Desarrollo de un prototipo del sistema automatizado de

International Institute
Universidad Mayor
de San Simón
for Geo-Information
Responsable: Ing. Wilber Alexander Sánchez Vila
“Desarrollo de un prototipo del sistema automatizado de
evaluación de tierras (ALES) para entorno gráfico WINDOWS”
Maestría en Ciencias de la Geo-Información y Observación de la Tierra, mención en
Información de Tierras para la Planificación del Territorio
Asesor: Ing. Ronald Vargas Rojas MSc.
Ing. Nelson Sanabria Siles MSc.
Trabajo de Asignación Final Individual
Cochabamba - Bolivia
2009
1
ACLARACION
El siguiente trabajo, es una descripción del proceso desarrollado para obtener el
resultado buscado en la Asignación Final Individual, como requisito para la
aprobación de la maestría en Ciencias de la Geoinformación y Observación de la
Tierra, brindada por el CLAS conjuntamente al ITC de Holanda. Toda opinión
expresada dentro de este documento es responsabilidad del autor y representa su
punto de vista y no así del Centro de Levantamientos Aeroespaciales y Aplicaciones
SIG para el desarrollo sostenible de los recursos naturales (CLAS)
ii
AGRADECIMIENTOS
Mi agradecimiento a aquellas personas que han hecho posible la
realización del presente trabajo con cita especial al Ing. Ronald Vargas
Rojas y al Ing. Nelson Sanabria Siles, a los docentes y colegas de la
maestría en el Centro de Levantamientos Aeroespaciales y Aplicaciones
SIG para el desarrollo de los Recursos Naturales en ambas menciones
de quienes llevo un grato recuerdo y estima especial.
A todos mis familiares y amigos por su inagotable apoyo para cumplir
esta meta.
iii
DEDICATORIA
El presente proyecto esta dedicado mi hija
Alejandra, razón de mi esfuerzo.
iv
Hoja de aprobación del perfil de proyecto de grado.
Elaborado por:
Ing. Wilber Alexander Sánchez Vila
Responsable
Asesorado por:
Ing. Nelson Sanabria Siles MSc.
Asesor CLAS
Ing. Ronald Vargas Rojas MSc.
Asesor Externo
Autorizado por:
Lic. J. Stephan Dalence Martinic MSc.
Coordinador Académico
v
RESUMEN
La evaluación de tierras es una herramienta muy utilizada
principalmente en el campo de la planificación de tierras. Existen muchas
metodologías para abordar esta temática, una de las mas difundidas es la
realizada por la Organización para la Agricultura y la Alimentación de las
Naciones Unidas (FAO) publicada en “A framework for land Evaluation”
(FAO, 1976). Este documento fue el primero de un conjunto de guías de
comprensión para diversos tipos de usos de tierras, como agricultura a
secano (FAO, 1983), agricultura bajo riego (FAO, 1985) entre otros. Y más
recientemente, “”a revised framework for land evaluation was proposed
(FAO, 2007).
La forma automatizada de aplicar la metodología FAO fue mediante el
programa software ALES (Rossiter y Wambeke, 1991), que fue
desarrollado en 1988-1996 en un entorno de texto mediante el lenguaje y
base de datos MUMPS.
El presente proyecto desarrolla un sistema prototipo ALESW (Sistema
Automatizado de Evaluación de Tierras para entorno Windows),
desarrollado en Visual Basic basado en ALES y que utiliza como base de
datos geoespacial Postgresql, comprende únicamente el modulo biofísico
mas no el económico y además implementa 2 funcionalidades nuevas; el
manejo de formatos shape y la generación de scripts (secuencias de
comandos) para ILWIS.
Para la realización de las pruebas de funcionamiento del nuevo
sistema prototipo ALESW se utilizó parte de los datos del proyecto
SWALIM el cual desarrolló una herramienta denominada “Somalia
Automated Land Evaluation System” (SOMALES, Venema y Vargas,
2007). SOMALES es la aplicación del esquema FAO para la evaluación de
tierras con el uso del programa ALES.
vi
TABLA DE CONTENIDOS
CAPÍTULO I: INTRODUCCIÓN................................................................................... 1
1.1. ANTECEDENTES ......................................................................................... 1
1.2. OBJETIVOS.................................................................................................. 2
1.2.1.
Principal ................................................................................................. 2
1.2.2.
Secundarios ........................................................................................... 2
CAPÍTULO II: MARCO CONCEPTUAL....................................................................... 3
2.1. Evaluación de Tierras ................................................................................... 3
2.1.1.
Método de evaluación de tierras FAO.................................................... 3
2.1.2.
Sistemas de evaluación de tierras computarizados y sistemas de
información geográfica ......................................................................................... 5
2.2. Inteligencia Artificial ...................................................................................... 8
2.2.1.
Árboles de Decisión ............................................................................... 8
2.3. Sistemas de Base de datos .......................................................................... 9
2.3.1.
Base de datos Jerárquica ...................................................................... 9
2.3.2.
Base de datos Relacional .................................................................... 10
2.3.3.
Base de datos Geoespacial ................................................................. 10
CAPÍTULO III: MARCO METODOLÓGICO............................................................... 12
3.1. Enfoque metodológico MSF.-...................................................................... 12
3.2. Fase de Visionado (Envisioning)................................................................. 14
3.2.1.
Definición de la estructura del proyecto ............................................... 14
3.2.2.
Definición del alcance del proyecto...................................................... 15
3.3. Fase de Planificación (Planning)................................................................. 15
3.3.1.
Diseño Conceptual............................................................................... 15
3.3.2.
Diseño Lógico ...................................................................................... 15
3.3.3.
Diseño Físico ....................................................................................... 17
3.4. Fase de Desarrollo (Developing) ................................................................ 17
3.4.1.
Código fuente....................................................................................... 17
3.4.2.
Configuración del programa................................................................ 18
3.4.3.
Especificaciones para las pruebas....................................................... 21
3.5. Fase de Estabilización (Stabilizing)............................................................. 21
3.5.1.
Prueba de base de datos..................................................................... 21
3.5.2.
Prueba de funcionalidad (validación del sistema) ................................ 22
3.6. Fase de Distribución (Deploying) ................................................................ 22
3.6.1.
Almacén de la versión prototipo........................................................... 22
3.6.2.
Documentación del proyecto ............................................................... 22
CAPÍTULO IV: ANÁLISIS DE LOS RESULTADOS................................................... 23
4.1. Fuente de la información............................................................................. 23
4.1.1.
Área de Estudio ................................................................................... 23
4.1.2.
Datos Recursos de la tierra ................................................................. 23
4.2. Somalia Automated Land Evaluation System (SOMALES)......................... 24
vii
4.2.1.
4.2.2.
4.2.3.
4.2.4.
Unidades de Evaluación ...................................................................... 24
Cualidades de la tierra y características de la tierra ............................ 25
Tipos de uso de la tierra (TUT) y sus requerimientos .......................... 25
Emparejar cualidades de la tierra con requerimientos de uso de la
tierra..................................................................................................... 28
4.2.5.
Niveles de severidad............................................................................ 28
4.2.6.
Árboles de decisión, puntuación .......................................................... 28
4.2.7.
Clasificación de tierras adecuadas ...................................................... 29
4.3. RESULTADOS............................................................................................ 29
4.3.1.
Tierras adecuadas para “rainfed cowpea” ........................................... 29
4.3.2.
Comparación de resultados ................................................................. 36
4.4. Resultados adicionales .............................................................................. 36
4.4.1.
Importación y exportación en formato shape ....................................... 36
4.4.2.
Script para ILWIS................................................................................. 38
CONCLUSIONES...................................................................................................... 40
RECOMENDACIONES ............................................................................................. 41
REFERENCIAS BIBLIOGRÁFICAS .......................................................................... 42
viii
LISTA DE FIGURAS
Figura 1
Modelo de Procesos MSF
12
Figura 2
Flujograma del análisis de la información
13
Figura 3
Diseño Conceptual sistema ALESW
16
Figura 4
Diseño Lógico simplificado, sistema ALESW
17
Figura 5
Diseño de pantallas sistema ALES (superior), sistemas
18
ALESW (inferior)
Figura 6
Instalador sistemas ALESW
19
Figura 7
Instalador base de datos Postgresql
19
Figura 8
Crear base de datos “ales”
20
Figura 9
Seleccionar tipo de Driver
20
Figura 10
Configuración conexión ODBC
21
Figura 11
área de estudio SOMALES
24
Figura 12
Creación de RUTs para Rainfed cowpea
29
Figura 13
Creación de UEs para Rainfed cowpea
30
Figura 14
Creación de Formato para Ingresar Datos
30
Figura 15
Selección de CaTs para el Formato creado
31
Figura 16
Llenado de valores de los CaTs de UE 1: Coastal
31
Figura 17
Llenado del árbol de decisión para el RUT e: erosion hazard
32
Figura 18
Resultados niveles RUT para UE 1: Coastal
33
Figura 19
Resultados nivel TUT para UE 1: Coastal
34
Figura 20
Importación formato shape
36
Figura 21
Script descriptivo para ILWIS
38
ix
LISTA DE TABLAS
Tabla 1
Tabla 2
Funciones implementadas en el nuevo programa
Diagnostic Land Qualities for selected major types of land
use (SOMALES)
14
27
Tabla 3
Land Use Types (SOMALES)
27
Tabla 4
Niveles de RUTs para UE 1: Coastal
33
Tabla 5
Tierras adecuadas para “Rainfed cowpea“
34
Tabla 6
Land Suitability for Rainfed Agricultura (SOMALES)
35
Tabla 7
Equivalencias resultados ALESW vs SOMALES
36
LISTA DE MAPAS
Anexo 01
Unidades Cartográficas (RBUs) SOMALES
26
Anexo 02
Resultado TUT “rainfed cowpea” en base a formato shape
37
Anexo 03
Resultado TUT “rainfed cowpea” en base a script Ilwis
39
LISTA DE ANEXOS
Anexo 01
Modelo Lógico base de datos sistema prototipo ALESW
Anexo 02
Modelo Físico base de datos sistema prototipo ALESW
Anexo 03
Simplificaciones y Agrupaciones de las Características de la
Tierra SOMALES
Anexo 04
Características de la Tierra para cada Unidad de Evaluación
SOMALES
Anexo 05
Niveles de severidad, árboles de decisión, SOMALES
x
LISTA DE ACRÓNIMOS
ALES
ALESW
CaT
CT
CYSLAMB
FAO
GIS
ISLE
LEFSA
LESA
LGP
LUCIE
LUCTOR
MicroLEIS
MUMPS
RUT
PASTOR
Postgresql
PostGIs
SOLUS
SOMALES
SWALIM
TUT
UE
Automated Land Evaluation System
Automated Land Evaluation System for Windows
Las Características de la Tierra
Una Cualidad de la tierra
Crop Yield Simulation and Land Assessment Model for Botswana
Organización para la Agricultura y la Alimentación
Sistemas de Informacion Geográfica
Intelligent System for Land Evaluation
Land evaluation and farming systems análisis
Land evaluation and site assessment
Length of Growing Period / Duración de Periodo de Crecimiento
Land use capability investigation and evaluation
Land Use Crop Technical coefficient generador
Mediterranean Land Evaluation Information System
Massachusetts General Hospital Utility Multi-Programming System
Un Requisito de Uso de la Tierra
Pasture and Animal System Technical coefficient generatOR
Base de Datos Relacional – Geoespacial de codigo abierto
Librería de Gestión de datos espaciales de Postgresql
Sustainable options for land use
Somalia Automated Land Evaluation System
Somalia Water and Land Information Management
Tipo de Utilización de la Tierra
Unidad de Evaluación
xi
CAPÍTULO I: INTRODUCCIÓN
CAPITULO 1. INTRODUCCIÓN
1.1. ANTECEDENTES
El inadecuado uso de la tierra conduce al ineficiente aprovechamiento de
fuentes naturales, destrucción de recursos de la tierra, pobreza y otros
problemas con impactos sociales. El recurso tierra es la última fuente de
riqueza y la base en la cuál muchas civilizaciones han sido construidas. La
sociedad debe asegurarse de que la tierra no sea degradada y que sea
usada de acuerdo a su aptitud para satisfacer las necesidades humanas en
el presente y para las generaciones futuras, y al mismo tiempo se pueda
también mantener su resiliencia. Una de las herramientas disponibles para
conocer el potencial de uso de las tierras es la evaluación de tierras (FAO,
1976).
