nueva página del texto (beta)
Español (pdf)
Artículo en XML
Referencias del artículo
Traducción automática
Enviar artículo por email
Citado por SciELO 
Similares en
SciELO 
Permalink
1. Introducción
La estructura del suelo es uno de los indicadores de calidad más importantes para evaluar la productividad, sustentabilidad y degradación de los ecosistemas naturales o de producción agrícola (agroecosistemas). Para cuantificar los cambios estructurales en el suelo se han incluido un conjunto de datos básicos en donde sobresalen la estabilidad de agregados y la porosidad (Pagliai y Vignozzi, 2002; Allen et al., 2011; Watteau et al., 2019). La estabilidad de agregados se determina por una serie de propiedades químicas, físicas y biológicas, además de su manejo agronómico o prácticas de conservación (Six et al., 2004; Totsche et al., 2017). La porosidad, por su parte, es reconocida como el mejor indicador de la calidad de la estructura del suelo siendo necesaria su cuantificación en términos de forma, tamaño, continuidad, orientación y disposición para definir la complejidad de la estructura y comprender sus modificaciones (Pagliai y Vignozzi, 2002). Además, permite entender la retención y el movimiento del agua en el suelo (Shipitalo y Protz, 1987; Reynolds et al., 2009).
La cuantificación de agregados y poros se ha realizado a través de metodologías convencionales, pero los resultados que se obtienen no son equivalentes entre técnicas y en general tienden a dar mayor importancia a alguno de los mecanismos individuales de desagregación (Gabioud et al., 2011). Una alternativa viable es el análisis micromorfológico de secciones delgadas (Stoops, 2018) en donde se puede incorporar análisis de contexturas, formas, distribución y continuidad, los cuales aportan información detallada de la forma y distribución de poros y agregados del suelo (Gutiérrez y Mejía, 2015; Poch, 2015). La desventaja de este tipo de análisis son los valores de cualquier componente del suelo que se obtienen generalmente a través de imágenes aisladas (Leonard et al., 2019; Poch et al., 2019), las cuales no siempre son representativas a causa de la gran heterogeneidad del suelo (Chesworth, 2008) ya que su área pequeña limita la correlación de los componentes del suelo con diferentes escalas (Zaiets y Poch, 2016). Una solución planteada para reducir el sesgo de representatividad de las microfotografías fue propuesta en la década de los 90´s y consistió en el pretratamiento digital (balanceo de color y mejoramiento del contraste) de las imágenes para analizar y cuantificar diferentes componentes del suelo (Protz et al. 1992; Terribile y FitzPatrick, 1992; Protz y VandenBygaart, 1998). Sin embargo, en estas investigaciones nunca hubo consenso en el número de imágenes a analizar debido a las dificultades técnicas y la capacidad de procesamiento de los ordenadores que se usaban en aquel momento.
Otras técnicas son el uso de imágenes de toda la sección delgada obtenidas a través de escáneres, y microtomografías computarizadas. Las primeras dan una idea global de la porosidad, pero son de baja resolución (Bullock y Murphy, 1980; Murphy, 1983; Protz y VandenBygaart, 1998; Jangorzo et al., 2013; Bryk, 2016); mientras que las segundas son una técnica no invasiva y se usan para evaluar la estructura (Lebedeva et al., 2019), porosidad del suelo (Turk y Graham, 2014; Kumi et al., 2015; Stoops, 2015) y su distribución espacial en dos y tres dimensiones (Pires et al., 2011; Carducci et al., 2017; Lebedeva et al., 2019). Sin embargo, las microtomografías computarizadas son deficientes para interrelacionar a los componentes dentro de la matriz órgano-mineral del suelo (Taina et al., 2008).
