Estimación de la capacidad de uso de las tierras del estado Aragua, Venezuela, mediante regresión logística multinominal

  • Oscar Abarca Universidad Central de Venezuela (UCV), Facultad de Agronomía (FAGRO), Instituto de Ingeniería Agrícola, Maracay. Venezuela.
  • Miguel A. Bernabé P. Universidad Politécnica de Madrid (UPM), Departamento de Ingeniería Topográfica y Cartografía, Madrid. España.
Palabras clave: geoprocesamiento, geomorfometría, capacidad de uso de la tierra, regresión logística multinominal, Venezuela

Resumen

En esta investigación se desarrolla un modelo de geoprocesamiento  para  la  estimación  de  la  Capacidad de Uso de las Tierras agrícolas del estado Aragua, Venezuela, mediante el ajuste de un modelo de regresión logística multinominal. Se generaron 38 variables geomorfométricas, mediante el procesamiento de un Modelo Digital de Elevación (MDE) derivado de las imágenes radar SRTM (Shuttle Radar Topography Mission), de imágenes Landsat ETM+ (Enhanced Thematic Mapper Plus) y de información climatológica del área. En definitiva se seleccionaron 19 variables como factores del modelo y se obtuvo una bondad de ajuste moderada a escala regional con un pseudo R2 de 0,48, estadísticamente significativo (P≈0), y un Índice Kappa global de 76%. El modelo también se ajustó y validó a escala local, obteniéndose una mejora en el ajuste y capacidad de estimación en las localidades donde el factor relieve tiene mayor importancia (R2=0,76 y R2=0,54). En zonas planas, donde otros factores como el material parental son más importantes para la pedogénesis, el ajuste del modelo y su validación no es mejor que el regional (R2=0,32). A nivel global se obtuvo un 76% de concordancia estimación/realidad y a nivel local ésta varía entre 64 y 93%.

Descargas

La descarga de datos todavía no está disponible.

Citas

• Abarca, O. 1998. Metodología para la aplicación de los Sistemas de Información Geográfica (SIG) en la planificación del desarrollo físico agrícola. Estudio de caso: Plan de desarrollo físico-agrícola del área de influencia de la laguna La Caicara, municipio Autónomo Urdaneta, sur del estado Aragua, Maracay, Ven. Universidad Central de Venezuela. Facultad de Agronomía. 96 p.

• Abarca, O. y M. Bernabé. 2008a. Desarrollo metodológico para la simulación hidrológica de caudales de estiaje con el SIG SEXTANTE. Mapping Interactivo, Nov/Dic (130) [en línea]. [Citado el 10/03/2009]. Disponible en: <https://bit.ly/2UMSjzy.

• Abarca, O. y S. Ormeño. 2009. Evaluación de un método de corrección de los efectos topográficos sobre imágenes Landsat ETM+ en zonas montañosas tropicales. Mapping, 137, 30-40 pp.

• Abreu, X. 2000. Caracterización pedogeomorfológica y de los tipos de utilización de la tierra relevantes en la Cuenca Alta del Río Guárico, Sector Sur de Aragua. Maracay, Venezuela: Fundacite Aragua. 114 p.

• Bathgate, J. and L. Duran. 2003. A geographical information systems based landscape classification model to enhance soil survey: A southern Illinois case study. Journal of Soil and Water Conservation, 58(3):119-127.

• Beven, K. and M. Kirkby. 1979. A physically based variable contributing area model of basin hydrology. Hydrological Sciences Bulletin. 24(1):43-69.

• Biasino, J. 1983. Sur de Aragua. Mapa de suelos (1:100 000). Ministerio del Ambiente y de los Recursos Naturales Renovables-MARNR. Programa Inventario Nacional de Tierras. Caracas: DGIIA.

• Biasino, J., G. López, A. Peñalosa y J. Berroterán. 1990. Inventario Nacional de Tierras. Guárico Central y Sur de Aragua. Tomo II. Municipio Urdaneta y Camatagua. 535 p.

• Boettinger, J., R. Ramsey, J. Bodily, N. Cole, N. Kienast-Brown, S. Nield, A. Saunders and A Stum. 2008. Landsat spectral data for digital soil mapping. In: A. Hartemink, A. McBratney y M. Mendoça-Santos (Eds.). Digital Soil Mapping with Limited Data. Wageningen-Sydney-Río de Janeiro: Springer. 193-202 pp.

