1

ESTUDIO DE LA VARIABILIDAD ESPACIAL DEL SUELO EN EL CENTRO DE PRODUCCIN OVINOS Y CAPRINOS. SAN JUAN DE LOS MORROS, ESTADO GURICO. Valera-Valera, A1., Coronado-Longa, J2., Ferrer-Espy, J3.
1

CIESA-UNERG. angelvalera@cantv.net; 2Centro de Produccin con Rumiantes. 3Agronoma UNERG. jairofe@yahoo.com

INTRODUCCIN Con la finalidad de evaluar el comportamiento espacial de atributos relacionados con la fertilidad de los suelos, se seleccion un sitio experimental ubicado en el Centro de Produccin Ovinos y Caprinos ubicado en la Universidad Rmulo Gallegos (UNERG), en el Sector El Castrero de San Juan de los Morros, estado Gurico. El propsito fundamental de esta investigacin es determinar el estado de la fertilidad de los suelos y generar informacin bsica para el desarrollo de ensayos y pruebas experimentales que permitan una mejor interpretacin de los resultados de los diferentes tratamientos relacionados con especies de alto valor alimenticio para la produccin agrcola, que permita un manejo ms sustentable de los suelos, ya que la evaluacin de la fertilidad es til para determinar el potencial productivo y los factores edficos que limitan dicho potencial, y as establecer las prcticas de manejo ms adecuadas en la zona de estudio. MATERIALES Y MTODOS rea de Estudio. La zona donde se llevo a cabo el estudio se encuentra ubicada en el Municipio Juan Germn Roscio, especficamente en el occidente de San Juan de los Morros. Los suelos en esta rea son de escaso desarrollo pedogentico (Haplustepts); geolgicamente pertenecen a la formacin Santa Isabel y constituyen un valle coluvioaluvial dominado por colinas y montaas, con una vegetacin predominante de pasto yaragu, mastranto en menor proporcin, algunas especies dispersas de Chaparro y otras especies arbreas como el samn. Para el estudio de la variabilidad de los suelos se realiz un muestreo sistemtico en cuadrculas espaciadas cada 20 m, en los horizontes superficiales, para un total de 60

muestras de suelos en una superficie de 1,96 ha, y cada punto de muestreo fue georeferenciado mediante un sistema de posicionamiento global (GPS). A las muestras superficiales se les realiz un diagnstico con fines de fertilidad, utilizando las metodologas del Laboratorio de anlisis de suelos del Centro de Investigacin en Suelos y Aguas de la UNERG, y se determinaron los porcentajes de arcilla (% A), limo (% L) y arena (% a), contenido de materia orgnica (MO), pH, conductividad elctrica (CE) y elementos disponibles: fsforo (P), potasio (K), calcio (Ca) y magnesio (Mg). Adems, se determin el espesor del horizonte superficial (Esp. A), el espesor del horizonte B (Esp. B), la profundidad al horizonte C (Prof. C) y el porcentaje de esqueleto grueso (% EG). Anlisis Estadstico Las muestras se sometieron a un anlisis exploratorio de datos (AED) con apoyo del programa SPSS (1999), con el propsito de calcular los estadsticos bsicos, tales como: media, mediana, varianza, coeficiente de variacin, valores mximos y mnimos, y los ndices de asimetra y curtosis, para determinar la existencia de tendencias, y se utiliz la metodologa de cercas externas e internas de Tukey (Rey y Ovalles, 2000), con el fin de detectar la presencia de valores atpicos. Adems, se utilizaron histogramas y pruebas de normalidad para evaluar la distribucin de los datos, y tambin se realiz un anlisis de componentes principales para determinar las variables edficas que sintetizan la informacin y explican los cambios que ocurren en la zona de estudio. Anlisis geoestadstico Las variaciones espaciales pueden estudiarse a travs de tcnicas geoestadsticas que permiten elaborar mapas y delimitar reas de manejo homogneo. A travs de la geoestadstica se puede estudiar el patrn de variacin de los atributos de los suelos, ya que sta tcnica permite el estudio de los fenmenos naturales. La geoestadstica provee de herramientas estadsticas para describir la variacin de diversos atributos sobre la superficie de la tierra, estimarlos con precisin en sitios no muestreados y disear esquemas eficientes de muestreo (Webster, 1985; Oliver y

