Está en la página 1de 14

Caracterización geométrica de la estructura del suelo a través de herramientas analíticas no convencionales.

Resumen

La estructura del suelo es esencial para la función del suelo y la calidad ambiental. Por lo tanto, una evaluación adecuada
de los sistemas de gestión es esencial para garantizar la preservación y regeneración de la estructura del suelo. Técnicas
como la microtomografía de rayos X y el análisis automatizado del tamaño de partícula del suelo basado en la
atenuación de rayos gamma proporcionan una cuantificación rápida de las propiedades físicas del suelo y permiten la
evaluación de la estructura del suelo. El objetivo de este estudio es determinar los parámetros físicos del suelo
utilizando herramientas analíticas no convencionales para caracterizar y evaluar las características geométricas de los
suelos con diferentes estructuras con alta precisión. Las muestras de suelo extraídas de la granja experimental UNESP
(Brasil) se separaron en dos grupos de manejo diferentes de acuerdo con su similitud textural. Los siguientes resultados
se obtuvieron del análisis: 1) La microtomografía se puede utilizar para extraer la porosidad del suelo, incluida la
microporosidad del suelo. 2) El factor de forma indica la organización geométrica de la estructura del suelo, que es
relevante y válida para evaluar el grado de degradación del suelo. 3) La dimensión fractal está relacionada con la
distribución del tamaño de las partículas y el agregado del suelo, pero no fue suficiente para describir las propiedades
geométricas del suelo cuando se usa solo. 4) El acoplamiento de la dimensión fractal con la lacunaridad proporciona una
herramienta importante para estimar la estructura del suelo. Finalmente, la aplicación de los parámetros físicos del
método no convencional proporcionó nuevas ideas para comprender la estructura geométrica del suelo, lo que puede
respaldar futuras investigaciones de fenómenos de flujo en el suelo.

Introducción

El manejo adecuado del suelo es esencial para garantizar la producción agrícola y para promover el desarrollo ambiental
y socioeconómicamente sostenible en todo el mundo. Pronto, la preservación y regeneración de la estructura del suelo
se volverá esencial para mantener funciones importantes del suelo y para asegurar la calidad ambiental. Sin embargo,
uno de los desafíos actuales en el estudio de la estructura del suelo es la falta de conocimiento sobre cómo evaluar de
forma no destructiva y confiable los parámetros físicos del suelo, incluida la estructura del suelo, que está influenciada
por las prácticas de manejo y la intensidad. Los parámetros físicos del suelo generalmente se miden para obtener una
mejor comprensión de los procesos del suelo, como los efectos de la labranza en la estructura del suelo (Reynolds et al.,
2009). Mediante el análisis visual, Carducci et al. (2016) evaluaron cómo la estructura de un Oxisol cambió como
consecuencia del manejo y validaron sus hallazgos mediante el escaneo por tomografía computarizada (TC) de rayos X
de muestras de suelo no alteradas. Pires y col. (2017) exploraron diversas herramientas para cuantificar las diferencias
del sistema de poros entre los sistemas de gestión convencionales y sin labranza. Del mismo modo, Naveed et al. (2016)
cuantificaron la transmisión de tensión vertical en una capa superficial del suelo cultivable y determinaron la estructura
del suelo inducida por la compactación mediante la aplicación de rayos X CT.

Por primera vez, se utilizó concomitantemente un conjunto de herramientas analíticas no convencionales para investigar
la estructura geométrica de los suelos tropicales bajo diferentes tipos de manejo. Seleccionamos varias técnicas y
métodos no convencionales para determinar las opciones de análisis más pertinentes. Estas técnicas y métodos incluyen
un analizador automático del tamaño de partícula del suelo (Naime et al., 2001), tomografía computarizada de rayos X y
procesamiento digital de imágenes (Crestana et al., 1985, Passoni et al., 2014). Elegimos principalmente estos métodos y
técnicas basados en el concepto de que la textura del suelo afecta directamente la estructura del suelo. Además, se
introdujeron el análisis elemental CHNS / O y la espectroscopia de fluorescencia inducida por láser (LIFS) (Milori et al.,
2006 y Senesi et al., 2016) para complementar la discusión.

