Sitios de estudio y uso del suelo

El estudio se realizó en diferentes usos de suelo (silvopastoril, agroforestal, forestal y sistemas tradicionales de ganadería), ubicados en la región Caribe colombiana, en los departamentos de Atlántico, Córdoba, Bolívar, Sucre, Cesar y Magdalena (Figura 1). Los sitios de muestreo registraron condiciones, topográficas, edáficas y climáticas similares, con precipitación media anual entre 1000 y 1500 mm año^-1, humedad relativa entre 70 y 80% y temperatura entre 20 a 35 °C. Según ^{Holdridge (1978)}, estas condiciones climáticas corresponden a la zona agroecológica Bosque Seco Tropical (Bs T).

Se evaluaron 242 parcelas, se consideraron cuatro sistemas de uso de la tierra, sistema forestal comercial (15 años) (Forestal), sistemas de praderas con ganadería tradicional (7 a 8 años) (Pr), sistemas Agroforestales con Cacao (4 años) (SAF) y Sistemas silvopastoriles (20 años) (SSP) (Figura 1). El Anexo 1 presenta algunas características fisicoquímicas y biológicas de las áreas de estudios. En términos generales, se evidenció predominio de las unidades de suelo Planosoles éutricos, Ferralsoles órticos y Gleysoles húmicos (^{IUSS Working Group WRB, 2022}) de fertilidad media a alta, con predomino de texturas medias a finas, bien a imperfectamente drenados y pendientes del terreno < 3% (Anexo 1).

Figura 1: Ubicación de los sitios de muestreo. Sistemas de praderas ganadería tradicional (Pr), sistemas agroforestales con cacao (SAF) y sistemas silvopastoriles (SSP), distribuidos en los departamentos de Atlántico, Bolívar, Cesar, Magdalena, Sucre y Córdoba. Fuente: Elaboración propia. 

Figure 1: Location of sampling sites. Traditional livestock grassland systems (Pr), agroforestry systems with cacao (SAF) and silvopastoral systems (SSP), distributed in the departments of Atlántico, Bolívar, Cesar, Magdalena, Sucre, and Córdoba. Source: Own elaboration. 

Muestreo y análisis de suelos

Durante el periodo 2017 a 2021 se realizó el muestreo en 242 predios distribuidos en la región caribe colombiana, bajo diferentes sistemas de producción agropecuarios (18 predios en sistemas de producción forestal comercial, 113 predios con praderas con ganadería tradicional, 75 predios con sistemas silvopastoriles y 36 predios con sistemas agroforestales), sobre los cuales se tomaron muestras disturbadas e indisturbadas de suelo (0 cm - 10 cm y 10 cm - 20 cm de profundidad) para determinar parámetros fisicoquímicos y biológicos de suelo, en cada punto de muestreo seleccionado se construyeron cajuelas de evaluación (30 cm × 30 cm × 30 cm), las cuales se ubicaron en la zona central de cada predio o lote, excluyendo áreas inundables, zonas de acumulación, áreas de poca vegetación, cerca de canales de riego o drenaje, áreas de descanso de animales y establos.

En cada área de evaluación se tomaron muestras de suelo por triplicado, para el caso de este estudio, las muestras de suelo obtenidas en cada profundidad no se analizaron por separado, tomando para el análisis la combinación de las profundidades (0 cm - 20 cm).

Las propiedades químicas de suelo evaluadas fueron: materia orgánica (MO) (^{Walkley y Black, 1934}), fósforo disponible (P) por extracción Bray II modificado y cuantificación por reducción con ácido ascórbico (^{Bray y Kurtz, 1945}), potasio (K), calcio (Ca), magnesio (Mg), azufre (S), sodio (Na) por medio espectrofotometría de absorción y emisión atómica (^{Chapman, 2016}; ^{Hendershot, Lalande y Duquette, 2007}), capacidad de intercambio catiónico (CIC), suma de bases de intercambio (^{IGAC, 2006}) y pH (Potenciométrico, relación 1:1 peso volumen^-1) (^{Hendershot et al., 2007}).

Las propiedades físicas del suelo que contribuyeron al análisis de la información fueron: densidad aparente (Da) con el método del cilindro de volumen conocido (ecuación 1).

