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
A escala mundial, el almacén de carbono (C) total del suelo, es cuatro veces mayor que el almacén de biomasa viva y muerta (árboles, arbustos, hierbas, etc.) y aproximadamente tres veces el almacén atmosférico (Lal, 2004). En el primer metro de profundidad, las estimaciones del carbono orgánico en los suelos (COS) son de alrededor de 1500 Pg C (Batjes, 1996; Jobbágy y Jackson, 2000; FAO, 2001). Las estimaciones de carbono contenido en el segundo metro de profundidad del suelo se incrementan entre 33% (Jobbágy y Jackson, 2000) y 60% (Batjes, 1996). El COS en los primeros 30 cm de profundidad, en relación al primer metro, representa alrededor de 50% (Jobbágy y Jackson, 2000, 2001; Hiederer, 2009). En México, las estimaciones del COS en la profundidad 0 a 30 cm representan alrededor de un tercio de las emisiones de gases de efecto invernadero (GEI) totales del sector uso del suelo, cambio de uso del suelo y silvicultura (de Jong et al., 2010), por lo que al incrementar las estimaciones del COS a un metro, las contribuciones del COS en las emisiones GEI nacionales se estima que representarán aproximadamente 100% adicional.
En la mayoría de las prácticas actuales de inventarios del carbono en los suelos, se recomienda que la profundidad de muestreo sea de 0 a 30 cm, siguiendo las directrices del IPCC (2006). Este tipo de muestreo parte del supuesto que el COS ubicado a mayor profundidad es estable/recalcitrante (Lorenz y Lal, 2005; Lorenz et al., 2011), con tiempos de residencia grandes (Kaiser et al., 2002; Rumpel et al., 2002; Jenkinson et al., 2008; Chabbi et al., 2009; Rumpel y Kögel-Knabner, 2011), concordante con modelos de datación del COS en el subsuelo (Mathieu et al., 2015) y menores tasas de mineralización/descomposición (Jenkinson y Coleman, 2008; Schrumpf et al., 2013). El COS ubicado a mayor profundidad se encuentra más procesado y con mayor cantidad de compuestos microbianos derivados (Rumpel y Kögel-Knabner, 2011), a pesar de existir biomasas microbianas más pequeñas, éstas son metabólicamente activas y contienen un número importante de microorganismos (Taylor et al., 2002).
Aunque existen muchos mecanismos para la estabilización del COS (von Lützow et al., 2006, 2008), estos pueden ser reversibles, dependiendo del mecanismo específico y las condiciones cambiantes que operen. Entre algunos mecanismos de desestabilización del COS que ocurren a mayor profundidad se encuentran: la activación del proceso microbiano por ingresos de carbono fresco rico en energía (Fontaine et al., 2007; Drigo et al., 2008); incrementos en la temperatura (Fang et al., 2005; Knorr et al., 2005; Conant et al., 2008); perturbaciones físicas (Diochon y Kellman, 2008, 2009); fertilización con nitrógeno (Canary et al., 2000; Adams et al., 2005) y retención de materia orgánica post cosecha en rodales con manejo maderable intensivo (Strahm et al., 2009).
La desestabilización del COS a profundidad, por diferentes mecanismos (James et al., 2014), ha generado mayor interés en las estimaciones del COS del subsuelo, a profundidades de varios metros o decenas de metros (Harper y Tibbet, 2013; Wang et al., 2015), las opciones de secuestro de carbono en profundidad (Lorenz y Lal, 2005; Lorenz et al., 2011); así como las discusión sobre muestreos del COS a mayores profundidades (Harrison et al., 2011).
La distribución del carbono a medida que aumenta la profundidad en los suelos (Rumpel y Kögel-Knabner, 2011; Braakhekke et al., 2013) se atribuye a ingresos provenientes de las raíces, por movimiento (transporte) de la fase líquida y por dispersión del carbono debido al mezclado con la matriz del suelo (bioturbación) en esa dirección. En el caso del transporte, éste puede ser por movimiento difusivo o por migración convectiva o advección, aunque este último proceso tiene poca influencia (Elzein y Balesdent, 1995).
