aumentado enormemente nuestra capacidad para recolectar, analizar y

predecir información espacial relacionada con los suelos, pero vincular

toda esta nueva información a las propiedades y procesos del suelo aún
puede ser un desafío y se necesitan modelos pedológicos mejorados. La
expansión del uso del conocimiento del suelo para abordar problemas más
allá de la producción agronómica, como la planificación del uso de la tierra,
preocupaciones ambientales, seguridad alimentaria, seguridad energética,
seguridad hídrica y salud humana, por nombrar algunos, requiere nuevas
formas de comunicar lo que sabemos sobre los suelos que mapeamos, así
como plantear preguntas de investigación que no se consideraron
ampliamente en estudios anteriores de suelos. En la actualidad, esta
información se comunica utilizando docenas de sistemas nacionales de
clasificación de suelos, así como el WRB, pero un sistema de clasificación
de suelos más universal facilitaría la comunicación internacional de la
información sobre suelos. Aún hay muchas necesidades significativas en el
área de mapeo del suelo, clasificación y modelado pedológico de cara al
futuro. © 2015 Elsevier B.V. Todos los derechos reservados.

1. Introducción

El mapeo del suelo, la clasificación y el modelado pedológico han sido

impulsores importantes en el avance de nuestra comprensión del suelo
desde los primeros días del estudio científico de los suelos. Los primeros
mapas de suelo eran deseables para fines de valoración de tierras para
impuestos, planificación agronómica (Brevik y Hartemink, 2010), e incluso
en operaciones militares (Brevik et al., 2015a). El mapeo del suelo requería
sistemas de clasificación que permitieran una comunicación eficiente de la
información mapeada de manera fácilmente comprensible. A su vez, los
sistemas de clasificación requerían comprensión del sistema del suelo
(Marbut, 1922) y obtener esa comprensión incluía observar patrones
espaciales en el campo y el desarrollo de modelos de suelo (Wilding, 1994).
Por lo tanto, el avance en una de estas áreas altamente interrelacionadas
tendía a llevar a avances correspondientes en las otras, y estas relaciones
persisten en la era moderna. El estudio de la historia detrás de estas
relaciones nos permite entender cómo llegamos a nuestras teorías
actuales, lo que incluye una mejor comprensión tanto de las fortalezas
como de las debilidades de esas teorías. Aunque se han realizado muchos
avances en nuestra comprensión del sistema del suelo desde finales de
1800, cuando la ciencia del suelo floreció como una disciplina científica por
derecho propio, todavía hay muchas preguntas sin respuesta y necesidades
adicionales en el mapeo del suelo, la clasificación, y el modelado
pedológico.
and pedologic modeling. New technologies such as GPS, GIS, remote
sensing, on-site geophysical instrumentation and associated data log-
gers, and the development of statistical and geostatistical techniques
have greatly increased our ability to collect, analyze, and predict spatial
information related to soils. However, linking all of this new information
to soil properties and processes can still be a challenge and enhanced
pedologic models are needed. It is also important to reduce the uncer-
tainty of pedologic models and create robust methods that allow better
prediction and validation of current models.
The expanding use of soil knowledge to address issues beyond agro-
nomic production, such as land use planning, environmental concerns,
food security, energy security, water security, and human health re-
quires new methods for communicating what we know about the
soils we map (Sanchez et al., 2009). It is critical that as soil scientists
we not only engage in interdisciplinary collaborations with other scien-
tists who work in these areas, but that we also engage in transdisciplin-
ary approaches that directly include the various stakeholders in these
areas, not all of whom are scientists (Bouma, 2015a). In addition, ad-
vancing the use of soils knowledge into these new areas brings forth re-
search questions that were not widely considered in earlier soils studies
(Brevik et al., 2015a). At present this information is communicated
using dozens of national soil classification systems as well as the
World Reference Base for Soil Resources (WRB), but a more universal
soil classification system would facilitate international communication
of soils information (Hempel et al., 2013). There are still many signifi-
cant research needs in the area of soil mapping, classification, and ped-
ologic modeling going into the future. This review will highlight both
accomplishments to date as well as discuss continuing needs in soil sur-
vey, classification, and pedologic modeling as we move forward.
2. Soil survey
2.1. History
The earliest recorded spatial information on soil properties were not
actually maps, but written accounts that linked certain soil attributes to
the ownership documents for given pieces of land. These accounts were
utilized in the feudal system of western Europe, in Arabia from the 6th
to the 15th century, and in China from approximately 300 to 1951 CE
(Miller and Schaetzl, 2014). The first actual mapping of soil attributes
was undertaken in Europe in the early 1700s for the purposes of land
valuation and taxation (Brevik and Hartemink, 2010). These early soil
maps typically used outline maps of political boundaries as their base
maps (Miller and Schaetzl, 2014). During the 19th century soil mapping
began in the United States, although the maps created were really sur-
ficial geology maps made by state geological surveys (Beaumont,
1931; Aldrich, 1979). The state geological surveys undertook soil map-
ping as one way to help justify their budgets (Aldrich, 1979; Landa,
2010). Soil mapping also continued in Europe during the 19th century,
with the widespread availability of relatively accurate topographic
maps as base maps significantly enhancing the soil surveyors' ability
to accurately record spatial soils information as it related to the sur-
rounding landscape and to cultural features (Miller and Schaetzl, 2014).
The beginning of the 20th Century saw the advent of detailed
nationally-organized soil survey programs. This started in the USA in
1899 (Marbut, 1928) (Fig. 1). Geologists were typically hired to conduct
the soil mapping because academic programs to train soil mappers did
not exist, but geologists were trained in field mapping skills (Coffey,
1911; Lapham, 1949). Not surprisingly, these early USA maps were
strongly influenced by geology (Brevik and Hartemink, 2013). National
soil survey programs also began in several other countries during the
20th Century, including Russia in 1908, Canada in 1914, Australia and
Great Britain in the 1920s, and China in 1931 (Simonson, 1989),
Mexico in 1926 (Gonzalez et al., 2010), Sri Lanka in 1930 (Mapa,
2006), Poland in 1935 (Bialousz et al., 2005), The Netherlands in 1945
(Hartemink and Sonneveld, 2013), Ghana in 1946 (Effland et al.,
2006), Malaysia in 1955 (Paramananthan et al., 2006) and Spain in the
first decades of the 20th Century (Bellinfante et al., 2013; Guerra
Delgado et al., 1968).
International exchanges of soil survey ideas were also occurring as
these national programs were being established, with several countries
providing assistance to others (Table 1) (Fig. 2). Exchanges on a more
individual level also occurred. For example, the Czech Walter Kubiena
collaborated on soil surveys during various stays in Spain between
1943 and 1970 and also worked in Austria, the USA and Germany,
where he was visited by researchers from different countries (Porta
et al., 2008; Schimitschek, 1971). Soil genesis and survey topics were
widely discussed at the early International Congresses of Soil Science
(Bockheim et al., 2014) (Fig. 3) and at other major international meet-
ings of the time (Calzolari, 2013), leading to a significant international
exchange of ideas.
Soil survey received a large amount of attention and significant
funding through the latter parts of the 20th century, including survey ac-
tivities in both developed and developing countries, with the Food and
Agricultural Organization of the United Nations providing both technical
and financial support in the latter case (Brevik and Hartemink, 2010).
However, funding and soil survey activity declined in many parts of the
world starting in about the 1980s (Hartemink and McBratney, 2008),
and even some developed countries such as the United Kingdom ceased
active soil survey completely (Krasilnikov et al., 2009).
2.2. Modern status
Most of the soil maps available today were created by manually
drawing delineations directly onto paper or a transparent overlay (Soil
Survey Staff, 1993; Hartemink et al., 2013). Later many of these maps
were digitized into various GIS formats, but they retain the respective
source maps' limitations and approaches for dealing with those limita-
tions (Jones et al., 2005a). Specifically, the map units of legacy soil
maps were generalized to fit the amount of information the soil mapper
could interpret from the available base maps and field observations as
well as be legibly delineated at the selected cartographic scale of pro-
duction (Simonson, 1952; Huddleston, 2003) (e.g., Fig. 4).
Those legacy maps are generally the best available soil maps for
most of the world. However, they vary widely in quality, particularly
with respect to spatial and attribute detail. Regardless, all legacy soil
maps suffer from two major shortcomings: 1) lack of consistency and
2) lack of rigorously tested accuracy. Current soil maps lack attribute
consistency because they use different classification systems and were
created at different cartographic scales. Differences in classification sys-
tems manifest in the soil maps via differences in definitional breaks be-
tween classes and different prioritization of respective soil properties
(Owens et al., 2014). The classification systems are also influenced by
the cartographic scales of the maps that informed their design and the
future maps they are intended to serve (Miller and Schaetzl, 2015–
this issue). Soil maps created at different cartographic scales required
different levels of generalization, which affected the prioritization of dif-
ferent landscape features (Hudson and Culver, 1994). Legacy soil maps
also lack consistency because of the human factor that was required
for synthesizing information and modeling the soil landscape. Although
great effort was made in training and the sharing of ideas, in the end,
legacy soil maps were the product of mental pedologic models devel-
oped by individual mappers (Hudson, 1992). Further, the application
of those mental models still required judgment calls by the mapper to
deal with broad gradients and lack of information in the base maps.
In addition to consistency, another highly desirable characteristic of
soil maps is a measure of uncertainty. Although there have been studies
testing the accuracy of legacy soil maps (Hammer et al., 1998; Brevik
et al., 2003), these maps are not normally tested in a rigorous way to
quantify the map uncertainty. Measuring map accuracy or uncertainty
is challenging because often all resources are put into creating the best
possible map. It is also difficult to revisit soil maps created in the past
257E.C. Brevik et al. / Geoderma 264 (2016) 256–274
y modelado pedológico. Nuevas tecnologías como GPS, SIG, teledetección,
instrumentación geofísica in situ y registradores de datos asociados, así
como el desarrollo de técnicas estadísticas y geoestadísticas han
aumentado enormemente nuestra capacidad para recolectar, analizar y
predecir información espacial relacionada con los suelos. Sin embargo,
vincular toda esta nueva información a las propiedades y procesos del
suelo aún puede ser un desafío y se necesitan modelos pedológicos
mejorados. También es importante reducir la incertidumbre de los
modelos pedológicos y crear métodos robustos que permitan una mejor
predicción y validación de los modelos actuales. El uso creciente del
conocimiento sobre suelos para abordar problemas más allá de la
producción agronómica, como la planificación del uso de la tierra,
preocupaciones ambientales, seguridad alimentaria, seguridad energética,
seguridad hídrica y salud humana, requiere nuevos métodos para
comunicar lo que sabemos sobre los suelos que mapeamos (Sanchez et al.,
2009). Es crítico que, como científicos del suelo, no solo participemos en
colaboraciones interdisciplinarias con otros científicos que trabajan en
estas áreas, sino que también nos involucremos en enfoques
transdisciplinarios que incluyan directamente a los diversos interesados en
estas áreas, no todos de los cuales son científicos (Bouma, 2015a). Además,
avanzar en el uso del conocimiento sobre suelos en estas nuevas áreas
plantea preguntas de investigación que no se habían considerado
ampliamente en estudios anteriores sobre suelos (Brevik et al., 2015a). En
la actualidad, esta información se comunica utilizando docenas de
sistemas nacionales de clasificación de suelos, así como la Base de
Referencia Mundial para Recursos del Suelo (WRB), pero un sistema de
clasificación de suelos más universal facilitaría la comunicación
internacional de la información sobre suelos (Hempel et al., 2013). Aún hay
muchas necesidades de investigación significativas en el área de mapeo de
suelos, clasificación y modelado pedológico de cara al futuro. Esta revisión
destacará tanto los logros hasta la fecha como discutirá las necesidades
continuas en el levantamiento de suelos, clasificación y modelado
pedológico a medida que avanzamos.

