Agronomía Tropical 53(3): 295-313. 2003
SUPERFICIE DE MUESTREO Y NÚMERO DE SUBMUESTRAS PARA EVALUAR LA FERTILIDAD EN SUELOS CULTIVADOS CON Brachiaria brizantha EN LAS MESAS ORIENTALES DE ANZOÁTEGUI, VENEZUELA
Maricia
J. Navas V.*, Juan C. Rey** y Tania Rodríguez*
*Investigadores. INIA.
Centro de Investigaciones Agropecuarias
del Estado Anzoátegui. El Tigre 6034. Apdo. 212 y
**Centro Nacional de Investigaciones Agropecuarias
Apdo. 4653. Zona Universitaria. Ay. Universidad, vía El Limón
Maracay 2101, estado Aragua. Venezuela
RECIBIDO: Mayo 14, 2002
RESUMEN
El establecimiento de una
metodología de muestreo de suelos está dada principalmente por el
conocimiento de su variabilidad espacial. El objetivo de este trabajo fue
evaluar esa variabilidad de los macro y microelementos en suelos
cultivados con Brachiaria brizantha, ubicados en el sistema agrario
Alto Río Tigre, con la finalidad de establecer una superficie óptima de
muestreo y el número mínimo de submuestras que se deben realizar para
obtener una muestra compuesta representativa de las condiciones químicas
reales del área seleccionada. En consecuencia, el análisis de esta
muestra resultará ser más preciso, reflejándose positivamente en las
recomendaciones de fertilizantes y enmiendas. Para lograr este objetivo,
se realizaron muestreos intensivos y sistemáticos en 10 fincas
representativas de la región. En cada una de las fincas se marcaron 49
puntos de muestreos separados por una distancia de 100 m referenciados con
coordenadas (X, Y) y una profundidad de 0-20 cm. A las muestras de suelo
se les determinó concentración de macro y microelementos, pH, textura y
materia orgánica. Los resultados fueron sometidos a un análisis
geoestadístico para obtener los parámetros de los semivariogramas
(alcance o rango de dependencia espacial, umbral o sill y efecto nugget),
con los cuales se calcularon el área a muestrear y el número de
submuestras que se requieren por muestra compuesta. Los alcances promedio
de las variables fluctuaron entre 201 m y 244 m, con coeficientes de
variación bajos (<30%). Se estableció una superficie de muestreo de 4
a 6 ha, además las variables presentaron una mediana variación espacial
a cortas distancias, por lo que se estableció un número de 25
submuestras por muestra compuesta.
Palabras Clave: variabilidad espacial de sucios; macroelemento; miero- elemento; Brachiaria brizantha; muestreo de suelos; Anzoátegui; Venezuela.
INTRODUCCIÓN
Al sur del estado Anzoátegui se localiza el sistema agrario Alto Río Tigre, cuyos límites naturales se delimitaron según la cuenca de este río hasta su confluencia con el río Aisme. Tiene una superficie de 131.000 ha sobre los municipios Pedro María Freites, San José de Guanipa, Miranda y Simón Rodríguez, donde se encuentran ubicadas 1219 fincas dedicadas a la explotación agropecuaria (Navas, 2000).
De acuerdo al estudio
realizado en la zona por Silva (1996), en la mayoría de los sistemas
agropastoriles predominan los siguientes pastos: Brachiaria brizantha,
Brachaira ecumbens, Digitaria swazilandensis, ,Panicum maximun,
Penisetum purpureum y Cynodon nlemfuensis. De un análisis de
la información generada por Navas (2000) se desprende que la especie B.
brizantha es la de mayor predominio en el sur del estado, con una
superficie sembrada de 22300 ha. En su mayoría los pastos son
introducidos por lo que su rendimiento y valor nutritivo dependen, entre
otros factores, del manejo de la fertilización (Navas, 2000).
Para el establecimiento de un programa de fertilización se requieren tres
pasos importantes: a) el muestreo de suelo, b) el análisis químico y c)
la interpretación de los análisis químicos (Navas, 2000).
El análisis químico del
suelo constituye hoy en día una técnica de amplio uso y aceptación para
el diagnóstico de la fertilidad. No obstante, su calidad y
representatividad están influidos principalmente por la forma como es
tomada la muestra, lo cual afecta más que cualquier otro tipo de error,
bien sea de laboratorio o humano (Ovalles, 1992).
