Aplicación del GIS en la caracterización edafoclimática, del distrito de Cacatachi – provincia de San Martín, con fines de producción agrícola rentable y sostenible

Autores/as

  • Tedy Castillo-Diaz Universidad Nacional de San Martin - Tarapoto
  • Roaldo Lopez-Fulca Universidad Nacional de San Martin - Tarapoto
  • Williams Ramirez-Navarro Universidad Nacional de San Martin - Tarapoto

DOI:

https://doi.org/10.51252/raa.v1i2.192

Palabras clave:

Caracterización edafoclimática, mapas temáticos, productividad, programa Quantum GIS

Resumen

La caracterización edafoclimática de los suelos es un proceso que contribuye a la planificación de las siembras con mejores perspectivas rentables, siendo el punto de partida de la actividad productiva agropecuaria. El objetivo fue generar una base de datos geoespaciales integrada de condiciones edafoclimáticas del distrito de Cacatachi, de consulta dinámica a través de mapas temáticos como de fisiografía, capacidad de uso, características físicas y químicas de suelos y de uso actual de las tierras. Para ello se empleó un software GIS utilizando información de instituciones públicas que iniciaron el proceso; asimismo, la metodología de trabajo tuvo dos etapas, a nivel de gabinete y a nivel de campo. El resultado fue la base de datos Quantum GIS (QGIS), que facilita el manejo de la información edafoclimática, con 104 mapas en detalle, cuyas representaciones espaciales exponen la caracterización de las zonas estratificadas en el proyecto, donde se hicieron las calicatas, de los cuales se hicieron los análisis químicos, físicos y biológicos de los horizontes identificados en los perfiles. La información edafoclimática generada nos aproxima a una microzonificación en detalle, que se convierte en herramienta orientadora de las siembras de cultivos, en función a las potencialidades nutricionales, fisiográficas y climáticas de los suelos, segmentados en sectores productivos.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Aguirre-Forero, S. E., Piraneque-Gambasica, N. V., & Vásquez-Polo, J. R. (2018). Características edáficas y su relación con usos del suelo en Santa Marta, Colombia. Entramado, 14(1), 242–250. https://www.redalyc.org/journal/2654/265457559017/html/

Giannini Kurina, F., Hang, S., Cordoba, M. A., Negro, G. J., & Balzarini, M. G. (2018). Enhancing edaphoclimatic zoning by adding multivariate spatial statistics to regional data. Geoderma, 310, 170–177. https://doi.org/10.1016/j.geoderma.2017.09.011

GORESAM. (2009). Las potencialidades y limitaciones del departamento de San Martín. http://siar.regionsanmartin.gob.pe/documentos/potencialidades-limitaciones-departamento-san-martin-zonificacion

GORESAM. (2020). San Martín es la sexta región con mayor crecimiento de sus exportaciones. https://www.regionsanmartin.gob.pe/Noticias?url=noticia&id=6143

Kahveci, M. (2017). Contribution of GNSS in precision agriculture. Proceedings of 8th International Conference on Recent Advances in Space Technologies, RAST 2017, 513–516. https://doi.org/10.1109/RAST.2017.8002939

Laurett, R., Paço, A., & Mainardes, E. W. (2021). Sustainable development in agriculture and its antecedents, barriers and consequences – an exploratory study. Sustainable Production and Consumption, 27, 298–311. https://doi.org/10.1016/j.spc.2020.10.032

Lesmo Duarte, N. D., Ferreira da Silva, A., Schlindwein, M. M., & Solis Mendoza, B. A. (2018). Agricultura Familiar Campesina: un análisis de la producción de cultivos tradicionales en el Departamento de Concepción - Paraguay. Investigación Agraria, 20(2), 136–142. https://doi.org/10.18004/investig.agrar.2018.diciembre.136-142

Longley, P. A., & Frank Goodchild, M. (2020). Geographic Information Science and Systems. In International Encyclopedia of Human Geography (Segunda Ed, pp. 29–36). https://doi.org/10.1016/b978-0-08-102295-5.10557-8