Los mosaicos de alta resolución (0.0026 mm píxel-1) pueden ser una alternativa pues resuelven varios de estos inconvenientes al: i) cubrir la totalidad de la sección delgada (Gutiérrez-Castorena et al., 2018; Sauzet et al., 2017), ii) cumplir con el concepto de área mínima representable (REA por sus siglas en inglés) propuesto por VandenBygaart y Protz (1999) y poder relacionar cualquier componente del suelo con altos porcentajes de precisión (Gutiérrez-Castorena et al., 2018). Más aún, con el procesamiento digital de imágenes (Protz et al., 1992; Protz y VandenBygaart, 1998) es posible obtener la varianza de los componentes del suelo en dos formas: i) en imágenes individuales (Pineda-Marín et al., 2012) y ii) comparando los valores obtenidos con la totalidad de la sección delgada a partir de mosaicos de alta resolución (Gutiérrez-Castorena et al., 2018). De esa manera se pueden estandarizar los protocolos antes de comparar los valores de porosidad (Marcelino et al., 2007).
El objetivo de esta investigación fue cuantificar los componentes del suelo (poros, agregados y raíces) y comparar los valores obtenidos a partir de mosaicos de alta resolución versus imágenes individuales tomadas de manera aleatoria (tres, cinco y diez) de toda la sección delgada del suelo, para determinar su representatividad en condiciones homogéneas / heterogéneas del suelo.
2. Materiales y métodos
2.1. SELECCIÓN DE MUESTRAS
Tres suelos de uso agrícola con diferentes cantidades de arcilla fueron seleccionados para colectar muestras inalteradas con ayuda de cajas tipo Kubiena. Dos suelos provienen del estado de Hidalgo: Vertisols (Udic Haplausterts) e Inceptisols (Typic Dystrustepts), según el levantamiento etnoedafológico realizado por Torres-Guerrero et al. (2019). Un suelo más provino del campo experimental del Colegio de Postgraduados campus Montecillo, Estado de México: Entisol (Typic Ustifluvents) (González, 2008). Las muestras inalteradas se tomaron a 55 días después de la siembra cerca de plantas de maíz, a 10 cm de la zona de influencia radical y a 10 cm de profundidad para asegurar raíces dentro de las cajas. En todos los suelos se colectaron tres muestras cerca de la misma planta para que éstas pudieran fungir como repeticiones de las cuantificaciones.
2.2. ELABORACIÓN DE SECCIONES DELGADAS
Las muestras colectadas fueron secadas al aire y a la sombra para su posterior impregnación con resina poliéster y monoestireno en una relación 3:1. La elaboración de las secciones delgadas de suelo (5 × 7 cm × 30 μm) se llevó a cabo de acuerdo con Murphy (1986) y los componentes del suelo (porosidad, agregados, raíces) se describieron utilizando la terminología propuesta por Bullock et al. (1985) y Stoops (2003).
2.3. ADQUISICIÓN DE IMÁGENES
En cada sección delgada se tomaron 63 imágenes de manera secuencial utilizando una cámara digital Canon Rebel T3i (12.2 Megapixeles), acoplada a un microscopio petrográfico Olympus BX51. El objetivo utilizado fue 2× con sólo una fuente de luz (luz polarizada plana, PPL). Cada imagen (11.1 × 7.4 mm) fue capturada en el formato original de la cámara *.CR2 y transformada a formato *.TIFF. La resolución de cada imagen fue de 4290 × 2856 píxeles; 0.0026 mm píxel-1 y una profundidad de color de 24 bits (8 bits × 3 bandas en estándar: roja, verde y azul; RGB por sus siglas en inglés).
2.4. ELABORACIÓN DE LOS MOSAICOS
Los mosaicos de alta resolución se construyeron utilizando operadores espaciales de acuerdo con la técnica propuesta por Gutiérrez-Castorena et al. (2016; 2018). Cada mosaico se integró inicialmente de 56 a 63 imágenes; no obstante, los mosaicos fueron recortados a un área total de 1865 mm2 (6×5 imágenes aproximadamente; 367, 567, 200 píxeles µm2) para evitar subestimaciones por el efecto de borde y adelgazamiento del pulido de las secciones delgadas.