La representatividad de una muestra depende de la variabilidad de los
suelos existentes, mientras más homogéneos son los suelos, la representatividad es mayor y viceversa. La representatividad de las muestras de
suelo para el diagnóstico de la fertilidad se expresa a través de una
superficie, cuyo tamaño es función de la intensidad de uso y manejo del
suelo (Ovalles, 1992; Ovalles et al., 1989).
Al conocer la variabilidad química del suelo pueden establecerse superficies de muestreos que capten la variabilidad de las concentraciones de
macroelementos y microelementos de un área determinada. En consecuencia, esto se reflejará en la calidad y representatividad de los
análisis químicos (Ovalles et al, 1989).
Existen instructivos que
contienen pautas para la toma de muestras, así como los factores a
considerar en relación con el muestreo de suelo. El uso de estos
instructivos se ha extrapolado a suelos sometidos a diferentes manejos y
sistemas de producción. En este caso las muestras de suelo se toman bajo
el supuesto de que las características medidas en un punto también
representan las áreas cercanas no muestreadas (Henríquez y Viloria,
1999).
La geoestadística es una herramienta analítica empleada para captar y
cuantificar la variabilidad horizontal y vertical de las propiedades
químicas, físicas y biológicas del suelo (Mateos, 1987; Rangel, 1991;
Trangmar et al., 1985; Brucker, et al., 1999). En este
estudio, se utilizó esta herramienta para evaluar la variabilidad
espacial horizontal de la concentración de macro y microelementos en 10
unidades de explotación agropecuaria ubicadas al sur del estado
Anzoátegui, cultivadas con una superficie de 50 ha del pasto B.
brizantha, con la finalidad de determinar, bajo estas condiciones
específicas, la superficie óptima de muestreo y el número de
submuestras para obtener una muestra compuesta.
MATERIALES MÉTODOS
El trabajo se llevó
a cabo en 10 fincas ubicadas en el sistema agrario Alto Río Tigre. Este
sistema está localizado al sur del estado Anzoátegui en los municipios
Simón Rodríguez, San José de Guanipa, Pedro María Freites y Miranda.
Las fincas donde se realizaron los muestreos se seleccionaron bajo dos
criterios: 1) Que estuvieran ubicados en alguno de los municipios que
abarca el sistema agrario y 2) que tuvieran una superficie mínima
sembrada de 50 ha con del pasto B. brizantha. Seleccionadas las
fincas se procedió a determinar sus coordenadas geográficas con un GPS
(Figura l).
Tomando como referencia las coordenadas de las fincas, se identificaron en
el mapa de asociaciones de grandes grupos de la zona sur de Anzoátegui,
escala de 1:250000 (Coplanarh, 1969), con la finalidad de conocer los
grandes grupos de suelo de las fincas seleccionadas. Así mismo se
ubicaron en un mapa de zona de vida del área elaborado por Silva (1996).
Las fincas seleccionadas
fueron caracterizadas por medio de encuestas que realizadas a los dueños,
a quienes se indago en cuanto al manejo del pasto, fecha de siembra,
fertilización y utilización de riego.
Los muestreos fueron iniciados en el período lluvioso, específicamente
en los meses de julio-agosto. Se realizaron de una forma intensiva y
sistemática, de acuerdo a la metodología propuesta por Ovalles (1992).
Fueron ubicados 49 puntos de muestreo por finca a intervalos regulares de
100 m de distancia, según una cuadrícula de 7 filas por 7 columnas. En
cada punto, se muestreo el suelo a una profundidad de 0-20 cm, con el fin
de determinarles los macro y microelementos.
Las muestras de suelo
fueron sometidas a las siguientes determinaciones analíticas: porcentaje
de arena (a), limo (L) y arcilla (A; método de Bouyoucos); pH, relación
suelo agua 1:2,5 (método potenciométrico); porcentaje de materia
orgánica (MO) según Walkley y Black; conductividad eléctrica (CE) por
el método conductimétrico; fósforo (P) y potasio (K), método Brayl;
Calcio (Ca) y magnesio (Mg), método de Morgan; zinc (Zn), cobre (Cu),
manganeso (Mn) y hierro (Fe), método Mehelich I, según se indica en
Gilabert de Brito et al., (1990).
