nueva página del texto (beta)
Español (pdf)
Artículo en XML
Referencias del artículo
Traducción automática
Enviar artículo por email
Citado por SciELO 
Similares en
SciELO 
Permalink
Introducción
El incremento de emisiones de gases efecto invernadero (GEI) ha provocado fuertes preocupaciones por el cambio climático global, por lo que es necesario tomar medidas críticas para incrementar los almacenes de carbono orgánico y reducir las emisiones asociadas a perturbaciones antropogénicas. En lo particular, el almacén del carbono orgánico del suelo (COS) en los ecosistemas terrestres, es cerca de dos veces la cantidad de carbono (C) que hay en la atmósfera y tres veces la cantidad del C biótico (Eswaran, Van Den Berg y Reich, 1993; Lal, 2004). En consecuencia, una pequeña variación del COS puede conducir a cambios importantes en las concentraciones de dióxido de carbono (CO2) en la atmósfera (Scharlemann, Tanner, Hiederer y Kapos, 2014) y según Lal (2004) la disminución del C almacenado en el suelo ha contribuido con 78 ± 12 Pg de C a la atmósfera.
Las estimaciones a nivel global del COS en el primer metro de profundidad del suelo son altamente variables (Todd-Brown et al., 2013; Scharlemann et al., 2014; Paustian et al., 2019). En el caso de México, el almacén de COS para la profundidad de 0 a 30 cm es de alrededor de 9 Pg C (Paz-Pellat, Argumedo, Cruz, Etchevers y de Jong, 2016a; Paz-Pellat et al., 2019); aunque con intervalo que va de 7 Pg C (Guevara et al., 2020) a más de 15 Pg C (De Jong et al., 2006 y 2010a). Con relación de las emisiones del sector USCUSS (Uso del Suelo y Cambio de Uso del Suelo y Silvicultura) definido por el Panel Intergubernamental sobre el Cambio Climático (IPCC, por sus siglas en inglés), el suelo ha contribuido con alrededor de un tercio del total en los ecosistemas terrestres (De Jong et al., 2009 y 2010a) a nivel nacional, con emisiones de alrededor del 50% en inventarios estatales (De Jong et al., 2010b). Estas cifras ponen en contexto la importancia nacional de los almacenes y flujos del COS en los potenciales de reducción de emisiones y secuestro de carbono.
Los cambios del COS se dan por el balance entre el aporte de C por las raíces de las plantas y los residuos sobre el suelo, y las pérdidas por descomposición de este material vegetal por microorganismos del suelo (Paustian et al., 1997a). Esta medición permite obtener información sobre la influencia del manejo de C sobre el ecosistema, la capacidad de éstos a tolerar o resistir el cambio global y la capacidad futura de producción de alimentos, entre otras (Janzen, 2003). El uso de modelos de la dinámica del COS es un requerimiento crítico para estimar cambios en los almacenes asociados a intervenciones y generación de escenarios (Lal, 2009), para analizar el efecto de acciones de mitigación. En la actualidad existen diferentes modelos de la dinámica del C para predecir los cambios del COS en espacio y tiempo en respuesta a las condiciones ambientales y de manejo del suelo (Paz-Pellat et al., 2016a; Paz-Pellat et al., 2019). Ejemplos de estos modelos incluyen al RothC (Coleman y Jenkinson, 1996) y al CENTURY (Paustian, Parton y Persson, 1992; Parton, 1996), entre otros. El modelo RothC-26.3 de Coleman y Jenkinson (1996), que requiere datos de entrada y parámetros fácilmente disponibles, es de los modelos más usados en diferentes ecosistemas del mundo. Aunque hay otros modelos más simples y con menos requerimientos de información (modelo SOCRATES de Grace, Ladd, Robertson y Gage, 2006 y modelo C-TOOL de Taghizadeh-Toosi et al., 2014), su uso ha sido escaso en el ámbito internacional. La mayoría de los modelos de la dinámica del COS, incluido el CENTURY y RothC, usan cinéticas de primer orden (Paustian, Collins y Paul, 1997b), con almacenes definidos como “virtuales” (definidos en función de la estructura del modelo), por lo que es difícil parametrizarlos en función de datos medidos. El enfoque de modelar lo medible ha sido discutido para poder parametrizar los modelos en función de datos obtenidos en laboratorio (Elliot, Paustian y Frey, 1996; Christensen, 1996; Paul, Morris, Conant y Plante, 2006; Scharnagl, Vrugt, Vereecken y Herbst, 2010), permitiendo reducir las incertidumbres asociadas a la falta de información.
El uso de modelos a escala regional o de país ha sido implementado para analizar los efectos del cambio climático y acciones de mitigación del sector USCUSS (Gottschalk et al., 2012; Lugato, Bampa, Panagos, Montanarella y Jones, 2015). El caso del análisis de escenarios asociados al cambio climático, Smith (2012) plantea que sus efectos son poco significativos y dependen de la sensibilidad de los parámetros de los modelos a la temperatura (y precipitación). En el caso del modelo RothC, este ha sido usado para vegetación de pastizales y cultivos agrícolas (Smith et al., 2005) y bosques (Smith et al., 2006), así como a escala global usando unidades homogéneas (tipo de suelo, textura, clima, uso del suelo) (Morais, Teixeir y Domingos, 2019); aunque las estimaciones de los modelos pueden exceder una incertidumbre del 50% (Obade y Lal, 2013), haciéndolos poco útiles en las aplicaciones a escala local o de áreas geográficas de intervención. Actualmente, el modelo RothC se usa para reportar inventarios nacionales de almacenes de C ante la Convención Marco de las Naciones Unidas sobre el Cambio Climático (CMNUCC), por ejemplo: Richards (2001); Milne et al. (2007) y Wesemael et al. (2010). En México, el uso del modelo RothC tiene una historia relativamente reciente (Ponce-Hernandez, 2004; González-Molina et al., 2010a; González-Molina, Etchevers, Paz y González, 2010b).
En años recientes se han planteado iniciativas tendientes a incrementar los almacenes del carbono orgánico de los suelos o reducir las emisiones de CO2, tal como la iniciativa 4 por 1000 (MAAF, 2015; Minasny et al., 2017; Chambers, Lal y Paustian, 2016) y la recarbonización de los suelos (FAO, 2019), donde se ha propuesto el uso de modelos de la dinámica del COS para estimar su evolución temporal al aplicar acciones de intervención (FAO, 2020a), donde la evaluación de los resultados es un factor crítico (FAO, 2020b), particularmente con relación al pago de incentivos financieros asociados a resultados verificables, lo que incrementa la importancia de contar con modelos de la dinámica del COS robustos y confiables, además de aplicables a las circunstancias nacionales de información disponible.
En experimentos de largo plazo, el modelo RothC tiene resultados comparables a modelos más complejos (Smith et al., 1997; Coleman et al., 1997), aunque en algunos casos su comportamiento es deficiente en los ajustes experimentales (p. ej. Smith et al., 1997). Un aspecto importante a considerar es la escala de uso de los modelos, desde mediciones puntuales o de promedios de mediciones en las parcelas hasta las regiones (Ogle et al., 2010; González-Molina et al., 2010a y b), donde generalmente al aumentar la escala de modelación (promedios de las escalas inferiores), la incertidumbre se reduce como efecto de sub y sobreestimaciones promediadas, sin que implique que las escalas de zonas o regiones tengan mejor precisión, solo un efecto de compensación. En términos de la CMNUCC, el IPCC (1997), Penman et al. (2003) y Ogle, Breidt y Paustian (2005) han utilizado factores de ajuste para estimar reducciones o incrementos en el COS, enfoque utilizado previamente en México (De Jong et al., 2006, 2009 y 2010a). El uso de modelos como el RothC con relación al modelo de un solo almacén con ajustes (Eggleston et al., 2006) puede producir diferencias significativas en las estimaciones (Falloon et al., 2006).
