INTERPOLACIONES ESPACIALES INVERSO PONDERADO DE LA DISTANCIA Y
POR SEGMENTOS, DE MATERIA ORGÁNICA, POTASIO Y FÓSFORO EN UN
SUELO DE USO AGRÍCOLA, REGIÓN DEL MAULE, CHILE.
RESUMEN
Fueron realizadas las interpolaciones IDW y por segmentos global y local a partir de 74 muestras
de MO, K y P del suelo de un parronal de uso agrícola en la Región del Maule, Chile. En el parronal,
las mayores concentraciones (%) de MO se encontraron en el extremo suroeste, también se
observaron concentraciones elevadas en el extremo noroeste y en el centro hacia el este; las
menores concentraciones de MO se localizaron en el sector centro-norte hacia el este. En tanto,
las mayores concentraciones (mg/Kg) de K se encontraron en el centro del parronal, y también se
observaron concentraciones elevadas en el extremo suroeste; las menores concentraciones de K
se localizaron en varias ubicaciones del parronal. Asimismo, las mayores concentraciones (mg/Kg)
de P se ubicaron en el extremo suroeste del parronal y en el sector centro hacia el este; las
menores concentraciones de P se localizaron en varias ubicaciones del parronal. Las
interpolaciones IDW presentaron el típico efecto “ojo de buey”, mientras que las interpolaciones
por segmento resultaron ser más suaves que las anteriores.
INTRODUCCIÓN
La interpolación espacial (IE) o la predicción espacial es un tópico crucial en geociencias y campos
relacionados tales como la geología, geografía, hidrología, medioambiente y agricultura. Para
abordar varias preocupaciones en estas disciplinas, una serie de métodos de IE han sido
desarrollados, los cuales difieren en los objetivos y fundamentos de la interpolación. La IE es a
menudo usada para predecir un valor de una variable de interés en ubicaciones no medidas con
medidas disponibles en un sitio muestreados (Li, 2021).
La IE teóricamente depende de la primera ley de la geografía, es decir, “todos está relacionado a
todo lo demás, pero las cosas cercanas están más relacionadas que las cosas distantes” (Tobler,
1970). La geoestadística es un grupo de técnicas estadísticas que se enfocan en la correlación
espacial, la interpolación espacial, la simulación y la visualización de variables aleatorias. La
geoestadística está basada en la teoría de las variables regionalizadas y es extensivamente
aplicada debido a que permite a los analistas GIS (Sistema de Información Geográfica) considerar
la dependencia espacial entre observaciones para predecir valores en ubicaciones no muestreadas
(Meng et al., 2013).
El método de IE típico es la ponderación del inverso de la distancia (Inverse Distance Weighting
IDW, por sus siglas en inglés). La ventaja del método IDW es que es fácil de entender y de
implementar. En general, la precisión de la interpolación IDW convencional o de sus variantes
podría ser mejorada al elegir un conjunto apropiado de parámetros tales como el modelo de
búsqueda de muestras locales o datos observados, el tipo de distancia métrica y el exponente
impuesto a la distancia (Li, 2021; Zhao et al., 2022).
La interpolación por segmentos (también llamada “spline”) es una herramienta útil y poderosa
para modelado de curvas y superficies (Xie & Liu, 2014). Las “spline” son un método de
interpolación determinístico, que ajusta los datos lo suficientemente cerca mientras que son los
, más suave posibles. No es un método de interpolación para superficies altamente irregulares y es
considerado como un tipo especial de polinomio por partes, es a menudo preferido en la
interpolación polinomial debido al pequeño valor de error incluso cuando se usan polinomios de
bajo grado. La principal ventaja de este método es que evita el problema del fenómeno de Runge
(la interpolación de una función polinomial, usando puntos de interpolación equidistantes podría
desviarse en ciertas partes de este intervalo incluso si es analítica de cualquier parte del intervalo).
Cuando la interpolación usa polinomios de alto grado puede ocurrir oscilación entre puntos
(Ibrahimoglu, 2020; Issa et a.l, 2023; Meng et al., 2013).
Sin importar qué tipo de contexto se esté enfrentando, mejorar la precisión y la confiabilidad de la
estimación es un objetivo común que persiguen la mayoría de los métodos de IE (Li, 2021).
Comparaciones entre diferentes IE han sido realizadas por diferentes autores (Ilker et al., 2019;
Issa et a.l, 2023; Meng et al., 2013) y, además, han sido utilizadas para estudios agrícolas (Cao et
al., 2021; Jurišić et al., 2021; Neissi et al., 2020).
El objetivo de esta investigación es comparar los métodos de interpolación IDW y por segmentos
utilizando estos para interpolar valores de materia orgánica (MO), potasio (K) y fósforo (P) en un
suelo de uso agrícola de la Región del Maule, Chile y, además, determinar los mejores sitios para la
producción agrícola dentro del parronal, considerando las mayores concentraciones de MO, K y P
en el suelo de este.
MATERIALES Y MÉTODOS
Se utilizó el programa de código abierto QGis Desktop 3.28.6 para realizar las interpolaciones y
confeccionar los mapas. Se usaron los complementos Interpolación IDW y “Thin Plate Spline” (TPS)
e información del IDE, Infraestructura de Datos Espaciales de Chile.
Datos
En un parronal se recolectaron datos del contenido de arcilla de 74 muestras de suelo extraídas
con barreno a 20 cm de profundidad, aproximadamente, cada 50 m 2. Fueron medidos valores de
MO, K y P. El parronal se encuentra comprendido entre los 35°29’41’’ S y los 71°28’25’’ O, en la
localidad de San Clemente, Región del Maule, Chile (Fig. 1).