El análisis estadístico de los datos se inició con la detección y
eliminación de valores atípicos. Según Lasttie y McBratney citado por
Rey (1996); los valores atípicos pueden afectar seriamente la calidad de
cualquier método de predicción, por lo que se realizó su
identificación y eliminación a través de la metodología propuesta por
Tukey (1977) donde:
| . | H = 3er Cuartil - 1er Cuartil |
| . | Paso = 1,5 x H |
| . |
. |
| . | Cerca interna superior = 3er Cuartil – Paso |
| . | Cerca interna inferior = 1er Cuartil – Paso |
| . | Cerca externa superior = 3er Cuartil + 2 * Paso |
| . | Cerca externa inferior = 1er Cuartil - 2 * Paso |
Los valores que se encuentran entre las cercas internas y externas se denominan adyacentes, los que están fuera de las cercas externas son datos muy lejanos. Fueron considerados como valores atípicos los valores dentro de la categoría muy lejanos.
Eliminados los datos
atípicos, fueron calculados los estadísticos básicos (medias, valores
máximos y mínimos y desviación estándar) por medio del SAS
(Statistical Analysis System, 1989), a los fines de evaluar las
características y tendencias de los datos.
Por medio de un análisis geoestadístico fue calculada la semivarianza de
las variables evaluadas en cada finca. Con la semivarianza se obtu- vieron
semivariogramas que fueron ajustados a modelos teóricos, usando el
programa Variowin (Pannatier, 1996) para así obtener los parámetros del
semivariograma (alcance, efecto nugget o aleatorio y el umbral o sill),
según se aprecia en la Figura 2. Estos parámetros constituyen el modelo
de variación de las propiedades de suelo evaluadas. Los modelos
utilizados para ajustar los semivariogramas fueron: lineal, esférico,
exponencial, logarítmico y gaussiano, considerados los de uso más
frecuente (Mateos, 1987; Ovalles, 1992; Webster y Oliver, 1990).
|
|
|
FIGURA 2. Parámetros de un semivariograma. |
Los parámetros de los
semivariogramas de cada variable, obtenidos en las 10 fincas fueron
promediados. Con el alcance se calculó la superficie de muestreo, con el
sill y el efecto nugget se calculó el nugget relativo, el cual indica el
grado de dependencia espacial de las variables evaluadas. Esto permitió
establecer el número de submuestras requeridas para formar una muestra
compuesta en un área determinada.
A continuación se especifican las fórmulas y los pasos seguidos para
establecer la superficie de muestreo y el número de submuestras
requeridos para una muestra compuesta:
Con la ecuación 1 fue calculada la semivarianza para cada variable de
suelo (pH, Ca, Mg, P, K, Mn, Fe, Zn, Cu, % de a, A L y MO). La
semivarianza es la varianza de las diferencias entre pares de puntos
separados entre puntos por una distancia dada (Ovalles, 1991, 1992)
|
|
| Donde: |
|
. |
| γ(h)= semivarianza |
| N= número de pares |
| Z(x)= valor de una propiedad en un lugar X |
| Z(x+h) = valor de una propiedad a una distancia h del lugar X |
Los semivariogramas se obtuvieron al elaborar el gráfico de la semi- varianza contra la distancia. Generalmente, la semivarianza aumenta con los incrementos de la distancia hasta alcanzar un valor denominado umbral, a esto se le denomina carácter transitivo; por otra parte, la distancia a la cual se alcanza el umbral se denomina amplitud alcance o rango y constituye la distancia hasta donde existe dependencia espacial entre las observaciones. Teóricamente la semivarianza debería ser cero cuando la distancia es cero, pero ello frecuentemente no ocurre, en consecuencia a este efecto se le denomina efecto nugget o aleatorio y es dado por una variación imposible de detectar a la escala de muestreo utilizada (Wester y Oliver, 1990). Con la finalidad de precisar los parámetros de los sernivariogramas (umbral, alcance y efecto nugget), ellos fueron ajustados a modelos teóricos (Figura 2).
Con el parámetro alcance de los semivariogramas fue calculada la super- ficie óptima de muestreo con la ecuación 2:
Superficie de muestreo
(ha) = (Promedio del alcance de cadavariable en m)2/ 10000m2)
[2]
El grado de dependencia se
calculó con el nugget relativo (ecuación 3) que se refiere a la
relación porcentual entre la varianza nugget y la varianza total conocida
como sill o umbral (Figura 2).
