Tutorial Completo UNLP Soil Water Characterisitics

Introducción al programa
“Soil Water Characteristics”

Hydraulic Properties Calculator
Keith E. Saxton y Walter Rawls
El presente tutorial ha sido creado para la Maestría de Cuencas Hidrográficas

de la Escuela de Bosques de la
Universidad Nacional de La Plata,
Buenos Aires
ARGENTINA
Gabriel Vazquez Amábile

gabrielvazquez@alumni.purdue.edu
Abril 2009
NOTA PRELIMINAR ...................................................................................................................................3
INTRODUCCIÓN .........................................................................................................................................3
INSTALACIÓN DEL PROGRAMA ..................................................................................................................4
OPERACIÓN DE LA INTERFASE GRAFICA ....................................................................................................8
COMANDOS DEL MENU DELPROGRAMA .....................................................................................................9
DIFERENCIAS ENTRE LAS ECUACIONES 1986 Y 2006 ...............................................................................11
Efecto de la Materia Orgánica (MO) .................................................................................................11
Efecto de la Salinidad ........................................................................................................................12
Efecto de la compactación .................................................................................................................13
Efecto del contenido de gravas ..........................................................................................................14
EJEMPLO DE APLICACION DEL PROGRAMA ..............................................................................................14
Cálculo del % de agua útil y del contenido hídrico actual de una muestra ......................................14
GLOSARIO DE TÉRMINOS EN INGLES TRADUCIDOS AL CASTELLANO........................................................16
REFERENCIAS - SOIL WATER CHARACTERISTICS VERSION 2006.............................................................18
TEXTO COMPLETO DE TRABAJOS COMPLEMENTARIOS …………………………………………………………21
- Saxton KE, Rawls WJ. 2006. Soil water characteristics estimates by texture and organic matter for
hydrologic solutions. Soil Science Society of America Journal 70: 1569–1578.
- Landini, A.M et al. Modelos de infiltración y funciones de pedotransferencia aplicados a suelos de

distinta textura. Cienc. Suelo, ago./dic. 2007, vol.25, no.2, p.123-131.
2
“Soil Water Characteristics”
Hydraulic Properties Calculator
Desarrollado por:
Dr. Keith E. Saxton1 y Dr. Walter Rawls2
NOTA PRELIMINAR
El presente tutorial tiene como objetivo brindar una rápida introducción para la instalación y utilización
del programa “Soil Water Characteristics”, junto con una descripción general del modelo y su dominio de
aplicabilidad. Cómo todo modelo, las ecuaciones subyacentes son más complejas y pueden analizarse en una
segunda instancia. A tal efecto, se incluye el texto completo del trabajo de Saxton y Rawls (2006).
Adicionalmente, para aquellos usuarios que trabajen en región pampeana, se incluye un trabajo realizado por
Landini et al. (2007) quienes obtuvieron buenos resultados en el uso de las funciones de Saxton y Rawls
(2006) para calcular infiltración en suelos de la provincia de Bs As.
INTRODUCCIÓN
Frecuentemente, el análisis hidrológico involucra la evaluación de la infiltración del suelo, el

almacenaje y la relación agua-suelo- planta. Para poder definir el efecto del agua del suelo es necesario estimar
la curva de retención hídrica y la conductividad hidráulica. Las mediciones de campo y laboratorio son
dificultosas, costosas y a menudo impracticables para muchos análisis hidrológicos. Por lo tanto Las
correlaciones estadísticas entre la textura del suelo, la curva de retención hídrica y la conductividad hidráulica
pueden proveer estimaciones suficientemente correctas para muchos análisis y toma de decisiones.
En este sentido, a la hora de trabajar sobre un suelo es bastante común poder contar con valores de
textura, pero normalmente no es fácil contar con curvas de retención de humedad ni con mediciones de
infiltración y conductividad hidráulica. Para estas situaciones, el presente programa resulta una herramienta
sumamente útil ya que estima el almacenaje, la curva de retención hídrica y la transmisión de agua del
horizonte de un perfil de suelo agrícola mediante funciones de pedotransferencia, utilizando valores conocidos
de textura, materia orgánica, salinidad y grado de compactación.
1
USDA-ARS (retired) y Dept of Biol. Systems Engineering Washington State University Pullman, WA 99164-6120 .
Email: ksaxton@wsu.edu. http://www.ars.usda.gov/ba/anri/hrsl/ksaxton
2
USDA-ARS (retired) Bldg. 007, Rm. 104, BARC-West Beltsville, MD 20705-2350 Walter.Rawls@ars.usda.gov
http://www.ars.usda.gov/pandp/people/people.htm?personid=10070
3
Dicho programa contiene una interfase gráfica que, a partir de los contenidos de arena y arcilla, provee las
relaciones del contenido hídrico y tensión (punto de marchitez, capacidad de campo y saturación) y
conductividad hidráulica saturada (Ksat) y no saturada. La ecuaciones del modelo fueron desarrolladas por
medio de correlaciones de una extensa base de datos de 1722 muestras provista por el Nacional Soil Survey
Laboratory del NRCS del USDA. Las soluciones del modelo son válidas para todas las texturas excepto para
aquellas con contenidos de arcilla superior al 60%.
Soil Water Characteristics permite al usuario incluir variaciones en el contenido de materia orgánica, % de
gravas (volumétrico o gravimétrico), nivel de salinidad y nivel de compactación. Cada una de estas 4 variables
modifica el resultado de la solución y tiene rangos máximos y mínimos de variación para mantener la validez
de dicho resultado. El efecto de la materia orgánica fue evaluado en correlaciones con la textura, en tanto que
las otras tres variables modificadoras fueron evaluadas en base a literatura y datos adicionales.
Es importante tener en mente que cuando se utiliza una rutina de estimación como la presente, los
resultados representan la media estadística de muchas muestras y métodos auxiliares y por lo tanto se
“aproximan” a las características de un suelo especifico. Es por esto que los resultados deben ser comparados y
calibrados con datos locales. No obstante, si no hay datos locales para contrastar los resultados, las
estimaciones del programa constituyen una muy razonable representación de los datos presentes en la literatura
siendo útiles para la confección de balances de agua y otros procesos.
Finalmente, el programa ofrece al usuario la posibilidad de comparar las ecuaciones de una versión
anterior (Soil equations Saxton et al , 1986 ) con las de la versión mas actualizada (2006). Es recomendable
utilizar las ecuaciones del año 2006 (Saxton y Rawls, 2006), las cuales están basadas en una base de datos
considerablemente más extensa y más confiable y fueron derivadas utilizando técnicas de análisis mas
refinadas.
INSTALACIÓN DEL PROGRAMA
El programa puede ser descargado desde el sitio web http://hydrolab.arsusda.gov/soilwater/Index.htm

del servicio agrícola de investigación (Agricultural Research Service - ARS) del Departamento de Agricultura
de los EEUU (USDA). Una vez en la página web mencionada, se debe cliquear en el link de “ registro de
nuevos usuarios y descarga gratuita”, como se muestra en la Figura 1.
4
Figura 1 – Página web de acceso al programa
Figura 2 – Acceso a la descarga del programa
Previamente es recomendable crear una carpeta en su explorador de Windows (Por ejemplo, “Programa Soil
Water” ) para luego guardar el archivo “SPAW Hydrology Setup (6.02.75).exe
Una vez que se ha finalizado la descarga del archivo, hacer doble clic en “SPAW Hydrology Setup
(6.02.75).exe” como se muestra en la Figura 3.
Figura 3 – Vista del archivo descargado en el explorador de Windows
Para el proceso de instalación debe seguirse la secuencia de pantallas como se indica en las Figuras 4 a
8. Como se muestra en la Figura 6 el usuario debe seleccionar los componentes a instalar. Para la instalación
5
solamente de “Soil Water Characteristics” se debe cliquear en el recuadro como se indica en la Figura 6. Si
desea también se puede instalar el programa SPAW (Soil-Plant-Atmosphere-Water hydrologic model),
seleccionando el casillero correspondiente.
Figura 4 – Pantallas de instalación
Figura 5 – Pantallas de instalación – Confirmación del directorio de destino
Figura 6 – Selección del programa a instalar y denominación para la barra de programas de Inicio
6
Como se indica en la Figura 7 pueden crearse iconos en el escritorio y un acceso directo o Quick Launch icon.
Es recomendable crear ambos o al menos uno como se indica en la Figura 7 y luego proceder a la Instalación
propiamente dicha. Finalmente, se puede acceder al programa por las vías indicadas en la Figura 8.
Figura 7 – Confirmación de creación de un icono de acceso directo y ejecución del instalador
Figura 8 – Final de la instalación
Figura 9 - Accesos al programa (desde el icono en el escritorio o en la sección “programas” en Barra de inicio)
7
OPERACIÓN DE LA INTERFASE GRAFICA
El programa Soil Water Characteristics es muy sencillo de operar y su interfase grafica consiste en una
única pantalla (Figura 10) donde el usuario modifica las variables de entrada y el programa recalcula las
variables de salida. Las variables requeridas por el programa son principalmente los contenidos (%
gravimétrico) de arena (Sand) y arcilla (Clay) en los ejes del triángulo textural.
Los valores de Salida o “Outputs” del sistema están tabulados en el recuadro del borde superior derecho y las
unidades pueden intercambiarse utilizando el comando del Menú: Options/Units, o presionando CTRL + M
para sistema métrico y CTRL+E para el sistema ingles de unidades.
En la Figura 10 puede observare las variables de entrada, o información que el usuario puede modificar,
redondeadas en color rojo. Los contenidos de Arena (Sand) y Arcilla (Clay) pueden modificarse cambiando el
valor en las celdas respectivas o arrastrando con el mouse la perilla de control que se mueve paralelamente en
cada eje, o también “cliqueando sobre el área del triangulo textural.
Figura 10 - Interfase gráfica del programa
El programa permite estudiar cómo varían los parámetros físicos en función de las texturas de suelo. Esto puede
hacerse arrastrando el Mouse dentro del triángulo textural y manteniendo el botón izquierdo apretado y
observando cómo varían sobre el cuadro superior derecho el Punto de Marchitez (Wilting Point), Capacidad de
8
campo (Field Capacity), Agua útil (Available water) etc, como asi también viendo las curvas de potencial
mátrico, mátrico mas osmótico y conductividad hidráulica, ubicadas en el sector inferior de la pantalla. La
Tabla 1 ejemplifica los valores de salida calculados por el sistema, para algunos valores de % de arena y % de
arcilla que representan a las 12 clases texturales del triángulo.
Tabla 1 - Ejemplo estimado de niveles de retencion para distintas clases texturales a un contenido constante de
2,5% de MO, sin salinidad, sin gravas ni ajustes por densidad aparente (adaptado de Saxton y Rawls,2006)
Densidad
Clase Textural Arena Arcilla PMP CC Saturación Agua Útil K sat
Aparente
1500 kPa 33 kPa 0 kPa mm/hora g/cm3
-------- %w --------- ------------------------ %v --------------------------
Arenoso (Sa) 88 5 5 10 46 5 108.1 1.43
Areno-Franco(Lsa) 80 5 5 12 46 7 96.7 1.43
Franco-Arenoso (SaL) 65 10 8 18 45 10 50.3 1.46
Franco (L) 40 20 14 28 46 14 15.5 1.43
Franco-Limoso(SiL) 20 15 11 31 48 20 16.1 1.38
Limoso (Si) 10 5 6 30 48 25 22 1.38
Franco-Arcillo-Arenoso (SaCL) 60 25 17 27 43 10 11.3 1.50
Franco-Arcilloso(CL) 30 35 22 36 48 14 4.3 1.39
Franco-Arcillo-Limoso(SiCL) 10 35 22 38 51 17 5.7 1.30
Arcillo-Limoso (SiC) 10 45 27 41 52 14 3.7 1.26
Arcillo-Arenoso (SaC) 50 40 25 36 44 11 1.4 1.47
Arcilloso 25 50 30 42 50 12 1.1 1.33
PMP: Punto de Marchitez permanente; CC: Cap de campo; Ksat: Conductividad hidráulica en saturación.
En segunda instancia, también puede modificarse el contenido de Materia Orgánica, la Salinidad, el

contenido de Gravas (%volumen o % peso) y el nivel de Compactación. Finalmente, en la sección inferior del
recuadro derecho de la pantalla, hay un “Calculador de humedad” (Moisture Calculator). Esta herramienta
permite al usuario modificar el contenido hídrico actual (% vol) del suelo bajo análisis dentro del rango que va
desde PMP a Saturación. De este modo, puede verse los valores graficados en las curvas de potencial mátrico y
osmótico (en caso de haber salinidad) y la conductividad hidráulica para el nivel de humedad indicado. El uso
del calculador no modifica ni los datos de Entrada (Inputs) ni los de Salida (Outputs)
COMANDOS DEL MENU DELPROGRAMA
FILE:
- New: Permite iniciar nuevas pantallas para nuevas soluciones. Para seleccionar una pantalla en uso se
debe ir a la opción Windows del Menú, donde se listan todas las pantallas abiertas como se indica en la
Figura 11.
- Save As: Permite guardar las entradas y salidas de una solución en una archivo de texto (Figura 12).
Las mismas soluciones de la figura 11 pueden verse como archivo de texto en la figura 12
- Save Chart: Permite guardar el grafico de curves de contenido hídrico –tensión-Conductividad de la
pantalla en vista actual. Los gráficos de cada solución se deben guardar por separado.
- Save Image: Permite guardar el triángulo textural en un archivo separado.
9
Figura 11- Soluciones abiertas y actual en pantalla
Figura 12- Ejemplo de archivo de texto con inputs y outputs de 4 soluciones en curso
- Print: Imprime el texto de los inputs y outputs de todas las soluciones abiertas de la misma forma que
en el archivo de texto de la Figura 12. También pueden imprimirse cada grafico y el triangulo textural.
- Exit: Permite salir y cerrar del programa.
OPTIONS:
- Units: Permite definir el sistema de unidades a utilizar Métrico o Inglés, como así también las
unidades de entrada para % gravas : gravimétrica ( % weight) o volumétrica (% volume).
- Chart Range: Permite seleccionar el rango de la escala de tensión del grafico Contenido Hídrico-
Tensión de 1 a -50 kPa o en todo el rango de 0 a-1500 kPa.
- Soil Equations: Permite al usuario elegir si desea utilizar, para todas las soluciones, las ecuaciones de
la versión anterior del programa (1986) o bien las ecuaciones que operan por defecto en la nueva
version (2006) (ver mas adelante).
- WINDOW: Permite seleccionar las multiples soluciones abiertas y su disposición en mosaicos
verticales, horizontales o en cascada como muestra la Figura 13.
HELP: Contiene descripciones y documentación de las ecuaciones del programa.
Figura 13- Vista de la opción Cascada para varias soluciones abiertas
10
DIFERENCIAS ENTRE LAS ECUACIONES 1986 Y 2006
El programa incluye dos juegos de ecuaciones: 1986 y 2006. Los autores recomiendan la versión del
año 2006, pero incluyen las anteriores para quienes hayan utilizado la versión anterior y puedan comparar o
ajustar resultados calculados. Las ecuaciones a utilizar pueden seleccionarse en el Menú del programa en el
comando: Options/ Soil Equations. Por defecto, el programa utiliza la versión 2006. También pueden cambiarse
usando las teclas Ctrl-F1 y Ctrl.-F2.
Sintéticamente, la versión 2006 incluyó ajustes en la relación de los niveles de tensión (contenido
hídrico) y conductividad hidráulica del suelo, con la salinidad y el contenido de gravas, y agregó además el
efecto del contenido de la materia orgánica y de la compactación.
Las ecuaciones de la versión 2006 están detalladas en el trabajo de Saxton y Rawls (2006) que se
incluye a continuación de este tutorial. Dicha versión, amplió el dominio de aplicación del modelo, de modo
tal que las predicciones pudieron extenderse a las clases texturales con menores contenidos de arena y arcilla.
Como puede verse en la Figura 14, el triángulo de la izquierda se encuentra mas acotado que el de la derecha.
Figura 14- Incremento del rango de predicción para la version 2006 respecto a la version 1986
Efecto de la Materia Orgánica (MO)
El incremento del MO generalmente produce un aumento de la capacidad de retención de agua y de la