Webster, 1986). Las variables que presentan dependencia espacial son conocidas como variables regionalizadas, las cuales son una funcin que describe un fenmeno natural geogrficamente distribuido y tienen cierto grado de correlacin. (Trangmar et al., 1985; Upchurch y Edmonds, 1991; Viloria, 1991) Los semivariogramas proporcionan informacin sobre los cambios con la distancia en el patrn espacial de cada variable, y el rango espacial puede utilizarse para planificar futuros muestreos de suelos que requieran independencia entre unidades experimentales. Estos semivariogramas son herramientas geoestadsticas utilizadas para describir la autocorrelacin existente entre variables ambientales. (Oliver y Webster, 1986; Hamlett, 1986; Fernndez y Elizalde, 1995). Los semivariogramas experimentales se pueden calcular utilizando la siguiente ecuacin: (Webster, 1985; Ovalles, 1992)

(h) = 1/2N [Z(x) - Z(x+h)]2

donde: (h) = Semivarianza. N = Nmero de pares de observaciones comparadas en cada distancia. Z(x) = Valor de la propiedad z en el lugar x. Z (x+h) = Valor de la propiedad z a una distancia h del lugar x. El grfico de la semivarianza contra la distancia es conocido como semivariograma (Figura 1), el cual contiene toda la informacin referente a la variable regionalizada en donde la semivarianza aumenta con la distancia, alcanzando un valor ms o menos constante (umbral o sill). La distancia a la cual se estabiliza la semivarianza se llama alcance, amplitud o rango de dependencia espacial (Ovalles, 1992; Ovalles y Nuez, 1994). Si las variables evaluadas se distribuyen al azar, los valores del semivariograma no se ven afectados por la distancia; y en caso contrario, cuando los valores de las variables estn autocorrelacionados, el semivariograma generalmente incrementa sus valores con la distancia debido a la comparacin de muestras vecinas que son similares y estn relacionadas hasta que alcanza el umbral. Este rango es la distancia dentro de la cual

existe dependencia espacial (Burrough, 1986).

(h) (h) = Semivarianza h =Intervalo de distancia a = Rango Co = Efecto Nugget C1 = Varianza Estructural C = Umbral

C1 C=Co+C1

Co

Figura 1. El semivariograma y sus componentes. Modificado de Ovalles (1992), y Jaramillo (2002).

En

esta

investigacin,

para

el

anlisis

geoestadstico,

se

calcularon

los

semivariogramas compuestos o globales (independientes de la direccin) para cada variable, los cuales se ajustaron a modelos tericos por el mtodo de los mnimos cuadrados ponderados utilizando el programa Vesper del Centro Australiano de Agricultura de Precisin (Minasny et al., 2002). Con la informacin derivada de los semivariogramas ajustados se estimaron valores en los sitios no muestreados utilizando el mtodo de interpolacin por kriging puntual, generndose diagramas de las estimaciones y de los errores asociados a la estimacin. Adems, las variables evaluadas se representaron en figuras 3D para corroborar el patrn de variabilidad sistemtica utilizando el programa Surfer (Golden Software, 1999). RESULTADOS Y DISCUSIN Anlisis Estadstico Los datos procedentes del muestreo sistemtico se sometieron al anlisis exploratorio, cuyos resultados obtenidos indican que en general los suelos presentan un mediano espesor del horizonte superficial; tienen texturas comprendidas entre francas (F), franco-arenosas (Fa) y Franco-arcillo arenosas (FAa) y una moderada fertilidad con

bajos niveles de P, altos contenidos de Ca, Mg y K, contenidos medios de MO, y no presentan problemas de salinidad. (Cuadro 1). Cuadro 1. Estadsticos descriptivos de los datos procedentes del muestreo sistemtico.
Atributo Mnimo Mximo Media Mediana pH 5,5 6,7 6,15 6,1 Esp. A 5 19,0 11,0 10 Esp. B 5 89 29,22 21,5 Prof. C 15 100 40,22 33,5 CE 0,08 0,38 0,19 0,18 %MO 1,2 3,1 2,57 2,7 P 4 41 12,18 9,6 K 222 868 457 460 Ca 600 980 759 740 Mg 52 204 136,33 133,5 %A 6,9 39 22,05 22,9 %L 10,4 51 29,81 30,0 %a 32,1 68 48,16 48,0 %EG 1,20 33 10,80 8,7 CV 4,2 32,1 75,2 54,8 34,0 16,7 65,7 30,6 11,4 27,8 35,2 25,9 19,7 77,2 Varianza Asimetra Curtosis 0,07 -0,08 -0,11 12,5 1,01 0,50 482 1,37 1,26 487 1,26 1,03 0,004 0,97 0,90 0,19 -1,61 2,13 160 2,11 4,63 19519 0,31 -0,34 7535 0,55 -0,22 1436 -0,21 -0,66 60,3 0,21 -0,56 59,5 0,29 0,82 89,8 0,11 -0,79 69,4 0,94 -0,01