1. Levantamiento de suelos

2.1. Historia

La información espacial más antigua registrada sobre las propiedades del

suelo no eran en realidad mapas, sino relatos escritos que vinculaban
ciertos atributos del suelo a los documentos de propiedad de terrenos
específicos. Estos relatos se utilizaron en el sistema feudal de Europa
occidental, en Arabia desde el siglo VI hasta el XV, y en China desde
aproximadamente 300 hasta 1951 d.C. (Miller y Schaetzl, 2014). El primer
mapeo real de atributos del suelo se llevó a cabo en Europa a principios de
1700 con fines de valoración y tributación de tierras (Brevik y Hartemink,
2010). Estos primeros mapas de suelos generalmente utilizaban mapas de
contorno de límites políticos como sus mapas base (Miller y Schaetzl,
2014). Durante el siglo XIX, el mapeo de suelos comenzó en los Estados
Unidos, aunque los mapas creados eran en realidad mapas de geología
superficial elaborados por encuestas geológicas estatales (Beaumont,
1931; Aldrich, 1979). Las encuestas geológicas estatales llevaron a cabo el
mapeo de suelos como una forma de ayudar a justificar sus presupuestos
(Aldrich, 1979; Landa, 2010). El mapeo de suelos también continuó en
Europa durante el siglo XIX, con la disponibilidad generalizada de mapas
topográficos relativamente precisos como mapas base, lo que mejoró
significativamente la capacidad de los encuestadores de suelos para
registrar con precisión la información espacial de los suelos en relación con
el paisaje circundante y las características culturales (Miller y Schaetzl,
2014). El comienzo del siglo XX vio la llegada de programas de
levantamiento de suelos organizados a nivel nacional y detallados. Esto
comenzó en EE. UU. en 1899 (Marbut, 1928) (Fig. 1). Generalmente se
contrataba a geólogos para realizar el mapeo de suelos porque no existían
programas académicos para capacitar a los mapeadores de suelos, pero los
geólogos estaban capacitados en habilidades de mapeo de campo (Coffey,
1911; Lapham, 1949). No es sorprendente que estos primeros mapas de EE.
UU. estuvieran fuertemente influenciados por la geología (Brevik y
Hartemink, 2013). Los programas nacionales de levantamiento de suelos
también comenzaron en varios otros países durante el siglo XX, incluyendo
Rusia en 1908, Canadá en 1914, Australia y Gran Bretaña en la década de
1920, y China en 1931 (Simonson, 1989), México en 1926 (Gonzalez et al.,
2010), Sri Lanka en 1930 (Mapa, 2006), Polonia en 1935 (Bialousz et al.,
2005), los Países Bajos en 1945 (Hartemink y Sonneveld, 2013), Ghana en
1946 (Ef fl and et al., 2006), Malasia en 1955 (Paramananthan et al., 2006) y
España en las primeras décadas del siglo XX (Bellinfante et al., 2013; Guerra
Delgado et al., 1968). También se estaban produciendo intercambios
internacionales de ideas sobre levantamiento de suelos a medida que se
establecían estos programas nacionales, con varios países brindando
asistencia a otros (Tabla 1) (Fig. 2). También ocurrieron intercambios a un
nivel más individual. Por ejemplo, el checo Walter Kubiena colaboró en
levantamientos de suelos durante varias estancias en España entre 1943 y
1970 y también trabajó en Austria, EE. UU. y Alemania, donde fue visitado
por investigadores de diferentes países (Porta et al., 2008; Schimitschek,
1971). La génesis del suelo y los temas de levantamiento se discutieron
ampliamente en los primeros Congresos Internacionales de Ciencia del
Suelo (Bockheim et al., 2014) (Fig. 3) y en otras reuniones internacionales
importantes de la época (Calzolari, 2013), lo que llevó a un intercambio
internacional significativo de ideas. El levantamiento de suelos recibió una
gran cantidad de atención y financiamiento significativo a través de las
últimas partes del siglo XX, incluyendo actividades de levantamiento en
países desarrollados y en desarrollo, con la Organización de las Naciones
Unidas para la Alimentación y la Agricultura proporcionando tanto apoyo
técnico como financiero en este último caso (Brevik y Hartemink, 2010). Sin
embargo, el financiamiento y la actividad de levantamiento de suelos
disminuyeron en muchas partes del mundo a partir de aproximadamente la
década de 1980 (Hartemink y McBratney, 2008), e incluso algunos países
desarrollados como el Reino Unido cesaron completamente el
levantamiento activo de suelos (Krasilnikov et al., 2009).