conductividad, como resultado de su influencia en la agregación del suelo y asociado a la distribución de poros
(Hudson, 1994). Las ecuaciones utilizadas por el programa3 son validas para contenidos de MO menores al
8%, ya que no se utilizaron suelos con contenidos mayores para su derivación.
3
Ver detalle de las ecuaciones en Saxton y Rawls, 2006, a continuación de este tutorial.
11
El contenido de agua a tensiones mayores, por ejemplo -1500 kPa, se encuentra mayormente determinado por
la textura del suelo, sin impactar el efecto de la MO sobre la agregación. Para niveles de humedad mayores
(tensiones menores) el efecto de la MO varia con la clase textural, especialmente con las arcillosas.
El % de MO puede modificarse con el control correspondiente como se indica en la Figura 15.
Figura 15. Control de variación del % de Materia orgánica
Efecto de la Salinidad
La salinidad del suelo determina una condición en la cual el agua del suelo contiene sales solubles a una
concentración que puede perjudicar a los cultivos debido al incremento del potencial osmótico y/o de la
toxicidad de ciertos iones. Estas sales solubles pueden estar originalmente en el suelo, ascender por
movimientos de la napa o acumularse por aportes en el agua de riego.
El potencial osmótico sumado al potencial mátrico incrementa la energía requerida para la absorción de agua en
todos los niveles de la curva de retención de humedad y reduce efectivamente el agua útil por hacerla menos
disponible para el vegetal.
Asimismo, la salinidad también puede afectar los procesos hidrológicos de infiltración y redistribución por
medio de cambio químicos que alteran la estructura y la agregación.
Figura 16 . Control de variación de salinidad
La interfase grafica del programa permite modificar la salinidad (Figura 16) y observar el efecto de la salinidad
en las curvas de potencial mátrico y mátrico + osmótico (Figura 17). Con salinidad “cero” el potencial osmótico
es cero y por lo tanto las curvas de potencial mátrico y osmótico se “superponen”. A medida que se corre el
cursor de la salinidad hacia la derecha (Figura 16), puede observarse como se incrementa la curva de potencial
osmótico + mátrico. La figura 17 muestra las curvas calculadas para un mismo suelo sin salinidad (potencial
Osmótico =0) y con una salinidad de 5 dS/m (potencial Osmótico >0)
Figura 17. Incremento del Potencial Agua por aumento del potencial osmótico por salinidad
12
Efecto de la compactación
La compactación consiste en una “densificación” del suelo a expensas de su espacio poroso. Para
acomodar las estimaciones de humedad en suelos con variaciones conocidas respecto de la densidad normal,
los autores han agregado un “factor de ajuste de la densidad” o de “Compactación” con una escala arbitraria de
0.9 a 1.3, dando lugar a densidades ligeramente inferiores a significativamente superiores a la normal. La
escala se encuentra en el recuadro de la derecha y los valores correspondientes son 0.9 para “Loose” (suelo
suelto), 1.0 para “Normal”, 1.1 para “Dense”, 1.2 para “Hard” y 1.3 para “Sever”. La escala es contínua y
puede ajustarse la densidad con valores intermedios, por ejemplo 1,15 o 1,27 (Figura 18).
Figura 18 - Control de variación de compactación
El aumento de la compactación básicamente afecta el volumen de poros entre capacidad de campo (CC o Field
Capacity) y saturación (Saturation), es decir el volumen de macroporos. Por lo tanto, la densificación del suelo
reduce la diferencia ΘS-Θ33, es decir la diferencia entre el contenido hídrico en saturación (0kPa) – Contenido
hídrico a CC (33kPa).
Si bien la densificación también disminuye el volumen de agua a CC (Θ33), su efecto es mucho más
significativo sobre el volumen de agua en saturación y no afecta el volumen del agua punto de marchitez (PMP
o Wilting point) retenido -1500kPa de tensión y expresado en la documentación como Θ-1500.
No obstante, el cambio del contenido hídrico a CC (Θ33) no está bien documentado. Algunos especulan que el
volumen de poros a CC (Θ33) es comprimido resultando en una disminución del contenido de agua, mientras
otros sugieren que los poros de mayor tamaño son comprimidos al tamaño de poros que retienen agua a 33kPa
o CC, causando un aumento del agua almacenada a CC y disminuyendo el agua en saturación.
Al respecto, los autores determinaron una relación ΔΘ33/ΔΘS agrupando en clases texturales la base de datos
de Horizontes A del USDA, dividendo muestras de cada clase en grados de compactación por debajo y por
encima de lo normal, y ajustando por contenido de MO para cada subrgrupo. Aunque se registró variabilidad,
pudo determinarse que todos los suelos analizados se ubicaron en torno a un valor promedio de 0.18, con
diferencias entre texturas. Es decir que el % agua almacenado a CC (Θ33) varió un 18% de la variación total del
%agua en Saturacion (ΘS) por efecto de la compactación, con menores cambios del contenido hidrico a CC
(Θ33)para texturas mas arenosas y menos arcillosas.
Debido a que aumentos significativos de la densidad en suelos muy arcillosos podrían llegar a arrojar un valor
negativo en la diferencia ΘS-Θ33, el modelo fija una diferencia mínima de 0.5%vol para limitar el factor de
compactación. Por ejemplo: para un suelo con 6% de arena y 60% de arcilla, el valor máximo permitido de
compactación es 1.28 grs/cm3.
13
Efecto del contenido de gravas
En ciertos suelos agrícolas pueden estar presentes partículas de gravas, cuyo diámetro es mayor a dos
milímetros (>2mm), y rocas pequeñas. Su presencia disminuye la matriz del suelo donde el agua puede ser
almacenada o conducida, incrementando la densidad aparente y disminuyendo el contenido de agua útil
disponible para los cultivos. La proporción de gravas puede expresarse como % del volumen o como % del
peso (“% weight” en el menú Options /units) y se modifica en el recuadro de la derecha como se ha indicado
anteriormente (Figura 19).
Figura 19. Control de la variación del contenido de gravas en %volumen o del peso
EJEMPLO DE APLICACION DEL PROGRAMA
Cálculo del % de agua útil y del contenido hídrico actual de una muestra
Usualmente el contenido de agua de una muestra de suelo se determina como % gravimétrico o del
peso, mediante el pesado y secado de la muestra en estufa durante 48 hs hasta peso constante.
Para poder determinar el % de agua actual disponible, dicho % gravimétrico debe ser modificado por la
densidad aparente para obtener el % volumétrico y por lo tanto la lámina de agua almacenada a una
determinada profundidad. Este % debe compararse con los valores de PMP y CC del suelo en cuestión para
determinar el % de agua util disponible en la muestra.
Si se conoce la textura de la muestra (% de arena y % de arcilla) se puede utilizar soil water
characteristics para estimar los puntos de PMP y CC y el volumen máximo de agua útil. Asimismo, puede
estimarse la densidad aparente para convertir % humedad gravimétrico en % humedad volumétrico e incluso
ajustar dicha estimación por contenido de MO y por grado de compactación en suelos laboreados o bajo
siembra directa.
Ejemplo: Para el horizonte A de un suelo serie Tandil con 25.4% de arena y 33.4% arcilla y 5% de
MO, y grado de compactación normal, el laboratorio arrojó un valor de 20,4% de humedad gravimétrica.
14
Introduciendo los datos de arena, arcilla y MO en Soil Water Characteristics, obtenemos lo siguiente: Densidad
aparente (grs/cm3) =1.24; PMP (% vol)= 21.5; CC (% vol) = 37.0 y Agua disponible = 0.16cm/cm (o bien 160
mm/m o 16% vol). Los outputs del programa se muestran en la Figura 20.
La humedad volumétrica debe calcularse como: Humedad Gravimétrica x Densidad Aparente = 20,4 %peso x
1.24g/cm3 = 25.3% volumen. El 25.3% se encuentra dentro del rango de PMP (21.5 % vol) y CC (37,0%),
indicando que la muestra contiene un 24.5 % del volumen del total de “agua útil” disponible.
Asimismo, para obtener la lámina de agua almacenada, se multiplica directamente el espesor del horizonte en
mm por el % de humedad volumétrica. Por ejemplo, si el horizonte tuviera 200 mm de espesor, el 25.3%
representaría 50,6 mm, de los cuales, 43 mm no están disponibles para el vegetal por encontrarse a una
tension de 1500 kPa.
Figura 20. Resultados del ejemplo
Si introducimos el valor calculado de humedad volumétrica 25.3%, en el “Calculador de Humedad”, podemos

