y la salud de los suelos (McBratney et al., 2014; Mattina et al., 2018; Organización de las Naciones Unidas para la Alimentación y la Agricultura [FAO], 2017a). Por el contrario, la pérdida de COS es un indicador de degradación del suelo (Loayza et al., 2020; Mahajan et al., 2021), lo cual es concomitante con el comportamiento de la humedad, y la temperatura del suelo y del aire (Gómez-Tagle et al., 2003; López-Santos et al., 2008). López-Santos et al. (2008) encontraron que en suelos pobres en materia orgánica (< 3 %) y sin protección de la vegetación es impredecible el comportamiento de la energía en la capa superior del suelo (8 cm de profundidad), el cual se manifiesta en el incremento en el calor sensible.

En la Meta 15.3 de los Objetivos de Desarrollo Sostenible (ODS) (FAO, 2017b), el COS se constituye como un indicador de la biodiversidad y de la resiliencia ante el cambio climático; esto bajo la premisa de promover y lograr la Neutralidad de Degradación de Tierras (NDT), que es uno de los tres indicadores considerados como “Tendencias en las reservas de carbono” (Orr et al., 2017; Laban et al., 2018). Sin embargo, como ya se ha mencionado, debido a múltiples factores bióticos y abióticos, incluyendo el tipo de suelo, uso de la tierra y condiciones climáticas (Galicia et al., 2016), las reservas de COS no son estáticas, pues están sometidas a ciclos constantes entre diversos sumideros, tanto en el suelo como en la vegetación, el océano y la atmósfera.

Desde la escala local, a la global, es complicado cuantificar los almacenes de COS. Por ello, la FAO (2017c) compiló los métodos estadísticos basados en Sistemas de Información Geográfica (SIG) para generar mapas digitales de COS (MDCOS) de distribución espacial, específicamente para evaluar el COS considerando la incertidumbre. Este esfuerzo fue orientado para apoyar países en desarrollo, como los ubicados en América Latina, debido a que en varios de ellos se detectó escasez o, en casos extremos, ausencia de datos edafológicos (Guevara et al., 2018).

Guevara et al. (2018), como parte de los esfuerzos de integración del mapa mundial del COS (http://54.229.242.119/GSOCmap/), elaboraron el MDCOS de América Latina con una resolución espacial de 5 x 5 km. Dichos autores emplearon 11 268 estimaciones (n) de 19 países, de los 46 que integran la región. La mayor aportación de datos edafológicos (88.1 %) fueron de Brasil (5 616 n) y México (4 321 n); otros países como Argentina (231 n), Colombia (166 n) y Venezuela (1.45 n) tuvieron una aportación conjunta de menos de 5 %. Para ello, utilizaron el modelo SCORPAN descrito previamente por McBratney et al. (2003). Guevara et al. (2018) mencionan que a partir de dicho modelo combinaron descripciones empíricas cuantitativas y cualitativas para establecer la relación entre los suelos y predictores espacialmente distribuidos: Sc = (S,C,O,R,P,A,N) y Sa = f(S,C,O,R,P,A,N); donde Sc corresponde a las clases de suelo y Sa puede ser cualquier atributo o atributos del suelo (como el COS), lo cual estará en función de las características del suelo (S), del clima (C), de los organismos (O), del relieve (R), del material parental (P), del tiempo (A) y del espacio físico (N).

No obstante, en el reporte de Guevara et al. (2018), las estimaciones del COS de América Latina y el Caribe aún presentan incertidumbres reflejadas en desviaciones estándar muy por encima de los valores medios (Brasil = 3.23 ± 9.18 kg de COS·m-2). Para el caso de México, se reporta un almacén de COS promedio de 2.56 ± 1.49 kg·m-2 (en un rango de 0 a 35.55 kg·m-2), lo cual representa un promedio nacional de alrededor de 7.68 t·ha-1 de COS considerando una profundidad de 30 cm. Sin duda, estos resultados son un gran avance, por lo que estudios regionales podrían reforzar el esfuerzo global desde lo local (Segura-Castruita et al., 2005), sobre todo para las regiones áridas y semiáridas donde se han subestimado los sumideros de C (Montaño et al., 2016).

Con base en lo anterior, los objetivos de la presente investigación fueron estimar la magnitud de los almacenes del COS en la subcuenca del río Medio Aguanaval (ScRMA) y analizar la sensibilidad de cuatro métodos de interpolación para minimizar el error del mapeo digital para la ScRMA.

Materiales y métodos

Descripción de la unidad de estudio

Se consideró como unidad de estudio a la ScRMA ubicada en la provincia Mesa del Centro y en las sub-provincias Sierra y Llanuras del Norte, y Sierras y Lomeríos de Aldama y Río Grande, en un rango altitudinal de 1 400 a 2 600 m s. n. m. La ScRMA es parte de la región hidrológica 36, con un área de 8 348 km2 y cuya ubicación está al oriente del estado de Durango, noroeste de Zacatecas y sureste de Coahuila (24.632° longitud norte y 103.260° latitud oeste) (Comisión Nacional para el Conocimiento y Uso de la Biodiversidad [CONABIO], 1998) (Figura 1).

Figura 1 Unidad de estudio: ubicación nacional, regional y subcuenca del río Medio Aguanaval. 

La ScRMA integra parte de los municipios de Cuencamé, General Simón Bolívar, Santa Clara y San Juan de Guadalupe en Durango; Juan Aldama y Miguel Auza en Zacatecas, y Torreón y Viesca en Coahuila. El clima presente en esta zona es árido, con cinco subtipos: muy árido semicálido (BWhw), árido semicálido (BSohw), semiárido templado (BS1kw), árido templado (BSokw) y semiárido semicálido (BS1hw) (García, 1998). Hay dominancia de matorrales (41 %) y agricultura de temporal, la cual se practica en 20 % del territorio (Instituto Nacional de Estadística y Geografía [INEGI], 2016). La precipitación y la temperatura anual en esta zona es de 125 a 600 mm y de 16 a 22° C, respectivamente (Cuervo-Robayo et al., 2014). El territorio de la ScRMA integra 12 grupos de suelo principal (GSP) y 39 subgrupos, donde destaca el Phaeozem, con textura franco o media, en más del 80 % del área (INEGI, 2014a). Además, se observa la presencia de topoformas como sierras, lomeríos, mesetas, llanuras, valles y bajadas (Lugo-Hubp & Aceves-Quezada, 1992).