2.2. Estado moderno

La mayoría de los mapas de suelos disponibles hoy en día fueron creados

dibujando manualmente delimitaciones directamente sobre papel o una
superposición transparente (Personal del Levantamiento de Suelos, 1993;
Hartemink et al., 2013). Más tarde, muchos de estos mapas fueron
digitalizados en varios formatos de SIG, pero conservan las limitaciones y
enfoques de los mapas fuente respectivos para lidiar con esas limitaciones
(Jones et al., 2005a). Específicamente, las unidades de mapa de los mapas
de suelos heredados fueron generalizadas para ajustarse a la cantidad de
información que el mapeador de suelos podía interpretar de los mapas
base disponibles y las observaciones de campo, así como para ser
delineadas de manera legible a la escala cartográfica seleccionada para la
producción (Simonson, 1952; Huddleston, 2003) (por ejemplo, Fig. 4). Esos
mapas heredados son generalmente los mejores mapas de suelos
disponibles para la mayor parte del mundo. Sin embargo, varían
ampliamente en calidad, particularmente con respecto a los detalles
espaciales y de atributos. Sin embargo, todos los mapas de suelos
heredados sufren de dos grandes deficiencias: 1) falta de consistencia y 2)
falta de precisión rigurosamente probada. Los mapas de suelos actuales
carecen de consistencia de atributos porque utilizan diferentes sistemas de
clasificación y fueron creados a diferentes escalas cartográficas. Las
diferencias en los sistemas de clasificación se manifiestan en los mapas de
suelos a través de diferencias en los cortes definitorios entre clases y
diferentes priorizaciones de las respectivas propiedades del suelo (Owens
et al., 2014). Los sistemas de clasificación también están influenciados por
las escalas cartográficas de los mapas que informaron su diseño y los
futuros mapas a los que están destinados a servir (Miller y Schaetzl, 2015 –
este número). Los mapas de suelos creados a diferentes escalas
cartográficas requerían diferentes niveles de generalización, lo que afectó
la priorización de diferentes características del paisaje (Hudson y Culver,
1994). Los mapas de suelos heredados también carecen de consistencia
debido al factor humano que fue necesario para sintetizar información y
modelar el paisaje del suelo. Aunque se hizo un gran esfuerzo en la
capacitación y el intercambio de ideas, al final, los mapas de suelos
heredados fueron el producto de modelos pedológicos mentales
desarrollados por mapeadores individuales (Hudson, 1992). Además, la
aplicación de esos modelos mentales aún requería decisiones de juicio por
parte del mapeador para lidiar con amplios gradientes y la falta de
información en los mapas base. Además de la consistencia, otra
característica altamente deseable de los mapas de suelos es una medida de
incertidumbre. Aunque ha habido estudios que prueban la precisión de los
mapas de suelos heredados (Hammer et al., 1998; Brevik et al., 2003), estos
mapas no se prueban normalmente de manera rigurosa para cuantificar la
incertidumbre del mapa. Medir la precisión o incertidumbre del mapa es un
desafío porque a menudo todos los recursos se destinan a crear el mejor
mapa posible. También es difícil revisar los mapas de suelos creados en el
pasado.

y probar la incertidumbre porque el sistema del suelo no es estático. Las

propiedades y clasificaciones del suelo pueden cambiar dentro de escalas
de tiempo de décadas (Mokma et al., 1996; Veenstra y Burras, 2012; Busch y
Presley, 2014). Aunque muchos mapas de suelo asocian unidades de mapa
con rangos cuantificados de propiedades del suelo esperadas, aquellos que
usarían los datos para modelos ambientales generalmente consideran que
la dispersión de esos rangos es demasiado amplia o no es una
representación precisa (Gessler et al., 1995; Di Luzio et al., 2004; Thompson
y Kolka, 2005; Miller, 2012). Por esta razón, algunos autores han sugerido
que la recolección de información del suelo requiere una mejor
comprensión de la variabilidad espacial y temporal de las propiedades del
suelo (Ibáñez et al., 2005).

La revolución geoespacial ha introducido herramientas y tecnologías como

sistemas de posicionamiento geográfico (GPS), sistemas de información
geográfica (SIG), teledetección, detección proximal vinculada a SIG y
estadísticas espaciales. Estas tecnologías han cambiado enormemente la
forma en que se realiza el mapeo del suelo en el siglo XXI (McBratney et al.,
2003; Scull et al., 2003; Lagacherie, 2008). Además de proporcionar
información espacial más precisa a resoluciones más finas, estas
innovaciones están proporcionando cada vez más fuentes de datos
espaciales y nuevas formas de analizar esos datos (Mulder et al., 2011;
Miller y Schaetzl, 2014). El esfuerzo actual por superar las limitaciones
pasadas del mapeo del suelo ahora está utilizando nuevos datos y nuevas
técnicas de modelado pedológico.

Los enfoques geoestadísticos como el kriging permiten la aplicación de

autocorrelación espacial para interpolar entre puntos de muestra y
cuantificar la incertidumbre (Goovaerts, 2001). Sin embargo, varios
estudios han demostrado que la precisión de la predicción puede
mejorarse mediante el uso adicional de asociación espacial a través de
covariables (por ejemplo, Odeh et al., 1995; Adhikari et al., 2013; Holleran et
al., 2015). No obstante, los métodos de interpolación espacial son por
naturaleza limitados al área entre muestras y a menudo requieren una
densidad de muestreo que no es práctica para mapear grandes
extensiones.

Fig. 1. El primer mapa nacional de suelos publicado para los EE. UU.
(Whitney, 1909).

Tabla 1 Asistencia internacional proporcionada en el establecimiento de

programas nacionales de encuesta de suelos.

Krupenikov (1992), Brevik (1999, 2010), Gonzalez et al. (2010), Anderson y

Smith (2011)

258 E.C. Brevik et al. / Geoderma 264 (2016) 256 – 274.

Fig. 2. One sheet from a soil map of Africa produced in 1963 by the Institut
Géographique Militaire in Bruxelles. Illustrating the international nature of
soil mapping in Africa, this map was
coordinated by J.L. D'Hoore in collaboration with soil scientists such as A.
Van Wambeke, H. Besairie, R.E.G. Picchi-Sermoli, G.H. Gethin Jones, J.
Thorp, R. Webster, E.M. Chenery, C. Ollier, and
J.G. Wilson.
259E.C. Brevik et al. / Geoderma 264 (2016) 256–274

Fig. 2. Una hoja de un mapa de suelos de África producido en 1963 por el

Institut Géographique Militaire en Bruselas.
Ilustrando la naturaleza internacional de la cartografía de suelos en África,
este mapa fue coordinado por J.L. D'Hoore en colaboración con científicos
del suelo como A. Van Wambeke, H. Besairie, R.E.G. Picchi-Sermoli, G.H.
Gethin Jones, J. Thorp, R. Webster, E.M. Chenery, C. Ollier y J.G. Wilson.