Tseng y col. (2018) se centró en una evaluación metodológica de la calidad estructural del suelo utilizando una imagen
representativa. Marchini et al. Utilizaron imágenes tomográficas para evaluar cualitativamente el proceso de
regeneración de un Oxisol brasileño bajo diferentes tipos de manejo. (2015) Vaz y col. (2011) cuantificaron la porosidad
y la distribución del tamaño de poro de dos oxisoles brasileños, dando como resultado información importante para
establecer parámetros de escaneo apropiados para estos suelos. Beraldo y col. (2014) también aplicó un método
tomográfico para evaluar la porosidad de tres sistemas de manejo de suelos y verificó que su método podría usarse para
obtener información a escala de macropores. Para este estudio, utilizamos un analizador elemental y un sistema LIFS
para calcular el contenido de carbono del suelo (C) y el índice de humificación de la materia orgánica del suelo (Milori et
al., 2006 y Senesi et al., 2016) como indicadores de la resistencia de El suelo a la descomposición microbiana. El índice
de humificación puede ser bajo si la materia orgánica del suelo está protegida dentro de los agregados; El contenido de
C de los macroagregados es mayor que el de los microagregados (Six et al., 2000). Con respecto a los factores de forma o
forma de poro, Passoni et al. (2014) aplicaron el software ImageJ para caracterizar los oxisoles de la región sureste de
Brasil y demostraron con éxito la posibilidad de utilizar este software para identificar las características de los poros en
los suelos tropicales. Munkholm y col. (2016) confirmaron que el manejo a largo plazo del suelo altera tanto su forma
agregada como las características de los poros al usar el escaneo CT y las mediciones de resistencia a la tracción. La
dimensión fractal es un indicador de la compleja estructura geométrica de un objeto, por ejemplo, la estructura del
suelo; así, la dimensión fractal puede usarse para cuantificar los datos de estructura del suelo a pequeña escala
obtenidos con Xray CT (Zeng et al., 1996). Luego, la dimensión fractal puede usarse para describir las propiedades físicas
del suelo, modelar los procesos físicos del suelo y cuantificar la variabilidad espacial del suelo (Perfect y Kay, 1995). En
este estudio, la dimensión fractal se correlacionó con la textura del suelo (granulometría), que se obtuvieron utilizando
CT de rayos X y un analizador automático de tamaño de partículas del suelo, respectivamente. Aunque el concepto de
lacunaridad se concibió inicialmente para describir propiedades fractales, puede extenderse a otros patrones espaciales
naturales sin ninguna restricción (Plotnick et al., 1996; Allain y Cloitre, 1991). En otras palabras, la curva de lacunaridad
corresponde al grado de heterogeneidad espacial y las características auto-similares de la textura del suelo en términos
prácticos. Este concepto se aplica independientemente de si la textura del suelo es fractal o aleatoria, es decir, la
presencia o ausencia de un patrón geométrico. El trabajo de Monreal et al. (2013) es particularmente interesante
porque estos autores aplicaron el concepto de lacunaridad para investigar la distribución espacial de la pedotaxa en
Europa. En Roy y Perfect (2014), se utilizaron herramientas analíticas y digitales para investigar la lacunaridad y sus
influencias en los procesos de flujo y transporte dentro de las representaciones en escala de grises de los agregados del
suelo. En otro estudio, Martínez et al. (2017) analizaron la lacunaridad en imágenes 3D de columnas de suelo para
caracterizar su geometría espacial macropore. Además, cuando la lacunaridad (L) disminuye hacia ln [L (r)] = 0 y
permanece constante, el tamaño del cuadro o cubo (r) se aborda como el volumen elemental representativo (REV) (Luo
y Lin, 2009). El objetivo de este estudio es determinar los parámetros físicos del suelo utilizando herramientas analíticas
no convencionales para caracterizar y evaluar las características geométricas de los suelos con diferentes estructuras
con alta precisión.

2. Material y métodos.

2.1. Sitios experimentales

Las muestras de suelo se obtuvieron en la Fazenda de Ensino e Pesquisa da Universidade Estadual Paulista "Júlio de
Mesquita Filho" (UNESP), Granja de Enseñanza e Investigación de la Universidad Estatal Paulista "Júlio de Mesquita
Filho", en el campus de Ilha Solteira en la ciudad de Selvíria (Estado de Mato Grosso do Sul - Brasil). Esta granja está
ubicada a orillas del río Paraná (22 ° 22 ′ S y 51 ° 22 ′ O). En la década de 1960, al comienzo de la construcción de la presa
hidroeléctrica en Ilha Solteira (estado de São Paulo), se tomó una muestra de una capa de suelo de 8,6 m de espesor de
la superficie del suelo original para preparar y construir los cimientos de la presa. Desde 1969, el subsuelo que contiene
material del horizonte B ha permanecido expuesto en la superficie y ha mostrado graves etapas de compactación
superficial y una baja presencia de vegetación. El suelo en el área experimental es un oxisol brasileño caracterizado por
etapas avanzadas de meteorización y un pH ácido típico de las regiones ecuatoriales y tropicales (Embrapa Solos, 2013).
2.2. Descripción del muestreo del suelo