Los modelos de la dinámica del carbono del suelo permiten explicar los cambios del COS y se pueden usar en términos predictivos cuando se comprenden los procesos que se asocian a los cambios de uso del suelo y vegetación (USV) y esquemas de manejo, entre otros (Lal, 2009). La mayoría de los modelos de la dinámica del COS supone un incremento lineal de este elemento, al incrementarse sus entradas (Paustian et al., 1997). Los modelos como el RothC (Coleman y Jenkinson, 1996), SOCRATES (Grace et al., 2006) y Century (Parton et al., 1998) usan ecuaciones cinéticas de primer orden y almacenes virtuales para caracterizar el COS que se asocia a cambios de USV y esquemas de manejo; con diferentes niveles de complejidad en sus parametrizaciones. Estos modelos, en su versión clásica, no consideran la distribución vertical del COS al incrementar la profundidad, por lo que se ha planteado como una de las áreas activas de expansión de los modelos clásicos (Campbell y Paustian, 2015).
Los modelos que describen la distribución del COS de acuerdo a la profundidad del suelo utilizan diferentes aproximaciones en relación a los procesos involucrados. Elzein y Balesdent (1995) consideran el movimiento difusivo y la tasa de descomposición en función de la profundidad. Braakhekke et al. (2011) toman en cuenta el transporte de la fase liquida (difusión y advección) y la bioturbación. La bioturbación (Meysman et al., 2006) ha sido planteada como el principal proceso de la distribución vertical del carbono (Jobbágy y Jackson, 2001), por lo que debe considerarse. De esta manera, la incorporación de la modelación de la distribución vertical del COS en modelos clásicos ha sido realizada con éxito relativo: RothC (Jenkinson y Coleman, 2008) y CENTURY (Hilinski, 2001).
La modelación de la distribución espacial, vertical y horizontal, del COS es un requerimiento para reducir la incertidumbre en las estimaciones del COS en inventarios regionales o nacionales (Arrouays et al., 2003). En una perspectiva empírica, la modelación de la distribución vertical del COS ha sido analizada usando diferentes funciones matemáticas (Arrouays y Pelisser, 1994; Jobbágy y Jackson, 2000; Minasny et al., 2006; James et al., 2014). Las relaciones que han resultado en mejores ajustes estadísticos, o que han sido seleccionados por los autores a priori, han sido las siguientes: función potencial (Zinke et al., 1978; Jobbágy y Jackson, 2000; Guillaume et al., 2015), función exponencial (Bennema, 1974; Arrouays y Pelisser, 1994; Bernoux et al., 1998; Acosta y Etchevers1, 2002; Minasny et al., 2006; Mishra et al., 2009; Meersmans et al., 2009; Kempen et al., 2011), función logarítmica (Hiederer, 2009) y función inversa polinómica de primer grado (Li y Zhao, 2001; James et al., 2014), principalmente. Aunque es posible utilizar otras funciones con más de dos parámetros (Nakane, 1976, Arrouays y Pelisser, 1994), de acuerdo a lo revisado en la literatura, los ajustes estadísticos por regresión resultan más complejos y, generalmente, no mejoran las estimaciones usando funciones matemáticas con dos parámetros.
En especial, la función exponencial se ha utilizado en modelos de la dinámica del COS con la profundidad (Elzein y Balesdent, 1995; Hilinski, 2001) y de la evolución geomórfica del COS en paisajes (Rosenbloom et al., 2001 y 2006). Suponiendo un proceso difusivo dominante de la transferencia del COS con la profundidad y usando una cinética de primer orden, la ecuación exponencial es una solución analítica o aproximada (Takahashi et al., 2004; Wynn et al., 2005; Diochon y Kellman, 2008), aunque la textura del suelo puede cambiar el patrón (Wynn et al., 2005).
Paz et al. (2014 y 2016) utilizó un enfoque holístico de modelación de la distribución del COS por fracciones físicas del suelo, empleando un esquema simplificado que sólo requiere el carbono orgánico inerte (COI) asociado a un tipo de suelo y prácticas de manejo. En esta perspectiva, se plantea la hipótesis que el COS a una determinada profundidad (cuando la materia orgánica particulada es nula o insignificante) puede ser usado para estimar el COI, permitiendo el uso de estrato secuencias en lugar de observaciones de largo plazo en el mismo sitio o cronosecuencias, que implican un cambio de tiempo por espacio.