Donde Mss = masa de suelo seco (g) a 105 C por 24 h y Vc = volumen del cilindro (cm^-3), (^{Burt, 2014}).

Densidad real (Dr) método del picnómetro (^{IGAC, 2006}), porosidad total (Pt) del suelo por la relación entre Da y Dr, descrita por ^{Bernabé y Maineult (2015)} (ecuación 2).

La resistencia mecánica a la penetración (RMP) se determinó por medio del equipo Penetrologger de la marca Eijkelkamp, distribución de partículas (textura) con el método de Bouyoucos (^{IGAC, 2006}) y el índice de estabilidad estructural (IEE), el cual se calculó utilizando las fórmulas propuestas por ^{Pieri (1995}) (ecuación 3).

Los macroartrópodos del suelo se evaluaron siguiendo la metodología descrita por el Instituto de Biología y Fertilización de Suelos Tropicales TSBF (^{Anderson y Ingram, 1993}), solo los especímenes de macroartrópodos de más de 0.2 cm se conservaron en alcohol al 70%, posteriormente fueron identificados en el laboratorio de entomología del Centro de Investigación Turipaná. Por su parte, los organismos de cuerpo blando como las lombrices (Haplotaxida) fueron contabilizados in situ y liberados. Los macroartrópodos se clasificaron teniendo cuenta los órdenes taxonómicos Coleóptera, Haplotaxida, Himenóptera e Isóptera. La abundancia se determinó con el número de individuos por metro cuadrado (ind m^-2) y se cuantificó la riqueza - S, índice de diversidad de ^{Shannon -Hˈ(Shannon, 1948}) y el índice de dominancia de Simpson - IDS (^{Simpson, 1949}).

Evaluación de la calidad de suelo (ICS)

El índice de calidad de suelo se ajustó dependiendo del uso de suelo (forestal comercial, praderas con ganadería tradicional, silvopastoriles y agroforestales). Para tal fin, se siguieron los siguientes pasos claves descritos por ^{Silva-Olaya et al. (2022)}: 1. selección, 2. interpretación y 3. integración de los indicadores de calidad de suelo.

Selección. Se utilizaron 11 variables relacionadas con las propiedades químicas de suelos, siete relacionadas con las propiedades físicas y nueve parámetros biológicos del suelo, teniendo en cuenta su funcionalidad, utilidad e importancia dentro de los procesos que ocurren en el suelo (Cuadro 1). La información de los suelos obtenida se ajustó a una profundidad de 0 a 20 cm. Para iniciar el análisis de la información, se seleccionó el conjunto mínimo de datos (CMD), por medio de un análisis de componentes principales (ACP), lo que permitió elegir variables químicas, físicas y biológicas del suelo con mayor capacidad de explicar los procesos que ocurren en el suelo en los sistemas productivos agropecuarios (^{González-García et al., 2021}; ^{Silva-Olaya et al., 2022}).

Los componentes propios retenidos y sometidos al método de rotación ortogonal (varimax) o varianza máxima, fueron aquellos con valores propios superiores a uno (^{Kaiser, 1960}), capaces de simplificar la interpretación de los factores (^{Martínez-Castro, Kido, Ureña, Zúñiga y Aguilar, 2022}). En cada componente se seleccionaron los indicadores con mayor valor absoluto y los que estuvieran 10% por debajo del valor absoluto (^{Cherubin et al., 2016} y ²⁰¹⁵). Se realizó la comprobación de los factores de los componentes a través de análisis de correlación de Pearson (P < 0.05); los factores de mayor relevancia y alta correlación fueron seleccionados dentro de cada componente principal (^{Cherubin et al., 2016}; ^{Silva-Olaya et al., 2022}).

Interpretación. Luego de obtener el conjunto mínimo de datos (CMD), se realizó la normalización o transformación de los datos mediante ecuaciones homotéticas no lineales, asignando valores de 0 a 1 a los indicadores edáficos (^{Cherubin et al., 2016}; ^{Silva-Olaya et al., 2022}). La construcción de las curvas de puntuación se realizó mediante las ecuaciones “más es mejor”, “menos es mejor” y “punto medio óptimo” con base a la funcionalidad de los indicadores, soportado en opinión de expertos (Cuadro 1).