2.5. ANÁLISIS DIGITAL DE IMÁGENES
2.5.1. IMÁGENES AISLADAS
De las imágenes secuenciales tomadas para los mosaicos se eligieron de forma aleatoria tres, cinco y diez por tratamiento dentro de cada sección delgada. Además, no se usaron imágenes subsecuentes para evitar las zonas de traslapes que fueron empleadas para la construcción del mosaico. Las imágenes fueron sometidas a un proceso de transformación de tres bandas (RGB), con una profundidad de color de 24 bits, a imágenes en escala de grises (binarias de 8 bits) con ayuda del software Fiji de ImageJ (Schindelin et al., 2012) para su posterior análisis. A cada una de las imágenes binarizadas se le practicó una segmentación a través del comando ISO cluster unsupervised dentro del software ArcGis 10.3®, dando como resultado una capa raster de categorías divididas con base en sus valores de saturación de grises. Con la ayuda de la imagen original, las categorías fueron reclasificadas en tres capas raster: espacio poroso, agregados y raíces. Posteriormente, las imágenes fueron vectorizadas para cuantificar sus áreas (polígonos) (Figura 1).
2.5.2. MOSAICOS DE ALTA RESOLUCIÓN
La delimitación y cuantificación de los componentes del suelo se llevó a cabo utilizando ArcGis® 10.3 (Environmental Systems Research Institute, 2015). Para reducir la información y optimizar el procesamiento de los mosaicos en un ordenador convencional, se realizó un pretratamiento a las imágenes que consistió en la transformación de componentes principales integrados por tres capas a una sola capa o componente (el cual representa más del 97% de la información de la imagen original) y de esta manera se redujo el tamaño de la imagen de Gigabytes a Megabytes. Además, se eliminaron los cálculos redundantes debido a la composición de múltiples imágenes de los mosaicos (Terribile y FitzPatrick, 1992; Campbell, 1996). Al finalizar el pretratamiento de las imágenes, con la capa resultante de cada mosaico de obtuvieron las varianzas representativas de cada componente del suelo en escala de grises.
Posteriormente, se realizó una clasificación no supervisada (ISO cluster unsupervised) con 30 categorías y posteriormente, una reclasificación por atributos con la ayuda de la imagen original (color verdadero) más la del componente principal (generando falsos colores para cada componente del suelo) y la imagen resultante de la clasificación no supervisada. Con este proceso se delimitaron los agregados, raíces y espacio poroso en capas raster, que posteriormente fueron vectorizadas para su cuantificación final.
En el caso de los agregados, los vectores resultantes de cada mosaico se utilizaron para cuantificar y dividir los agregados en cinco clases: I) microagregados (< 250 µm o 8180 píxeles), II) macroagregados muy finos (250-500 µm o 8180-29254 píxeles), III) finos (500-1000 µm o 29254-117164 píxeles), IV) medios (1000-5000 µm o 117164-3272000 píxeles) y V) gruesos (>5000 µm o 3272000 píxeles) utilizando la propuesta de Gutiérrez-Castorena et al. (2018).
3. Resultados
Los contenidos de arcilla y algunas propiedades fueron obtenidas de los levantamientos edafológicos realizados por González (2008) y Torres-Guerrero et al. (2019) y son mostrados en la Tabla 1.
Tabla 1 Propiedades edáficas en donde se obtuvieron las muestras para elaborar las secciones delgadas de suelo.
| Suelo | Cantidad de arcilla |
Clase Textural | Densidad Aparente (g cm-3) |
M.O. (%) |
| Typic Ustifluvents (Entisols) | 37 | Franco-arcilla-limosa | 1.3 | 2.08 |
| Typic Dystrustepts (Inceptisols) | 43 | Arcillosa | 1.43 | 1.16 |
| Udic Haplusterts (Vertisols) | 57 | Arcillosa | 1.52 | 4.25 |
3.1. POROSIDAD
La porosidad calculada en la totalidad de los mosaicos varió de 42% a 55% en los tres suelos y en todos los casos la variación entre repeticiones no superó el 5%, con valores de 40-43% en Entisols, 51-55% en Inceptisols y 50%-55% para Vertisols (Tabla 2). Cuando se contrastaron los resultados obtenidos mediante imágenes individuales, la variación entre repeticiones fue mayor en todos los casos (9%, 11% y 16% para Inceptisols, Entisols y Vertisols, respectivamente).