259 E.C. Brevik et al. / Geoderma 264 (2016) 256 – 274.

this reason, spatial association remains the primary principle for
predicting the spatial distribution of soil, but can be enhanced by
geostatistical methods.
The spatial association approach (e.g., environmental correlation, re-
gression kriging, and regression trees) has a tremendous future poten-
tial because of the exponential growth in possible base maps. For
example, remote sensing products are increasing in resolution and
more temporal options are becoming available. However, for the most
part, satellite and aerial-based sensing directly detects only conditions
at the Earth's surface. In contrast, onsite geophysical instruments
(e.g., EMI, GPR, and PXRF) can detect the properties of materials
below the surface (Collins and Doolittle, 1987; Weindorf et al., 2012;
Doolittle and Brevik, 2014). To better utilize the newly available base
maps, soil scientists are experimenting with different methods of pre-
dictive data mining (e.g., Behrens and Scholten, 2006; Moran and Bui,
2002; Miller et al., 2015a, 2015b).
2.3. Future needs
Recognition of the need for spatial soil information continues to
grow. Where soil maps had once been seen as primarily serving agricul-
tural and cadastral purposes, increased awareness about the importance
of soil's role in environmental systems is driving new demands for bet-
ter soil maps (Indorante et al., 1996; Miller, 2012). Improving technolo-
gy continues to make better soil maps more obtainable. Technology
already in existence today makes it possible to create soil maps with
greater global coverage, greater accuracy for specific soil properties,
and finer spatial resolution (Sanchez et al., 2009; Omuto et al., 2013).
Also, by applying computer models, these maps can be produced with
better consistency. If well documented, the production process of the
maps can be reproduced, a key principle in scientific work. Despite a
renewed interest in soil science (Hartemink and McBratney, 2008), in-
vestment in creating these maps appears to still be below the level of in-
vestment during the first half of the 20th century.
Although available technologies increase the accuracy and efficiency
of modeling the soil landscape, the classic problem of sufficient sam-
pling remains. Acquiring the samples to provide the spatial support
for developing better soil mapping models is time and resource inten-
sive, but the more it is done, the better the maps will be (Domburg
et al., 1997). Also, without fieldwork the exceptions to the current un-
derstanding of soil landscapes cannot be discovered. Therefore, in-
creases in mapping efficiency due to advances in remote sensing and
spatial pedologic modeling should not be mistaken for a reason to invest
fewer resources to fieldwork. The soil landscape is a dynamic and inte-
gral part of environmental systems, which requires continual observa-
tion and field work is an important part of this.
The increased use of soil maps as input to other models and the
greater scrutiny that the public is putting on scientific predictions has
created the need to better quantify uncertainty. More spatial informa-
tion and new quantitative techniques are providing the means to
meet this demand (Heuvelink and Webster, 2001). Because the soil
landscape is dynamic, the measurement of the pedologic model's uncer-
tainty is best done during the process of making the map. However, for
the great majority of the Earth's surface, the best available soil data is in
the form of – or derived from – legacy soil maps. The change in the soil
landscape since the creation of the map adds an additional source of un-
certainty (Lagacherie, 2008; Veenstra and Burras, 2012). This situation
reiterates the need for investment in modern soil mapping efforts, in-
cluding an emphasis on understanding changes in the soil landscape.
Beyond improvements to the fundamentals of soil mapping, new
geospatial technologies provide opportunities to analyze and communi-
cate information about the soil landscape in new ways (Goodchild,
1988, 1992). Soil mapping has always had a close relationship with
the development of soil knowledge (Simonson, 1991; Brevik and
Hartemink, 2013; Miller and Schaetzl, 2015–this issue). Efforts to map
soil provide data and raise new questions about the spatial distribution
and environmental context of soils, which informs research on soil for-
mation processes (Jenny, 1941; Hole and Campbell, 1985; Schad et al.,
2001). Because of the new tools being developed to analyze and com-
municate geographic information, the geospatial revolution is cause to
rejuvenate the relationship between soil science and geography. Simi-
larly, paradigms for how the soil landscape is conceptualized and stud-
ied are being appropriately challenged (Burrough et al., 1997; Phillips,
2013), but need to stay connected with the needs of those that use
soil map information. Among the issues to be considered is the treat-
ment of soil as a continuous field or a natural body with organization
that is part of a complex system (Webster, 2000). GIS also breaks
apart components of what has been called scale, which now requires
more explicit definition and synchronization between disciplines (Wu
and Li, 2006).
After all of the research, data collection, and pedologic modeling the
final step is to deliver the information to the end-users. This is a com-
plex issue because of the diverse audience and wide variety of uses for
soil maps. What is needed data for environmental models may not be
the optimal presentation of information for policy makers, land use
planners, and land owners. Aggregating and interpreting spatial data
has always been a part of soil classification and cartography; recent
technological advancements offer new opportunities in this area. The
synthesizing can now be done more efficiently in an explicit and
documented manner, which also allows greater customization for audi-
ence needs. Increasingly, maps are provided to users “on-demand”,
where specialized web programs query a geodatabase and format the
Fig. 3. Left — C.F. Marbut (left) of the United States and K.D. Glinka (right)
of Russia at the 1927 International Society of Soil Science (ISSS) Congress.
Right — An international group of soil
scientists participate in a field trip at the 1927 ISSS Congress. Photos courtesy
of USDA-NRCS.
260 E.C. Brevik et al. / Geoderma 264 (2016) 256–274

Por esta razón, la asociación espacial sigue siendo el principio principal

para predecir la distribución espacial del suelo, pero puede ser mejorada
por métodos geoestadísticos. El enfoque de asociación espacial (por
ejemplo, correlación ambiental, kriging de regresión y árboles de regresión)
tiene un tremendo potencial futuro debido al crecimiento exponencial en
posibles mapas base. Por ejemplo, los productos de teledetección están
aumentando en resolución y más opciones temporales están disponibles.
Sin embargo, en su mayor parte, la detección basada en satélites y aéreas
solo detecta directamente las condiciones en la superficie de la Tierra. En
contraste, los instrumentos geofísicos en el sitio (por ejemplo, EMI, GPR y
PXRF) pueden detectar las propiedades de los materiales debajo de la
superficie (Collins y Doolittle, 1987; Weindorf et al., 2012; Doolittle y Brevik,
2014). Para utilizar mejor los nuevos mapas base disponibles, los científicos
del suelo están experimentando con diferentes métodos de minería de
datos predictiva (por ejemplo, Behrens y Scholten, 2006; Moran y Bui, 2002;
Miller et al., 2015a, 2015b).

2.3. Necesidades futuras

El reconocimiento de la necesidad de información espacial sobre el suelo

sigue creciendo. Donde los mapas de suelo alguna vez se vieron
principalmente como un servicio para propósitos agrícolas y catastrales,
una mayor conciencia sobre la importancia del papel del suelo en los
sistemas ambientales está impulsando nuevas demandas de mejores
mapas de suelo (Indorante et al., 1996; Miller, 2012). La mejora de la
tecnología sigue haciendo que los mejores mapas de suelo sean más
accesibles. La tecnología que ya existe hoy hace posible crear mapas de
suelo con mayor cobertura global, mayor precisión para propiedades
específicas del suelo y una resolución espacial más fina (Sanchez et al.,
2009; Omuto et al., 2013). Además, al aplicar modelos informáticos, estos
mapas pueden ser producidos con mejor consistencia. Si se documenta
bien, el proceso de producción de los mapas puede ser reproducido, un
principio clave en el trabajo científico. A pesar de un renovado interés en la
ciencia del suelo (Hartemink y McBratney, 2008), la inversión en la creación
de estos mapas parece seguir estando por debajo del nivel de inversión
durante la primera mitad del siglo XX. Aunque las tecnologías disponibles
aumentan la precisión y eficiencia de modelar el paisaje del suelo, el
clásico problema de muestreo suficiente persiste. Adquirir las muestras
para proporcionar el soporte espacial para desarrollar mejores modelos de
mapeo del suelo es intensivo en tiempo y recursos, pero cuanto más se
haga, mejores serán los mapas (Domburg et al., 1997). Además, sin trabajo
de campo, las excepciones a la comprensión actual de los paisajes de suelo
no pueden ser descubiertas. Por lo tanto, los aumentos en la eficiencia de
mapeo debido a los avances en teledetección y modelado pedológico
espacial no deben ser malinterpretados como una razón para invertir
menos recursos en trabajo de campo. El paisaje del suelo es una parte
dinámica e integral de los sistemas ambientales, lo que requiere
observación continua y el trabajo de campo es una parte importante de
esto. El uso creciente de mapas de suelo como insumo para otros modelos
y el mayor escrutinio que el público está poniendo en las predicciones
científicas ha creado la necesidad de cuantificar mejor la incertidumbre.
Más información espacial y nuevas técnicas cuantitativas están
proporcionando los medios para satisfacer esta demanda (Heuvelink y
Webster, 2001). Debido a que el paisaje del suelo es dinámico, la medición
de la incertidumbre del modelo pedológico se realiza mejor durante el
proceso de elaboración del mapa. Sin embargo, para la gran mayoría de la
superficie de la Tierra, los mejores datos de suelo disponibles están en
forma de mapas de suelo heredados o derivados de ellos. El cambio en el
paisaje del suelo desde la creación del mapa añade una fuente adicional de
incertidumbre (Lagacherie, 2008; Veenstra y Burras, 2012). Esta situación
reitera la necesidad de inversión en esfuerzos modernos de mapeo del
suelo, incluyendo un énfasis en comprender los cambios en el paisaje del
suelo. Más allá de las mejoras en los fundamentos del mapeo del suelo, las
nuevas tecnologías geoespaciales ofrecen oportunidades para analizar y
comunicar información sobre el paisaje del suelo de nuevas maneras
(Goodchild, 1988, 1992).
El mapeo del suelo siempre ha tenido una relación estrecha con el
desarrollo del conocimiento del suelo (Simonson, 1991; Brevik y
Hartemink, 2013; Miller y Schaetzl, 2015 – este número). Los esfuerzos por
mapear el suelo proporcionan datos y plantean nuevas preguntas sobre la
distribución espacial y el contexto ambiental de los suelos, lo que informa
la investigación sobre los procesos de formación del suelo (Jenny, 1941;
Hole y Campbell, 1985; Schad et al., 2001). Debido a las nuevas
herramientas que se están desarrollando para analizar y comunicar
información geográfica, la revolución geoespacial es motivo para
rejuvenecer la relación entre la ciencia del suelo y la geografía. De manera
similar, los paradigmas sobre cómo se conceptualiza y estudia el paisaje
del suelo están siendo desafiados de manera apropiada (Burrough et al.,
1997; Phillips, 2013), pero deben mantenerse conectados con las
necesidades de quienes utilizan la información de los mapas de suelo.
Entre los temas a considerar está el tratamiento del suelo como un campo
continuo o un cuerpo natural con organización que es parte de un sistema
complejo (Webster, 2000). GIS también descompone componentes de lo
que se ha llamado escala, lo que ahora requiere una definición y
sincronización más explícitas entre disciplinas (Wu y Li, 2006). Después de
toda la investigación, la recolección de datos y el modelado pedológico, el
paso final es entregar la información a los usuarios finales. Este es un
problema complejo debido a la diversa audiencia y la amplia variedad de
usos para los mapas de suelo. Lo que se necesita como datos para modelos
ambientales puede no ser la presentación óptima de información para
responsables de políticas, planificadores de uso del suelo y propietarios de
tierras. Agregar e interpretar datos espaciales siempre ha sido parte de la
clasificación y cartografía del suelo; los recientes avances tecnológicos
ofrecen nuevas oportunidades en este área. La síntesis ahora puede
hacerse de manera más eficiente de una manera explícita y documentada,
lo que también permite una mayor personalización para las necesidades de
la audiencia. Cada vez más, los mapas se proporcionan a los usuarios "bajo
demanda", donde programas web especializados consultan una
geodatabase y formatean la información.