Etapas de la investigación

Una vez definida, delimitada y caracterizada la ScRMA, el desarrollo del estudio consideró cinco etapas: 1) búsqueda, descarga y análisis de datos edafológicos, 2) procesamiento de datos, 3) selección de sitios de verificación, 4) análisis de laboratorio y 5) procesamiento de datos de sitios de verificación.

Búsqueda y descarga de datos edafológicos

Los datos edafológicos se obtuvieron del conjunto nacional que consta de 4 418 perfiles de suelos (integrados por 14 349 horizontes o capas de suelo) clasificados por el sistema internacional Base Referencial Mundial del Recurso Suelo (WRB, por sus siglas en inglés) y adaptado por el INEGI (2014b) como Serie II. Este conjunto vectorial en escala 1:250 000 corresponde a los datos históricos de más de 30 años (1970 a 2005), con actualización al 2010 (https://www.inegi.org.mx/temas/edafologia/#Descargas). Del conjunto nacional se extrajeron 40 perfiles (0.9 %), que fueron analizados en cuanto a su densidad (n), y distribución horizontal (x, y) y vertical (z). Para extraer la información representativa de la subcuenca, se consideró el límite definido por el parteaguas de la ScRMA, que es de 0 a 30 cm de profundidad.

Procesamiento de datos

El valor del COS de la ScRMA se determinó con base en el procedimiento descrito por Bautista et al. (2016), con fundamento en el programa Soil & Environment® (S&E) (Skiu: https://www.actswithscience.com), el cual permite calcular almacenes de C, así como las funciones ambientales relacionadas (como la calidad y fertilidad de los suelos). Dicho programa incluye una plantilla, en la cual se descargó la información de los perfiles edafológicos seleccionados. Los datos de los perfiles representaban el periodo de abril de 1992 a noviembre de 2005. El archivo vectorial de los perfiles no cuenta con datos para densidad aparente (Da), por lo que ésta se obtuvo mediante un estimador de propiedades hidráulicas. Para ello, se ingresaron los valores porcentuales de arcilla y arena de cada horizonte del perfil. El cálculo de la materia orgánica (MO), se realizó conforme a la Norma Oficial Mexicana NOM-021-RECNAT-2000 (Secretaría de Medio Ambiente y Recursos Naturales [SEMARNAT], 2002). Las propiedades del suelo utilizadas en el programa S&E para calcular el CO fueron: volumen de fragmentos gruesos (%), espesor de los horizontes (dm), densidad aparente (g·cm-3) y contenido del COS (%). La Ecuación 1 se utilizó para calcular el COS (Gallegos-Tavera et al., 2014).

COS= horizonte=ihorizonte=nDai×THi1- CRi100×Ci×100 (1)

donde COS es el carbono orgánico del perfil completo de suelo (t·ha-1), Da i es la densidad aparente del horizonte i (g·cm-3), TH i es el espesor de horizonte i (dm), CR i es el volumen de fragmentos gruesos del horizonte i (%) y C i es el porcentaje de carbono orgánico del horizonte i (%).

Las propiedades analizadas en laboratorio indispensables para trabajar con S&E son C, CIC, Ca, Mg, Na, K y pH (Gallegos & Bautista, 2015). Al integrar en el programa la plantilla con los datos necesarios por perfil se obtuvieron los valores del COS. Estos valores se ordenaron y, junto con la información general de cada perfil, se creó una base de datos en Excel. Al considerar la cantidad de perfiles edafológicos respecto de la superficie de la ScRMA, se realizó una interpolación de los datos del COS con los cuatro geoestadísticos que posee el programa ArcGIS 10.1 (IDW, Kriging, Natural Neighbor y Spline), y se analizó cuál de ellos generó la mejor interpolación con base en sus estadísticos. Finalmente, se elaboró un mapa de la distribución del COS en la ScRMA.

Selección de sitios de verificación

Al emplear diferentes capas temáticas en ArcGIS 10.1 (como uso de suelo, vegetación, tipos de suelo, climas y municipios), además de la accesibilidad, se consideró una mayor representatividad para la distribución de los sitios de verificación de estimaciones del COS. En cada sitio, se colectaron 4 kg de suelo, y se tomaron muestras inalteradas mediante cilindros de acero para determinar densidad aparente.

Análisis de laboratorio

Las variables analizadas en el suelo proveniente de los sitios de verificación fueron pH (potenciómetro), Da (parafina), textura (Bouyoucos), conductividad eléctrica (CE, conductímetro), capacidad de intercambio catiónico (CIC, titulación con NaCl) y materia orgánica (MO, Walkley and Black). Los análisis se realizaron conforme a la NOM-021-RECNAT-2000 (SEMARNAT, 2002).

Procesamiento de datos de sitios de verificación

El COS se estimó a partir de la MO del suelo, la cual se determinó por el método propuesto por Walkley y Black (1934). Para la estimación se empleó el factor de Van Benmelen de 1.724, que resulta de la suposición de que la MO contiene 58 % de carbono (1/0.58 = 1.724). Posteriormente, la estimación del carbono orgánico total (COT) se determinó a partir de la siguiente ecuación:

COT (%)=MO (%)1.724 (2)

Finalmente, se llenó la plantilla con los datos de los sitios de verificación, tal como se explicó en la etapa de procesamiento de datos, para obtener el valor del COS de cada sitio. Se constituyó la base de datos de los sitios de verificación para realizar un mapa temático (tipo raster) del contenido de COS a partir de una interpolación con el programa ArcGIS 10.1.

Resultados y discusión

Los valores del COS obtenidos para la ScRMA estuvieron en un rango de 9 a 133 t·ha-1, con un valor medio de 36.31 t·ha-1 y una desviación estándar de 23.83 t·ha-1 (Cuadro 1). Dichos valores se obtuvieron a partir de la información de los perfiles de suelo con profundidades de 12 a 30 cm; esto se consideró con base en estudios regionales previos para el mismo rango de profundidad, que es donde se encuentran las concentraciones más altas de COS (Burke et al., 1989).

