1- Recopilación de analíticas de suelo: textura y materia orgánica

Se recopilaron 6736 datos de determinación de textura:

• Se localizaron según sus coordenadas X-Y (se localizó el centroide del polígono, en el caso de muestras pertenecientes a parcelas o recintos SIGPAC).
• Se identificó el uso de esos suelos (pastos, cultivos extensivos, viñedos, etc.) y, en la medida de lo posible, por sistemas de producción (en particular, manejo del suelo y aporte de insumos).
• Se depuraron/armonizaron los datos (la suma de las fracciones debía ser el 100%, la profundidad muestreada 0-30 cm, la clasificación USDA, etc.).

Se recopilaron 12122 datos de análisis de materia orgánica:

• Se localizaron según sus coordenadas X-Y.
• Se identificó el uso de esos suelos (pastos, cultivos extensivos, viñedos, etc.) y, en la medida de lo posible, por sistemas de producción (en particular, manejo del suelo y aporte de insumos).
• Se depuraron/armonizaron los datos (la profundidad se homogeneizó a 0-30 cm, el método de determinación se equiparó al de Walkley & Black sin aplicación de calor).

2- Asignación, a cada punto de la base de datos, de los valores de las covariables que se iban a utilizar como predictoras en el modelo

• Para la modelización de la textura, se utilizaron las covariables siguientes: coordenadas (interacción X-Y), elevación, pendiente, litología y uso del suelo. Las variables significativas (?=0.05) fueron:
• Para la arcilla: uso del suelo e interacción X-Y.
• Para la arena: litología, uso del suelo, interacción X-Y, elevación y pendiente.

El limo se obtuvo por diferencia, ya que las tres fracciones deben sumar el 100%.

• Para la modelización de la materia orgánica, resultaron significativas (?=0.05) todas las covariables empleadas: litología, uso del suelo, espesor de regolito, interacción X-Y, precipitación anual acumulada, pendiente, elevación, temperatura media anual, temperatura máxima anual y temperatura mínima anual.

Dado que la resolución espacial de las covariables seleccionadas era muy distinta, todas ellas se rasterizaron a un mismo tamaño de píxel (10m*10m).

3- Obtención del modelo para la textura

Se modelizó primero la textura, ya que la transformación del contenido de materia orgánica (%) en existencias de carbono (t C/ha) requiere conocer la densidad aparente que, mediante ecuaciones de pedotranferencia, puede ser estimada partiendo de la textura y del contenido de materia orgánica.

Se realizó la transformación aditiva log-ratio (ALR) propuesta por Aitchison (1986) para datos composicionales, ya que la textura se expresa como porcentaje de las tres clases granulométricas (arena, arcilla y limo) y su suma ha de ser del 100%. De este modo, el modelo ajustado elegido consiste en un modelo de respuesta multivariante para las variables de arena y arcilla transformadas, y la tercera (limo) es el resultado de la diferencia entre 100% y la suma de las otras dos.

Para el enfoque multivariante se utilizó la técnica de Modelos Aditivos Generalizados (GAM-Generalized Additive Models) con splines penalizados (p-splines).

4- Estimación de la densidad aparente para el modelo de materia orgánica

El mapa de predicción obtenido en el modelo de textura se utilizó para obtener los porcentajes de arena, arcilla y limo en las localizaciones con dato de materia orgánica.

A partir de estos porcentajes y el contenido de materia orgánica, se estimó la densidad aparente:

• Para sistemas forestales se emplearon funciones de pedotransferencia obtenidas a partir de las 428 parcelas del Inventario Forestal Nacional que componen la red BASONET creada en 2001 por el Departamento de Agricultura del Gobierno Vasco.

• Para suelos no-forestales se utilizó la ecuación desarrollada por Rawls y col. (2004) basada en el estudio de 2100 muestras de suelo del horizonte A de los Estados Unidos de América.

5- Obtención del modelo para la materia orgánica

Para la obtención del modelo de materia orgánica se aplicó la técnica de los Modelos Aditivos Generalizados (GAM-Generalized Additive Models) con splines penalizados (p-splines).

Finalmente, una vez conocido el contenido de materia orgánica y estimada la densidad aparente, se calcularon las existencias de carbono:

C (Mg ha^-1) = C (%) * D (Mg m^-3) * profundidad (m) * 100

Donde,

C (Mg ha^-1): cantidad de C contenida por unidad de superficie (en Mg ha^-1).

C (%): contenido de C de la muestra de suelo, en %.

D (Mg m^-3): densidad aparente del suelo, en Mg m^-3.

Profundidad (m): profundidad de muestreo, en metros.

6- Pautas para promover la acumulación de carbono orgánico en los suelos

A pesar del esfuerzo en la recopilación de analíticas de suelos, no fue posible identificar las prácticas agrícolas de la CAE que se corresponderían a las fijaciones de carbono más elevadas, puesto que no se trataba de un muestreo de suelos diseñado para tal fin.

Sin embargo, a partir de fuentes bibliográficas, se resumieron algunas de las prácticas de manejo que incrementarían las existencias de carbono orgánico en suelo, así como sus tasas de fijación. Y se realizó un pequeño ejercicio para ilustrar el esfuerzo que supondría tratar de compensar las emisiones generadas anualmente por la actividad agrícola-ganadera de la CAE a través del incremento del secuestro de carbono de los suelos.

• Story Map
• Ver en GeoEuskadi
• Descarga mapas (tif)