Desarrollo de un prototipo del sistema automatizado de
Transcripción
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