Para los criterios “más es mejor” y “menos es mejor” se utilizaron las ecuaciones 4 y 5, respectivamente; para determinar el punto medio optimo se utilizaron las ecuaciones 6 y 7.

Donde: a: Puntuación máxima para este caso es 1; B: Valor de referencia (Cuadro 1); LB: Umbral Inferior; UB: Umbral Superior; X: Variable estudiada; O: Óptimo valor de referencia (Cuadro1); S: Pendiente de la ecuación constante igual a -2.5.

Integración de los indicadores de calidad de suelo. La integración de los indicadores de suelo seleccionados mediante el CMD y el peso del indicador (vector propio) en cada componente principal permiten la construcción de un índice de calidad de suelo (ICS) por medio de un enfoque aditivo ponderado (ecuación 8) (^{Masto, Chhonkar, Singh y Patra, 2007}).

Donde, ICS = índice de calidad de suelo; Is = puntuación del indicador retenido (valor normalizado); Iw= Varianza total explicada por el componente principal (autovalor).

Análisis estadístico

Mediante un estudio observacional se evaluó el efecto de los diferentes usos de suelo en las variables físicas, químicas y biológicas evaluadas. Para el análisis de la información se consideró un modelo de efectos mixtos (PROC MIXED), con el sistema de uso de suelo como efecto fijo y la localización de las muestras como efectos de control. En caso de incumplimiento de los supuestos del modelo lineal general, se ajustaron modelos generalizados (PROC GLIMMIX) con distribución de residuales apropiada a la naturaleza de la variable. En caso de detectarse diferencia significativa, las medias se separaron empleando la prueba de Tukey con alfa al 0.05. Para la selección del conjunto mínimo de datos se realizó análisis de componentes principales (ACP) a través del procedimiento PROC FACTOR. Las correlaciones se verificaron mediante el análisis de correlación de Pearson (PROC CORR); se utilizó el software Statistical Analysis System - SAS versión 9 (^{SAS Institute, 2013}). para en el análisis de la información.

Propiedades fisicoquímicas y biológicas del suelo en sistemas de producción agropecuarios

El análisis de comparación de medidas realizado entre los sistemas de producción agropecuarios mostró diferencias significativas respecto al comportamiento de los indicadores físicos, químicos y biológicos del suelo (Cuadro 2). El mayor valor de Da en el suelo se presentó en los sistemas forestales (1.5±0.05 g cm^-3), seguido del sistema de producción de los sistemas silvopastoriles - SSP (1.49±0.05 g cm-3) (Cuadro 2). La resistencia mecánica a la penetración de las raíces en el suelo (RMP) presentó el valor más alto en el sistema forestal (3.17±0.22 MPa) y la menor RMP en los sistemas agroforestales - SAF (1.0±0.27 MPa). Los grupos texturales predominantes fueron el franco (F), con variación de franco arenoso (F-A) en el sistema Forestal a Franco Arcilloso (F-Ar) en los sistemas agroforestales - SAF y sistemas de praderas ganadería tradicional - Pr; y arcillo limosa (Ar-L) en los SSP. El contenido de arena (A) mostró comportamiento similar entre los sistemas en monocultivo Forestal y Pr (P > 0.05) y diferencial (P < 0.0001) respecto a los sistemas asociados SAF y SSP (Cuadro 2).

El contenido de limos (L) y arcillas (Ar) dentro de los sistemas evaluados, mostró comportamiento diferencial (P < 0.001). Así mismo, se observó correlación inversa entre el contenido de arenas (A) y los contenidos de arcillas (Ar) y limos (L); mayor prevalencia de limos y arcillas dentro de SSP y SAF (Cuadro 2). El índice de estabilidad estructural (IEE), mostró comportamiento diferencial (P < 0.0001) entre los sistemas de producción agropecuarios evaluados, siendo el sistema forestal (3.92±0.54) donde se encontró el mayor valor del IEE, seguido de la pradera con manejo tradicional - Pr y los sistemas silvopastoriles - SSP (Cuadro 2).

