Modelo matemático para estimar tasas de infiltración a partir de propiedades físicas de los suelos

Abstract

El presente trabajo intentó hacer inferencias acerca de ciertas características hidrológicas de los suelos en relación con el proceso de infiltración y desarrollar un modelo que permitiese relacionar las propiedades del suelo con tasas de infiltración. Se usó como base la ecuación de Kostiakov: F = ATB. Las pruebas de infiltración se realizaron sobre cuarenta parcelas, en un sector de San Juan de Lagunillas en el Estado Mérida, clasificado como suelos aluviales, formados sobre terrazas. La infiltración acumulada durante dos horas fue medida en cada parcela con tres infiltrómetros de aro simple del tipo "botella". Adyacente a cada infiltrómetro se tomaron muestras de suelo superficial para determinar las propiedades físicas. Las constantes de infiltración en la ecuación anterior se determinaron para cada parcela usando las curvas de infiltración acumuladas ajustadas. Puntos tomados a lo largo de las mismas se usaron en un análisis de regresión simple, usan do una transformación logarítmica. Las constantes resultantes para cada parcela fueron examinadas por un análisis de regresión lineal múltiple, usando las mismas como variables dependientes y las propiedades: arena, arcilla, limo, carbón orgánico, contenido de humedad, espacio poroso total, espacio poroso lleno de agua, espacio poroso lleno de aire y densidad aparente, como variables independientes. Se señalaron las correlaciones significativas y se determinaron los modelos de regresión que mejor estimaron a A y B. Los altos porcentajes de variabilldad explicados por la regresión, en el caso de la determinación de las constantes de infiltración A y B, indican que la ecuación F = ATB, es adecuada.

La predicción de las constantes de infiltración A y B en función de las propiedades del suelo usadas, no fué satisfactoria desde el punto de vista práctico, cuando se utilizó el conjunto total de datos de las cuarenta parcelas. Cuando se formaron tres grupos de parcelas con clases texturales, la predicción de las constantes tampoco fué satisfactoria en los dos primeros grupos. La explicación a este hecho parece ser que en estos casos no hubo un componente textural predominante en las muestras. La mejor predicción lograda de las constantes de infiltración A y B fué en el tercer grupo, de clase textural franco arenoso, donde el componente arena fué superior al 50% en casi todas las muestras. Los mejores modelos para este grupo, fueron los siguientes: A = -2.684 + 0,018 (% arcilla) - 0,140 (% carbón orgánico) + 2,901 (densidad aparente en grs/cm3). B - 0,583 + 0,013 (% arci11a) + 0,176 (% carbón orgánico) + 0,015 (% espacio poroso lleno de aire). En el caso de la constante de infiltración A, la relaci6n con la densidad aparente fué directa y con el carbón orgánico y el espacio poroso total, inversa, lo cual no se corresponde a resultados obtenidos por otros autores. Un afinamiento de los métodos en la determinación de las propiedades consideradas y el uso de nuevas variables, podrían contribuir a mejorar las predicciones de las constantes de la fórmula.

A study was conducted in order to make inferences about the relationship between some hydrological characteristics of soils and the infiltration process, and to develop a model to relate Soil properties with infiltration rates. The Kostiakov equation (F = ATB ) was used. The infiltration tests were made over forty plots in a place near the town of San Juan de Lagunillas in the State of Merida, Venezuela. The soils in the area are classified as alluvials formed en terraces. The accumulated infiltration was measured in each plot during two hours, using three bottle type infiltrometer rings. Soils samples were taken adjacent to each infiltrometer. The infiltration constants on the equation were calculated for each plot, using adjusted cumulative infiltration curves in a simple regressión analysis. The resulting constantes were also used in a multiple regression analysis, considering them as the dependent variables and various soil properties as independent variables; these properties were porcents of sand, clay, silt, organic carbon, and moisture, as well as total pore space, water-filled pore space, air-filled space and bulk density. Statistically significant correlations (at 5% and 1%) are denoted. and the best regression equations for A and B are presented. The high determination coefficients obtained, indicate that the equation F=ATB is a good approximation. However, the: prediction of A and B on the basis of soil properties was not satisfactory when using all the forty plots data. When the plots were grouped on the basis of textural classes the best prediction was obtained for the sandy loam group, where sand was clearly superior to the other components (over 50%) in every sample. In this group the predicting equations were: A = -2.684 + 0.018 (c1av percent) – 0.140 (organic carbon percent) + 2.90 (bu1k density ). B = -0.583 + 0.013 (clay percent) + 0.176 (organic carbon percent) + 0.015 (air-filled pore space percent). It is recomended to refine soil properties determination methods and the use of some other variables, in order to obtain better prediction equations.