Cuadro 1 Carbono orgánico en el suelo, ubicación y caracterización de los perfiles de suelo (1992 a 2005). 

Sitio COS (t·ha-1) Longitud oeste Latitud norte Municipio Tipo de clima Clasificación WRB1 Altitud (m s. n. m.) Pp (mm) Vegetación Pendiente
1 28.92 102° 43’ 57.42’’ 25° 00’ 56.50’’ Viesca Muy árido, semicálido Cambisol 1 500 300 Matorral 3
2 13.53 103° 03’ 28.76’’ 25° 05’ 41.04’’ Viesca Muy árido, semicálido Calcisol 1 450 300 Matorral 3
3 50.08 102° 50’ 27.44’’ 25° 04’ 35.88’’ Viesca Muy árido, semicálido Calcisol 1 450 300 Matorral 3
4 20.27 103° 19’ 53.49’’ 24° 55’ 29.31’’ Gral. Simón Bolívar Muy árido, semicálido Calcisol 1 450 300 Matorral 1
5 31.28 102° 54’ 11.69’’ 24° 54’ 25.27’’ Viesca Muy árido, semicálido Calcisol 1 550 300 Matorral 1
6 39.23 103° 14’ 08.05’’ 24° 54’ 10.28’’ Gral. Simón Bolívar Muy árido, semicálido Calcisol 1 350 300 Agric. de riego 1
7 21.98 103° 03’ 14.32’’ 24° 49’ 07.67’’ Torreón Muy árido, semicálido Calcisol 1 450 300 Matorral 2
8 17.71 102° 53’ 58.21’’ 24° 49’ 26.67’’ Viesca Muy árido, semicálido Calcisol 1 500 300 Matorral 1
9 42.64 103° 11’ 24.19’’ 24° 45’ 16.90’’ Gral. Simón Bolívar Muy árido, semicálido Kastañozem 1 450 300 Agric. de riego 1
10 12.64 103° 13’ 51.42’’ 24° 41’ 55.09’’ Gral. Simón Bolívar Árido, semicálido Calcisol 1 550 300 Agric. de riego 1
11 53.06 103° 30’ 40.76’’ 24° 33’ 03.28’’ Santa Clara Árido, semicálido Chernozem 1 800 400 Agric. de temporal 2
12 9.03 103° 33’ 45.44’’ 24° 07’ 43.88’’ Miguel Auza Semiárido, templado Planosol 2 150 500 Vegetación de galería 2
13 21.24 103° 14’ 52.94’’ 24° 58’ 38.80’’ Torreón Muy árido, semicálido Leptosol 1 325 300 Matorral 40
14 30.12 103° 25’ 41.33’’ 24° 57’ 23.53’’ Cuencamé Muy árido, semicálido Calcisol 1 470 300 Matorral 1
15 55.77 103° 06’ 31.95’’ 24° 44’ 07.77’’ Gral. Simón Bolívar Muy árido, semicálido Calcisol 1 470 300 Matorral 2
16 36.39 103° 19’ 45.77’’ 24° 32’ 02.44’’ Santa Clara Árido, semicálido Leptosol 1 748 400 Matorral 2
17 133.72 103° 32’ 46.08’’ 24° 42’ 37.61’’ Cuencamé Árido, templado Leptosol 2 007 400 Matorral 30
18 87.48 103° 28’ 56.13’’ 24° 25’ 21.60’’ Santa Clara Árido, semicálido Vertisol 1 823 400 Pastizal 1
19 45.66 103° 11’ 44.63’’ 24° 23’ 08.86’’ Juan Aldama Semiárido, templado Luvisol 1 946 400 Matorral 1
20 16.87 103° 38’ 04.23’’ 24° 08’ 42.46’’ Cuencamé Semiárido, templado Umbrisol 2 105 600 Agric. de temporal 1
21 29.30 103° 35’ 22.82’’ 23° 57’ 30.91’’ Sombrerete Semiárido, templado Luvisol 2 250 500 Agric. de temporal 1
22 10.83 102° 53’ 00.43’’ 23° 56’ 44.56’’ Gral. Fco. R. Murguía Árido, semicálido Calcisol 1 843 400 Matorral 10
23 28.60 103° 31’ 12.49’’ 25° 11’ 53.45’’ Gral. Simón Bolívar Muy árido, semicálido Calcisol 1 250 300 Matorral 5
24 20.48 103° 08’ 46.07’’ 25° 17’ 34.75’’ Viesca Muy árido, semicálido Calcisol 1 200 200 Matorral 4
25 12.28 102° 38’ 17.09’’ 24° 39’ 17.18’’ San Juan de Guadalupe Muy árido, semicálido Regosol 1 600 300 Matorral 2
26 65.85 103° 42’ 20.67’’ 24° 32’ 22.29’’ Cuencamé Semiárido, templado Chernozem 2 100 500 Agric. de temporal 1
27 41.27 103° 46’ 02.88’’ 24° 23’ 35.07’’ Cuencamé Semiárido, templado Phaeozem 2 100 500 Agric. de riego 1
28 25.84 102° 59’ 07.95’’ 24° 22’ 32.92’’ Gral. Fco. R. Murguía Árido, semicálido Leptosol 1 800 400 Matorral 15
29 18.58 103° 18’ 14.89’’ 24° 06’ 22.75’’ Miguel Auza Semiárido, templado Luvisol 2 150 500 Agric. de temporal 1
30 25.12 102° 38’ 47.63’’ 24° 59’ 30.29’’ San Juan de Guadalupe Muy árido, semicálido Calcisol 1 413 300 Matorral 1
31 13.00 102° 40’ 48.31’’ 24° 42’ 35.30’’ San Juan de Guadalupe Muy árido, semicálido Solonetz 1 526 300 Matorral 0
32 42.16 102° 43’ 41.64’’ 24° 38’ 09.46’’ San Juan de Guadalupe Muy árido, semicálido Leptosol 1 589 300 Matorral 50
33 26.69 103° 39’ 37.26’’ 24° 49’ 01.00’’ Cuencamé Árido, semicálido Leptosol 1 675 400 Matorral 4
34 63.86 103° 47’ 02.75’’ 24° 44’ 54.21’’ Cuencamé Árido, templado Phaeozem 1 822 400 Matorral 20
35 22.89 103° 40’ 12.78’’ 24° 38’ 44.46’’ Cuencamé Árido, templado Leptosol 1 953 500 Matorral 15
36 53.55 103° 42’ 39.16’’ 24° 43’ 08.51’’ Cuencamé Árido, semicálido Phaeozem 1 805 400 Matorral 30
37 50.17 103° 49’ 50.58’’ 24° 25’ 55.69’’ Cuencamé Semiárido, templado Phaeozem 2 088 500 Agric. de temporal 1
38 56.67 103° 41’ 16.07’’ 24° 21’ 12.38’’ Cuencamé Semiárido, templado Phaeozem 2 052 500 Pastizal 1
39 47.27 103° 50’ 04.87’’ 24° 15’ 45.29’’ Cuencamé Semiárido, templado Phaeozem 2 131 600 Agric. de temporal 1
40 30.19 102° 54’ 06.67’’ 24° 16’ 19.65’’ Gral. Fco. R. Murguía Árido, semicálido Leptosol 1 705 300 Matorral 25

