En este trabajo se realiza un análisis de los principales problemas que se padecen para el
cálculo del factor K de la USLE y se presenta un conjunto de mejoras tanto para la auto matización de su cálculo como para eliminar errores existentes.
Uno de los principales problemas es que los análisis de suelo ordinarios no facilitan un
dato fundamental de entrada para calcular el factor K, como es el porcentaje de arena
muy fina (AMF). Existen diversos modelos de estimación de la fracción de AMF, que son
analizados en este trabajo frente a la mayor base de datos de suelos a escala mundial. Se
comprueba que la aceptabilidad de estos modelos es muy baja y se plantea, como alter nativa, el uso de la citada base de datos trasladada al triángulo de textura que ofrece in tervalos cuartílicos de predicción.
Se aborda también el problema que plantea la disparidad de intervalos granulométricos
según las distintas clasificaciones texturales existentes. La aplicación de fórmulas de eda fotransferencia, como el cálculo del mismo factor K, se ve impedida cuando los datos tex turales aparecen en un sistema distinto del original de la fórmula. El caso más frecuente
ocurre con el límite granulométrico de la fracción de limo, el cual en el Sistema USDA
abarca el rango de 0,002 a 0,05 mm, mientras que en el Sistema Internacional Simplificado
va desde 0,002 hasta 0,02 mm. Con una metodología semejante a la de la AMF se analizan
los modelos actuales de conversión entre estos límites texturales; se concluye que uno de
estos modelos ofrece resultados aceptables y se indican las regiones del triángulo de tex tura en donde cada modelo tiene un mejor funcionamiento. También se propone una al ternativa para la estimación de la fracción de limo USDA basada en una regresión cuantí lica local.
El uso del nomograma de Wischmeier et al. (1971) para el cálculo del factor K resultaba
de gran utilidad cuando la disponibilidad de máquinas de cálculo era muy limitada; sin
embargo, el cálculo masivo de este factor, para su cartografiado u otras aplicaciones, exige
la generación de procedimientos de cálculo analítico. Se ha analizado el nomograma y su
ecuación subyacente, así como la calidad del ajuste al nomograma de los modelos analíti cos que tratan de abarcar aquellas regiones donde la ecuación original no era aplicable.
Se ha comprobado que todos los modelos tienen zonas de ajuste deficiente o, incluso,
inaceptable y que, por las evidencias analizadas, el dibujo de las curvas que ajustaban el
factor K en función del contenido en materia orgánica es erróneo en el nomograma. Fi nalmente, se plantea un modelo de cálculo del factor K con un buen ajuste a las distintas
partes del nomograma y sin el citado error, que tampoco fue cometido por Wischmeier y
Meyer (1973) en su planteamiento analítico. Se muestran también las regiones del trián gulo de textura donde se encuentran los suelos observados por los creadores de la USLE,
con vistas a dar una consideración predictiva menor a aquellas regiones en las que los
cálculos del factor K estarían extrapolados.
Para cerrar el trabajo se ofrece una herramienta que facilita la obtención del factor K para
diferentes situaciones de disponibilidad de datos.
In this work we perform an analysis of the main problems suffered for the calculation of
the K factor of the USLE and a set of improvements is presented, both for the automation
of its calculation and to avoid existing errors.
One of the main problems is that ordinary soil tests do not provide a basic input to calcu late the K factor, such as the percentage of very fine sand (VFS). There are several models
for estimating the fraction of VFS, which are analyzed in this work against the largest soil
database worldwide. The acceptability of these models is found to be very low, and we
propose, as an alternative, the use of the aforementioned database transferred to texture
triangles that offer quartile prediction intervals.
The problem posed by the disparity of particle size intervals according to the different
existing textural classifications is also addressed. The application of pedotransfer formu las, such as calculating the K factor, is impeded when the textural data appears in a system
other than the original of the formula. The most frequent case occurs with the particle
size of the silt fraction, which in the USDA System covers the range of 0.002 to 0.05 mm,
while in the Simplified International System it ranges from 0.002 to 0.02 mm. Applying a
methodology similar to that of the VFS, we analyse the current models of conversion be tween these textural limits; one of these models offers broadly acceptable results; we also
indicate the regions of the texture triangle where each model performs better. An alter native for estimating the USDA silt fraction based on a local quantile regression is also
proposed.
The use of the nomograph of Wischmeier et al. (1971) for the calculation of the K factor
was very useful when the access to calculation machines was very limited; However, the
massive calculation of this factor, for its mapping or other applications, requires analytical
calculation procedures. The nomograph and its underlying equation have been analyzed,
as well as the quality of the fit to the nomogram of the analytical models that try to cover
those regions where the original equation was not applicable. It has been found that all
the models have areas of poor or even unacceptable fit and that, based on the evidence
analyzed, the drawing of the curves that adjusted the K factor as a function of the organic
matter content is erroneous in the nomograph. Finally, a calculation model for the K factor
is proposed with a good fit to the different parts of the nomograph and without the afore mentioned error, which we did not found either in the analytical approach by Wischmeier
and Meyer (1973). We also make clear the regions of the texture triangle containing the
soils tested by the creators of the USLE in order to give a lower predictive consideration
to those regions in which the K factor calculations would be extrapolated.
To round off this research, we propose a tool that facilitates obtaining the K factor for
different situations of data availability.
Thesis Collection
Last Deposit