Los objetivos de este trabajo son modelar la distribución vertical del COS en forma empírica y desarrollar un esquema operativo que permita estimar el COS en diferentes profundidades con solo conocer el COS a una profundidad de 30 cm; adicionalmente se busca estimar el COI de acuerdo al tipo de vegetación o ecosistema (sensu INEGI, 1997).
Materiales y Métodos
Base de perfiles de suelos
Para realizar los análisis de la distribución vertical del carbono orgánico en los suelos se utilizó la base de perfiles de suelo INEGI-COLPOS, que consta de 22 145 perfiles con 55 315 datos analíticos, tomados de 1968 al 2007. La Figura 1 muestra la distribución geográfica de los perfiles, que cubre prácticamente todos los tipos de vegetación de México.
La base de perfiles del suelo fue revisada y solo se seleccionaron aquellos perfiles con información completa (dato de carbono orgánico, delimitación profundidad inferior y superior de estratos, no traslape de límites en estratos y dato del número de estratos o horizonte), quedando 20 376 perfiles con 49 370 datos analíticos de materia orgánica por horizonte del suelo.
La cantidad de perfiles y datos en función del número de datos por perfil disponibles (≥) y casos de existencia de patrones no decrecientes (algún estrato rompe el patrón decreciente del carbono orgánico), caso del carbono orgánico (CO) en estrato 1 (superior) < CO en estrato 2 y, perfiles con datos a profundidades < 90 cm, se muestra en el Cuadro 1.
En estudios previos (Jobbágy y Jackson, 2000; Hiederer, 2009) de la distribución del COS a profundidad solo se consideraron perfiles con tres o más datos; además de no incluir perfiles de suelos agrícolas, donde generalmente el CO en el estrato 1 está afectado por labranza y sufre efectos de erosión (Jobbágy y Jackson, 2000; Meersman et al., 2009; Kempen et al., 2011; Guillaume et al., 2015), lo que rompe el patrón decreciente (caso de CO estrato 1 < CO estrato 2, dado que se espera que sea mayor el CO del estrato 1 que el del 2). El patrón decreciente típico de la distribución del CO a profundidad puede ser alterado por horizontes enriquecidos o empobrecidos, por lo que el ajuste de una función continua puede tener resultados no satisfactorios (rompe la continuidad del patrón del CO a profundidad). En esta situación se pueden usar modelos discontinuos (Meersman et al., 2009; Kempen et al., 2011; Guillaume et al., 2015). La Figura 2 muestra cuatro patrones de la distribución vertical (z es profundidad) del COS, para patrones típicos y y atípicos asociados a tipos de vegetación (Meersman et al., 2009; Kempen et al., 2011; Guillaume et al., 2015).
Figura 2 Patrones de la distribución vertical del COS. (a) Vegetación natural, (b) cultivos, (c) y (d) patrones no típicos asociados a la existencia de horizontes diferenciados.
En lo siguiente todos los análisis tienen la restricción que el número de datos por perfil es tres o más. El Cuadro 2 muestra la distribución de perfiles por tipo de ecosistema sensu INEGI (1997), donde hay algunos ecosistemas de vegetación sobre y sub representados.
En relación a las mediciones de carbono en los suelos (método de Walkley-Black) representan una fracción del carbono orgánico (fácilmente oxidable). La consideración del carbono inorgánico en los suelos está fuera del alcance de este trabajo, además que presentan patrones diferentes del COS (Wang et al., 2010).
Modelos matemáticos de la distribución vertical del COS
De las revisiones de modelos empíricos (funciones matemáticas) usados para caracterizar la distribución vertical del COS en los suelos, se presentan ocho modelos seleccionados para análisis de la base de perfiles de los suelos mexicanos (Cuadro 3). La variable X es la profundidad del suelo (cm) y la variable Y es la concentración de carbono (g C kg-1). Los modelos analizados fueron ajustados por regresión lineal usando la transformación:
(1)
en donde las transformación Xt y Yt están definidas en el Cuadro 3, así como el significado de los parámetros c y d.