Tabla 2 Porosidad del suelo calculado con técnicas convencionales (imágenes aisladas) y mosaicos de alta resolución compuestos de imágenes secuenciales en los tres suelos muestreados.
| Método | 1 | 2 | 3 | Promedio | ||||
| Porcentaje | Varianza | Porcentaje | Varianza | Porcentaje | Varianza | Porcentaje | Varianza | |
| (%) | (σ2) | (%) | (σ2) | (%) | (σ2) | (%) | (σ2) | |
| Entisols (Typic Ustifluvents ) | ||||||||
| Fotos aisladas | ||||||||
| Tres | 49 | 66.91 | 38 | 60.37 | 49 | 93.9 | 45 | 73.3 |
| Cinco | 53 | 149.82 | 45 | 280.56 | 54 | 81.36 | 51 | 170.58 |
| Diez | 51 | 87.98 | 40 | 114.7 | 47 | 82.45 | 46 | 95.04 |
| Mosaico | 43 | 40 | 42 | 42 | ||||
| Inceptisols (Typic Dystrustepts ) | ||||||||
| Fotos aisladas | ||||||||
| Tres | 53 | 17.31† | 49 | 125.44 | 53 | 49.42† | 52 | 125.44 |
| Cinco | 51 | 26.01† | 49 | 117.29 | 53 | 47.06† | 51 | 117.29 |
| Diez | 52 | 50.69 | 41 | 65.77 | 44 | 92.16 | 46 | 69.54 |
| Mosaico | 55 | 51 | 52 | 53 | ||||
| Vertisols (Udic Haplusterts ) | ||||||||
| Fotos aisladas | ||||||||
| Tres | 55 | 8.35† | 59 | 70.73 | 47 | 25.91† | 54 | 70.73 |
| Cinco | 41 | 5.90† | 57 | 58.68 | 45 | 48.16† | 48 | 58.68 |
| Diez | 50 | 53.58 | 45 | 13.12† | 39 | 25.60† | 45 | 53.58 |
| Mosaico | 55 | 50 | 53 | 53 | ||||
†Tratamientos en los que la varianza resultó menor a la media.
En cuanto a los valores promediados de las repeticiones empleando la técnica convencional se puede observar que al usar tres imágenes se obtienen los valores más cercanos a la media calculada en los mosaicos de los tres suelos. En el 70% de los casos en donde se empleó la cuantificación con imágenes individuales, la varianza resultó ser mayor (hasta 300%) que la media calculada.
Al aumentar de 3 a 10 imágenes se puede reducir la varianza: Inceptisols (de 125 a 69) y Vertisols (de 70 a 53) pero no en Entisols, en donde se tienen valores con un comportamiento irregular ( véase Tabla 2).
3.2. AGREGADOS Y RAÍCES
El tipo de agregados predominante en cada suelo fue el siguiente: en Entisols se presentan agregados del tipo migajoso y granular en proporciones similares; en Inceptisols los bloques subangulares dominan por encima de los migajosos y granulares; por último, en Vertisols se observó un mayor número de agregados migajosos seguido por bloques subangulares (Figura 2).
Figura 2 Proceso para la cuantificación del porcentaje de espacio poroso y agregados del suelo en imágenes aisladas de las secciones delgadas a una magnificación de 2×.