1WRB = Base Referencial Mundial del Recurso Suelo. Fuente: Instituto Nacional de Estadística y Geografía (INEGI, 2014a).

Las concentraciones del COS fueron variables en la ScRMA; en 84.5 % de su extensión se obtuvieron valores ≤ 50 t·ha-1, mientras que en 14.5 % de la superficie vario de 51 a 100 t·ha-1, y en casi 1 % se encontraron concentraciones > 100 t·ha-1. El primer rango de concentraciones de COS (10 a 50 t·ha-1) se distribuyó en 49.80 % de la superficie de matorrales ubicados en la porción centro-norte de la subcuenca, específicamente al noreste del municipio de Santa Clara, al oeste de San Juan de Guadalupe, al sur de Viesca, sureste de Torreón y de Simón Bolívar, y en una pequeña porción del norte de Gral. Fco. R. Murguía. El 19.63 % de la misma concentración se presentó en áreas agrícolas de temporal anual encontradas en la parte sureste de la subcuenca, al sur del municipio de Cuencamé, casi en la totalidad de Miguel Auza, el sur de Simón Bolívar y al centro de Juan Aldama. El 11.5 % se encontró en zonas de vegetación secundaria de matorral, en algunas partes de los municipios de Viesca, Torreón, San Juan de Guadalupe y Simón Bolívar. Por último, el 10 % se presentó en la vegetación secundaria de pastizal, en algunas partes de Juan Aldama, al sur de Simon Bolívar, Viesca, Cuencamé y Santa Clara. El 9.66 % restante corresponde a los usos de suelo y vegetación con distribución menor a 1 % cada uno.

El segundo rango de COS (51 a 100 t·ha-1) se encontró el oeste de la subcuenca, donde las áreas con vegetación secundaria de pastizal poseen dicha concentración en 42.5 % de su superficie, particularmente en la zona centro-este de Cuencamé y centro-oeste de Santa Clara. El 24.9 % se distribuyó en áreas con agricultura de temporal anual, al centro-oeste de Santa Clara, y el 22.9 % se presentó en matorral en la parte nor-noroeste de Santa Clara. Finalmente, el tercer rango (> 100 t·ha-1) se ubicó al oeste de la ScRMA, en zonas de pastizal y vegetación secundaria de pastizal.

Al comparar los interpoladores del programa ArcGIS 10.1 se encontró que IDW y Kriging presentaron la mejor interpolación en función a los estadísticos básicos de la media y la desviación estándar (Cuadro 2).

Cuadro 2 Comparación de interpoladores para determinar el carbono orgánico en el suelo (COS). 

Núm. de perfiles COS mínimo (t·ha-1) COS máximo (t·ha-1) Interpolador COS mínimo calculado (t·ha-1) COS máximo calculado (t·ha-1) Media (t·ha-1) Desviación estándar
40 9.03 133.72 IDW 9.03 133.72 37.56 15.63
KRIGING 15.35 113.82 38.51 12.72
NATURAL NEIGHBOR 9.48 132.12 39.59 18.09
SPLINE -5.33 156.45 40.93 27.18

En la comparación de las potencias de los interpoladores IDW y Kriging, se determinó que Kriging ordinario exponencial (KO) representó mejor los valores del COS de la ScRMA con base en los estadísticos obtenidos (Cuadro 3).

Cuadro 3 Comparación entre potencias de interpoladores para determinar el carbono orgánico en el suelo (COS). 

Interpolador Potencia COS mínimo calculado (t·ha-1) COS máximo calculado (t·ha-1) Media (t·ha-1) Desviación estándar
IDW P1 11 122 37.64 10.81
P2 9 133 37.50 15.58
P3 9 133 37.67 19.28
P4 9 133 37.93 21.67
Kriging K. O. esférica 15 113 38.51 12.71
K. O. circular 22 73 37.88 11.12
K. O. exponencial* 10 129 38.17 12.35*
K. O. Gaussian 16 106 38.10 8.67
K. O. linear 23 65 37.89 10.26
K. U. lineal con derivada lineal 16 61 35.07 9.24
K. U. lineal con derivada cuadrática 9 101 41.16 16.93

Villatoro et al. (2008) compararon los interpoladores IDW y Kriging, por ser los más utilizados en estudios de análisis de variación espacial, en un área de 2 467 m2 y georreferenciaron 61 puntos a una distancia de 3.5 m entre sí; las muestras de suelo las obtuvieron a una profundidad de 0 a 15 cm en cada punto. Dichos autores utilizaron el programa GS+ para Windows para el análisis de variogramas, la interpolación y la validación cruzada. Las interpolaciones las realizaron con valores de pH, Ca, CIC y fósforo (P) del suelo, y determinaron que, aunque ambos interpoladores tuvieron un desempeño similar, Kriging fue superior al predecir de mejor manera la variación de pH, Ca y CIC, mientras que el IDW fue mejor con el P.