Los modelos seleccionados fueron aplicados a los datos de los perfiles en formato normal y acumulado del COS (Jobbágy y Jackson, 2000; Minasny et al., 2006; James et al., 2014). Para los acumulados se inició del estrato más superficial al más profundo; aunque también se puede iniciar del más profundo al más superficial (James et al., 2014).
Para considerar los casos con información completa y con patrones estrictamente relacionados con los modelos empíricos del análisis, se introdujo una restricción para incluir solo patrones decrecientes del COS, una profundidad del perfil del suelo mayor o igual a 90 cm y un R2≥ valor definido; (p. ej.: 0.7, 0.8 y 0.9). El caso sin restricciones también se analizó.
Estrato secuencias y estimación del carbono orgánico inerte (COI)
El modelo COLPOS (Paz et al., 2014 y 2016) establece patrones del COS en función del fraccionamiento físico (tamaño de partícula, T) del suelo (Figura 3). A medida que el suelo no recibe ingresos de materia orgánica, caso de suelo desnudo o en descanso (no uso agrícola), el carbono orgánico particulado (COP) de la fracción de 50 μm a 2,000 μm se pierde. El carbono organomineral o COM (fracción < 50 μm) se reduce, pero mantiene proporciones estables en relación al COS total o COSt (Paz et al., 2016). El COS para cualquier fracción (f) del COM es una relación lineal con una constante aditiva (a) y una multiplicativa (b) (Figura 3a). Los parámetros a y b de la relación lineal, cuando se intersectan en un punto común, forma una línea recta (Paz et al., 2016) cuyos parámetros definen el punto de intersección (COI, 1/TCOI) (Figura 3b).
El modelo COLPOS ha sido parametrizado usando cronosecuencias (Balesdent et al., 1998). Un esquema alternativo de parametrización (estimación del COI) es el uso de estrato secuencias, bajo la consideración de que el COI define el punto cuando el COP es nulo o insignificante (Desjardins et al., 1994; Wynn et al., 2005; Schrumpf et al., 2013; Beniston et al., 2014) (Figura 3a).
En el caso de la distribución del COS con el aumento de la profundidad en secuencias de perturbación de la vegetación natural, la Figura 4a muestra en forma esquemática los patrones (Desjardins et al., 1994; Gregorich et al., 1995; Guillaume et al., 2015). Suponiendo un modelo de distribución vertical del tipo logarítmico, Cuadro 3, la Figura 4b muestra que el COS de los perfiles se intersecta en un punto común.
Figura 4 Patrones de secuencias de perturbación de vegetación natural y sus estrato secuencias asociadas (mayor COS en vegetación natural, reduciendo al perturbarse la vegetación). (a) Patrones Profundidad-COS y (b) patrones Ln (Profundidad)-COS.
De la discusión de la Figura 3, el COI se determina del espacio de parámetros b-a, del modelo de distribución vertical del COS = a + b ln (Profundidad), para cada uso del suelo y vegetación analizado. Con el COI estimado, el modelo COLPOS de la dinámica del COS queda parametrizado (Paz et al., 2016).
De las Figuras 3 y 4, el COI está planteado como alcanzable a largo plazo, al suprimir todos los ingresos de C al suelo y después que el carbono en el suelo ha llegado a un equilibrio, donde las tasas de descomposición o mineralización del COS son marginales e insignificantes. Los experimentos de largo plazo de suelos en descanso muestran que estas condiciones se pueden alcanzar entre los 50 y 100 años (Jenkinson y Rayner, 1977; Barré et al., 2010; Menichetti et al., 2014).
En la literatura es difícil encontrar trabajos de la distribución del COS por fraccionamientos físicos. Aunque los fraccionamientos físicos son incompletos (técnica de tamizado en húmedo), el trabajo de Beniston (Beniston, 20092; Beniston et al., 2014) se puede utilizar en forma esquemática para analizar las hipótesis planteadas para estimar el COI. Este autor analizó la distribución del COS, por fracciones físicas, a medida que aumentaba la profundidad en un pastizal alto en remanentes de áreas con terrenos sembrados con trigo por al menos 75 años, de tal manera que fue posible tener dos usos del suelo de largo plazo. La Figura 5 muestra el caso del pastizal alto en relación a la distribución del COS por fracciones e incremento de la profundidad (Figura 5a) y el análisis de los parámetros a y b para estimar el COI (= 4.44 g C kg-1 suelo) (Figura 5b).