Lyford, J. (2017). Food security in the developing world. Journal of Nutrition Education and Behavior, 49(5), 451. https://doi.org/10.1016/j.jneb.2017.01.010

Mani, P. K., Mandal, A., Biswas, S., Sarkar, B., Mitran, T., & Meena, R. S. (2021). Remote Sensing and Geographic Information System: A Tool for Precision Farming. In Geospatial Technologies for Crops and Soils (pp. 49–111). https://doi.org/10.1007/978-981-15-6864-0_2

Mok, W. K., Tan, Y. X., & Chen, W. N. (2020). Technology innovations for food security in Singapore: A case study of future food systems for an increasingly natural resource-scarce world. Trends in Food Science and Technology, 102, 155–168. https://doi.org/10.1016/j.tifs.2020.06.013

Moysiadis, V., Sarigiannidis, P., Vitsas, V., & Khelifi, A. (2021). Smart Farming in Europe. Computer Science Review, 39, 100345. https://doi.org/10.1016/j.cosrev.2020.100345

Nabati, J., Nezami, A., Neamatollahi, E., & Akbari, M. (2020). GIS-based agro-ecological zoning for crop suitability using fuzzy inference system in semi-arid regions. Ecological Indicators, 117, 106646. https://doi.org/10.1016/j.ecolind.2020.106646

Palomino, W., Morales, G., Huaman, S., & Telles, J. (2018). PETEFA: Geographic Information System for Precision Agriculture. Proceedings of the 2018 IEEE 25th International Conference on Electronics, Electrical Engineering and Computing, INTERCON 2018, 1–4. https://doi.org/10.1109/INTERCON.2018.8526414

Perez-Garcia, C. A., Pérez-Atray, J. J., Hernández -Santana, L., Gustabello-Cogle, R., & Becerra-de Armas, E. (2019). Sistema de Información Geográfica para la agricultura cañera en la provincia de Villa Clara. Revista Cubana de Ciencias Informáticas, 13(2), 30–46. https://rcci.uci.cu/?journal=rcci&page=article&op=view&path%5B%5D=1796

Rizaldi, T., Putranto, H. A., Riskiawan, H. Y., Setyohadi, D. P. S., & Riaviandy, J. (2019). Decision support system for land selection to increase crops productivity in Jember Regency Use Learning Vector Quantization (LVQ). Proceedings - 2019 International Conference on Computer Science, Information Technology, and Electrical Engineering, ICOMITEE 2019, 82–85. https://doi.org/10.1109/ICOMITEE.2019.8921033

Saing, Z., Djainal, H., & Deni, S. (2021). Land use balance determination using satellite imagery and geographic information system: case study in South Sulawesi province, Indonesia. Geodesy and Geodynamics, 12(2), 133–147. https://doi.org/10.1016/j.geog.2020.11.006

Stojanovic, M. (2019). Biomimicry in agriculture: is the Ecological System-Design Model the Future Agricultural Paradigm? Journal of Agricultural and Environmental Ethics, 32, 789–804. https://doi.org/10.1007/s10806-017-9702-7

Sun, Z., Wang, D., & Zhong, G. (2018). Extraction of farmland geographic information using OpenStreetMap data. 2018 7th International Conference on Agro-Geoinformatics, Agro-Geoinformatics 2018. https://doi.org/10.1109/Agro-Geoinformatics.2018.8476088

Zhang, F., & Cao, N. (2019). Application and research progress of Geographic Information System (GIS) in agriculture. 2019 8th International Conference on Agro-Geoinformatics, Agro-Geoinformatics 2019. https://doi.org/10.1109/Agro-Geoinformatics.2019.8820476

Publicado

2021-07-18

Cómo citar

Castillo-Diaz, T., Lopez-Fulca, R. ., & Ramirez-Navarro, W. . (2021). Aplicación del GIS en la caracterización edafoclimática, del distrito de Cacatachi – provincia de San Martín, con fines de producción agrícola rentable y sostenible. Revista Agrotecnológica Amazónica, 1(2), 53-67. https://doi.org/10.51252/raa.v1i2.192