La interpolación se representó en nueve clases con el fin de visualizar mejor la distribución del COS (Figura 2). Se observó que valores superiores a 50 t·ha-1 se distribuyen de la zona centro hacia el oeste, perteneciente, en mayor superficie, al estado de Durango, donde se encuentran los tipos de suelo litosol, xerosol y chernozem. En esta zona predomina la vegetación de matorral desértico micrófilo y rosétofilo, pastizal natural y vegetación secundaria de pastizal natural, con una precipitación de 400 a 600 mm.

Figura 2 Carbono orgánico del suelo (COS) en la subcuenca del río Medio Aguanaval obtenido mediante el interpolador Kriging. 

La menor concentración del COS se distribuye en la zona sur del estado de Coahuila y parte noreste de Zacatecas. Vela-Correa et al. (2012) revisaron las concentraciones reportadas del COS con el fin de tener una referencia general y poder clasificarlas, en altos y bajos, de acuerdo con sus valores. Estos autores concluyeron que no existe una referencia donde se establezca alguna jerarquización general del COS, por lo cual consideraron los límites de los intervalos en función de los valores máximos y mínimos de concentración de C obtenidos en los análisis de suelo.

Segura-Castruita et al. (2005) determinaron el contenido de COS en el horizonte superficial (0 a 20 cm) de 4 583 muestras de suelo y generaron un mapa ráster mediante interpolación. Dichos autores encontraron valores desde 0.2 hasta 493 t·ha-1, los cuales dividieron en cinco clases. Los valores correspondientes al área de la subcuenca fluctuaron de 25 a 50 t·ha-1, lo cual concuerda con los resultados de este estudio, con media de 36 t·ha-1. De manera similar, los resultados coinciden con un estudio de la FAO (2017a), en donde elaboraron un mapa de carbono orgánico mundial con resolución de un kilómetro mediante muestras obtenidas en una profundidad de 0 a 30 cm. En dicho estudio, la ScRMA presentó valores de COS de 25 a 40 t·ha-1, y en el presente trabajo se obtuvo una media de 24.4 t·ha-1 en el análisis de los sitios de verificación de la ScRMA (Cuadro 4).

Cuadro 4 Carbono orgánico del suelo (COS) en sitios de verificación (octubre 2019). 

Sitio COS (t·ha-1) Longitud oeste Latitud norte Municipio Tipo de clima Clasificación WRB1 Altitud (m s. n. m.) Pp (mm) Vegetación Pendiente
1 11.00 103° 33’ 09.80’’ 24° 07’ 56.20’’ Miguel Auza Semiárido, templado Phaeozem 2 156 300 Veg. Sec. Arb. de pastizal natural 1
2 21.84 103º 40’ 40.80’’ 24° 12’ 51.60’’ Cuencamé Semiárido, templado Umbrisol 2 170 300 Veg. Sec. Arb. de pastizal natural 1
3 27.35 103° 30’ 38.80’’ 24° 32’ 16.30’’ Cuencamé Semiárido, templado Chernozem 1 652 300 Agric. de temporal 2
4 11.65 103° 10’ 59.30’’ 24° 37’ 46.00’’ Simón Bolívar Árido, semicálido Phaeozem 1 664 300 Matorral 1
5 6.37 103° 33’ 33.80’’ 24° 51’ 59.50’’ Cuencamé Árido, semicálido Calcisol 1 610 300 Matorral 1
6 8.92 102° 55’ 42.10’’ 24° 47’ 59.80’’ Simón Bolívar Muy árido, semicálido Calcisol 1 476 300 Veg. Sec. Arb. de matorral 1
7 40.10 103° 19’ 56.50’’ 24° 18’ 32.50’’ Juan Aldama Semiárido, templado Chernozem 2 023 300 Agric. de temporal 1
8 41.84 103° 11’ 27.30’’ 24° 51’ 38.80’’ Simón Bolívar Muy árido, semicálido Calcisol 1 386 300 Bosque de mezquite 1
9 50.53 103° 15’ 30.90’’ 24° 57’ 47.10’’ Torreón Muy árido, semicálido Leptosol 1 404 300 Matorral 3

1WRB = Base Referencial Mundial del Recurso Suelo. Fuente: Instituto Nacional de Estadística y Geografía (INEGI, 2014a).

Es relevante considerar que el número de sitios muestreados para la verificación fue bajo (nueve sitios), aunque éstos fueron representativos de los diferentes tipos y usos de suelo, comparado con los 40 sitios analizados de los perfiles edafológicos del INEGI, donde la media obtenida fue de 36 t·ha-1. A pesar de ello, los resultados obtenidos con el muestreo de suelo en la ScRMA no difirieron de los reportados tanto por la FAO (2017a) como por Segura-Castruita et al. (2005). Respecto de la precisión de las estimaciones realizadas, se calculó el estadístico ECM (error cuadrático medio) para los datos del COS de los perfiles analizados y de los sitios de verificación (23.83 y 16.41 t·ha-1, respectivamente), y el coeficiente de variación para los mismos datos (65.64 y 67.27 %, respectivamente) (Cuadro 5).

Cuadro 5 Estadísticos descriptivos de los perfiles edáficos y de los sitios de verificación en la subcuenca del río Medio Aguanaval (ScRMA). 

Número de sitios Media (t·ha-1) Error cuadrático medio (t·ha-1) Coeficiente de variación (%)
40 (perfiles edafológicos) 36.31 23.83 65.64
9 (sitios de verificación) 24.40 16.41 67.27

La mayor concentración del COS se encuentra en zonas de pastizal natural, de agricultura de riego anual y temporal anual, y de matorral desértico micrófilo perteneciente a la parte central, que corresponde al estado de Durango (1 600 a 2 200 m s. n. m.).

Mondal et al. (2017) estimaron la distribución del COS en categorías variadas de pendiente, suelo y uso del suelo, y observaron que la concentración del COS es mayor en áreas bajas y en suelos arcillosos de tierras con vocación agrícola. Además, estos autores reportaron que la reserva del COS disminuye con mayor pendiente, y que en las categorías de suelo, la arcilla posee el mayor contenido de carbono.