El mayor contenido de MO se registró en los SSP, seguido del sistema forestal y Pr. El contenido de fósforo (P) en el suelo se comportó de forma similar en los sistemas evaluados, reportando mayor contenido dentro de los SAF (27.05±22.45 mg kg^-1). El contenido promedio de azufre (S) en el suelo dentro de los sistemas fue de 5.77±1.91 mg kg^-1, con variación de 4.01±0.59 mg kg^-1 (Sistema Forestal) a 7.09±0.98 mg kg^-1 (SSP). Las bases de intercambio catiónico, calcio (Ca) y sodio (Na) presentaron comportamiento similar (P > 0.05) en los sistemas de producción evaluados. Contrario a esto, los valores de magnesio (Mg) y potasio (K) encontrados en los sistemas evidenciaron diferencias significativas (P = 0.0112 y P = 0.0017, respectivamente). Los mayores contenidos de Mg y K se registraron en SAF y SSP (Cuadro 2). Por su parte, los mayores valores de CIC se observaron dentro de los sistemas asociados con especies arbóreas o arbustivas (SAF y SSP) (Cuadro 2).

Dentro de los SSP y sistema forestal se encontró la mayor acumulación de carbono orgánico en los suelos (COS, 41.2±3.85 Mg C ha^-1 y 36.6±4.83 Mg C ha^-1, respectivamente), contrario (P < 0.0001) a lo observado en SAF, con reducción de más de 45% (Cuadro 2).

Los índices biológicos de suelo evaluados mostraron diferencias (P < 0.05) entre los sistemas de producción analizados en este estudio, excepto el índice de dominancia de Simpson (IDS) (P > 0.05). Para el caso del índice IDS fue mayor en Pr (0.64±0.03 unidades), seguido del SAF (0.62±0.02 unidades); asimismo, el índice de diversidad de Shannon (H) y riqueza de Margalef (S) mostraron los mayores valores en SSP y SAF, respectivamente (Cuadro 2).

Los órdenes Coleóptera (Col) y Hymenoptera (Hym) (macro artrópodos) presentaron diferencias (P < 0.0001) entre los sistemas de producción agropecuarios. La mayor presencia de individuos por metro cuadro (ind m^-2) del orden Col se obtuvo en SSP y SAF (6.34±0.85 ind m^-2 y 0.5±0.13 ind m^-2) (Cuadro 2). El orden Haplotaxida (Haplo) mostró incremento en SSP, y el sistema forestal (13.01±1.12 ind m^-2 y 11.14±1.15 ind m^-2) y, reducción de individuos dentro de los SAF.

Construcción del índice de calidad de suelo (ICS)

Se evaluaron 24 indicadores de calidad del suelo en cada uno de los sistemas de producción agropecuarios, distribuidos en 10 indicadores químicos, siete indicadores físicos y siete biológicos (Cuadro 2). El análisis de componentes principales (ACP) de los indicadores del suelo mostró que solo siete componentes principales (CP) fueron capaces de explicar 71.28% de la varianza total acumulada (Cuadro 3).

Dentro de estos componentes se identificaron los indicadores con mayor peso absoluto (Cuadro 3), el CP-1 explicó 21.48% de la varianza total. Los indicadores con mayor peso absoluto dentro del CP-1 fueron: la capacidad de intercambio catiónico (CIC) y Calcio (Ca) (Cuadro 3). El CP-2 explicó 14.99% de la varianza de los datos, los indicadores de mayor peso fueron: la RMP y el COS. El CP-3 explicó 10.14%, siendo índice de diversidad de Shannon (H) el de mayor peso. Los otros CP sumados (CP-4 al CP-7) fueron capaces de explicar 24.67% de la varianza (Cuadro 3); donde los auto vectores dominantes fueron: Arena(A) y arcilla (Ar) en el componente (CP-4), Isóptera en el componente (CP-5), el pH (CP-6) y el fósforo (CP-7).