Los resultados del anlisis estadstico univariado para los atributos de la zona estudiada indican que las mayores variaciones (superiores al 50%) las presentan las variables fsicas, donde destacan EG, Esp. B y Prof. C, con coeficientes de variacin (CV) de 77, 75, 66 y 55 %, respectivamente. El P posee un alto CV de 66 %, y el resto de los atributos estudiados tienen un CV inferior al 50 %, lo cual indica una baja variacin. Los menores CV lo presentan algunas variables qumicas, destacando los atributos MO, Ca y pH; este ltimo atributo, aunque presenta la menor variacin debido a la escala logartmica en que se expresa, comprende un rango que va desde moderadamente cido hasta la neutralidad. Histogramas, Pruebas de Normalidad, Diagramas de Caja, y Grficos de Normalidad. De acuerdo con los histogramas, los diagramas de caja, los grficos de normalidad y las pruebas de normalidad de los atributos considerados, ninguno de estos presenta una distribucin normal. Es decir, las curvas presentan valores de asimetra y curtosis distantes de cero (0). Solamente los atributos Mg, a, A, y L, sealados en el Cuadro 2 se aproximan a cumplir con el supuesto de normalidad; sin embargo la prueba de Kolmogorov-Smirnov (SPSS, 1999) indica que los resultados se encuentran en el lmite

inferior de la significacin verdadera, por lo que se presentan tambin los grficos de normalidad para verificar si las muestras proceden de poblaciones normales. Cuadro 2. Pruebas de normalidad
Atributo pH Esp. A Esp. B Prof. C CE %MO P K Ca Mg %A %L %a %EG Kolmogorov-Smirnov (K-S) Estadstico K-S gl Sig. ,132 60 ,011 ,195 60 ,000 ,174 60 ,000 ,157 60 ,001 ,123 60 ,024 ,238 60 ,000 ,289 60 ,000 ,128 60 ,015 ,129 60 ,014 ,069 60 ,200 ,099 60 ,200 ,092 60 ,200 ,085 60 ,200 ,158 60 ,001

Nivel crtico Sig < 0,05: se rechaza la hiptesis de normalidad.

Adems de las pruebas anteriores, tambin se aplic la metodologa de cercas externas e internas, cuyos resultados se expresan en el Cuadro 3, indicando los valores lmites para los atributos evaluados, en los cuales se observa que los atributos P disponible y MO presentaron 3 y 2 valores muy lejanos o fuera del lmite de las cercas externas, respectivamente. Despus de eliminarse los valores atpicos se realiz nuevamente un AED, especficamente para los atributos P y MO para evaluar los diagramas de caja, los histogramas y los grficos de normalidad, destacndose que disminuy la diferencia entre la media y la mediana, las curvas presentan mayor simetra y la curtosis se hizo menor; sin embargo, al igual que el resto de los atributos edficos no se alcanz en ningn caso una distribucin normal. Es importante destacar que la eliminacin de los casos extremos de los valores de P y MO influy en la disminucin del CV de 65,7 y 16,8 a 48,6 y 13,7 % respectivamente. Es importante destacar que la matriz de correlaciones arroj algunas relaciones de los atributos, destacando los mayores coeficientes entre: %A-K, CE-Esp. B, K-Esp. A, K-

%a, Mg-pH y MO-K. Adems, el anlisis de componentes principales indic que los atributos Esp. A, P, Ca, MO y EG son los ms importantes en la zona estudiada, ya que dichos componentes son capaces de explicar el 79 % de la variabilidad presente en el sector.

Cuadro 3. Valores lmites de los datos derivados del muestreo sistemtico.