Nugget relativo = [Col(Co+C) 1 X 100] [3]
| Donde: |
|
. |
| Co= sill |
| C= nugget |
El grado de dependencia
espacial de las variables fue clasificado según el criterio establecido
por Canibardella et al. (1994) quienes establecieron lo siguiente:
una relación de nugget relativo < de 25% indica una fuerte dependencia
espacial; un intervalo entre 25 y 75% indica moderada dependencia espacial
y > de 75% es el reflejo de una débil dependencia espacial.
Calculado el grado de dependencia espacial, fue determinado el número de
submuestras requeridas para formar una muestra compuesta: si la variable
evaluada presentaba un nugget relativo menor de 25% debería tomarse 15
submuestras; entre 25 y 75% se tomarían entre 20-25 submuestras y si es
superior a 75% tomar 30 submuestras.
RESULTADOS Y DISCUSIÓN
El Cuadro 1 muestra la identificación, ubicación y caracterización de las fincas donde se realizó el muestreo de suelo. En él se evidencia que tres fincas se encuentran ubicadas en el municipio Freites, dos en San José de Guanipa, tres en Simón Rodríguez y dos en el municipio Miranda. El área de estudio se encuentra en una zona de vida bosque seco tropical subhúmedo y bosque muy seco tropical subhúmedo, clasificado según Holdrige (1978), como Bosque Seco Tropical Subhúmedo (BSTSH) y Bosque Muy Seco Tropical Subhúmedo (BMSTSH).
CUADRO 1. Identificación, ubicación y caracterización de las fincas seleccionadas.
Los suelos evaluados pertenecen a tres grandes grupos: Kandiustults, Quarzipsaments y Haplustoxs. Los Kandiustults se caracterizan por ser profundos y friables, con baja capacidad de intercambio cationico, baja saturación de base, pH ácido y por poseer acumulaciones de arcillas en el subsuelo (horizonte argílico). Los Haplustoxs no presentan horizontes argílicos pero sí un horizonte óxico dentro de 2 m de profundidad. Los Quarzipsaments contienen más del 90% de minerales de sílice y otros minerales extremadamente duros en las fracciones de 0,02 a 2,0 mm.
Características de los suelos evaluados
Los sucios evaluados presentan texturas gruesas, reacción ligeramente ácida, bajas concentraciones de P, K, Mg, Ca y altas concentraciones de Fe y Mn. De acuerdo a los coeficientes de variación (CV) existen dos grupos de variables: los porcentajes de a, L y A y el pH mostraron una variación de media a baja (% CV < 60); mientras que el resto de las variables (Ca, Mg, K, Cu, Fe, Zn, Mn, y % MO) presentaron una variación desde baja (% CV <30) hasta muy alta (% CV > 1 00) tal como se aprecia en el Cuadro 2.
La gran variabilidad de las características químicas de los suelos estudiados evidenció la importancia de la determinación de superficies óptimas para realizar muestreos con fines de fertilidad con una alta representatividad, de manera de garantizar recomendaciones contables que permitan mejorar la eficiencia del manejo de la fertilización en los sistemas agropastoriles de las sabanas orientales estudiadas.
Análisis geoestadístico
Se obtuvieron 130 semivariogramas, uno para cada propiedad de suelo (a, A, L, pH, P, K, Ca, Mg, Fe, Mn, Zn, Cu y MO) y por finca, los cuales mostraron un incremento de la semivarianza hasta llegar a un valor máximo (carácter transitivo) a partir del cual la dependencia espacial entre las observaciones desaparece. Ejemplo de ello se observa en la Figura 3, donde se aprecia que la dependencia espacial desaparece a un alcance o distancia de 300 m para el caso de K y a 202 m en la MO.
El Cuadro 3 muestra el promedio de los alcances de las propiedades de suelo obtenidas en los diferentes semivariogramas. Las medias fluctuaron entre 201 m (Ca) y 244 m (Mg), observándose coeficientes de variación bajos (<30%) para todas las variables estudiadas, lo que indica una baja dispersión en los alcances, es decir, una semejanza de las variables en cuanto a la distancia donde alcanzan su máxima variación. En consecuencia, un único valor de alcance por variable se utilizó para el cálculo de la distancia óptima de muestreo en toda el área de estudio.