Figura 5 Distribución del COS con el aumento de la profundidad por fracciones físicas de un pastizal alto. (a) Espacio 1/Tf - COSf y (b) espacio b-a de la relación COSf = a + b(1/Tf) a diferentes profundidades.
La Figura 6 muestra el caso del cultivo de trigo, donde el COI estimado es de 2.06 g C kg-1 suelo.
Figura 6 Distribución del COS con el aumento de la profundidad por fracciones físicas de un cultivo de trigo. (a) Espacio 1/Tf - COSf y (b) espacio b-a de la relación COSf = a + b(1/Tf) del COM a diferentes profundidades.
Una posible explicación de los diferentes COI a largo plazo, es que los pastizales altos tienen una distribución del COS más profunda que los cultivos anuales (Jobbágy y Jackson, 2000; DuPont et al., 2014) y que los sistemas están en equilibrio, donde el cultivo ha formado un sistema nuevo. Esto implica que el COI del pasto se encuentra a mayor profundidad que el del cultivo de trigo (Qiu et al., 2015).
Resultados
Modelación de la distribución del COS a profundidad
Los datos de distancias verticales del COS en los perfiles están en función de las dimensiones de cada estrato de suelo definido, por lo que su patrón es irregular. Los análisis de la distribución vertical del COS en los perfiles de suelos fueron realizados bajo el supuesto que el valor promedio del COS está localizado en el punto medio de cada estrato del perfil. El error de localización, dependiente de cada modelo utilizado, es generalmente despreciable y dentro de los límites de incertidumbre de las posiciones verticales de los estratos. Esta situación ha sido analizada para el modelo potencial (Bennema, 1974), exponencial (Bennema, 1974; Bernoux et al., 1998) y logarítmico (Hiederer, 2009), con conclusiones similares.
El ajuste de los modelos del Cuadro 3 fue realizado por regresión lineal usando la transformación de la ecuación (1). Para el caso de aplicar una restricción en los procesos de la base de datos esta fue definida como: R2 del ajuste mayor al dado (0.7, 0.8 y 09), patrón no decreciente y perfil con profundidad ≥ 90 cm. El caso sin restricciones considera solamente la situación con ajustes con R2 ≥ al definido (0.7, 0.8 y 0.9). En el caso de los valores mínimos, la gran mayoría es cero o cercana a cero. Para la técnica de Walkley-Black (Walkley y Black, 1934; Walkley, 1947), De Vos et al. (2007) establecieron su límite de cuantificación en alrededor de 0.3% (0.2-0.4%), por lo que este valor fue utilizado como un mínimo general para establecer los valores de COS mínimo para los ecosistemas. En la base de datos del COS de perfiles, la situación de COS = 0 fue modificada a COS = 3 g C kg-1, para evitar problemas de límites de cuantificación de los procedimientos de laboratorio usados.
El caso del modelo exponencial, seleccionado como el de mejor ajuste en la literatura, es aplicado por lo general definiendo los valores del COS límites (más superficial y más profundo), por lo que las estimaciones se concretan a estimar el valor de la pendiente b del modelo (Arrouays y Pelisser, 1994; Bernoux et al., 1998; Minasny et al., 2006; Meersmans et al., 2009). Acotando la regresión a los límites resulta generalmente en mejores ajustes estadísticos.
El Cuadro 4 muestra el porcentaje de los perfiles disponibles que cumplen los criterios definidos, como forma de analizar los mejores ajustes de los modelos utilizados.
Cuadro 4 Resultados de los ajustes de regresión de los modelos, en porcentaje los que cumplen los criterios establecidos.
En lo general, el uso del formato de acumulados (del COS del estrato más superficial al más profundo) resulta en mejores ajustes. Para los criterios definidos los modelos potencial y logarítmico resultan en los mejores, tanto en formato normal como de acumulados, en su conjunto.
