Indicadores de calidad del suelo en el cultivo de la Teca (Tectona grandis Linn, F) en la región de San Onofre, Sucre

Abstract

En una zona de lomerío de los Montes de María, en jurisdicción del municipio de San Onofre, departamento de Sucre, Colombia, se realizó un muestro sistemático de suelos y el registro de variables biométricas, con el objetivo de establecer Indicadores de Calidad del Suelo para el cultivo de Teca. En total se tomaron muestras de suelo en 60 puntos y se midieron la altura de las plantas y el DAP de los árboles presentes en cada sitio. En los suelos se determinaron la densidad aparente, el pH y los contenidos de arena, limo, arcilla, materia orgánica, calcio, magnesio, potasio, fosforo, azufre, hierro, manganeso, cobre, zinc, boro, así como la producción de CO2. Los suelos estudiados presentaron altos contenidos de Ca, Mg, Fe, Mn y Cu; medios de K y B y bajos de P, S, Zn y materia orgánica; no se presentó al intercambiable y predominó la textura FAr. La mayoría de las propiedades (11 de 22) presentaron una distribución de probabilidad sesgada y sólo K, Zn, B y CO2 tuvieron coeficiente de variación mayores a 40%. Se determinaron cuatro índices de calidad del suelo (ICS) con base en 4 grupos de indicadores (GMD) seleccionados mediante análisis estadísticos multivariados que incluyeron regresiones lineales múltiples, análisis de componentes principales y análisis de factores. Un cuarto índice (ICS4) se calculó tomando todas las propiedades medidas como indicadores. Las variables de cada GMD fueron transformadas en calificaciones y con ellas se calcularon los Índices de Calidad de Suelos (ICS). El índice de mayor valor se obtuvo cuando se incluyeron todas las variables (ICS4), seguido por el índice calculado con las variables definidas mediante análisis de regresión múltiple (ICS1). Ninguno de los índices calculados correlacionó significativamente con las variables biométricas, probablemente porque la calidad de los suelos fue buena para el desarrollo de la teca y/o porque la edad del cultivo no fue suficiente para que se detectara el efecto de los pocos cambios en el suelo sobre su desarrollo. Mediante regresión lineal simple entre ICS4 e ICS1 se obtuvo un modelo con alto poder predictivo del ICS4 (R2 mayor a 70 %) lo que hace que la evaluación de la calidad de estos suelos sea eficiente y económica pues el ICS1 se calcula con base en apenas 4 propiedades del suelo.

Abstract: in a hilly area of Montes de María (San Onofre municipality), Sucre State, a systematic soil sampling and recording of biometric variables was performed with the aim of establishing Soil Quality Indicators (SQI) for Teak cultivation. A total of 60 soil samples were taken .Plant height and diameter at breast height (DBH) of trees at each site were measured. Bulk density, pH and content of sand, silt, clay, organic matter, calcium, magnesium, potassium, phosphorus, sulfur, iron, manganese, copper, zinc, boron, and CO2 production were determined in soil. The studied soils showed high levels of Ca, Mg, Fe, Mn and Cu; average levels of K and B and low levels of P, S, Zn and organic matter. Exchangeable Al was not present and the predominant texture was FAr. Most properties (11 of 22) had a skewed probability distribution and only K, Zn, B and CO2 showed coefficient variation higher tan 40%. Four soil quality indices (SQI) were determined based on four minimum data set (MDS) selected by multivariate statistical analysis that included multiple linear regression, principal component analysis and factor analysis. A fourth index (SQI4) was calculated taking all the properties measured as indicators. The variables of each MDS were transformed into grades and with them the Soil Quality Indices (SQI) were calculated The higher index value was obtained when all variables were included (SQI4), followed by the calculated index variables defined by multiple regression analysis (SQI1). None of the indices calculated correlated significantly with biometric variables, probably because the soil quality was good for the development of teak and / or because the age of the crop was not sufficient to detect the effect of the few changes in soil development. Using simple linear regression between SQI4 and SQI1 a model was obtained with high predictive power of SQI4 (R2 greater than 70%) making the quality evaluation of these soils efficient and economical because the SQI1 is calculated based on only four soil properties.