Tomando en consideración el máximo (244 m) y mínimo (201 m) alcance se estableció una superficie de muestreo de 4-6 ha. La superficie establecida (4-6 ha) permite la toma de muestras compuestas donde se reduce al mínimo la duplicación de información y donde se evalúa la variabilidad de las condiciones edáficas relacionada con la fertilidad.
|
CUADRO 2. Valores mínimos y máximos de los promedios, desviaciones estándar (DS) y coeficientes de variación (CV) para las variables evaluadas. |
|||
|
|
|||
| Variable | Promedios | DS | CV% |
|
|
|||
| a (%) | 58,2-88,6 | 1,93-12,76 | 2-12 |
| L (%) | 3,9-15,8 | 1,62-6,67 | 33-60 |
| A (%) | 6,3-17,5 | 1,17-7,27 | 19-56 |
| pH | 5,5-6,2 | 0,19-0,83 | 4-14 |
| p(mg Kg-1) | 3-16 | 2-10 | 40-100 |
| k(mg Kg-1) | 22-84 | 9-56 | 31-142 |
| Ca(mg Kg-1) | 54-369 | 26-134 | 25-73 |
| Mg(mg Kg-1) | 4-37 | 4-37 | 41-86 |
| Cu(mg Kg-1) | 0,2-0,9 | 0,1-2,6 | 16-100 |
| Zn(mg Kg-1) | 0,5-1 | 0,2-0,9 | 40-150 |
| Fe(mg Kg-1) | 8-61 | 5-89 | 56-146 |
| Mn(mg Kg-1) | 1-23 | 0,6-11 | 8-100 |
| MO(%) | 0,4-1,2 | 0,12-1,59 | 28-227 |
|
|
|||
|
|
|
FIGURA 3. Semivariogramas para el contenido del potasio (mg Kg-1) (a) y el porcentaje de materia orgánica (b) para la finca 4. |
|
CUADRO 3. Valores medios, desviación estándar (DS), mínimos, máximos y coeficiente de variación de los alcances obtenidos en los semivariograma de las variables evaluadas. |
|||||
|
|
|||||
| Variable | Media(m) | DS | Mínimo(m) | Máximo(m) | CV(%) |
|
|
|||||
| a(%) | 236 | 40 | 200 | 327 | 17 |
| L(%) | 238 | 44 | 181 | 300 | 18 |
| A(%) | 206 | 40 | 150 | 235 | 19 |
| pH | 211 | 44 | 146 | 268 | 20 |
| p(mg Kg-1) | 226 | 50 | 124 | 325 | 22 |
| K(mg Kg-1) | 227 | 47 | 150 | 302 | 20 |
| Ca(mg Kg-1) | 201 | 60 | 117 | 302 | 29 |
| Mg(mg Kg-1) | 244 | 45 | 185 | 329 | 18 |
| Cu(mg Kg-1) | 227 | 40 | 170 | 335 | 21 |
| Zn(mg Kg-1) | 204 | 52 | 170 | 335 | 25 |
| Fe(mg Kg-1) | 216 | 54 | 120 | 296 | 25 |
| Mn(mg Kg-1) | 221 | 46 | 150 | 285 | 21 |
| MO(%) | 219 | 40 | 146 | 289 | 18 |
|
|
|||||
Estos resultados concuerdan con lo sugerido por Chirinos y Gilabert de Brito (s/f), quienes recomiendan 5 ha para cultivos anuales y en caso de áreas que se han utilizado en forma intensiva con fuertes aplicaciones de fertilizantes como hortalizas y frutales, un área que no exceda de 2 ha.
Cálculo del número de submuestras
El establecimiento del número de submuestras requeridas para formar una muestra compuesta de suelo va a depender del grado de dependencia espacial (nugget relativo) de las variables, el cual se refiere a la relación entre la varianza nugget y la semivarianza total (sill), ambos parámetros de un semivariograma (Cambardella et al., 1994).