ver la tensión a la que se encuentra retenida el agua (Figura 21). En la Figura 22 se muestra la curva de
tensión-humedad que genera el programa para el suelo del ejemplo, y se le ha agregado en amarillo el área bajo
la curva que representa el total de agua útil entre PMP y CC. Vale aclarar que tanto los puntos en color rojo
que indican PMP y CC como el área marcada en amarillo no constituyen salidas del programa y se incluyen ca
fin de poder visualizar el incremento de la tensión del agua útil a medida que nos acercamos al PMP.
Figura 21. Calculador de humedad
Figura 22. Curva de tensión - humedad correspondiente a la muestra del ejemplo
15
GLOSARIO DE TÉRMINOS EN INGLES TRADUCIDOS AL CASTELLANO
Bulk Density (BD): Densidad Aparente (Dap)
Cociente de la masa de suelo secado al aire dividido su volumen (grs/cm3 o Tn/m3). El programa la
estima como 1-SAT(%volumen total de poros) multiplicado por la densidad de partícula 2.65 grs/cm3.
ρN = (1-ΘS)*2.65
Field Capacity (FC): Capacidad de Campo (CC)
Contenido hidrico (%V) de la matriz del suelo, que se aproxima al contenido de agua de un suelo
saturado luego de haber sido dejado drenar libremente. Se estima a una tensión de 33 kPa (0.33 Bar) y
depende sólo de la textura del suelo y no es afectado por la salinidad ni por el contenido de gravas.
Gravel: Gravas
Partículas de suelos (% peso) más grandes que las arenas cuarzosas (>2000 μm o bien 2mm), las
cuales no retienen agua del suelo ni conducen movimientos de agua.
Hydraulic Conductivity: Conductividad hidráulica
Capacidad del agua para moverse dentro de la matriz del suelo conducida por potencial mátrico y
gravitacional (cm/s; in/hr), dependiente de la textura del suelo y del contenido hidrico (Θ)
Plant Available Water (PAW): Agua Útil o disponible para el cultivo
Cantidad de agua (expresada en in/ft o cm/m) que una planta puede extraer del suelo a Capacidad de
Campo (CC), calculada como CC (%v) menos PMP (%v) multiplicado por la profundidad del suelo
(cm).
Salinity: Salinidad
Compuestos químicos disueltos en el agua del suelo, frecuentemente sales, que agregan una presión
osmótica (Potencial osmótico) al potencial mátrico del suelo, lo cual afecta la extracción de agua de las
plantas que se produce por osmosis a través de las membranas de las raíces. Se mide como
conductividad eléctrica en una solución de suelo saturado y se expresa indistintamente como
mmhos/cm o dS/m.
Saturation (SAT): Saturación
El contenido de humedad en saturación de la matriz del suelo resulta cuando el volumen total de poros
(%v) se encuentra lleno de agua. El mismo depende sólo de la textura del suelo y no es afectado por la
salinidad ni por el contenido de gravas.
Tension (Soil water potential): Tensión ( o presión negativa)
Potencial mátrico (expresado como presión negativa o succión) a la que el agua del suelo es retenida
dentro de los intersticios de las partículas del suelo por fuerzas capilares. El valor de tension depende
de la textura del suelo y del contenido de humedad.
16
Texture: Textura
Proporción en la que se encuentran las partículas dispersas de suelo agrupadas por diámetro de
partícula en las categorías Arcilla (clay) (<2 μm), Limo (silt)(2-50 μm) y Arena (sand) (50-2000 μm)
de acuerdo a la calsificacion del USDA (US Dept. of Agriculture).
Wilting Point (WP): Punto de Marchitez (PMP)
Contenido de agua volumétrico (%v), debajo del cual las plantas generalmente no son capaces de
extraer agua del suelo. Se estima a una tensión 1500 kPa (15 Bar) y depende sólo de la textura del
suelo y no es afectado por la salinidad ni por el contenido de gravas.
17
REFERENCIAS - SOIL WATER CHARACTERISTICS VERSION 2006
Ahuja, L. R., J. W. Naney, R. E. Green and D. R. Nielsen.. 1984. Macroporosity to characterize spatial
variability of hydraulic conductivity and effects of land management. Soil Sci. Soc. Am. J. 48:699-702.
Ahuja, L. R., J. W. Naney, and R. D. Williams. 1985. Estimating soil water characteristics from simpler
properties or limited data. Soil Sci. Soc. Am. J. 49:1100-1105.
Ahuja, L. R., W. J. Rawls, D. R. Neisen and R.D. Williams. 1999. Determining soil hydraulic properties and
their field variability from simpler measurements. Soil Sci. Soc. Amer., Agronomy Monograph No. 38, pp.
1207-2333.
Arya, L. M., and J. F. Paris. 1981. A physioempirical model to predict the soil moisture characteristic from
particle-size distribution and bulk density data. Soil Sci. Soc. Am. J. 45:1023-1030.
Brakensiek, D. L., W. J. Rawls and G. R. Stephenson. 1984. Determining the saturated hydraulic conductivity
of a soil containing rock fragments. Soil Sci. Soc. Am. J., vol. 50, pp 834-835.
Brakensiek, D. L., W. J. Rawls and G. R. Stephenson. 1986. A note on determining soil properties for soils
containing rock fragments, J. Range Management., 39(5):408-409.
Brooks, R. H. and A. T. Corey. 1964. Hydraulic properties of porous media, Hydrology Paper No. 3., Colorado
State Univ., Ft. Collins, CO.
Campbell, G. S. 1974. A simple method for determining unsaturated conductivity from moisture retention data.
Soil Sci. 117:311-314.
Carman, P. C. 1956. Flow of Gases Through Porous Media., Academic Press, Inc. New York, N.Y
Flint, A. L. and S. Childs. 1984. Physical properties of rock fragments and their effect on available water in
skeletal soils. In: J. D. Nicols et al. (ed.), Erosion and productivity of soils containing rock fragments. Spec.
Pub. 13, Soil Sci. Soc. of Amer., Madison, WI, pp., 91-103.
Gijsman, A. J., S.S. Jagtap and J. W. Jones. 1995. Accuracy of estimated soil-water-retention parameters by
pedotransfer functions for use in crop models.
Gupta, S.C., and W. E. Larson. 1979. Estimating soil water retention characteristics from particle size
distribution, organic matter content, and bulk density. Water Resour. Res. 15:1633-1635.
Hillel, D. 1998. Environmental Soil Physics. Academic Press, San Diego. 771 pp.
Hudson, B. 1994. Soil Organic Matter and Available Water Capacity. Jour. Soil and Water Conservation., pp
189-193.
Kern J. S. 1995. Evaluation of soil water retention models based on basic soil physical properties. Soil Sci. Am.
J. 59:1134-1141.
Klute, A. 1986. Methods of soil analysis, Part I-Physical and mineralogical methods, Amer. Soc. Agronomy
Monograph 9, 2nd ed.
18
Pachepsky, Y.A. and W.J. Rawls (Eds.). 2005. Development of pedotransfer functions in soil hydrology.
Elsevier, Development in Soil Science, V. 30.
Peck, A. J. and D. Watson. 1979. Hydraulic conductivity and flow in non-uniform soil. Proc. Workshop on Soil
Physics and Field Heterogeneity., Canberra, Australia.
Rawls, W. J., D. L. Brakensiek, and K. E. Saxton. 1982. Estimation of soil water properties. Trans. ASAE
25:1316-1320.
Rawls, W. J. 1983. Estimating soil bulk density from particle size analyses and organic matter content. Soil Sci.
135(2):123-125.
Rawls, W. J., L. R. Ahuja, D. L. Brakensiek and A. Shirmohammadi. 1992. Infiltration and soil water
movement. Chapter. 5 In: Handbook of Hydrology, D. R. Maidment (Ed.), McGraw-Hill, Inc., New York, NY,
pp. 5.1-5.51
Rawls, W. J., L. R. Ahuja, and D. L. Brakensiek. 1992. Estimating soil hydraulic properties from soils data. In:
Indirect methods for estimating the hydraulic properties of unsaturated soils, Van Genuchten, M. Th, F. J. Leij,
and L. J. Lund (ed). Univ. of California, Riverside., pp 329-340.
Rawls, W. J., D. Gimenez, and R. Grossman. 1998. Use of soil texture, bulk density and slope of the water
retention curve to predict saturated hydraulic conductivity. Trans. of ASAE. 41(4):983-988.
Rawls, W. J., Y. A. Pachepsky. 2002. Using field topographic descriptors to estimate soil water retention. Soil
Sci., 167(7): 423-435.
Rawls, W. J., Y. A. Pachepsky, J.C. Ritchie, T. M. Sobecki and H. Bloodworth. 2004. Effect of Soil Organic
Carbon on Soil Water Retention. (In Press, Jan. 2003)
Saxton, K. E., W. J. Rawls, J. S. Romberger and R. I. Papendick. 1986. Estimating generalized soil water
characteristics from texture. Trans. Amer. Soc. Agri. Engr., 50(4):1031-1035.
Saxton, K. E. and P. H. Willey. 1999. Agricultural Wetland and Pond Hydrologic Calculations Using the
SPAW-II Model. Proceedings, Amer. Soc. Agric. Eng. Meeting, Toronto, ON, July 18-21, 1999.
Saxton, K. E. and P. H. Willey. 2004. Agricultural Wetland and Pond Hydrologic Analyses Using the SPAW
model. Proc. Self-Sustaining Solutions for Streams, watersheds and Wetlands Conf., Amer. Soc. Agric. Engr.,
Sept. 12-15, 2004, St. Paul, MN.
Saxton, K. E. and P. H. Willey. 2005. The SPAW Model for Agricultural Field and Pond Hydrologic
Simulation. Chapter 17 in: Mathematical Modeling of Watershed Hydrology, V. P. Singh and D. Frevert, (Ed.);
CRC Press LLC. (In press).
Schaap, M. G., F. J. Leij and van Genuchten, M. Th. 1998. Neural network analyses for hierarchical prediction
of soil hydraulic properties. Soil Sci. Soc. Am. J. 62:847-855.
Stolte, J., J. I. Freijer, W. Bouten, C. Dirksen, J. M. Halbertsma, J. C. Van Dam, J. A. Van den Berg, G. J.
Veerman, and J. H. M. Wosten. 1994. Comparison of six methods to determine unsaturated soil hydraulic
conductivity. Soil Sci. Soc. Am J. 58:1596-1603.
Tanji, K. K., 1990. Agricultural Salinity Assessment and Management. Amer. Soc. Civil Engr, New York, NY.,
619 pp.
USDA-Soil Cons. Service. 1982. Procedures for collecting soil samples and methods of analysis for soil
survey. Soil Survey Investigations Report I, Washington, D.C.
19
USDA-NRCS Soil Survey Staff. 2004. National soil characterization data. NRCS National Soil Survey Center,
Lincoln, NE. (On-Line access).
Van Genuchten, M. Th. 1980. A closed-form equation for predicting the hydraulic conductivity of unsaturated
soils. Soil Sci. Soc. Am. J., 44:892-898.
Van Genuchten, M. Th, F. J. Leij. 1992. On estimating the hydraulic properties of unsaturated soils. In: Indirect
methods for estimating the hydraulic properties of unsaturated soils, Van Genuchten, M. Th, F .J. Leij, and L. J.
Lund (ed). Univ. of California, Riverside., pp 1-14.
Vereecken H., J. Maes, J. Feyen, and P. Darius. 1989. Estimating the soil moisture retention characteristic from
texture, bulk density, and carbon content. Soil Sci. 148:389-403
Williams, J., R. E. Prebble, W. T. Williams, and C. T. Hignett. 1983. The influence of texture, structure, and
clay mineralogy on the soil moisture characteristic. Aust. J. Soil Res. 21:15-32.
Williams, R. D., L. R. Ahuja, and J. W. Naney. 1992. Comparison of methods to estimate soil water
characteristics from soil texture, bulk density, and limited data. Soil Sci. 153:172-184.
20
Soil Water Characteristic Estimates by Texture and Organic Matter for
Hydrologic Solutions
K. E. Saxton and W. J. Rawls
Reproduced from Soil Science Society of America Journal. Published by Soil Science Society of America. All copyrights reserved.
ABSTRACT characteristics (Van Genuchten and Leij, 1992). Appli-

Hydrologic analyses often involve the evaluation of soil water in- cation of this knowledge is imperative for hydro-
filtration, conductivity, storage, and plant-water relationships. To de- logic simulation within natural landscapes. However,
fine the hydrologic soil water effects requires estimating soil water hydrologists often do not have the capability or time to
characteristics for water potential and hydraulic conductivity using soil perform field or laboratory determinations. Estimated
variables such as texture, organic matter (OM), and structure. Field or values can be determined from local soil maps and
laboratory measurements are difficult, costly, and often impractical for published water retention and saturated conductivity
many hydrologic analyses. Statistical correlations between soil texture, estimates, but these methods often do not provide
soil water potential, and hydraulic conductivity can provide estimates sufficient range or accuracy for computerized hydro-
sufficiently accurate for many analyses and decisions. This study de-
veloped new soil water characteristic equations from the currently
logic analyses.
available USDA soil database using only the readily available vari- The texture based method reported by Saxton et al.
ables of soil texture and OM. These equations are similar to those (1986), largely based on the data set and analyses of
previously reported by Saxton et al. but include more variables and Rawls et al. (1982), has been successfully applied to a
application range. They were combined with previously reported rela- wide variety of analyses, particularly those of agricul-
tionships for tensions and conductivities and the effects of density, tural hydrology and water management, for example,
gravel, and salinity to form a comprehensive predictive system of soil SPAW model (Saxton and Willey, 1999, 2004, 2006).
water characteristics for agricultural water management and hydro- Other methods have provided similar results but with
logic analyses. Verification was performed using independent data limited versatility (Williams et al., 1992; Rawls et al.,
sets for a wide range of soil textures. The predictive system was pro- 1992; Stolte et al., 1994). Recent results of pedotrans-
grammed for a graphical computerized model to provide easy appli-
cation and rapid solutions and is available at http://hydrolab.arsusda.
fer functions (Pachepsky and Rawls, 2005) are an exam-
gov/soilwater/Index.htm. ple of modern equations that cannot be readily applied
because the input requirements are beyond that cus-
tomarily available for hydrologic analyses. Currently
H YDROLOGIC ANALYSES are commonly achieved by