La identificación del CMD fue apoyada con el análisis de correlación de Pearson, donde se seleccionó el indicador de mayor peso dentro de cada componente principal (en los casos que el CP mostrara más de un indicador) se tuvo en cuenta correlación significativa entre sí. De acuerdo a esto, para el CP-1 el indicador seleccionado fue la CIC, con alta correlación significativa positiva con Ca (r = 0.86); en el caso del CP-2, se seleccionó la resistencia mecánica a la penetración (RMP), con correlación significativa e inversa con el COS (r = -0.49); en el CP-3, se seleccionó el indicador biológico (H); en el CP-4, se seleccionó el contenido de arena (A), con correlación significativa alta inversa con el contenido de arcilla (Ar) (r = -0.89); el CP-5 (Iso); el CP-6 (pH) y CP-7 (P).

Índices de calidad de suelo (ICS)

El efecto de los cambios en el uso del suelo y la sensibilidad de sus indicadores se reflejan en el valor del ICS de cada uno de los indicadores de suelo (Figura 2). Los resultados mostraron que el índice de calidad de suelo construido a partir del indicador químico de suelo; capacidad de intercambio catiónico (ICS-CIC) fue capaz de aportar entre 34.7 al 41.2% del valor del índice de calidad de suelo total (ICS) en los sistemas de producción agropecuarios evaluados. Se resaltan los sistemas que asocian varias especies (SSP y SAF) con los mayores aportes al ICS desde el ámbito químico de suelo (Figura 2C y 2D ). Desde el punto de vista físico y biológico del suelo, se observó comportamiento similar en el índice de calidad de suelo generados por indicador en todos los sistemas, excepto en los sistemas agroforestales - SAF donde se evidenció que el índice de calidad de suelo, construido a partir del indicador de la resistencia mecánica a la penetración (ICS-RMP), fue el de mayor sensibilidad al momento de evaluar los cambios del suelo, seguido del ICS-CIC (Figura 2D).

Figura 2: Índices de calidad de suelo seleccionados mediante el CMD en los cuatro sistemas de producción agropecuarios. ICS - CIC: índice de calidad de suelo construido a partir de la capacidad de intercambio catiónico; ICS - RMP: índice de calidad de suelo construido a partir de la resistencia mecánica a la penetración; ICS - H: índice de calidad de suelo construido a partir de la diversidad de Shannon; ICS - A: índice de calidad de suelo construido a partir del porcentaje de arena; ICS - pH: índice de calidad de suelo construido a partir del contenido de hidrogeniones del suelo; ICS - P: índice de calidad de suelo construido a partir del contenido de fosforo disponible en el suelo; ICS - Iso: índice de calidad de suelo construido a partir del número de individuos del orden Isóptera.  

Figure 2: Soil quality index selected through the minimum data set (CMD) in the four agricultural production systems. ICS - CIC: soil quality index built from the cation exchange capacity; ICS - RMP: soil quality index built from the mechanical resistance to penetration; ICS - H: soil quality index built from the Shannon diversity; ICS - A: soil quality index built from sand percentage; ICS - pH: soil quality index built from the soil hydrogen ion content; ICS - P: soil quality index built from the phosphorus content available in the soil; ICS - Iso: soil quality index built from the number of individuals of the Isoptera order. 

El índice de calidad de suelo (ICS) obtenido mostró diferencias (P < 0.0001) entre los sistemas agropecuarios evaluados. El sistema agroforestal exhibió el mayor valor de ICS (0.77) y los sistemas que incluyen una sola especie (Forestales y la pradera ganadería tradicional - Pr) muestran los menores ICS (Figura 3).

Figura 3: Índices de calidad de suelo en cuatro sistemas de producción agropecuarios en el caribe colombiano. 

Figure 3: Soil quality index in four agricultural production systems in the Colombian Caribbean. 