La evaluación de tierras (FAO, 1976, 1999) se constituye en una
herramienta clave para la planificación de uso de las tierras, ya que es "El
proceso de evaluación del desempeño de las tierras cuando se las usan
para propósitos específicos" tanto por usuarios de tierras individuales (por
ejemplo, los productores), por grupos de usuarios de tierras (por ejemplo,
cooperativas o aldeas), o por la sociedad en conjunto (por ejemplo, como es
representada por los gobiernos).
La metodología FAO para evaluación de tierras fue publicada en “A
framework for land Evaluation” (FAO, 1976). Este documento fue el primero
de un conjunto de guías de comprensión para diversos tipos de usos de
tierras, como agricultura a secano (FAO, 1983), agricultura bajo riego (FAO,
1985), entre otros.
La manera de implementar el enfoque de evaluación de tierras de la FAO
de manera sistemática y automatizada, se dio a través del programa ALES
(Automated Land Evaluation System: Sistema Automatizado para la
Evaluación de Tierras) desarrollado por el Departamento de Suelo, Cultivo y
Ciencias Atmosféricas de la Universidad de Cornell, USA (Rossiter & Van
Wambeke, 1991, 1997). ALES permite a los evaluadores de tierras construir
sistemas expertos para evaluar la tierra de acuerdo con el método de aptitud
de la FAO. Las entidades a evaluar son unidades cartográficas de tierra, las
cuales deben ser definidas en forma general (como estudios de viabilidad
general) o específicamente (como un planeamiento a escala de hacienda).
Desde que cada modelo es construido por un diferente evaluador para
satisfacer sus necesidades locales, no hay una lista fija de requerimientos de
1
uso de tierra por el cual los usos de tierra sean evaluados, y no tiene una
lista fija de características de cada cualidad de tierra para poder ser inferido.
Por el contrario, estos listados son determinados por el evaluador en sus
propias condiciones locales y objetivos.
El programa ALES posee un entorno de texto, con la limitación de no
poseer un entorno gráfico definido como la mayoría de programas actuales.
Otra limitación importante es que no permite conexión directa con sistemas
GIS (Geographic Information System: Sistemas de Información Geográfica),
ni el intercambio importación/exportación de estos formatos, es decir no es
espacial del todo. Por tanto es necesario que se desarrolle un programa
alternativo al ALES con las características mencionadas.
1.2. OBJETIVOS
1.2.1.
Principal
Desarrollar un prototipo alternativo al sistema automatizado de
evaluación de tierras (ALES) para entorno gráfico WINDOWS.
1.2.2.
Secundarios
¾
Diseñar el modelo de datos para Postgresql de la base de datos
MUMPS (Massachusetts General Hospital Utility Multi-Programming
System) del programa ALES.
¾
Desarrollar el prototipo gráfico del programa ALES mediante la
metodología MSF (Microsoft Solution Framework).
2
CAPÍTULO II: MARCO CONCEPTUAL
CAPITULO 2. MARCO CONCEPTUAL
2.1. Evaluación de Tierras
La evaluación de tierras se define como el proceso de evaluación del
rendimiento de la tierra cuando se la utiliza para fines específicos. Supone la
ejecución e interpretación de reconocimientos y estudios de relieve, suelos,
vegetación, clima y otros recursos de la tierra, por lo que la Evaluación de
tierras debe ser considerada como un proceso integral que debe ser llevado
a cabo por un equipo multidisciplinario (FAO, 1976, 1985).
Otra definición menciona que la evaluación de tierras “Es el proceso de
predecir el desempeño de la tierra en el tiempo para tipos de uso específicos
(Van Diepen et al., 1991; Rossiter, 1996)”.
La evaluación de tierras soporta muchas otras disciplinas. Esta puede
ser usada para muchos propósitos, desde la planificación de uso de tierras
hasta la exploración del potencial para usos específicos o la necesidad de
mejorar la gestión de la tierra o el control de degradación de tierras.
El objetivo primario de la evaluación de tierras es el mejorar y gestionar
sosteniblemente la tierra para el beneficio de las personas. Los objetivos de
la evaluación de tierras se refieren a la identificación de efectos adversos y
beneficios del uso de tierra, ahora hay gran énfasis en las consecuencias
ambientales y sobre los grandes beneficios en servicios ambientales y
ecosistemas.
La evaluación de tierras hace primeramente el análisis de los datos
acerca de la tierra - estos son suelos, clima, vegetación, etc. En términos de
alternativas realistas para mejorar el uso de la tierra. Es cierto que muchos
usos son socialmente o económicamente no realistas, por ejemplo la
agricultura mecanizada a gran escala en áreas densamente pobladas, estas
son excluidas en una etapa temprana y quedan fuera del análisis. Sin
embargo, la evaluación de tierras se enfoca sobre la tierra en si misma, sus
propiedades, funciones y potencial. (FAO, 2007)
2.1.1.
Método de evaluación de tierras FAO
El método de FAO no es un método fijo de evaluación de tierras.
Caso contrario, tiene una estructura flexible sustentada por guías para
crear evaluaciones específicas.
3
Los principios básicos del método FAO son:
¾
La aptitud de tierras se evalúa y clasifica con respecto a tipos
específicos de usos (opuesto a una escala simple de ‘bondad’ de la
tierra).
¾
La aptitud está definida por criterios tantos económicos como físicos
(en la práctica no siempre lo hace así).
¾
Se requiere un enfoque multidisciplinario (en la práctica, no
solamente científicos de suelo).
¾
Las evaluaciones deberían tomar en cuenta el contexto físico,
económico, social y político del área de interés (por ejemplo, no
evaluar para usos imposibles).
¾
Aptitud se refiere a uso de tierra sobre una base sostenida (ejemplo,
no puede disminuir los recursos base, en la práctica esto raras
veces se logra).
¾
‘Evaluación’ involucra comparación de dos o más alternativas de
tipos de uso; esto parece redundante al primer punto.
La aptitud de la tierra se puede definir como "la capacidad de un tipo
de tierra para una clase especificada de utilización de tierra" (FAO,
1985). Básicamente todas las tierras están divididas en dos ordenes de
aptitud, de acuerdo a si las tierras son aptas o no para un Tipo de
utilización de la tierra dado.
‘S’ = Apto, ‘N’ = no Apto, para un uso determinado.
El método de FAO considera las siguientes definiciones clave:
¾
TUT: Tipo de Utilización de la Tierra, es una clase de uso de la
tierra que está descrita o definida en un grado de detalle mayor que
un tipo general de uso de tierra (FAO, 1976).
¾
RUT: Un Requisito de Uso de la Tierra, es una condición de la tierra
necesaria para la realización exitosa y sostenida de un Tipo de
Utilización de la Tierra. Cada TUT se define mediante un conjunto
de RUTs. El RUT represente el lado de demanda en la ecuación
tierra – uso, o sea, qué requiere el uso de la tierra.
¾
CT: Una Cualidad de la tierra, es un atributo complejo de la tierra el
cual influye de una manera distinta a otras cualidades de la tierra en
4
su influencia en la aptitud de la tierra a una clase específica de uso.
(FAO, 1983).
¾
CaT: Las Características de la Tierra, son atributos simples de la
tierra que pueden ser directamente medidos o estimados en una
inspección de rutina en cualquier sentido operacional, incluye los
sensores remotos y los censos como también mediante inventario
de los recursos naturales. Ejemplos: textura superficial de suelo,
materia orgánica, cobertura actual de la tierra, distancia a la
carretera más cercana,….
¾
UE: Unidad de Evaluación, es un área que se evalúa como una
entidad indivisible
2.1.2.
Sistemas de evaluación de tierras computarizados y sistemas
de información geográfica
Algunos sistemas de evaluación computarizados son derivados
estadísticamente y aplican analíticamente modelos de uso de tierras,
otros usan aproximación de impactos de evaluación cualitativos basados
en opinión de expertos y reglas. La tecnología de la geoinformación ha
ofrecido el significado científico para satisfacer la demanda de
información espacial cuantificada sobre las fuentes de tierra, Ej.
Pedometrics que reúne los requerimientos para información de suelos
espacial cuantitativo (Webster 1994).