La cuantificación de los agregados en cada una de las repeticiones donde se usaron fotografías individuales presentó una gran dispersión de los datos con valores por encima de la media al igual que los obtenidos en la porosidad. La mayor variación se registró cuando se emplearon tres imágenes en Entisols (11%) e Inceptisols (9%), y cinco y diez imágenes en Vertisols (25%) como se puede observar en la Figura 3a, 3b y 3c. En cuanto a los valores promedio calculados en todos los tratamientos, la mayor varianza (σ2) se alcanzó en Entisols (128.94), seguido de Inceptisols (81.38) y Vertisols (92.21). Por otro lado, la variación de los valores obtenidos en los mosaicos para Entisols e Inceptisols no superó el 10%; mientras que para Vertisols fue de 18% (Figura 3d). Además, la cuantificación de agregados por medio de vectores en los mosaicos de alta resolución permitió clasificar a los agregados en diferentes categorías según su diámetro en una categoría de microagregados (< 250 µm) y cuatro de macroagregados (250 y hasta > 5000 µm). En este sentido es posible observar que sólo en Vertisols existe una distribución uniforme de todas las clases de agregados; mientras que en Entisols e Inceptisols ocurre una mayor proporción de macroagregados clases IV y V (Tabla 3).La separación en clases de diferentes tamaños de agregados permitió no sólo observar distribución y dominancia de cada categoría, sino también la relación con la porosidad del suelo. En la Figura 4 se muestra como ejemplo, uno de los mosaicos de Vertisols en el cual es fácil reconocer las clases de agregados e inferir acerca del tipo y la magnitud de los poros que se generan.Los valores promedio de raíces obtenidos en la totalidad de las secciones delgadas para los tres suelos difirió entre imágenes individuales y mosaicos con 4.54%, 2.66% y 0.63% para los Vertisols, Entisols e Inceptisols, respectivamente (Tabla 4). En la Figura 5 se puede apreciar que cuando se usan únicamente tres imágenes existe una gran variabilidad en la distribución de poros y agregados del suelo y una escasa presencia de raíces provocando diferencias abruptas entre la cuantificación de imágenes. Cuando se emplearon cinco imágenes, la variabilidad entre poros y agregados se redujo (hasta en 10%), pero si se agrega un componente tan heterogéneo en su distribución como son las raíces, las diferencias se incrementan > 20% (Figura 6).
Figura 3 Porcentaje de agregados calculados en fotografías aisladas versus mosaicos de alta resolución de secciones delgadas en a) Entisols, b) Inceptisols, c) Vertisols y d) el valor promedio obtenido de las repeticiones.
Tabla 3 Distribución de los agregados cuantificados en los mosaicos de alta resolución y clasificados en diferentes clases de tamaño. Clase I) microagregados (< 250 µm), clase II) macroagregados muy finos (250-500 µm), clase III) finos (500- 1000 µm), clase IV) medios (1000-5000 µm) y clase V) gruesos (> 5000 µm).
| Clase | Porcentaje de agregados (%) | |||
| Número de repetición | Promedio | |||
| 1 | 2 | 3 | ||
| Entisols (Typic Ustifluvents) | ||||
| I | 3.25 | 4.78 | 2.54 | 3.52 |
| II | 2.01 | 2.67 | 1.89 | 2.19 |
| III | 6 | 6.05 | 2.43 | 4.83 |
| IV | 13.04 | 13.23 | 18.47 | 14.91 |
| V | 20.2 | 25.45 | 25.84 | 23.83 |
| Total | 44.5 | 52.18 | 51.17 | 49.28 |
| Inceptisols (Typic Dystrustepts) | ||||
| I | 4 | 4.4 | 2.81 | 3.74 |
| II | 2.04 | 1.59 | 1.05 | 1.56 |
| III | 4.55 | 2.6 | 2.26 | 3.14 |
| IV | 16.4 | 7.68 | 8.85 | 10.98 |
| V | 16.81 | 31.88 | 32.91 | 27.2 |
| Total | 43.8 | 48.15 | 47.88 | 46.61 |
| Vertisols (Udic Haplusterts) | ||||
| I | 8.11 | 4.33 | 5.22 | 5.89 |
| II | 3.49 | 1.71 | 2 | 2.4 |
| III | 6.39 | 2.31 | 3.03 | 3.91 |
| IV | 5.85 | 3 | 7.7 | 5.52 |
| V | 0 | 30.02 | 20.49 | 16.84 |
| Total | 23.84 | 41.37 | 38.44 | 34.55 |
Figura 4 Distribución por clases de agregados en un mosaico de alta resolución correspondiente al tratamiento de Vertisols y rotación de cultivo en el mes octubre. La estructura del suelo puede ser visualizada y correlacionada con otros componentes del suelo en la totalidad de la sección delgada. Longitud del marco 54.17 mm. Clase I microagregados (<250 µm), clase II) macroagregados muy finos (250-500 µm), clase III) finos (500-1000 µm), clase IV) medios (1000-5000 µm) y V) gruesos (>5000 µm).