En este estudio, se recolectaron muestras de suelo a una profundidad de 0-10 cm en forma de bloques no perturbados
(30 cm x 30 cm x 10 cm) de áreas bajo seis tipos diferentes de manejo (es decir, con diferentes estados estructurales
geométricos del suelo) Las muestras se conservaron a temperatura ambiente y luego se obtuvo una submuestra (8 mm
de diámetro x 12 mm de altura) de cada bloque utilizando un tubo acrílico. A continuación, las submuestras se secaron a
105 ° C durante 48 h. Tras su recolección, las muestras se dividieron en dos grupos en función de su similitud textural de
la siguiente manera. Grupo I: 1) NF - suelo de bosque nativo (control); 2) RS - suelo regenerado, formado mediante la
aplicación de estiércol verde al suelo durante siete años, de 1992 a 1999, seguido de cultivo con Brachiaria decumbens;
3) G - suelo regenerado con Astronium fraxinifolium (Gonçaloalves) + Brachiaria decumbens + lodos de depuradora
doméstica y sin contaminación por metales pesados de la planta de tratamiento de aguas residuales de Araçatuba; y 4)
D - suelo degradado (suelo restante de la construcción de la central hidroeléctrica). Grupo II: 5) RP - tierra de pastura
regenerada y 6) DP - tierra de pastura degradada. Se consideró que el suelo del NF era una referencia para la
comparación en ambos grupos.

2.3. Equipo

En este estudio se utilizaron cuatro aparatos analíticos: i) un analizador de tamaño de partículas de suelo automatizado
casero Embrapa Instrumentación; ii) una microtomografía de rayos X comercial, modelo 1172 - Skyscan / Bruker
(Kontich, Amberes, Bélgica); iii) un analizador elemental comercial CHNS / O, modelo 2400 - PerkinElmer (Waltham, MA,
EE. UU.) Y iv) una LIFS casera de instrumentación Embrapa (espectroscopia de fluorescencia inducida por láser). Con
estos dispositivos, se derivaron conjuntos de parámetros físicos para cada sistema de gestión.

2.3.1. Analizador automatizado de tamaño de partícula del suelo

El analizador automatizado del tamaño de partículas del suelo es un instrumento desarrollado por Embrapa
Instrumentación - São Carlos. Utiliza la atenuación de rayos gamma basada en la Ley de Beer-Lambert modificada y la
Ley de Stoke para determinar rápidamente la distribución del tamaño de partículas, la textura del suelo (granulometría),
la densidad de partículas, la curva de retención de agua y el índice S para el suelo (Vaz et al., 1992 ; Naime et al., 2001).
Para el pretratamiento, las muestras de suelo se secaron en un horno a 105 ° C durante 24 h y se pasaron a través de un
tamiz de malla de 1,5 mm para eliminar la grava y las raíces de plantas restantes. La materia orgánica del suelo no fue
oxidada con H2O2. A continuación, se determinaron los coeficientes de atenuación de masa (μm) (Ec. 1) para todas las
muestras. Posteriormente, se mezclaron 40 g de tierra con 10 ml de solución de hidróxido de sodio (NaOH) y agua
destilada en un agitador tipo Wagner durante 16 h para asegurar que los solutos se disolvieran uniformemente en el
agua. Finalmente, la solución se transfirió a una cubeta y se colocó en el analizador automático de tamaño de partícula
del suelo para adquirir la distribución del tamaño de partícula. Para cada sistema de manejo del suelo, se recolectaron
tres mediciones con la ayuda del software QUALISOLO (Vaz et al., 2007), y se obtuvo la textura del suelo para cada
sistema (Tabla 1).

μ = μ m ρ (1) donde μ es el coeficiente de atenuación lineal, y ρ (kgm − 3) es la densidad física del material.

