Autor/es: Roberto Alvarez y Gonzalo Berhongaray
Introducción
La Pampa, 15 de setiembre (PR/20).- Los suelos pueden usarse como sumideros de carbono atmosférico mitigando el calentamiento global (Minasny et al., 2017). Esto ha determi- nado que se realicen numerosos estudios para establecer cómo la actividad antrópica puede compensar las pérdidas de carbono debidas al uso del suelo (Sanderman et al., 2017). Común- mente se ha estimado cuánto carbono pueden secuestrar los suelos asumiendo que los sistemas naturales, como pastizales o bosques, represen- tan el máximo nivel de carbono que un suelo puede almacenar (Sperow, 2016). La diferencia entre el carbono en suelos cultivados y naturales representaría el potencial secuestro de carbono que se podría lograr (Don et al., 2011).
suelos son lo que tienen mayor déficit de carbo- no. En ellos deberían concentrarse los esfuerzos de manejo orientados a incrementar el nivel de carbono orgánico. Nuestro objetivo fue estimar el déficit de saturación de carbono de los suelos pampeanos, qué factores lo regulan y generar un mapa del déficit a nivel de la Región Pampeana.
Materiales y Métodos
Se utilizaron datos de un estudio regional en el cuál fueron muestreados 82 establecimientos distribuidos en la Región Pampeana. En cada establecimiento se seleccionaron sitos bajo diferentes usos del suelo: arboledas, controles nunca cultivados, pasturas implantadas, lotes bajo cultivos de granos y bajos hidromórficos pas- toreados. La ubicación de los establecimientos, la estrategia del muestreo y los métodos analíticos usados pueden encontrarse en Berhongaray et al. (2013). En este trabajo no se utilizaron datos de las arboledas (ver abajo) por lo que 296 sitios fueron incluidos en el análisis totalizando 1045 muestras de suelo. La temperatura y precipitación media anual de los sitos se estimó por interpo- lación kriging usando datos de 50 observatorios meteorológicos (Alvarez et al., 2018). La capaci- dad de carbono de los suelos se estimó con el modelo de Feng et al. (2013) ajustado a suelos con predominancia de minerales 2:1:
Capacidad de carbono (mg g-1 suelo) = 0.84 x (arcilla + limo < 20 μm) (g 100 g-1 suelo)
Debido a que en las muestras se midió limo to- tal (2-50 μm) y no limo fino (2-20 μm) está fracción se estimó. Para ello se correlacionó el contenido de ambas fracciones en 780 horizontes de suelos pampeanos con datos tomados de GeoINTA (2018). El modelo de regresión ajustado (y = 0.676*x1.01) permitía una muy buena estimación de la fracción < 20 μm usando como predictor la fracción < 50 μ (R2= 0.92).
Métodos de regresión simple y múltiple se usaron para relacionar variables. La variable dependiente fue el déficit de saturación y los predictores fueron el contenido de partículas finas del suelo, la profundidad, el pH, la conductividad eléctrica, la temperatura y la precipitación del sitio y el uso del suelo como variable categórica. El carbono orgánico total no fue testeado como predictor debido a su fuerte correlación con las otras variables (Berhongaray et al., 2013). Se testearon términos lineales, cuadráticos e inter- acciones (Colwell, 1994) que se incluyeron en los modelos solo si eran significativos (P< 0.05) o incrementaban el R2 en 1% o más. La selección de predictores se hizo por forward stepwise y se chequeó la autocolinealidad de los predictores por el VIF (Neter et al., 1990). La performance de los modelos se analizó usando IRENE (Fila et al.,
2003). Modelos mixtos se emplearon para testear diferencias en el déficit de saturación entre usos del suelo (Littell et al., 1998). El establecimiento se tomó como efecto aleatorio y el uso como efecto fijo (P< 0.05), anidando la profundidad dentro del tratamiento debido a la no indepen- dencia de datos tomados de un mismo perfil. Variables de clima y suelo se testearon como covariables. Los promedios se separaron por contraste lineales.
La variabilidad de las condiciones de clima y suelo fue enorme entre los sitos de muestreo y ha sido descripta anteriormente (Alvarez et al., 2018; Berhongaray et al., 2013). El déficit de saturación aumentó en sitios de alta temperatura (R2 = 0.30) y decreció con la precipitación (R2 = 0.18), pero la variable determinante fue la textura. A medi- da que aumentaba el contenido de partículas finas del suelo aumentaba el déficit (R2 = 0.70). Otras variables tuvieron escaso o nulo impacto sobre el mismo. La profundidad también tuvo un alto impacto (Figura 1). Mientras que la textura media y la capacidad de carbono no mostraron una clara tendencia en profundidad, el déficit de saturación estaba muy estratificado como contraparte de la estratificación del contenido de carbono orgánico de las muestras. A mayor profundidad, mayor déficit de saturación. Hubo diferencias significativas (P< 0.05) en el déficit de saturación entre usos del suelo en el orden bajos hidromórficos > suelos cultivados > pasti- zales. Integrando el estrato 0-1 m, la relación de saturación promedio fue del 23%.
Un modelo de regresión múltiple permitió expli- car la mayor parte de la variabilidad del déficit de saturación:
Def. sat. (t ha-1) = -135 + 2.3 (arcilla+limo < 20 μ) + 0.45 prof. (cm) + 8.2 temp. (ºC) – 0.029 Lluvia (mm) + 5.8 Bajos – 4.2 Pastizales (ec. 1)
El modelo tuvo muy buena performance con ordenada no diferente de 0 y pendiente no di- ferente de 1 (Figura 2).
El déficit de saturación de los suelos pampea- nos copió el gradiente textural de la región (Figura 3). El déficit se incrementó del sudoeste al nores- te. En la Región Semiárida, el déficit era bajo y en
la porción más húmeda y con suelos más finos se incrementó. Comparando partidos con ubicaciones extremas el déficit de sa- turación llegó a incrementarse en un orden de magnitud. En promedio para toda la región el estrato 0-25 cm puede secuestrar un 20% de la capacidad total de secuestro de carbono en el primer metro del perfil. Esta capacidad es muy grande llegando a cientos de toneladas de carbono por hectárea en la Pampa Ondulada y áreas circundantes.
Figura 1. Box plot de textura, carbono orgánico, carbono estabilizado en la fracción fina y déficit de saturación de los suelos muestreados (n = 296) en relación a la profundidad de la capa de suelo. Se grafican los percentiles 5, 25, 50, 75 y 95.
Figura 2. Relación entre el déficit de saturación observado en suelos pampeanos y el estimado por el modelo de regresión de la ec. 1.
Se estimó que la capacidad potencial de secuestrar carbono de la Región Pampeana es equivalente al C-CO2 que produce Argentina en 330 años por quema de combustibles fósiles (World Bank, 2018). No sería esperable que mu- chos suelos puedan alcanzar su capacidad de carbono, pero si se aplican prácticas de manejo tendientes a secuestrar carbono, la región es un sumidero de carbono muy importante. La Pampa Ondulada y las áreas circundantes son las que tienen mayor potencial de secuestro debido a su clima húmedo y textura fina y es en esta subregión donde los esfuerzos para aumentar el carbono del suelo pueden generar mayores resultados. Se trata de un área de alto potencial de rendimiento (De Paepe et al., 2013) donde las mejoras tecnológicas que impacten la produc- tividad de los suelos pueden llevar al secuestro de carbono.
Figura 3. Mapa del déficit de saturación de los suelos pampeanos.
Primicias Rurales
Fuente: Engormix