Tabla 4 Distribución de raíces en el suelo calculado con técnicas convencionales (imágenes aisladas) y mosaicos de alta resolución compuestos de imágenes secuenciales en los tres suelos muestreados.
| Método | Número de repetición | Promedio | ||||||
| 1 | 2 | 3 | ||||||
| Porcentaje | Varianza | Porcentaje | Varianza | Porcentaje | Varianza | Porcentaje | Varianza | |
| (%) | (σ2) | (%) | (σ2) | (%) | (σ2) | (%) | (σ2) | |
| Entisols (Typic Ustifluvents) | ||||||||
| Fotos aisladas | ||||||||
| Tres | 17.91 | 51.64 | 10.86 | 71.57 | 5.43 | 9.73 | 11.4 | 44.31 |
| Cinco | 12.75 | 4.60† | 11.25 | 51.98 | 11.14 | 30.08 | 11.71 | 29.13 |
| Diez | 14.12 | 21.87 | 8.48 | 47.61 | 9.78 | 13.84 | 10.79 | 27.77 |
| Mosaico | 12.5 | 7.82 | 6.83 | 12.5 | 9.05 | |||
| Inceptisols (Typic Dystrustepts) | ||||||||
| Fotos aisladas | ||||||||
| Tres | 0.09 | 0.07† | 0.27 | 0.14† | 0.71 | 0.15† | 0.36 | 0.12† |
| Cinco | 0.09 | 0.05† | 0.26 | 0.10† | 0.84 | 0.38† | 0.4 | 0.18† |
| Diez | 0.08 | 0.05† | 0.26 | 0.11† | 0.75 | 0.26† | 0.36 | 0.14† |
| Mosaico | 1.11 | 0.95 | 0.29 | 0.78 | ||||
| Vertisols (Udic Haplusterts) | ||||||||
| Fotos aisladas | ||||||||
| Tres | 26.63 | 4.00† | 13.37 | 29.16 | 10.94 | 32.38 | 16.98 | 21.85 |
| Cinco | 24.63 | 5.86† | 12.46 | 30.47 | 10.03 | 28.03 | 15.71 | 21.45 |
| Diez | 24.02 | 4.54† | 10.05 | 35.65 | 10.01 | 25.3 | 14.69 | 23.9 |
| Mosaico | 21.12 | 8.1 | 8.1 | 12.44 | ||||
† Tratamientos en los que la varianza resultó menor a la media.
Figura 5 Cuantificación de los componentes del suelo en el mosaico de alta resolución (a) y en tres imágenes aisladas en Inceptisols en el mes de agosto. Longitud del mosaico (a) 54.17 mm y de las fotografías aisladas (1 a 3) 8.32 mm.
Figura 6 Distribución de agregados, poros y raíces en un mosaico de alta resolución (a) y cinco imágenes aisladas en el tratamiento con mayor cantidad de raíces en Vertisols. Longitud del mosaico (a) 54.17 mm y de las fotografías aisladas (1 a 5) 8.32 mm.
Con diez imágenes la variación disminuye, aunque los datos de varianza son altos; por ejemplo, en agregados se pueden obtener valores desde 22.51% hasta 49.38% (Figura 7).
3.3. TIEMPO DE ANÁLISIS
El tiempo que toma cada método de análisis para obtener el resultado final, es decir, la cuantificación de cada componente del suelo se reporta en la Tabla 5. Un mayor número de imágenes puede reducir la dispersión y por consecuencia la varianza de los datos de las cuantificaciones en agregados y poros. Por ejemplo, en un análisis de 20 o 30 imágenes individuales será necesario entre 120 y 150 minutos comparados con los 170 minutos que se requieren en un mosaico de 49 imágenes.