2.3.2. Calibración de microtomografía y procesamiento de imágenes.

La microtomografía de alta resolución se utilizó para adquirir y reconstruir imágenes tomográficas. Inicialmente, las
proyecciones tomográficas se obtuvieron utilizando una fuente de energía con 100 kV, una corriente de 100 μA y un
filtro de Al y Cu, que fueron especificaciones preseleccionadas para muestras de suelo sin perturbar y diversos
materiales conocidos. Por definición, existe una relación lineal entre la Unidad de Hounsfield (HU) y el coeficiente de
atenuación lineal (Crestana et al., 1985). Por lo tanto, medimos y establecimos una curva de calibración de
microtomografía de rayos X (modelo 1172 - Skyscan (Bélgica)) a través del procesamiento de imágenes utilizando el
software del fabricante (CT-Analyzer). Este paso aseguró el rendimiento del equipo para el procesamiento de imágenes y
las mediciones de características geométricas del suelo (Fig. 1). Luego, las proyecciones se adquirieron con una rotación
total de 360 ° en pasos de 0.3 ° y con una resolución espacial de 5 μm, según lo sugerido por Vaz et al. (2011)
Posteriormente, las proyecciones se reconstruyeron como imágenes bidimensionales con el software NRCon (NRCon
User Manual, 2011) con suavizado 5, corrección de artefactos de anillo 10 y corrección de endurecimiento del haz del
60% (Fig. 2a – f).

2.3.3. Analizador elemental CHNS / O

Se usó un analizador elemental CHNS / O para determinar el contenido de C en el suelo. Inicialmente, se tamizaron
aproximadamente 10 g de una muestra de suelo (malla 100) y se encapsularon con papel de aluminio para acelerar el
proceso de análisis. Se analizaron dos muestras para cada tipo de manejo del suelo. Las muestras se quemaron en un
ambiente de oxígeno puro, y los gases de combustión resultantes se midieron de manera automatizada. Finalmente,
todos los resultados se basaron en el valor estándar conocido de acetanilida, que tiene un patrón orgánico bien
conocido y una composición elemental.

2.3.4. Espectroscopia de fluorescencia inducida por láser (LIFS)

LIFS se utilizó para evaluar el grado de humificación de la materia orgánica del suelo (SOM). Primero, las muestras de
suelo se homogeneizaron moliendo con gas nitrógeno para preservar las propiedades del suelo. Luego, se mezclaron
muestras de suelo de 280 mg con ácido bórico de 120 mg para asegurar la aglomeración entre partículas de suelo.
Posteriormente, las muestras se prensaron en una tableta de 0,5 g con un grosor de 2 mm y un diámetro de 10 mm. El
sistema LIFS consistía en un láser de diodo con una longitud de onda de 405 nm acoplado a un haz óptico con 6 fibras
ópticas para excitar la muestra de suelo y una fibra óptica central para recolectar señales de fluorescencia de la muestra.
El espectrómetro era un USB2000 UV-vis fabricado por Ocean Optics (Dunedin, FL, EE. UU.) Con 500 ms de tiempo de
integración y 5 furgones. Cada opción de gestión consistió en 4 repeticiones.

2.4. Métodos de análisis físicos y software.

2.4.1 Clásica - porosidad (ϕc)

Inicialmente, las muestras preseleccionadas se secaron al horno y se impregnaron con parafina. Según el principio de
Arquímedes, cuando un objeto (ms) se sumerge en un líquido con densidad conocida, en este caso es agua (ρw = 1 g /
cm3), el volumen desplazado de líquido (Vl) es igual al volumen del objeto. Utilizamos este principio para calcular la
densidad aparente del suelo (ρb) (Ec. 2). Con el software QUALISOLO, obtuvimos empíricamente la densidad de
partículas (ρp) (Ec. 3) (Vaz et al., 2007 y Naime y Vaz, 2007). Después de medir ρb y ρp, la ecuación. (3) se utilizó para
obtener la porosidad total del suelo (ϕc) (Ec. 4).
2.4.2 Analizador de TC - porosidad (ϕt)

Primero, la imagen microtomográfica reconstruida se binarizó utilizando el método Otsu (1975) (Manual for Bruker-
micro CT - CT Analyzer, 2013), que consiste en la selección automática de los umbrales óptimos que minimizan las
variaciones entre clases en el ROI (Región de interés) de las imágenes del software CT Analyzer del fabricante.
Posteriormente, el valor de porosidad 2D se calculó corte por corte, dividiendo el espacio vacío por el área total, incluido
el espacio vacío para cada uno de los cortes de imagen. Finalmente, la porosidad 3D se obtuvo integrando la porosidad
medida en las 500 imágenes.
Fig. 2. Segmentación de imagen por microtomografía: a) NF - Suelo de bosque nativo caracterizado por una formación
heterogénea; b) -RS - Suelo regenerado que muestra características heterogéneas similares a NF; c) G - Regeneración del
suelo, que tiene poros grandes, con otros rasgos similares al suelo degradado f; d) RP - Regeneración del suelo del pasto
en las etapas iniciales de recuperación; e) DP: suelo de pasto degradado caracterizado por la aglomeración de
agregados, lo cual es típico en suelos degradados; f) D - Suelo degradado con un perfil homogéneo que es característico
de alta compactación.