La información disponible del COS se refiere principalmente a regiones templadas y tropicales (Segura-Castruita et al., 2005), debido a que las regiones áridas y semiáridas han sido poco estudiadas. Montaño et al. (2016) y Yescas-Coronado et al. (2018) mencionan que la heterogeneidad espacio-temporal de estas regiones se ve influenciada por las condiciones ambientales, el tipo de comunidad vegetal y el uso del suelo, que en su conjunto afectan los almacenes y flujos del carbono.

Diversos autores indican que el clima, a través de la temperatura y la precipitación, juega un papel preponderante en la acumulación del COS (Grigal & Ohmann, 1992; Batjes, 1999; Yigini & Panagos, 2016; Batjes, 2016; FAO, 2017c; FAO, 2019). Además, se ha determinado que los suelos de selvas húmedas, manglares y bosques mesófilos de montaña aportan más de 100 Mg·ha-1 de CO, mientras que los pastizales, matorrales xerófilos y matorrales espinosos aportan menos de 30 Mg·ha-1 de CO. Por otra parte, al relacionar los principales usos del suelo con el contenido de COS, se estableció que los suelos destinados a la ganadería intensiva tienen el contenido de COS más elevado (> 80.0 Mg·ha-1), seguido de los suelos forestales (> 75.0 Mg·ha-1), mientras que los suelos con agricultura de riego presentan la menor cantidad de este compuesto (40.8 Mg·ha-1) (Segura-Castruita et al., 2005).

Considerando lo anterior, concentraciones bajas de COS (10 a 30 t·ha-1) en la ScRMA se distribuyen principalmente en la parte noreste de la zona, donde la vegetación dominante es el matorral (micrófilo y rosétofilo) y vegetación secundaria de matorral. El rango de precipitación de dicha zona va de 125 a 400 mm, y el tipo de clima es muy árido y semicálido. Las concentraciones de COS se pueden atribuir a la baja aportación de materia orgánica al suelo por parte de la vegetación y a la aridez del área, la cual promueve la pérdida de COS.

Conclusiones

La ScRMA dominada por condiciones semiáridas mostró un valor medio estimado de 36.31 t·ha-1 de COS. En cuanto a la distribución, los municipios con mayor concentración de COS fueron Cuencamé y Santa Clara, mientras que los registros más bajos se presentaron en Torreón. Esta variación interespacial depende de las variables climáticas, edáficas y el tipo de manejo al que ha estado sujeta el área, donde el mayor contenido de COS se genera en sitios con mayor precipitación y profundidad de suelo.

La principal limitación en esta investigación fue el vacío de información de la densidad aparente, la cual afectó la precisión de las estimaciones de reservas de COS. Por ello, y con base en el desarrollo del trabajo, se estimó que a una densidad de 0.6 % de muestreo, la incertidumbre disminuyó de 23.83 a 16.41 t·ha-1 (ECM) en este ecosistema heterogéneo.

Agradecimientos

Al Consejo Nacional de Ciencia y Tecnología (CONACYT) por la beca otorgada al primer autor durante la maestría para llevar a cabo la investigación, a la Unidad Regional Universitaria de Zonas Áridas de la Universidad Autónoma Chapingo por la oportunidad para cursar el posgrado, y un especial agradecimiento a los revisores anónimos por su contribución en este manuscrito

REFERENCIAS

Batjes, N. H. (1999). Management options for reducing CO 2concentrations in the atmosphere by increasing carbon sequestration in the soil. International Soil Reference and Information Centre. https://www.isric.org/sites/default/files/NRP410200031.pdfLinks ]

Batjes, N. (2016). Harmonized soil property values for broad-scale modelling (WISE30sec) with estimates of global soil carbon stocks. Geoderma, 269, 61-68. https://doi.org/10.1016/j.geoderma.2016.01.034 [ Links ]

Bautista, F., Gallegos, A., & Pacheco, A. (2016). Análisis de las funciones ambientales de los suelos con datos de perfiles (Soil & Environment). Skiu. https://www.researchgate.net/publication/301221721_Analisis_de_las_funciones_ambientales_de_los_suelos_con_datos_de_perfiles_Soil_EnvironmentLinks ]

Burke, I. C., Yonker, C. M., Parton, W. J., Cole, C. V., Flach, K., & Schimel, D. S. (1989). Texture, climate, and cultivation effects on soil organic matter content in U.S. grassland soils. Soil Science Society of America Journal, 53(3), 800-805. https://doi.org/10.2136/sssaj1989.03615995005300030029x [ Links ]

Comisión Nacional para el Conocimiento y Uso de la Biodiversidad (CONABIO). (1998). Subcuencas hidrológicas, escala 1: 1,000,000. CONABIO. http://www.conabio.gob.mx/informacion/gis/Links ]

Cuervo-Robayo, A. P., Téllez-Valdés, O., Gómez-Albores, M. A., Venegas-Barrera, C. S., Manjarrez, J., & Martínez-Meyer, E. (2014). Temperatura media anual en México (1910-2009), escala: 1:1, 000,000. CONABIO. http://geoportal.conabio.gob.mx/metadatos/doc/html/tman13gw.htmlLinks ]

Galicia, L., Gamboa-Cáceres, A. M., Cram, S., Chávez-Vergara, B., Peña-Ramírez, V., Saynes, V., & Siebe, C. (2016). Almacén y dinámica del carbono orgánico del suelo en bosques templados de México. Terra Latinoamericana, 34(1), 1-29. http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S0187-57792016000100001&lng=es&tlng=esLinks ]

Gallegos, A., & Bautista, F. (2015). “Soils and Environment” un software para evaluar las funciones ambientales de los suelos. In: Paz, F., Wong, J., & Torres, A. R. (Eds), Estado actual del conocimiento del ciclo del carbono y sus interacciones en México: Síntesis a 2015 (pp. 236-243). Programa Mexicano del Carbono en colaboración con el Colegio de Postgraduados, la Universidad Autónoma Chapingo y el Instituto Tecnológico y de Estudios Superiores de Monterrey. https://www.researchgate.net/publication/301650937_Serie_Sintesis_Nacionales_ESTADO_ACTUAL_DEL_CONOCIMIENTO_DEL_CICLO_DEL_CARBONO_Y_SUS_INTERACCIONES_EN_MEXICO_SINTESIS_A_2015Links ]