Un requerimiento de los modelos de la dinámica del COS es el conocimiento de los almacenes en el tiempo inicial; es decir, las fracciones del COSinicial asociadas a los diferentes almacenes, información que generalmente no está disponible, por lo que es necesario el desarrollo de esquemas de inicialización de los modelos para estimar estas fracciones (Foereid, Bellamy, Holden y Kirk, 2012; Dimassi et al., 2018; FAO, 2020a), los cuales generalmente están asociados a la hipótesis de estado estacionario del COSinicial (ganancias = pérdidas; dC/dt = 0). El no cumplimiento de la hipótesis de estado estacionario puede conducir a grandes errores en las estimaciones asociadas a acciones de mitigación (Sanderman y Baldock, 2010), aunque para los casos de condiciones de estado estacionario o cercanas a él, se obtienen buenos resultados (Senapati et al., 2013). En los enfoques de inicialización, dado el desconocimiento de los ingresos de C al suelo, estos son estimados del proceso de inicialización (Gottschalk et al., 2012; Meersmans et al., 2013; FAO, 2020a). De las diferentes fuentes de incertidumbre discutidas por Ludwig, Hu, Niu y Liu, (2010) del modelo RothC, la estimación de los ingresos es una de las principales, asociada a la hipótesis de estado estacionario supuesta. Aunque es posible realizar estimaciones razonablemente precisas de los ingresos de C a los suelos usando diferentes esquemas (Franko, 1997; Kuzyakov y Domanski, 2000; Bolinder, Janzen, Gregorich, Angers y VandenBygaart, 2001; Johnson, Allmaras y Reicosky, 2006; Poeplau, 2016; Pausch y Kuzyakov, 2018), aunque en México las estimaciones son fuertemente dependientes de la información disponible, principalmente a la escala local.
En el caso de México, escala nacional, la información disponible para parametrizar modelos de la dinámica del COS es solo el carbono orgánico total y la textura del suelo (Etchevers, 2013), lo que impone limitaciones en la implementación de modelos.
En este trabajo se revisa la estructura del modelo RothC y su uso en experimentos de corto y medio plazo (< 20 años) en México, analizando sus resultados e incertidumbres, para delimitar sus alcances, bajo las hipótesis definidas, para analizar las necesidades de información para su implementación a escala local y nacional. Al final se discute una posible ruta para mejorar las estimaciones bajo diferentes aproximaciones. Este trabajo presenta una compilación de las diferentes implementaciones del modelo RothC en México.
Modelo RothC
Para modelar la dinámica del carbono orgánico en los suelos existe una gran cantidad de modelos disponibles (Manzoni y Porporato, 2009), muchos de los cuales son de múltiples almacenes (virtuales) y de cinéticas lineales o de orden uno. El modelo más simple corresponde a un solo almacén (Hénin y Dupuis, 1945):
y corresponde al esquema de la Figura 1, donde I son los ingresos al sistema y k es la tasa de cambio o descomposición de C.
El carbono orgánico de estado estacionario o C ee está definido por:
La solución de la ecuación (1), con la condición de frontera C = C0 cuando t = 0, está definida por (Six y Jastrow, 2002):
Estructura y parametrización del modelo RothC
La versión inicial del Modelo RothC (Jenkinson y Rayner, 1977) tenía cinco almacenes: material de plantas descomponible (DPM, por sus siglas en inglés), material de plantas resistente (RPM), biomasa microbiana (BIO), materia orgánica físicamente estabilizada (POM) y materia orgánica químicamente estabilizada (COM), con tiempos medios (años) de residencia (TMR = 1/k) dados por: DPM (0.165 a), RPM (2.314 a), BIO (1.69 a), POM (49.54) y COM (1980 a). El almacén BIO es el único definido con técnicas de laboratorio (fumigación y extracción), los otros son de tipo virtual. Jenkinson, Hart, Rayner y Parry (1987) modificó el modelo al subdividir el almacén BIO en dos (posteriormente se desechó esta opción por falta de datos para parametrizas los almacenes) e introdujeron el uso del almacén de materia orgánica inerte al ataque biológico (IOM, por sus siglas en inglés) como una solución arbitraria (deus ex machina) a la situación de encontrar discrepancias marcadas entre la edad medida por 14C del COS y las obtenidas por el modelo.
La versión de Jenkinson (1990) es la base de la versión actual del modelo RothC, donde se definieron los almacenes y sus TMR: DPM (0.1 a), RPM (3.3 a), BIO (1.5 a), HUM (50 a) y IOM (50 000 a), donde HUM es el almacén de materia orgánica humificada. La división del almacén BIO fue desechada por el problema de obtener información para definirla y parametrizarla.
La Figura 2 muestra la estructura del modelo RothC y el sistema de ecuaciones (4) define las relaciones matemáticas asociadas (Parshotam, Saggar, Tate y Parfitt, 2001b; Sierra, Müller y Trumbore, 2012).
Ecuaciones (4):
(4)
El ingreso de C solo pasa una vez por lo almacenes DPM y RPM y después es iterado entre los almacenes BIO y HUM, emitiendo CO2. En el caso del ingreso de estiércol de granja, la partición del ingreso del carbono difiere: 49% es para DPM, 49% para RPM y 2% para HUM, por lo que el sistema de ecuaciones y estructura del modelo presentado debe modificarse para este caso.
Para parametrizar el modelo RothC es necesario conocer p, α, β y γ, lo cual puede realizarse de acuerdo a lo siguiente. El único parámetro no fijo en el modelo es p.
De acuerdo a Jenkinson (1990) y Coleman y Jenkinson (1996), los parámetros del modelo RothC pueden ser calculados del siguiente sistema de ecuaciones:
donde: Arc es la fracción arcilla del suelo (%) y las relaciones x y y están fijas en el modelo. La relación w (DPM/RPM) debe definirse por el usuario para cada sistema de vegetación modelado (w = 1.44 para cultivos agrícolas y pastizales mejorados; w = 0.67 pastizales con árboles/arbustos dispersos; w = 0.25 para bosques, principalmente). El parámetro w generalmente este fijo en el modelo RothC, aunque, por ejemplo, Parshotam et al. (2001b) han ajustado este parámetro para obtener mejores resultados en experimentos agrícolas (w > 1.44). El uso de mediciones de 14C para estimar IOM ha sido criticado (Shirato et al., 2013).
El modelo RothC fue calibrado con base a los experimentos de largo plazo de Rothmsted, Inglaterra (Coleman y Jenkinson, 1996), por lo que las relaciones de parametrización son ajustadas a los valores de las condiciones locales en el sitio. Por ejemplo, el valor de x de la relación (6) usa el valor de 1.67 para obtener x = 3.51, para el valor de Arc = 23.4% de Rothamsted. Este ajuste también se aplica a las tasas de descomposición inicial (fijas) de los diferentes almacenes: k inicial,DPM = 10 a-1, k inicial,RPM = 0.3 a-1; k inicial,BIO = 0.66 a-1 y k inicial,HUM = 0.02 a-1). Las tasas k iniciales son modificadas multiplicativamente por efecto de la temperatura del aire (factor a), por el déficit de humedad del suelo (factor b) y cobertura de vegetación del suelo (factor c), todos los factore menores o iguales a 1.0 y mayores o iguales a 0.0:
Los valores de las tasas k almacén son las utilizadas en el sistema de ecuaciones (4), ajustadas para condiciones diferente del sitio Rothamsted (a = 1, b = 1). El caso del factor c de la cobertura de vegetación del suelo adquiere el valor c = 1 para suelo cubierto con vegetación y c = 0.6 para suelo desnudo, de acuerdo con los análisis de Jenkinson (1977). Jenkinson (1990) y Coleman y Jenkinson (1996) muestran el algoritmo de estimación de los factores a y b para sitios fuera de Rothamsted.
Para la implementación del modelo RothC es crítico obtener valores precisos de la masa del suelo (sin fragmentos gruesos; > 2 mm) de acuerdo con Jenkinson et al. (1999).
Simulaciones inversas para obtener el ingreso de carbono al suelo
La estimación del ingreso de carbono al suelo (I) y la producción primaria neta (PPN = adiciones - remociones, donde I es parte del balance) ha sido estimada usando simulaciones inversas (10 000 años) usando datos del carbono orgánico total (TOC, por sus siglas en ingles) y su edad (14C) con buenos resultados (Jenkinson, Harkness, Vance, Adams y Harrison, 1992; Jenkinson y Coleman, 1994; Jenkinson et al., 1999), bajo la hipótesis de estado estacionario (Cee) del TOC, donde el almacén BIO medido ha sido usado para analizar los resultados obtenidos (Jenkinson et al., 1992). El parámetro w, variando de 0.5 a 0.67, muestra diferencias en las estimaciones de I entre 5 y 8% (Jenkinson et al., 1999), por lo que no se considera critico en estos ejercicios.