En relación a límites, el modelo potencial presenta el problema que cuando la profundidad tiende a cero, el COS tiende a infinito, restringiendo su uso (Bennema, 1974). Para el caso del modelo logarítmico, datos de profundidad en centímetros, para z = 1 cm, se tiene COS(z) = a y para el caso de COS(z) = 0 esta condición se alcanza cuando z = exp(a/b), con el parámetro a sin signo, definiendo una mejor versatilidad en los ajustes que en el caso del modelo potencial.
El uso de patrones indiferenciados por perfiles de suelos agrícolas, genera un sesgo al no considerar la situación de perturbación del suelo por efectos de labranza (Guillaume et al., 2015) y sus consecuencias en la erosión del suelo y remoción del COS superficial (Lal, 2001). No obstante esto, que puede fácilmente modelarse (Meersmans et al., 2009; Kempen et al., 2011), el uso no restringido de condiciones en el ajuste de los modelos define una perspectiva de aplicaciones más genérica al incluir estos casos particulares.
Si se usan las bases de datos completas del COS en los perfiles de suelos, bajo la restricción de R2> 0 de los ajustes y sin incluir valores negativos del COS (artefactos del ajuste estadístico de los modelos), la Figura 7 muestra los resultados generales del modelo potencial y logarítmico en formato normal y la Figura 8 en formato acumulado.
Figura 7 Resultados del ajuste del modelo potencial y logarítmico. (a) formato normal sin restricciones, modelo potencial, (b) formato normal sin restricciones, modelo logarítmico, (c) formato normal con restricciones, modelo potencial y, (d) formato normal con restricciones, modelo logarítmico.
Figura 8 Resultados del ajuste del modelo potencial y logarítmico. (a) Formato acumulado sin restricciones, modelo potencial, (b) formato acumulado sin restricciones, modelo logarítmico, (c) formato acumulado con restricciones, modelo potencial y, (d) formato acumulado con restricciones, modelo logarítmico.
De los resultados mostrados en las Figuras 7 y 8, caso general de aplicación de los modelos a toda la base de datos del COS de los perfiles, el modelo logarítmico resulta en ajustes adecuados y comparables con el modelo potencial, por lo que fue seleccionado dada su flexibilidad en los límites.
Considerando que los ajustes del modelo logarítmico al formato normal de los datos del COS resulta adecuado, en lo siguiente solo se consideran los análisis relacionados con este formato.
Estimación del COI usando espacios paramétricos y estimación del COS en el perfil
Los patrones de ajuste de los modelos de distribución vertical del COS en los perfiles de suelos pueden ser analizados principalmente en función de los tipos o grupos funcionales de la vegetación, la textura del suelo y el clima (Jobbágy Jackson, 2000). Jobbágy y Jackson (2000), usando datos de la distribución de las raíces (Jackson et al., 1996), establecieron que la vegetación es la principal condicionante de la distribución del COS en los perfiles de suelos. Esta condición ha sido ratificada por diversos autores (Jobbagi y Jackson, 2001; Wang et al., 2010; Lorenz et al., 2011; Jafari, 2013), aunque hay evidencia de control fuerte por la textura del suelo (Zinn et al., 2005).
Si el marco teórico-conceptual de la Figura 3 se aplica a la Figura 4, se obtiene un análisis de la agrupación de perfiles por ecosistemas de vegetación (sensu INEGI), donde para cada perfil individual se le buscó perfiles cercanos usando un radio de búsqueda de 1000, 2500, 5000, 10 000 y 20 000 m para contar con secuencias de perturbación. Los perfiles seleccionados (parámetros del modelo logarítmico), que cumplen las condiciones o restricciones definidas (ajustes con R2≥ 0.7, patrón decreciente y profundidad del perfil ≥ 90 cm), se consideraron ecosistemas similares (sucesión primaria o secundaria, sensu INEGI) o vegetación alterada por actividades humanas (agricultura, bosque cultivado, zona urbana o vegetación inducida), El número de perfiles que cumplieron las condiciones fue de 4116. El uso de valores de radio de búsqueda pequeños (p. ej.: 1000 m) reduce la incertidumbre de considerar otros tipos de ecosistemas cercanos y los radios grandes (p. ej.: 10 000 m o 20 000 m) incrementa los errores de ecosistemas por traslape, pudiendo generarse un número de perfiles mayor al disponible.