• Böhner, J. and O. Antoniç. 2009. Land-Surface parameters specific to topo-climatology. In: T. Hengl y H. Reuter (Eds.), Geomorphometry. Concepts, Software, Applications. Amsterdan-Oxford: Elsevier. 195-213 pp.

• Brenning, A. and D. Trombotto. 2006. Logistic regression modeling of rock and glacier distribution: Topographic and climatic controls in the semi-arid Andes. Geomorphology, 81, 141-154 pp.

• Burrough, P. and R. McDonnell. 2005. Principles of Geographical Information Systems. Spatial Information Systems and Geostatistics. Oxford: Oxford University Press. 333 p.

• Campling, P., A. Gobin and J. Feyen. 2002. Logistic Modeling to Spatially Predict the Probability of Soil Drainage Classes. Soil Sci. Soc. Am. J., 66, 1390-401 pp.

• Carvalho, W., E. Fernandes, C. Vieira, C. Schaefer and C. Chagas. 2008. Geomorphometric attributes applied to soil-landscapes supervised classification of mountainous tropical areas in Brazil: a case study. In: A. Hartemink, A. McBratney y M. Mendoça-Santos (Eds.), Digital Soil Mapping with Limited Data. Wageningen-Sydney-Río de Janeiro: Springer. 357-365 pp.

• CEAEA. 2005. Programa de Cooperación para la recolección de la información que requiere la implementación del Decreto N° 578 de la Gobernación del Estado Aragua para el registro de tierras establecido en la Ley de Tierras y su reglamento. Comisión Especial Agraria del Estado Aragua. Informe final. Maracay, Ven. Universidad Central de Venezuela. Facultad de Agronomía.

• Cimmery, V. 2007. User Guide for SAGA (version 2.0) [en línea]. [Citado el 11/02/2009]. Disponible en: < https://bit.ly/2QShrE1 >.

• Comerma, J. y L. Arias. 1971. Un sistema para evaluar las capacidades de uso agropecuario de los terrenos en Venezuela. Maracay: Sociedad Venezolana de la Ciencia del Suelo. 57 p.

• Debella-Gilo, M., B. Etzelmuller and O. Klakegg. 2007. Digital soil mapping using Digital Terrain analysis and statistical modeling integrated into GIS: Examples from Vestfold County of Norway. Scan-GIS´2007 - Proceedings of the 11th Scandinavian Research Conference on Geographical Information Sciences. Ås-Noruega: University of Life Sciences. 237-253 pp.

• Dobos, E. and T. Hengl. 2009. Soil mapping applications. In: T. Hengl y H. Reuter (Eds.), Geomorphometry. Concepts, Software, Applications. Amsterdan-Oxford: Elsevier. 461-479 pp.

• Drâgut, L. and T. Blaschke. 2006. Automated classification of landform elements using object-based image analysis. Geomorphology, 81, 330-344 pp.

• Eastman, R. 2006. Idrisi Andes. Guide to GIS and Image Processing. Worcester, Ma: Clark University. 327 p.

• Emeis, S. and H. Knoche. 2009. Applications in Meteorology. In: T. Hengl y H. Reuter (Eds.), Geomorphometry. Concepts, Software, Applications. Amsterdam-Oxford: Elsevier. 603-622 pp.

• Evans, I., T. Hengl and P. Gorsevski. 2009. Applications in Geomorphology. In: T. Hengl y H. Reuter (Eds.), Geomorphometry. Concepts, Software, Applications. Amsterdam-Oxford: Elsevier. 497-525 pp.

• Freeman, T. 1991. Calculating the catchment area with divergent flow based on a regular grid. Computer and Geosciences, 17(3):413-422.

• Gallant, J. and T Dowling. 2003). A multiresolution index of valley bottom flatness for mapping depositional areas. Water Resources Research, 39(12):1.347-1.360.

• Giasson, E., S. Figueiredo, C. Tornquist and R. Clarke. 2008. Digital soil mapping using logistic regression on terrain parameters for several ecological regions in Southern Brazil. In: A. Hartemink, A. McBratney y M. Mendoça-Santos (Eds.), Digital Soil Mapping with Limited Data. Wageningen-Sydney-Río de Janeiro: Springer. 225-232 pp.