computer simulation of individual processes, then
combined into more comprehensive results and ana-
available estimating methods have proven difficult to
assemble and apply over a broad range of soil types and
moisture regimes. Therefore, the objectives of this study
lyzed by statistics or time series. This contrasts with were to (1) update the Saxton et al. (1986) soil water ten-
earlier methodology, which relied heavily on statistical sion equations with new equations derived from a large
analyses of measured hydrologic data. While modern USDA soils database using only commonly available
methods do not ignore available data, simulation of the variables of soil texture and OM, (2) incorporate the
individual processes and recombination into landscape improved conductivity equation of Rawls et al. (1998),
and watershed responses often reveals additional details and (3) combine these with the effects of bulk density,
beyond that previously available, particularly where gravel, and salinity to provide a broadly applicable pre-
data are limited or not available. dictive system.
A significant percentage of most precipitation infil-
trates to become stored soil water, which is either re-
turned to the atmosphere by plant transpiration and LITERATURE REVIEW
evaporation or is conducted to lower levels and ground Estimating soil water hydraulic characteristics from
water. As a result, modern simulation and analyses of readily available physical parameters has been a long-
hydrologic processes relies heavily on appropriate de- term goal of soil physicists and engineers. Several equa-
scriptions of the soil water holding and transmission char- tions commonly applied to hydrologic analyses were
acteristics of the soil profile. summarized by Rawls et al. (1992; Table 5.1.1) and Hillel
Soil science research has developed an extensive un- (1998). These included those developed by Campbell
derstanding of soil water and its variability with soil (1974), Brooks and Corey (1964), Van Genuchten (1980)
and others. Many early trials were sufficiently success-
K.E. Saxton, Saxton Engineering and Associates, 1250 SW Campus ful with limited data sets to suggest that there were sig-
View, Pullman WA 99163; W.J. Rawls, USDA-ARS Hydrology and nificant underlying relationships between soil water
Remote Sensing Lab, Bldg. 007, Rm. 104, BARC-W, Beltsville, MD
20705. Received 8 Apr. 2005. *Corresponding author (wrawls@
characteristics and parameters such as soil texture
hydrolab.arsusda.gov). (Gupta and Larson, 1979; Arya and Paris, 1981; Williams
et al., 1983; Ahuja et al., 1985, 1999; Rawls et al., 1998;
Published in Soil Sci. Soc. Am. J. 70:1569–1578 (2006). Gijsman et al., 2002). More recent studies have eval-
Soil & Water Management & Conservation, Soil Physics
doi:10.2136/sssaj2005.0117
uated additional variables and relationships (Vereecken
ª Soil Science Society of America et al., 1989; Van Genuchten and Leij, 1992; Pachepsky
677 S. Segoe Rd., Madison, WI 53711 USA and Rawls, 2005).
1569
1570 SOIL SCI. SOC. AM. J., VOL. 70, SEPTEMBER–OCTOBER 2006
Several estimating methods developed in recent years structure and mineralogical effects different than those
have shown that generalized predictions can be made containing higher portions of S or silt fractions.
with usable, but variable, accuracy (Rawls et al., 1982; The soil water retention data were correlated with
Saxton et al., 1986; Williams et al., 1992; Stolte et al., variables of S, C, and OM and their interactions (Hahn,
1994; Kern, 1995). Nearly all of these methods involve 1982, p. 218). Density was not included as a correla-
multiple soil descriptors, some of which are often not tion variable because it was highly variable within the
available for practical applications. Most were derived A-horizon data set and is not commonly available for
by statistical correlations, although more recent analyses applications. Regression equations were developed for
have explored neural network analysis (Schaap et al., moisture held at tensions of 1500, 33, 0 to 33 kPa, and
1998) or field descriptions and pedotransfer functions air-entry tensions. Air-entry values were estimated from
(Grossman et al., 2001; Rawls and Pachepsky, 2002). the sample data by the exponential form of the Campbell
Gijsman et al. (2002) reported an extensive review of equation (Rawls et al., 1992, Table 5.1.1). Saturation
eight modern estimating methods applicable to hydro- moisture (us) values were estimated from the reported
logic and agronomic analyses. They observed significant sample bulk densities assuming particle density of
discrepancy among the methods due to the regional data 2.65 g cm23.
basis or methods of analyses thus creating doubt on the Standard regression methods minimize the statistical
value of lab-measured water retention data for crop error about a model equation. However, the best equa-
models. They concluded that…“ an analysis with a set of tion form is often unknown and may not adequately
field-measured data showed that the method of Saxton represent the data, thus does not provide a satisfactory
et al. (1986) performed the best….” Thus an enhance- predictive equation. Multi-variable linear analyses are
ment of the Saxton et al. (1986) method is an appropriate particularly suspect in this regard because one or more
extension to improve the field applications of soil water of the variables may not be linearly correlated with
characteristic estimates with improved data basis and the dependent variables. This “lack-of-fit” was partially
supplemented by recently derived relationships of con- compensated for by applying a second correlation to the
ductivity and including appropriate local adjustments prediction deviations by the first correlation resulting in
for OM, density, gravel, and salinity. two combined dependent equations, the second being
linear or nonlinear.
METHODOLOGY Finally, the new moisture tension equations were com-
bined with the conductivity equations of Rawls et al.
An extensive laboratory data set of soil water char- (1998) and additional equations for density, gravel, and
acteristics was obtained from the USDA/NRCS Na- salinity effects. The results of the derived correlation
tional Soil Characterization database (Soil Survey Staff, equations were compared with three independent data
2004) consisting of approximately 2000 A-horizon and sets representative of a wide range of soils to verify their
2000 B-C horizon samples (B-C a subset of 6700). The capability for field applications. A companion com-
data for each sample included soil water content at 33- puter model and graphical interface of the equations
and 1500-kPa tensions; bulk densities; sand (S), silt and provides rapid computations and displays for hydro-
clay (C) particle sizes; and OM. These data were devel- logic applications.
oped with standard laboratory procedures (USDA-SCS,
1982; Klute, 1986) with reviews and approval for consis-
tency and accuracy.
PREDICTION EQUATIONS
The B-C horizon data had much less average OM New predictive equations to estimate soil water con-
content than that of the A horizon, 0.6 vs. 2.8% (w)1, tent at selected tensions of 1500, 33, 0 to 33, and ce kPa
respectively. Preliminary correlations showed that com- are summarized in Table 1 (Eq. [1]–[4])2. Variable de-
bining B-C horizon samples with those of the A-horizon finitions are shown in Table 2. The coefficient of
significantly masked the effect of OM. Because texture determination (R2) and standard error of estimate (Se)
and OM are primary variables affecting soil water define the data representation and expected predic-
content, only the A-horizon data were used to develop tive accuracy.
regression equations. Moisture at the selected tensions was correlated with
Samples with “extreme” values were omitted from the S, C, and OM plus interactions while air-entry tension
data. Excluded were those with bulk density , 1.0 and (bubbling pressure), ce, was correlated with S, C, and
. 1.8 g cm23, OM . 8 % (w) and clay . 60% (w). This uS-33 plus interactions. Supplemental analyses of the
reduced the A-horizon data set from 2149 to 1722 initial predictive errors provided “lack of fit” second-
samples. Samples outside the density range may have ary adjustment equations for each equation as defined
been the result of tillage or compaction causing them to in methodology.
be unlike natural soils. The high OM samples were con- Graphical results of the correlations are shown in
sidered from an “organic” soil whose water character- Fig. 1 for soil moisture and air entry. The best moisture
istics would not be representative of typical mineral correlation was obtained for u1500 (R2 5 0.86) with
soils. Soils of very high clay content often have pore progressively more variability for u33 (R2 5 0.63) and
1
%w indicates decimal percent by weight basis, and %v indicates
2
decimal percent by volume basis. Equations throughout the text are referenced to those in Table 1.
SAXTON & RAWLS: SOIL WATER CHARACTERISTICS ESTIMATES 1571
Table 1. Equation summary for soil water characteristic estimates.† Table 2. Equation symbol definitions.
2
Variable Equation R /Se Eq. Symbol Definition
Moisture Regressions A, B Coefficients of moisture-tension, Eq. [11]
C Clay, %w
u1500 u1500 5 u1500t 1 (0:14 3 u1500t 2 0:02) 0.86/0.02 1 DF Density adjustment Factor (0.9–1.3)
u1500t 5 20:024S 1 0:487C 1 0:006OM EC Electrical conductance of a saturated soil extract,
1 0:005(S 3 OM) 2 0:013(C 3 OM) 21 21
dS m (dS/m 5 mili-mho cm )
1 0:068(S 3 C) 1 0:031 FC Field Capacity moisture (33 kPa), %v
u33 u33 5 u33t 1 [1:283(u33t)2 2 0:374(u33t) 2 0:015] 0.63/0.05 2 OM Organic Matter, %w
u33t 5 20:251S 1 0:195C 1 0:011OM PAW Plant Avail. moisture (33–1500 kPa, matric soil), %v
1 0:006(S 3 OM) 2 0:027(C 3 OM) PAWB Plant Avail. moisture (33–1500 kPa, bulk soil), %v
1 0:452(S 3 C) 1 0:299 S Sand, %w
u(S-33) uS233 5 u(S233)t 1 (0:636u(S233)t 2 0:107) 0.36/0.06 3 SAT Saturation moisture (0 kPa), %v
u(S233)t 5 0:278S 1 0:034C 1 0:022OM WP Wilting point moisture (1500 kPa), %v
2 0:018(S 3 OM) 2 0:027(C 3OM) uY Moisture at tension Y, %v
2 0:584(S 3 C) 1 0:078 u1500t 1500 kPa moisture, first solution, %v
Ye Ye 5 Yet 1 (0:02Y2et 2 0:113Yet 2 0:70) 0.78/2.9 4 u1500 1500 kPa moisture, %v
Yet 5 221:67S 2 27:93C 2 81:97uS233 u33t 33 kPa moisture, first solution, %v
1 71:12(S 3 uS233 ) 1 8:29(C 3 uS233 ) u33 33 kPa moisture, normal density, %v
1 14:05(S 3 C) 1 27:16 u33-DF 33 kPa moisture, adjusted density, %v
uS uS 5 u33 1 u(S233) 2 0:097S 1 0:043 0.29/0.04 5 u(S-33)t SAT-33 kPa moisture, first solution, %v
u(S-33) SAT-33 kPa moisture, normal density %v
rN rN 5 (1 2 uS )2:65 6 u(S-33)DF SAT-33 kPa moisture, adjusted density, %v
Density Effects uS Saturated moisture (0 kPa), normal density, %v
rDF rDF 5 rN 3 DF 7 uS-DF Saturated moisture (0 kPa), adjusted density, %v
Yu Tension at moisture u, kPa
uS-DF uS2DF 5 1 2 (rDF =2:65) 8 Yet Tension at air entry, first solution, kPa
u33-DF u332DF 5 u33 2 0:2(uS 2 uS2DF ) 9 Ye Tension at air entry (bubbling pressure), kPa
u(S-33)DF u(S233)DF 5 uS2DF 2 u332DF 10 KS Saturated conductivity (matric soil), mm h21
21
Moisture-Tension Kb Saturated conductivity (bulk soil), mm h
21
Ku Unsaturated conductivity at moisture u, mm h
Y(1500-33) Yu 5 A(u)2B 11 rN Normal density, g cm
23
23
Y(33-Ye) Yu 5 33:0 2 [(u 2 u33 )(33:0 2 Ye )=(uS 2 u33 )] 12 rB Bulk soil density (matric plus gravel), g cm
23
u(Ye-0) u 5 uS 13 rDF Adjusted density, g cm
l Slope of logarithmic tension-moisture curve
A A 5 exp(ln33 1 Blnu33 ) 14 a Matric soil density/gravel density (2.65) 5 r/2.65
B B 5 [ln(1500) 2 ln(33)]=[ln(u33 ) 2 ln(u1500 )] 15 Rv Volume fraction of gravel (decimal), g cm23
Moisture–Conductivity Rw Weight fraction of gravel (decimal), g g21
8O Osmotic potential at u 5 uS, kPa
KS KS 5 1930(us 2 u33 )(32l) 16 8Ou Osmotic potential at u , uS, kPa
Ku Ku 5 KS (u=uS )[3 1 (2=l)] 17
l l 5 1=B 18
Gravel Effects factor (DF) with a range of 0.9 to 1.3 was incorporated
Rv Rv 5 (aRw )=[1 2 Rw (1 2 a)] 19 to estimate values of rDF, uS-DF, u33-DF, and u(S-33)DF
rB rB 5 rN (1 2 Rv ) 1 (Rv 3 2:65) 20 (Eq. [7]–[10]).
PAWB PAWB 5 PAW(1 2 Rv ) 21 To form a full-range computational scheme, the
1 2 Rw
Kb/Ks Kb =Ks 5 22 moisture-tension relationship was represented by three
[1 2 Rw (1 2 3a=2)]
tension segments of 1500–33, 33-ce, and ce–0, kPa. The
Salinity Effects
1500- to 33-kPa range was estimated by an exponential
8O 8O 5 36EC 23
uS equation (Eq. [11]) with A and B parameters developed
8Ou 8Ou 5 (36EC) 24 from the logarithmic form using estimated values u1500
u
and u33 (Eq. [14]–[15]). The 33-ce kPa segment was
† All symbols defined in Table 2.
assumed linear (Eq. [12]) based on common experience
that the exponential form often poorly represents these
u(S-33) (R2 5 0.36). Air-entry pressures, ce, were reason- low tensions and a linear segment is an acceptable sub-
ably well estimated (R2 5 0.74). stitute for most applications. The ce–0 range was set at
Preliminary correlations for uS with both A- and BC- a constant moisture of uS (Eq. [13]). Example moisture-
horizon data showed poor results (R2 , 0.25). These tension relationships using Eq. [11] through [15] are
values were based on reported sample densities which shown in Fig. 2.
were likely subject to factors such as tillage, compaction Saturated (KS) and unsaturated (Ku) conductivity
or roots and worms, which are not related to the cor- equations (Eq. [16]–[17]) were adapted from those of
relation variables of texture and OM (Rawls, 1983; Rawls et al. (1998) and Campbell (1974). The KS equation,
Grossman et al., 2001). As shown in Fig. 1C, the u(S-33) of the form suggested by Kozeny–Carman (Carman,
correlation was slightly better (R2 5 0.36) than for us, 1956) and Ahuja et al. (1984), is a power function of
thus us equations were developed as the combination of moisture held at low tensions within the larger pores
those for u33 1 u(S-33), plus a small S adjustment derived which most effectively conduct water. The value of l
by an error analyses (Eq. [5]). (Eq. [18]) is the inverse of the exponential tension-
A normal (average) density (rN) can be computed moisture curve slope B (Eq. [15]).
from the estimated us assuming a particle density of 2.65 Several published equations have represented Ku to
(Eq. [6]). To accommodate local variations of soil den- estimate the decrease of water conductivity as soil water
sity by structure or management, a density adjustment becomes less than saturation (Brooks and Corey, 1964;
Fig. 1. Measured u1500, u33, u(S-33), and Ye versus predicted values by correlation Eq. [1]–[4].
Campbell, 1974; Van Genuchten, 1980). We selected the Brakensiek et al., 1984, 1986). The ratio of saturated con-
simpler one reported by Campbell (1974) that does not ductivity for the bulk soil, Kb, to that of the matric soil,
require an estimate of residual moisture. Example Ks, is shown as Eq. [22]. This approach does not consider
moisture-conductivity relationships by Eq. [16]–[18] the common occurrence of additional macropores
are shown in Fig. 3. within gravelly soils, but this effect can be represented
Gravel content may be expressed as either bulk soil by a density reduction (DF , 1.0) to reflect additional
weight (%w) or volume (%v) basis. These can be inter- porosity with increased conductivity.
changed by Eq. [19]. Water characteristics of gravelly Salinity, measured as electrical conductance (EC) of
soils can be estimated using results of Eq. [1] through the saturated solution, effects osmotic potential (CO) as
[18] for the matric soil, then modified for gravel content. represented by Eq. [23] (Tanji, 1990). As soil water is
Bulk density, rb, and plant available water for the bulk reduced by evapotranspiration from that at saturation,
soil (PAWB), are adjusted by Eq. [20] and [21]. the EC measurement standard, the chemical quantity
Conductivity reduction by gravel has been estimated will generally remain near constant causing a linear in-
using a thermal corollary equation in which non- crease in concentration and osmotic potential, although
conducting portions were randomly spaced within a con- this process may be modified by chemical interactions
ducting medium, thus assumed similar to gravel or rocks such as by forming precipitates or bonds. Osmotic po-
within a matric soil with flow only in the matric por- tential for a partially saturated soil is represented by
tion (Peck and Watson, 1979; Flint and Childs, 1984; Eq. [24].
Fig. 2. Example moisture-tension relationships estimated by Eq. [11]–[15]. Fig. 3. Example unsaturated conductivities estimated by Eq. [16]–[18].
PREDICTION VERIFICATION (Fig. 5D) are quite comparable, partially the result of the
similar moisture estimates and applying the same con-
The derived moisture prediction equations were veri-
ductivity equation.
fied by comparisons with mean texture class values of
The predictive equations reported by Saxton et al.
several data sets. A 2000 sample subset of the USDA B-C
(1986) were based on mean texture class data summa-