Tabla 5 Tiempo para realizar la delimitación y cuantificación de componentes del suelo en una sección delgada.
| Tiempo (minutos) | ||||
| Fotografías aisladas | Mosaico | |||
| 3 | 5 | 10 | 49 | |
| Toma de fotografías | 8 | 10 | 15 | 35 |
| Unión de fotografías (mosaico) | ns | ns | ns | 30 |
| Pretratamiento de imágenes | 5 | 10 | 15 | 15 |
| Análisis (segmentación, clasificación y cuantificación) | 15 | 20 | 30 | 90 |
| Tiempo Total | 28 | 40 | 60 | 170* |
* El tiempo total comprende los vectores de cada componente del suelo a los cuales se les puede practicar cualquier análisis de medición espacial incluido en el software ArcGis®, (ns) no se requiere.
4. Discusión
4.1. IMÁGENES INDIVIDUALES
El análisis de imágenes aisladas resulta ser una de las técnicas más empleadas para la cuantificación de componentes del suelo en secciones delgadas, debido a su practicidad y bajo costo de implementación; no obstante, se debe considerar la homogeneidad/heterogeneidad del suelo (Bullock et al., 1985). Para cuantificar la porosidad en suelos homogéneos (Inceptisols y Vertisols) con dominancia de un solo tipo de poros (fisuras), son suficientes tres fotografías para obtener variaciones entre muestras menores a 10%, lo que concuerda con los resultados obtenidos por Ringrose Voase (1996) y Poch et al. (2019). De hecho, Pineda-Marín et al. (2012) encontraron que en sustratos con poros de empaquetamiento simple o compuesto se puede obtener una desviación estándar por debajo de 10%, con alta aproximación de los valores reales de la totalidad de una sección delgada. En contraste, cuando el suelo es heterogéneo con dominancia de más de un tipo de poros (como en Entisols; Figura 2) a causa de una mayor actividad biológica (Zaiets y Poch, 2016), la variabilidad se incrementa (> 10%) y los datos son estadísticamente no confiables.
Las imágenes individuales también son útiles cuando los agregados tienen un patrón de distribución homogéneo en términos de color y tipo de agregados como es el caso de los Entisols e Inceptisols estudiados. No obstante, en un sistema heterogéneo de agregados no sólo en el tipo (migajosos y bloques subangulares), sino también en el tamaño, se pueden obtener valores que los sobre o subestime hasta en más de 25%, como es el caso de los Vertisols. En estos suelos, la cuantificación de los agregados y su porosidad es muy importante para monitorear todo el manejo agronómico (Coulombe et al.,1996; Chesworth, 2008; Torres-Guerrero, 2016).
En cuanto al REA para evaluar porosidad y agregados, las imágenes individuales cumplen con lo establecido por VandenBygaart y Protz (1999); sin embargo, sus varianzas son muy altas (> 200), ya que en algunos casos los agregados (> 5000 mm) ocupaban > 70% de una imagen causando un problema de representatividad. Asimismo, al incorporar un componente más (en este caso las raíces) a la delimitación y cuantificación, los valores de imágenes aisladas distaron considerablemente de la cuantificación total, ya que el patrón de distribución de las raíces se encuentra relacionado con el tipo de agregados (migajosos) y poros (de empaquetamiento compuesto) del suelo, haciendo poco confiable esta técnica debido a que la varianza que se registró fue hasta 5 veces mayor a la media.
4.2. MOSAICOS DE ALTA RESOLUCIÓN
La heterogeneidad del suelo se analiza más eficientemente con mosaicos debido a que la variabilidad se reduce significativamente (< 5%) y se resuelven las sobrestimaciones de las imágenes aisladas (Aydemir et al., 2004). Además, se pueden cuantificar y relacionar todos los componentes del suelo (Gutiérrez-Castorena et al., 2018), algo que no se alcanza con la microtomografía computarizada (Stoops, 2018). Cuando se presentan agregados > 8000 mm comunes en los Vertisols (Bravo-Garza y Bryan, 2005), se recomienda usar la segmentación y algoritmos para clasificar a los agregados en diferentes tamaños.