Fig. 3. a) El método de conteo de cajas aplicado en un conjunto fractal teórico (L) yb) el número de caja (n (L)) que es
parte del conjunto fractal (L) se trazó contra el tamaño de la caja (L) La dimensión fractal (D) es igual a la pendiente de la
línea recta ajustada. Modificado de Pascua et al. (2003)

2.4.3 ImageJ - factor de forma


ImageJ es un programa de procesamiento de imágenes de dominio público que fue desarrollado por los NIH (Institutos
Nacionales de Salud) y tiene más de 500 complementos disponibles (Schneider et al., 2012). El factor de forma
proporciona información sobre la organización de la estructura geométrica y puede usarse para determinar el grado de
degradación del suelo. Skvortsova (2009) sugirió la siguiente fórmula del factor de forma (Ec. 5) para calcular la forma de
los poros:

En esta ecuación, S es el área, P es el perímetro y D y L son las dimensiones lineales transversales y longitudinales,
respectivamente (Karsanina et al., 2015). Estos valores se obtuvieron del comando ImageJ: Analizar partículas, que
consideraba D como el eje menor y L como el eje mayor del objeto seleccionado en una imagen binaria. Una vez que se
obtienen los valores de los factores de forma, se separan en cinco clases según la forma de los poros y tres tipos de
organización estructural, como se ve en la Tabla 2 de Skvortsova (2009). Debido a la gran cantidad de información
contenida en una sola imagen microtomográfica y considerando el tiempo de procesamiento digital, se utilizó una capa
de la sección central de 500 imágenes bidimensionales en este estudio para mostrar el potencial de este parámetro para
analizar diferentes estructuras del suelo.

2.4.4 Analizador CT - dimensión fractal

Al principio, el ROI se seleccionó de la imagen y se binarizó utilizando el método Otsu (1975); a continuación, la
dimensión fractal 2D se calculó cubriendo la estructura con cajas de longitud r (es decir, el método de Kolmogorov o ``
conteo de cajas ''). La imagen se dividió en una matriz de cuadrados de igual tamaño que contenía parte de la superficie
del objeto, y este procedimiento se repitió en un rango de tamaños de caja. El número de cajas que contenían superficie
se trazó contra la longitud de la caja en un diagrama de registro. Finalmente, la dimensión fractal se calculó a partir de la
pendiente de la regresión del loglog (Fig. 3).

2.4.5 ImageJ - lacunaridad

Para el presente estudio, el complemento abierto FracLac desarrollado por la Universidad de Charles Sturt, Australia, se
utilizó en el entorno ImageJ (Karperien, 2007). Este complemento se implementó para medir la lacunaridad de la imagen
microtomográfica. El algoritmo FracLac se usó para calcular la lacunaridad utilizando una medida de intensidad de
píxeles para diferentes tamaños de "cajas deslizantes" (Allain y Cloitre, 1991). FracLac utiliza los primeros momentos Z
(1) y Z (2) definidos por Plotnick et al. (1996) en función de la media de las mediciones (τ) y su desviación estándar (ơ),
que varían con la longitud del cuadro (b) y el ancho de la imagen (T) en número de píxeles; la condición es siempre b≤T
(6) y (7).
Fig. 4. Factor de forma obtenido mediante el método de clasificación de Skvortsova (2009) - Grupo I.
Por definición, la ecuación de lacunaridad (Λ (r)) es una correlación directa entre las funciones Z (1) y Z (2), que está
representada por las ecuaciones. (8) y (9).

La relación entre ơ y τ cambia de acuerdo con el tamaño variable de la "caja deslizante" (r). Es decir, el valor de
lacunaridad depende de la escala del "cuadro deslizante" sobre la imagen. Basado en la ecuación (9), se produjo un
gráfico log-log de lacunaridad versus el tamaño de la "caja deslizante" en el eje x. Se seleccionó una imagen
bidimensional representativa de cada muestra para calcular el valor de lacunaridad.