horizon data, companion with the correlated A-horizon
rized by Rawls et al. (1982), another independent data set.
data, provided average values for USDA soil texture
The equations of Table 1 provide similar values of u1500
classes and were compared with estimated values by the
correlation equations (Eq. [1]–[6]). The average OM and u33 compared with the Saxton et al. (1986) equations
(Fig. 6A, B) but represent a larger, more reliable database
was 0.6%w compared with 2.8%w for the A-horizon.
with additional variables. The variability of uS and KS
Mean u1500 values were closely predicted (Fig. 4A) while
estimates by the two methods (Fig. 6C, D) indicate
the u33 values (Fig. 4B) had a slight bias in the drier
improvement from those of the 1986 equations which had
range. As expected, the uS values (Fig. 4C) were least
been derived by an analysis of minimal data. As a result,
accurately estimated, a result of the poorest correlation
the system of equations in Table 1 compared with those
(Eq. [6]), yet useful for many applications.
of Saxton et al. (1986) provide improved estimates of
The data reported by Rawls et al. (1998) provided a
varying magnitude for both tensions and conductivities
second independent comparison over the full texture
depending on the parameter selected and the properties
range as shown in Fig. 5. The estimated moisture values
compare well with the reported class averages for all of the soil being evaluated.
Gijsman et al. (2002, Table 7) compared seven com-
three tensions (Fig. 5A, B, C). The conductivity values
monly used estimating methods with field measured
data for three tension moistures of three major texture
soil classes. The Saxton et al. (1986) method was the
most accurate based on a RMSE (Root Mean Square
Error) of 0.009 compared with a 0.025 average for all
methods. The equations of Table 1 provide improved
estimates to those of Saxton et al. (1986) used in this
comparison, plus they include the effects of OM, density,
gravel, and salinity.
VARIABLE EFFECTS
It is well recognized that soil texture is the dominant
effect for soil water characteristics. However, four ad-
ditional variables (OM, density, gravel, salinity) that can
have important effects were included in the complete
estimation method. Organic matter was included in the
regression equations, thus its effect was directly repre-
sented by Eq. [1] through [6]. Soil density strongly re-
flects a soils structure and large pore distribution, thus
has a particularly significant effect on saturation and
hydraulic conductivity. Soils with gravel-size particles
(.2 mm) lose a portion of their water holding and con-
ductance capacity, and saline soils pose an additional
osmotic pressure restriction to plant water uptake.
Organic Matter
Increased OM generally produces a soil with in-
creased water holding capacity and conductivity, largely
as a result of its influence on soil aggregation and as-
sociated pore space distribution (Hudson, 1994). The
effect of OM was represented in Eq. [1] through [6] as a
dependent variable. These equations should not be ap-
plied beyond 8%w OM because these samples were
omitted from the analyzed data set.
Water content at high tensions, for example, 1500 kPa,
is determined largely by texture, thus there is mini-
mal influence by aggregation and OM. The effects of
OM changes for wetter moisture contents vary with the
Fig. 4. Measured texture class averages of u1500, u33, and uS for B-C soil texture, particularly clay. Organic matter effects
horizon data versus estimates by Eq. [1]–[6]. are similar to those of clay, thus those textures with
Fig. 5. Texture class average u1500, u33, uS, and KS (Rawls et al., 1998) versus estimates by Table 1 equations.
high clay content mask the effects of increased OM. ing the USDA A-horizon data set into texture classes,
Rawls et al. (2003) showed similar results. Example OM dividing samples of each class as below or above the
effects on moisture-tension and moisture-conductivity normal density for the class, and correcting for OM var-
relationships are shown for a silt loam soil in Fig. 7 (A iation of each subgroup, a ratio of relative changes by
and B). The OM effect on both KS and Ku readily fol- density, Du33/DuS, was determined. While quite vari-
lows from the changes to uS and l (Eq. [16]–[17]). able, there was a trend to slightly decrease u33 with de-
creased uS by increased density as represented by Eq. [9].
Density As density is adjusted, uS, u33, and l are changed
resulting in KS and Ku changes (Eq. [16]–[17]). The loam
Estimated uS and rN values (Eq. [5]–[6]) are based on
the regression equations of u33 and u(S-33) (Eq. [2]–[3]), soil example in Fig. 8 shows estimated KS and Ku values
for DF values of 0.9 to 1.2 (210 to +20%) shifts to rep-
which had significant data variability (Fig. 1B). To ac-
resent soils more loose or compacted than average.
commodate moisture estimates for soils with variations
from the data set average density estimated by texture and
OM, rN, a density adjustment factor (DF) was added to
Gravel
the estimating procedures to provide a density slightly Large diameter (.2.0 mm) gravel particles and
less to significantly more than average with a scale of small rocks present in agricultural soils decrease the
0.9 to 1.3 multiplied times rN (Eq. [7]). This range was amount of soil matrix in which water can be stored or
selected from those most common within the data set and conducted. The water characteristics of the fine textured
those experienced by hydrologic applications. The density matric soil surrounding the gravel particles can be esti-
values at the texture extremes may be the most likely to mated by Eq. [1] to [18]. Bulk soil gravel content may be
require adjustments, for example, sands and clays. A large expressed as either a weight or volume basis and are
adjustment of density could cause Eq. [10] to become interchangeable by Eq. [19].
negative, thus a minimum difference of 0.5%v was set to Bulk density, PAW and Ks are properties of the bulk
limit the DF value in these cases. soil, matric soil plus gravel. Soils with gravel have de-
The change of u33 with density change is not well creased available water and hydraulic conductivity and
documented. Some speculate that the u33 sized pores are increased bulk density as represented for bulk soil esti-
compressed, resulting in decreased water content, while mates by Eq. [19] through [22]. Example gravel (%w)
others suggest that larger pores are compressed to the relationships to bulk density, conductivity, and gravel
u33 size causing increased water content. By segregat- volume are shown in Fig. 9.
Fig. 6. Texture class average u1500, u33, uS, and KS estimates (Saxton et al., 1986) versus estimates by Table 1 equations.
Salinity
Soil salinity designates a condition in which the soil
water contains a soluble salt with a concentration likely
harmful to crops through the increased osmotic poten-
tial of the soil solution and the toxicity of specific ions.
These soluble salts may be from those present in the
original soil profile or accumulated from irrigation
water. Salinity largely affects the plant water uptake
through increased water potentials, however it also can
affect the hydrologic processes of infiltration and redis-
Fig. 7. Variation of moisture-tension and moisture-conductivity by Fig. 8. Effect of density variation on saturated and unsaturated con-
organic matter estimated by Table 1 equations. ductivity of a silt loam soil estimated by Table 1 equations.
an experienced soil scientist to make a qualified judg-

ment of the textures and OM, or sample the soil profile
by major horizons and perform a laboratory analyses.
Texture determinations require deflocculating the soil
particles with a chemical such as sodium metaphosphate

followed by a settling procedure in water with hydrom-
eter or pipette measurements (USDA–SCS, 1982). Me-
chanical screens can define the sand fraction (.50 mm),
but not the silt and clay fractions. Bulk densities can
readily be determined by taking a relatively undisturbed
core of known volume, oven drying at 1058C (2208F)
and weighing the removed soil. Gravel and salinity var-
iations by Eq. [19] through [24] require additional in-
Fig. 9. Example gravel estimates for gravel volume, bulk density and put measurements.
saturated conductivity versus gravel percent by weight (.2-mm The derived equations were incorporated into a graph-
diam.). ical computer program to readily estimate water holding
tribution through chemical induced changes of structure and transmission characteristics (Fig. 11). Texture is se-
and aggregation. lected from the texture triangle and slider bars adjust for
Osmotic plus matric potentials increase the total en- OM, salinity, gravel, and density. The results are dynam-
ergy required for plant water uptake at all moisture ically displayed in text boxes and on a moisture-tension
levels and effectively reduces PAW by making water and moisture-conductivity graph as the inputs are varied.
less readily available (Tanji, 1990). Secondary effects of This provides a rapid and visual display of the estimated
ionic mineral nutrition and toxicity may also be present water holding and transmission characteristics over a
creating additional plant stress beyond the water po- broad range of variables.
tentials. Applying Eq. [24] demonstrates the relative in- The derived equations were also programmed as the
fluence of salinity on matric-plus-osmotic tensions as water characteristic estimates in the SPAW hydrologic
shown in Fig. 10. model (Saxton and Willey, 2006) as a replacement for
those reported by Saxton et al. (1986). For comparison,
equations of Saxton et al. (1986) and those of Table 1 are
HYDROLOGIC APPLICATIONS options in the SPAW model and the graphical interface
A sequential solution of the derived Eq. [1] through (Fig. 11) and available at http://hydrolab.arsusda.gov/
[24] will estimate soil water characteristics applicable to soilwater/Index.htm. Example soil water characteristic
many common hydrologic and water management solu- values estimated by the programmed texture triangle
tions with minimum input values of S, C, and OM. Equa- are shown in Table 3.
tions and parameters are estimated for the full range Recognizing that the derived equations (Table 1) are
moisture–tension and moisture–conductivity relation- based on a minimum of variables and a statistical av-
ships which also provide several standard moisture val- erage, it is likely that the equation solutions will vary
ues such as wilting point (WP), field capacity (FC), SAT, somewhat from specific field or laboratory data. If site-
PAW, rn, and KS. Average texture and OM values, such as specific data are available, it is prudent to calibrate the
from Rawls et al. (1998), or local references, will often model results by adjusting the input values within ac-
provide useful hydrologic solutions. More specific input ceptable limits to provide similar water characteristic
values are available in soil series descriptions and an-
alyses published by the USDA-NRCS and available from
the USDA or Extension offices.
If published input data are not available and deemed
necessary, it may be necessary to obtain the assistance of
Fig. 10. Matric-plus-osmotic tension versus moisture for varying levels Fig. 11. Graphical input screen for the soil water characteristic model
of salinity estimated by Table 1 equations. of Table 1 equations.
Table 3. Example estimated water characteristic values for texture classes at 2.5%w organic matter (OM), no salinity, gravel or density
adjustment.
Texture class† Sand Clay Wilt pt. Field cap Saturation Plant avail. Saturated conductivity Matric density
1500 kPa 33 kPa 0 kPa
21 23
%w %v mm h g cm
Sa 88 5 5 10 46 5 108.1 1.43
LSa 80 5 5 12 46 7 96.7 1.43
SaL 65 10 8 18 45 10 50.3 1.46
L 40 20 14 28 46 14 15.5 1.43
SiL 20 15 11 31 48 20 16.1 1.38
Si 10 5 6 30 48 25 22.0 1.38
SaCL 60 25 17 27 43 10 11.3 1.50
CL 30 35 22 36 48 14 4.3 1.39
SiCL 10 35 22 38 51 17 5.7 1.30
SiC 10 45 27 41 52 14 3.7 1.26
SaC 50 40 25 36 44 11 1.4 1.47
C 25 50 30 42 50 12 1.1 1.33
† Sa, sand; L, loam; Si, silt; C, clay.
estimates. Using the regression deviations of Fig. 1 as a tivity and effects of land management. Soil Sci. Soc. Am. J. 48:
guide, slight adjustments of the clay texture will usually 699–702.
Ahuja, L.R., J.W. Naney, and R.D. Williams. 1985. Estimating soil
bring the WP values to close agreement since OM and water characteristics from simpler properties or limited data. Soil
S have little effect. The FC values will be most effected Sci. Soc. Am. J. 49:1100–1105.
by C and OM adjustments. A density factor (DF) change Ahuja, L.R., W.J. Rawls, D.R. Nielsen, and R.D. Williams. 1999.
will largely affect uS and KS, with FC slightly modified. Determining soil hydraulic properties and their field variability
from simpler measurements. p. 1207–1233. In R. W. Skaggs and J.
The model estimates will approximate each of the mea- Van Schilfgaarde (ed.). Agricultural drainage. ASA Monogr. No.
sured values to a varying degree, thus the user must 38, ASA, Madison, WI.
assess those most important to the application and ad- Arya, L.M., and J.F. Paris. 1981. A physioempirical model to predict
just the model inputs accordingly. the soil moisture characteristic from particle-size distribution and
bulk density data. Soil Sci. Soc. Am. J. 45:1023–1030.
Brakensiek, D.L., W.J. Rawls, and G.R. Stephenson. 1984. Determin-
SUMMARY ing the saturated hydraulic conductivity of a soil containing rock
fragments. Soil Sci. Soc. Am. J. 50:834–835.
Statistical analyses were conducted using measured Brakensiek, D.L., W.J. Rawls, and G.R. Stephenson. 1986. A note on
soil water properties for a broad range of soils provided determining soil properties for soils containing rock fragments.
J. Range Manage. 39(5):408–409.
by the current USDA soils database. Prediction equa-
Brooks, R.H., and A.T. Corey. 1964. Hydraulic properties of porous
tions were derived for soil moisture tensions of 0, 33, and media. Hydrology Paper No. 3, Colorado State Univ., Ft. Collins, CO.
1500 kPa and air-entry based on commonly available Campbell, G.S. 1974. A simple method for determining unsaturated
variables of soil texture and OM. These were combined conductivity from moisture retention data. Soil Sci. 117:311–314.
with equations of conductivity, plus the effects of density, Carman, P.C. 1956. Flow of gases through porous media. Academic
Press, Inc., New York.
gravel, and salinity, to provide a water characteristic Flint, A.L., and S. Childs. 1984. Physical properties of rock frag-
model useful for a wide range of soil water and hydrologic ments and their effect on available water in skeletal soils. p. 91–103.
applications. Statistical analyses of laboratory data ap- In J.D. Nicols et al (ed.) Erosion and productivity of soils containing
proximate those of any specific soil type and charac- rock fragments. SSSA Spec. Pub. 13. SSSA, Madison, WI.
teristic, thus local knowledge and data should be used if Gijsman, A.J., S.S. Jagtap, and J.W. Jones. 2002. Wading through a
swamp of complete confusion: How to chose a method for esti-
available to calibrate the predictions by varying the input mating soil water retention parameters for crop models. Eur. J.
parameters within acceptable limits. A graphical com- Agron. 18:75–105.
puter program was developed which readily provides Grossman, R.B., D.S. Harms, C.A. Seybold, and J.E. Herrick. 2001.
equation solutions and is available at http://hydrolab. Coupling use-dependent and use-invariant data for soil qual-
ity evaluation in the United States. J. Soil Water Conserv. 56(1):
arsusda.gov/soilwater/Index.htm. This predictive system 63–68.
enhances the opportunity to integrate the extensive avail- Gupta, S.C., and W.E. Larson. 1979. Estimating soil water retention
able knowledge of soil water characteristics into hydro- characteristics from particle size distribution, organic matter con-
logic and water management analyses and decisions. tent, and bulk density. Water Resour. Res. 15:1633–1635.
Hahn, C.T. 1982. Statistical methods in hydrology. Iowa State
Univ. Press.
ACKNOWLEDGMENTS Hillel, D. 1998. Environmental soil physics. Academic Press, San
Diego., CA.
We pay special tribute to Christopher Robinson, Roger Hudson, B. 1994. Soil organic matter and available water capacity.
Nelson, and Ralph Roberts, research associates, who provided J. Soil Water Conserv. 49:189–193.
significant insight and dedication to the analyses and devel- Kern, J.S. 1995. Evaluation of soil water retention models based on
oped the companion computer model which significantly en- basic soil physical properties. Soil Sci. Soc. Am. J. 59:1134–1141.
hanced the methodology and applicability. Klute, A. (ed.). 1986. Methods of soil analysis. Part I. 2nd ed. ASA.
Monogr. No. 9, ASA and SSSA, Madison, WI.
Pachepsky, Y.A., and W.J. Rawls (ed.). 2005. Development of pedo-
REFERENCES
transfer functions in soil hydrology. Elsevier. Development in Soil
Ahuja, L.R., J.W. Naney, R.E. Green, and D.R. Nielsen. 1984. Mac- Science, V 30.m Amsterdam, The Netherlands.
roporosity to characterize spatial variability of hydraulic conduc- Peck, A.J., and D. Watson. 1979. Hydraulic conductivity and flow in
non-uniform soil. Conf. Proc., Workshop on Soil Physics and Field Singh and D.K. Frevert (ed.) Watershed models. CRC Press, Boca
Heterogeneity, CSIRO Canberra, Australia. Raton, Fl.
Rawls, W.J. 1983. Estimating soil bulk density from particle size anal- Schaap, M.G., F.J. Leij, and M.Th., van Genuchten. 1998. Neural net-
yses and organic matter content. Soil Sci. 135:123–125. work analyses for hierarchical prediction of soil hydraulic proper-
Rawls, W.J., L.R. Ahuja, and D.L. Brakensiek. 1992. Estimating soil ties. Soil Sci. Soc. Am. J. 62:847–855.
hydraulic properties from soils data. p. 329–340. In M.Th. Van Soil Survey Staff. 2004. National soil characterization data. NRCS
Genuchten et al. (ed.) Indirect methods for estimating the hydraulic National Soil Survey Center, Lincoln, NE.
properties of unsaturated soils. Univ. of California, Riverside, CA. Stolte, J., J.I. Freijer, W. Bouten, C. Dirksen, J.M. Halbertsma, J.C.
Rawls, W.J., L.R. Ahuja, D.L. Brakensiek, and A. Shirmohammadi. Van Dam, J.A. van Den Berg, G.J. Veerman, and J.H.M. Wosten.
1992. Infiltration and soil water movement. p. 5.1–5.5. In D.R. Maid- 1994. Comparison of six methods to determine unsaturated soil
ment (ed.) Handbook of hydrology. McGraw-Hill, Inc., New York. hydraulic conductivity. Soil Sci. Soc. Am. J. 58:1596–1603.
Rawls, W.J., D.L. Brakensiek, and K.E. Saxton. 1982. Estimation of Tanji, K.K. 1990. Agricultural salinity assessment and management.
soil water properties. Trans. ASAE 25:1316–1320. ASCE, New York.
Rawls, W.J., D. Gimenez, and R. Grossman. 1998. Use of soil texture, USDA-SCS. 1982. Procedures for collecting soil samples and methods
bulk density and slope of the water retention curve to predict of analysis for soil survey. Soil Survey Investigations Report I,
saturated hydraulic conductivity. Trans. ASAE 41:983–988. Washington, DC.
Rawls, W.J., and Y.A. Pachepsky. 2002. Using field topographic de- Van Genuchten, M.Th. 1980. A closed-form equation for predicting
scriptors to estimate soil water retention. Soil Sci. 167:423–435. the hydraulic conductivity of unsaturated soils. Soil Sci. Soc. Am. J.
Rawls, W.J., Y.A. Pachepsky, J.C. Ritchie, T.M. Sobecki, and H. 44:892–898.
Bloodworth. 2003. Effect of Soil Organic Carbon on Soil Water Van Genuchten, M.Th., and F.J. Leij. 1992. On estimating the hy-
Retention. Geoderma 116:61–76. draulic properties of unsaturated soils. p. 1–14. In M.Th. Van
Saxton, K.E., W.J. Rawls, J.S. Romberger, and R.I. Papendick. 1986. Genuchten et al. (ed.) Indirect methods for estimating the hy-
Estimating generalized soil water characteristics from texture. draulic properties of unsaturated soils. Univ. of California,
Trans. ASAE 50:1031–1035. Riverside, CA.
Saxton, K.E., and P.H. Willey. 1999. Agricultural wetland and pond Vereecken, H., J. Maes, J. Feyen, and P. Darius. 1989. Estimating the
hydrologic calculations using the SPAW-II Model. Conf. Proc., soil moisture retention characteristic from texture, bulk density, and
ASAE. Toronto, ON, 18–21 July 1999. ASAE, St. Joseph, MI. carbon content. Soil Sci. 148:389–403.
Saxton, K.E., and P.H. Willey. 2004. Agricultural wetland and pond Williams, R.D., L.R. Ahuja, and J.W. Naney. 1992. Comparison of
hydrologic analyses using the SPAW model. Conf. Proc., Self- methods to estimate soil water characteristics from soil texture,
sustaining solutions for streams, watersheds and wetlands, 12–15 bulk density, and limited data. Soil Sci. 153:172–184.
Sept. 2004, ASAE. St. Joseph, MI. Williams, J., R.E. Prebble, W.T. Williams, and C.T. Hignett. 1983. The
Saxton, K.E., and P.H. Willey. 2006. The SPAW model for agricul- influence of texture, structure, and clay mineralogy on the soil
tural field and pond hydrologic simulation. p. 401–435. In V.P. moisture characteristic. Aust. J. Soil Res. 21:15–32.
MODELOS DE INFILTRACIÓN Y FUNCIONES DE PEDOTRANSFERENCIA... 123
MODELOS DE INFILTRACIÓN Y FUNCIONES DE PEDOTRANSFERENCIA