Los Sistemas de Información geográfica (GIS) tienen grandes
mejoras para manejo de datos (Burrough y McDonnell 1998), a través
de análisis espacial de datos (Bailey y Gatrell 1995) y permiten el
modelamiento espacial de atributos de terreno mediante modelos de
elevación digital (Hutchinson 1989; Moore et al.,1991). Los GIS traen
consigo un gran conjunto de nuevas herramientas y permiten el uso de
métodos que no estuvieron disponibles cuando el Framework de
evaluación de tierras del 1976 de la FAO fue desarrollado. A
continuación, se presentan los sistemas computarizados mas utilizados:
El sistema automatizado de evaluación de tierras (ALES; Rossiter
1990) es un programa de computador que permite a los evaluadores de
tierras construir su propio sistema experto para evaluar la tierra de
acuerdo al framework para evaluación de tierras (FAO, 1976). ALES es
un marco con el cual los evaluadores pueden expresar su propio
conocimiento para usarlo en proyectos o evaluación de tierras a escala
regional a escala regional, tomando en cuenta las condiciones y
objetivos locales. Las entidades evaluadas por ALES son unidades de
mapas que pueden ser definidos de forma separada, así como las
investigaciones de reconocimiento y estudios de viabilidad generales, o
5
restringidos como investigaciones de recursos detallados y planificación
a escala de parcelas.
Desde que cada sistema experto es construido por un evaluador
diferente para satisfacer las necesidades locales, no existe una lista fija
de requerimientos de uso de tierra con el cual estos sean evaluados, y
no existe una lista fija de características de la tierra del cual las
cualidades de la tierra son inferidas. En su lugar, estas listas son
determinadas por los evaluadores adecuado a sus objetivos y
condiciones locales.
El marco también permite la estimación de las cualidades de la tierra
mediante funciones pedotransfer o modelos de simulación (Bouma et
al., 1996). El proceso basado en modelos ha sido usado para evaluar
cualidades de la tierra en particular como el régimen de humedad del
suelo (Bruma, 1989) entre otros. Otros sistemas, desarrollados antes de
la era de los GIS, como el LESA, actualmente han sido integrados con
GIS (Hoobler et al., 2003).
MicroLEIS, “Mediterranean Land Evaluation Information System”
(De la Rosa et al., 1992). Es un sistema integrado para transferencia de
datos y evaluación de tierras agro-ecológicas. Este sistema provee un
conjunto de herramientas basadas en la computación para dar una
interpretación práctica de recursos de la tierra y datos de administración
de la agricultura. Sus principales componentes son:
¾
Evaluación de tierras utilizando las siguientes unidades espaciales:
lugar (clima), suelos (lugar+suelo), tierra (clima+lugar+suelo) y
campo (clima+lugar+campo+gestión).
¾
Datos y conocimientos de ingeniería a través del uso de una
variedad de bases de datos georeferenciadas, programas de
computación, y boléanos, estadísticos, sistemas expertos y técnicas
de modelamiento de redes neuronales.
¾
Datos meteorológicos mensuales e información estándar como
registros en rutinas de investigación de suelos
¾
Generación de datos de salida en un formato aceptado por los
programas GIS.
Recientemente se han agregado dos componentes han sido
agregados en orden al crecimiento concerniente al tema ambiental (De
la Rosa et al., 2001): predicción de impactos de cambios globales
mediante creación de escenarios hipotéticos, e incorporando el
concepto de sostenibilidad del uso de la tierra a través de un conjunto
6
de herramientas para estimar el estado actual; potencialidad y riesgo;
impactos; y respuestas.
Basado en los conceptos desarrollados en LEFSA y herramientas de
análisis de sistemas para haciendas, la metodología SOLUS (opciones
sostenibles para uso de la tierra) fue desarrollada para el análisis del
uso de la tierra en el campo a escala regional (Bouman et al., 1998). La
metodología consiste de coeficientes técnicos generados por cuantificar
las entradas y salidas de sistemas de producción, un modelo de
programación lineal que selecciona los sistemas de producción para
optimizar el superávit económico, y un sistema de información
geográfica. El llamado generador de coeficiente técnico incluye
LUCTOR, una combinación de modelo de cultivo y un modelo experto
para definir las opciones de cultivo acorde al tipo del mismo y la practica
de manejo, y PASTOR, un sistema experto para pastos y animales
(Hengsdijk et al., 1999), El modelo de programación lineal selecciona los
escenarios de usos de la tierra para optimizarlos o maximizarlos
mediante una función
objetivo bajo un conjunto coherente de
restricciones (Schipper et al., 2000).
ISLE, “Intelligent System for Land Evaluation”, Sistema inteligente
para evaluación de tierras, automatiza el proceso de evaluación de
tierras e ilustra gráficamente los resultados en mapas digitales
(Tsoumakas and Vlahavas 1999). Su principal característica es el
soporte de capacidades GIS sobre el mapa digital de un área, y el
soporte de análisis expertos de regiones de esa área, a través de un
único y sofisticados interfaz de usuario. El modelo ISLE realiza la
evaluación de tierras en corcondancia con el modelo SYS para
evaluación de tierras (Sys et al., 1991a y b, 1993).
LUCIE, “Land use capability investigation and evaluation”,
desarrollado por el centro de aprendizaje basado en computación en
uso de la tierra y ciencias ambientales en Aberdeen, realizado para la
investigación de capacidades de uso de la tierra y evaluación. Este
programa de aprendizaje asistido por computadora permite a los
estudiantes explorar el paisaje complejo de forma segura en un
laboratorio, para evaluar las unidades de tierra y producir mapas de
capacidad de la tierra (FAO, 2007).
CYSLAMB, “Crop Yield Simulation and Land Assessment Model for
Botswana”, Simulación de campos de cultivo y modelo de evaluación de
tierras para Botswana (Tersteeg 1994). Es un modelo dinámico de
biomasa que se basa en las entradas de datos históricos de clima a los
modelos de producción potencial de cultivos. En este campo, los
escenarios son basados en datos actuales compilados en diferentes
periodos de lluvia. Otras entradas incluyen información detallada acerca
de las condiciones del suelo y sistemas de manejo de cultivos. Un
7
análisis estadístico identifica diferentes niveles de campos potenciales
que pueden ser almacenados para diferentes sistemas de producción de
cultivos. El 75 % quartil representa el nivel de campo potencial que
podría ser excedido en ¾ de todo los años. Este nivel de campo por lo
tanto puede ser considerado como un campo dependiente. El modelo ha
sido validado para cinco principales cultivos en Botswana.
2.2. Inteligencia Artificial
El presente proyecto se desarrolla en base al sistema ALES, el cual
utiliza para su análisis los árboles de decisión que son una herramienta que
forma parte de la inteligencia artificial
.
Se denomina inteligencia artificial a la rama de la ciencia informática
dedicada al desarrollo de agentes racionales no vivos (Chandrasekaran,
1986). Para explicar la definición anterior, entiéndase a un agente como
cualquier cosa capaz de percibir su entorno (recibir entradas), procesar tales
percepciones y actuar en su entorno (proporcionar salidas), y entiéndase a
la racionalidad como la característica que posee una elección de ser
correcta, más específicamente, de tender a maximizar un resultado
esperado (este concepto de racionalidad es más general y por ello más
adecuado que inteligencia para definir la naturaleza del objetivo de esta
disciplina).
Por lo tanto, y de manera más específica la inteligencia artificial es la
disciplina que se encarga de construir procesos que al ser ejecutados sobre
una arquitectura física producen acciones o resultados que maximizan una
medida de rendimiento determinada, basándose en la secuencia de
entradas percibidas y en el conocimiento almacenado en tal arquitectura.
La inteligencia artificial se compone de gran cantidad de herramientas y
una de ellas son los árboles de decisión que se basan en el conocimiento de
los expertos.
2.2.1.
Árboles de Decisión
Un árbol de decisión es un modelo de predicción utilizado en el
ámbito de la inteligencia artificial. Dada una base de datos se
construyen diagramas de construcciones lógicas, muy similares a los
sistemas de predicción basados en reglas, que sirven para representar y
categorizar una serie de condiciones que ocurren de forma sucesiva,
para la resolución de un problema (Argentiero, 1982).
Los árboles de decisión son guías jerárquicas multi-vía donde los
valores de las características son el criterio diagnostico para evaluar la
8
calidad de la tierra y determinar el uso más adecuado de la tierra. La
jerarquía se refiere a que la toma de una decisión o camino lleva a otra,
hasta que todos los factores o características involucradas se hayan
tomado en cuenta. Es multi-vía porque pueden existir más de dos
opciones y es una guía porque al responder una pregunta se llega a una
decisión (Rossiter, 1997).
2.3. Sistemas de Base de datos
Una base de datos o banco de datos es un conjunto de datos
pertenecientes a un mismo contexto y almacenados sistemáticamente para
su posterior uso.
En este sentido, una biblioteca puede considerarse una base de datos
compuesta en su mayoría por documentos y textos impresos en papel e
indexados para su consulta. En la actualidad, y debido al desarrollo
tecnológico de campos como la informática y la electrónica, la mayoría de
las bases de datos están en formato digital (electrónico), que ofrece un
amplio rango de soluciones al problema de almacenar datos (Ullman et al.,
1999).
Existen programas denominados sistemas gestores de bases de datos,
abreviados SGBD, que permiten almacenar y posteriormente acceder a los
datos de forma rápida y estructurada. Las propiedades de estos SGBD, así
como su utilización y administración, se estudian dentro del ámbito de la
informática.
Algunos modelos con frecuencia utilizados en las bases de datos
(Silberschatz et al., 1998) que tienen relación con el presente proyecto son
el MUMPS (base de datos del programa ALES es del tipo jerárquica) y el
Postgresql (base de datos del nuevo programa desarrollado en el proyecto
que es del tipo relacional y geoespacial):
2.3.1.
Base de datos Jerárquica
Éstas son bases de datos que, como su nombre indica, almacenan
su información en una estructura jerárquica. En este modelo los datos
se organizan en una forma similar a un árbol (visto al revés), en donde
un nodo padre de información puede tener varios hijos. El nodo que no
tiene padres es llamado raíz, y a los nodos que no tienen hijos se los
conoce como hojas.