La inversión (simulaciones inversas) usa la convergencia de estimación del TOC y su edad para estimar de I e IOM.; aunque no hay un método para evaluar si la estimación de IOM es realista (Parshotam, 2001a). Bajo condiciones de estado estacionario, Parshotam (2001a) presenta una solución analítica para estimar I e IOM en términos de TOC medido y su 14C.
El uso de 14C para estimar IOM ha sido comparado con otras estrategias de estimación, mostrando discrepancias entre lo medido y lo modelado (Ludwig, Schulz, Rethemeyer, Merbach y Flessa, 2007; Shirato et al., 2013). Sanderman, Baisden y Falloon (2016) han argumentado a favor de redefinir IOM, dadas las discrepancias en su definición como biológicamente inerte (condiciones aparentes en el sitio Rothamsted), ya que en otros sitios el IOM de experimentos de largo plazo muestra respuestas a la actividad biológica.
Con el uso de datos experimentales, incluido 14C, de 28 tratamientos en estado estacionario, Falloon, Smith, Coleman y Marshall (1998) establecieron una relación entre IOM y TOC, en Mg C ha-1:
lo que permite estimar IOM cuando no hay información de 14C. No es aplicable a andosoles, suelos inundados y profundidades mayores de 30 cm (edad mayor del TOC a profundidad). La estimación de IOM no mejoro al usar el porcentaje de arcilla, tipo del suelo, pH, uso del suelo, ingreso anual, temperatura y precipitación medias.
Los límites, intervalo de confianza del 95%, de la ecuación de Falloon et al. (1998) están dados por (Falloon, Smith, Coleman y Marshall, 2000):
Límite inferior:
Límite Superior:
No existe una guía para el uso de los límites de la estimación de IOM en las aplicaciones, solo se presentan como el intervalo donde deben caer las estimaciones.
Parshotam (2001a) enfatiza que la relación de Falloon et al. (1998) esta está mal planteada al relacionar almacenes conceptuales (virtuales) con datos medidos, en vez de establecer relaciones entre datos medidos solamente. Asimismo, Zimmermann, Leifeld, Schmidt, Smith y Fuhrer (2007) plantea que el uso de la relación es incorrecto en condiciones no de estado estacionario; aunque es práctica común asumir esta hipótesis, dado que en un suelo perturbado el TOC se reduce, mostrando valores de IOM mayores a los de estado estacionario. Al comparar diferentes esquemas para estimar IOM, Puhlmann, Kuka y Franko (2006) mostraron que la relación (9) fue la de mayor error en las estimaciones de TOC, a diferencia de los análisis realizados por Senapati et al. (2013) en pastizales en estado estacionario, donde los métodos de estimación de IOM dieron resultados con una diferencia de 1.6% entre los métodos usados. Lo anterior demuestra que el método de inicialización usado (hipótesis de estado estacionario) para estimar IOM repercute en las estimaciones de los modelos.
La estimación de I del modelo RothC usando simulaciones inversas (IOM estimado de la relación de Falloon et al., 1998), en lo general, muestra malos resultados (Falloon y Smith, 2002), particularmente en relación a los cambios del TOC (Foereid et al., 2012; Dimassi et al., 2018). La estimación de I con el modelo RothC es la mayor fuente de incertidumbre (Falloon et al., 2006). Una alternativa utilizada para reducir los errores de estimación es hacer una inicialización de doble paso: primero inicializar con simulaciones inversas par estimar I e IOM y después volver a inicializar usando el ajuste utilizando (TOCmedido - IOM)/(TOCsimulado - IOM) para compensar la estimación inicial de I en función del TOC, suponiendo que el IOM también aporta (Smith et al., 2005; FAO, 2020b).
Para revisar la hipótesis de estado estacionario del TOC inicial es necesario conocer la historia del uso del suelo del sitio, ya que una perturbación (CUS) puede afectar el estado estacionario de un sitio por varias décadas (Ludwig et al., 2010), con estimaciones de tiempos para lograr el estado estacionario que van de 20 años (Eggleston et al., 2006) a 50 años (Herbst et al., 2018).
Parametrización inicial de almacenes del modelo RothC
El planteamiento de modelar lo medible ha incentivado la búsqueda de métodos de laboratorio para estimar los almacenes virtuales del modelo RothC. El uso de fraccionamientos físico-químicos del TOC usando técnicas de laboratorio ha sido propuesto (Balesdent, 1996; Skjemstad, Spouncer, Cowie y Swift, 2004; Shirato y Yokozawa, 2006; Zimmermann et al., 2007); aunque Poeplau et al. (2013) han argumentado que algunas técnicas de laboratorio utilizadas no están lo suficientemente estandarizadas para reproducir los resultados obtenidos.
Con el uso de tamizado y energía de ultrasonido para dispersar el suelo, Balesdent (1996) estableció una relación lineal entre el almacén RPM con el carbono orgánico asociado a la fracción arena (> 50 μm) del suelo, definiendo que los almacenes BIO, HUM e IOM están asociados a la fracción arcilla más limo (< 50 μm). Esto fue corroborado por Skjemstad et al. (2004). Zimmermann et al. (2007) estableció una relación para BIO/HUM con relativa poca variación y una relación para DPM/RPM con la temperatura promedio, con R2 entre 0.76 y 0.78.
El establecimiento de relaciones entre los almacenes virtuales y los estimado en laboratorio permite relacionarlos, aunque esto no es suficiente, tal como lo ha señalado Smith, Smith, Monaghan y MacDonald (2002) que argumentan que las relaciones también deben incluir la dinamice (k) de los almacenes.
Weihermüller, Graf, Herbst y Vereecken (2013), Figura 3, definieron relaciones entre el contenido de arcilla del suelo y TOC con los almacenes virtuales del modelo RothC: RPM, HUM y BIO, usando IOM de Falloon et al. (1998), con buenos en los resultados. Herbst et al. (2018) han establecido valores fijos, y su variación, para HUM/TOC, RPM/TOC y RPM/HUM analizando un numero grande de experimentos y con el uso de fraccionamiento físico en laboratorio. Para valores bajos de arcilla, los resultados de Weihermüller et al. (2013) y Herbst et al. (2018) son comparables.
Puhlman et al. (2006) muestran diferentes enfoques para estimar IOM en función de fracciones de la masa del suelo.
Figura 3: Relaciones de Weihermüller et al. (2013) para valor TOC = 100 Mg C ha-1.
Extensiones del modelo RothC
El modelo RothC tiene un tiempo de paso mensual, modelo discreto, por lo que varios autores han extendido el modelo a una versión continua (Parshotam, 1996; Martin, Cordier, Balesdent y Arrouays, 2007; Diele, Marangi y Martiradonna, 2021).
El modelo RothC (Coleman y Jenkinson, 1996) solo considera un solo tipo de materia orgánica exógena (MOE), que es el estiércol de granja (farmyard manure), por lo que este modelo ha sido extendido para diferentes tipos de MOE (Mondini et al., 2017).
El modelo RothC fue desarrollado para profundidad 0-23 cm (sitio Rothamsted), por lo que es válido para solo la profundidad de 0-30 cm. La extensión del modelo RothC a otras profundidades ha sido realizada por Jenkinson y Coleman (2008).
Dadas las restricciones de aplicación del modelo a suelos andosoles e inundados, Shirato, Hakamata y Taniyama (2004)) ampliaron el modelo al caso de andosoles y Shirato y Yokozawa (2005) a suelo inundados (p.ej. arrozales). Shirato (2020) aplico las extensiones del modelo a escala de países (Japón, China y Tailandia). Finalmente, Setia et al. (2011) extendieron el modelo RothC al caso de suelos salinos.