APLICADOS A SUELOS DE DISTINTA TEXTURA
ANA M LANDINI1; DANIEL MARTÍNEZ1; HUGO DÍAS2; EDUARDO SOZA3;
DIEGO AGNES3 & CLAUDIA SAINATO1
1
Cátedra de Física. 2Cátedra de Riego y Drenaje. 3Cátedra de Maquinaria Agrícola.
Facultad de Agronomía, Universidad de Buenos Aires. Av. San Martín 4453, (C1417 DSE). Buenos Aires Argentina.
alandini@agro.uba.ar
Recibido: 29/05/07
Aceptado: 11/09/07
RESUMEN
El conocimiento del proceso de infiltración del agua en el suelo es de importancia en el diseño de sistemas de riego y
en la predicción de la vulnerabilidad a la contaminación del suelo y de las aguas subterráneas. Por otra parte, es importante
evaluar la eficiencia de los modelos hidrológicos que predicen el movimiento del agua en el suelo. El objetivo de este
trabajo fue evaluar y comparar la bondad de ajuste de los modelos de infiltración de Kostiakov-Lewis (K-L) y Philip
(Ph) a los datos experimentales, obtenidos en tres suelos: dos en la Pcia. de Buenos Aires y uno en el predio experimental
de la Facultad de Agronomía de la Universidad de Buenos Aires, Argentina. También se analizó la eficiencia de las
funciones de pedotransferencia (FPT) de Saxton y Rawls (SyR) en la determinación de los parámetros hidráulicos de
entrada del modelo de infiltración de Green y Ampt (GA) y en la predicción de la curva de liberación de agua. Los modelos
de K-L y Ph ajustaron con R2 mayores a 0,6 de lo cual se concluye que son altamente eficientes para describir el com-
portamiento de la infiltración de agua en los suelos estudiados. La mayor tasa de infiltración básica (fo) fue de 0,42
cm min-1 y correspondió a un suelo arcillo-limoso con enmienda orgánica. Los otros dos suelos, franco-limoso y franco-
arcilloso, exhibieron valores máximos de 0,03 y 0,07 cm min-1 respectivamente. El modelo de GA, a partir de las FPT,
predijo los valores de infiltración con coeficientes de eficiencia (CE) mayores a 0,8 para dos de los suelos estudiados,
aunque se obtuvieron algunas discrepancias por debajo de los 20 cm de profundidad. Para el suelo franco limoso las FPT
predijeron la curva característica de humedad con un CE cercano a 0,9. Se aconseja realizar un número pequeño de ensayos
preliminares en cualquier suelo bajo estudio, y analizar la bondad de predicción de estas funciones en esos sitios, des-
cartando de este modo, situaciones que se apartan de las hipótesis del modelo.
Palabras clave. Infiltración básica, Kostiakov-Lewis, Philip, Green-Ampt, curva característica de humedad.
INFILTRATION MODELS AND PEDOTRANSFER FUNCTIONS APPLIED

TO SOILS WITH DIFFERENT TEXTURE
ABSTRACT
The knowledge of the process of water infiltration in soil is important in the design of irrigation systems and in the
prediction of the vulnerability to the contamination of soil and groundwater. Moreover, it is important to evaluate
the efficiency of the hydrological models that predict the movement of water in soil.
The objective of this study was to evaluate and to compare the goodness of fitting of Kostiakov-Lewis (K-L) and Philip
(Ph) infiltration models to experimental data obtained from three soils: two of them at the Province of Buenos Aires,
and the third one at the School of Agronomy’s campus of the Buenos Aires University, (Argentina). Efficiency of
Saxton and Rawls (SyR) pedotransfer functions (FPT) on the determination of the Green and Ampt (GA) model input
hydraulic parameters and the prediction of the soil-moisture release curve were analyzed too. K-L and Ph models fitted
data with R2 coefficient greater than 0.6. Then it was concluded that these models accurately describe the infiltration
process of the studied soils. The highest basic infiltration rate (fo) was 0.42 cm min-1 and corresponded to a silty clay
soil with organic amendment, and for the other two soils (silt loam and clay loam) were 0.03 and 0.07 cm min-1
respectively. For two of the studied soils, GA model obtained from input parameters determined with the FPT, predicted
the infiltration process with an efficiency coefficient (CE) greater than 0.8. However, at some cases, the fitting was
not so good for dephts greater than 20 cm. For the silt loam soil, the FPT predicted the soil-moisture release curve
with an CE close to 0.9. It might be suggested to carry out a preliminary few number of infiltration tests on any soil
under study, and analyze the FPT and the GA model goodness of fit. In this way, the convenience of using these models
could be evaluated.
Key words. Basic infiltration, Kostiakov-Lewis, Philip, Green-Ampt, soil-moisture release curve.
CI. SUELO (ARGENTINA) 25(2): 123-131, 2007

124 ANA M LANDINI et al.
INTRODUCCIÓN ruptura de los agregados y la aparición de capas sellan-

La infiltración del agua en el suelo y su movimiento tes, con una consecuente disminución de la tasa de infiltra-
en la zona no saturada del mismo es de fundamental im- ción básica. Seguel et al. (2003) encontraron para suelos
portancia en la actividad agropecuaria. El proceso de infil- de textura gruesa tratados con enmiendas orgánicas (bio-
tración influye en el intercambio de agua entre el sustrato abono y estiércol bovino) un incremento significativo de
y las plantas y se ve afectado por las labores realizadas la infiltración respecto de los mismos suelos sin tratar.
en el suelo (Narro Faría, 1994). La infiltración, como una Taboada y Micucci (2002), afirman que los suelos someti-
componente del ciclo hidrológico, está relacionada con dos a pisoteo animal presentan menor aireación e infil-
el escurrimiento superficial que puede producir erosión tración. Osuna Ceja y Padilla Ramirez (1998) encontraron,
y con la recarga de los acuíferos y su vulnerabilidad a la una gran dependencia del coeficiente del término lineal
contaminación. Por lo tanto, es de suma importancia su del modelo de Philip con la conductividad hidráulica, para
evaluación para un manejo sustentable de las tierras que distintos tipos de suelos y condiciones de humedad ini-
procure evitar su degradación. La determinación de los cial, por lo cual recomiendan realizar el análisis de estas
parámetros hidráulicos en la zona no saturada, tales como variables en las situaciones que se pretenda estudiar.
la sortividad y la conductividad hidráulica constituye el Young (1991), Chambou-Leyron (1993) y Aragón et al.
primer paso para poder utilizar modelos hidrológicos que (1997) encontraron gran variabilidad espacial y temporal
puedan predecir el movimiento del agua. en los valores de infiltración en los suelos que estudia-
Los modelos empíricos y teóricos tradicionalmente ron.
utilizados para describir el proceso de infiltración, entre Los objetivos principales de este trabajo fueron:
los que se encuentran los de Kostiakov; Kostiakov-Lewis 1. Evaluar y comparar la bondad de ajuste de los mo-
(K-L); Horton y Philip (Ph) (Ravi y Williams, 1998), per- delos de infiltración convencionales de Kostia-
miten obtener los parámetros hidráulicos del suelo ajus- kov-Lewis y Philip a datos experimentales obte-
tando ecuaciones simples a los datos experimentales. nidos en suelos de distinta textura.
Green y Ampt (GA) (Ravi y Williams, 1998) desarrollaron
2. Evaluar para los mismos suelos, la eficiencia pre-
un modelo teórico que fue el primero con fundamentación
dictiva del modelo de Green y Ampt a partir de la
física basado en el campo de flujo de Darcy. Este modelo
aplicación de las funciones de pedotransferencia
ha sido ampliamente utilizado en física de suelos e hidro-
de Saxton y Rawls (SyR) en la determinación de
logía debido a su simplicidad y satisfactoria aplicación
los parámetros hidráulicos de entrada, con el pro-
para una gran variedad de problemas hidrológicos (Ravi
pósito de evaluar en forma preliminar las limitacio-
y Williams, 1998). Sin embargo es recomendable, en los
nes de este modelo.
modelos, la utilización de variables de entrada, que sean
de fácil obtención y bajo costo. En ese sentido, las funcio-
nes de pedotransferencia (FPT) (Tomasella et al., 2003; Como objetivo secundario se evaluó el comportamien-
Saxton y Rawls, 2006) apuntan a obtener los parámetros to de las FPT de SyR en la estimación de los valores de
hidráulicos a partir de la medición sencilla de algunas pro- humedad en función de los potenciales mátricos (curva
piedades del suelo. Actualmente hay varias de estas fun- de retención hídrica).
ciones validadas con bases de datos en el mundo, aunque
hay bastante discusión respecto a su potencial para pre-
decir los parámetros hidráulicos en suelos diferentes a los
utilizados para su desarrollo (Moreira et al., 2004). Por lo
tanto, es necesario obtener datos de las propiedades fí-
sicas e hidráulicas de suelos locales que permitan eva- MATERIALES Y MÉTODOS
luar la eficiencia predictiva de esas funciones. Los ensayos de infiltración se llevaron a cabo en tres sitios:
Entre los factores que influyen en la velocidad o tasa en una zona rural del partido de Carmen de Areco (Pcia. de Buenos
de infiltración que son fácilmente observables, se pue- Aires, 34° 28' 59'' Lat. S y 60° 7' 6'' Long. O), en suelo Argiudol
ácuico (Mapa de Suelos de la Pcia. de Buenos Aires. INTA.1989)
den mencionar: el contenido inicial de humedad del suelo,
y en dos predios de la Facultad de Agronomía de la Universidad
relacionado inversamente con la tasa de infiltración; la de Buenos Aires (34° 25' Lat. S y 59° 15' Long. O), en suelo Argiudol
textura y estructura del suelo; la condición de superficie vértico (Soil Survey Staff, 1994). Se empleó el método del doble
(suelo desnudo, con presencia de costra, o existencia de anillo de Muntz (Burt, 1995) con carga hidráulica constante de
vegetación); cantidad de materia orgánica; temperatura 10 cm. La duración de cada ensayo fue aproximadamente de 2,5
del suelo y calidad del agua aplicada. Lado et al. (2004) horas, tomándose lecturas de la lámina infiltrada en intervalos de
hallaron que para suelos de textura franco arenosa, con- 1 minuto durante los primeros 5 minutos del ensayo y hasta 20
tenidos bajos de materia orgánica (< 2,3%) facilitan la minutos en la última parte del mismo.