La Figura 9 muestra un espacio b-a [modelo COS(z) = a + b ln(z)] para el ecosistema “Matorral Xerófilo”, donde los ajuste del patrón propuesto son adecuados, generando un patrón del tipo:
(2)
con A = COI en el suelo (g C kg-1) y B una constante multiplicativa.
El Cuadro 5 muestra los resultados obtenidos para todos los ecosistemas analizados.
Cuadro 5 Parámetros estimados de los ecosistemas de vegetación (A y B definidos en la Ecuación 2 y A1 y B1 en la Ecuación 3).
En los inventarios nacionales GEI de México (de Jong et al., 2010) se ha utilizado el valor del COS a la profundidad 0 a 30 cm (COS 30) estimado de la base de datos de perfiles analizada en este trabajo, a través de un promedio ponderado del COS por las dimensiones de los estratos en los perfiles. El COS 30 (medido) usando un promedio ponderado se muestra en la Figura 10, en relación al estimado usando la función logarítmica (no restricciones) para cada perfil, con z = 15 cm para definir el centro del intervalo de 0 a 30 cm. La Figura 10 expresa que el modelo logarítmico reproduce en forma adecuada el COS 30.
Figura 10 Relación entre el COS medido y el estimado usando la función logarítmica, caso sin restricciones.
Bajo consideraciones funcionales de relaciones matemáticas, se espera que el COS 30 medido (promedio ponderado de estratos u horizontes) esté relacionado con el parámetro a y b de la función logarítmica (Figura 11). En lo general, se espera que la mejor relación de COS 30 medido sea con el parámetro a, mediante la relación:
(3)
Figura 11 Relación entre COS 30 cm medido y el parámetro a y b para el ecosistema “Matorral Xerófilo”.
Los parámetros A1 y B1 para los ecosistemas vegetales analizados están mostrados en el Cuadro 5, donde los ajustes estadísticos son adecuados.
Para el caso de tipos de vegetación sensu INEGI, el Cuadro 6 muestra los parámetros A y B, así como A1 y B1, con resultados adecuados de los ajustes estadísticos.
Usando los parámetros A1 y B1 de los Cuadros 5 y 6 para estimar el parámetro a del modelo logarítmico del COS a profundidad y el parámetro b estimado de la relación (2) definida por A y B (Cuadros 5 y 6), la Figura 12 muestra los resultados obtenidos, que resultan adecuados para estimar el COS en el perfil del suelo con solo COS 30 cm medido y usando el tipo de ecosistema (caso con restricción) o vegetación (sin restricción).
Discusión
Los ajustes estadísticos del modelo logarítmico que se muestran para caracterizar la distribución del COS en profundidad de perfiles de suelos de México, plantean patrones relativamente regulares que pueden ser usados para analizar relaciones generales del COS en los diferentes tipos de ecosistemas y vegetación. Aunque en este trabajo solo se consideró el formato normal (no valores acumulados) de distribución del COS, usando el formato del COS acumulado a medida que aumenta la profundidad, las estimaciones asociadas a los ajustes de los modelos matemáticos pueden mejorarse y reducir las incertidumbres (errores de estimación). Al usar valores de carbono acumulados del estrato más inferior al superior, se llega a un esquema similar al utilizado en las estimaciones del COI. No obstante los aspectos de mejoría de las estimaciones que pudiesen lograrse, los ejercicios realizados muestran que es posible modelar en forma estadísticamente adecuada la distribución vertical del COS en los suelos de México.
Si se considera que la información disponible en México consiste solo de mediciones del COS en la capa superficial del suelo (0-30 cm), la extensión de estas mediciones a profundidades mayores (p. ej.: 1.0 m) permite considerar el problema de desestabilización del COS por diferentes mecanismos, además de tener inventarios de GEI con enfoques de almacenes de carbono completos. El uso de la metodología planteada de estimación de los parámetros del modelo logarítmico usando el COS 30 y la información de ecosistema o tipo de vegetación genera resultados adecuados para expandir las estimaciones a profundidad, requiriéndose contar con una mapa de profundidad de los suelos, para acotar las estimaciones cuando exista alguna barrera en el suelo (p. ej.: roca, cementación, etc.).