Materiales y Métodos
Características generales de los sitios y sistemas de estudio
Las características generales y edafoclimáticas de las parcelas experimentales en los sitios, sistemas y regiones se presentan en el Cuadros 1 y 2. En la mayoría de las parcelas el muestreo de suelo se realizó en la profundidad de 0 a 30 cm y el porcentaje de arcilla estuvo entre 17 a 67%.
Table 1: General characteristics of the experimental sites.
| Sitios/total localidades | Latitud norte | Longitud oeste | Altitud | TMA† | PMA† | Suelo‡ |
| m | °C | mm | ||||
| Batán, México/1. | 19° 31’ | 98° 50’ | 2259 | 15 | 634 | Feozem |
| Linares, N. L./1 | 24° 47’ | 99° 32’ | 350 | 19 | 763 | Vertisol y Regosol |
| Cuicateca, Oaxaca/2 | 17° 51’ | 96° 51’ | 1700-2200 | 14 | 1038 | Ferrasol |
| Mazateca, Oaxaca/2 | 18° 09’ | 96° 54’ | 1380-1910 | 14 | 1440 | Ferrasol |
| Mixe, Oaxaca /1. | 17° 01’ | 96° 53’ | 1500-2000 | 16 | 2583 | Ferrasol |
| Atécuaro, Michoacán/11 | 19° 30’ | 101° 09’ | 2048 | 16 | 824 | Andosol |
| Tlaxcala/1 | 19° 28’ | 98° 19’ | 2540 | 14 | 769 | Acrisol |
| Zaachila, Oaxaca/1 | 16° 54’ | 96° 46’ | 1940 | 20 | 744 | Tepetate |
| La Huerta, Jalisco/1 | 19° 31’ | 134° 32’ | 298 | 23 | 1285 | Regosol eútrico |
| Cuitzeo, Michoacán/4* | 19° 59’ | 101° 00’ | 1840 | 19 | 637 | Feozem háplico |
| Celaya, Guanajuato/2 | 20° 31’-20° 23’ | 100° 48’-101° 11’ | 1749 | 19 | 631 | Vertisol |
| Coatlinchan, Edo. México/1 | 19° 17’ | 98° 53’ | 2250 | 12-18 | 645 | Feozem |
| Perote, Veracruz/1 | 19° 40’ | 97° 10’ | 2335 | 13 | 499 | Andosol ócrico |
| Perote, Veracruz/1 | 19° 26’ | 97° 11’ | 1571 | 10 | 1695 | Andosol ócrico |
| Tlaxcala/1 | 19° 47’ | 98° 36’ | 2500 | 13 | 675 | Feozem aplico |
| México-Hidalgo/1 | 19° 43’ | 99° 19’ | 2107 | 13 | 652 | Litosol |
| Santa Fe, Veracruz/1 | 19° 11’ | 96° 31’ | 230 | 24 | 1036 | Vertisol pélico |
† TMA = temperatura media anual; PMA = precipitación media anual. ‡ (FAO-ISRIC-ISSS, 1998).
† TMA = mean annual temperature; PMA= average annual precipitation. ‡ (FAO-ISRIC-ISSS, 1998).
Table 2: Information on soil management and systems in the study sites and systems.
| Sitios | Manejo del suelo†/cultivos | Referencia/nivel de estudio‡/escenarios§ |
| Batán, México | LZ; LC; manejo de residuos; R/maíz, trigo | Fuentes et al., 2009/1 y 2 |
| Linares, N. L. | LT/maíz, sorgo, zacate buffel, arbustos espinosos | Pando-Moreno, Jurado, Manzano y Estrada, 2004/1 y 2 |
| Cuicateca, Oaxaca | LT; LC; MIAF/maíz, durazno | Acosta, 2003; González-Molina, Etchevers y Hidalgo, 2008/1, 2 y 3 |
| Mazateca, Oaxaca | LT; LC; MIAF/maíz, durazno, BL, BA | Acosta, 20031; González-Molina et al., 2008/1, 2, 3 |
| Mixe, Oaxaca | LT; LC; MIAF/maíz, café, acahuales | Acosta, 20031; González-Molina et al., 2008/1, 2, 3 |
| Atécuaro, Michoacán | T; TM; O; año y vez/maíz, B-P-E | Covaleda, 2008;González-Molina et al., 2008 /1, 2, 3 |
| Tlaxcala | T; TM; con cultivos asociados; O; TR y O/maíz | Covaleda, 20082; González-Molina et al., 2008/1, 2, 3 |
| Zaachila, Oaxaca | LT, MUL, HIG/maíz, calabaza, higuerilla | González-Molina, Moreno, Krishnamurty, Baéz y Acosta, 2012/1, 2 |
| La Huerta, Jalisco | Plantaciones de especies forestales tropicales con manejo y sin manejo de hierbas y arbusto | González-Molina, Acosta, Carrillo y Rueda, 2018/1, 2 |
| Loc. Michoacán | LC; R/maíz, sorgo, trigo y leguminosas (haba) | González-Molina, Moreno y Báez, 2017/1, 2 |
| Loc. Guanajuato | LC; R/maíz, sorgo, trigo y leguminosas (haba) | González-Molina et al., 2017/1, 2 |
| Coatlinchán, Edo. México | LT/quinua, amaranto | González-Molina, et al., 2020/ escenarios |
| Perote, Veracruz | LT+riego (LT-R); LC+riego (LC-R); LT+temporal; (LT-T); LC+temporal; (LC-T)/maíz | González-Molina, Acosta, Carrillo, Báez y González, 2014/ escenarios |
| Perote, Veracruz | LT-R, LT-T, LT-R, LT-T/maíz | González- Molina et al., 2014/ escenarios |
| Tlaxcala | LT-R, LT-T), (LT-R), (LT-T/maíz) | González- Molina et al., 2014/ escenarios |
| México-Hidalgo | LT-R, LT-T, LT-R, LT-T/maíz | González- Molina et al., 2014/ escenarios |
| Santa Fe, Veracruz | LT-R, LT-T, LT-R, LT-T/maíz | González- Molina et al., 2014/ escenarios |
† LZ = labranza cero; LC = l abranza de conservación; LT = labranza tradicional; MIAF = milpa intercalada con árboles frutales; BL = bosque de Liquidambar; BA = bosque de aile; R = rotaciones; T = tradicional sin descanso; TM = tradicional mejorado; O = manejo orgánico: TR = tepetate roturado; B-P-E = bosque de pino encino; MUL = multiestrato; HIG = monocultivo de higuerilla. ‡ Nivel de estudio: 1 = sitio, 2 = parcela-sistema, 3 = regional. § Escenarios = escenarios de simulación de cambios de COS.
† LZ = zero tillage; LC = l conservation embrace; LT = traditional tillage; MIAF = milpa interspersed with fruit trees; BL = Liquidambar forest; BA = aile forest; R = rotations; T = traditional without rest; TM = enhanced traditional; O = organic management: TR = broken tepetate; B-P-E = pine-oak forest; MUL = multilayer; HIG = castor monoculture. ‡ Study level: 1 = site, 2 = plot-system, 3 = regional. § Scenarios = COS change simulation scenarios.
La información correspondió a bases de datos de corta o media duración (<20 años) en México excepto la de Villa Diego, Guanajuato, estación experimental donde se reportaron de 25 años. El desempeño se evaluó en los niveles de estudio (González-Molina et al., 2011): parcela, sitio, sistema y región y con base en estos resultados se hicieron pruebas de simulaciones de los cambios de COS (TOC) en escenarios de CUS y sistemas de cultivo, como se hace referencia en el Cuadro 2.
Implementación del modelo RothC
El modelo RothC-26.3 de Coleman y Jenkinson (1996) fue utilizado en las simulaciones. La IOM (Mg ha‑1) es obtenida de la ecuación de Falloon et al. (1998). Los parámetros de entrada incluyen temperatura del aire (°C), precipitación (mm) y evaporación (mm) promedios mensuales: TPM, PPM y EPM, respectivamente, contenido de arcilla (%), profundidad de muestreo del suelo (cm), entrada mensual (Mg C ha‑1) de residuos vegetales (RV) y abonos orgánicos (AO), información mensual de la cobertura del suelo, si el suelo está desnudo o con cobertura vegetal y la relación DPM/RPM que asume el modelo (Coleman y Jenkinson, 1996).