• Gurdak, J. 2006. Using logistic regression to assess regional ground-water vulnerability: High Plains Aquifer. 5th National Water-Quality Monitoring Council Meeting, May-7-11, San Jose, CA.

• Hengl, T. and I. Evans. 2009. Mathematical and Digital Models of the Land Surface. In: T. Hengl y H. Reuter (Eds.), Geomorphometry. Concepts, Software, Applications. Amsterdan-Oxford: Elsevier. 31-63 pp.

• Hengl, T. and R. MacMillan. 2009. Geomorphometry- A key to Landscape Mapping and Modelling. In: T. Hengl y H. Reuter (Eds.), Geomorphometry. Concepts, Software, Applications. Amsterdam-Oxford: Elsevier. 433-460 pp.

• Hengl, T. and D. Rossiter. 2003. Supervised landform classification to enhance and replace photo-interpretation in semi-detailed soil survey. Soil Science Society of America Journal, 67(6):1 810-1 822.

• Holdridge, L. 1967. Life Zone Ecology. Tropical Science Center. San José, Costa Rica. (Tr. Humberto Jiménez Saa: Ecología Basada en Zonas de Vida, 1a. Ed. San José, Costa Rica: IICA, 1982.

• Jácome, A., G. Aguerrevere y M. López. 2001a. Sistema de Información Ambiental Cuenca Alta del Río Guárico. Informe final. Maracay-Venezuela: Fundacite Aragua. 110 p.

• Jácome, A., J. Viloria y G. Elizalde. 2001b. Separabilidad de unidades pedogeomorfológicas en un sector del sur del estado Aragua, por medio de análisis digital de imágenes de satélite y un modelo digital de terreno. Agronomía Trop. 51(1):49-63.

• Jaimes, E. 1985. Análisis de las relaciones Geomorfología-Suelo en las Cuencas altas de los Ríos Aragua y Petaquire, Serranía del Litoral Central, Cordillera de la Costa. Maracay, Ven. Universidad Central de Venezuela. Facultad de Agronomía. 300 p.

• Jelaska, S. 2009. Vegetation Mapping Applications. In: T. Hengl y H. Reuter (Eds.), Geomorphometry. Concepts, Software, Applications. Amsterdam-Oxford: Elsevier. 481-496 pp.

• Jenness, J. 2007. Some thoughts on analyzing topographic habitat characteristics [en lineal]. [Citado el 15/11/2009]. Disponible en: https://bit.ly/2JjF9Vu >.

• Jenny, H. 1941. Factors of Soils Formation. New York: McGraw-Hill. 288 p.

• Klingebiel, A. and P. Montgomery. 1961. Land capability classification. Washington: Soil Conservation Service, USDA. 21 p.

• Köthe, R., E. Gehrt and J. Böhner. 1996. Automatische Reliefanalyse für geowissenschaftliche. Anwen- dungen - derzeitiger Stand und Weiterentwicklung des Programms SARA. Arbeitshefte Geologie, 1, 31-37 pp.

• Lagacherie, P. 2008. Digital Soil Mapping: A state of the Art. In: A. Hartemink, A. McBratney y M. Mendoça-Santos (Eds.), Digital Soil Mapping with Limited Data. Wageningen-Sydney-Río de Janeiro: Springer. 3-14 pp.

• Lagacherie, P. and M. Voltz. 2000. Predicting soil properties over a region using sample information from a mapped reference area and digital elevation data: a conditional probability approach. Geoderma, 97(3-4):187-208.

• Machado, D., M. Puche, J. Viloria, M. Parra y M. Primera. 2007. Geoespacialización de información climática mediante la utilización de sistemas de Información Geográfica. Caso Cuenca Alta del río Guárico. II Jornadas Nacionales de Geomática, 03 al 05 de Octubre de 2007. Caracas. 16 p.

• MacMillan, R., A. Torregrosa, D. Moon, R. Coupé and N. Philips. 2009. Automated Predictive Mapping of Ecological Entities. In: T. Hengl y H. Reuter (Eds.), Geomorphometry. Concepts, Software, Applications. Amsterdam-Oxford: Elsevier. 551-578 pp.

• McBratney, A., S. Mendonça and B. Minasny. 2003. On digital soil mapping. Geoderma, 117, 3-52 pp.

• McKenzie, N. and P. Ryan. 1999. Spatial prediction of soil properties using environmental correlation. Geoderma, 89, 67-94 pp.

