Examinando por Autor "Carbajal Llosa, Carlos Miguel"

Mostrando 1 - 20 de 39

Assessment of flood-prone areas in the Lacramarca River Basin in the Santa Clemencia and Pampadura region, Peru, under climate change effects
(MDPI, 2026-03-26) Pérez Camponanes, Giovene; Romero Valdez, Karla Karina; Martínez García, Víctor Manuel; Cacciuttolo, Carlos; Bernal Camacho, Jesús Manuel; Carbajal Llosa, Carlos Miguel
Floods are among the extreme events associated with climate variability in the Lacramarca River basin, located in the department of Ancash, Peru. Meteorological phenomena such as El Niño during the periods 1982–1983 and 1997–1998, as well as the Coastal El Niño in 2017, constitute key reference events that motivated the development of the present study, based on a case study conducted in the area between the rural settlements of Santa Clemencia and Pampadura. This research is based on maximum precipitation data derived from historical climate records and from the climate scenarios ACCESS 1-3, HadGEM2-ES, and MPI-ESM-MR, as well as the median projected scenario for 2050, obtained from the National Meteorology and Hydrology Service of Peru (SENAMHI) data platform. This information was analyzed considering the spatial location of the basin and its position relative to the area of interest, using Intensity–Duration–Frequency (IDF) curves. To demonstrate the changes in the river hydrological behavior before and after the 2017 Coastal El Niño event, a Random Forest modeling approach was applied using Sentinel-2 satellite imagery. Design peak discharges for return periods of 50, 100, and 140 years were estimated using the HEC-HMS software. Hydraulic simulation of the Lacramarca River basin, carried out using HEC-RAS version 6.7 beta 3 and IBER version 3.3.1 software, made it possible to identify flood-prone areas affecting agricultural land and areas adjacent to population centers, covering 149,000 m² and 172,000 m² for return periods of 100 and 140 years, respectively, based on information from the historical scenario. In contrast, using data from the 2050 projection scenario, affected areas of 242,000 m² and 323,000 m² were estimated for the same return periods.
Atlas de las Estaciones Experimentales Agrarias del INIA
(Instituto Nacional de Innovación Agraria, 2025-04-29) Cruz Luis, Juancarlos Alejandro; Ortiz Morera, Narda Cecilia; Quispe Torres, Diego Rafael; Atalaya Lopez, José S.; Marcavilca Villar, Pedro Miguel; Ramírez Aparicio , Jorge A.; Salinas Rivera, Juan L.; Escobar Cuadros, Francisco; Carbajal Llosa, Carlos Miguel; Olivarez Rivera, Evelyn L.; Casaretto Castagnino, Duilio; Ganoza Roncal, Jorge Juan
El Instituto Nacional de Innovación Agraria (INIA) es un organismo técnico especializado adscrito al Ministerio de Desarrollo Agrario y Riego (MIDAGRI) que cumple funciones y desarrolla actividades de investigación, transferencia tecnológica y extensión en materia agraria. Es responsable de la generación de conocimientos y tecnologías, de la conservación y puesta en valor de los recursos genéticos de la agrobiodiversidad, así como de la producción de semillas, plantones y reproductores de alto valor genético. Asimismo, brinda servicios tecnológicos a través de una red de laboratorios a nivel nacional. Como ente rector del Sistema Nacional de Innovación Agraria (SNIA), articula y regula la investigación, desarrollo e innovación (I+D+i) con los actores del SNIA, orientadas a la competitividad, seguridad alimentaria y adaptación al cambio climático, a través de la política y el Plan Nacional de Innovación Agraria. Las funciones del INIA son desarrolladas de manera articulada y descentralizada desde sus veinticinco (25) Estaciones Experimentales Agrarias (EEA) a nivel nacional, las que están conformadas por Centros Experimentales (CE) ubicados a nivel regional. El presente atlas contiene información de los aspectos relevantes de las Estaciones Experimentales Agrarias, tales como: creación, Centros Experimentales, ubicación y ámbito de intervención. Asimismo, presenta una colección de mapas que contribuye al conocimiento geográfico de éstas, así como de las actividades de conservación y puesta en valor de recursos genéticos, investigación, desarrollo tecnológico, producción de material genético de calidad, transferencia de tecnología, extensión agropecuaria y servicios tecnológicos agrarios que se desarrollan a nivel nacional. Este documento es una colección cartográfica y un material de consulta que contribuye al conocimiento geográfico de las Estaciones Experimentales Agrarias y sus Centros Experimentales, el cual está dirigido no solo a los actores del SNIA, sino también a la sociedad civil en su conjunto; con el objeto de informar sobre el rol que desempeñan estos centros del INIA y su esencial aporte para enfrentar los desafíos del agro en condiciones de cambio climático.
Critical edaphic and altitudinal factors influencing cation exchange capacity in coffee-growing soils of northeastern Peru: implications for sustainable fertility management
(Frontiers Media SA, 2026-05-05) Díaz Chuquizuta, Henry; Manrique Gonzales, Luis Fernando; Sánchez Ojanasta, Martín; Cuevas Giménez, Juan Pablo; Carbajal Llosa, Carlos Miguel; Cuellar Condori, Néstor Edwin; Martínez Zapata, Boris Guillermo; Vallejos Torres, Geomar
Introduction: Effective cation exchange capacity (ECEC) is a key indicator of soil fertility and sustainable soil management assessment in coffee-growing systems. Methods: This study aimed to identify the principal edaphic and altitudinal factors explaining ECEC variability in 69 soil samples collected from coffee farms in northeastern Peru. Results: ECEC results exhibited substantial variation, ranging from 0.14 to 55.49 cmol(+)·kg⁻¹ (mean = 15.21; SD = 12.47), and were significantly correlated with organic matter (r = 0.71), clay content (r = 0.62), exchangeable acidity (r = -0.63), and altitude (r = 0.33). Principal component analysis accounted for 64.3% of the edaphic variability, identifying Ca²⁺, pH, Mg²⁺, and exchangeable acidity as the most influential variables. The Random Forest model demonstrated high predictive accuracy (R² = 0.93; root mean square error (RMSE) = 2.1 cmol(+)·kg⁻¹), outperforming the generalized additive model (GAM) and identifying Ca²⁺ as the most important predictor (IncMSE% = 3177.37). A functional altitudinal gradient was also evident: areas above 1150 m.a.s.l. showed higher acidity and aluminium content, whereas areas below 900 m.a.s.l. exhibited greater base saturation and higher ECEC. Discussion: These findings support the development of site-specific fertilization strategies and soil–climate zoning, emphasizing the value of integrating multivariate analyses with machine-learning models as key tools for optimizing fertility management and coffee crop productivity in tropical mountain ecosystems; where soil texture represents a key factor influencing coffee sustainability, as greater nutrient retention capacity and improved nutritional balance are associated with enhanced potential for sustainable production and reduced environmental impact.