Procedimiento de simulación del modelo RothC
La simulación con el modelo RothC se hizo en las etapas de inicialización y simulación de escenarios (proyecciones a futuro). En la inicialización, se supuso, de acuerdo a la propuesta de Jenkinson et al. (1999) que el contenido de COS medido en los sistemas alcanza la condición de equilibrio. La condición de equilibrio se logra al ejecutar el RothC 10 000 años continuamente con la información de clima, suelo, relación DPM/RPM, IOM y entrada de C de los residuos vegetales (RV) al suelo obtenidos por el modelo, en este proceso se determina la distribución de C de cada compartimento. En la etapa de simulación, el modelo se ejecutó con los contenidos C de cada compartimento, la información edafoclimática, la relación DPM/RPM y la información mensual del escenario de manejo que incluye: la entrada de C al suelo de RV, abono orgánico, y cobertura del suelo. Para determinar la tasa de cambio (TC) del COS (TOC) en el periodo de estudio de 40 años, se usó la expresión siguiente: TCCOS40años=COSaño_40 - COSaño_00.
Desempeño del modelo RothC en parcelas, sitios, sistemas y regiones
Condiciones de simulación. A nivel de parcela, se usaron los datos medidos del COSinicial promedio de las mediciones de COS en cada parcela (CIPAR) y el COSinicial medido en cada punto de muestreo (CIPUN) de las parcelas y correspondieron a la Sierra Norte de Oaxaca. Para la evaluación de los niveles sitios y sistemas se usaron los CIPAR como indica el Cuadro 2. Los sistemas considerados fueron: agrícolas con residuos; agrícolas sin residuos; forestales; praderas; y agostaderos. En el nivel regional, se evaluaron tres regiones de la Sierra Norte de Oaxaca con laderas cuya pendiente fue mayor a 30%: Mazateca, Cuicateca y Mixe, en este nivel de estudio, se uso el método Eggleston et al. (2006) y el RothC con información parcial del método IPCC. El escenario con el RothC, en las regiones se simuló para un periodo de 20 años (1980-2000) bajo el supuesto que la vegetación IPCC 1980 con la cual se inicializa el modelo (Serie I del INEGI, 1985) empezó a cambiar en el año de 1980 a otro tipo de uso de vegetación IPCC 2000 (Serie III del INEGI, 2002), al considerar que la fecha de elaboración de los mapas analizados considera intervalos de tiempo diferentes a su fecha de publicación. Los polígonos de cambio de uso de suelo y vegetación se generaron al unir la capa de vegetación y suelo del IPCC 1980 con la capa de vegetación del IPCC 2000. Las simulaciones se hicieron para cada polígono de cambio de uso de suelo y vegetación, por ejemplo, para el escenario de predicción del cambio de uso de suelo de agrícola (1980) a pastizal (2000), se usaron los archivos de clima, suelo y de manejo de suelo, la MOI y relación MVD/MVR del uso agrícola y del pastizal.
Datos de entrada. En las parcelas, sitios y sistemas, la información climática (TPM, PPM y EPM) se obtuvo del periodo 1951-2017 de la base de datos Extractor Rápido de Información Climatológica (ERIC) (IMTA, 2000), de la Comisión Nacional del Agua (CONAGUA, 2011) y de las estaciones climáticas de sitios experimentales. El COS se midió en las parcelas y con este se obtuvo la MOI (materia orgánica inerte) mediante la ecuación de Falloon et al. (1998), la relación DPM/RPM (parámetro del modelo RothC) fue la que se recomienda en la documentación del modelo RothC por defecto. En la etapa de predicción, el modelo se ejecutó considerando los parámetros siguientes: contenidos C de cada compartimento, obtenidos de la etapa de inicialización, la información edafo-climática, la relación DPM/RPM y la información mensual del escenario de manejo que incluye: la entrada de C al suelo de los RV y abono orgánico (Mg ha-1), así como los meses que el suelo presenta cobertura vegetal. En las regiones, los datos de clima fueron del periodo 1951-2000 (los disponibles) y se obtuvieron de la base de datos del ERIC. El COS inicial fueron los valores promedio de las categorías de vegetación PICC (IPCC) obtenidos a partir de las mediciones realizadas en sistemas agrícolas y forestales de ladera en las mismas regiones por Acosta (20031), González-Molina et al. (2008) y por Figueroa-Navarro, Etchevers, Velázquez y Acosta (2005) donde no hubo valores, se usaron los valores de COS generados por el Inventario Nacional de Emisiones de Gases de Efecto Invernadero 1990‑2000 de SEMARNAT e INE. El carbono de RV (Mg ha‑1) fue generado por el modelo al correrlo de manera inversa usando el COSinicial y datos de clima y suelo. La cobertura vegetal para cada categoría IPCC fue de 12 meses en los bosques y pastizales y de 8 meses en suelos agrícolas. El COS se estimó como el producto de la superficie del polígono cambio de uso de suelo y vegetación (ha) y el COS (Mg ha-1) obtenido del escenario de predicción correspondiente (mapas de uso del suelo). El contenido de arcilla (%), se consideró el promedio de los horizontes Ap y A. En la región Mazateca fue de 34.5%; en la Cuicateca de 17% y en la Mixe de 36.5%.
Aplicación del RothC en escenarios de cambio de uso de suelo y sistemas de cultivo
Con base en los resultados del desempeño del RothC, para estimar los cambios de COS, se ejecutaron los escenarios con diferentes CUS y sistemas de cultivo, siguientes:
Sistemas agroforestales con higuerilla. En el CUS del sistema tradicional asociación maíz calabaza (TMC) considerado como línea base a sistemas agroforestales con higuerilla (Ricinus communis), las simulaciones del COS se llevaron a cabo a la profundidad de suelo 0-40 cm, en el periodo de 1980-2040. Los sistemas se integraron de los cultivos, como sigue: (1) tradicional asociación maíz calabaza (TMC); (2) multiestrato (MUL), donde los cultivos de higuerilla, calabaza y maíz, se alternan en hileras; (3) monocultivo de higuerilla con una edad de 24 meses (HIG); y (4) callejones (CALL), se establecieron dos hileras de maíz por una de higuerilla.
Labranza de conservación en vertisoles. En el CUS del sistema de LT a sistemas LC en suelos vertisoles, las parcelas se establecieron en terrenos planos, con pendientes menores al 1% y con disponibilidad de riego y se manejaron los cultivos de maíz, sorgo, trigo y leguminosa (haba, frijol o garbanzo) en rotaciones gramínea-gramínea y gramínea-leguminosa. El maíz y sorgo se establecieron en el ciclo agrícola primavera-verano, mientras que el trigo y leguminosas en el ciclo otoño-invierno. El sistema de LC consistió en incorporar de 30 a 100% de los RV de cosecha de los cultivos establecidos y en hacer una remoción mínima del suelo. A los RV se le sumo el C aportado por rizodeposición (RI), esta se determinó como una proporción de la materia seca total medida (MST), de acuerdo con Kuzyakov y Domansky (2000), quienes indican que en los cereales es del 20 al 30% del total de C asimilado en la fotosíntesis. Con estas consideraciones se probaron escenarios que incluyeron diferentes aportes entradas por RI, dentro del rango de 10 a 50% de la MST.
Especies tropicales arbóreas. En el CUS de LT a plantación de especies tropicales arbóreas, las plantaciones forestales tuvieron los manejos: con manejo de hierbas y arbustos; y sin manejo de estas. Se establecieron las seis más comunes en este tipo de vegetación debido a su mayor supervivencia: Rosa morada (Tabebuia rosea (Bertol) DC), Teca (Tectona grandis L.), Melina (Gmelina arbórea Roxb.) y Parota (Enterolobium cyclocarpum (Jacq.) Griseb.). Estas se evaluaron a los 15 años de edad y el C aportado por los RV fue medido en la biomasa de arbustos, hierbas, hojarasca y raíces y en el caso del sistema forestal con manejo solo se midió en las raíces.
