A pesar de su baja capacidad de retención de agua y de cationes, la cascarilla de arroz es el sustrato más utilizado en cultivos sin suelo (CSS) en Colombia; sin embargo, su disponibilidad ha venido disminuyendo debido a la diversificación de su uso. Con el fin de proponer materiales alternativos, se realizó la caracterización de las propiedades químicas y físicas más relevantes en once sustratos orgánicos y siete minerales, para conocer su viabilidad de uso, inocuidad y estabilidad. Los resultados indican que el pH de la perlita y piedra pómez se encuentra muy por encima del rango adecuado, al igual que la conductividad eléctrica del ladrillo molido y la tuza prensada de palma. La perlita presenta una alta concentración de potasio, la vermiculita, de hierro, y los materiales provenientes del cultivo de coco, la zeolita y piedra pómez, de sodio. El sustrato de coco muestra una alta capacidad de intercambio catiónico, que contrasta con una muy baja en la arena de río. Esta última, junto con la escoria de carbón, ladrillo molido y zeolita, tiene una alta densidad aparente. A excepción de la cascarilla de arroz, todos los materiales orgánicos presentan una óptima relación carbono/nitrógeno. La vermiculita presenta un alto contenido total de cromo, mientras que los demás sustratos presentan niveles bajos de metales pesados. Se concluye que se pueden aprovechar las mejores características de los sustratos para preparar mezclas y obtener así un material adecuado para el establecimiento de sistemas de cultivo sin suelo.

Los ecosistemas montañosos (en los cuales se encuentran los páramos) ocupan una quinta parte de la superficie terrestre, albergan el 25% de la biodiversidad del planeta y suministran agua de consumo para la población mundial. Se consideran estratégicos para el cambio climático por su relación con captura y almacenamiento de carbono. Con el objetivo de estimar el contenido de carbono orgánico en los primeros 30 cm de profundidad en los suelos (COS) de páramos de Colombia, y su relación con los factores ambientales mediante el mapeo digital de suelos; se tomaron 390 perfiles provenientes de los estudios semidetallados de suelos en un área de 1 469 980.1 ha (aproximadamente 1.3% del área nacional). La información de densidad aparente para calcular COS se estimó mediante funciones de pedotransferencia ajustadas con los datos disponibles. La técnica de modelado predictivo fue Random Forest (RF), usando 44 covariables ambientales como posibles predictores con información de clima, vegetación, relieve y ordenes de suelo. Este modelo fue evaluado mediante validación cruzada (R 2 = 0.48 -0.52). El contenido estimado de COS osciló entre 22 y 338 t.ha-1 , y sus mejores predictores son la cobertura y uso del suelo y las condiciones climáticas (temperatura y precipitación). El mapa de COS de páramos de Colombia (2013de Colombia ( -2016 establece una línea base de este indicador para el ecosistema, brinda un panorama de la susceptibilidad a la degradación de los suelos, y sirve de apoyo para la planificación del territorio.

Abstract. Spatial soil databases can help model complex phenomena in which soils are decisive, for example, evaluating agricultural potential or estimating carbon storage capacity. The Soil Information System for Latin America and the Caribbean, SISLAC, is a regional initiative promoted by the FAO's South American Soil Partnership to contribute to the sustainable management of soil. SISLAC includes data coming from 49,084 soil profiles distributed unevenly across the continent, making it the region's largest soil database. However, some problems hinder its usages, such as the quality of the data and its high dimensionality. The objective of this research is twofold. First, to evaluate the quality of SISLAC and its data values and generate a new, improved version that meets the minimum quality requirements to be used by different interests or practical applications. Second, to demonstrate the potential of improved soil profile databases to generate more accurate information on soil properties, by conducting a case study to estimate the spatial variability of the percentage of soil organic carbon using 192 profiles in a 1473 km2 region located in the department of Valle del Cauca, Colombia. The findings show that 15 percent of the existing soil profiles had an inaccurate description of the diagnostic horizons. Further correction of an 4.5 additional percent of existing inconsistencies improved overall data quality. The improved database consists of 41,691 profiles and is available for public use at https://doi.org/10.5281/zenodo.6540710 (Díaz-Guadarrama, S. & Guevara, M., 2022). The updated profiles were segmented using algorithms for quantitative pedology to estimate the spatial variability. We generated segments one centimeter thick along with each soil profile data, then the values of these segments were adjusted using a spline-type function to enhance vertical continuity and reliability. Vertical variability was estimated up to 150 cm in-depth, while ordinary kriging predicts horizontal variability at three depth intervals, 0 to 5, 5 to 15, and 15 to 30 cm, at 250 m-spatial resolution, following the standards of the GlobalSoilMap project. Finally, the leave-one-out cross-validation provides information for evaluating the kriging model performance, obtaining values for the RMSE index between 1.77 % and 1.79 % and the R2 index greater than 0.5. The results show the usability of SISLAC database to generate spatial information on soil properties and suggest further efforts to collect a more significant amount of data to guide sustainable soil management.