Fig. 3. Izquierda — C.F. Marbut (izquierda) de los Estados Unidos y K.D.

Glinka (derecha) de Rusia en el Congreso Internacional de Ciencia del Suelo
(ISSS) de 1927. Derecha — Un grupo internacional de científicos del suelo
participa en una excursión de campo en el Congreso ISSS de 1927. Fotos
cortesía de USDA-NRCS.

E.C. Brevik et al. / Geoderma 264 (2016) 256 – 274.

information in a manner appropriate for the intended audience
(e.g., USDA-NRCS, 2014; ISRIC, 2014). The geospatial revolution has
also changed the concept of a map. Maps are no longer limited to
printed pieces of paper. Computer technologies are reinventing the
idea of what constitutes a good map. Geographers are experimenting
with new ways of presenting spatial information and contemplating
the impact of those different designs (van Elzakker, 2000; Crampton,
2001). There is a need to discover how to best present soil information
to the diverse audiences in this evolving digital world.
3. Classification systems
Soil classification systems originally developed in the late nineteenth
century from geological and agricultural roots, but all modern systems
were influenced by the Dokuchaev concept of soil forming factors that
led to the creation of pedology as a separate scientific discipline (Muir,
1962; Krasilnikov et al., 2009). It is necessary to accumulate knowledge
about a subject before that subject can be adequately classified (Marbut,
1922), and classification should change as knowledge about the subject
being classified changes (Smith, 1986). For these reasons, soil classifica-
tion systems underwent considerable change through the 20th century.
The National Cooperative Soil Survey (NCSS) in the USA has used at least
four formally adopted soil classification systems since nationally-
coordinated soil survey efforts began in 1899 (Table 2), and others
that were not formally adopted have been proposed (Brevik and
Hartemink, 2013). Other countries have evolved through multiple
philosophies of soil classification over the last several decades as well,
including Australia, Austria, Brazil, Canada, China, Cuba, France,
Germany, Hungary, Japan, New Zealand, Romania, Russia/USSR, and
Switzerland (Krasilnikov et al., 2009).
Soil classifications in many countries around the world have a long
and brilliant tradition. However, based on fragmentary recognition or
local tradition, most national classification systems have only empha-
sized selected soil forming factors and specifically defined soil groups,
typical for the local climate or prevailing parent materials; thus their ap-
plicability was often limited to one country or geographical region
(Krasilnikov et al., 2009). The other limiting factor was the local lan-
guage of the research papers and legends of soil maps (Labaz and
Kabala, 2014). Strong local traditions in terms of soil definitions and
naming may hamper the comparison of particular soil divisions in vari-
ous systems leading to misunderstanding and mistakes in worldwide
databases and on soil maps (Deckers et al., 1998).
Numerous new sensible approaches to soil origin across various geo-
logical and climate impacts, as well as the worldwide tendency towards
the unification and exchangeability of ideas (Gerasimova and Khitrov,
2012), make internationally developed soil classifications increasingly
attractive for local societies. These new approaches have strongly influ-
enced the recent development of national classification systems, includ-
ing such large classifications as the Russian, Chinese, Brazilian, Canadian
and others (Agriculture Canada, 1998; EMBRAPA, 2006; Lebedeva and
Gerasimova, 2012; Shi et al., 2006). Currently, the most influential inter-
national systems are Soil Taxonomy and the WRB.
3.1. Soil taxonomy
Modern American soil classification was born between 1950
and 1975 as a result of years-long discussions on how to bring together
the systems of soil series and the zonal concept of soil great
groups (Bockheim et al., 2014). The objective had not initially been
achieved, because no formal substantive parameters were found for
distinguishing zonal soils from azonal and intrazonal soils. Finally, the
activity of several working committees resulted in the fundamental re-
vision of the basic principles for distinguishing soil groups at higher tax-
onomic levels.
In the present-day Soil Taxonomy, soils are classified at six levels in a
hierarchical system, from highest to lowest: orders, suborders, great
groups, subgroups, families, and series (Soil Survey Staff, 2014). The
twelve soil orders are distinguished on the basis of the presence or
absence of one or more diagnostic horizons that are morphological man-
ifestations of soil processes. The suborders are distinguished primarily by
soil climate, and the great groups are distinguished on the basis of several
criteria. Subgroups are subdivided according to the central concept of the
great group versus intergradations to other taxa or extra-gradations to
“not soil”. Families are separated into particle-size, mineralogy, and soil
temperature classes. The lowest category is the series, which is based
on the set and arrangement of horizons. Soil series are divided into phases
Fig. 4. Excerpt from a soil map produced by the National Cooperative Soil
Survey (NCSS) in the USA (Jones, 1997). The map was originally produced
at a scale of 1:15,840. In this image,
three limitations from the manual cartographic process can be observed: (i)
delineations are strongly dependent on features that can be seen in the aerial
photograph as a base map, (ii)
there is a limit to how small of an area can be legibly delineated, and (iii) soil
boundaries are shown as sharp breaks rather than gradual transitions. Some of
the more important features
that were too small in areal extent to delineate are indicated by spot symbols
(i.e., three small circles indicate a gravelly spot, three parallel lines indicate
severe erosion, and a circle with a
verticle line indicates a small inclusion of the soil labeled as “6”).
261E.C. Brevik et al. / Geoderma 264 (2016) 256–274
información de una manera apropiada para el público objetivo (por
ejemplo, USDA-NRCS, 2014; ISRIC, 2014). La revolución geoespacial
también ha cambiado el concepto de un mapa. Los mapas ya no están
limitados a piezas impresas de papel. Las tecnologías informáticas están
reinventando la idea de lo que constituye un buen mapa. Los geógrafos
están experimentando con nuevas formas de presentar información
espacial y contemplando el impacto de esos diferentes diseños (van
Elzakker, 2000; Crampton, 2001). Hay una necesidad de descubrir cómo
presentar mejor la información del suelo a los diversos públicos en este
mundo digital en evolución.

Los sistemas de clasificación del suelo se desarrollaron originalmente a

finales del siglo XIX a partir de raíces geológicas y agrícolas, pero todos los
sistemas modernos fueron influenciados por el concepto de Dokuchaev de
factores formadores del suelo que llevaron a la creación de la pedología
como una disciplina científica separada (Muir, 1962; Krasilnikov et al.,
2009). Es necesario acumular conocimiento sobre un tema antes de que ese
tema pueda ser clasificado adecuadamente (Marbut, 1922), y la
clasificación debe cambiar a medida que cambia el conocimiento sobre el
tema que se está clasificando (Smith, 1986). Por estas razones, los sistemas
de clasificación del suelo experimentaron un cambio considerable a lo
largo del siglo XX. El National Cooperative Soil Survey (NCSS) en los EE. UU.
ha utilizado al menos cuatro sistemas de clasificación del suelo adoptados
formalmente desde que comenzaron los esfuerzos de encuesta de suelos
coordinados a nivel nacional en 1899 (Tabla 2), y otros que no fueron
adoptados formalmente han sido propuestos (Brevik y Hartemink, 2013).
Otros países han evolucionado a través de múltiples filosofías de
clasificación del suelo en las últimas décadas, incluyendo Australia, Austria,
Brasil, Canadá, China, Cuba, Francia, Alemania, Hungría, Japón, Nueva
Zelanda, Rumania, Rusia/URSS y Suiza (Krasilnikov et al., 2009). Las
clasificaciones del suelo en muchos países alrededor del mundo tienen una
larga y brillante tradición. Sin embargo, basados en un reconocimiento
fragmentario o en la tradición local, la mayoría de los sistemas de
clasificación nacionales solo han enfatizado factores formadores del suelo
seleccionados y grupos de suelo definidos específicamente, típicos del
clima local o de los materiales parentales predominantes; así, su
aplicabilidad a menudo se limitó a un país o región geográfica (Krasilnikov
et al., 2009). El otro factor limitante fue el idioma local de los documentos
de investigación y las leyendas de los mapas de suelo (Labaz y Kabala,
2014). Fuertes tradiciones locales en términos de definiciones y
nomenclaturas del suelo pueden obstaculizar la comparación de divisiones
de suelo particulares en varios sistemas, lo que lleva a malentendidos y
errores en bases de datos mundiales y en mapas de suelo (Deckers et al.,
1998). Numerosos nuevos enfoques sensatos sobre el origen del suelo a
través de varios impactos geológicos y climáticos, así como la tendencia
mundial hacia la unificación e intercambiabilidad de ideas (Gerasimova y
Khitrov, 2012), hacen que las clasificaciones del suelo desarrolladas
internacionalmente sean cada vez más atractivas para las sociedades
locales. Estos nuevos enfoques han influido fuertemente en el desarrollo
reciente de sistemas de clasificación nacionales, incluyendo clasificaciones
tan grandes como las de Rusia, China, Brasil, Canadá y otras (Agriculture
Canada, 1998; EMBRAPA, 2006; Lebedeva y Gerasimova, 2012; Shi et al.,
2006). Actualmente, los sistemas internacionales más influyentes son la
Taxonomía del Suelo y el WRB.