Sistemas con labranza. En el CUS de vegetación secundaria a sistemas con labranza de conservación, los escenarios se realizaron en un periodo de 40 años (2014-2053) a partir de mediciones puntuales en los sitios de estudio y se integraron con los contenidos de C de los compartimentos activos de la vegetación secundaria e información del manejo del suelo de los sistemas de labranza. Los sistemas de labranza a simular con el RothC fueron la labranza tradicional (LT) así como de labranza de conservación (LC), en condiciones de temporal (LT-T, LC-T) o de riego (LT‑T, LC-R).
Sistemas con quinua y amaranto. En el Campo Experimental Valle de México de INIFAP se estableció el cultivo de dos variedades de quinua (Amarilla de Maranganí y Blanca) y tres variedades de amaranto (Nutrisol, Revancha y Benito). En ambos cultivos, se simularon escenarios en periodos de tiempo de mayores de 20 años. En quinua los escenarios incluyeron los sistemas: monocultivo de quinua y rotación anual quinua-maíz, con tres entradas de RV al suelo: (i) 60% de la MST; (ii) 70% de la MST; y (iii) 80% de la MST. Después de evaluar el desempeño del RothC con estas entradas de quinua, se realizaron varias pruebas para estimar las tasas de cambio del COS. En el monocultivo de maíz se consideró un aporte del 40% de la MST. En el cultivo de amaranto se hicieron las simulaciones en las tres variedades con un aporte de C al suelo por RV equivalente al 80% de la MST medida.
Datos de entrada. En los escenarios analizados, la información edafoclimática se obtuvo similarmente como en el apartado de desempeño del RothC; sin embargo, en la estimación de los de cambios de COS para evitar la diferencias en la masa del suelo debido a prácticas de manejo, al comparar las cantidades de COS, se usó la masa equivalente de suelo (MSE) conforme las ecuaciones de Ellert y Bettany (1995): Tadd = (Msuelo, equiv - Msuelo, superficial)/b, donde: Tadd = espesor adicional de la capa subsuperficial, necesario para obtener la MES; Msuelo, equiv = MES, es la masa de suelo con mayor peso (Mg ha-1); Msuelo, superficial = masa de suelo en la capa superficial u horizonte genético (Mg ha-1), b=densidad aparente de la capa subsuperficial (Mg m-3). También se obtuvo la masa de C equivalente: Mcarbono, equiv = Mcarbono, superficial + Mcarbono, Tadd, donde: Mcarbono, equiv = masa de C por unidad de área en una MSE (Mg ha-1); Mcarbono, superficial = la masa de C en la capa superficial del suelo (Mg ha‑1); y Mcarbono, Tadd = la masa de C adicional en la capa subsuperficial del suelo (Mg ha-1).
Criterios de evaluación del desempeño del modelo RothC
Para evaluar el desempeño del modelo RothC, se utilizaron los siguientes criterios: coeficiente de correlación (r), la raíz cuadrada del cuadrado medio del error (RCME) (%) y la eficiencia del modelo (EF) expresada por Smith et al. (1997). El valor de RCME va de 0 a ∞, r de 0 a 1 y EF de -∞ a 1.
Resultados y Discusión
Desempeño del modelo RothC
En el nivel de parcela. Los valores de RCME, EF y r, indicaron un desempeño ligeramente mejor para las simulaciones con el uso de CIPUN, lo que mostro que pueden usarse los valores promedio para reducir el número de simulaciones.
En los sitios, sistemas y regiones. Los valores de r, indicaron alto grado de asociación, la excepción fueron los agostaderos (r = 0.24); los valores de RCME estuvieron entre 0.07 y 0.43, los valores más altos se registraron en los sistemas agrícolas menos residuos y agostaderos. En lo referente a la eficiencia del modelo, según el criterio de Ludwig et al. (2010) que indica insatisfactoria (EF≤0), satisfactoria (0<EF<0.7) y buena (EF≥0.7), se resalta que fue insatisfactoria en el sitio el Batan y sistema de agostaderos; satisfactoria a nivel de parcela (CIPUN y CIPAR), Sierra Norte de Oaxaca, La Huerta Jalisco y los sistemas agrícolas más residuos y praderas; y buena en los sitios Linares Nuevo León, Atécuaro, Michoacán, Zachila, Oaxaca, Santiago Tlalpan, Tlaxcala, en las localidades de Guanajuato y Michoacán con suelo vertisol, en los sistemas agrícolas menos residuos, forestales y en las simulaciones de las tres regiones, Mazateca, Cuicateca y Mixe, donde la variabilidad espacial del COS es alta (Vergara-Sánchez, Etchevers y Vargas, 2004). Los valores bajos de r y EF y alto para RCME en los agostaderos se pueden explicar porque en México estos sistemas son complejos y con mayor variabilidad espacial de COS debido a que la vegetación y el suelo son más heterogéneos y las condiciones climáticas son variables (Melgoza, 2006), por otra parte el RothC se desarrolló y parametrizó para modelar cambios de COS en cultivos de experimentos de larga duración, en años más recientes se ha usado en bosques y pastizales (Coleman et al., 1997; Falloon et al., 1998; entre otros) y en sistemas agroforestales (Kaonga y Coleman, 2008), pero para agostaderos (generalmente con predominio de matorrales) no se ha reportado su aplicación. La EF del modelo fue insatisfactoria del Batan donde se establecieron sistemas de labranza, de acuerdo con Liu, Chan y Conyers (2009) es necesario mejorar la amplitud del RothC para estos sistemas de labranza ya que se deben considerar factores de pérdida de COS como la erosión del suelo (Senapati et al., 2014) y de RV que se dejan en la superficie del suelo y se pueden perder antes de entrar al suelo para formar parte del COS (Liu et al., 2009). En el caso de los valores altos de RCME de los sistemas agrícolas menos residuos, que incluyen los sistemas con LT, puede explicarse debido a que unas bases de datos tienen más dificultades para modelar que otras (Smith et al., 1997). Guo et al. (2007)) señalan que para evaluar el desempeño de un modelo se deben considerar varios factores, entre los que resalta la precisión de los datos analíticos que puede ser afectada por errores en el laboratorio o en el muestreo, como en el caso de Oaxaca, donde se encontró que el C asociado a la fracción mineral fue sobrestimado en un 17% (González-Molina et al., 2008) debido a la presencia de residuos orgánicos (raíces) que fueron removidos después de una segunda limpieza.
En el nivel regional bajo sistemas de ladera. Los valores de COS modelados con el RothC y con información del IPCC (Eggleston et al., 2006) y los obtenidos con el método IPCC (Eggleston et al., 2006), mostraron alto grado de asociación (r = 0.98-1.0), bajos valores de RCME (0.7-0.9) y altos de EF (0.98-0.99). El COS secuestrado predicho por RothC y estimado con el método IPCC, en el periodo de 1980-2000, en orden de mayor a menor fueron los siguientes: Mixe (3404 y 3379 Gg ha) > Mazateca (1962 y 2821 Gg) > Cuicateca (1040 y 998 Gg) y correspondió a la precipitación (mm) y contenido de arcilla (%) registrado en las regiones: > 2000 y 36.5% (Mixe); 1500-2000 34.5 (Mazateca); y 500-700 y 17 (Cuicateca) (Cuadro 3).
Cuadro 3: Estadísticos que describen desempeño del RothC en los niveles de parcela, sitio, sistema y región en México.