POR SEGMENTOS, DE MATERIA ORGÁNICA, POTASIO Y FÓSFORO EN UN
SUELO DE USO AGRÍCOLA, REGIÓN DEL MAULE, CHILE.
RESUMEN
Fueron realizadas las interpolaciones IDW y por segmentos global y local a partir de 74 muestras
de MO, K y P del suelo de un parronal de uso agrícola en la Región del Maule, Chile. En el parronal,
las mayores concentraciones (%) de MO se encontraron en el extremo suroeste, también se
observaron concentraciones elevadas en el extremo noroeste y en el centro hacia el este; las
menores concentraciones de MO se localizaron en el sector centro-norte hacia el este. En tanto,
las mayores concentraciones (mg/Kg) de K se encontraron en el centro del parronal, y también se
observaron concentraciones elevadas en el extremo suroeste; las menores concentraciones de K
se localizaron en varias ubicaciones del parronal. Asimismo, las mayores concentraciones (mg/Kg)
de P se ubicaron en el extremo suroeste del parronal y en el sector centro hacia el este; las
menores concentraciones de P se localizaron en varias ubicaciones del parronal. Las
interpolaciones IDW presentaron el típico efecto “ojo de buey”, mientras que las interpolaciones
por segmento resultaron ser más suaves que las anteriores.
INTRODUCCIÓN
La interpolación espacial (IE) o la predicción espacial es un tópico crucial en geociencias y campos
relacionados tales como la geología, geografía, hidrología, medioambiente y agricultura. Para
abordar varias preocupaciones en estas disciplinas, una serie de métodos de IE han sido
desarrollados, los cuales difieren en los objetivos y fundamentos de la interpolación. La IE es a
menudo usada para predecir un valor de una variable de interés en ubicaciones no medidas con
medidas disponibles en un sitio muestreados (Li, 2021).
La IE teóricamente depende de la primera ley de la geografía, es decir, “todos está relacionado a
todo lo demás, pero las cosas cercanas están más relacionadas que las cosas distantes” (Tobler,
1970). La geoestadística es un grupo de técnicas estadísticas que se enfocan en la correlación
espacial, la interpolación espacial, la simulación y la visualización de variables aleatorias. La
geoestadística está basada en la teoría de las variables regionalizadas y es extensivamente
aplicada debido a que permite a los analistas GIS (Sistema de Información Geográfica) considerar
la dependencia espacial entre observaciones para predecir valores en ubicaciones no muestreadas
(Meng et al., 2013).
El método de IE típico es la ponderación del inverso de la distancia (Inverse Distance Weighting
IDW, por sus siglas en inglés). La ventaja del método IDW es que es fácil de entender y de
implementar. En general, la precisión de la interpolación IDW convencional o de sus variantes
podría ser mejorada al elegir un conjunto apropiado de parámetros tales como el modelo de
búsqueda de muestras locales o datos observados, el tipo de distancia métrica y el exponente
impuesto a la distancia (Li, 2021; Zhao et al., 2022).
La interpolación por segmentos (también llamada “spline”) es una herramienta útil y poderosa
para modelado de curvas y superficies (Xie & Liu, 2014). Las “spline” son un método de
interpolación determinístico, que ajusta los datos lo suficientemente cerca mientras que son los
, más suave posibles. No es un método de interpolación para superficies altamente irregulares y es
considerado como un tipo especial de polinomio por partes, es a menudo preferido en la
interpolación polinomial debido al pequeño valor de error incluso cuando se usan polinomios de
bajo grado. La principal ventaja de este método es que evita el problema del fenómeno de Runge
(la interpolación de una función polinomial, usando puntos de interpolación equidistantes podría
desviarse en ciertas partes de este intervalo incluso si es analítica de cualquier parte del intervalo).
Cuando la interpolación usa polinomios de alto grado puede ocurrir oscilación entre puntos
(Ibrahimoglu, 2020; Issa et a.l, 2023; Meng et al., 2013).
Sin importar qué tipo de contexto se esté enfrentando, mejorar la precisión y la confiabilidad de la
estimación es un objetivo común que persiguen la mayoría de los métodos de IE (Li, 2021).
Comparaciones entre diferentes IE han sido realizadas por diferentes autores (Ilker et al., 2019;
Issa et a.l, 2023; Meng et al., 2013) y, además, han sido utilizadas para estudios agrícolas (Cao et
al., 2021; Jurišić et al., 2021; Neissi et al., 2020).
El objetivo de esta investigación es comparar los métodos de interpolación IDW y por segmentos
utilizando estos para interpolar valores de materia orgánica (MO), potasio (K) y fósforo (P) en un
suelo de uso agrícola de la Región del Maule, Chile y, además, determinar los mejores sitios para la
producción agrícola dentro del parronal, considerando las mayores concentraciones de MO, K y P
en el suelo de este.
MATERIALES Y MÉTODOS
Se utilizó el programa de código abierto QGis Desktop 3.28.6 para realizar las interpolaciones y
confeccionar los mapas. Se usaron los complementos Interpolación IDW y “Thin Plate Spline” (TPS)
e información del IDE, Infraestructura de Datos Espaciales de Chile.
Datos
En un parronal se recolectaron datos del contenido de arcilla de 74 muestras de suelo extraídas
con barreno a 20 cm de profundidad, aproximadamente, cada 50 m 2. Fueron medidos valores de
MO, K y P. El parronal se encuentra comprendido entre los 35°29’41’’ S y los 71°28’25’’ O, en la
localidad de San Clemente, Región del Maule, Chile (Fig. 1).