Atributo Mnimo Mximo pH 5,5 6,70 Esp. A 5 19,0 Esp. B 5 89 Prof. C 15 100 CE 0,08 0,38 %MO 1,2 3,1 P 4 41 K 222 868 Ca 600 980 Mg 52 204 %A 6,9 39 %L 10,4 51 %a 32,1 68 %EG 1,20 33 CIi: Cerca Interna inferior CIs: Cerca Interna superior CIi CIs CEi CEs 5,51 6,81 5,03 7,3 4,50 16,50 0,00 21 0,00 78,89 0,00 118,5 0,00 93,00 0,00 135 0,02 0,34 0,00 0,46 2,01 3,39 1,49 3,91 0,00 22,15 0,00 32,8 0,00 939 0,00 1297 520 1000 340 1180 22 254 0,00 340 1,30 41,10 0,00 56,0 10,85 48,05 0,00 62,0 19,38 77,35 0,00 99,1 0,00 36,24 0,00 55,7 CEs: Cerca Externa superior CEi: Cerca Externa inferior Atpicos 0 0 0 0 0 2 3 0 0 0 0 0 0 0

En general, todos los atributos presentan ndices de asimetra relativamente cercanos a cero, e ndices de curtosis bajos o menores a la unidad, a excepcin de los atributos que presentaron valores atpicos (P, MO), y las variables relacionadas con la profundidad de los horizontes (Esp. A, Esp. B, Prof. C), las cuales superan al valor unitario. Adems de los resultados anteriores, otras pruebas indican que tambin existen tendencias entre la media y la varianza, lo cual sugiere una ausencia de estacionaridad que posiblemente puede dificultar el anlisis geoestadstico; sin embargo, Yost et al (1982 a, b) y Burrough (1993), han encontrado que la ausencia de estacionaridad en los datos no afecta sensiblemente el anlisis de la semivarianza.

Anlisis Geoestadstico Para el estudio de la variabilidad espacial se utiliz el anlisis geoestadstico, calculndose las semivarianzas de las muestras, basadas en incrementos de 20 m para todos los atributos estudiados. Posteriormente estos semivariogramas compuestos o totales (independientes de la direccin) fueron ajustados a modelos tericos (esfricos y lineales con umbral), de los cuales se derivaron los parmetros geoestadsticos ms importantes que son presentados en el Cuadro 4. En el Cuadro 4 se observa que los alcances o rangos de dependencia espacial fluctuaron entre 26 y 94 m, para un promedio de unos 40 m; con un componente aleatorio o efecto nugget relativo (NR) entre 8 y 82 %, indicando que ocurren dbil, moderada y fuerte dependencia espacial en el conjunto de atributos analizados. Los semivariogramas de los atributos Esp. A, Esp. B, Prof. C, P, K, Ca y Mg mostraron un carcter transitivo, es decir, la semivarianza aument con los incrementos de la distancia hasta llegar a un mximo en la cual se estabiliza la semivarianza, indicando la presencia de dependencia espacial; ejemplos de estas tendencias se observan en las Figuras 2a, 2b y 2c. Otros atributos, tales como pH, CE, MO y L, presentaron un comportamiento completamente aleatorio, lo que indica que no tienen estructura y no presentan dependencia espacial a la escala estudiada, tal como se seala en la Figura 2d. El efecto nugget relativo (NR) derivado de los semivariogramas compuestos indica una fuerte dependencia para los atributos Esp. A, P y Ca (NR < 18 %); los atributos Esp. B, Prof. C, K, Mg, A y G presentaron una moderada dependencia espacial (NR entre 27-70 %), y el %a presenta una dbil dependencia espacial (NR = 82 %). Interpolaciones (Kriging) Los diversos parmetros derivados de los modelos tericos de los semivariogramas (alcance, umbral, nugget) se utilizaron en el proceso de interpolacin por kriging puntual, con la finalidad de estimar valores de los atributos considerados en sitios no muestreados para caracterizar espacialmente la variabilidad presente en el sector. De esta manera se lograron obtener los diagramas de las estimaciones para cada uno de

los atributos del suelo y sus respectivos diagramas que representan el error de la estimacin. Cuadro 4. Parmetros geoestadsticos de los semivariogramas compuestos de los atributos estudiados.
Atributos pH Esp. A Esp. B Prof. C CE %MO P K Ca Mg %A %L %a %EG Modelo Lineal con Umbral Esfrico Esfrico Lineal con Umbral Lineal con Umbral Esfrico Esfrico Esfrico Lineal con Umbral Exponencial Lineal con Umbral Lineal Lineal con Umbral Esfrico Alcance (m) 31 52 48 29 56 40 87 94 81 26 Nugget (C0) 0,065 1,0 316 317 0,004 0,128 5,00 13979 1316 666 23 58 73 30 Varianza Explicada (C1) 0 12,3 162,5 165,1 0 0 23 6046 7033 815 61 0 16 40 Umbral 0,065 13 479 482 0,004 0,128 28 20025 8349 1481 84 58 89 70,0 % Nugget 100,0 7,5 66,0 65,8 100,0 100,0 17,7 69,8 15,8 45,0 27,4 100,0 82,0 42,9

a) Esp A
Semivarianza Semivarianza

b) P

Distancia (m)