El análisis de las pendientes del modelo logarítmico de distribución vertical del COS para los diferentes ecosistemas y tipos de vegetación, muestra que sus valores son muy cercanos entre si y solo las intersecciones muestran variaciones significativas, planteando que es posible generar un modelo general con una pendiente única, que crea un espacio b-a del modelo logarítmico de líneas rectas paralelas, cuyas intersecciones con el eje a definen el carbono orgánico inerte (COI). Algo similar ocurre con los valores de las pendientes asociadas al espacio de COS 30- Parámetro a del modelo logarítmico.
Las variaciones limitadas de los parámetros B y B1 (ver Cuadros 5 y 6) muestran cierto grado de universalidad de patrones del COS a profundidad, por lo que permitirían unificar esquemas de caracterización de los suelos en una perspectiva más holística de la biogeoquímica (Fierer et al., 2009).
Para modelos de la dinámica del COS como el COLPOS (Paz et al., 2016), las estimaciones del COI generadas para los ecosistemas y tipos de vegetación analizados permiten parametrizaciones operativas, las cuales pueden ser usadas para estimar el COS en las diferentes fracciones físicas. De esta manera, para cada profundidad del suelo, es posible estimar el COS en los compartimento del carbono orgánico particulado, organomineral e inerte.
El uso de estrato secuencias, como equivalente al de las cronosecuencias, permite un método simple y operativo para caracterizar dinámicas del COS asociadas a gradientes de perturbación o cambio de uso del suelo. Este enfoque es novel y resulta muy atractivo para su aplicación en países con recursos económicos restringidos.
Los desarrollos presentados implican que es necesario reconsiderar las estrategias y métodos de muestreo, que además de considerar todos los factores para la estimación del COS (Hamburg, 2000), deben ser realizados a profundidades de al menos 100 cm (Harrison et al., 2011). La urgente necesidad de estandarizar métodos, protocolos de análisis y estudios cruzados de caso (Fierer et al., 2009; Jandl et al., 2014) permitirá obtener caracterización biogeoquímicas de los suelos generalizables y parametrizaciones de modelos en forma interoperable. Un buen ejemplo de considerar estas visiones integrales en la medición de todos los almacenes de carbono en ecosistemas terrestres es el de Monreal et al. (2005).
Conclusiones
Los resultados en este trabajo plantean que es posible generar metodologías alternativas para parametrización de modelos de la dinámica del carbono orgánico de los suelos (COS), particularmente el carbono orgánico inerte (COI). El análisis, modelación y síntesis de la base de datos de COS de perfiles distribuidos geográficamente en todo México, con algunos sesgos de representatividad de ecosistemas y tipos de vegetación, permite obtener una serie de conclusiones relevantes:
-. El modelo logarítmico, caracterizado por los parámetros “a” (intersección) y “b” (pendiente) resulta adecuado para modelar la mayoría de la distribución vertical del COS en los perfiles de suelos de México.
-. El COS de 0 a 30 cm, usado en los inventarios nacionales de GEI, puede relacionarse con los parámetros “a” o “b” del modelo logarítmico, aunque la relación con “a” conlleva mejores resultados.
-. Las relaciones entre los parámetros “b” y “a” para ecosistemas y tipos de vegetación muestran ser estables y producen una estimación adecuada del COI.
-. Usando las relaciones genéricas desarrolladas por ecosistemas y tipos de vegetación, se pueden obtener estimaciones adecuadas del carbono a profundidad con solo el dato del COS de 0 a 30 cm.
-. Los desarrollos obtenidos en este trabajo permiten estimar el COI por ecosistema o un grupo de vegetación, para parametrizar modelos de la dinámica del COS por horizonte del suelo y extenderlos hasta los límites de su profundidad. Para esto es necesario desarrollar mapas de profundidad de suelos, lo cual será explorado en otro trabajo.