Gallegos-Tavera, Á., Bautista, F., & Álvarez, O. (2014). Software para la evaluación de las funciones ambientales de los suelos (Assofu). Revista Chapingo, Serie Ciencias Forestales y del Ambiente, 20(1), 237-249. https://doi.org/10.5154.r.rchscfa.2012.11.060 [ Links ]

García, E. (CONABIO). (1998). ‘Climas’ (clasificación de Köppen, modificado por García), escala 1:1,000,000, México. CONABIO. http://geoportal.conabio.gob.mx/metadatos/doc/html/clima1mgw.htmlLinks ]

García-Oliva, F., Hernández, G., & Gallardo-Lancho, J. F. (2006). Comparison of ecosystem C pools in three forests in Spain and Latin America. Annals of Forest Science, 63(1), 519-523. https://doi.org/10.1051/forest:2006034 [ Links ]

Gómez-Tagle, C. A., Chávez-Huerta, Y., Morales-Manilla, L. M., Díaz-Fernández, E., Gómez-Tagle, A. F., & Zepeda-Castro, H. (2003). Predicción espacial de carbono orgánico edáfico superficial en zonas forestales mediante análisis digital de terreno y SIG: uso de la radiación solar potencial. Foresta Veracruzana, 5(2), 49-55. [ Links ]

Grigal, D. F., & Ohmann, L. F. (1992). Carbon storage in upland forests of the Lake States. Soil Science Society of America Journal , 56(3), 935-943. https://doi.org/10.2136/sssaj1992.03615995005600030042x [ Links ]

Guevara, M., Olmedo, G. F., Stell, E., Yigini, Y., Aguilar-Duarte, Y., Arellano-Hernández, C., Arévalo, G., Arroyo-Cruz, C. E., Bolivar, A., Vargas, R. (2018). No silver bullet for digital soil mapping: country-specific soil organic carbon estimates across Latin America. Soil, 4(3), 173-193. https://doi.org/10.5194/soil-4-173-2018 [ Links ]

Instituto Nacional de Estadística y Geografía (INEGI). (2014a). Conjunto de datos vectoriales edafológicos. Serie II (Continuo Nacional), escala: 1:250,000. INEGI. http://geoportal.conabio.gob.mx/descargas/mapas/imagen/96/eda250s2gwLinks ]

Instituto Nacional de Estadística y Geografía (INEGI). (2014b). Conjunto de datos vectoriales de perfiles de suelo. Serie II (Continuo Nacional), escala: 1:250,000. INEGI. https://www.inegi.org.mx/app/biblioteca/ficha.html?upc=702825266707Links ]

Instituto Nacional de Estadística y Geografía (INEGI). (2016). Conjunto de datos vectoriales de uso de suelo y vegetación. Serie VI (Capa Unión), escala 1: 250,000. INEGI. http://geoportal.conabio.gob.mx/descargas/mapas/imagen/96/usv250s6gwLinks ]

Jobbagy, E. G., & Jackson, R. B. (2000). The vertical distribution of soil organic carbon and its relation to climate and vegetation. Ecological Applications, 10(2), 423-436. https://doi.org/10.1890/1051-0761(2000)010[0423:TVDOSO]2.0.CO;2 [ Links ]

Laban, P., Metternicht, G., & Davies, J. (2018). Biodiversidad de suelos y carbono orgánico en suelos: cómo mantener vivas las tierras áridas. IUCN. https://doi.org/10.2305/IUCN.CH.2018.03.es [ Links ]

Loayza, V., Sevilla, V., Olivera, C., Guevara, M., Olmedo, G., Vargas, R., Oyonarte, C., & Jiménez, W. (2020). Mapeo digital de carbono orgánico en suelos de Ecuador. Ecosistemas, 29(2), 1852. https://doi.org/10.7818/ECOS.1852 [ Links ]

López-Santos, A., Zermeño-González, A., Cadena-Zapata, M., Gil-Marín, J. A., Cornejo-Oviedo, E., & Ríos-Camey, M. S. (2008). Impacto de la labranza en el flujo energético de un suelo arcilloso. Terra Latinoamericana , 26(3), 203-213. https://www.redalyc.org/articulo.oa?id=57313050002 [ Links ]

Lugo-Hubp, J., & Aceves-Quezada, F. (1992). El relieve como atractivo natural. Tomo II. Atlas Nacional de México (1990-1992). Instituto de Geografía, UNAM. http://geoportal.conabio.gob.mx/descargas/mapas/imagen/96/reatn4mgwLinks ]

Mahajan, G. R., Das, B., Manivannan, S., Manjunath, B. L., Verma, R. R., Desai, S., Kulkarni, R. M., Latare, A. M., Sale, R., Murgaonkar, D., Patel, K. P., Morajikar, S., Desai, A., Barnes, N., & Mulla, H. (2021). Soil and water conservation measures improve soil carbon sequestration and soil quality under cashews. International Journal of Sediment Research, 36(2), 190-206. https://doi.org/10.1016/j.ijsrc.2020.07.009 [ Links ]

Mattina, D., Erdogan, H. E., Wheeler, I., Crossman, N. D., Cumani, R., & Minelli, S. (2018). Default data: methods and interpretation. A guidance document for the 2018 UNCCD reporting. United Nations Convention to Combat Desertification (UNCCD). https://prais.unccd.int/sites/default/files/helper_documents/3-DD_guidance_EN.pdfLinks ]

McBratney, A. B., Mendonça-Santos, M. L., & Minasny, B. (2003). On digital soil mapping. Geoderma , 117(1-2), 3-52. https://doi.org/10.1016/S0016-7061(03)00223-4 [ Links ]

McBratney, A., Field, D. J., & Koch, A. (2014). The dimensions of soil security. Geoderma , 213, 203-213. https://doi.org/10.1016/j.geoderma.2013.08.013 [ Links ]