La clasificación moderna del suelo en América nació entre 1950 y 1975

como resultado de años de discusiones sobre cómo reunir los sistemas de
series de suelo y el concepto zonal de grandes grupos de suelo (Bockheim
et al., 2014). El objetivo no se había logrado inicialmente, porque no se
encontraron parámetros sustantivos formales para distinguir suelos
zonales de suelos azonales e intrazonales. Finalmente, la actividad de
varios comités de trabajo resultó en la revisión fundamental de los
principios básicos para distinguir grupos de suelo en niveles taxonómicos
superiores. En la Taxonomía del Suelo actual, los suelos se clasifican en seis
niveles en un sistema jerárquico, de mayor a menor: órdenes, subórdenes,
grandes grupos, subgrupos, familias y series (Soil Survey Staff, 2014). Los
doce órdenes de suelo se distinguen en función de la presencia o ausencia
de uno o más horizontes diagnósticos que son manifestaciones
morfológicas de procesos del suelo. Los subórdenes se distinguen
principalmente por el clima del suelo, y los grandes grupos se distinguen en
función de varios criterios. Los subgrupos se subdividen de acuerdo con el
concepto central del gran grupo frente a intergradaciones a otros taxones o
extra-gradaciones a "no suelo". Las familias se separan en clases de
tamaño de partículas, mineralogía y temperatura del suelo. La categoría
más baja es la serie, que se basa en el conjunto y la disposición de los
horizontes. Las series de suelo se dividen en fases.

Extracto de un mapa de suelo producido por el National Cooperative Soil

Survey (NCSS) en los EE. UU. (Jones, 1997). El mapa fue producido
originalmente a una escala de 1:15,840. En esta imagen, se pueden
observar tres limitaciones del proceso cartográfico manual: (i) las
delimitaciones dependen en gran medida de características que se pueden
ver en la fotografía aérea como mapa base, (ii) hay un límite a cuán
pequeña puede ser un área delimitada de manera legible, y (iii) los límites
del suelo se muestran como rupturas agudas en lugar de transiciones
graduales. Algunas de las características más importantes que eran
demasiado pequeñas en extensión areal para delimitar se indican con
símbolos puntuales (es decir, tres pequeños círculos indican un punto
arenoso, tres líneas paralelas indican erosión severa, y un círculo con una
línea vertical indica una pequeña inclusión del suelo etiquetada como "6").

E.C. Brevik et al. / Geoderma 264 (2016) 256 – 274.

on the basis of surface stoniness, slope steepness, erosion and other fea-
tures which are important to land use (Bockheim et al., 2005), with
phases being an informal level of the classification system.
The central philosophy of Soil Taxonomy is that a soil should be clas-
sified on its own properties; not on those that are presumed to have
existed at some time in the past and not on the properties of adjacent
soils (Smith, 1986). This assumption is inseparably linked to the most
innovative element of the “6th Approximation”, continued by its succes-
sors, the “7th Approximation” and Soil Taxonomy (Soil Survey Staff,
1960; Smith, 1986), that being the concept of diagnostic horizons and
properties which is also borrowed by most modern national and inter-
national classifications. The diagnostic horizon amounts to a soil horizon
or group of closely related horizons that possess a set of quantitatively
defined properties. Consequently, quantitative requirements have
been established for “diagnostic soil characteristics” that are used in
the definitions of diagnostic horizons or in the key, as additional criteria
for soil divisions at various levels of classification. Presently, eight sur-
face (epipedons) and twenty subsurface diagnostic horizons are distin-
guished (Soil Survey Staff, 2014).
Soil Taxonomy has been continuously evaluated by the soil classi-
fiers included in the NCSS program and by the international community
which has resulted in several modifications to or additions of diagnostic
horizons, subgroups at various levels, and even soil orders (Bockheim
and Gennadiyev, 2000). Recent modifications include improvements
in the recognition of anhydrite (with the addition of a new diagnostic
horizon, mineralogy class, and subgroups), and abrupt textural change
in Mollisols. However, new taxonomic criteria for anthropogenic soils
developed on human-altered and human-transported soils represent
the biggest recent change (Soil Survey Staff, 2014).
3.2. World reference base for soil resources (WRB)
The primary intention of the WRB was to work towards the estab-
lishment of a framework through which existing soil classification sys-
tems could be correlated and through which ongoing soil classification
work could be harmonized. The final objective was to reach an interna-
tional agreement on the major soil groupings to be recognized on a
global scale as well as the criteria and methodology to be applied for de-
fining and identifying them (Nachtergaele et al., 2000). WRB provides
scientific depth and background to its predecessors, the Legend of the
Soil Map of the World (FAO-UNESCO, 1974) and the Revised Legend
of the Soil Map of the World (FAO, 1988). From its initial “correlation
base”, the WRB has evolved into the international soil classification sys-
tem (IUSS Working Group WRB, 2014).
WRB uses two crucial principles also present in Soil Taxonomy:
(i) the soil classification is based on quantitatively defined diagnostic
horizons (36) and characteristics (18 diagnostic properties and 17 diag-
nostic materials), which to the greatest possible extent should be ob-
servable and measurable in the field, and (ii) the selection of
diagnostic horizons and characteristics takes into account their relation-
ship with soil forming processes. However, the soil forming processes
themselves should not be used as differentiating criteria.
Nonetheless, WRB differentiates only two hierarchical levels instead
of the six recognized in Soil Taxonomy, which resulted from different
concepts of major soil divisions. A large number of Reference Soil
Groups (32 RSGs) at the first level retains a more traditional, originally
Russian, approach to soil classification, and this reflects the influence
of parent material and climatic factors (zonality) on the soil-forming
processes (Gray et al., 2011). However, the climate parameters are in-
volved indirectly and do not form part of the definitions, in contrast to
the Soil Taxonomy scheme. The RSGs at the first level of WRB are used
primarily for general soil naming, international correlations, and soil
mapping on a global or national/regional scale. The additional levels of
Soil Taxonomy provide greater flexibility for including more or less de-
tail in the attribute table as may be required to accompany the level of
spatial detail in a soil map (Miller and Schaetzl, 2015–this issue). Not
to be missed is the fact that WRB has retained or newly introduced a
number of traditional soil names particularly from Europe, derived
mainly from Russian but also from French, Polish, Portuguese, Spanish,
Turkic and others (IUSS Working Group WRB, 2014).
At the second level, where the RSGs are accompanied by a set of
quantitatively defined qualifiers, soils are differentiated according to
features resulting from any secondary soil forming process, land use
or materials that significantly affected the primary characteristics. Al-
though each RSG has an appropriate number of commonly associated
primary and supplementary qualifiers, the indefinite number of possi-
ble combinations makes the classification astonishingly flexible
(Kabala and Zapart, 2009), including for naming and mapping those
soils created or strongly transformed by humans (Charzyński et al.,
2013).
WRB has been continuously developed by an international group of
professionals operating under the auspices of IUSS (IUSS Working
Group WRB, 2014). Intentionally, eight-year-long periods are provided
for the collection and discussion of necessary changes and the prepara-
tion of the next WRB edition. One of the most important improvements
in the third edition of WRB was the substantial change in the qualifier
sequence and the rules for qualifier usage that has merged the goals of
soil classification and mapping on all scales. The European Union
adopted WRB for soil maps and databases, including the recently pub-
lished Soil Atlas of Europe (Jones et al., 2005b), providing an umbrella
for harmonization of soil information at the continental scale
(Krasilnikov et al., 2009).
Table 2
Whitney's (1909) soil classification system. This was the first formal soil
classification sys-
tem used in the USA, and had a strong geologic basis particularly at the soil
province level.
Table from Brevik and Hartemink (2013).
Soil provinces Soil series a Soil type a
Atlantic and Gulf coastal plains Myatt series Myatt fine sand
Myatt fine sandy loam
Myatt clay loam
River flood plains Congaree series Congaree fine sandy loam
Congaree loam
Congaree clay
Piedmont Plateau Chester series Chester stony loam
Chester fine sandy loam
Chester mica loam
Chester loam
Appalachian Mountains and
plateaus
Fayetteville
series
Fayetteville stony loam
Fayetteville fine sandy loam
Fayetteville loam
Limestone valleys and uplands Cumberland
series
Cumberland gravelly loam
Cumberland fine sandy
loam
Cumberland loam
Cumberland clay loam
Glacial and loessial Williams series Williams stony loam
Williams loam
Glacial lake and river terraces Williston series Williston gravelly sandy
loam
Williston sandy loam
Residual soils of western prairie Oswego series Oswego fine sandy loam
Oswego silt loam
Great Basin Elsinore series Elsinore fine sandy loam
Elsinore sand
Northwestern intermountain
region
Bridger series Bridger gravelly loam
Bridger loam
Bridger clay loam
Rocky Mountain valleys and
plains
Laramie series Laramie gravelly loam
Laramie sandy loam
Arid southwest Roswell series Roswell fine sandy loam
Roswell loam
Pacific coast Puget series Puget fine sandy loam
Puget silt loam
Puget clay
a Soil series and type entries are too extensive for comprehensive inclusion in
this table.
Examples are given here to demonstrate how the system worked. Soil series
with a small
number of soil types have been chosen to keep the table small.
262 E.C. Brevik et al. / Geoderma 264 (2016) 256–274