• Mendoça-Santos, H., R. Dart and J. Pares. 2008. Digital Mapping of Soil Classes in Rio de Janeiro State, Brazil: Data, Modelling and Prediction. In: A. Hartemink, A. McBratney y M. Mendoça-Santos (Eds.), Digital Soil Mapping with Limited Data. Wageningen-Sydney-Río de Janeiro: Springer. 381-396 pp.

• Ministerio del Poder Popular para el Ambiente (MINAMB). 2008. Datos meteorológicos mensuales. Ministerio del Ambiente. Caracas: Dirección de Hidrología, Meteorología y Oceanología.

• Mitasova, H. and L. Mitas. 2001. Multiscale soil erosion simulations for land use management. In: R. Harmon and W. Doe (Eds.), Landscape Erosion and Evolution Modeling. New York: Kluwer Academic/Plenum Publishers. 321-347 pp.

• Moore, I., P. Gessler, G. Nielsen and G. Peterson. 1993. Soil Attribute Prediction Using Terrain Analysis. Soil Science Society of America Journal, 57(2):443-452.

• National Aeronautics and Space Administration (NASA). 2009. Shuttle Radar Topography Mission [en línea]. [Citado el 20/01/2009]. Disponible en: < https://go.nasa.gov/2JmGH10>.

• O’Callaghan, J. and D. Mark. 1984. The Extraction of Drainage Networks from Digital Elevation Data. Computer Vision, Graphics, and Image Processing, 28, 323-344 pp.

• Ohlmacher, G. and J. Davis. 2003. Using multiple logistic regression and GIS technology to predict landslide hazards in northeast Kansas, USA. Engineering Geology, 69, 332-343 pp.

• Olaya, V. 2006. Fundamentos de Análisis Geográfico con SEXTANTE [en línea]. [Citado el 0/05/2007]. Disponible en: https://bit.ly/33UueuI>.

• Organización de las Naciones Unidas para la Alimentación y la Agricultura (FAO). 1976. Esquema para la evaluación de tierras. Roma: Boletín de Suelos N° 32.

• Organización de las Naciones Unidas para la Alimentación y la Agricultura (FAO). 1983. Directivas: Evaluación de Tierras para la Agricultura en Secano. Roma: Boletín de Suelos N° 52.

• Organización de las Naciones Unidas para la Alimentación y la Agricultura (FAO). 1985. Directivas: Evaluación de Tierras para la Agricultura de Regadío. Roma: Boletín de Suelos N° 55.

• Organización de las Naciones Unidas para la Alimentación y la Agricultura (FAO). 1990. Directivas: Evaluación de Tierras para Usos Forestales. Roma: Boletín de Montes N° 48.

• Organización de las Naciones Unidas para la Alimentación y la Agricultura (FAO). 1991. Guidelines: land evaluation for extensive grazing. Roma: Soils Bulletin N° 58.

• Peckham, S. 2009. Geomorphometry and Spatial Hydrologic Modelling. In: T. Hengl and H. Reuter (Eds.), Geomorphometry. Concepts, Software, Applications. Amsterdam-Oxford: Elsevier. 579-602 pp.

• Penizek V. and L. Boruvka. 2008. The Digital Terrain Model as a tool for improved delineation of alluvial soils. In: A. Hartemink, A. McBratney and M Mendoça-Santos (Eds.), Digital Soil Mapping with Limited Data. Wageningen-Sydney-Río de Janeiro: Springer. 319-326 pp.

• Pineda, C., D. Machado y E. Casanova. 2006. Evaluación física de tierras de la cuenca alta del Río Guárico con fines de producción sustentable de agua. Agronomía Trop. 56(3):385-414.

• Pontius, G. 2000. Quantification Error Versus Location Error in Comparison of Categorical Maps. Pho- togrammetric Engineering and Remote Sensing. 66(8):1 011-1 016.

• Pontius, G. 2002. Statistical Methods to Partition Effects of Quantity and Location During Comparison of Categorical Maps at Multiple Resolutions. Photogrammetric Engineering and Remote Sensing, 68(10):1 041-1 049.

• Quinn, P., K. Beven, P. Chevallier and O. Planchon. 1991. The prediction of hillslope flow paths for distributed hydrological modelling using digital terrain models. Hydrological Processes, 5, 59-79 pp.

• Rey, J. 2007. Levantamiento de suelos. Guía de Clases. Departamento de Edafología. Maracay, Ven. Universidad Central de Venezuela. Facultad de Agronomía. 10 p.