Ecological risk associated with potentially toxic elements in agricultural soils across coastal and highland valleys
(Elsevier Ltd., 2026-05-06) Pérez Porras, Wendy Elizabeth; Ccopi Trucios, Dennis; Flores Marquez, Ricardo; Carbajal Llosa, Carlos Miguel; Pizarro Carcausto, Samuel Edwin
Soil elemental composition in heterogeneous agroecosystems is shaped by interacting environmental and anthropogenic controls. This study evaluated the spatial variability of potentially toxic elements (PTEs: Cu, Cr, Fe, Mn, Mo, Ni, Pb, V, Zn, As, and Cd) across coastal (Chancay and Pativilca) and highland (Mantaro and Tarma) agricultural valleys of Peru. A stratified sampling design was combined with multivariate analyses (PCA, PERMANOVA, PERMDISP, and variance partitioning) and ecological risk assessment using integrated indices (PLI, mCd, SRI, and Nemerow index). The first two principal components explained 50.2% of total variance (PC1 = 36.8%; PC2 = 13.4%), reflecting distinct soil–geochemical and climatic–spatial gradients. The Valley × Zone interaction significantly structured elemental composition (R² = 0.049, p = 0.011), whereas crop type showed no significant effect (p = 0.838). Variance partitioning indicated that soil physicochemical, climatic, and spatial/topographic predictors jointly explained 60% of total variation (adjusted R² = 0.597), with the three-way shared fraction accounting for 28%, highlighting strong coupling among pedogenic, climatic, and topographic drivers. Ecological risk indices revealed clear spatial differentiation between systems. Highland valleys exhibited greater contamination intensity, spatial heterogeneity, and more frequent high-risk categories according to PLI, mCd, and SRI. In contrast, coastal valleys showed more homogeneous and diffuse accumulation patterns associated with long-term agricultural intensification. These findings underscore the need for regionally adapted soil monitoring frameworks that incorporate environmental gradients in the assessment and management of PTE-related ecological risk in agricultural landscapes.
Ensemble machine learning for digital mapping of soil pH and electrical conductivity in the Andean agroecosystem of Peru
(Frontiers Media S.A., 2025-11-06) Carbajal Llosa, Carlos Miguel; Barja , Antony; Pizarro Carcausto, Samuel Edwin
In agricultural systems, soil pH and electrical conductivity (EC) are crucial chemical properties that directly affect nutrient availability and microbial activity, but the challenging environment of the Peruvian Andes has limited research on their estimation. This study aimed to develop an ensemble learning method to predict soil pH and EC in Andean agroecosystems using environmental predictors. By using simple and weighted averaging, we developed a heterogeneous ensemble learning approach that integrates machine learning (ML) algorithms, including Support Vector Machine (SVM), Artificial Neural Network (ANN), Random Forest (RF), and Extreme Gradient Boosting (XGBoost). The weighted ensemble assigns weights to models based on their predictive accuracy, measured by R² from spatial cross-validation. Spatial patterns are noticeable, and pH displays greater spatial clustering than EC. Elevation was the most important predictor in ML models for both parameters. Ensemble models significantly outperformed individual models, with the weighted ensemble achieving R² >0.93 and reducing RMSE by approximately 72%. Among standalone models, RF and XGBoost performed best for pH, while SVM performed the best for EC. ANN models were the least effective. Uncertainty analysis indicated high confidence in pH predictions but moderate to high uncertainty in EC predictions, suggesting that EC is more challenging to predict. Ensemble models with optimized weighting provide robust and accurate mapping of spatially autocorrelated soil properties. The high-confidence pH maps are reliable for soil management decisions, while EC predictions, though more uncertain, effectively identify priority areas for future sampling and investigation.
Evaluation of the Flood Area in the Presence of Climate Change: Ravine La Ronda Case, Ricardo Palma, Peru
(Horizon Research Publishing, 2024-11-13) Perez Campomanes, Giovene; Perez Campomanes, Maria; Carbajal Llosa, Carlos Miguel
In the district of Ricardo Palma, human settlements are located near streams, which are seriously affected during the heavy flooding season (rainy season), which increases due to the presence of the El Niño Southern Oscillation (ENSO) and the global effect of climate change. To get to know the flood zone 09 de Octubre - La Ronda, Ricardo Palma, software was applied to obtain the area of influence to study, and to know 10.5 software was applied to obtain the area of influence to study, and to know the rainfall record of the National Water Service. Meteorology and Hydrology of Perú(SENAMHI) for a continuous period of 27 years of maximum daily rainfall, with the HEC HMS 4.9 software the maximum design flows for different return periods were obtained, and the HEC RAS 6.2 software to obtain the flooding area. To find out the support of the authorities in the presence of the Niño Southern Oscillation (ENSO), and the global effect of climate change, a survey was carried out among the population, obtaining that 14.43% had the appropriate conditions to mitigate the impacts of the flooding due to intense rains, 22.93% received help in the presence of the El Niño phenomenon, and for 20.75%, there was a response from their authorities to the needs of the population in the presence of an emergency, and no changes that benefit the population were distinguished. The maximum design flows were calculated for a return period of 10 and 100 years, which vary between 31.7 m³/s and 61.2 m³/s, and that for a design flow of 61.2 m³/s, the flooding area of 0.25 km² was obtained.
Implementing cloud computing for the digital mapping of agricultural soil properties from high resolution UAV multispectral imagery
(MDPI, 2023-06-20) Pizarro Carcausto, Samuel Edwin; Pricope, Narcisa G.; Figueroa Venegas, Deyanira Antonella; Carbajal Llosa, Carlos Miguel; Quispe Huincho, Miriam Rocío; Vera Vilchez, Jesús Emilio; Alejandro Méndez, Lidiana Rene; Achallma Mendoza, Lino; González Tovar, Izamar Estrella; Salazar Coronel, Wilian; Loayza, Hildo; Cruz Luis, Juancarlos Alejandro; Arbizu Berrocal, Carlos Irvin
The spatial heterogeneity of soil properties has a significant impact on crop growth, making it difficult to adopt site-specific crop management practices. Traditional laboratory-based analyses are costly, and data extrapolation for mapping soil properties using high-resolution imagery becomes a computationally expensive procedure, taking days or weeks to obtain accurate results using a desktop workstation. To overcome these challenges, cloud-based solutions such as Google Earth Engine (GEE) have been used to analyze complex data with machine learning algorithms. In this study, we explored the feasibility of designing and implementing a digital soil mapping approach in the GEE platform using high-resolution reflectance imagery derived from a thermal infrared and multispectral camera Altum (MicaSense, Seattle, WA, USA). We compared a suite of multispectral-derived soil and vegetation indices with in situ measurements of physical-chemical soil properties in agricultural lands in the Peruvian Mantaro Valley. The prediction ability of several machine learning algorithms (CART, XGBoost, and Random Forest) was evaluated using R2, to select the best predicted maps (R2 > 0.80), for ten soil properties, including Lime, Clay, Sand, N, P, K, OM, Al, EC, and pH, using multispectral imagery and derived products such as spectral indices and a digital surface model (DSM). Our results indicate that the predictions based on spectral indices, most notably, SRI, GNDWI, NDWI, and ExG, in combination with CART and RF algorithms are superior to those based on individual spectral bands. Additionally, the DSM improves the model prediction accuracy, especially for K and Al. We demonstrate that high-resolution multispectral imagery processed in the GEE platform has the potential to develop soil properties prediction models essential in establishing adaptive soil monitoring programs for agricultural regions.
Pesticide residue patterns along edaphic and climatic gradients in Peruvian coastal and andean agroecosystems
(Elsevier B.V., 2026-06-23) Pérez Porras, Wendy Elizabeth; Flores Marquez, Ricardo; Carbajal Llosa, Carlos Miguel; Solórzano Acosta, Richard Andi
The intensive use of pesticides in commercial agriculture in developing countries poses risks to human and environmental health. In Peru, information on pesticide residue distributions and their relationships with environmental factors remains limited. This study quantified pesticide residues in crop leaves, soil, and water across contrasting agroecosystems in the coastal valleys of Chancay-Huaral and Pativilca and the high-Andean valleys of Mantaro and Tarma. A total of 86 samples were analyzed for 92 pesticide compounds using validated LC-MS/MS and GC–MS/MS methods. Associations with edaphoclimatic variables were assessed using multivariate and predictive approaches. Pesticide residues were detected predominantly in crop foliage, whereas soil and water showed lower detection frequencies (16% of sampling points). Coastal valleys exhibited higher detection frequency (528 vs. 72 detections) and a greater percentage of contaminated samples (100% vs 68%) than high-Andean systems. Among samples with detectable hazardous pesticides, 70% exceeded Codex Alimentarius maximum residue limits (MRLs). Banned compounds, including methamidophos and chlorpyrifos, were also detected, indicating gaps in regulatory compliance. Pesticide variables were filtered based on detection frequency (≥ 5%) and WHO toxicological classification and grouped by chemical class to identify representative compounds. Occurrence patterns were significantly associated with clay, total organic carbon, available potassium, and precipitation according to ordination and predictive models. These results show that pesticide occurrence and magnitude are structured by environmental conditions and agricultural intensity, highlighting the need for geographically targeted monitoring and risk management strategies in Peru.
¿Qué tan fértiles son los suelos agrícolas de Moquegua?
(Instituto Nacional de Innovación Agraria (INIA), 2026-08) Quispe Matos, Kenyi Rolando; Mejía Maita, Sharon Yahaira; Mercado Chinchay, Ruth Lizbeth; Puga Calderón, Rodrigo Julio; Copa Vizcarra, Sergio Waldyr; Aguilar Chuquitarqui, Eyner Marconi; Carbajal Llosa, Carlos Miguel; Olivera Vilca, Sócrates
Primera zonificación regional de la fertilidad de suelos agrícolas de Moquegua, desarrollada por el INIA a partir de 2053 muestras georreferenciadas. Describe el plan de muestreo, los métodos analíticos de laboratorio (pH, fósforo, potasio, conductividad eléctrica, materia orgánica, textura), y la construcción de un índice de fertilidad del suelo (SFIw) mediante análisis multivariado (correlación de Pearson y componentes principales). Presenta un mapa interactivo con tres niveles de fertilidad (baja, moderada, alta) y recomendaciones de manejo según el nivel de fertilidad de cada parcela.
Simulation of soil organic carbon potential sequestration for high Andes Peruvian croplands
(Sociedade Brasileira de Ciência do Solo, 2025-10-06) Carbajal Llosa, Carlos Miguel; Vera Vílchez, Jesús Emilio; Pizarro Carcausto, Samuel Edwin; Mestanza, Carlos
Soil organic carbon (SOC) sequestration in croplands represents a significant opportunity to mitigate climate change by removing carbon dioxide from the atmosphere. Simulation tools are increasingly used to assess the impact of climate change and soil management on soil organic carbon stock dynamics. Although Andean soils typically store large amounts of organic carbon, agricultural practices, especially plowing, may deplete these stocks, creating a need to understand these dynamics better. Here, we show the soil organic carbon sequestration potential in croplands in the Peruvian Andean region over 50 years. Soil organic carbon content and bulk density were spatially predicted across the study area using 100 georeferenced soil samples to quantify organic carbon stocks. Spatial interpolation was performed using Ordinary Kriging with exponential and spherical variogram models, which provided the best fit to the data. The RothC model was used to simulate changes in soil organic carbon stocks under two contrasting agricultural management scenarios: one without manure application and another with annual application of one ton of manure per hectare. We found that manure application can substantially increase soil organic carbon sequestration in croplands with increases ranging from 105.22 to 214.94 Mg ha-¹ over 50 years. The potential for increased carbon sequestration through manure application could help compensate for losses in other areas of the watershed, particularly grasslands (74.4 % of the area). This study contributes valuable information for developing sustainable land management strategies in Andean agroecosystems.
Soil management in Lepidium meyenii (maca) monoculture: trends and challenges for small farmers around Lake Chinchaycocha in the Andean highlands of Junin (Peru)
(Frontiers Media S.A., 2025-01-17) Solórzano Acosta, Richard Andi; Chanco, Mirella; Seminario, Martín; Camel Paucar, Vladimir Fernando; Cabello Torres, Rita; Lastra Paucar, Sphyros Roomel Luciano; Arias Arredondo, Alberto Gilmer; Verástegui Martínez, Patricia; Quispe Matos, Kenyi Rolando; Carbajal Llosa, Carlos Miguel; Cuevas Gimenez, Juan Pablo; Cruz Luis, Juancarlos Alejandro; Turín Canchaya, Cecilia Claudia
Introduction: Monoculture is a significant concern due to its negative impact on soil quality, resource productivity, and agricultural sustainability, particularly in vulnerable communities. This research aims to evaluate high Andean soil management for maca monoculture. Materials and methods: To this end, interviews were conducted with maca farmers adjacent to Lake Chinchaycocha. The effect on soil quality was evaluated based on principal component analysis (PCA), weighted soil quality index (SQIw), and physico-chemical characteristics. Results: The results indicated differences between farmers in agronomic management, monoculture period (from 5 to 9 years), and fallow time (up to 10 years in the best cases). Regarding soil quality, the PCA highlighted boron andtotal nitrogen locations in the same quadrant, with the highest contribution to the analysis. Finally, the SQIw showed that soils without maca cultivation presented better quality. Conclusion: This research’s results indicate a need to optimize soil management practices, especially for small farmers, who are the most vulnerable group. In addition, further studies on boron and nitrogen availability in soils cultivated with maca are required, emphasizing areas that exceed 10 years of continuous use.
Soil organic carbon content mapping along the coast of northern Peru: an ensemble machine learning approach
(Frontiers Media SA, 2026-03-26) Salazar Coronel, Wilian; Carbajal Llosa, Carlos Miguel; Chuchon Remon, Rodolfo Juan
Introduction: Soil organic carbon (SOC) content plays a fundamental role in regulating the global carbon cycle and mitigating climate change. It is also a key marker of soil health and a vital plant component. Its distribution in space varies in dry ecosystems, where climate and land use affect it. This study aimed to estimate and map SOC in the Motupe River Basin, northern Peru, by applying machine learning algorithms and ensemble methods. Methods: Four predictive models were evaluated: Support Vector Regression (SVR), Random Forest (RF), Artificial Neural Network (ANN), and Extreme Gradient Boosting (XGBoost), together with two ensemble approaches—simple averaging and weighted — integrating topographic, climatic, edaphic, and vegetation indices variables. Spatial autocorrelation was minimized by spatial block cross-validation. Uncertainty was measured with bootstrapping and the Prediction Interval Ratio (PIR) derived from 90% prediction intervals. Results and discussion: Best performance was achieved by XGBoost (R² = 0.83), weighted ensemble (R² = 0.70), and RF (R² = 0.63). The most influential predictors were EVI, GNDVI, temperature, TRI, and pH. SOC contents showed relatively higher concentrations (>0.7%) in areas with greater vegetation density, within a semi-arid context where SOC levels are generally low. In contrast, lower areas exhibited reduced SOC contents (< 0.6%). The uncertainty analysis indicated that SOC predictions had high to moderate confidence (PIR < 0.2) in the middle-and upper zones of the basin, and moderate confidence (0.1–0.2) in the lower areas. The results suggest that machine learning and ensemble methods improve SOC prediction, benefiting the sustainable management of soil fertility and quality in arid and semi-arid ecosystems of northern Peru.
Soil quality variation associated with land cover in the Peruvian jungle of the Junín region
(Elsevier, 2025-05-03) Carbajal Llosa, Carlos Miguel; Moya Ambrosio, Fernanda; Barja Ingaruca, Antony Marcos; Ottos Diaz, Elvis; Aguilar Tito, Cinthya; Advíncula Zeballos, Orlando; Cruz Luis, Juancarlos Alejandro; Solórzano Acosta, Richard Andi
In the Junín jungle, inappropriate agricultural management practices for a long time can adversely affect soil quality. This has driven the development of multiple soil quality evaluation methods that are highly demanding in terms of economic and human resources. This study aimed to evaluate the effect of land-use change from natural ecosystems to agricultural systems by determining soil quality in the jungle of the Junin Region. Soil samples were collected between December 2021 and July 2022 in the Chanchamayo and Satipo provinces in the Junín region. Seventy-four samples were determined using stratified sampling, along with the support provided by the stacking of five spatial layers. Physical, chemical, and biological indicators, along with land cover type data from the European Space Agency (ESA) WorldCover product, were determined. A minimum data set (MDS) was established through correlation analysis, from which principal component analysis (PCA) was performed. Finally, the weighted soil quality index (SQIw) was calculated by integrating the most essential variables identified through PCA. It was found that forest cover soils had a higher SQIw than soils with crops and grassland cover. According to PCA, the soil quality variables that contributed the most are potassium (K) content and pH. It was concluded that the jungle soil quality in the Junín region is moderate to low, depending on the coverage. In addition, more significant degradation was observed in grassland-covered areas, particularly in the Chanchamayo province than in the Satipo province.
Spatial prediction of soil organic carbon stocks across contrasting Andean basins, Peru
(Elsevier B.V., 2025-11-06) Carbajal Llosa, Carlos Miguel; Tumbalobos Dextre, Merely; Condori Ataupillco, Levi Tatiana; Cuellar Condori, Nestor Edwin; Gavilan, Carla
Soil organic carbon stocks (SOCS) are critical components of the global carbon cycling and play a central role in climate change mitigation. However, their dynamics in high‐altitude Andean ecosystems remain poorly understood despite their importance for carbon sequestration. The significant spatial heterogeneity of SOCS in mountainous terrain makes accurate quantification and mapping challenging. This study evaluated the performance of geospatial regression and machine learning (ML) approaches for predicting SOCS in two Peruvian Andean basins: Torobamba and Coata. We compared Geographically Weighted Regression (GWR), GWR with collinearity analysis (GWRC), their kriging‐adjusted variants, and ML models (Random Forest, Gradient Boosting). Models were built using key SOCS covariates for each basin and validated through 5‐fold cross‐validation with Root Mean Square Error (RMSE), Mean Absolute Error (MAE), and coefficient of determination (R²). In Torobamba, GWRC markedly improved performance, reducing the RMSE by 79–90% and achieving R² up to 0.99. In contrast, Coata, showed only modest improvements (RMSE reductions of 7.8–9.8%, R² = 0.30–0.39). ML models performed poorly (negative R²), likely due to feature selection, parameter tuning, or limited sample size. Overall, locally weighted regression approaches (GWRK/GWRCK) outperformed conventional ML methods for SOCS prediction in complex mountain environments, particularly with small to medium sample sizes. These results highlight the importance of accounting for spatial non‐stationarity in SOCS and provide methodological guidance for SOCS mapping in Andean ecosystems.
Spatial Variability of Soil Acidity and Lime Requirements for Potato Cultivation in the Huánuco Highlands
(MDPI, 2024-12-13) Quispe Matos, Kenyi Rolando; Mejía, Sharon; Carbajal Llosa, Carlos Miguel; Alejandro Mendez, Lidiana Rene; Verástegui Martinez, Patricia; Solórzano Acosta, Richard Andi
Soil acidity is a major limiting factor for potato production in Peru's high Andean region. This study aims to predict the spatial variability of soil acidity as a fundamental tool for recommending site-specific liming treatments and to identify the physical-chemical characteristics most closely related to soil acidity. The soil samples were collected from five locations in the province of Pachitea, Huánuco. Descriptive statistics, principal component analysis (PCA), and Pearson correlation analysis were used to identify the soil properties contributing most to total variance and those most strongly correlated with soil acidity. The ordinary geostatistical kriging method evaluated the predictive accuracy for 23 soil properties and liming requirements over a 28,463 ha area, at a spatial resolution of 10 m. Results showed that the Plaza Punta and Buenos Aires locations had more degraded acidic soils, with frequencies between 55% and 100% above the general mean (30.94 ± 24.87%) and the critical threshold (25%) for potato cultivation. Variables such as exchangeable calcium percentage (ECP), Ca2+, Mg2+, sand content, and organic matter strongly correlated with soil acidity, while exchangeable H+ and ECP were the main contributors to the total variance. Geostatistical analysis revealed that Mg2+ and Ca2+ had the highest R² values (0.87 and 0.76, respectively), indicating a strong fit between observed and predicted values in the spatial analysis of soil acidity. It is concluded that the agricultural dolomite requirements in the localities of Plaza Punta and Buenos Aires exhibit high spatial predictability. Additionally, the analysis of diverse soil physicochemical properties is emphasized as critical for determining precise application rates.
Variación espacial de la fertilidad del suelo en el Centro Experimental La Molina
(Instituto Nacional de Innovación Agraria (INIA), 2026-02-27) Quispe Matos, Kenyi Rolando; Carbajal Llosa, Carlos Miguel; Mejia Maita, Sharon Yahaira; Chuchon Remon, Rodolfo Juan; Llerena Arroyo, Rigel Arturo; Fernandez Puquio, Albert Einstein; Pérez Porras, Wendy Elizabeth; Hermosa Ayme, Nilton Alexander; Solórzano Acosta, Richard Andi; Cruz Luis , Juancarlos Alejandro
Los suelos de la costa central del Perú presentan condiciones edáficas particulares, derivadas de su origen aluvial y de la influencia de un régimen climático árido (Instituto Nacional de Recursos Naturales [INRENA], 1996). Esta combinación condiciona la disponibilidad hídrica, la dinámica de sales y la respuesta de los sistemas de cultivo, lo que genera limitaciones para la agricultura intensiva cuando no se aplican prácticas de manejo adecuadas (Food and Agriculture Organization of the United Nations [FAO], 2017). En el Centro Experimental La Molina (CELM) —con suelos Fluvisol éutrico y Regosol éutrico desarrollados sobre sedimentos fluviales recientes, característicos de la costa árida peruana— se registra una baja acumulación de materia orgánica y una textura franco-arenosa predominante (INRENA, 1996). Estas condiciones crean una capacidad limitada de retención de agua y nutrientes, favoreciendo procesos de lixiviación bajo esquemas de riego intensivo y generando gradientes espaciales de fertilidad que determinan respuestas agronómicas heterogéneas entre zonas (Alghamdi et al., 2024; Zhu et al., 2024). Estos suelos áridos presentan variaciones locales en el pH, en la saturación de bases intercambiables y en la presencia de áreas con elevada conductividad eléctrica, lo que evidencia la coexistencia de problemas edáficos complementarios: deficiencias puntuales de micronutrientes en sectores alcalinos, desequilibrios catiónicos que afectan la capacidad de intercambio y procesos incipientes de salinización o sodificación, asociados tanto a la calidad del agua de riego como a las prácticas de manejo (Alloway, 2008; Gamboa et al., 2020; Ayers y Westcot, 1985). Estas interacciones fisicoquímicas generan efectos sinérgicos sobre la estructura del suelo, la porosidad y la disponibilidad hídrica útil en la zona radicular, lo que reduce la resiliencia del recurso edáfico frente a condiciones de sequía y manejo intensivo (FAO, 2017; Alghamdi et al., 2024). La evidencia científica indica que, frente a mosaicos edáficos como los observados en los suelos de la costa peruana, es imprescindible adoptar una estrategia integrada que combine: (i) la caracterización detallada y la cartografía de la variabilidad espacial de las propiedades físicas y químicas, mediante métodos de mapeo digital y análisis geoestadístico; (ii) el diagnóstico de los principales factores limitantes (materia orgánica, fósforo, potasio, salinidad y desequilibrios en el intercambio catiónico); y (iii) el diseño de prácticas de manejo diferenciado —como la fertilización variable, la aplicación localizada de enmiendas orgánicas, el manejo del riego y el drenaje, y las medidas de control de sales— orientadas a mejorar la eficiencia en el uso de insumos y la sostenibilidad de los suelos (Heuvelink y Webster, 2022; Lowenberg DeBoer y Erickson, 2019; McBratney et al., 2003; FAO, 2017). El presente documento tiene como objetivo proveer las herramientas técnicas y cartográficas para implementar un manejo diferencial del suelo, orientado a reducir pérdidas por lixiviación y procesos de salinización; optimizar la eficiencia en la aplicación de fertilizantes; incrementar la resiliencia y competitividad del sistema productivo frente a desafíos ambientales y económicos.
Variación espacial de la fertilidad del suelo en la EEA Amazonas
(Instituto Nacional de Innovación Agraria (INIA), 2026-07-30) Quispe Matos, Kenyi Rolando; Carbajal Llosa, Carlos Miguel; Mejía Maita, Sharon Yahaira; Mattos Mendoza, Carlos; Ore Valeriano, Ruddy Adely; Chuchon Remon, Rodolfo Juan; Chavez Jalk, Antony; Alva Vasquez, Dangiela Steyscy; Montenegro Acuña, Luis Alberto; Solórzano Acosta, Richard Andi; Cruz Luiz, Juancarlos Alejandro
La degradación del suelo en regiones tropicales constituye una amenaza crítica para la sostenibilidad de la producción agrícola y la provisión de servicios ecosistémicos, debido a su estrecha relación con la pérdida de carbono orgánico, la erosión y la disminución de la productividad. En particular, el cambio de uso del suelo y la intensificación agrícola aceleran los procesos de degradación física y química, afectando el almacenamiento de carbono y la disponibilidad de nutrientes, especialmente en ecosistemas tropicales (Don et al., 2010). En la Amazonía peruana, la deforestación contribuye a la degradación del suelo, ya que las áreas intervenidas suelen destinarse al establecimiento de pastizales que, en muchos casos, se manejan de forma inadecuada, con prácticas como la sobrecarga animal y el sobrepastoreo. Aproximadamente el 70 % de los bosques deforestados han sido convertidos en pastizales para actividades ganaderas (Alegre et al., 2019). La región Amazonas, una de las principales zonas productoras de arroz, café, cacao y frijol, presenta condiciones edafoclimáticas que favorecen una alta heterogeneidad espacial de las propiedades del suelo. La interacción entre precipitaciones intensas, relieve complejo y variabilidad de materiales parentales genera una distribución irregular de nutrientes y del carbono orgánico, lo que condiciona la respuesta de los cultivos y la eficiencia en el manejo de la fertilidad (Ruiz et al., 2026). Cuando esta heterogeneidad no es adecuadamente caracterizada ni gestionada, puede dar lugar a la sobrefertilización en algunos sectores y a deficiencias nutricionales en otros, con implicancias económicas y ambientales, como pérdidas de nutrientes por lixiviación y una baja eficiencia en el uso de fertilizantes (Bhagwan et al., 2025). Con el fin de no agravar la problemática de degradación del suelo en la región Amazonas, es fundamental conocer la variabilidad de sus propiedades fisicoquímicas; para ello, es necesario emplear herramientas que permitan su adecuado diagnóstico y monitoreo. Las tecnologías como los sistemas de posicionamiento global (GPS), la teledetección y los sistemas de información geográfica (SIG) permiten recopilar datos edáficos de manera eficiente y, en muchos casos, en tiempo casi real, lo que facilita la elaboración de mapas de alta resolución sobre la variabilidad de las propiedades del suelo. Estas herramientas han transformado significativamente el monitoreo y la gestión de áreas agronómicas, al posibilitar la delimitación de zonas de manejo homogéneo. En este contexto, métodos de interpolación como el kriging, integrados con SIG, han demostrado ser eficaces para identificar “hotspots” de degradación, orientar la fertilización diferenciada y apoyar la implementación de estrategias de restauración ecológica en zonas críticas (Culman et al., 2021; Chinea-Horta y Rodríguez-Izquierdo, 2021). En este contexto, el presente documento técnico tiene como objetivo evaluar la variación espacial de la fertilidad del suelo en la Estación Experimental Agraria Amazonas mediante el análisis e interpretación de sus propiedades fisicoquímicas y el uso de herramientas de análisis espacial. A partir de la generación de mapas temáticos de fertilidad, se busca identificar zonas con características similares que faciliten la toma de decisiones para un manejo más eficiente de la fertilización y del suelo. Asimismo, se presenta una metodología basada en la modelación de semivariogramas y la interpolación por kriging, la cual puede ser aplicada en otros sistemas agrícolas para contribuir al uso adecuado de los insumos, mejorar la productividad y promover la sostenibilidad del recurso suelo.
Variación espacial de la fertilidad del suelo en la EEA Andenes
(Instituto Nacional de Innovación Agraria (INIA), 2026-07-30) Quispe Matos, Kenyi Rolando; Carbajal Llosa, Carlos Miguel; Mejia Maita, Sharon Yahaira; Ore Valeriano, Ruddy Adely; Chuchon Remon, Rodolfo Juan; Condori Huaman, Veronica; Lloclla Chirinos, Ashly; Solórzano Acosta, Richard Andi; Cruz Luis, Juancarlos Alejandro
En los Andes, las prácticas tradicionales de manejo del suelo como el barbecho, el uso de terrazas y la rotación de cultivos han sido fundamentales para sostener la producción agrícola durante siglos (Rolando et al., 2017). Las terrazas surgieron como una adaptación a las superficies inclinadas, permitiendo reducir la pendiente, controlar la erosión y disminuir la pérdida de agua, favoreciendo así el cultivo en zonas de ladera (Posthumus y Stroosnijder, 2010). Sin embargo, en la actualidad, la disminución de áreas cultivables, la reducción de la productividad de los suelos y la creciente presión por incrementar la producción de alimentos han impulsado la reducción de los periodos de barbecho (Sarmiento y Bottner, 2002), así como una mayor dependencia del uso de fertilizantes inorgánicos para aumentar los rendimientos (Pestalozzi, 2000). Estos cambios en el uso del suelo y la intensificación agrícola, sumados a los efectos del cambio climático, han contribuido a acelerar los procesos de degradación del suelo (De Valença et al., 2017). La agricultura tradicional basada en cultivos andinos suele complementarse con sistemas mixtos de producción, lo que exige estrategias de manejo capaces de responder a la elevada heterogeneidad de las condiciones edáficas y climáticas presentes en la región. En este contexto, el monitoreo de la fertilidad del suelo constituye un componente esencial para promover una gestión agrícola sostenible y evitar procesos de degradación asociados al uso inadecuado o excesivo de fertilizantes. Por ello, la incorporación de herramientas de agricultura de precisión, integrando técnicas de geoestadística, análisis de suelos y sistemas de información geográfica, permite evaluar la variabilidad espacial de la fertilidad mediante métodos como la interpolación kriging, el índice de Moran y el análisis de semivariogramas. Estas herramientas se han consolidado como enfoques fundamentales para caracterizar la variabilidad espacial de las propiedades fisicoquímicas del suelo en contextos complejos como el de la EEA Andenes (Culman et al., 2021; Chinea-Horta y Rodríguez-Izquierdo, 2021). Los resultados derivados de estos análisis se expresan en mapas temáticos que representan la distribución y heterogeneidad de parámetros clave, facilitando una planificación de la fertilización más precisa, eficiente y adaptada a las particularidades de cada zona. En este contexto, el presente documento tiene como finalidad analizar la distribución espacial de las propiedades fisicoquímicas del suelo en la EEA Andenes mediante la integración de análisis de laboratorio, herramientas geoestadísticas y sistemas de información geográfica. A partir de esta evaluación, se busca generar información técnica que permita identificar patrones espaciales en la fertilidad del suelo y establecer criterios para un manejo más eficiente de fertilizantes y enmiendas, acorde con las características específicas de cada sector evaluado. De esta manera, el estudio contribuirá al desarrollo de estrategias de manejo sitio-específico orientadas a optimizar la productividad agrícola, mejorar la eficiencia en el uso de insumos agrícolas y promover la sostenibilidad de los sistemas productivos en las condiciones agroecológicas de la región Cusco.
Variación espacial de la fertilidad del suelo en la EEA Arequipa
(Instituto Nacional de Innovación Agraria (INIA), 2026-05-31) Poma Chamana, Russell Hilario; Vilca Gamarra, Cesar Francisco; Quello Huamani, Antony Arturo; Puma Huacani, Katherine; Suyco Panibra, Percy Alberto; Calla Cornejo, Nancy Vanessa; Quispe Matos, Kenyi Rolando; Carbajal Llosa, Carlos Miguel; Mejia Maita, Sharon Yahaira; Ore Valeriano, Ruddy Adely; Chuchon Remon, Rodolfo Juan; Solórzano Acosta, Richard Andi; Cruz Luis, Juancarlos Alejandro
La degradación del suelo constituye una de las principales amenazas para la sostenibilidad agrícola a nivel global, especialmente en regiones áridas y semiáridas donde la disponibilidad hídrica es limitada y las oportunidades de recuperación natural del suelo son reducidas. Factores como el uso inadecuado del recurso suelo, el sobrepastoreo, prácticas agrícolas poco sostenibles y los efectos intensificados del cambio climático contribuyen a acelerar este proceso (de Valença, 2017; Coaguila et al., 2025; Correa et al., 2016). La región de Arequipa presenta un potencial de superficie agropecuaria aprovechable del 32,2 % de las cuales solo son usadas el 5,75 % (Gobierno Regional de Arequipa [GRA], 2021). En las principales zonas productoras se producen generalmente cultivos forrajeros (alfalfa y maíz forrajero), arroz, cebolla y papa (Gerencia Regional de Agricultura de Arequipa, 2025). Esta región enfrenta como principales desafíos una accidentada geografía en sus valles interandinos y escasez de agua en sus desiertos costeros (GRA, 2021). Estas limitaciones naturales se ven agravadas por la baja adopción de prácticas de manejo basado en diagnóstico. En 2022, únicamente el 2,4 % de los productores agropecuarios realizó análisis de suelos y recibió asistencia técnica para implementar los resultados (Instituto Nacional de Estadística e Informática [INEI], 2023), lo que evidencia una gestión incipiente de la fertilidad en el ámbito productivo. La ausencia de mapas de fertilidad que integren los datos de análisis de suelos limita el diagnóstico integral de la variabilidad edáfica y dificulta la planificación eficiente de estrategias de fertilización. Frente a esta brecha, la aplicación de enfoques de agricultura de precisión, que integren análisis de suelos, geoestadística y sistemas de información geográfica (SIG), se presenta como una alternativa metodológica robusta para evaluar la variación espacial de la fertilidad del suelo. Herramientas como la interpolación kriging, el índice de Moran y el análisis de variogramas permiten modelar la heterogeneidad espacial de las propiedades fisicoquímicas del suelo y generar mapas temáticos que orienten decisiones de manejo sitio-específico, mejorando la eficiencia en el uso de fertilizantes y enmiendas, y contribuyendo a la conservación de la calidad del suelo en el largo plazo (Culman et al., 2021; Chinea-Horta y Rodríguez-Izquierdo, 2021). En este marco, el objetivo del presente documento es analizar la fertilidad y la variabilidad espacial de los suelos en la EEA Arequipa, con la finalidad de generar información técnica que contribuya la planificación agrícola y el fortalecimiento de los sistemas productivos regionales. En específico, se busca evaluar el estado actual de la fertilidad del suelo, determinar sus principales limitaciones, desarrollar mapas de variación espacial de las propiedades edáficas y proponer estrategias de manejo que permitan optimizar el uso de fertilizantes, aumentar la productividad y promover la sostenibilidad de los sistemas productivos de la estación.
Variación espacial de la fertilidad del suelo en la EEA Baños del Inca
(Instituto Nacional de Innovación Agraria (INIA), 2026-02-27) Quispe Matos, Kenyi Rolando; Carbajal Llosa, Carlos Miguel; Mejia Maita, Sharon Yahaira; Chuchon Remon, Rodolfo Juan; Fernandez Puquio, Albert Einstein; Chávez Collantes, Azucena; Ureta Sierra, Cledy; Solórzano Acosta, Richard Andi; Cruz Luis, Juancarlos Alejandro
Los suelos de la selva alta peruana presentan condiciones edáficas particulares, que derivan de su origen geológico, el régimen climático húmedo y la intensa dinámica de lixiviación de nutrientes. Dichas condiciones, generan procesos de acidificación, pérdida de bases de cambio y heterogeneidad en la fertilidad de los suelos, lo que limita la sostenibilidad de los sistemas agrícolas si no se implementan prácticas de manejo adecuadas (Solórzano et al., 2025). En particular, en la Estación Experimental Agraria (EEA) Pichanaki predominan suelos Leptosol, Cambisol y Regosol éutricos en la sede principal, mientras que en el anexo se distinguen Cambisol dístrico y Alisol háplico (Instituto Nacional de Recursos Naturales [INRENA], 1996). Asimismo, el clima se caracteriza por precipitaciones cercanas a 2000 mm anuales y temperaturas medias de 18 a 24 °C (Cruz-Luis et al., 2025). Estas condiciones confieren a los suelos de la estación características como acidez elevada, baja capacidad de intercambio catiónico efectiva y concentraciones limitadas de calcio, magnesio y potasio, lo que restringe la saturación de bases y acentúa la toxicidad del aluminio en la rizosfera (Quispe et al., 2025). Además, estos suelos ácidos muestran contenidos reducidos de fósforo disponible y materia orgánica, propiedades clave para la sostenibilidad edáfica en ambientes tropicales (Quispe et al., 2025). La combinación de acidez, deficiencia de nutrientes y alta lixiviación derivada de las lluvias intensas contribuye a la degradación química del suelo y limita la eficiencia del uso de fertilizantes (Sitthaphanit et al., 2009). Dichas limitaciones repercuten directamente en los cultivos estratégicos de la región, como el café, cacao y especies forestales, cuya productividad depende de estrategias de fertilización y encalado adaptadas a la variabilidad espacial de las propiedades edáficas. En función de las características particulares que presentan los suelos de la Estación Experimental Agraria Pichanaki, la evidencia científica señala la necesidad de aplicar una estrategia integral de manejo del suelo. Esta estrategia debe incluir la caracterización y elaboración de mapas de la variabilidad espacial de las propiedades físicas y químicas del suelo mediante herramientas de geoestadística y mapeo digital; la identificación de los principales factores limitantes de la fertilidad, como el pH, la acidez intercambiable, el fósforo, las bases de cambio y la materia orgánica; así como el diseño de prácticas de manejo diferenciadas según zonas, tales como el encalado variable, la aplicación localizada de enmiendas orgánicas y la fertilización específica. La implementación de estas prácticas permitirá un uso más eficiente de los insumos agrícolas, el incremento de la productividad y una mejor resiliencia del suelo frente a la degradación (Heuvelink y Webster, 2022; McBratney et al., 2003; Lowenberg-DeBoer y Erickson, 2019). En ese sentido, el presente documento tiene como objetivo brindar los lineamientos técnicos y prácticos para el diagnóstico, la zonificación y el manejo diferenciado de la fertilidad del suelo en la Estación Experimental Agraria Pichanaki, considerando la variabilidad espacial de sus propiedades edáficas, para optimizar el uso de fertilizantes y enmiendas, mejorar la productividad de los cultivos y fortalecer la sostenibilidad y resiliencia de los suelos en condiciones de selva alta