Mondal, A., Khare, D., Kundu, S., Mondal, S., Mukherjee, S., & Mukhopadhyay, A. (2017). Spatial soil organic carbon (SOC) prediction by regression kriging using remote sensing data. The Egyptian Journal of Remote Sensing and Space Sciences, 20(1), 61-70. http://dx.doi.org/10.1016/j.ejrs.2016.06.004 [ Links ]

Montaño, N. M., Ayala, F., Bullock, S. H., Briones, O., García-Oliva, F., García-Sánchez, R., Maya, Y., Perroni, Y., Siebe, C., Tapia-Torres, Y., Troyo, E., & Yépez, E. (2016). Almacenes y flujos de carbono en ecosistemas áridos y semiáridos de México: Síntesis y perspectivas. Terra Latinoamericana , 34(1), 39-59. https://www.redalyc.org/articulo.oa?id=57344471003Links ]

Muñoz, M. A., Faz, A., & Mermut, A. R. (2015). Soil carbon reservoirs at high-altitude ecosystems in the Andean Plateau. In: Öztürk, M., Hakeem, K. R., Faridah-Hanum, I., & Efe, R. (Eds.), Climate change impacts on high-altitude ecosystems (pp. 135-153). Springer International Publishing. https://doi.org/10.1007/978-3-319-12859-7_4 [ Links ]

Organización de las Naciones Unidas para la Alimentación y la Agricultura (FAO). (2017a). GSP Guidelines for sharing national data/information to compile a Global Soil Organic Carbon (GSOC) map. Pillar 4 Working Group. http://www.fao.org/3/bp164e/bp164e.pdfLinks ]

Organización de las Naciones Unidas para la Alimentación y la Agricultura (FAO). (2017b). Liberación del potencial del carbono orgánico del suelo. Documento de resultados. FAO. [ Links ]

Organización de las Naciones Unidas para la Alimentación y la Agricultura (FAO). (2017c). Soil Organic Carbon: the hidden potential. FAO. http://www.fao.org/3/I6937EN/i6937en.pdfLinks ]

Organización de las Naciones Unidas para la Alimentación y la Agricultura (FAO). (2019). Recarbonization of global soils. FAO. [ Links ]

Orr, B. J., Cowie, A. L., Castillo, S. V., Chasek, P., Crossman, N. D., Erlewein, A., Louwagie, G., Maron, M., Metternicht, G. I., Minelli, S., Tengberg, A. E., Walter, S., & Welton, S. (2017). Scientific conceptual framework for land degradation neutrality. A report of the science-policy interface. United Nations Convention to Combat Desertification (UNCCD). [ Links ]

Parras-Alcántara, L., Lozano-García, B., Brevik, E. C., & Cerdá, A. (2015). Soil organic carbon stocks assessment in Mediterranean natural areas: A comparison of entire soil profiles and soil control sections. Journal of Environmental Management, 155, 219-228. http://dx.doi.org/10.1016/j.jenvman.2015.03.039 [ Links ]

Secretaría de Medio Ambiente y Recursos Naturales (SEMARNAT). (2002). Norma Oficial Mexicana NOM-021-RECNAT-2000, que establece las especificaciones de fertilidad, salinidad y clasificación de suelos. Estudios, muestreo y análisis. SEMARNAT. https://biblioteca.semarnat.gob.mx/janium/Documentos/Ciga/libros2009/DO2280n.pdfLinks ]

Segura-Castruita, M. A., Sánchez-Guzmán, P., Ortiz-Solorio, C. A., & Gutiérrez-Castorena, M. C. (2005). Carbono orgánico de los suelos de México. Terra Latinoamericana , 23(1), 21-28. https://www.redalyc.org/articulo.oa?id=57323103Links ]

Vela-Correa, G., López-Blanco, J., & Rodríguez-Gamiño, M. L. (2012). Niveles de carbono orgánico total en el Suelo de Conservación del Distrito Federal, centro de México. Investigaciones Geográficas, Boletín del Instituto de Geografía, 77, 18-30. http://www.scielo.org.mx/pdf/igeo/n77/n77a3.pdfLinks ]

Venter, S. Z., Hawkins, H. J., Cramer, M. D., & Mills, A. J. (2021). Mapping soil organic carbon stocks and trends with satellite-driven high resolution maps over South Africa. Science of the Total Environment, 771, 145384. https://doi.org/10.1016/j.scitotenv.2021.145384 [ Links ]

Villatoro, M., Henríquez, C., & Sancho, F. (2008). Comparación de los interpoladores IDW y Kriging en la variación espacial de pH, Ca, CICE y P del suelo. Agronomía Costarricense, 32(1), 95-105. https://www.mag.go.cr/rev_agr/v32n01-095.pdfLinks ]

Walkley, A., & Black, A. (1934). An examination of the Degtjareff method for determining soil organic matter, and proposed modification of the chromic acid titration method. Soil Science, 37(1), 29-38. http://dx.doi.org/10.1097/00010694-193401000-00003 [ Links ]

Yescas-Coronado, P., Álvarez-Reyna, V. P., Segura-Castruita, M. A., García-Carrillo, M., Hernández-Hernández, V., & González-Cervantes, G. (2018). Variabilidad espacial del carbono orgánico e inorgánico del suelo en la Comarca Lagunera, México. Boletín de la Sociedad Geológica Mexicana, 70(3), 591-610. https://doi.org/10.18268/bsgm2018v70n3a2 [ Links ]

Yigini, Y., & Panagos, P. (2016). Assessment of soil organic carbon stocks under future climate and land cover changes in Europe. Science of the Total Environment , 557-558, 838-850. http://dx.doi.org/10.1016/j.scitotenv.2016.03.085 [ Links ]

Zhuo-Dong, J., Qiu-Bing, W., Brye, K. R., Adhikari, K., Fu-Jun, S., Zhong-Xiu, S., Si, C., & Owens, P. R. (2021). Quantifying organic carbon stocks using a stereological profile imaging method to account for rock fragments in stony soils. Geoderma , 385, 114837. https://doi.org/10.1016/j.geoderma.2020.114837 [ Links ]

Recibido: 19 de Marzo de 2021; Aprobado: 20 de Agosto de 2021

Creative Commons License This is an open-access article distributed under the terms of the Creative Commons Attribution License