Table 3: Statistics describing RothC performance at the plot, site, system, and region levels in Mexico.
| Estadísticos† | n | r | RCME | EF |
| Parcelas | ||||
| Sierra Norte, Oaxaca CIPUN‡ | 27 | 0.87 | 0.24 | 0.68 |
| Sierra Norte, Oaxaca CPAR‡ | 27 | 0.75 | 0.29 | 0.50 |
| Sitios | ||||
| Batán, México | 48 | 0.76 | 0.19 | -0.60 |
| Linares, N. L. | 61 | 0.88 | 0.32 | 0.76 |
| S. Tlalpan, Tlaxcala | 15 | 0.98 | 0.10 | 0.93 |
| Atecuaro, Michoacán | 24 | 0.95 | 0.11 | 0.89 |
| Sierra Norte, Oaxaca | 27 | 0.90 | 0.37 | 0.53 |
| Zachila, Oaxaca | 6 | 1.00 | 0.11 | 0.89 |
| La Huerta, Jalisco | 5 | 0.77 | 0.10 | 0.56 |
| Localidades de Michoacán y Guanajuato | 16 | 0.87 | 0.09 | 0.84 |
| Sistemas | ||||
| Agrícolas+R | 71 | 0.95 | 0.36 | 0.69 |
| Agrícolas-R | 65 | 0.97 | 0.43 | 0.84 |
| Forestales | 24 | 0.93 | 0.31 | 0.81 |
| Agostadero | 34 | 0.24 | 0.40 | -0.16 |
| Pradera | 9 | 0.81 | 0.18 | 0.31 |
| Regiones | ||||
| Mazateca | 7 | 0.99 | 0.09 | 0.98 |
| Cuicateca | 7 | 0.98 | 0.08 | 0.95 |
| Mixe | 12 | 1.00 | 0.07 | 0.99 |
† n= número de pares de datos de COS simulado y observado; r = coeficiente de correlación; RCME = raíz del cuadrado medio del error; EF=eficiencia del modelo. ‡ CIPUN = COS inicial simulado por punto de muestreo; CIPAR = COS inicial promedio simulado por parcela.
† n= number of simulated and observed SOC data pairs; r = correlation coefficient; RCME = root mean square error; EF=model efficiency. ‡ CIPUN = simulated initial COS per sampling point; CIPAR = simulated average initial COS per plot.
Aplicación del RothC en escenarios de cambio de uso de suelo y sistemas de cultivo
Sistemas agroforestales con higuerilla. Los cambios del COS simulados con el RothC después del CUS de sistema TMC a los sistemas con higuerilla entre 1980 y 2040 tuvieron el siguiente orden: HIG>MUL>CALL>TMC, resultados que fueron similares a los reportados por Nair, Kumar y Nair (2009): forestales>agroforestales>plantaciones de árboles>cultivos.
Especies tropicales arbóreas. La tasa de cambio del COS (Mg ha-1 año-1) después de 40 años de simulación de CUS de LT a plantaciones con especies forestales tropicales sin manejo fue mayor y positiva, entre 0.2 y 0.7, mientras que en las plantaciones con manejo fue de -0.2 a 0.3 y por especie forestal de mayor a menor, fue el siguiente: Parota, sin manejo de hierbas y arbustos (SM) (0.7); Melina, con manejo de hierbas y arbustos (CM) (0.3); Rosa morada (SM) (0,2); Rosa morada (CM) (-0.2); y Teca (CM) (0.2). Según Masera, Ordóñez, y Dirzo (1997), cuando se mantiene la cobertura forestal o se renueva en sucesivas rotaciones; es decir, sin sobreexplotación, se crea un sumidero de carbono que puede ser estable en el tiempo. En el caso de Parota que tuvo mayor COS puede explicarse, de acuerdo con Mooney (1972), porque es una leguminosa que mantiene relaciones simbióticas con microorganismos del suelo, fija nitrógeno en sus raíces, su tasa fotosintética aumenta, lo que permite mayor acumulación de C en sus órganos.
Labranza de conservación en vertisoles. En el CUS del sistema de LT a sistemas de LC en vertisoles, la entrada de C al suelo: ET3 = SB + (0.18 * TB) fue la mejor prueba para simular los cambios con el RothC y correspondió a lo reportado por Kuzyakov y Domansky (2000). Las localidades de Michoacán y Guanajuato estuvieron en los rangos de 0.9-1.2 y 1.4 a 2.6 (Mg ha-1 año-1), resultados que estuvieron en el rango de secuestro de SOC medido por Follett, Castellanos, y Buenger (2005) en Celaya, México, donde reportaron una tasa de 0.3 a 2.8 (Mg ha-1 año‑1), bajo condiciones similares a las del estudio: vertisoles, LC, experimento a corta duración (5 años) y rotación de cultivos (maíz de trigo y habas de trigo) - Maíz y frijoles en verano y frijoles en invierno). En el estudio considerando que los cambios de SOC más estables sucedieron después de 45 años, estos fueron similares a los del estudio de West y Post (2002) en experimentos agrícolas de larga duración en distintos sitios a nivel mundial, ellos indicaron que después de un cambio de LT a labranza cero, el suelo alcanzó un nuevo equilibrio después de 40 a 60 años.
Sistemas con labranza. En el caso del CUS de la vegetación secundaria a los sistemas de labranza, el COS almacenado, sólo presentó cambios cuando las simulaciones se efectuaron con LC-R y LC-T y en Perote, Tlaxcala e Hidalgo y el Estado de México (0.1 a 0.8 Mg ha-1 año-1), en el caso de la SBC en los escenarios con LC y LT se obtuvieron pérdidas de COS. Estos resultados estuvieron dentro de lo reportado a escala mundial de 0.02 a 0.76 Mg ha-1 año-1 para el caso de sistemas que adoptan sistemas de manejo mejorado (Lal, 2000). Con respecto a las pérdidas de C que se obtuvieron en el CUS de SBC a sistemas de labranza (-1.9 a -2.3) pueden explicarse porque la entrada de RVRothC en este tipo de vegetación fue alto (17 Mg ha-1 año-1) comparado con las entradas de C de los sistemas de labranza (1.7-4.5 Mg ha-1año-1) (Cuadro 4).
Cuadro 4: Escenarios de cambio de uso de suelo y tasa de cambios de COS, después de 40 años en diferentes sitios y sistemas de México.
Table 4: Land use change scenarios and SOC rate of change, after 40 years in different sites and systems in Mexico.
| Sitios | Escenarios de cambio de uso de suelo† (tasa de cambios de COS simulado) |
| - - - - - - - - - - - - - - - - Mg ha-1año-1 - - - - - - - - - - - - - - - - - | |
| Santa María Roalo, Oaxaca | TMC a: TMC (0.0); CALL (0.2); MUL (0.3); e HIG (0.5) |
| La Huerta, Jalisco | LT a: Melina CM (0.3); Teca CM (-0.2); Rosa morada CM (-0.2); Parota SM (0.7); y Rosa morada SM (0.2) |
| Loc. Michoacán | LT a-LC (0.1-1.2) |
| Loc. Guanajuato | LT a LC (1.4-2.6) |
| Perote, Veracruz | BPVSA a: LT-R (-0.5); LC-R (0.8); y LC-T (0.2) |
| Perote, Veracruz | BPVSa a: LC-R (0.4) |
| Tlaxcala | BQVSA a: LC-R (0.1) |
| Hidalgo | BPVSA a: LC-R (0.8) |
| Hidalgo | LC-T (0.1) |
| Santa Fe, Veracruz | SBC a LT-T(-2.3); y LC-T (-1.9) |
† TMC = tradicional asociación maíz-calabaza; CALL = callejones dos hileras de maíz por una de higuerilla; MUL = multistratos; HIG = monocultivo de higuerilla; SM = sin manejo de hierbas y arbusto; CM = con manejo de hierbas y arbustos; LT = labranza tradicional; LC = labranza de conservación; BPVSA = bosque de pino, vegetación secundaria arbórea; BPVSa = bosque de pino, vegetación secundaria arbustiva; BQVSA = bosque de encino, vegetación secundaria arbórea; BQSa = bosque de encino, vegetación secundaria arbórea; SBC = selva baja caducifolia; LT-R o T = labranza tradicional bajo riego o temporal; LC-R o T = labranza de conservación bajo riego o temporal.
† TMC = traditional corn-squash association; CALL = alleys two rows of corn by one of castor; MUL = multistrata; HIG = castor oil monoculture; SM = no herb and shrub management; CM = with herb and shrub management; LT = traditional tillage; LC = conservation tillage; BPVSA = pine forest, secondary tree vegetation; GLPSa = pine forest, shrubby secondary vegetation; BQVSA = oak forest, secondary tree vegetation; BQSa = oak forest, secondary tree vegetation; SBC = low deciduous forest; LT-R or T = traditional tillage under irrigation or temporary; LC-R or T = conservation tillage under irrigation or temporary.