El grado de dependencia espacial calculado presentó coeficientes de variación entre 27-60 % señalando una media dispersión de los resultados. Por otra parte, las medias fluctuaron entre, 30 (K) y 64 (Cu) %, (Cuadro 4), indicando que las variables presentaron una moderada dependencia espacial. Por lo que se establece un número de 20-25 submuestras para obtener una muestra compuesta para un área de 4-6 ha.
|
CUADRO 4. Valores medios, desviación estándar (DS), máximo, mínimos y coeficiente de variación de¡ grado de dependencia espacial (nugget relativo) de las variables edáficas evaluadas. |
|||||
|
|
|||||
| Variable | Media%Co | DS | Mínimo(%) | Máximo(%) | CV(%) |
|
|
|||||
| a(%) | 45 | 20 | 25 | 74 | 44 |
| L(%) | 41 | 22 | 25 | 100 | 54 |
| A(%) | 50 | 17 | 27 | 66 | 33 |
| pH | 35 | 19 | 22 | 96 | 54 |
| P(mg Kg-1) | 41 | 11 | 28 | 55 | 26 |
| K(mg Kg-1) | 30 | 17 | 0,1 | 51 | 60 |
| Ca(mg Kg-1) | 51 | 27 | 24 | 82 | 53 |
| Mg(mg Kg-1) | 38 | 14 | 18 | 71 | 37 |
| Cu(mg Kg-1) | 64 | 24 | 30 | 100 | 30 |
| Zn(mg Kg-1) | 48 | 19 | 24 | 74 | 40 |
| Fe(mg Kg-1) | 39 | 10 | 22 | 62 | 27 |
| Mn(mg Kg-1) | 44 | 12 | 26 | 66 | 27 |
| MO(%) | 48 | 24 | 26 | 91 | 51 |
|
|
|||||
|
Nugget relativo (% Co)=[Co/(Co+C)x100]=sill, C=Efecto nugget o varianza aleatoria;CV:Coeficiente de variacion. |
|||||
CONCLUSIÓN
-
El estudio de la variabilidad espacial de macro y microelementos de suelos representativos de las mesas orientales de Venezuela reveló un alcance de dependencia espacial promedio entre 201 y 244 m y un grado de variación espacial moderado a cortas distancias.
-
El muestreo de suelos debería hacerse con muestras de suelos compuestas de 20 a 25 submuestras en un área entre 4 y 5 ha, en sabanas con precipitaciones de 596 - 1272 mm anuales, en suelos pertenecientes a los grupos Haplustoxs, Kandiustults y Quarzipsaments, cultivados con el pasto B. brizantha.
-
Los resultados de los análisis químicos de las muestras representarán con mayor exactitud las concentraciones de macro y microelementos del área seleccionada, y no concentraciones puntuales de ellos, lo que conducirá a la generación de recomendaciones de fertilizantes más apropiadas para los sistemas de producción.
SUMMARY
Sampling methodology is governed
mainly by soil spatial variability. The objective of this work was to
evaluate spatial variability of macro and microelements of a soil
cultivated with Brachiaria brizantha, located in the Agrarian
System Alto Río Tigre, in order to determine optimal sampling surface and
minimum number of subsamples needed to obtain a bulk sample representative
of chemical conditions of the selected area. Consequently, the analysis of
this sample would render more precise results for recommendations of
fertilizers and amendments. To obtain this objective, intensive and
systematic samplings were made at 10 farms representative of the region.
At each farm 49 sampling points, separated by a distance of 100 m were
marked and referenced with coordinates (X, Y). Each point had a depth of
20 cm. Determinations of macro and microelement concentrations, pH,
texture and organic matter were done for each sample. Geoestadistical
analysis was performed to obtain semi- variogram parameters (range, sill
and nugget effect). These parameters were used to calculate the sampling
area and the number of subsamples required by each bulk sample. Average
scope of variables fluctuated between 201 and 244 m with low coefficients
of variation (<30%). A sampling surface of 4-6 ha was established.
Moreover, variables presented medium spatial variation at short distances,
thus a number of 25 subsamples by bulk sample was established.
Key Words:
Soil space variability; macroelement; microelement; Brachiaria
brizantha; soil sampling.
BIBLIOGRAFÍA
BRUCKER, A., E. KANDELER and C. KAMPICHLER. 1999. Plot-scale spatial patterns of water conten, pH, substrate-induced respiration and N-mineralization in a temperate coniferous forest. Geoderma 93:207-223.