• Rossiter, D. 2005. Digital Soil Mapping: towards a multiple-use Soil Information System. Semana de la geomática. Bogotá: IGAC. 13 p.

• Sánchez, P., W. Couto and W. Buol. 1982. The fertility capability soil classification system: Interpretation, applicability, and modification. Geoderma, 27(4):283-309.

• Schneider, K. and P. Robbins. (Eds.) 2001. GIS and Mountain Environments. UNITAR/GRID Volume 5. Worcester, Ma: Clark Labs, Clark University. 125 p.

• Scull, P., J. Franklin, O. Chadwick and D. McArthur. 2003. Predictive soil mapping: a review. Progress in Physical Geography, 27(2):171-197.

• Sistema de Información Ambiental de la Cuenca Alta del Río Guárico (SIACARG). 2005. MARN-UCV [Programa informático]. [Consultado el 19/01/2005]. Maracay, Ven. Universidad Central de Venezuela. Facultad de Agronomía. Instituto de Edafología.

• Sistema de Información Ambiental de la Cuenca del Río Aragua (SIACRA). 2005. MARN-UCV [Programa informático]. [Consultado el 19/01/2005]. Maracay, Ven. Universidad Central de Venezuela. Facultad de Agronomía. Instituto de Edafología.

• Sistema de Información de Suelos de la Depresión del Lago de Valencia (SISDELAV). 2005. MARN- UCV-Fundación Polar. [Programa informático]. [Consultado el 19/01/2005]. Maracay, Ven. Universidad Central de Venezuela. Facultad de Agronomía. Instituto de Edafología.

• Strebin, S. y J. Pérez. 1974. Capacidad de uso de las tierras del estado Aragua. Caracas: Ministerio de Obras Públicas. Dirección General de Recursos Hidráulicos. 44 p.

• Suet, C. and Y. Lam. 2004. Comparison of flow routing algorithms used in Geographic Information Systems. University of Southern California, Faculty of the Graduate School. 97 p.

• United States Department of the Interior (USDI). 1971. Manual de clasificación de tierras con fines de riego. 2da Ed. A. Estrada (Trad.) Caracas: MOP-División de Edafología. 85 p.

• University of Maryland. 2008. Earth Science Data Interface (ESDI) at the Global Land Cover Facility [en línea]. [Citado el 23/02/2009]. Disponible en: < https://bit.ly/2QThBeb >.

• Valladares, G. and M. Hott. 2008. The use of GIS and Digital Elevation Model in Digital Soil Mapping - A case study from Sao Paulo, Brazil. In: A. Hartemink, A. McBratney and M. Mendoça-Santos (Eds.), Digital Soil Mapping with Limited Data. Wageningen-Sydney-Río de Janeiro: Springer. 349-356 pp.

• Ventura, S. and B. Irvin. 2000. Automate landform classification methods for soil-landscape studies. In: J. Wilson and J. Gallant (Eds.), Terrain Analysis. New York: Wiley and Sons. 267-294 pp.

• Viloria, J. 2008. Inventario expedito de tierras en parcelas rurales con escasa información de suelos. Guía de Clases. Maracay, Ven. Universidad Central de Venezuela. Facultad de Agronomía. Instituto de Edafología. 11 p.

• Viloria, J., C. Estrada y J. Rey. 1998. SISDELAV: Sistema de información de suelos de la Depresión del Lago de Valencia. Universidad Central de Venezuela. Facultad de Agronomía. Instituto de Edafología. Venezuela. 6 (1-2).

• Wischmeier, W. and D. Smith. 1978. Predicting rainfall erosion losses - A guide to conservation planning. Agriculture Handbook N° 537. Washington DC: US Department of Agriculture.

• Zevenbergen, L. and C. Thorne. 1987. Quantitative analysis of land surface topography. Earth Surface Processes and Landforms, 12, 47-56 pp

Publicado
2010-12-30
Cómo citar
Abarca, O., & Bernabé P., M. A. (2010). Estimación de la capacidad de uso de las tierras del estado Aragua, Venezuela, mediante regresión logística multinominal. Agronomía Tropical, 60(4), 397-413. Recuperado a partir de http://www.publicaciones.inia.gob.ve/index.php/agronomiatropical/article/view/319
Sección
Artículo original de investigación