2.4.6. Índice de humificación

De acuerdo con Milori et al. (2006), el índice de humificación (HFIL) está definido por la ecuación. (10), donde Af es el
área de fluorescencia y CT es el contenido total de carbono determinado por análisis elemental.

3. Resultados y discusión

3.1. Porosidad - ϕc y ϕt

La distribución del tamaño de poro está directamente relacionada con el drenaje de agua y la capacidad de retención del
suelo, así como con las condiciones de aireación del suelo. Actualmente, los escáneres de sobremesa o de gabinete nos
permiten obtener una resolución de aproximadamente 1–100 μm para muestras que varían de unos pocos milímetros a
unos pocos centímetros de diámetro (Cnudde y Boone, 2013; Vaz et al., 2011). Debido a las limitaciones de la
tomografía, consideramos poros detectables por microtomografía con un diámetro superior a 10 μm, que es consistente
con la resolución preseleccionada. Este rango de resolución es suficiente para detectar macroporos, mesoporos y
algunos microporos (Tabla 3). Claramente, esta resolución espacial es ideal para estudiar macroporos, como lo verifica la
evaluación de la porosidad bajo tres sistemas de gestión por Beraldo et al. (2014) Este procedimiento destaca que, en
este caso, es posible una comparación de los porcentajes de porosidad efectivos obtenidos con dos métodos de análisis
diferentes para cada uno de los diferentes sistemas de gestión a escala micrométrica.

De acuerdo con Marchini et al. (2015) y Bonini y Alves (2011), quienes investigaron los mismos suelos que se
consideraron en este estudio mediante el uso de métodos clásicos, verificamos que ambos métodos tienen el mismo
orden de magnitud, es decir, la resolución adoptada en este estudio era pertinente para investigar las propiedades
geométricas del suelo. Una vez que se verificó la resolución de poro detectable, estimamos la microporosidad
calculando ϕc - ϕt. Grupo I (Tabla 4): en base a condiciones de campo in situ consistentes, primero obtuvimos el
porcentaje de porosidad total utilizando el método clásico. NF mostró el valor medido más alto, seguido de RS y luego G
y D (valores similares). Este hallazgo correspondió con el resultado obtenido por Marchini et al (2015), incluido el mismo
orden observado en el contenido de C (es decir, la cantidad de macroagregados) y el orden inverso en el índice de
humificación (Tabla 5), que indica cómo la materia orgánica del suelo está protegido dentro de los agregados. Sin
embargo, el método tomográfico verificó un resultado inesperado: G mostró la mayor macroporosidad, seguido de D, NF
y RS. Supusimos que RS fue capaz de recuperar parte de su proporción de microporosidad y macroporosidad porque su
porosidad total era más cercana a la de NF y porque D debería presentar grietas en el eje vertical. G no mostró
variaciones notables entre los dos métodos por dos razones: i) la presencia de lodos de depuradora debería contribuir a
la estabilidad del agregado del suelo y la formación de poros ii) el efecto de descompresión causado por la especie
arbórea nativa Gonçalo-Alves (Astronium fraxinifolium) fue el único factor que favoreció la formación de poros grandes
con una estructura física similar a la del suelo degradado. Luego, al comparar este resultado con el resultado del método
clásico, estimamos indirectamente la cantidad de microporos a esta resolución. Grupo II (Tabla 4): en función de la
resolución espacial y el umbral establecidos, (es decir, porosidad detectable), NF y DP tuvieron la mayor porosidad total,
y RP tuvo la menor porosidad total. Sin embargo, RP tenía una macroporosidad más alta que DP, que es una excelente
señal de los procesos de recuperación en curso. Por lo tanto, esta diferencia puede establecerse de la siguiente manera:
para RP, el suelo se aireó durante la preparación, lo que condujo a una mayor infiltración, contenido de humedad del
suelo y, en consecuencia, actividad microbiana, es decir, en un cierto período de tiempo, el contenido de C disminuyó y
el grado de humificación aumentó (Alves y Menezes de Souza, 2008 ) En consecuencia, las condiciones químicas del
suelo se deterioraron (Tabla 5) y se midió la porosidad total más baja. Mientras tanto, DP estaba en un estado de
equilibrio. Además, DP contenía más microporos por debajo de la resolución establecida que RP. Un signo de
degradación se refleja en la compactación del suelo, con disminución de la macroporosidad y aumento de la
microporosidad (de Andrade Bonetti et al., 2017). Además, un aumento en el MO del suelo puede reducir la resistencia
del suelo a la compactación, como lo demuestran los valores cercanos de macroporosidad de RP y NF; por lo tanto, se
concluyó que el proceso de recuperación estructural del suelo fue efectivo.