Con el procesamiento digital de imágenes complejas, los resultados pueden ser uniformizados y reproducidos por cualquier usuario (Marcelino et al., 2007), pero conservando la heterogeneidad del suelo para reconocer mayor detalle de ciertos componentes y área observada (FitzPatrick, 1984; Stoops, 2003). Por ejemplo, se puede seleccionar uno o más constituyentes (raíces y agregados) y determinar su distribución y relación en el desarrollo estructural de un suelo (Fitzpatrick, 1990; Stoops, 2003).
En estudios anteriores, las relaciones entre raíces con la microestructura (Moran, 1993; Moran et al., 2000), con la porosidad (Kodešová et al., 2006) o con la formación de agregados del suelo (De León-González et al., 2007) se llevaban a cabo en áreas muy pequeñas o con imágenes de baja resolución. Entonces, si la finalidad de los estudios es demostrar diferentes procesos, relaciones o distribuciones de edaforrasgos dentro de una sección delgada, el uso de mosaicos de alta resolución es una alternativa más eficiente (Gutiérrez-Castorena et al., 2018). Además, se pueden trabajar múltiples escalas microscópicas en una computadora y aplicar el concepto de homogeneidad/heterogeneidad (Bullock et al., 1985). De hecho, la tendencia hacia el futuro es incorporar dos o más análisis en donde se integren múltiples escalas para correlacionar los análisis físicos y químicos del laboratorio con la actividad biológica y los procesos de pedogénesis (Jangorzo et al., 2013, Carducci et al., 2017).
Con esta metodología también es posible implementar análisis cuantitativos que comprendan uno o varios componentes del suelo a diferencia de la microtomografía computarizada, la cual es deficiente al delimitar componentes del suelo dentro de la matriz órgano-mineral y los procesos biológicos que ocurren en el suelo (Taina et al., 2008). Los mosaicos proporcionan un medio de descripción e interpretación adicional a los estudios convencionales, al correlacionar espacialmente dichos rasgos en áreas completas de secciones delgadas (Adderley et al., 2002). Además, se pueden interrelacionar elementos que no siempre coinciden en escala como es el caso de las bacterias con los agregados del suelo y los componentes minerales (Nunan et al., 2003; Gutiérrez-Castorena et al., 2016) o los revestimientos arcillosos con la macro y microporosidad (Sauzet et al., 2017). Finalmente, en cuanto a la pedogénesis, en esta investigación se demostró que la prevalencia de raíces en Vertisols y Entisols desarrolla una estructura heterogénea conformada por agregados granulares y poros de empaquetamiento compuesto generados por la actividad biológica (Six et al., 2004). Sin la presencia de raíces como en Inceptisols, el suelo es más homogéneo y únicamente ocurren fisuras y bloques subangulares en donde sólo dominan los procesos físicos de humedecimiento y secado característicos de suelos arcillosos (Coulombe et al., 1996).
5. Conclusiones
La cuantificación de la porosidad del suelo a través de imágenes aisladas resulta ser un método confiable con una sobrestimación < 10%, si el objetivo de la investigación es descriptivo y no pretende relacionar con otros componentes del suelo. Sin embargo, en agregados (tamaño y tipo) no se recomiendan pues el número de imágenes necesarias para obtener cuantificaciones estadísticamente representativas es variable y muy alto.
Con los mosaicos de alta resolución es posible cuantificar y observar el patrón de distribución de los poros, agregados y raíces y sus inter-relaciones presentes en las secciones delgadas. Además, los diferentes componentes del suelo pueden ser categorizados según su diámetro, área o longitud, permitiendo generar estimaciones y generalizaciones con mayor certeza estadística al realizar repeticiones de secciones delgadas subsecuentes de un mismo bloque. En ese sentido, esta metodología ofrece cuantificaciones totales que pueden abarcar áreas en donde se desee monitorear los diferentes procesos y transformaciones del suelo.