Sobre la base de la pedregosidad de la superficie, la inclinación de la

pendiente, la erosión y otras características que son importantes para
el uso de la tierra (Bockheim et al., 2005), con fases siendo un nivel
informal del sistema de clasificación. La filosofía central de la
Taxonomía del Suelo es que un suelo debe ser clasificado en función de
sus propias propiedades; no en función de aquellas que se presume que
han existido en algún momento en el pasado y no en función de las
propiedades de los suelos adyacentes (Smith, 1986). Esta suposición
está inseparablemente vinculada al elemento más innovador de la "6ª
Aproximación", continuada por sus sucesores, la "7ª Aproximación" y
la Taxonomía del Suelo (Soil Survey Staff, 1960; Smith, 1986), que es el
concepto de horizontes y propiedades diagnósticas que también es
tomado por la mayoría de las clasificaciones nacionales e
internacionales modernas. El horizonte diagnóstico equivale a un
horizonte de suelo o grupo de horizontes estrechamente relacionados
que poseen un conjunto de propiedades definidas cuantitativamente.
En consecuencia, se han establecido requisitos cuantitativos para
"características diagnósticas del suelo" que se utilizan en las
definiciones de horizontes diagnósticos o en la clave, como criterios
adicionales para divisiones de suelos en varios niveles de clasificación.
Actualmente, se distinguen ocho horizontes diagnósticos de superficie
(epipedones) y veinte horizontes diagnósticos subsuperficiales (Soil
Survey Staff, 2014). La Taxonomía del Suelo ha sido evaluada
continuamente por los clasificadores de suelos incluidos en el
programa NCSS y por la comunidad internacional, lo que ha resultado
en varias modificaciones o adiciones de horizontes diagnósticos,
subgrupos en varios niveles e incluso órdenes de suelo (Bockheim y
Gennadiyev, 2000). Las modificaciones recientes incluyen mejoras en el
reconocimiento de anhidrita (con la adición de un nuevo horizonte
diagnóstico, clase de mineralogía y subgrupos), y un cambio textural
abrupto en los Mollisoles. Sin embargo, los nuevos criterios
taxonómicos para suelos antropogénicos desarrollados sobre suelos
alterados y transportados por humanos representan el cambio más
grande reciente (Soil Survey Staff, 2014).

3.2. Base de referencia mundial para los recursos del suelo (WRB)

La intención principal del WRB era trabajar hacia el establecimiento de

un marco a través del cual los sistemas de clasificación de suelos
existentes pudieran ser correlacionados y a través del cual el trabajo de
clasificación de suelos en curso pudiera ser armonizado. El objetivo
final era alcanzar un acuerdo internacional sobre los principales
agrupamientos de suelos que se reconocerían a escala global, así como
los criterios y la metodología que se aplicarían para definir e identificar
dichos agrupamientos (Nachtergaele et al., 2000). El WRB proporciona
profundidad científica y antecedentes a sus predecesores, la Leyenda
del Mapa de Suelos del Mundo (FAO-UNESCO, 1974) y la Leyenda
Revisada del Mapa de Suelos del Mundo (FAO, 1988). Desde su "base de
correlación" inicial, el WRB ha evolucionado hacia el sistema
internacional de clasificación de suelos (IUSS Working Group WRB,
2014). El WRB utiliza dos principios cruciales también presentes en la
Taxonomía del Suelo: (i) la clasificación del suelo se basa en horizontes
diagnósticos definidos cuantitativamente (36) y características (18
propiedades diagnósticas y 17 materiales diagnósticos), que en la
mayor medida posible deben ser observables y medibles en el campo, y
(ii) la selección de horizontes y características diagnósticas toma en
cuenta su relación con los procesos formadores de suelos. Sin
embargo, los propios procesos formadores de suelos no deben ser
utilizados como criterios diferenciadores. No obstante, el WRB
diferencia solo dos niveles jerárquicos en lugar de los seis reconocidos
en la Taxonomía del Suelo, lo que resultó de diferentes conceptos de
divisiones principales de suelos. Un gran número de Grupos de Suelos
de Referencia (32 RSGs) en el primer nivel mantiene un enfoque más
tradicional, originalmente ruso, hacia la clasificación de suelos, y esto
refleja la influencia del material parental y los factores climáticos
(zonalidad) en los procesos formadores de suelos (Gray et al., 2011).
Sin embargo, los parámetros climáticos están involucrados
indirectamente y no forman parte de las definiciones, en contraste con
el esquema de la Taxonomía del Suelo. Los RSGs en el primer nivel del
WRB se utilizan principalmente para la denominación general de
suelos, correlaciones internacionales y mapeo de suelos a escala global
o nacional/regional. Los niveles adicionales de la Taxonomía del Suelo
proporcionan mayor flexibilidad para incluir más o menos detalle en la
tabla de atributos según sea necesario para acompañar el nivel de
detalle espacial en un mapa de suelos (Miller y Schaetzl, 2015 – este
número). No se debe pasar por alto el hecho de que el WRB ha retenido
o introducido recientemente una serie de nombres de suelos
tradicionales, particularmente de Europa, derivados principalmente
del ruso, pero también del francés, polaco, portugués, español, turco y
otros (IUSS Working Group WRB, 2014). En el segundo nivel, donde los
RSGs están acompañados por un conjunto de calificadores definidos
cuantitativamente, los suelos se diferencian según características
resultantes de cualquier proceso formador de suelos secundario, uso
de la tierra o materiales que afectaron significativamente las
características primarias. Aunque cada RSG tiene un número apropiado
de calificadores primarios y suplementarios comúnmente asociados, el
número indefinido de combinaciones posibles hace que la clasificación
sea asombrosamente flexible (Kabala y Zapart, 2009), incluyendo para
nombrar y mapear aquellos suelos creados o transformados
fuertemente por humanos (Charzyński et al., 2013). El WRB ha sido
desarrollado continuamente por un grupo internacional de
profesionales que operan bajo los auspicios de la IUSS (IUSS Working
Group WRB, 2014). Intencionalmente, se proporcionan períodos de
ocho años para la recolección y discusión de los cambios necesarios y la
preparación de la próxima edición del WRB. Una de las mejoras más
importantes en la tercera edición del WRB fue el cambio sustancial en
la secuencia de calificadores y las reglas para el uso de calificadores
que han fusionado los objetivos de clasificación y mapeo de suelos en
todas las escalas. La Unión Europea adoptó el WRB para mapas y bases
de datos de suelos, incluyendo el recientemente publicado Atlas de
Suelos de Europa (Jones et al., 2005b), proporcionando un paraguas
para la armonización de la información sobre suelos a escala
continental (Krasilnikov et al., 2009).