3.2. Factor de forma

Las características de los poros del suelo son esenciales para la resistencia y fragmentación del suelo (Munkholm et al.,
2002). Por lo tanto, para comprender más sobre las características de los poros del suelo siguiendo el sistema de
clasificación de Skvortsova (2009), las etapas de degradación de la estructura del suelo son las siguientes: estructura
granular (miga), estructura en bloques, estructura laminar (predominantemente en dirección horizontal), suelo masivo
estructura (suelo no agregado), y finalmente, una estructura que adquiere las características de su material original. Por
lo tanto, se evaluaron las estructuras geométricas de los suelos de los diferentes manejos (Figs. 4 y 5) y se presentan en
un histograma. Grupo I (Fig. 4 y Tabla 6): como se muestra en los histogramas G y D, estos suelos se encuentran en una
etapa avanzada de degradación a escala de poro, con valores altos de factor de forma entre 0.61 y 1.0. Es decir, estos
suelos tienen una estructura masiva y adquirieron aspectos típicos de su material original. Los factores de forma
observados para G y D fueron más altos que los observados para RS y NF. Además, la estructura de RS mejoró,
acercándose a la estructura de NF, mientras que las características geométricas estructurales de G y D se perdieron. El
promedio de las formas de poro NF y RS detectadas fue bajo, lo que representa la calidad del suelo natural, mientras
que D y G contenían poros altos, isométricos, ligeramente disecados y redondeados a intervalos predominantes, lo que
indica una mayor uniformidad y fragmentación y caracterizan sus etapas de degradación. .

Grupo II (Fig. 5 y Tabla 6): el factor de forma de poro del suelo promedio para los dos pastizales indicó poros ligeramente
isométricos y disecados. Al analizar por separado los histogramas de tamaño de poro de los pastos, se descubrió que RP
tenía un valor más bajo que NF, lo que resaltaba el impacto positivo de la regeneración de su estructura. Por lo tanto, la
clasificación de Skvortsova (2009) fue relevante y válida para el suelo tropical en este estudio; sin embargo, aún es
necesario realizar más experimentos para validar y generalizar este método de clasificación para suelos tropicales.
3.3. Dimensión fractal

La dimensión fractal se utilizó para caracterizar el grado de rugosidad o irregularidad de la superficie del suelo, es decir,
la distribución del tamaño de los agregados de partículas del suelo (Uthayakumar et al., 2011). Sin embargo, esta
distribución generalmente se calcula como una función acumulativa basada en las relaciones de la ley de poder y sus
exponentes y se interpreta como una dimensión fractal (Bittelli et al., 1999).

Grupo I (Tabla 7): el orden ascendente de la dimensión fractal es G, D, NF y RS, lo que indica que la textura del suelo
(Tabla 1) y la dimensión fractal podrían estar relacionadas entre sí. La dimensión fractal puede aumentar con el
contenido de arcilla, como se muestra en NF y RS, que tienen el mismo contenido de arena. La dimensión fractal
también puede disminuir con el contenido de arena, como se muestra en G y D (Bittelli et al., 1999).
Grupo II (Tabla 7): El orden ascendente para este grupo es RP, NF y DP. Para RP y NF, el contenido de arcilla es el factor
dominante para la dimensión fractal, mientras que para DP, el contenido de arena es el factor dominante (Tabla 1). La
dimensión fractal se usó con éxito para caracterizar la distribución del tamaño de las partículas y el agregado del suelo,
pero no fue suficiente para describir las propiedades de la geometría del suelo cuando se usó solo. Por lo tanto, otro
parámetro, la lacunaridad, debe combinarse con la dimensión fractal para representar mejor las características
estructurales del suelo.

3.4. Lacunaridad

La lacunaridad es una contraparte de la dimensión fractal que describe los elementos de textura del fractal; sin
embargo, a veces los suelos con la misma dimensión fractal pueden descansar en una disposición geométrica totalmente
diferente (Monreal et al., 2013). Por lo tanto, la aplicación de la lacunaridad en combinación con la dimensión fractal en
el análisis de los suelos proporciona una herramienta poderosa que se puede utilizar para obtener información
importante sobre las propiedades físicas del suelo y los fenómenos de transporte. Roy y Perfect (2014) demostraron la
lacunaridad como un número único que tiene en cuenta la agrupación de píxeles en un patrón a diferentes escalas. Se
utilizaron tres formas principales para caracterizar la lacunaridad log-log: lineal, cóncava y sigmoidal. De hecho, teniendo
en cuenta los resultados obtenidos por FractaLac, la relación entre los conjuntos ocupados y la lacunaridad fue
inversamente proporcional. Para el mismo tamaño de caja, la lacunaridad decayó cuando aumentó el grado de
compactación o se rompió la continuidad de los poros.

Grupo I (Fig. 6a y Tabla 8): la curva tiende a formar una curva cóncava hacia abajo en NF y RS. Esta forma representa una
estructura del suelo que está altamente agrupada con un solo gran espacio en el medio, lo que indica que los patrones
de textura están compuestos de datos agrupados y tienen una alta lacunaridad. Por el contrario, la segunda curva de un
suelo degradado (D) y el suelo en recuperación (G) mostró un grado creciente de compactación durante el manejo, y la
curva tendió a enderezarse, lo que se parecía al comportamiento fractal. Cuando aumenta la porosidad total en el suelo,
disminuye la lacunaridad promedio. Por lo tanto, la lacunaridad es inversamente proporcional a la porosidad y está
relacionada con la distribución de poros. Los suelos se enumeran en orden decreciente según su distribución establecida
(es decir, de los más homogéneos a los heterogéneos): D, G, NF y RS.

Grupo II (Fig. 6b y Tabla 8): se observó que RP tiende a regenerar la concavidad como NF, y DP también muestra
concavidad en la figura. Sin embargo, al analizar el número de lacunaridad de DP y considerar su granulometría, se
puede suponer que la concavidad resulta del efecto de la alta proporción de arena y la baja proporción de arcilla, que
forma la gran distribución del conjunto detectable a la resolución de la microtomografía. Además, la lacunaridad es útil
para determinar la existencia de autosimilitud de objetos, y el REV se usa para medios porosos. Cuando el valor r se
aproxima al REV, la lacunaridad disminuye a cero y permanece constante (Luo y Lin, 2009). Observamos que ln [L (r)] = 0
cuando r> 6.5 para todos los tipos de manejo en este estudio. Por lo tanto, aunque todos los escenarios de gestión no
están representados en este estudio, la resolución espacial adoptada de 5 μm es aceptable con respecto a la condición
previa r> 6.5.

Fig. 6. a) Las lacunaridades de los suelos del bosque nativo (NF) y regenerados (RS) caracterizados por la presencia de
concavidad, y las lacunaridades de los suelos en recuperación (G) y degradados (D) caracterizados por una concavidad
reducida y una recta apariencia. b) La lacunaridad del suelo de pasturas en regeneración (RP) tiende a ser cóncava
porque las lacunaridades de los suelos NF y pasturas degradadas (DP) también son cóncavas.

4. Conclusión

Los métodos utilizados en este estudio fueron exitosos para analizar y distinguir los estados estructurales de los suelos
con alta precisión. Sin embargo, todavía hay limitaciones reveladas por este estudio que deben tenerse en cuenta y
abordarse más a fondo. Por ejemplo, la microtomografía pudo capturar partes de los microporos y mostró una excelente
oportunidad para identificar mesoporos y macroporos por completo. Además, aunque el factor de forma fue efectivo
para la evaluación de la clase de poro, debe validarse aún más para su uso en suelos tropicales. Además, la dimensión
fractal está relacionada con las distribuciones de tamaño de partículas y agregados, pero no se puede utilizar para
caracterizar las características geométricas del suelo. Sin embargo, las características geométricas del suelo se pueden
determinar acoplando la dimensión fractal con el parámetro de lacunaridad. En este estudio, el parámetro de
lacunaridad demostró ser una herramienta importante para estimar el estado estructural del suelo. Cada tipo de
estructura del suelo tenía un carácter aleatorio o fractal relacionado con la condición adecuada o degradada del suelo.
Además, la lacunaridad estaba relacionada con el REV. Finalmente, el conjunto de métodos no convencionales
propuestos y herramientas analíticas utilizadas en este estudio fueron capaces de caracterizar y evaluar las
características geométricas de diferentes estructuras del suelo. En consecuencia, los resultados son prometedores en el
sentido de que el enfoque empleado aquí puede ser útil para predecir el flujo de agua en suelos con diferentes
estructuras.

También podría gustarte