CAMBARDELLA, C., T. MOORMAN, J. NOVAK, T. PARKIN, D. KARLEN, R. TURCO and E. KONOPKA. 1994. Field-Scale variability of soil properties in Central lowa Soils. Soil Sci. Soc. Am J. 58:1 501-1 511.
CHIRINOS, A. y J. GILABERT DE BRITO. (sf). Muestreo de sucios para diagnóstico de la fertilidad. Maracay, Venezuela. Fondo Nacional de Investigaciones Agropecuarias. Centro Nacional de Investigaciones Agropecuarias. 19 p. (Serie E N° 8-02).
COPLANARH. 1969. Inventario Nacional de Tierras: Sub-región 7C, 8A Y 8C. Caracas. Ministerio de Agricultura y Cría. Centro de Investigaciones Agronómicas. 112 p.
HENRÍQUEZ, M. y J. VILORIA. 1999. Número de observaciones para obtener semivariogramas de algunas propiedades de suelo y distancias de muestreos. Agronomía Trop. 49(1):5-17.
HOLDRIGE, L. R. 1978. Ecología basada en zonas de vida. San José, Costa Rica. Instituto Interamericano de Ciencias Agrícola (IICA). 178 p.
GILABERT de BRITO, J., I. LÓPEZ y R. PÉREZ. 1990. Manual de métodos y procedimientos de referencias. Maracay, Venezuela. Fondo Nacional de Investigaciones Agropecuarias. 60 p.
MATEOS, A. 1987. Spatial analyses of soil properties for crop modeling studies in Venezuela. Master Tesis. The Netheriands. Wageningen Agricultural University. 70 p.
NAVAS, Y 2000. Influencia de los niveles de macro y microelementos sobre la calidad y oferta forrajera de Brachiria brizantha en el sistema agrario Alto Río Tigre del estado Anzoátegui. Tesis de Maestría. Maracay, Ven. Universidad Central. Facultad de Agronomía. 100 p.
OVALLES, F. 1991. Evaluación de la variabilidad de los suelos a nivel de parcelas para el establecimiento de lotes experimentales en el estado Cojedes. Agronomía Trop. 41(1-2):5-21.
OVALLES, F. 1992. Metodología para determinar la superficie representada por muestras tomadas con fines de fertilidad. Maracay, Ven. Fondo Nacional de Investigaciones Agropecuarias. Instituto de investigaciones Agrícolas Generales. 44 p. (Serie B).
OVALLES, F., T. RODRÍGUEZ y J. BRITO. 1989. Determinación de superficies óptimas de muestreo con fines de fertilidad de suelo en la formación Mesa del Estado Monagas. In: X Congreso Venezolano de la Ciencia del Suelo. Maturín. Sociedad Venezolana de la Ciencia del Suelo. Fondo Nacional de Investigaciones Agropecuarias. Centro Nacional de Investigaciones. 11 p.
PANNATIER, Y. 1996. Variowin. Software for data analysis in 2D. Springer, New York. 91 p.
RANGEL, L. 1991. Introducción a los métodos de estimación para variables regionalizadas. Maracay, Ven. Universidad Central. Facultad de Agronomía. Postgrado de Estadística. 20 p.
REY, J. 1996. Estimaciones de los cambios espaciales en delineaciones de una misma unidad cartográfica basado en información existente de mapas de estudio convencionales. Tesis de Maestría. Maracay, Ven. Universidad Central. Facultad de Agronomía. 129 p.
SILVA, 0. 1996. Caracterización del sistema agrario Alto Río Tigre, área de Mesa del estado Anzoátegui. Fondo Nacional de Investigaciones Agropecuarias. Avance informe presentado al Centro de Investigaciones Agropecuarias del Estado Anzoátegui. 30 p.
STATISCAL ANALYSIS SYSTEM (SAS). 1989. User'S Guide: Basics. Sas Institute C. A. 923 p.
TRANGMAR, B., R. YOST and G. UEHARA. 1985. Application of geostatistics to spatial studies of soil properties. Advances in Agronomy. 38:45-94.
TUKEY, J. 1977. Exploratory data analysis. Reading, MA. Addison- Wesley Publishing Co. 668 p.
WESTER, R. and M. OLIVER. 1990. Statistical methods in soil and land resource survey. Oxford. University Press. 307p.