El suelo desarrolla funciones base que proporcionan valiosos servicios ecosistémicos, como la captura de carbono. En el marco de gestión del territorio, es importante contar con información nacional confiable y representativa para mantener la calidad y salud del suelo en el país. El objetivo del presente trabajo fue establecer el contenido y distribución de carbono orgánico del suelo (COS) hasta 30 cm en Colombia, con resolución espacial de 1 km, usando técnicas de mapeo digital de suelos. La motivacion principal de este trabajo fue documentar la contribucion de Colombia al mapa global de COS de la FAO. Se utilizó información de 4329 perfiles de suelo, distribuidos en los 32 departamentos del país, recopilados entre los años 1970 y 2012. Estos datos se relacionaron con la información de 140 covariables que describen los factores de formación de los suelos (clima, topografía, cobertura y uso de la tierra, tipo de suelos, material parental). El modelado espacial predictivo se realizó con Regression Kriging y se evaluó mediante validación cruzada y revisión por expertos. Los residuales del modelo ajustado se interpolaron para la obtención del mapa de incertidumbre de la predicción. Los resultados se compararon con productos similares preexistentes de mayor resolución espacial (SoilGrids 250m), obteniendo que el modelo ajustado representa la variabilidad del COS con mayor exactitud (r2=0.49 y RMSE=0.71). El clima es el factor que explicó en mayor medida el comportamiento de la variable. El producto fue validado por expertos nacionales y se busca que este insumo sea considerado como un apoyo para la toma de decisiones en la gestión del territorio y así fortalecer los compromisos del país en degradación de tierras y cambio climático.

<p>Land cover dynamics play a vital role in many scientific fields, such as natural resources management, environmental research, climate modeling, and soil biogeochemistry studies; thus, understanding the spatio-temporal land cover status is important to design and implement conservation measures. Remote sensing products provide relevant information regarding spatial and temporal changes on the earth’s surface, and recently, time series analyses based on satellite images, and spectral indices have become a new tool for accurate monitoring of the spatial trend, and land cover changes over large areas. This work aims to determine the trends of vegetation spectral response expressed as the Normalized Difference Vegetation Index (NDVI) over the period 2005 and 2018 and compare these trends with the land-use and cover changes between 2005 and 2018 in wetland areas across Denmark. Change detection methods between two years based on bi-temporal information may lead up to the detection of pseudo-changes, which hinders the land-use and cover monitoring process at different scales. We studied the potentiality of including NDVI temporal curves derived from a yearly time-series Landsat TM images (30-m spatial resolution) to obtain more accurate change detection results. We computed the NDVI temporal trends using pixel-wise Theil-Sen and Man-Kendall tests, then we explored the relationship between NDVI trends and the different land-use and cover change classes. We found a significant relationship between NDVI trends and changes in land use and cover. Changes from cropland to wetland and cropland to forest coincided with statistically significant (<em>p</em>≤0.05) negative NDVI, and positive NDVI trends, respectively. Changes from grasslands to permanent wetlands corresponded with statistically significant negative NDVI trends. The difference in vegetation productivity trends could be indicative of the combined effect of human activity and climate. We show that this combined analysis provides a more complete picture of the land use and cover changes in wetland areas over Denmark. This analysis could be improved if the NDVI time series is seasonally aggregated.</p>

No abstract