Efecto de los sistemas de producción agropecuarios sobre la calidad y salud del suelo

En este trabajo, la porosidad total (Pt) del suelo es mayor en los sistemas que incluyen especies arbóreas o arbustivas. Los valores mayores de Pt se observaron en los sistemas silvopastoriles - SSP y agroforestales - SAF y los más bajos en la pradera ganadería tradicional - Pr (Cuadro 2). Esto puede estar asociado a la capacidad de exploración de las raíces de las especies leñosas y a la materia orgánica aportada por la biomasa aérea y subterránea (raíces) al suelo, lo que favorece el movimiento del agua y oxígeno en el perfil de suelo. En este sentido, los cambios en el uso del suelo al migrar de sistemas de producción en monocultivos hacia sistemas más complejos (silvopastoriles, sistemas agroforestales, etc.) contribuyen a la generación de cambios favorables en el suelo (^{Duran-Bautista, Muñoz, Galindo, Ortiz y Bermúdez, 2020}; ^{Singh, Bhardwaj, Pala y Rajput, 2018}). Aunque se observó aumento de porosidad total dentro de los sistemas asociados o multiespecies, los resultados obtenidos fueron inferiores a 50% de macroporos libres en todos los sistemas, lo que se asocia a procesos de compactación (^{Salamanca y Amézquita, 2015}).

El comportamiento de la resistencia mecánica a la penetración (RMP) no evidenció efecto en el uso del suelo, resaltando los sistemas silvopastoriles - SSP (2.51±0.19 MPa), la pradera ganadería tradicional - Pr (2.62±0.17 MPa) y forestales (3.17±0.22 MPa) con valores superiores a 2 MPa, valor restrictivo para el desarrollo de las raíces (^{Polanía-Hincapié et al., 2021}). En el caso de los sistemas de producción ganaderos, se observó reducción de la RMP, cuando se implementó el SSP frente a la pradera ganadería tradicional - Pr; estos valores se asocian a la mayor acumulación de MO (^{Ávila-Ramírez et al., 2019}).

Los resultados obtenidos en este estudio sobre las propiedades físicas de suelo, evidencia procesos de degradación física del suelo bajo los diferentes sistemas de uso empleados (Cuadro 2). Sin embargo, cuando se implementaron sistemas complejos (SAF y SSP), se evidencio mejora en estas condiciones (Cuadro 2); esto se puedo asociar a la capacidad que tiene las especies arbóreas y arbustivas de aportar mayor biomasa subterránea (^{Contreras-Santos et al., 2019}), lo que se relaciona al aumento de carbono subterráneo (^{Morales-Ruiz et al., 2021}). Por ende, cuantificar el efecto de los diferentes usos de suelo en función del contenido de materia orgánica y su fase mineral (contenido de arcillas y limos), contribuye a comprender la estructura y erosionabilidad del suelo (^{Dong et al., 2022}).

Los valores más altos del índice de estabilidad estructural (IEE), indicaron mejor estructura del suelo. En este estudio, los sistemas que presentaron los mayores registros de IEE estuvieron asociados a la presencia de especies arbóreas y arbustivas, excepto para el caso de los SAF (Cuadro 2). Este resultado pudo estar asociado a la edad de los sistemas agroforestales (< 5 años). En consecuencia, la implementación de árboles dentro de los sistemas contribuye a evitar los procesos de degradación (físicos, químicos y biológicos) en el suelo (^{González-Marcillo et al., 2021}).

Amplia evidencia científica respalda el papel de las especies arbóreas en los sistemas de producción agropecuarios; con relación con sus numerosos beneficios y servicios ecosistemas ofertados (^{González-Marcillo et al., 2021}; ^{Martínez-Atencia et al., 2020}). La presencia de árboles dentro de agroecosistemas favorece la acumulación de MO (^{Avendaño-Yáñez, López, Perroni y Pérez, 2018}), así como la acumulación de carbono orgánico en suelo, biomasa aérea y subterránea (^{Oliva et al., 2017}). Estos resultados concuerdan con los obtenidos en esta investigación donde se encontró diferencia (P < 0.05) entre los sistemas de uso de suelo, respecto a los valores de MO acumulada (Cuadro 2); se destacan los SSP y forestales con los mayores registros de MO del suelo, lo cual se reflejó en el IEE.