Distancia (m)

c) % EG
Semivarianza Semivarianza

d) %MO

Distancia (m)

Distancia (m)

Figura 2. Semivariogramas de: a) espesor del horizonte A, b) fsforo disponible, c) porcentaje de esqueleto grueso y d) contenido de materia orgnica.

10

El diagrama derivado de la interpolacin mediante el mtodo del kriging puntual para el atributo de mayor dependencia espacial (Esp. A) indica una mxima variacin en el sentido SO-NE de la parcela estudiada, la cual se corresponde con la direccin de la pendiente general del rea estudiada (Figura 3a). El diagrama de errores (Figura 3b), se relaciona con el diagrama de estimacin del atributo Esp. A, indicando que las zonas con valores altos de varianza el muestreo debe incrementarse para mejorar la precisin de las estimaciones. Los errores fueron mayores hacia el extremo SO, ya que en esa zona no se realizaron muestreos, por lo que es recomendable establecer parcelas experimentales en la reas de menor variacin, desechando el extremo mencionado. Esta misma situacin se observ en el resto de los atributos que presentaron alguna estructura de dependencia espacial. Por otra parte, el diagrama de errores seala que las estimaciones fueron mejor para Esp. A, P y Ca, como consecuencia de la menor variabilidad aleatoria. Sin embargo, otros atributos con menor dependencia espacial mostraron errores de estimacin ms altos, por lo que los valores estimados no tendrn la misma confiabilidad que los de la variable Esp. A. Asimismo, para corroborar la interpolacin realizada se presenta el mapa de isolineas del espesor del horizonte A (Figura 5) y su respectiva representacin en un diagrama tridimensional (Figura 6), con la finalidad de visualizar el patrn de variabilidad espacial y el rango de dependencia de dicho atributo y tomar las decisiones ms acertadas para la realizacin de un muestreo adecuado de los suelos y el establecimiento de parcelas experimentales de acuerdo con las condiciones del terreno. Con el mapa de isolneas de esta variable (Esp. A), o con la distribucin de los errores de las estimaciones, las unidades experimentales deben ubicarse en aquellos sitios donde la variabilidad en la distribucin de los valores y el error de las estimaciones sea meno. En general, estos diagramas son de gran utilidad para orientar futuros planes de muestreo en la zona, los cuales deben ejecutarse en los sectores donde son mayores los errores de estimacin.

11

a)

b)

Figura 4. Diagrama de las estimaciones por Kriging del espesor del horizonte A (a) y las varianzas de las estimaciones (b).

140

120

100

19 18 17

80

16 15 14

60

13 12

40

11 10 9

20

8 7

6
0 20 40 60 80 100 120 140

Figura 5. Mapa de isolineas del atributo espesor del horizonte A

12

18 17 16 15 14 13 12 11 10 9 8 7 6

Figura 6. Diagrama de interpolacin por kriging del espesor del horizonte A.

CONCLUSIONES

El AED permiti detectar valores atpicos en los atributos P y MO. Los valores de Esqueleto Grueso, Espesor del Horizonte B, Fsforo y Profundidad al Horizonte C presentaron un alto coeficiente de variacin.

Los mayores coeficientes de correlacin fueron entre %A-K, CE-Esp. B, K-Esp. A, K-%a, Mg-pH y MO-K

El ACP indic que los atributos Esp. A, P, Ca, MO y EG explican el 79 % de la variacin presente en el sitio evaluado.

El anlisis geoestadstico indic que los semivariogramas de los atributos presentan un carcter transitivo hay atributos con fuerte dependencia espacial (Esp. A, P, Ca); moderada dependencia (Esp. B, Prof. C, Ca, Mg, %A, EG), dbil dependencia espacial (%a), y variables sin estructura espacial (pH, CE, MO %L).

13

Los alcances o rangos de dependencia espacial fluctuaron entre 26 y 94 m, al considerar semivariogramas compuestos, indicando que dichos atributos estn relacionados en dicha distancia.