Carmen de Areco orgánica (MO) a partir del método de Walkley y Black (Page,
En el predio perteneciente a un establecimiento de produc- 1982), sobre cuatro muestras de suelo extraídas entre 0 y 20 cm
ción lechera se realizaron dos ensayos en un lote con pastura, de profundidad. Se determinaron la densidad aparente (δap) (mé-
identificado con el código 13a; dos en un corral de encierro previo todo del cilindro de Blake y Hartge, 1986) y la humedad volumétrica
al ordeñe (13b), en donde la concentración de animales es alta y inicial (θi) a partir de la medición de la humedad gravimétrica
dos ensayos en otro lote (19), sembrado con maíz y sin presencia (diferencia de peso húmedo y seco) multiplicada por la densidad
actual de animales. La elección de estos sitios obedeció a que en aparente, sobre tres muestras de suelo extraídas en las cercanías
el futuro se esperan analizar los riesgos de contaminación del suelo de cada ensayo de infiltración. Los valores medios de MO, δap
y agua subterránea por lixiviado de efluentes provenientes del y θi correspondientes a cada grupo de ensayos, se compararon con
tambo. el Test de Tukey del programa InfoStat (2002).
Los datos obtenidos de infiltración acumulada de cada grupo
de ensayos, se ajustaron globalmente, por regresión no lineal
(GraphPad Prism, 2005) con los modelos de:
Facultad de Agronomía
Dieciséis ensayos correspondieron a un suelo que tuvo pro-
ducción hortícola hasta el año 2003 (FAUBA1), dispuestos en una
Kostiakov-Lewis F(t) = k t n + f t (1)
cuadrícula de 2 m x 8 m distanciados 4 m. Otros cuatro ensayos
(M1, M2, M3 y M4) se realizaron en un suelo donde no hubo labores
culturales en los últimos diez años (FAUBA2). Teniendo en cuenta
la alta variabilidad que presentaron las curvas de infiltración en Philip F(t) = S0 t 0,5 + A t (2)
FAUBA1, la presencia de desniveles topográficos y distintas alturas
de la pastura preexistente, se agruparon los ensayos en forma pre-
liminar por similitud en la tasa de infiltración básica, tal como indica
la Figura 1. Ésta se estimó para cada ensayo por la pendiente del obteniéndose los parámetros hidráulicos:
ajuste lineal de los tres últimos puntos experimentales de infil-
tración acumulada (Cabria y Culot, 1999) en función del tiempo. k: vinculado a las condiciones de la humedad inicial del suelo
n: relacionado con la distribución estructural del suelo
f y A: parámetros relacionados con la tasa de infiltración

básica para tiempos largos del ensayo
S1
S0: sortividad del suelo, dependiente de las condiciones de la
humedad inicial y la conductividad hidráulica
Se evaluó la bondad de ajuste de cada modelo a través del coe-

ficiente R2 dado por el programa GraphPad Prism (2005).
S2
La tasa de infiltración en función del tiempo se obtuvo de-
rivando las ecuaciones (1) y (2) respecto del tiempo. La infiltra-
ción básica (fo) se determinó como promedio de los valores de
la tasa para los últimos tres instantes del ensayo.
S3 Asimismo, como estudio preliminar, en Carmen de Areco y
FAUBA2 se contrastaron los datos experimentales de infiltración
acumulada con los predichos (F(t)) del modelo de GA, para suelos
homogéneos:
Figura 1. Ensayos ( A1, A2,…,H2) agrupados en sectores (S)
en FAUBA1.
Figure 1: Tests ( A1, A2,…,H2) grouped by sets of tests (S)
in FAUBA1.  F (t ) 
F(t ) = K t + h f ∆θ ln 1 +
 h f ∆θ 
(3)
 
Mediciones y análisis de datos donde los parámetros son:

En cada uno de los sitios estudiados se determinaron la tex-
tura: porcentajes de arcilla (% arc) y arena (% are) (método de
K = Ks /2 conductividad hidráulica del suelo (cm min-1)
la pipeta, GW Gee & JW Bauder, 1986); contenido de materia

Ks : conductividad hidráulica saturada (cm min-1) en donde Ei y Mi son los valores estimados y medidos respecti-
hf : potencial del frente húmedo (cm) relacionado con el vamente para cada una de las N determinaciones, y M el promedio
potencial de entrada de aire (he) en la forma hf = 0,76 he de los valores medidos.
θs : humedad en estado de saturación (cm3 cm-3)
∆θ = θs-θi: variación de la humedad volumétrica, donde θi es
el valor inicial en el ensayo (cm3 cm-3)
La función es no lineal e implícita y se resolvió mediante el RESULTADOS Y DISCUSIÓN

método de iteraciones sucesivas.
La clasificación textural de los suelos de los distintos
Se obtuvieron los parámetros de GA empleando las FPT de sitios de ensayo, los valores medios obtenidos de los por-
SyR, utilizando propiedades físicas de los suelos, muestreados de
centajes de arcilla, arena y materia orgánica, densidad
0 a 20 cm, tales como: %MO; % arc; %are y grado de compactación
(DF). Este último relaciona la densidad aparente actual del suelo
aparente y humedad volumétrica inicial con sus respec-
con la densidad aparente del suelo no compactado (DF =1) (Saxton, tivos coeficientes de variación se muestran en la Tabla
2005, comun. personal). Con estos datos, el modelo de SyR, predice 1. Se observa que el potrero 13b (Areco) y el sector S1
las propiedades hidráulicas como la Ks, θs, y he, utilizados como (FAUBA1) tienen los más altos contenidos de materia
parámetros de entrada para GA. La validez de las FPT de SyR se orgánica (1,4 y 0,84 g kg-1) respectivamente, que provie-
limitan para valores de MO < 8% y grados de compactación 0,9 nen, en el primer caso de la alta concentración de guano
< DF <1,3. Por esta razón no se aplicó al Potrero 13b (ARECO) vacuno y en el segundo, del uso intensivo de material
y al suelo de FAUBA1.
de enmienda durante el período de producción hortícola.
La tasa de infiltración (f(t)) se obtuvo derivando (3) respecto Estos valores se corresponden con una baja densidad
del tiempo:
aparente (0,98 g cm-3 y 1,05 g cm-3). En cuanto a la hume-
dad inicial no hubo diferencias significativas entre gru-
pos de ensayos para FAUBA1.
 h ∆θ 
f (t ) = K  f + 1 (4) En la Tabla 2 se presentan los parámetros de los mo-
 F (t )  delos de K-L y Ph obtenidos del ajuste global a los datos
experimentales de infiltración de cada grupo de ensayos,
con eficiencia R2. La última columna muestra los pará-
El valor de la sortividad So del modelo de Philip está relacio- metros del modelo predictivo de GA, obtenidos a partir
nado con los parámetros de GA a través de la ecuación (Regalado del modelo textural de SyR mediante las FPT y el coeficien-
et al. 2003):
te de eficiencia CE de la predicción.
Puede verse que las bondades de ajuste (R2) de los
S 0 ≅ 2 K h f ∆θ (5) modelos de K-L y Ph a los datos experimentales de in-
filtración acumulada fueron iguales en cada grupo de en-
sayos, con valores mayores a 0,6. La predicción de la in-
filtración mediante GA, en base a las FPT de SyR, para
que se deduce a partir de la expresión de la tasa de infiltración de
GA para tiempos cortos de ensayo. los dos grupos de ensayos de Areco, con excepción del
Potrero 13b y en FAUBA2 tienen un CE alto.
En los potreros 13a y 19 de Carmen de Areco, con el fin de
evaluar el comportamiento de las FPT, se estimaron los valores En la Figura 2 se muestran algunos gráficos de infil-
de humedad para distintos potenciales mátricos (curva de reten- tración acumulada en función del tiempo para los ensa-
ción hídrica), que fueron comparados con los valores experimen- yos de cada grupo en distintos sitios. Además, en línea
tales obtenidos mediante el método de la placa de Richards (Klute, llena se observa el ajuste global de los modelos K-L y Ph
1986), para valores de presión entre 10 y 1.500 kPa (Laboratorio y la función predictiva de GA. Se observa una mayor
Ingeis, Conicet). La bondad de la predicción de dichas funciones
coincidencia entre los valores experimentales y los pre-
a los datos experimentales se evaluó por medio del cálculo del
coeficiente de eficiencia (CE) de Nash-Sutcliffe (King, 2000; Evans dichos para los mayores tiempos de infiltración en el
et al., 2003): grupo de ensayos M1-M2, respecto del grupo M3-M4.
Esto puede deberse a la existencia de heterogeneidad en
el perfil a partir de los 20 cm de profundidad, que no ha
N
∑(E − M )
2 sido tenida en cuenta en el modelo homogéneo de GA.
i i
CE = 1 − i =1
N
En la Tabla 3, se muestran los valores de la tasa de
∑(M −M)
2
infiltración básica (fo) para todos los grupos de ensayos,
i
i =1 que se obtuvieron de la derivada temporal de las funcio-

Tabla 1. Porcentajes de arcilla (% arc), arena (% are), contenido de materia orgánica (MO), densidad aparente (δap)
y humedad inicial (θi) de los suelos de Areco, FAUBA1 y FAUBA2.
Table 1. Percents of clay (% arc), sand (% are) , organic matter content (MO), bulk density (δap) and initial wetness
(θi) of Areco, FAUBA1 and FAUBA2 soils.
Grupos de MO δap CV% θi CV%

Sitios Textura ensayos % arc % are
g kg -1 g cm-3 - cm3 cm-3 -
22,5 17,5 0,64 a 1,31 a 04,8 0,34 a 10,6
franco Potrero 13 a
ARECO 12,5 37,5 1,40 b 0,98 b 12,1 0,42 b 06,8
limoso Potrero 13 b
18,1 20,0 0,38 c 1,37 a 03,7 0,33 a 05,3
Potrero 19
40,2 13,7 0,84 b 1,05 a 03,1 0,31 a 04,9

arcillo S1
FAUBA1 41,4 12,5 0,57 a 1,14 b 02,7 0,32 a 06,9
limoso S2
39,2 13,9 0,65 ab 1,08 ab 08,0 0,29 a 07,0
S3
franco 28 30 0,28 1,06 a 03,5 0,22 a 04,2

M1 M2
FAUBA 2 arcilloso 28 30 0,28 1,13 a 03,0 0,31 b 05,0
M3 M4
Letras distintas indican diferencias significativas(p<= 0,05) entre grupos de ensayos del mismo sitio.
Tabla2. Parámetros de los modelos de infiltración de Kostiakov-Lewis (K-L), Philip (Ph) y Green-Ampt (GA).
Tabla2. Parameters of Kostiakov-Lewis (K-L), Philip (Ph) and Green-Ampt’s (GA) models infiltration.
K-L Ph GA
Grupos
Sitios de k n f R2 So A R2 Ks h f
θs CE
ensayos cm min-n - cm min-1 - cm min-0,5 cm min-1 - cm min-1 cm cm3 cm-3 -
P. 13 a 0,42 0,95 -0,27 0,84 0,22 0,03 0,83 0,007 63,4 0,51 0,79
ARECO P. 13 b 0,21 0,99 -0,19 0,70 0,04 0,09 0,68 - - - -
P. 19 0,22 0,58 -0,02 0,87 0,25 0,02 0,87 0,01 61,0 0,48 0,85
S1 1,65 0,37 -0,40 0,95 1,22 0,37 0,95 - - - -

FAUBA1 S2 1,98 0,95 -1,42 0,40 1,24 0,02 0,39 - - - -
S3 2,12 0,71 -0,03 0,94 2,87 0,28 0,94 - - - -
M1 M2 1,10 0,46 -0,04 0,99 1,01 0,03 0,99 0,04 69,8 0,59 0,98
FAUBA2
M3 M4 0,28 0,62 -0,01 0,99 0,34 0,004 0,99 0,03 15,5 0,53 0,95
P: Potrero.
Tabla 3. Valores de la infiltración básica (fo) para todos los grupos de ensayos y modelos.
Table 3. Basic infiltration values (fo) for all sets of tests and models.
Grupo K-L Ph GA
Sitios de fo fo fo
ensayos
cm min-1 cm min-1 cm min-1
Potrero 13a 0,03 0,04 0,03
ARECO Potrero 13b 0,01 0,01 -
Potrero 19 0,03 0,03 0,03
S1 0,42 0,41 -
FAUBA1 S2 0,03 0,07 -
S3 0,35 0,39 -
M1 M2 0,07 0,07 0,05

FAUBA 2 0,02 0,02 0,03
M3 M4

80 40
70 35 FAUBA 1
60 30 S2
K-L
50 25
F (cm)
F(cm)
40 20
FAUBA 1
30 S1 15
20 K-L 10
10 5
0 0
0 20 40 60 80 100 120 140 160 0 20 40 60 80 100 120 140 160
t (min)
t (m in)
80 15
70
12,5
60
10
50
F (cm)
F (cm )
40 7,5 FAUB A 2
FAUBA1 M1 - M2
30 5
S3 K- L
20 K-L
2,5
10
0
0
0 10 20 30 40 50 60 70 80 90 100 110 120 130
0 20 40 60 80 100 120 140 160
t (min) t (m in )
4,5
4
3,5
3
2,5
F( cm )
2
1,5 F AU B A 2
M3 -M 4
1 K -L
0,5
0
0 10 20 30 40 50 60 70 80 90 100 110 120 130
t (m in )
10
9 AR EC O 2 ,5
P ot rero 1 3a
8 A REC O
Ph 2
7 P ot re ro 13b
6 Ph
F(c m )
5 1 ,5
F (c m )
4
3 1
2
1 0 ,5
0
0 50 1 00 1 50 0
t ( m in ) 0 50 1 00
t( min)