En los sistemas asociados con especies arbóreas o arbustivas (SAF y SSP), se observó incremento entre 20 y 30% de los macronutrientes (Ca, Mg, K y Na) frente a los sistemas en monocultivo (Cuadro 2), lo que contribuye a mayor presencia de nutrientes en el suelo, y mayor actividad biológica (^{Lana, Lana, Lemes, Reis y Moreira, 2018}; ^{Vazquez, Teutscherova, Lojka, Arango y Pulleman, 2020}). Estos resultados concuerdan con otras investigaciones donde se obtuvo aumento de 15% en los macronutrientes bajo sistemas silvopastoriles (^{Lana et al., 2018}). Otros estudios han reportado que la mayor diversidad de especies arbóreas o sistemas mixtos favorecen la mayor disponibilidad de nutrientes en el suelo (^{Martínez, Cajas, León y Osorio, 2014}), así como un mayor número de nichos ecológicos (^{Liu, Kuchma y Krutovsky, 2018}), lo que contribuye a mejorar las condiciones del hábitat o sistema para la actividad biológica (^{Larjavaara, 2008}).

Investigaciones relacionadas con sistemas de producción mixtos o multiespecies (silvopastoriles, agroforestales y silvícolas) atribuyen el aumento del COS a la inclusión de especies arbóreas dentro de los sistemas de producción (Cuadro 2) (^{López-Santiago et al., 2019}; ^{Morales-Ruiz et al., 2021}). Basados en estas afirmaciones, la implementación de sistemas de producción mixtos con la inclusión de especies árboles tropicales autóctonas aportan funciones ecosistémicas (económicas, sociales, culturales y ambientales), lo que favorece la formación de suelo, regulan los ciclos de nutrientes y hídrico, y por ende, promueven la acumulación y almacenamiento de carbono (^{Liu et al., 2018}).

Los índices biológicos de suelo (índice de dominancia de Simpson - IDS; índice de diversidad Shannon - Hˈ y riqueza de Margalef - S) evaluados mostraron diferencias (P < 0.05) entre los sistemas de producción evaluados. Para el caso de IDS fue mayor en la pradera ganadería tradicional - Pr (0.64±0.03 unidades), congruente con el índice de diversidad de Shannon (H) y riqueza de Margalef (S) que presenta los mayores valores en los sistemas multiespecies (SSP y SAF, respectivamente) (Cuadro 2). Esto puede estar asociado al estado de conservación de cada sistema evaluado, favorecido por la complejidad vegetal ofrecida por los SSP y SAF. Caracterizados por una intensa actividad biológica, vinculada al componente arbóreo con alta deposición de hojarasca, cobertura edáfica permanente, mejor estructura del suelo, importante cantidad de materia orgánica, y mayor protección a los agentes climáticos externos y disponibilidad de agua asociado a su profundo y perenne sistema radical (^{Caicedo-Rosero, Benavides, Carvajal y Revelo, 2021}; ^{Durán y Suárez, 2013}; ^{López-Vigoa et al., 2017}). Del mismo modo, diversos autores reportan relación positiva entre los índices biológicos y los recursos mencionados (^{Clapperton, Kanashiro y Behan, 2002}; ^{Fraser, Haynes y Williams, 1994}; ^{Zerbino, 2010}).

Por otro lado, sistemas como la pradera ganadería tradicional - Pr, que poseen estructura vegetal en monocultivo (sin componente arbóreo), presentó disminución en las poblaciones de los diferentes grupos de macroartrópodos, debido a la escasez de nichos (^{Liu et al., 2018}). Lo anterior, repercute en cambios significativos en el perfil del suelo en períodos de tiempo sorprendentemente cortos (^{Mathieu et al., 2009}).

Los órdenes Coleóptera (Col) e Hymenoptera (Hym) (macroartrópodos) presentaron diferencias (P < 0.05) entre los sistemas de producción agropecuarios. La mayor presencia de individuos por metro cuadrado del orden Coleóptera se evidencio en SSP y Pr. Por su parte, el orden Haplotaxida (Haplo) mostró incremento en SSP y el sistema forestal, lo que evidencio la sensibilidad de estos organismos ante los cambios en el uso del suelo. Del mismo modo, diversos autores reportan relación positiva entre la abundancia de estos organismos y el contenido de COS y N (^{Clapperton et al., 2002}; ^{Fraser et al., 1994}; ^{Zerbino, 2010}).