La menor varianza aleatoria correspondi a Esp. A (7,5 %), lo que indica que dicha variable presenta un patrn de comportamiento que puede obedecer a las condiciones naturales del proceso deposicional y de arrastre del material parental que origina estratos delgados y profundos, o quizs se debe a cambios por efecto del manejo.

Los patrones de variacin estn relacionados con la direccin de mayor variabilidad. Este patrn de distribucin se debe posiblemente a los procesos de erosin y acumulacin que ocurren en la direccin de la pendiente del terreno, la cual sigue el sentido SO-NE, siendo esto una consecuencia del geogrfico que tiene el suelo, cuyas caractersticas no solo son funcin de la accin combinada de los factores y procesos formadores sino que estn altamente condicionadas por la ubicacin geogrfica del suelo.

El sector evaluado no es internamente homogneo, y la variabilidad existente puede influir en el comportamiento de los resultados de las parcelas experimentales que se desarrollen en la zona de estudio.

BIBLIOGRAFA BURROUGH, P. 1986. Principles of geographical information systems land resources assessment. Clarendon Press Oxford. BURROUGH, P. 1993. Soil variability: a late 20th century view. Soils and Fertilizers, 56 (5): 529-562. FERNNDEZ, L. y G. ELIZALDE. 1995. Variabilidad Espacial de la Erosin por Salpique en Suelos de la Cuenca Alta del Ro Petaquire. Venesuelos 4(1y 2):2-8. GOLDEN SOFTWARE. 1999. Surfer. Surface Mapping System. Golden Software Inc. Golden, Colorado. Version 7.00. HAMLETT, J. M.; R. HORTON y N. CRESSIE. 1986. Resistant and exploratory techniques for use in semivariogram analyses. Soil Sci. Soc. Am. J. 50: 868-875. JARAMILLO, d. 2002. Introduccin a la Ciencia del Suelo. Universidad Nacional de Colombia. Facultad de Ciencias. Medelln. 613 p.

14

MINASNY, B., MCBRATNEY A.B. y WHELAN M.M. 2002. VESPER. Version 1.6. Australian Centre for Precision Agriculture. McMilan Building, A05. The University of Sidney, NSW 2006. OVALLES F. y M. NEZ U. 1994. Mtodos Estadsticos para Evaluar la Variabilidad de Suelos dentro de Unidades de Capacidad de Uso en la Depresin del Lago de Valencia. Agronoma Trop. 44(1):23-40. OVALLES, F. 1992. Metodologa para determinar la superficie representada por muestras tomadas con fines de fertilidad. FONAIAP-CENIAP-IIAG. Maracay. 44 p. Serie B. REY, J. y F. OVALLES. 2000. Efecto de Tcnicas Exploratorias de los Datos en Estimaciones Kriging de Propiedades del Suelo. Agronoma Trop. 51(1): 81-106. SPSS (Statistical Product and Service Solutions).1999. SPSS Para Windows. Version 10.0.6. TRANGMAR, B.; R. YOST y G. UEHARA. 1985. Applications of geostatistics to spatial studies of soil properties. Advances in Agronomy. 38: 45-94. UPCHURCH, D. y W. J. EDMONDS. 1992. Statistical procedures for specific objectives. In: Spatial variabilities of soils and landforms. SSSA Special publication No. 28. 2 Ed. SSSA. Madison. pp: 49-71. VILORIA, J. 1991. Interrelacin entre sistemas de informacin de suelo y levantamiento de suelos: Optimizacin de los procedimientos de adquisicin de datos. Trabajo de Ascenso a Profesor Agregado. Facultad de Agronoma, UCV. Maracay. WEBSTER, R. 1985. Quantitative spatial analysis of soil in the field. Advances in Soil Science, vol. 3. New York. 70 p. WEBSTER, R. y M. A. OLIVER. 1992. Sample adequately to variograms of soil properties. J. Soil Sci. 43:177-192. YOST, R. S.; G. UEHARA y R. L. FOX. 1982a. Geostatistical analysis of soil chemical properties of large land areas. I. Semi-variograms. Soil Sci. Soc. Am. J. 46: 1028-1032. YOST, R. S.; G. UEHARA y R. L. FOX. 1982b. Geostatistical analysis of soil chemical properties of large land areas. II. Kriging. Soil Sci. Soc. Am. J. 46: 1033-1037.