10
9 AR ECO
Pot rero 13a
8
7 GA
6
F(cm )
5
4
3
2
1
0
0 50 100 150
t (min )
15 5
4,5
12,5 4
3,5
10
3
F (c m )
F(cm )
FA UB A 2
7,5 2,5
M1 - M2
GA 2 F A U BA 2
5 1,5 M 3 - M4
GA
1
2,5
0,5
0 0
0 10 20 30 40 50 60 70 80 90 100 110 120 130 0 10 20 30 40 50 60 70 80 90 1 00 1 10 1 20 1 30
t (min ) t (min )
Figura 2. Ajuste global de los modelos de Kostiakov-Lewis (K-L) y Philip (Ph) y validación de Green-Ampt (GA) (línea llena)
a los datos experimentales de infiltración acumulada (símbolos distintos corresponden a ensayos diferentes) de los distintos
grupos de ensayos.
Figure 2. Global fitting of Kostiakov-Lewis (K-L) and Philip (Ph) models and validation of Green-Ampt (GA) (solid line) to
experimental cumulative infiltration data (different symbols correspond to different tests) of the different sets of tests.
nes de ajuste de infiltración acumulada de K-L, Ph y bajos, debido probablemente, a la acumulación de par-
predictiva de GA. Los valores de fo hallados con todos tículas de arcilla y limo arrastradas por escorrentía super-
los modelos exhiben igual orden de magnitud para cada ficial durante la lluvia. En FAUBA2, los ensayos M1 y
grupo de ensayos. Se desprende que los modelos con- M2 mostraron una fo mayor que en M3 y M4, sin embar-
vencionales presentan un buen comportamiento para go, los valores de densidad aparente en estos dos sitios
describir el proceso de infiltración. son estadísticamente iguales.
El bajo valor de infiltración básica obtenido en el En la Figura 3a y 3b se observan las curvas de reten-
potrero 13b (ARECO), a pesar de que el suelo posee una ción hídrica, graficadas a partir de los valores de conte-
elevada concentración de MO, es posiblemente debido nido de humedad medidos y predichos por las funciones
a la alta compactación de los primeros centímetros de sue- de Saxton y Rawls para cada una de las succiones ensa-
lo, producida por el pisoteo de animales, tal como afir- yadas. Los valores del coeficiente de eficiencia para el
man Taboada y Micucci (2002). potrero 13a y el 19 fueron 0,90 y 0,84, respectivamente,
En FAUBA1, los valores máximos de fo hallados para lo cual indica un alto poder predictivo del modelo.
los sectores S1 y S3 podrían atribuirse a su localización En la Tabla 4 se muestran los valores de sortividad
en antiguos camellones de cultivo, con baja densidad So del modelo de Philip obtenidos del ajuste global a los
aparente y alto contenido de materia orgánica (Seguel et datos experimentales de infiltración acumulada (Tabla 2)
al., 2003). No se descarta la posible presencia de grietas y los valores de So predichos según la ecuación (5) con
debida a los altos contenidos de arcilla y macroporos los parámetros hidráulicos de Sy R (Tabla 2). Los valores
como resultado de los antiguos laboreos. En cambio, las de So predichos según la ecuación (5), coinciden con So
tasas de infiltración en el sector S2, situado en el surco de (Ph) con un CE = 0,87.
entre camellones, acusan valores sensiblemente más

0,6
0,6
0,5 Pot. 13a
Pot. 13a Medidos
M edidos
0,5
Pot. 13a
Pot. 13a Predichos
Predic hos Pot. 19
Pot. 19Medidos
Medidos
0,4 0,4 Pot. 19
Pot. 19Predichos
Predichos
cm3)
cm3)
0,3 0,3
θ (cm3
θ (cm3
0,2 0,2
0,1 0,1
0 0
0 500 1.000 1.500 00 500
500 1.000
1000 1.500
1500
Succión (kPa) Succión (kPa)
(a) (b)
Figura 3. Valores de contenido de humedad medidos y predichos por las FPT de Saxton y Rawls, en función del potencial mátrico
para el Potrero 13a (a) y el Potrero 19 (b).
Figure 3. Measured and predicted soil water content values from FPT of Saxton and Rawls, as a function of matric potential
for 13a (a) and 19 (b) plots.
Tabla 4. Valores de la sortividad (So) obtenidos con el modelo de Philip (Ph)

y predichos con Saxton y Rawls (SyR).
Table 4. Values of the sortivity (So) obtained from Philip (Ph) model and
predicted ones with Saxton y Rawls (SyR).
Grupos de So (Ph) So (SyR)

Sitios
ensayos cm min -0,5
cm min-0,5
Potrero 13 a 0,22 0,27

ARECO
Potrero 19 0,25 0,30
M1 M2 1,01 1,01
FAUBA 2
M3 M4 0,34 0,32
CONCLUSIONES de Saxton y Rawls en su aplicabilidad, fueron buenas

Los modelos de Kostiakov-Lewis y Philip son alta- predictoras de los valores de sortividad y humedad en
mente eficientes para describir el comportamiento de la función del potencial mátrico, para los suelos estudia-
infiltración de agua en los suelos estudiados. Las dife- dos. Se aconseja, sin embargo, realizar un estudio pre-
rencias observadas en las tasas de infiltración se atribui- liminar con un número pequeño de ensayos y analizar la
rían, más allá de la clasificación del suelo, a otros factores bondad de predicción de estas funciones en los sitios
tales como el uso de la tierra y la influencia de la carga que se investigan, descartando de este modo, situa-
animal. Este último factor deberá ser estudiado en el futuro ciones que se apartan de las hipótesis del modelo.
más intensivamente, teniendo en cuenta que son pocos
los datos obtenidos hasta el momento.
El modelo predictivo de Green-Ampt, a partir de las
funciones de pedotransferencia de Saxton y Rawls, tuvo AGRADECIMIENTOS
buena predicción en algunos ensayos, aunque se vis- Este trabajo fue financiado por el Proyecto G089 UBACyT
lumbra la necesidad de generar funciones de pedotrans- 2004-2007: Elementos de diagnóstico de contaminación del suelo
y el agua subterránea por producción animal intensiva.
ferencia para suelos de una misma región, así como aplicar
modelos para suelos no homogéneos. A pesar de la limi-
tación que presentan las funciones de pedotransferencia

BIBLIOGRAFÍA Narro Faría, E. 1994. Física de suelos, con enfoque agrícola.

Aragón, A; J Dipardo; R Balbuena & H Chidichimo. 1997. Evo- Editorial Trillas. México. 194 p.
lución temporal de la infiltración en tres sistemas de labranza. Osuna Ceja, ES & JS Padilla Ramirez. 1998. Estimación de la sor-
II Congreso Chileno de Ing. Agrícola. CIACH 97. bilidad e infiltración usando datos de simulación de lluvia pa-
Blake, GR & KH Hartge.1986. Bulk density. In: Methods of soil ra tres tipos de suelos de la zona semiárida de México. Terra
analysis. Part 1 ed: A. Klute Agronomy 9. ASA-SSSA. 16(4): 293-302.
Madison, WI, USA. Page, AL. 1982. Methods of soil analisys. Chemical and micro-
Burt, CM. 1995. The Surface Irrigation Manual - A Comprehensive biological properties. SSSA, Inc. Publisher. Madison, Wiscon-
Guide to Design and Operation of Surface Irrigation Systems. sin, USA. 1159 p.
Waterman Industries. Exeter, CA. 373 p. Ravi, V & JR Williams. 1998. Estimation of Infiltration Rate in
Cabria, F & JP Culot. 1999. Sortividad y conductividad hidráulica the Vadose Zone: Compilation of Simple Mathematical
saturada de Udoles del sudeste bonaerense, Argentina. Cien- Models. EPA (Environmental Protection Agency) National
cia del Suelo 17(1): 8-19. Risk Management Research Laboratory.26 p.
Chambouleyron, J. 1993. Riego y Drenaje. Cátedra de Hidrología Regalado, CM; A Ritter; J Álvarez Benedí & R Muñoz Carpena.
Agrícola. Facultad de de Ciencias Agrarias UNCuyo. Mendoza, 2003. Medida de la Sortividad del suelo con el permeámetro
Argentina. 556 p. de Philip-Dunne. Estudios de la Zona No Saturada del Suelo
VI: 119-124.
Evans, B; SA Sheeder & DW Lehning. 2003. A spatial technique
for estimating streambank erosion based on watershed Saxton, K & WJ Rawls. 2006. Soil Water Characteristic Estima-
characteristics. Journal of Spatial Hydrology 3: 1-13. tes by Texture and Organic Matter for Hydrologic Solutions.
Soil Sci. Soc. Am. J. 70: 1569-1578.
Gee, GW and JW Bauder. 1986. In: Methods of Soil Analysis. Part
1. ASA - SSSA, Madison Wisconsin (USA). Agronomy N° 9. Seguel, O; V García De Cortázar & M Casanova. 2003. Variación
Ed Klute. A 383-412. en el tiempo de las propiedades físicas de un suelo con adición
de enmiendas orgánicas. Agricultura Técnica (Chile) 36(3):
GraphPad Prism version 4.00 for Windows. 2005. GraphPad
287-297.
Software. San Diego California .
Soil Survey Staff.1994. Keys to soil taxonomy In: Agric. Handb.
INTA. 1989. Mapa de suelos de la Provincia de Buenos Aires.
6th. ed. U.S. Gov.
Secretaría de Agricultura, Ganadería y Pesca.
Print. Office. United Sates Department of Agriculture - Soil
InfoStat (2002). InfoStat, versión 1.1. Manual del Usuario. Grupo
Conservation Service. Washington, DC, USA.
InfoStat, FCA, Universidad Nacional de Córdoba. Primera
Edición, Editorial Brujas Argentina. Taboada, M & F Micucci. 2002. Fertilidad física de los suelos.
Editorial Facultad de Agronomía Universidad de Buenos Aires.
King, KW. 2000. Response of Green-Ampt Mein-Larsen Simulated
Bs. As. 79 p.
Runoff Volumes to Temporally Aggregated Precipitation.
Journal of the American Water Resources Association 36(4): Tomasella, J; Y Papechepsky; S Crestana & WJ Rawls. 2003.
791-794. Comparison of Two Techniques to Develop Pedotransfer
Functions for Water Retention. Soil Sci. Soc. Am. J. 67: 1085-
Klute, A. 1986. Water retention: Laboratory methods. Pp. 597-
1092.
618 En: A Klute (ed.). Methods of soil analysis. Part 1. ASSA,
Inc, Publisher. Madison, Wisconsin, USA. Young, E. 1991. Infiltration measurements, a review. Hydrologi-
cal processes 5: 309-320.
Lado, M; A Paz & M Ben-Hur. 2004. Organic Matter and Aggregate
Size Interactions in Infiltration, Seal Formation, and Soil Loss.
Soil Sci Soc Am J 68: 935-942.
Moreira, L; AM Righetto & VM Medeiros. 2004. Soil hydraulics
properties estimation by using pedotransfer functions in a
northeastern semiarid zone catchment, Brazil. International
Environmental Modelling and Software Society, 2004,
Osnabrueck. Complexity and Integrated Resources
Management, Transactions of the 2nd Biennial Meeting of
the International Environmental Modelling and Software
Society, iEMSs 2004. Manno, Switzerland 2: 990-995.

Tutorial Completo UNLP Soil Water Characterisitics

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Tutorial Completo UNLP Soil Water Characterisitics

Cargado por

Copyright:

Formatos disponibles

Introducción al programa

“Soil Water Characteristics”

Keith E. Saxton y Walter Rawls

El presente tutorial ha sido creado para la Maestría de Cuencas Hidrográficas

Gabriel Vazquez Amábile

INSTALACIÓN DEL PROGRAMA ..................................................................................................................4

OPERACIÓN DE LA INTERFASE GRAFICA ....................................................................................................8

COMANDOS DEL MENU DELPROGRAMA .....................................................................................................9

DIFERENCIAS ENTRE LAS ECUACIONES 1986 Y 2006 ...............................................................................11

Efecto de la Materia Orgánica (MO) .................................................................................................11

Efecto de la Salinidad ........................................................................................................................12

Efecto de la compactación .................................................................................................................13

Efecto del contenido de gravas ..........................................................................................................14

EJEMPLO DE APLICACION DEL PROGRAMA ..............................................................................................14

GLOSARIO DE TÉRMINOS EN INGLES TRADUCIDOS AL CASTELLANO........................................................16

REFERENCIAS - SOIL WATER CHARACTERISTICS VERSION 2006.............................................................18

TEXTO COMPLETO DE TRABAJOS COMPLEMENTARIOS …………………………………………………………21

- Landini, A.M et al. Modelos de infiltración y funciones de pedotransferencia aplicados a suelos de

Dr. Keith E. Saxton1 y Dr. Walter Rawls2

Frecuentemente, el análisis hidrológico involucra la evaluación de la infiltración del suelo, el

INSTALACIÓN DEL PROGRAMA

El programa puede ser descargado desde el sitio web http://hydrolab.arsusda.gov/soilwater/Index.htm

Figura 2 – Acceso a la descarga del programa

Figura 3 – Vista del archivo descargado en el explorador de Windows

Figura 4 – Pantallas de instalación

Figura 5 – Pantallas de instalación – Confirmación del directorio de destino

Figura 7 – Confirmación de creación de un icono de acceso directo y ejecución del instalador

Figura 8 – Final de la instalación

Figura 10 - Interfase gráfica del programa

En segunda instancia, también puede modificarse el contenido de Materia Orgánica, la Salinidad, el

COMANDOS DEL MENU DELPROGRAMA

Figura 13- Vista de la opción Cascada para varias soluciones abiertas

Efecto de la Materia Orgánica (MO)

El incremento del MO generalmente produce un aumento de la capacidad de retención de agua y de la

Figura 15. Control de variación del % de Materia orgánica

Figura 16 . Control de variación de salinidad

Figura 18 - Control de variación de compactación

EJEMPLO DE APLICACION DEL PROGRAMA

Figura 20. Resultados del ejemplo

Si introducimos el valor calculado de humedad volumétrica 25.3%, en el “Calculador de Humedad”, podemos

Figura 21. Calculador de humedad

Figura 22. Curva de tensión - humedad correspondiente a la muestra del ejemplo

Bulk Density (BD): Densidad Aparente (Dap)

Field Capacity (FC): Capacidad de Campo (CC)

Hydraulic Conductivity: Conductividad hidráulica

Plant Available Water (PAW): Agua Útil o disponible para el cultivo

Saturation (SAT): Saturación

Tension (Soil water potential): Tensión ( o presión negativa)

Wilting Point (WP): Punto de Marchitez (PMP)

ABSTRACT characteristics (Van Genuchten and Leij, 1992). Appli-

H YDROLOGIC ANALYSES are commonly achieved by

(1986) were based on mean texture class data summa-

an experienced soil scientist to make a qualified judg-

particles with a chemical such as sodium metaphosphate

MODELOS DE INFILTRACIÓN Y FUNCIONES DE PEDOTRANSFERENCIA

INFILTRATION MODELS AND PEDOTRANSFER FUNCTIONS APPLIED

CI. SUELO (ARGENTINA) 25(2): 123-131, 2007

INTRODUCCIÓN ruptura de los agregados y la aparición de capas sellan-

CI. SUELO (ARGENTINA) 25(2): 123-131, 2007

n: relacionado con la distribución estructural del suelo

f y A: parámetros relacionados con la tasa de infiltración

Se evaluó la bondad de ajuste de cada modelo a través del coe-

Mediciones y análisis de datos donde los parámetros son: