Revista INGENIERÍA AGRÍCOLA, ISSN-2306-1545, RNPS-0622, Vol. 5, No. 2 (abril-mayo-junio), pp.

16-22, 2015

SUELO
ARTÍCULO ORIGINAL

Estimación de la dependencia espacial del contenido

de humedad de un vertisol
Estimation of the spatial dependence of vertisol
moisture content
Dr.C. Ramiro Alberto Cumbrera GonzálezI, Ing. Wilfredo Romagosa GuerraII, Dr.C. Humberto Millán VegaI,
Dr.C. Anier Soria LorenteI, Dr.C. Benjamín Gaskin EspinosaI
I
Universidad de Granma, Facultad de Ciencias Técnicas, Peralejo, Granma, Cuba.
II
Instituto de Meteorología, Estación Agrometeorológica de Veguitas, Granma, Cuba.

RESUMEN. El uso de los métodos geoestadísticos, abarca una gama amplia de aplicación con resultados concretos sobre la distribución y la
dependencia espacial de las variables. El objetivo de esta investigación, fue la obtención de semivariogramas, modelos matemáticos y mapas
que permiten realizar el análisis de la distribución del contenido de humedad de un vertisol (CHV), para diferentes profundidades. El trabajo se
desarrolló en un vertisol oscuro plástico no gleyzado, del tipo negro grisáceo, en áreas de la Estación Agrometeorológica de Veguitas (EAMV),
Granma, Cuba, los días 2 de diciembre de 2013 y 18 marzo de 2014. El diseño experimental consistió en una rejilla plana con un área de 168 m 2
en la que se ubicaron 195 puntos experimentales; para cada uno se obtuvieron muestras del vertisol en la superficie y a 30,0 cm de profundidad
y se determinó el CHV por el método gravimétrico. Los valores obtenidos se colocaron el software GS+ y los resultados fueron: los semiva-
riogramas, dos modelos matemáticos y los mapas de distribución del CHV para cada profundidad en los dos momentos. Se concluye que los
resultados obtenidos con el uso de los métodos geoestadísticos, permite una mayor precisión en la determinación de la distribución del CHV.
Palabras clave: semivariogramas, kriging, modelos matemáticos, geoestadística.
ABSTRACT. The use of the geoestatistics methods, embraces a wide range of application with concrete results on the distribution and the
spatial dependence of the variables. The objective of this research is to obtain semivariograms, mathematical models and maps that allow
carrying out the analysis of the distribution of the vertisol moisture content (VMC), for different depths. The experiments was developed in
a plastic dark non-gleyzed vertisol, grizzly black type, in areas of the Veguitas’ Agrometeorologics Station, Granma, Cuba, in December
2, of 2013 and March, 14 of 2014. The experimental design consisted on a plane grill with 168 m 2 of area in which 195 experimental points
were located; for each one the samples of the vertisoil were obtained in the surface and 30.0 cm of depth, the VMC were determined by the
gravimetric method. The obtained values were processed in the GS+ software and the results were: the semivariogram, two mathematical
models and the maps of distribution of the VMC for each depth in the two moments. It is concluded that the obtained results with the use of
the geoestatistics methods; it allows a bigger precision in the determination of the VMC distribution.
Keywords: semivariograms, kriging, mathematical models, geostatistics.

INTRODUCCIÓN
El conocimiento del contenido de humedad del suelo (CHS),
en el primer horizonte posee gran importancia en la evaluación
de la respuesta hidrológica de la reserva de agua, en particular
la forma de humedecimiento de las diferentes capas a partir
de las direcciones preferenciales que sigue el agua en el suelo,
también es esencial para controlar las diferentes formas de riego
y conocer la influencia de la lluvia en el clima de una región y
en las variaciones de los flujos de calor (Brocca et al., 2007;
Sheikh et al., 2009; Brocca et al., 2012).
16
Por otra parte, la modelación estructural de la dependencia
espacial usando un enfoque geoestadístico, es una herramienta
esencial en el estudio de las propiedades de los suelos, aplicado
en la interpolación y la obtención de valores en sitios que no
han sido muestreados, lo cual tiene una enorme importancia en
el análisis regional de las variables que han sido elegidas para
caracterizarlo (Borssoio et al., 2009). Muchas investigaciones
de las ciencias del suelo, han tenido como objeto de estudio
la variabilidad espacial de propiedades físicas y químicas de
 Revista INGENIERÍA AGRÍCOLA, ISSN-2306-1545, RNPS-0622, Vol. 5, No. 2 (abril-mayo-junio), pp. 16-22, 2015
determinados tipos de suelos, sobre todo la estabilidad espacial
y temporal del CHS (Heathman et al., 2012).
Uno de los tipos de suelos, que por su importancia para la
provincia Granma debido a su abundancia, son muy estudiados
en la actualidad en cuanto a sus propiedades físicas, son los
vertisoles. La contracción y dilatación de estos suelos produce
cambios importantes en la infiltración del agua a través de ellos,
al pasar de un alto valor inicial cuando el suelo está agrietado
a un bajo valor final cuando se ha dilatado, por lo que el mov-
imiento del agua es un proceso muy complejo, debido a que
se realiza en estado líquido y gaseoso en varias direcciones.
Los vertisoles, entre sus características muy particulares
muestran la alternancia de sus estados estructurales mod-
ificando la relación de poros debido a razones naturales o
climáticas, como las precipitaciones, o antrópicas como es el
riego. Gobernada por el estado de humedad, se encuentra una
densidad aparente que reconoce valores extremos comparados
con otros suelos1. En Cuba se conocen algunos estudios sobre la
variabilidad espacial y temporal de la humedad de los vertisoles
realizados por algunos autores (Álvarez y Díaz 2000; Cid et
al., 2011), sin embargo, todavía son insuficientes.
En la actualidad, se hace necesario encaminar estudios
profundos de la variabilidad espacial del CHS, a diferentes
profundidades, en el tipo de vertisol que rodea la zona de la
EAMV, aplicando las mejores herramientas de la Geoestadísti-
ca, pues los estudios que se realizan de esta variable se basan
fundamentalmente en determinar el CHS de muestras en dos
puntos del territorio a una profundidad de 60,0 cm con una
barrena, con periodo decenal por lo que no se ofrece una idea
de cómo se distribuyen los valores en toda el área.
Para resolver en parte esta situación, se propone este estu-
dio que tiene como objetivo la obtención de semivariogramas,
modelos matemáticos y mapas que permiten realizar el análisis
y la predicción de la distribución del CHS para diferentes pro-
fundidades en las zonas aledañas a la EAMV.
MÉTODOS
Localización y caracterización del área experimental
La investigación se realizó en una zona cercana a la EAMV
(Figura 1a) de la provincia de Granma, Cuba (76,88° LO; 20,32°
LN), enclavada en la llanura del Cauto que es la cuenca hidro-
gráfica más grande del país.

FIGURA 1. a) Terreno experimental aledaño a la EAMV. b) instrumentos de medición de la EAMV.

El suelo de la región, es un Mazic Pellic Vertisol (FAO 2006), y de acuerdo con la clasificación genética cubana los perfiles
fueron identificados como un Vertisol Oscuro Plástico No Gleyzado, subtipo Negro Grisáceo2; Hernández et al., 1999); con una
altura de 29,9 m sobre el nivel medio del mar.
Se encontró que el suelo no había sido usado en labores agrícolas, durante los últimos 3 años, además, el tipo de vertisol ele-
gido es muy abundante en la región, por lo que los resultados obtenidos se pueden extrapolar a lugares cercanos con las mismas
características; otra características es que la superficie estuvo protegida por hierbas; lo que favoreció el desarrollo de los dos
experimentos en diferentes épocas: al final del periodo lluvioso y en medio del poco lluvioso.
Control de variables meteorológicas de la zona de estudios
Los datos de las variables meteorológicas fueron aportados por la base de datos de METEOSERVI del Instituto de Meteorología de
Granma, Cuba. Las variables extraídas en los días de los experimentos fueron: temperatura media (Tm), precipitación (Pr), humedad
relativa (Hr) y Evaporación (Ev) en las siguientes fechas de los experimentos: el 2 de diciembre de 2013 y el 18 de marzo de 2014.
Por otra parte, el acumulado de precipitación para la primera fecha (2_12_2013), fue de 1272,0 mm, que comparado con la
media anual de los últimos 13 años (970,3 mm), lo supera en 301,7 mm. Sin embargo, el acumulado anual registrado hasta el día

1
CERANA, J. ; M. G. WILSON; O. POZZOLO; J. J. DE BATTISTA; S. RIVAROLA; N. ARIAS; A. C. BANCHERO y S. SIONE: “Determinación de las
condiciones físicas de los vertisoles, orientadas al manejo sustentable con la siembra directa”, INTA, 1-12. 2005.
2
HERNÁNDEZ, A.; M. O. ASCANIO; M. MORALES y A. CABRERA: “Correlación de la nueva versión de clasificación genética de los suelos de Cuba
con las clasificaciones internacionales y nacionales: una herramienta útil para la investigación, docencia y producción agropecuaria. “, 1-62. 2005.

17
 Revista INGENIERÍA AGRÍCOLA, ISSN-2306-1545, RNPS-0622, Vol. 5, No. 2 (abril-mayo-junio), pp. 16-22, 2015
del segundo experimento (18_3_2014), fue de 204,2 mm lo que para estos fines.
está por encima de la media histórica de 52,8 mm, para estos Para obtener los valores de H, las muestras de suelo se
meses del año, en los últimos 13 años, esto se debe a algunas secaron a la temperatura de (105 ± 1) °C durante 24 horas
lluvias en los meses de enero y febrero. (Cid et al., 2011). Los valores de H (kg·kg-1), obtenidos en los
Los valores de las variables meteorológicas para los días dos experimentos se procesaron con la opción de estadística
específicos de los experimentos se muestran en la Tabla 1. descriptiva del software Statistica v 10.0 (StatSoft 2011), y se
Es evidente que en los días de las mediciones en campo, no determinaron la media, la desviación estándar, la mediana,
existieron diferencias significativas entre los valores de las la moda, el coeficiente de variación y la curtosis, además, las
variables meteorológicas. medias se compararon por la prueba de Tuckey.
Posteriormente, los datos se colocaron en un fichero de
TABLA 1. Valores de las variables meteorológicas en los días
texto con extensión.DAT y para el procesamiento, se utilizó
de los experimentos
el software GS+5 (Gamma, 2004), el cual permite realizar los
Días Tm (° C) Pr (mm) Hr (%) Ev (mm) análisis geoestadísticos más importantes sobre la distribución
2/12/2013 23,1 0,0 76,0 5,2 espacial de H en la superficie y a una profundidad de 30,0 cm.
18/3/2014 23,8 0,1 81,0 4,0

Propiedades físicas y químicas del vertisol

Las variables medidas para caracterizar las propieda-
des físicas y químicas de un vertisol fueron: porcentaje de
arcilla, limo y arena; el pH y la materia orgánica (MO). La
distribución de partículas por tamaños fue determinada por
el método de la pipeta3 (Gee y Bauder 1986), para el pH fue
usado el método potenciométrico y el carbono orgánico (CO),
fue determinado por el método modificado de Walkley-Black
para a partir de ahí, calcular la materia orgánica (MO) como
MO (%) = 1,724CO (%)4.
Los valores obtenidos para cada variable se presentan en
la Tabla 2, en la que se puede apreciar que el porcentaje de
arcilla predomina por encima de los valores de limo y arena,
lo cual es característico de los vertisoles de la zona, el pH es
característico también, en tanto que el porcentaje de materia
orgánica es adecuado (Cumbrera et al., 2012). FIGURA 2. Gráfica de la rejilla utilizada para la ubicación de los puntos
muestréales.
TABLA 2. Propiedades físico químicas del vertisol estudiado
Así, utilizando el mismo software, se construyeron los
Propiedades Valores semivariogramas isotrópicos, anisotrópicos y se obtuvieron los
Arcilla (%) 54,8 (± 6,2) modelos matemáticos para H en la superficie y a 30,0 cm de
Limo (%) 31,6 (± 5,5) profundidad en los dos experimentos, lo que permite analizar
Arena (%) 13,6 (± 6,3) la dependencia espacial de H como una de las propiedades
pH (Borssoio et 7,2 (± 0,3) del suelo que incide en el uso de los sistemas de riego y de
al., ) la maquinaria agrícola. Además, por el método de kriging se
MO (%) 3,5 (± 0,8) obtuvieron los mapas de humedad en los dos experimentos, lo
(± Desviación Estándar) que permite determinar la humedad en puntos intermedios que
no fueron muestreados.
Determinación de la distribución espacial del contenido
de humedad gravimétrico (H)
Modelos matemáticos de ajuste
Las muestras del vertisol, se recogieron utilizando un
de un semivariograma
diseño de rejilla tal y como se muestra en la Figura 2; para su
construcción se utilizó con una cinta métrica de 15,0 metros de Como se observa, la figura 3 muestra un semivariograma
largo y en los puntos de intercepción de las líneas verticales y experimental típico, donde se destacan cada una de sus partes,
horizontales, se tomaron las muestras en la superficie y a una que posteriormente usaremos para interpretar los resultados de
profundidad de 30,0 cm, con el uso de una barrena diseñada los dos experimentos.

3
GEE, G.W. y J.W. BAUDER, “Particle-size analysis”. Methods of soil analysis, A. Klute. ASA and SSSA,Madison, pp383–411, 1986.
4
KALRA, Y.P. y D.G. MAINARD: Methods manual for forest, soil and plant analysis. Edmonton, Alberta, Forestry Canadá Northwest Region. 1: 1-125, 1991
5
TIMM, L.C.; L.S. AQUINO; N.L. RECKZIEGEL; K. REICHARDT; V.E.Q. TAVARES y A.L. BAMBERG: “An example of application of the geostatistics
approach using the GS+ software.”Trieste,College on Soil Physics (2013).

18
 Revista INGENIERÍA AGRÍCOLA, ISSN-2306-1545, RNPS-0622, Vol. 5, No. 2 (abril-mayo-junio), pp. 16-22, 2015
una diferencia bien marcada con respecto al resto, lo que puede
ser debido a que existió muy bajo acumulado de precipitaciones
hasta la fecha en que se realizaron las mediciones.
Para evaluar la normalidad en la distribución de los datos se
usó la curtosis (C), la cual resultó cercana a ceroy mayor que este
a los 30,0 cm de profundidad (H_30_1ro), este resultado indica
que los valores se distribuyen de acuerdo con una distribución
normal, como ocurre también a la misma profundidad en el
segundo experimento. Para el resto de los casos la curtosis es
mayor que 2 y por tanto las distribuciones de los valores de H
en la superficie se alejan de la distribución normal.
TABLA 3. Estadística descriptiva de H
FIGURA 3. Parámetros del semivariograma, mostrando el efecto pepita para los dos experimentos
(C0); la meseta (Ct); el rango (A0) y la variabilidad estructural (C). Humedad CV
N Media M Mo DE C
(kg.kg-1) (%)
Para el ajuste de los semivariogramas experimentales, los H_S_1ro 195 0,32a 0,31 Múltiple 0,06 18,47 10,06
principales modelos matemáticos que se pueden obtener con H_30_1ro 195 0,34b 0,35 Múltiple 0,04 12,16 0,58
ayuda del software GS+ (Gamma 2004), son: H_S_2do 195 0,10c 0,10 Múltiple 0,03 26,40 68,25
Lineal: H_30_2do 195 0,31a,d 0,31 Múltiple 0,04 13,52 -0,27
h N-número de puntos muestréales, M-mediana, Mo-moda, DE-desviación estándar,
 ( h )  C0  C CV-coeficiente de variación, C-curtosis. Letra iguales: no difieren para α= 0,01
a
Por otro lado, los coeficientes de variación (CV), de la Tabla
Modelo Esférico:
3 para las dos variantes experimentales, muestran los valores más
bajos y muy cercanos el uno del otro, a la profundidad de 30,0 cm,
por lo que se considera que la humedad posee una variabilidad ho-
mogénea, de igual forma ocurre para H_S_1ro, pues no sobrepasa
el 30%, sin embargo, no se puede decir lo mismo de la variabilidad

en H_S_2do, ya que el valor de CV se encuentra entre el 20 y el
Modelo Exponencial: 40%, por lo que es considerada moderadamente heterogénea.

Semivariogramas y modelos matemáticos

para la distribución de H en el primer experimento
En la Tabla 4, se muestran los resultados obtenidos de ajuste
de los semivariogramas isotrópicos con el uso del software GS+
para los dos casos analizados; es evidente que para la super-
Modelo Gaussiano:
ficie no existe ajuste a un modelo matemático y prevalece el
efecto pepita puro (R 2 =0), lo que indica una débil dependencia
espacial de H, sin embargo, para la profundidad de 30,0 cm se
puede constatar que hubo dependencia espacial pues se obtuvo
un modelo esférico con un coeficiente de determinación R 2
próximo a la unidad.

TABLA 4. Resultados de los semivariogramas isotrópicos

RESULTADOS Y DISCUSIÓN para el primer experimento
Resultados de la distribución de H Profundidad (cm) Modelo Co (Co+C) Ao R2
para los dos experimentos 0,0 (superficie) Lineal 0,00 0,00 12,46 0,000
Los resultados obtenidos en la estadística descriptiva 30,0 Esférico 0,00 0,00 6,22 0,997
para los valores de H, en los dos experimentos realizados, se
muestran en la Tabla 3. Solamente se observan diferencias En la Figura 4, se muestra el excelente ajuste de la curva
significativas entre los valores de H en la superficie y para una al modelo esférico en el semivariograma de H para los 30,0 cm
profundidad de 30,0 cm en los dos experimentos. de profundidad, para el primer experimento, lo cual coincide
Una característica para la época en que se realizó el segundo con la curva característica del modelo esférico.
experimento, es que los valores de H en la superficie estuvieron Para la estimación de H no basta con el modelo de ajuste
cercanos a 0,10 kg·kg-1 (superficie con muy poca humedad), con del semivariograma; como resultado de la aplicación del método

19
 Revista INGENIERÍA AGRÍCOLA, ISSN-2306-1545, RNPS-0622, Vol. 5, No. 2 (abril-mayo-junio), pp. 16-22, 2015
de kriging utilizando el mismo software, se pueden obtener
mapas que muestran la distribución espacial de las variables
analizadas; lo cual es muy usado con el fin de determinar los
valores de la variable en los puntos que no han sido muestreados
(Mini et al., 2014). Esta estimación es de mucha utilidad antes
y después que el suelo ha sido humedecido por cualquier vía
con el fin de planificar el riego o realizar investigaciones más
precisas en menos tiempo.
FIGURA 4. Semivariograma isotrópico para 30,0 cm de profundidad en el
primer experimento.
Los mapas obtenidos se muestran en la Figura 4 (a y b), en el
primero se observa que el centro del campo experimental tenía
una distribución bastante uniforme (0,3186 a 0,3582 kg·kg-1), sin
embargo hacia el este y el oeste (en azul), los valores resultaron
diferentes y un poco más bajos, entre 0,2922 y 0,3054 kg·kg-1,
siendo la humedad mucho más homogénea que en el centro y
en la cabecera del campo, con los valores máximos de H que
oscilaron entre 0,3714 y 0,4110 kg·kg-1.
El mapa para los 30,0 cm se observa en la figura 4b y
muestra las diferencias en la distribución de H con respecto
al primero. En este se muestra que de sur a norte, siguiendo el
centro del campo, se distribuyen los mayores valores de H con
cierta similitud (0,3648 a 0,4110 kg·kg-1). Al este se concen-
traron los menores valores (azul) que oscilaron entre 0,2834 y
0,2970 kg·kg-1, con cierta homogeneidad, sin embargo hacia
el oeste (verde), la mayor parte de los valores fluctuaron entre
0,3106 y 0,3648 kg·kg-1.
Por otro lado, los resultados de los análisis con el software
utilizado, demostraron que para esta primera variante experi-
mental no hubo anisotropía en el terreno, o sea la dependencia
de H con las diferentes direcciones en el terreno, esto puede
ser debido a que en la fecha en que se realizaron las mediciones
concluía el periodo lluvioso y la distribución de humedad siguió
una de las direcciones preferenciales constituida por el frente
de humectación.

FIGURA 5. Mapas de humedad a) de superficie; b) para una profundidad de 30,0 cm; para el primer experimento.

Semivariogramas y modelos matemáticos para la distribución de H en el segundo experimento

Los resultados de los semivariogramas del segundo experimento fueron diferentes a los del primero, lo cual era de es-
perar porque el régimen de lluvia cambió en el periodo menos lluvioso, estos se muestran en la Tabla 5. El semivariograma
para H de superficie continúa sin ajuste a un modelo matemático, permanece invariable el efecto pepita puro y con valor
cero lo que demuestra que no existe dependencia espacial; sin embargo, el modelo obtenido a los 30,0 cm de profundidad
es ahora exponencial con excelente ajuste (R 2 = 0,980), lo que acentúa la diferencia con el primer experimento en que fue
obtenido un modelo esférico.
Las variaciones obtenidas en los semivariogramas, para los dos experimentos, pueden ser debidas a la forma en que se dis-
tribuye la humedad al pasar del periodo lluvioso al menos lluvioso, determinado a que el agua sigue como dirección preferencial
además del frente de humectación, la constituida por las grietas que se forman por contracción de las arcillas que componen el
vertisol, en la estación en que se realizó el segundo experimento.

20
 Revista INGENIERÍA AGRÍCOLA, ISSN-2306-1545, RNPS-0622, Vol. 5, No. 2 (abril-mayo-junio), pp. 16-22, 2015
TABLA 5. Resultados de los semivariogramas isotrópicos Los mapas de distribución de humedad para los valores de
para el segundo experimento H del segundo experimento se muestran en la figura 6. En el
primer mapa (Figura 6a), la humedad tuvo sus mayores valores
Profundidad
(cm)
Modelo Co (Co+C) Ao R2 de superficie al oeste del campo experimental, varió desde
0 (superficie) Lineal 0,00 0,00 12,0 0,022 0,1229 hasta 0,1386 kg·kg-1, en el resto del campo se mantuvo
entre 0,0916 y 0,1177 kg·kg-1.Para los 30,0 cm, H se distribuyó
30,0 Exponencial 0,00 0,00 31,0 0,980
de sur a norte; en la parte derecha del mapa (Figura 6b), los
Por otra parte, en la Figura 5 se muestra el semivariograma valores oscilaron entre 0,3411 y 0,3685 kg·kg-1, que pudo ser
isotrópico ajustado para H a 30,0 cm de profundidad, como producido porque en el suelo al transcurrir el tiempo existió
se observa, el efecto pepita es cero y la forma de la curva se una redistribución de H, y a su vez puede ser debido a que en
modifica con respecto a la de la Figura 3. los meses de enero y febrero existieron algunas lluvias como
se indica en tabla de los materiales y métodos. En esta zona
del campo hubo un sobrehumedecimiento del suelo que pudo
ser debido a la presencia de un mayor número de grietas que
en el resto por donde se infiltró el agua. Los valores más bajos
estuvieron al este de la zona.
Los análisis de anisotropía tanto para la superficie como
para los 30,0 cm de profundidad, mostraron que el mejor ajuste
que se obtiene es para el modelo exponencial, como se muestra
en la Tabla 6. Para la superficie, el coeficiente de determinación
es bajo no así para 30,0 cm, donde se observó dependencia
espacial en las direcciones de 45º y 135º. Esto demuestra la
diversidad en los procesos de infiltración y percolación que
ocurren en el suelo y la existencia de determinadas direcciones
preferenciales que hace que varíe la isotropía del mismo en la
FIGURA 6. Semivariograma isotrópico para 30,0 cm de profundidad en el
segundo experimento.
distribución del valor de H.

FIGURA 7. Mapas de humedad: a) de superficie; b) a una profundidad de 30,0 cm para el segundo experimento.

TABLA 6. Resultados de los semivariogramas anisotrópicos mapas. Del análisis de los datos obtenidos en las dos fechas
para el segundo experimento en que se realizaron los experimentos, se pudo demostrar
que la humedad de los vertisoles presenta alta dependencia
Profundidad
(cm)
Modelo Co (Co+C1) A0 R2 espacial a los 30,0 cm de profundidad y que está en depen-
0 (superficie) Exponencial 0,00 0,00 208,0 0,469
dencia de la época del año en que se realicen las mediciones.
• Los ajustes a los semivariogramas, dieron como resultado un
30,0 Exponencial 0,23 4,24 32,0 0,952
modelo esférico para los datos del primer experimento y un
modelo exponencial para el segundo experimento, para una
CONCLUSIONES profundidad de 30,0 cm; también en este último se obtuvo
• En este trabajo se presentó la aplicación del análisis geoes- dependencia espacial en las direcciones de 45º y 135º, lo que
tadístico a la variabilidad espacial de la humedad del suelo, puede ser debido a la existencia de direcciones preferenciales
mostrando los semivariogramas, los modelos de ajuste y los del agua en el vertisol.

21
 Revista INGENIERÍA AGRÍCOLA, ISSN-2306-1545, RNPS-0622, Vol. 5, No. 2 (abril-mayo-junio), pp. 16-22, 2015
REFERENCIAS BIBLIOGRÁFICAS
ÁLVAREZ, A. y E. DÍAZ: “Caracterización de los suelos de la cuenca hidrográfica del río Cauto “, Revista Electrónica Granma Ciencia,ISSN-
1027-975X, 4 (2): 1-5 2000.
BORSSOIO, J. A.; M. A. URIBE-OPAZO & M. GALEA ROJAS: “Diagnostic techniques applied in geostatistics for agricultural data analysis”,
R. Bras. Ci. Solo.,ISSN- 0100-0683, 33: 1561-1570, 2009.
BROCCA, L.; R. MORBIDELLI; F. MELONE & T. MORAMARCO: “Soil moisture spatial variability in experimental areas of central Italy”,
Journal of Hydrology ISSN-0022-1694, 333: 356- 373, 2007.
BROCCA, L.; T. TULLO; F. MELONE; T. MORAMARCO & R. MORBIDELLI: “Catchment scale soil moisture spatial–temporal variability”,
Journal of Hydrology,ISSN-0022-1694, 422–423: 63-75, 2012.
CID, G.; T. LÓPEZ; F. GONZÁLEZ; J. HERRERA y M. E. RUIZ: “Propiedades físicas de algunos suelos de Cuba y su uso en modelos de
simulación”, Revista Ciencias Técnicas Agropecuarias,ISSN-2071-0054 20 (2): 1-6, 2011.
CUMBRERA, R.; A. M. TARQUIS; G. GASCÓ & H. MILLÁN: “Fractal scaling of apparent soil moisture estimated from vertical planes of
Vertisol pit images”, Journal of Hydrology, ISSN-0022-1694, (452-453): 205-212, 2012.
FAO: World reference base for soil resources 2006: A framework for international classification, correlation and communication. World Soil
Information, 145pp., ISBN-92-5-105511-4, Roma, 2006.
GAMMA, D. S.: GS+: Geostatistics for the Environmental Sciences, 5.1.1, ISSN- 1816-4897, Michigan: USA, disponible en http://www.gam-
madesign.com, [Consulta 19 de enero 2006]..
HEATHMAN, G. C. ; M. H. COSH; E. HAN; T. J. JACKSON; L. MCKEE & S. MCAFEE: “Field scale spatiotemporal analysis of surface soil
moisture for evaluating point-scale in situ networks”, Geoderma ISSN-0016-7061, 170: 195-205, 2012.
HERNÁNDEZ, A., PÉREZ, J. M., BOSCH, D., RIVERO, L.: Nueva versión de clasificación genética de los suelos de Cuba, 64pp, AGRIN-
FOR, ISBN: 959–246–022-1, La Habana, Cuba, 1999.
MINI, P. K.; D K SINGH y A SARANGI: “Spatio-Temporal Variability Analysis of Groundwater Level in Coastal Aquifers Using Geostatis-
tics”, International Journal of Environmental Research and Development, ISSN-2249-3131, 4 (4): 329-336, 2014.
SHEIKH, V.; S. VISSER & L. STROOSNIJDER: “A simple model to predict soil moisture: Bridging Event and Continuous Hydrological
(BEACH) modelling”, Environmental Modelling & Software ISSN-1364-8152, (24): 542-556, 2009.
STATSOFT, INC.: Statistica (data analysis software system), 10.0, ISBN-3-900051-07-0, Tulsa OK, USA, disponible en http://www.statsoft.
com, [Consulta 23 de enero 2014].

Recibido: 21/10/2014
Aprobado: 13/03/2015.
Publicado: 19/04/2015.

Ramiro Alberto Cumbrera González, Prof., Universidad de Granma, Facultad de Ciencias Técnicas, Departamento de Ciencias Básicas, Peralejo,
Granma, Cuba, CP 85100. Correo electrónico: rcumbrerag@udg.co.cu

22