Las bases de datos jerárquicas son especialmente útiles en el caso
de aplicaciones que manejan un gran volumen de información y datos
muy compartidos permitiendo crear estructuras estables y de gran
9
rendimiento. Una de las principales limitaciones de este modelo es su
incapacidad de representar eficientemente la redundancia de datos.
2.3.2.
Base de datos Relacional
Éste es el modelo utilizado en la actualidad para modelar problemas
reales y administrar datos dinámicamente. Su idea fundamental es el
uso de "relaciones". Estas relaciones podrían considerarse en forma
lógica como conjuntos de datos llamados "tuplas". En este modelo, el
lugar y la forma en que se almacenen los datos no tienen relevancia (a
diferencia de otros modelos como el jerárquico y el de red). Esto tiene la
considerable ventaja de que es más fácil de entender y de utilizar para
un usuario esporádico de la base de datos. La información puede ser
recuperada o almacenada mediante "consultas" que ofrecen una amplia
flexibilidad y poder para administrar la información.
El lenguaje más habitual para construir las consultas a bases de
datos relacionales es SQL, Structured Query Language o Lenguaje
Estructurado de Consultas, un estándar implementado por los
principales motores o sistemas de gestión de bases de datos
relacionales.
2.3.3.
Base de datos Geoespacial
Base de datos espacial (spatial database) es un sistema
administrador de bases de datos que maneja datos existentes en un
espacio o datos espaciales.
En este tipo de bases de datos es imprescindible establecer un
marco de referencia SRE (Sistema de Referencia Espacial) para definir
la localización y relación entre objetos, ya que los datos tratados en este
tipo de bases de datos tienen un valor relativo, no es un valor absoluto.
Los sistemas de referencia espacial pueden ser de dos tipos:
Georrefenciados (Aquellos que se establecen sobre la superficie
terrestre. Son los que normalmente se utilizan, ya que es un dominio
manipulable, perceptible y que sirve de referencia) y No
georreferenciados (Son sistemas que tienen valor físico, pero que
pueden ser útiles en determinadas situaciones).
La construcción de una base de datos geográfica implica un proceso
de abstracción para pasar de la complejidad del mundo real a una
representación simplificada que pueda ser procesada por el lenguaje de
las computadoras actuales. Este proceso de abstracción tiene diversos
niveles y normalmente comienza con la concepción de la estructura de
la base de datos, generalmente en capas; en esta fase, y dependiendo
10
de la utilidad que se vaya a dar a la información a compilar, se
seleccionan las capas temáticas a incluir (PostGis, 2009).
La estructuración de la información espacial procedente del mundo
real en capas conlleva cierto nivel de dificultad. En primer lugar, la
necesidad de abstracción que requieren los computadores implica
trabajar con primitivas básicas de dibujo, de tal forma que toda la
complejidad de la realidad ha de ser reducida a puntos, líneas o
polígonos. En segundo lugar, existen relaciones espaciales entre los
objetos geográficos que el sistema no puede obviar; la topología, que en
realidad es el método matemático-lógico usado para definir las
relaciones espaciales entre los objetos geográficos puede llegar a ser
muy compleja, ya que son muchos los elementos que interactúan sobre
cada aspecto de la realidad.
11
CAPÍTULO III: MARCO METODOLÓGICO
CAPITULO 3. MARCO METODOLÓGICO
3.1. Enfoque metodológico MSF.Se utilizó el esquema Microsoft Solutions Framework (MSF) como
metodología de diseño del sistema (Figura 1).
¾
¾
¾
¾
¾
Esta metodología esta compuesta de 5 etapas:
Fase de Visionado (Envisioning)
Fase de Planificación (Planning)
Fase Desarrollo (Developing)
Fase Estabilización (Stabilizing)
Fase Distribución (Deploying)
Figura 1: Modelo de Procesos MSF
La metodología MSF se aplica a cualquier tipo de sistema siendo en tal
sentido flexible en su adaptación. Para el presente proyecto se ha
considerado la estructura funcional mínima por tratarse de un sistema
prototipo. El esquema general para aplicación en el presente proyecto se
muestra en la figura 2.
12
Figura 2: Flujograma del análisis de la información
13
3.2. Fase de Visionado (Envisioning)
Esta fase da una visión general del proyecto, esta compuesta de:
3.2.1.
Definición de la estructura del proyecto
El proyecto utiliza como lenguaje de programación Microsoft Visual
Basic 6.0, y como base de datos Postgresql 8.1. El menú de opciones
se muestra en la Tabla 1.
Tabla 1: Funciones implementadas en el nuevo programa
Construir modelos y evaluar Proyectos Listas de referencia Requisitos de Uso de la Tierra (RUT) Productos Insumos Características de la Tierra Tipos de Utilización de la Tierra Insumos anuales Insumos en años específicos Productos Requisitos de Uso de la Tierra (RUT) Árbol de decisión para evaluar la cualidad Subclases de aptitud física Árbol de decisión para la aptitud física Datos Unidades Cartográficas Cargar Shape Datos de las Unidades Cartográficas Formatos de Ingreso Evaluaciones Calcular la Evaluación Script para ILWIS Exportar Shape Subclase de evaluación física Informes Resultados – Clase de Aptitud Física Resultados – Subclase de Aptitud Física Tipos de Utilización de la Tierra (TUT) Características de la Tierra Unidades Cartográficas 14
3.2.2.
Definición del alcance del proyecto
El presente proyecto tiene como resultado un sistema prototipo que
considera las características básicas de evaluación biofísica del sistema
ALES, el cuál además requiere cumplir ciertas tareas adicionales para
llegar a ser un producto definitivo.
Para las pruebas del sistema prototipo se utilizaran los datos de
SOMALES en la región norte de Somalia (Venema, J.H. and Vargas,
R.R. 2007 FAO-SWALIM Technical Project Report L-06. Nairobi,
Kenya).
3.3. Fase de Planificación (Planning)
Esta fase realiza la preparación de la especificación funcional y diseño
del programa principalmente y comprende:
3.3.1.
Diseño Conceptual
El diseño conceptual es una estrategia que nos permite proveer los
escenarios posibles para el nuevo sistema. El diseño conceptual
direcciona las necesidades para describir una o más alternativas de
solución.
El sistema ALES utiliza como base de datos MUMPS (sistema de
base de datos y lenguaje de programación), el cual utiliza básicamente
un almacenamiento jerárquico (DataTree Inc., 1986). Ha sido
desarrollado en un entorno DOS y sus características agrupadas son:
componente físico, económico, carga de DBF y componente ALIDRIS.
El nuevo sistema ALESW funciona en un entorno Windows, utiliza como
base de datos Postgresql, e implemente las funcionalidades:
componente biofísico, cargar shapes y generación de scripts para
ILWIS. Las características en forma genérica de los programas ALES
existente y el nuevo sistema ALESW, se muestran en la Figura 3.
3.3.2.
Diseño Lógico
El diseño lógico convierte el escenario (diseño conceptual) en un
modelo abstracto que identifica los componentes principales de soporte
del sistema.
15
Figura 3: Diseño Conceptual sistema ALESW
Figura 4: Diseño Lógico simplificado, sistema ALESW
16
Una de las características de las entidades (tablas) creadas para el
sistema ALESW es que inician con la palabra “sis”, con el objetivo de
evitar la confusión con otras tablas que se puedan utilizar en la misma
base de datos. El diseño lógico simplificado para el sistema ALESW se
muestra en la Figura 4.
El diseño lógico en detalle en el cual se pueden apreciar las tablas,
relaciones y atributos se muestra en el Anexo 01.
3.3.3.
Diseño Físico
En diseño físico es la aplicación física real en contraste con el
modelo lógico.
El diseño físico en detalle en el cual se pueden apreciar las tablas,
relaciones y atributos, tipos de datos, claves primarias, foráneas, se
muestra en el Anexo 02.
3.4. Fase de Desarrollo (Developing)
Esta fase es la de mayor importancia, aquí se tiene como meta principal
la construcción de los elementos entregables del programa, incluidos los
códigos de los componentes, infraestructura (software, hardware, red) y la
documentación para el uso de las operaciones.
3.4.1.
Código fuente
El código fuente del sistema fue desarrollado en Visual Basic 6.0.
Debido a que este lenguaje de programación es bastante común, de
fácil aprendizaje y tiene una gran comunidad de programadores.
En el desarrollo del código se utilizaron estándares comunes como
es el uso de clases, controles de usuarios, módulos de programación
para los procesos globales y sintaxis predefinidas como: “g” para
variables globales, “p” para parámetros, entre otros. El código fuente se
adjunta en digital al CD de la Asignación Final Individual, no se
considera como Anexo pues seria demasiado extensa.
En la Figura 5, se puede apreciar el diseño del sistema ALES
(entorno DOS) y el diseño de una pantalla estándar del sistema ALESW,
utilizado es el común de la mayoría de aplicaciones en Windows, utiliza
botones de comando muy conocidos (nuevo, modificar, eliminar, guardar
y cancelar), tal como se puede apreciar en la siguiente imagen.
17
Figura 5: Diseño de pantallas sistema ALES (superior), sistemas ALESW (inferior)
3.4.2.
Configuración del programa
Los pasos requeridos para utilizar el sistema son:
Paso 1, Instalación del sistema ALES: dar clic en setup.exe y seguir
las instrucciones, tal como se muestra en la Figura 6.
18
Figura 6: Instalador sistemas ALESW
Paso 2, Instalación del la base de datos Postgresql: puedes
descargarla desde www.postgresql.org , se recomienda la versión 8.1 o
superior. Una vez descargado proceda con la instalación, debe tener en
cuenta cuando se lo solicite ingresar el usuario “postgres” y password
“postgres” y activar la opción PostGis (habilita el soporte de información
geoespacial).
Figura 7: Instalador base de datos Postgresql
19
Paso 3, Creación de la
base de datos: Ejecutar
Inicio \ Programas \ Postgresql
8.1 \ PgAdmin III.
Dar clic derecho en la
opcion databases y elegir
New Database e ingresar la
información
como
se
muestra en la Figura 8.
Figura 8: Crear base de datos “ales”
Paso 4,
Configuración de la
conexión de la base de
datos: Seleccionar
Inicio \ Panel de Control \
Herramientas Administrativas \
Orígenes de datos ODBC.
En la pestaña DNS del
sistema, hacer clic en
agregar y llenar los datos
tal como se muestra en la
Figura 9 y 10.
Figura 9: Seleccionar tipo de Driver
20
Figura 10: Configuración conexión ODBC
3.4.3.
Especificaciones para las pruebas
¾
Por tratarse de un sistema prototipo las pruebas la realiza la misma
persona que hizo el desarrollo.
¾
Se realizan 2 tipos de pruebas; una para la base de datos y una
para el sistema.
¾
La fuente de datos a utilizar para las pruebas son las del proyecto
SOMALES (descripción detallada en el Capitulo IV: Análisis de los
resultados)
3.5. Fase de Estabilización (Stabilizing)
El programa se pasa a un entorno real de exploración, se determina que
cumpla con los criterios de calidad mínimos por tratarse de un prototipo para
pasar a la fase de Distribución. Reproducción de condiciones reales y las
tareas se concentran en detectar errores, preparándola para la siguiente
fase.
3.5.1.
Prueba de base de datos
Las pruebas para la base de datos consistieron en:
¾
Backups y Restauración de la base de datos.
¾
Generación de identificadores OID únicos para todas las tablas.
21
¾
Consistencia de las claves primarias.
¾
Ingreso de datos Proyecto SOMALES.
¾
Archivo en formato shape.
3.5.2.
Prueba de funcionalidad (validación del sistema)
Las pruebas de funcionalidad consistieron en:
¾
Depuración automática para generación del archivo ejecutable.
¾
Mediante el ingreso de datos Proyecto SOMALES.
¾
Mediante la ejecución del proceso de evaluación
¾
Script generado en ILWIS.
3.6. Fase de Distribución (Deploying)
Es la última etapa del proceso MSF, aquí se instalan los componentes y
se estabiliza el prototipo.
3.6.1.
Almacén de la versión prototipo
La versión generada se enguanta en etapa Beta, pues requiere de
pruebas más exhaustivas para dejar de ser prototipo y convertirse en un
sistema estable. El código fuente se almacena en el CD adjunto a este
proyecto.
3.6.2.
Documentación del proyecto
El sistema actual no tiene documentación de guía de uso del
sistema, porque se requiere en primer lugar obtener una versión estable
que un prototipo.
22
CAPÍTULO IV: ANÁLISIS DE LOS RESULTADOS
CAPITULO 4. ANÁLISIS DE LOS RESULTADOS
4.1. Fuente de la información
El insumo principal constituyó el programa ALES, donde se realizó una
revisión detallada de su base de datos MUMPS para realizar la migración a
una nueva plataforma de base de datos Postgresql.
Dentro de la Fase de Estabilización se realizaron las pruebas del
programa, en la cuál se utilizaron los datos del Proyecto SOMALIA (Venema
and Vargas FAO-SWALIM, 2007). Específicamente SOMALES (Somalia
Automated Land Evaluation System) para la verificación de la funcionalidad
del prototipo de software.
4.1.1.
Área de Estudio
El área de estudio de Dur-Dur y Gebiley en Somaliland esta localizado
entre 10° 41’ 36” - 9°10’ 30” N y 43° 00’ 52” - 44° 27’ 54” E (ver Figura 11),
cubriendo un área total de 12 939 km2. Se ubica entre el borde de Ethiopia y
el Mar Rojo y cubre los distritos de Dila, Gebiley, Faraweyne y Allaybaday, y
parte de los distritos de Hargeisa, Borama, Baki y Lughaya. Como se
muestra en la Figura 11.
4.1.2.
Datos Recursos de la tierra
Los datos de recursos de la tierra utilizados en el presente estudio
incluyen información sobre suelos, clima (temperatura, LGP, variabilidad de
lluvias), geoformas (relieve, pendiente, altitud), cobertura de la tierra y
puntos de agua existentes. Todos estos datos están disponibles en SWALIM
(www.faoswalim.org).
En muchos casos existe una información temática que ha sido
simplificada y agregada, como se detalla en el Anexo 03.
23
Figura 11: área de estudio SOMALES
4.2. Somalia Automated Land Evaluation System (SOMALES)
Con el propósito de realizar la evaluación de propiedades físicas de la
tierra SWALIM desarrollo la herramienta llamada Somalia Automated Land
Evaluation System (SOMALES). SOMALES es la aplicación del Marco
Metodológico FAO para evaluación de tierras con el uso deL programa de
computadora llamado Automated Land Evaluation System (ALES) en
Somalia.
El sistema ALESW, desarrollado en este proyecto utiliza una parte de
estos datos para validar su funcionamiento en comparación al sistema
ALES, debiendo obtener resultados similares.
4.2.1.
Unidades de Evaluación
Las unidades de evaluación utilizadas son las que se denominan
Unidades de Recurso Base (Resource Base Units, RBU) en SOMALES.
24
Los recursos naturales examinados forman las bases del
componente tierra del sistema de evaluación de tierras e incluye
inventarios de agroclimas, geoformas, suelos, cobertura y uso de la
tierra. SWALIM utiliza imágenes de satelite multiespacial y multitemporal
para el mapeo de estas unidades base de recursos.
SOMALES definió 45 RBUs para el estudio (ver Mapa 1), las áreas
son descritas en términos de mas de 20 distintas características de la
tierra (Anexo 04).
4.2.2.
Cualidades de la tierra y características de la tierra
Las cualidades de la tierra utilizadas por SOMALES se muestran en
la Tabla 2, para las pruebas del sistema ALESW, se utilizó únicamente
los datos de Rainfed Agriculture (Agricultura a secano, que se muestra
sombreada en la primera columna)
4.2.3.
Tipos de uso de la tierra (TUT) y sus requerimientos
SOMALES define 4 TUTs, que son:
¾
R: Rainfed Agriculture (Agricultura a secano)
¾
I: Irrigated Agriculture (Agricultura bajo riego)
¾
P: Transhumance Pastoralism (or Extensive Grazing) (Pastoreo
Extensivo)
¾
F: Forestry (Uso Forestal)
SOMALES utiliza los TUT que se muestran en la Tabla 3. Para las
pruebas del sistema ALESW, se utilizó únicamente el TUT Rainfed
Agricultura (Agricultura en secano), más específicamente Rc – Rainfed
cowpea (guisante pinto, que se muestra sombreada en la Tabla 3).
25
Mapa 1: Unidades Cartográficas (RBUs) SOMALES
26
Tabla 2: Diagnostic Land Qualities for selected major types of land use (SOMALES)
Major Types of Land Use
Land Use Requirements (LUR) Land
Qualities (LQ)
accessibility (for animals)
Rainfed
Agriculture
e
f
i
m
n
r
u
v
w
z
Forestry
√
a
c
Pastoralism
temperature regime
√
erosion hazard
√
flood hazard (flashfloods)
√
inundation hazard (flooding)
√
moisture availability
√
√
nutrient availability
√
√
rooting conditions (soil depth)
√
√
√
√
excess of salts (sodicity)
√
vegetation (genetic potential)
√
oxygen availability (drainage)
√
excess of salts (salinity)
√
√
√
√
√
Tabla 3: Land Use Types (SOMALES)
Major Kind of Land Use
R Rainfed Agriculture
P
Pastoralism
F
Forestry
Land Use Type (LUT)
Rs1
Rainfed sorghum; short GP (90-100 days); medium input
Rs2
Rainfed “Traditional sorghum”; total GP 180 days
(including “dormant” period of 50 days; low input
Rainfed cowpea; short GP (80 days); low-medium
Rc
input
Rm1 Rainfed maize; short GP (80-90 days); medium input
Pc
Extensive grazing of cattle; low input
Pd
Extensive grazing of camels; low input
Pg
Extensive grazing of goats; low input
Ps
Extensive grazing of sheep; low input
Fai
Azadirachta indica (neem)
Fan
Acacia nilotica (maraa)
Fat
Acacia tortilis (qurac)
Fba
Balanites aegytiaca (quud)
Fce
Casuariana equisetifolia (shawri)
Fcl
Conocarpus lancifolius (damas, ghalab)
Fdg
Dobera glabra (garas)
Ffa
Faidherbia albida (garabi)
Fti
Tamarindus inidica (raqai)
27
4.2.4.
Emparejar cualidades de la tierra con requerimientos de uso de
la tierra
Emparejar es el proceso de comparación de los requerimientos de
un particular TUT con las CT de una UE particular.
El Emparejamiento resultante da un examen de tierras adecuadas
para cada combinación de TUT y RUT.
4.2.5.
Niveles de severidad
Se refiere a la limitación que posee la las cualidades de la tierra para
un uso específico. Los siguientes niveles de severidad son los utilizados:
¾
1. no limitation
¾
2. slight limitation
¾
3. moderate limitation
¾
4. severe limitation (or prohibitive)
4.2.6.
Árboles de decisión, puntuación
El procedimiento de emparejamiento se lleva a cabo en 2 pasos, por
un número de modelos o árboles de decisión.
El primer paso implica la determinación del nivel de severidad para
cada cualidad de la tierra (CT). Por ejemplo, si la temperatura de un
TUT (cultivo) es conocida, este debería ser emparejada con las
cualidades de una UE. Si la comparación no es perfecta, algunas reglas
o modelos (árboles de decisión) son necesarios para determinar cuan
severa es la limitación de la temperatura. Los árboles de decisión
utilizados en SOMALES y en las pruebas del sistema ALESW se
muestran en el Anexo 05.
El segundo paso, implica la evaluación de todos los factores
estimados para cada combinación TUT/UE y finalmente determinar la
clase adecuada de la tierra.
SOMALES utiliza el simple “método de limitación máxima”, según el
cual es mas bajo o limitación más severa determina la clase adecuada
de la tierra. Por ejemplo, si el ratio para un particular TUT/UE es la
combinación de 2e, 3m, 2n, 2r y 2w respectivamente, el nivel de
severidad determinado es 3m.
28
4.2.7.
Clasificación de tierras adecuadas
SOMALES tiene 4 clases de Adecuación:
S1 = altamente adecuado (sin limitaciones)
S2 = moderadamente adecuada (limitación mas severa a nivel 2)
S3 = marginalmente adecuada (limitación mas severa a nivel 3)
N = no adecuada (limitación mas severa a nivel 4)
Un número de subclases adecuadas se distinguen, reflejando los
tipos de limitación, Por ej. La Subclase S3z significa “Marginalmente
adecuadas debido a la alta salinidad”.
4.3. RESULTADOS
4.3.1.
Tierras adecuadas para “rainfed cowpea”
En el desarrollo de pruebas se diferencian los 2 pasos mencionados
anteriormente:
Paso 1: estimación de los niveles de aptitud para los RUT definidos
y para cada una de las UE. En primer lugar se crean los RUT, como se
muestra en la Figura 12. Luego se crean las UE, como se muestra en la
Figura 13.
Figura 12: Creación de RUTs para Rainfed cowpea
29
Figura 13: Creación de UEs para Rainfed cowpea
Seguidamente se determino un formato para el ingreso de los datos
(Figura 14), así como su respectivo detalle de CaTs (Figura 15). Una
vez definido los formatos se ingresan los CaT correspondientes (Por ej.
UE 1. Coastal, Figura 16).
Figura 14: Creación de Formato para Ingresar Datos
30
Figura 15: Selección de CaTs para el Formato creado
Figura 16: Llenado de valores de los CaTs de UE 1: Coastal
31
1
2
3
4
5
6
Figura 17: Llenado del árbol de decisión para el RUT e: erosion hazard
32
A continuación se ingreso el árbol de decisión para cada una de los
RUT, (Por ej. e: erosion hazard, como se muestra el proceso en las 6
pantallas secuenciales en la Figura 17). Al llenar el árbol de decisiones
se tiene 4 opciones posibles por cada ítem, a) Resultado, b) seleccionar
una nueva CaT, c) Similar a una existente o d) Vacío. Finalmente se
ejecuta la evaluación y se revisa el informe “Resultados – Clase de
aptitud física” (Figura 18).
Figura 18: Resultados niveles RUT para UE 1: Coastal
Tenemos el siguiente resultado (Tabla 4):
Tabla 4: Niveles de RUTs para UE 1: Coastal
RUTs (Requisitos de uso de la tierra)
Nivel de aptitud
e
erosion hazard
1
f
flood hazard (flashfloods)
1
m
moisture availability
5
n
nutrient availability
3
r
rooting conditions (soil depth)
1
u
sodicity
1
w
oxygen availability (drainage)
1
z
excess of salts (salinity)
1
33
Paso 2: Se estima el método de limitación máxima. De los valores
de nivel de aptitud mostrados el valor seleccionado seria el 4. Para ver
el resultado revisar el Informe “Resultados – Subclase de aptitud física”
(Figura 19).
Figura 19: Resultados nivel TUT para UE 1: Coastal
Por tanto el nivel de aptitud para el TUT “rainfed cowpea” en la UE
1: Coastal es de 4, es decir marginalmente adecuada.
De forma similar se estiman los niveles de aptitud para todas las
UEs, teniendo como resultado (Tabla 5):
Tabla 5: Tierras adecuadas para “Rainfed cowpea“
RBU
Rc cowpea
short GP
RBU
Rc cowpea
short GP
RBU
1
2
3
4
5
5a
5b
5c
6
6a
6b
7
7a
4
4
4
4
3
4
3
3
4
4
4
4
4
8b
9
9a
10
11
12
13
15
16
16a
16b
17
18
4
3
3
4
4
4
4
4
4
4
4
4
2
21
22
22a
23
24
24a
25
26
27
28
29
30
31
8
4
19
3
32
8a
4
20
2
33
Rc cowpea
short GP
3
3
3
2
3
3
4
3
3
4
4
4
3
34
Tabla 6: Land Suitability for Rainfed Agricultura (SOMALES)
RBU
Área
ha
1
2
3
4
5
5a
5b
5c
6
6a
6b
7
7a
8
8a
8b
9
9a
10
11
12
13
15
16
16a
16b
17
18
19
20
21
22
22a
23
24
24a
25
26
27
28
29
30
31
9111
3236
3663
62517
26482
23439
7756
4042
47122
25289
9800
92216
109767
31492
7474
13389
19269
3048
8472
3385
10500
8295
44519
42336
12325
5806
7198
9786
61977
11112
36235
46251
23089
163997
61666
34463
12576
73305
9641
2547
66109
4322
28488
%
0.7
0.3
0.3
4.8
2.1
1.8
0.6
0.3
3.6
2.0
0.8
7.1
8.5
2.4
0.6
1.0
1.5
0.2
0.7
0.3
0.8
0.6
3.4
3.3
1.0
0.5
0.6
0.8
5.0
0.9
2.8
3.6
1.8
12.7
4.8
2.7
1.0
5.7
0.7
0.2
5.1
0.3
2.2
32
2281
0.2
33
4120
0.3
1293908
100
Total
Rc
cowpea
short
GP
N
N
N
N
S3fm
N
S3f
S3f
N
N
N
N
N
N
N
N
S3fm
S3f
N
N
N
N
N
N
N
N
N
S2em
S3mn
S2efmn
S3m
S3mn
S3mn
S2em
S3m
S3m
N
S3m
S3m
N
N
N
S3m
Rm1
maize
short
GP
N
N
N
N
S3fmn
N
S3fn
S3fn
N
N
N
N
N
N
N
N
S3fm
S3f
N
N
N
N
N
N
N
N
N
S2em
S3emn
S2efmw
S3mn
N
N
S2em
N
S3m
N
N
N
N
N
N
N
Rs1
sorghum
short GP
N
N
N
N
S3fm
N
S3f
S3f
N
N
N
N
N
N
N
N
S3fm
S3f
N
N
N
N
N
N
N
N
N
S2em
S3emn
S2efmw
S3m
S3mn
S3mn
S2em
S3m
S3m
N
S3m
S3m
S3mnw
N
N
S3m
Rs2
sorghum
long GP
“Elmi ama”
N
N
N
N
S3fm
N
S3f
S3f
N
N
N
N
N
N
N
N
S3fm
S3f
N
N
N
N
N
N
N
N
N
S2em
S3emn
S2efmw
S3m
S3mn
S3mn
S2em
S3m
S3m
N
S3m
S3m
S3mnw
N
N
S3m
* numbering of RBUs not continuous due to late modifications in map legend
35
4.3.2.
Comparación de resultados
Los resultados obtenidos por el sistema ALESW se muestran en la
Tabla 5, y los resultados obtenidos por SOMALES se muestran en la
Tabla 6. Para realizar la comparación se consideró la equivalencia
(Tabla 7).
Tabla 7: Equivalencias resultados ALESW vs SOMALES
ALESW
1
2
3
4
SOMALES
S1
S2
S3
N
Finalmente podemos apreciar que los resultados son similares con la
consideración que el sistema ALESW no muestra el detalle de las RUT
que influyen en el resultado como si lo hace SOMALES, es decir
muestra 4 y no 4m.
4.4. Resultados adicionales
4.4.1.
Importación y exportación en formato shape
Esta opción permitió importar shapes para crear las Unidades de
Evaluación. El procedimiento es sencillo, se selecciono el archivo shape
de UEs y se dio importar (ver Figura 20).
au
Figura 20: Importación formato shape
Así mismo se tiene la opción de exportar los resultados una vez
concluida la evaluación. El sistema creara de forma automática 2
columnas al archivo shape. “IdNivel”, que almacena el código del Nivel
de aptitud física y “DesNivel”, que almacena la descripción
correspondiente. Finalmente tenemos el Mapa del resultado obtenido en
formato shape que se muestra en el Mapa 2.
36
Mapa 2: Resultado TUT “rainfed cowpea” en base a formato shape
37
4.4.2.
Script para ILWIS
La opción del sistema para crear script para ILWIS generó 2 archivos
de texto: El primer archivo es “alex.isl”, que es el archivo de
configuración del script. El segundo archivo es el “ales.isf”, aquí se
genera todo el código necesario para realizar la evaluación (Ver detalle
descriptivo en Figura 21) asumiendo lo siguiente:
¾
Por cada CaT debe existir un mapa que se denomina igual que en
el sistema ALESW, por ej. “Ss” para pendiente en SOMALES, cuyo
dominio tenga el mismo nombre.
¾
Por cada RUT, debe existir un dominio con el mismo nombre y las
categorías que el sistema ALESW, por ej. “e” para erosion hazard.
Figura 21: Script descriptivo para ILWIS
El script generado obtuvo como resultado el Mapa 3.
38
Mapa 3: Resultado TUT “rainfed cowpea” en base a script Ilwis
39
CONCLUSIONES
El sistema prototipo de entorno grafico ALESW obtenido por este trabajo es una
alternativa al sistema ALES de entorno DOS, principalmente porque se adapta a
usuarios acostumbrados al entorno WINDOWS, basado en el despliegue de
múltiples pantallas, uso del mouse y uso de iconos estándares.
La base de datos MUMPS utilizada por el sistema ALES, es apropiada para el
almacenamiento de datos jerárquicos sin embargo a la actualidad no tiene
soporte y no tiene un administrador de base de datos apropiado.
La base de datos Postgresql almacena datos jerárquicos, a pesar de ser
relacional, tiene la ventaja de manejo de objetos geográficos mediante su librería
PostGis además de la importación/exportación de formatos shape, uso de
sistemas de proyección, operaciones topológicas, entre otros.
La evaluación de tierras según la metodología FAO se puede aplicar en modelos
continuos (Raster), mediante la generación de archivos de script para ILWIS
desde el programa ALESW de manera sencilla.
El sistema prototipo ALESW no es un sistema terminado pues requiere de mayor
cantidad de pruebas de funcionalidad para que pueda ser utilizado. Este sistema
implemento la evaluación biofísica y no la económica, además soporta 10 niveles
de profundidad de almacenamiento para el árbol de decisión
40
RECOMENDACIONES
El sistema ALESW utiliza como base de datos geoespacial Postgresql, sin
embargo no explota las capacidades reales del mismo, pudiendo ser
complementado con mayores funcionalidades de almacenamiento, consultas y
gestión espacial.
A pesar de que el sistema ALESW, posee base de datos geoespacial, se hace
imprescindible contar con un entorno geográfico que permita gestionar
información geoespacial en una única aplicación. Para este fin es posible adaptar
a futuro el sistema ALESW con programas GIS.
La evaluación de tierras realizada por los programas ALES y ALESW, no toma en
cuenta el tiempo, solo se realiza la evaluación en un periodo fijo. Por lo tanto es
necesario dotar de la funcionalidad de manejo del tiempo.
41
REFERENCIAS BIBLIOGRÁFICAS
1. Argentiero Peter, Roland Chin, and Paul Beaudet. An automated approach to
the design of decision tree classifiers. IEEE Trans. on Pattern Analysis and
Machine Intelligence, PAMI-4(1):51{57, January 1982.
2. Bailey, T.C. & Gatrell, A.C. 1995. Interactive spatial data analysis. Longman,
Harlow, UK.
3. Bouma, J. 1989. Using soil survey data for quantitative land evaluation. In:
Stewart, B.A. (ed.). Advances in soil science, vol. 9. Springer Verlag, New
York.
4. Bouma, J., Booltink, H.W.G., Finke, P.A. & Stein, A. 1996. Reliability of soil
data and risk assessment of data applications. In: Nettleton, W.D. (ed.). Data
reliability and risk assessment: applicability to soil interpretations. Special
Publication No 47. Soil Science Society of America, Madison, WI.
5. Bouman, B.A.M., Schipper, R.A., Nieuwenhuyse, A., Hengsdijk H. & Jansen,
H.G.P. 1998. Quantifying economic and biophysical sustainability trade-offs in
land use exploration at the regional level: a case study for the Northern
Atlantic Zone of Costa Rica. Ecological Modelling 114: 95–109.
6. Burrough, P.A. & McDonnell, R.A. 1998. Principles of Geographical
Information Systems. Oxford University Press.
7. Chandrasekaran. B. From numbers to symbols to knowledge structures:
Pattern Recognition and Artificial Intelligence perspectives on the classication
task. volume 2, pages 547{559.
8. Elsevier Science, Amsterdam, The Netherlands, 1986.
9. De la Rosa, D., Moreno, J.A., Barros, J., Mayol, F. & Rosales, A. 2001.
MicroLEIS 4.1: exploring the agro-ecological limits of sustainability. Manual.
Consejo Superior de Investigaciones Científicas, Instituto de Recursos
Naturales y Agrobiología, Sevilla.
10. De la Rosa, D., Moreno, J.A., Garcia, L.V. & Almorza, J. 1992. MicroLEIS: a
microcomputer based Mediterranean land evaluation information system. Soil
Use and Management 8: 89–96.
11. FAO, 1976. A framework for land evaluation. Soils bulletin No32. Rome.
12. FAO, 1983. Guidelines: land evaluation for rainfed agriculture. Soils Bulletin
No52. Rome.
13. FAO, 1984. Land evaluation for forestry. Forestry Paper 48. FAO, Rome.
14. FAO, 1985. Guidelines: land evaluation for irrigated agriculture. Soils Bulletin
No55. Rome.
15. FAO, 1999. Terminology for integrated resources planning and management.
Rome.
16. FAO, 2007. Land evaluation. Towards a revised framework. Land and Water
Discusión Paper 6. FAO, Rome.
42
17. Hengsdijk, H., Bouman, B.A.M., Nieuwenhuyse, A. & Jansen, H.G.P. 1999.
Quantification of land use systems using technical coefficient generators: a
case study for the Northern Atlantic Zone of Costa Rica. Agricultural Systems
61: 109–121.
18. Hoobler, B.M., Vance, G.F., Hamerlinck, J.D., Munn, L.C. & Hayward, J.A.
2003. Applications of land evaluation and site assessment (LESA) and a
geographical information system in East Part Couny, Wyoming. Journal of
Soil and Water Conservation 58: 105–112.
19. Hutchinson, M.F. 1989. A new procedure for gridding elevation and stream
line data with automatic removal of spurious pits. Journal of Hydrology 106
(3–4): 211–232.
20. Ibañez, J. J., Ruiz Ramos, M., Zinck, J. A., Bru, A., 2005. Classical pedology
questioned and defended. Eurasian Soil Science 38(Supplement 1), 75–80.
21. Lewkowicz, J. 1988. The Complete MUMPS. Prentice-Hall, Englewood Cliffs,
NJ USA
22. Microsoft Corporation (US), Microsoft Solutions Framework White Paper v3,
[serial online] 2003 [citado 5 oct 2009]; Disponible en URL:
http://www.microsoft.com/msf
23. Moore, I.D., Grayson, R.B. & Ladson, A.R. 1991. Digital Terrain Modelling: A
review of hydrological, geomorphological, and biological applications.
Hydrological Processes 5: 3–30.
24. Postgresql Corporation, [serial online] 2009 [citado 5 oct 2009]; Disponible en
URL: http://www.postgresql.org
25. PostGis Refraction Research, [serial online] 2009 [citado 5 oct 2009];
Disponible en URL: http://postgis.refractions.net
26. Ramsay, J. 1998. Problems with empiricism and the philosophy of science:
implications for purchasing research, European journal of Purchasing &
Supply Management 4: 163-173.
27. Rossiter, D. and Wambeke, V. 1990 Automated Land Evaluation System,
Cornell University Ithaca, NY 14853-1901 USA.
28. Rossiter, D.G. and Van Wambeke, A.R. 1991. Automated Land Evaluation
System (ALES) Version 3 User’s Manual. SCAS Teaching Series 2. Ithaca,
N.Y, Cornell University, Department of Soil, Crop & Atmospheric Sciences.
29. Rossiter, D. 1994 Land Evaluation, Cornell University Ithaca, NY 14853-1901
USA.
30. Rossiter, D. 1996. Discussion paper: a theoretical framework for land
evaluation. Geoderma. 72(3-4): p. 165-190.
31. Rossiter, D.G. and Van Wambeke, A.R. 1997. ALES version 4.65. Cornell
University. Ithaca, N.Y.
32. Rossiter, D. 1998. Conceptos Básicos y procedimientos de Evaluación de
Tierras, Cornell University, Proyecto CLAS/ITC. Cochabamba, Bolivia.
33. Rossiter, D. 1998. Métodos no FAO de Clasificación de Tierras, Cornell
University, Proyecto CLAS/ITC. Cochabamba, Bolivia.
34. Rossiter, D. 2006 Herramientas para realizar una investigación.
35. Schipper, R.A., Bouman, B.A.M, Jansen, H.G.P., Hengsdijk, H. &
Nieuwenhuyse, A. 2000. Integrated biophysical and socio-economic analysis
of regional land use. In: Bouman, B.A.M., Jansen, H.G.P., Schipper, R.A.,
43
Hengsdijk, H., Nieuwenhuyse, A.N. (eds). Tools for land use analysis on
different scales. Kluwer Academic Publishers, Dordrecht.
36. Silberschatz, Abraham, Korth, Henry F. y Sudarshan, S., Fundamentos de
Bases de Datos, tercera edición, Editorial McGraw Hill, España 1998.
37. Sys, C., Van Ranst, E. & Debaveye, J. 1991a. Land evaluation. Part 1:
Principles in land evaluation and crop production calculations. Agricultural
publications 7,1. General Administration of Development Cooperation of
Belgium, Brussels. 273 p.
38. Sys, C., Van Ranst, E. & Debaveye, J. 1991b. Land evaluation. Part 2:
Methods in land evaluation. Agricultural publications 7,2. General
Administration of Development Cooperation of Belgium, Brussels. 247 p.
39. Sys, C., Van Ranst, E. & Debaveye, J. 1993. Land evaluation. Part 3: Crop
requirements. Agricultural publications 7,3. General Administration of
Development Cooperation of Belgium, Brussels. 199 p.
40. Tersteeg, J.L. 1994. CYSLAMB. Version 2.0. Project TCP/BOT/0–053.
FAO/Ministry of Agriculture, Gaborone.
41. Tsoumakas, G. & Vlahavas, I. 1999. ISLE: An Intelligent System for Land
Evaluation. p. 26–32 in: Proceedings ACAI’99 Workshop on Intelligent
Techniques for Spatio–Temporal Data Analysis in Environmental
Applications. Publisher or Institute and city please
42. Ullman, Jeffrey y Widom, Jenifer, Introducción a los Sistemas de Bases de
Datos. Editorial Prentice Hall, México 1999.
43. Venema, J.H. and Vargas, R.R. 2007. Land Suitability Assessment of a
Selected Study Area in Somaliland. FAO-SWALIM Technical Project Report
L-06. Nairobi, Kenya.
44. Venema, J.H. and Vargas, R., 2007. Land suitability assessment of the Juba
and Shabelle riverine areas in Southern Somalia. FAO-SWALIM. Project
Report No. L-09. Nairobi, Kenya.
45. Webster, R. 1994. The development of pedometrics. Geoderma 62 (1–3): 1–
15.
44
ANEXOS
Anexo 01: Modelo Lógico base de datos sistema prototipo ALESW
Anexo 02: Modelo Físico base de datos sistema prototipo ALESW
Anexo 03: Simplificaciones y Agrupaciones de las Características de la Tierra SOMALES
Tabla 1: Clases de suelo simplificadas para evaluación de tierras
Tabla 2: características del suelo para evaluación de tierras
Tabla 3: Duración LGP y variabilidad de lluvias durante el periodo de crecimiento para todas las zonas
LGP de Somalia*
Tabla 4: Total LGP y variabilidad de lluvias anuales de las 15 Zonas LGP de Somalia*
Tabla 5: Estimated carrying capacity of Bioclimatic Zones and corresponding LGP Zones
Tabla 6: Mean annual temperature classes for Somalia and correlation with altitude zones
Tabla 7: Simplified relief classes for land evaluation
Tabla 8: Slope classes for land evaluation
Tabla 9: Aggregated landcover classes of study area for land evaluation
Anexo 04: Características de la Tierra para cada Unidad de Evaluación SOMALES
Características de la Tierra para cada Unidad de Evaluación SOMALES, continuación
Características de la Tierra para cada Unidad de Evaluación SOMALES, continuación
Características de la Tierra para cada Unidad de Evaluación SOMALES, continuación
Características de la Tierra para cada Unidad de Evaluación, propiedades del subsuelo
SOMALES.
Anexo 05. Niveles de severidad, árboles de decisión, SOMALES
Physical Land Suitability for Rainfed Agriculture
LUT Rc: Rainfed cowpea, short GP, 80 days, low-medium input
Tabla 1: (e) Erosion hazard
Slope class
score
0-4%
4-16%
> 16%
1
1
1
1
1
1
2
2
2
2
2
2
3
3
3
3
3
3
Land characteristics
Soil Group
LGP Zone
(class)
score
1,2
3,4,5,6
1,2
3,4,5,6
1,2
3,4,5,6
1
1
1
1.5
1.5
1.5
1
1
1
1.5
1.5
1.5
1
1
1
1.5
1.5
1.5
1,2,2a
3,4,5
6-15
1,2,2a
3,4,5
6-15
1,2,2a
3,4,5
6-15
1,2,2a
3,4,5
6-15
1,2,2a
3,4,5
6-15
1,2,2a
3,4,5
6-15
Severity level
(1-4)
score
1
1.5
2
1
1.5
2
1
1.5
2
1
1.5
2
1
1.5
2
1
1.5
2
Assumptions:
- erosion hazard by water increases with slope
- shallow soils (class 3), vertisols (class 4), solonchaks (class 5)
and arenosols (class 6) are more erodible than calcisols (class 1)
and cambisols and fluvisols (class 2)
- erosion hazard is low in zones without LGP (zones 1,2,2a) and
increases (slightly) with increasing LGP
scor
e
add
3
3.5
4
3.5
4
4.5
4
4.5
5
4.5
5
5.5
5
5.5
6
5.5
6
6.5
Level
1
1
2
1
2
2
2
2
2
2
2
3
2
3
3
3
3
4
3-3.5
4-5.0
5.5-6
6.5-7
1
2
3
4
Tabla 2: (f) Flooding hazard (flash-flooding; running water)
Land characteristics
Relief (classes)
Soil Group
score
1, 3, 4
2a
2b
1
1
1
2
2
2
3
3
3
1,3,6
4,5
2
1,3,6
4,5
2
1,3,6
4,5
2
score
1
2
4
1
2
4
1
2
4
Assumptions:
- Flooding (inundation) most likely in water receiving
sites (relief classes 2a, 2b)
- Fluvisols (Soil Group 2) are indicative for flooding
and Solonchaks (SG4) are likely to have periodically
high groundwater table
Severity level
(1-4)
score level
add
2
1
3
1
5
2
3
1
4
1
6
3
4
1
5
2
7
3
2-4
5
6-7
1
2
3
Tabla 3: (i) Inundation (flooding) hazard
Land characteristics
Relief (classes)
Soil Group
score
1, 3, 4
2b
2a
1
1
1
1
2
2
2
2
3
3
3
3
1,3,6
5
4
2
1,3,6
5
4
2
1,3,6
5
4
2
score
1
2
3
4
1
2
3
4
1
2
3
4
Assumptions:
- Flooding (inundation) most likely in water receiving
sites (relief classes 2a, 2b)
- Fluvisols (Soil Group 2) are indicative for flooding
and Solonchaks (SG4) are likely to have periodically
high groundwater table
Severity level
(1-3)
score level
add
2
1
3
1
4
2
5
2
3
1
4
2
5
2
6
3
4
2
5
2
6
3
7
3
2-3
4-5
6-7
1
2
3
Tabla 4: (m) Moisture availability
Land characteristics
LGP Zone
Rainfall variability
Soil Group
score
score
score
1
10
H
5
3, 6
4
10
H
5
1,4,5
2
10
H
5
2
1
2
5
H
5
3, 6
4
5
H
5
1,4,5
2
5
H
5
2
1
3
4
L
2
3,6
4
4
L
2
1,4,5
2
4
L
2
2
1
4
4
M
3
3, 6
4
4
M
3
1,4,5
2
4
M
3
2
1
5
4
M
3
3, 6
4
4
M
3
1,4,5
2
4
M
3
2
1
6
4
M
3
3, 6
4
4
M
3
1,4,5
2
4
M
3
2
1
7
3
M
3
3, 6
4
3
M
3
1,4,5
2
3
M
3
2
1
8
3
M
3
3, 6
4
3
M
3
1,4,5
2
3
M
3
2
1
9
3
M
3
3, 6
4
3
M
3
1,4,5
2
3
M
3
2
1
10
2
M
3
3, 6
4
2
M
3
1,4,5
2
2
M
3
2
1
11
2
L
2
3, 6
4
2
L
2
1,4,5
2
2
L
2
2
1
12
2
L
2
3, 6
4
2
L
2
1,4,5
2
2
L
2
2
1
13
2
L
2
3, 6
4
2
L
2
1,4,5
2
2
L
2
2
1
14
1
L
2
3, 6
4
1
L
2
1,4,5
2
1
L
2
2
1
15
1
L
2
3, 6
4
1
L
2
1,4,5
2
1
L
2
2
1
Assumptions:
- Sorghum with short GP (90 days) grown in the longest rainy
Severity level
(1-5)
score add level
19
5
17
5
16
5
14
5
12
4
11
4
10
4
8
3
7
3
11
4
9
3
8
3
11
4
9
3
8
3
11
4
9
3
8
3
10
4
8
3
7
3
10
4
8
3
7
3
10
4
8
3
7
3
9
3
7
3
6
2
8
3
6
2
5
2
8
3
6
2
5
2
8
3
6
2
5
2
7
3
5
2
4
2
7
3
5
2
4
2
4-6
2
7-9
3
season (Gu or Deyr)
- Shallow and sandy soils have low waterholding capacity (SG 3 &
6); Fluvisols, or soils with fluvic properties imply water-receiving
topographic position)
10-13
14-19
4
5
Tabla 5: (n) Nutrient availability
pH(H2O)
score
NE
6.6-7.5
AL
7.5-8.5
VA
>8.5
1
1
1
1
1
1
1
1
1
2
2
2
2
2
2
2
2
2
4
4
4
4
4
4
4
4
4
3
3
3
2
2
2
1
1
1
3
VL, VH
L, H
M
VL, VH
L, H
M
VL, VH
L, H
M
VL, VH
3
2
1
3
2
1
3
2
1
3
Severity level
(1-3)
scor level
e
add
7
3
6
2
5
1
6
2
5
1
4
1
5
1
4
1
3
1
8
3
3
3
2
2
2
1
1
1
3
3
3
2
2
2
1
1
1
L, H
M
VL, VH
L, H
M
VL, VH
L, H
M
VL, VH
L, H
M
VL, VH
L, H
M
VL, VH
L, H
M
2
1
3
2
1
3
2
1
3
2
1
3
2
1
3
2
1
7
6
7
6
5
6
5
4
10
9
8
9
8
7
8
7
6
3
2
3
2
1
2
1
1
3
3
3
3
3
3
3
3
2
3-5
6
7-10
1
2
3
Land characteristics
CEC (25-75cm)
Ca/Mg (see table X)
score
score
L <16
M 16-24
H >24
L
M
H
L
M
H
Assumptions:
- nutrient availability decreases with increasing pH (from neutral
to very alkaline)
- nutrient availability increases with increasing cation exchange
capacity (CEC)
- nutrient availability decreases in case of (very) low and (very)
high Ca/Mg ratios
Tabla 6: Ca/Mg ratio
Land characteristics
Ca++
Mg++
me/100g
me/100g
L < 10
L <1
10
M 1-5
1-0.2
H 5-10
<2
V >10
1
M 10-25
L <1
>25
M 1-5
10-25
H 5-10
2-5
V >10
1-2.5
H 25-50
L <1
>50
M 1-5
25-50
H 5-10
5-10
V >10
2.5-5
V > 50
L <1
>50
M 1-5
50-10
H 5-10
10-5
V >10
5
Ca/Mg
(ranges)
2-10
<1
0.05
10-25
2-5
1-2.5
<1
5-10
2.5-5
< 2.5
> 20
20-10
< 1.2
1.2-2.3
2.3-9.9
10-24.9
> 25
classes
M
L
L
VL
H
M
M
L
VH
H
M
L
VH
VH
H
M
VL
L
M
H
VH
Tabla 7: (r) Rooting conditions
Soil depth
Land characteristics
Coarse frag.
(topsoil)
score
F
1
M
2
D
3
F < 5%
1
1
1
M 5-40
2
2
2
D >40%
3
3
3
F <5%
1
1
1
M 5-40
2
2
2
D >40%
3
3
3
F <5%
1
1
1
M 5-40
2
2
2
D >40
3
3
3
F <5
1
1
1
M 5-40
2
2
2
D >40%
3
3
3
Coarse fragments
(subsoil)
score
n/a
3
n/a
3
n/a
3
F
1
M
2
D
3
F
1
M
2
D
3
F
1
M
2
D
3
F
1
M
1
D
1
F
1
M
1
D
1
F
1
M
1
D
1
F
1
M
1
D
1
F
1
M
1
D
1
F
1
M
1
D
1
F
1
M
1
D
1
F
1
M
1
D
1
F
1
M
1
D
1
score
5
5
5
SS
2
25-50cm
2
2
2
2
2
2
2
2
MD
1
50-100
1
1
1
1
1
1
1
1
DD
1
100-150
1
1
1
1
1
1
1
1
VD
1
> 150
1
1
1
1
1
1
1
1
Assumptions:
- Cowpea not so sensitive to adverse rooting conditions (unlike
tubers, groundnuts, etc.) and deep rooting cereals
VS
< 25cm
Severity level
(1-4)
score add
9
10
11
4
5
6
5
6
7
6
7
8
3
3
3
4
4
4
5
5
5
3
3
3
4
4
4
5
5
5
3
3
3
4
4
4
5
5
5
3-6
7
8
9-11
Level
4
4
4
1
1
1
1
1
2
1
2
3
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
2
3
4
Tabla 8: (u) Excess of salts (sodicity)
Land Characteristic
Severity level
(1-4)
Sodicity (topsoil) (ESP)
1 (< 6%)
2 (6-15%)
3 (15-25%)
4 (15-40%)
5 (> 40%)
1
1
2
3
4
Tabla 9: (w) Oxygen availability (drainage)
Land Characteristic
Drainage class
6,5,4,3
2
1, 0
Severity level
(1-3)
1
2
3
Tabla 10: (z) Excess of salts (salinity)
Land Characteristic
Salinity (topsoil) (EC)
1 (< 2 dS/m)
2 (2-3 dS/m)
3 (3-5 dS/m)
4 (5-8 dS/m)
5 (8-12 dS/m)
6 (> 12 dS/m)
Severity level
(1-4)
1
1
2
3
4
4