Los efectos individuales de los 24 indicadores fisicoquímicos y biológicos de suelo contribuyen a entender los servicios que brindan los sistemas o usos del suelo evaluados con relación al aumento de la fertilidad, mejora del movimiento del agua, presencia de macroartrópodos y contribución en el aumento del COS, así como a identificar los cambios en la salud del suelo inducidos por el manejo inadecuado de los sistemas de producción agropecuarios (^{Silva-Olaya et al., 2022}). Integrar estos indicadores a un índice de calidad de suelo (ICS), permite generar estrategias de manejo en corto, mediano y largo plazo en los sistemas de producción agropecuarios evaluados.

Índice de calidad del suelo (ICS) en los sistemas de producción agropecuarios

Los resultados encontrados en esta investigación evidencian la sensibilidad de los diferentes indicadores de suelo en la construcción del ICS, resaltando las contribuciones relativas de cada uno de los indicadores fisicoquímicos y biológicos seleccionados en el ACP (Figura 2). Las propiedades químicas de mayor relevancia fueron la capacidad de intercambio catiónico (CIC), pH y el contenido de fósforo disponible (P) en la construcción del índice de calidad de suelo en diferentes sistemas de uso (Figura 2); resultados similares reportó ^{Gutiérrez, Cardona y Monsalve (2017)}, donde resaltaron la disponibilidad de nutrientes, contenido de fósforo y de carbono, pH, capacidad de intercambio catiónico, entre otras; con mayor capacidad de explicar los efectos en el cambio de uso del suelo.

En el contexto físico del suelo, el índice también fue sensible a la resistencia mecánica a la penetración (RMP) y contenido de arenas (A) en el suelo como indicadores relacionados con el cambio en el uso del suelo; niveles de compactación, funciones hidrológicas e interacción suelo ambiente, para la capacidad productiva del suelo (^{Vallejo, Afanador, Hernández y Parra, 2018}).

Por su parte, las propiedades biológicas del suelo estuvieron relacionadas con la presencia del orden Isóptera (termitas), siendo este orden asociado a ambientes con alto grado de perturbación, debido a estos individuos (termitas) presenta alta capacidad de adaptación en ambientes disturbados, por lo que la presencia de este orden es considerando como indicador de alteración ambiental (^{Araújo, Magalhaes, Santos, Nunes y Dias, 2017}; ^{Santos, Schossler, Santos, Melo y Santos, 2017}).

En el presente estudio la construcción del índice de calidad de suelo (ICS) incorporó algunos de los principales indicadores necesarios para la funcionalidad o salud del suelo (^{Hernández-Terrón, Gutiérrez, Serrato, González y Rodríguez, 2021}; Gutiérrez et al., 2017; ^{Wilson y Sasal, 2017}; ^{Sánchez-Navarro et al., 2015}). Lo que significa que los indicadores seleccionados durante el proceso de análisis de la información obtenida en los sistemas de producción agropecuarios analizados, contribuyen a explicar las variaciones producto del cambio en los usos de suelo evaluados.

Los sistemas de uso de suelo que presentaron los niveles de alta calidad de suelo (ICS > 0.7) fueron los dos sistemas multiespecies (SAF y SSP) (Figura 3) (^{Barrera-León, Barrezueta y García, 2020}; ^{Gong, Ran, He y Tiyip, 2015}). Estos sistemas contribuyen a mejorar las propiedades fisicoquímicas (^{Cherubin, Chavarro y Silva, 2019}; ^{Leyva, Baldoquín y Reyes, 2018}; ^{Olaya-Montes et al., 2021}) y biológicas del suelo (^{Caicedo-Rosero et al., 2021}; ^{Teutscherová et al., 2021}). Así como a aumentar su potencial de captura de carbono (^{López-Santiago et al., 2019}). Estos resultados son similares a los reportados en otra investigación donde se evaluó el efecto del cambio del uso del suelo a lo largo del tiempo en sistemas de producción ganaderos, reportando que la implementación de sistemas silvopastoriles o asocio de pasturas con especies arbóreas (^{Martínez-Atencia et al., 2020}) son una estrategia efectiva en la recuperación de la salud del suelo (^{Olaya-Montes et al., 2021}; ^{Silva-Olaya et al., 2022}).