Sistemas con quinua. Los cambios de COS simulados por el RothC en el periodo de 40 años indicaron secuestro de COS (0.02-0.07 Mg C ha-1 año-1) en los monocultivos de las quinuas A. de Maranganí y Blanca con RV = 80% MST y pérdidas en el monocultivo de maíz y en las rotaciones de quinua-maíz (-0.02 a -0.14 a). Las entradas de C al suelo por los RV medidos en las quinuas tuvieron relación lineal con las tasas de secuestro (Cuadro 5), similarmente a lo encontrado por Wang, Zhang, Sun, Li, y Han (2017) quienes, a nivel global en cereales con diferentes entradas de C al suelo, tuvieron una correlación alta con los cambios del COS.
Table 5: Changes in SOC, after 40 years of CUS in systems with quinoa and amaranth.
| Cultivo/ variedad | Manejo del cultivo (Tasa de cambio de COSsimulados) |
| - - - - - - - - - - - - - - - - - Mg ha-1 año-1 - - - - - - - - - - - - - - - - - | |
| Quinua/A. de Maranganí | Monocultivo quinua (0.07); rotación quinua-maíz (-0.02) y monocultivo maíz (-0.14) |
| Quinua/ Blanca | Monocultivo quinua (0.02); rotación quinua-maíz (-0.05); y mono maíz (-0.14) |
| Amaranto | Monocultivo: Nutrisol (0.38); Revancha (0.08); y Benito (-0.01) |
Sistemas con amaranto. La variedad Nutrisol bajo cultivo continuo presentó secuestro de COS, seguida de Revancha, mientras que Benito presentó ligera pérdida de COS. El secuestro de COS tuvo correspondencia con su aporte de RV al suelo con 8.0, 4.7 y 4.3 para las variedades Nutrisol, Revancha y Benito con 0.38, 0.08 y -0.01 Mg ha-1 año-1, respectivamente Nuestros resultados de COS secuestrado se ubicaron en los valores reportados por Lal (2000) a escala mundial de 0.02 a 0.76 Mg ha-1 año-1, para el caso de sistemas agrícolas que adoptan un manejo o práctica al suelo mejorada.
Discusión general
Con el uso de datos puntuales (p. ej. perfiles de suelos, Paz-Pellat et al., 2019) a nivel de parcelas, la Figura 4 muestra los resultados del uso del Modelo RothC, donde los resultados son imprecisos (R2 alrededor de 0.5) y siguen patrones asociados al uso de modelos de la dinámica del COS, tal como el modelo CENTURY (Ogle, Breidt, Easter, Williams y Paustian, 2007), donde se sobreestima para el caso de valores grandes del COS y se subestima para el caso de valores pequeños del COS.
Para el caso de datos de promedios de múltiples puntos de muestreo, la Figura 5 muestra los resultados obtenidos de la implementación del modelo RothC. Estos resultados, generalmente asociados al proceso de inicialización con simulaciones inversas suponiendo estado estacionario, muestran patrones (subestimaciones) de estimaciones menores del COS congruentes con las observadas (Foereid et al., 2012).
Los resultados discutidos plantean problemas en la inicialización del modelo RothC, en donde, las hipótesis de estado estacionario y estimación del IOM, son los factores más críticos para su uso, por lo que es necesario ponderar estas fuentes de error usando una parametrización inicial de los almacenes del COS inicial (Herbst et al., 2018; Weihermüller et al., 2013).
El uso de simulaciones inversas, estado estacionario o no, son difíciles de calibrar por el problema de equifinalidad (Taghizadeh-Toosi et al., 2014), donde se presentan múltiples trayectorias generadas por los modelos que conducen al mismo punto de convergencia (Caruso, De Vries, Bardgett y Lehmann, 2018). La equifinalidad (Burton, 1939; Beven y Freer, 2001) se refiere a la existencia de muchas estructuras de modelos o de muchos conjuntos de parámetros de un modelo que pueden reproducir el comportamiento observado de un sistema, por lo que es cuestionable los parámetros óptimos obtenidos en un proceso de inicialización.
En especial, la estimación del almacén IOM es crítico para estimar los ingresos de carbono al suelo. El uso de la ecuación de Falloon et al. (1998) es cuestionable cuando no se cumple estrictamente con la hipótesis de estado estacionario. Una alternativa propuesta es una relación entre la textura (porcentaje de masa de una fracción determinada), de acuerdo con Körschens, Weigel y Schulz (1998)) y con Rühlmann (1999). En el caso de los primeros autores, se estableció una relación con el IOM en función del porcentaje de masa de la fracción menor a 6.3 μm. Paz-Pellat et al. (2016a) usaron un método relativamente similar a Körschens et al. (1998), donde para diferentes tipos de vegetación en México (sensuINEGI, 1980) se obtuvieron los valores máximos (COS potencial) y mínimos (IOM) de una relación con el porcentaje de la fracción arena (reciproco de arcilla + limo) de los suelos. Para el caso Rühlmann (1999), se estableció una relación no lineal ente el IOM y la fracción menor a 20 μm. Paz-Pellat et al. (2016a) estableció una relación lineal entre el IOM y el tamaño de las partículas físicas del suelo, lo que define la relación a utilizar en las estimaciones.
Una estimación directa de IOM puede ser realizada de acuerdo a Paz-Pellat y Etchevers (2016), que utilizaron estrato secuencias para establecer su valor en los ecosistemas de México (grupos y tipos de vegetación; de acuerdo a INEGI, 1980).
En términos generales, la evolución de la dinámica del COS fuera de condiciones de estado estacionario tiene patrones múltiples, dependiendo de los procesos de descomposición y absorción del carbono orgánico que coexisten (Paz-Pellat y Velázquez-Rodríguez, 2020), por lo que se debe tener cuidado con las interpretaciones basadas en solo un proceso.
La relación entre los almacenes del modelo RothC con el carbono orgánico total (TOC o Ct) define consideraciones para establecer relaciones de pedotransferencia (Weihermüller et al., 2013). Por ejemplo, la relación entre la fracción de C menor a 50 μm (arcilla más limo) el Ct para suelos mexicanos fue establecida por Paz-Pellat, Covaleda, Hidalgo, Etchevers y Matus (2016b), tal como se muestra en la Figura 5, para análisis de datos obtenidos por fraccionamiento físico usando técnicas de ultrasonido para su dispersión. Los datos de la Figura 6 provienen de sitios forestales (diferentes tipos de sucesión) y agrícolas, en diferentes tipos de suelos.
Figura 6: Resultados de la relación entre Ct (TOC) y C de la fracción arcilla más limo (< 50 μm) para suelos mexicanos. Fuente: Paz et al. (2016b).
Figure 6: Results of the relationship between Ct (TOC) and C of the clay plus silt fraction (<50 μm) for Mexican soils. Source: Paz et al. (2016b).
De acuerdo a la Figura 6, RPM = 0.8215TOC, por lo que las relaciones (razones) adoptadas por el modelo RothC por sistema de vegetación difieren (son variables) y no concuerdan con lo observado, donde hay una razón general que es fija. Esta situación debe analizarse con mayor detenimiento.
Conclusiones
Los resultados del desempeño de RothC, indicaron: (i) el ajuste del modelo es ligeramente mejor al usar COSinicial de cada punto de muestreo (CIPUN); (ii) existe la dificultad para modelar los sistemas asociados con algunas bases de datos con sistemas de labranza debido a los alcances del RothC o errores en los datos analíticos o del muestreo de suelo; (iii) existe la dificultad para modelar los sistemas de agostadero debido a su naturaleza compleja; y (iv) existe una correlación alta entre los métodos usados en la escala regional. El RothC mostró la tendencia y las tasas de cambio positivas o negativas del carbono orgánico del suelo (COS) bajo diferentes escenarios de cambio de uso de suelo y de sistemas de cultivo, en experimentos de corta o media duración en México. Con base en estos resultados se recomienda uniformizar métodos de medición de COS analíticos y de muestreo de suelo a fin de evitar errores en las bases de datos, además de considerar los alcances del RothC en la simulación de los cambios de COS con base en la evaluación de su desempeño bajo diferentes escalas geográficas y sistemas de cultivo y vegetación.
En lo general los resultados muestran alta incertidumbre en las estimaciones, por lo que es necesario cambiar el proceso de inicialización usando almacenes del modelo RothC definidos inicialmente.