Tabla 2

Sistema de clasificación de suelos de Whitney (1909). Este fue el primer

sistema formal de clasificación de suelos utilizado en los EE. UU., y
tenía una base geológica fuerte, particularmente a nivel de provincia
de suelo. Tabla de Brevik y Hartemink (2013).

Provincias de sueloSeries de sueloa Tipo de sueloaLlanuras costeras del

Atlántico y del GolfoSerie MyattMyatt arena finaMyatt franco
arenosoMyatt arcilla limosaLlanuras de inundación de ríosSerie
CongareeCongaree franco arenosoCongaree limosoCongaree
arcillosoMeseta del PiedmontSerie ChesterChester limoso
pedregosoChester franco arenosoChester limoso micaChester
limosoMontañas y mesetas ApalachesSerie FayettevilleFayetteville
limoso pedregosoFayetteville franco arenosoFayetteville limosoValles
y tierras altas de calizaSerie CumberlandCumberland limoso
gravosoCumberland franco arenosoCumberland limosoCumberland
arcilla limosaSuelos glaciares y loessialesSerie WilliamsWilliams limoso
pedregosoWilliams limosoTerrazas de lagos y ríos glaciaresSerie
WillistonWilliston limoso gravosoWilliston limosoSuelos residuales de
la pradera occidentalSerie OswegoOswego franco arenosoOswego
limosoGran CuencaSerie ElsinoreElsinore franco arenosoElsinore
arenaRegión intermontana del noroesteSerie BridgerBridger limoso
gravosoBridger limosoBridger arcilla limosaValles y llanuras de las
Montañas RocosasSerie LaramieLaramie limoso gravosoLaramie franco
arenosoSuroeste áridoSerie RoswellRoswell franco arenosoRoswell
limosoCosta del PacíficoSerie PugetPuget franco arenosoPuget
limosoPuget arcillaa Las entradas de series y tipos de suelo son
demasiado extensas para su inclusión completa en esta tabla. Se dan
ejemplos aquí para demostrar cómo funcionó el sistema. Se han
elegido series de suelo con un pequeño número de tipos de suelo para
mantener la tabla pequeña.262 E.C. Brevik et al. / Geoderma 264 (2016)
256 – 274.
3.3. International use of soil classification systems
At present, WRB and Soil Taxonomy have wide international use for
soil classification, soil information correlation, scientific publication, and
soil mapping on various scales. For various reasons, one of these two
systems has, on the regional scale, a larger impact on national classifica-
tions or is more commonly used for correlations. The extensive use of
only one of the systems is difficult as some objections have not yet
been resolved. For example, the soil temperature regimes in Soil Taxon-
omy are not always applicable and acceptable in all parts of the world,
making it difficult to classify soil even at the high level of orders and
suborders (Mazhitova, 2008; Weindorf et al., 2009). On the other
hand, WRB was not primarily designed as a world-wide classification
system, but rather as an “umbrella” for correlating national classifica-
tions (Krasilnikov et al., 2009).
The participants at the “Bridging the Centuries” international confer-
ence in Gödöllö, Hungary in 2009 concluded that the time was ripe for
the acceptance of standard terminology, concepts, and rationales in
elaborating an internationally accepted classification system (Golden
et al., 2010). It was also agreed that the development of a Universal
Soil Classification (USC) may require several years, so national systems
and the official correlation system of IUSS, the WRB, should be main-
tained (Hempel et al., 2013). At the World Congress of Soil Science in
Brisbane, Australia, the Working Group for Universal Soil Classification
was officially established by an IUSS Council decision. First, a frame-
work, task groups, and priorities were created to provide harmonized
criteria for describing, sampling, and analyzing soil and identifying the
work needed to understand gaps in existing soil classification systems.
The framework was divided into three categories (Hempel et al., 2013).
Key problems were identified by the Working Group, and specific as-
pects of each key problem were distributed among task groups for fur-
ther work (Table 3). It was also stated that some soils require special
attention to better define classification needs. These are, in particular,
acid-sulfate soils, hydromorphic soils, anthropogenic soils, cold soils,
tropical soils, and salt affected soils. International politics have ham-
pered global collaboration in soil science in the twentieth century; how-
ever now, in the era of the “global village” and general standardization
in all aspects of life and economy, a new opportunity and need
(Sanchez et al., 2009) has emerged for an internationally acceptable
universal soil classification.
4. Pedologic models
4.1. Conceptual frameworks
Pedologic models have played an important role in soil classification
and mapping from the earliest days of the field, with many of the early
pedologic models being more qualitative than quantitative in either de-
sign or practical function. Functional–factoral models were among the
first developed to explain soil formation. These included the models of
Dokuchaev (1883) and Jenny (1941). Dokuchaev is widely regarded
as the father of modern soil science, and his model presented his per-
spectives on how the soil system works, making the model highly influ-
ential in modern soil science. By regarding the soil forming factors as
state factors in a theoretically solvable equation, Jenny's model altered
the way that soils were perceived and studied. Jenny's model led to
the use of studies that allowed one of the five soil forming factors to
vary while the other factors were held constant to determine the effect
of the varying factor on soil formation. Lithosequences, toposequences,
and biosequences have been particularly well studied (Brevik et al.,
2015b). In addition to an explanation of soil formation, one of the
main goals of Jenny's model was to explain the geographical distribu-
tion of soils (Holliday, 2006), which is done by identifying state factors
spatially associated with certain soils. This approach has been the pri-
mary strategy of soil survey (Hole and Campbell, 1985), and Wilding
(1994) credits Jenny's work as contributing to Soil Taxonomy. Jenny's
model has been one of the most influential pedologic models in the
field (Wilding, 1994; Schaetzl and Thompson, 2015).
Other pedologic models have also had an impact on the study of soils
from a mapping and classification perspective. In 1959 Roy Simonson
proposed a model that viewed soils as forming due to processes that
take place within the soil system (Simonson, 1959). The major differ-
ence between Simonson's process-systems model and the functional–
factoral models of Dokuchaev and Jenny is that the process-systems
model focuses on processes occurring internally within the soil while
the functional–factoral model focuses on external factors that influence
pedogenesis. Because of this, the two approaches can be combined as
one to investigate how the internal processes work given various com-
binations of external factors. Simonson's process-based approach is use-
ful for analyzing and describing properties of a soil profile or pedon
(Schaetzl and Thompson, 2015) and is more useful than Jenny's model
in understanding spatial relationships within a soil landscape
(Wysocki et al., 2000), which has made it useful in soil classification
and mapping theory.
Another approach to modeling soil formation is to focus on energy
transfers through and losses from the soil system, such as the model
by Runge (1973). Runge's model has been described as a hybrid be-
tween Jenny's and Simonson's models, where external factors drive in-
ternal soil processes (Schaetzl and Thompson, 2015). Runge (1973)
viewed soil as chromatographic columns and water flow through
these columns as the principle source of energy. In presenting the
model, Runge (1973) also presented examples of potential questions
his model could be applied to as a way to improve understanding of
soil processes and properties. His second and third examples involved
the geographical distribution of soils in Illinois, USA, an issue of interest
to soil mapping. His first and fourth examples dealt with the distribution
of clays in soils, a topic of interest for soil classification.
Johnson and Watson-Stegner (1987) proposed a pedologic model
based on the concept that soils evolve over time. This model views pe-
dogenesis as a process being driven by factors that are constantly chang-
ing, therefore, the soil itself is in a constant state of change (Fig. 5). As
the soil is altered it goes through periods where it becomes less orga-
nized and other periods where it becomes more organized, constantly
cycling between these divergent directions. The Johnson and Watson-
Stegner evolutionary model is based on concepts that were consider-
ably different than those of most soil pedogenesis ideas held at the
time the model was developed (Schaetzl and Thompson, 2015).
Table 3
Key problems and task groups that have been established by the Working
Group for Uni-
versal Soil Classification (Hempel et al., 2013).
Key problems Task groups
Diagnostic and soil profile
information harmonization
(i) Evaluation of diagnostic criteria from existing
soil classification systems
(ii) Guidelines for field profile descriptions
(iii) Soil horizon nomenclature, designations, and
definitions
(iv) Development of a horizon classification
system
Important information
relating to soil classification
(i) Define potentials for the development of soil
moisture and temperature regimes
(ii) Define potential user groups interested in soil
classification
(iii) Recommend laboratory methods and
correlation rules
(iv) Explore other diagnostics that could have
significance in soil classification (e.g., soil
biology)
(v) Explore other observation methods for field
quantification of the diagnostic soil properties
(vi) Analyze the potential for the development of
a parallel non-technical language for soil
classification
(vii) Analyze the potential to involve
extra-terrestrial bodies (on other planets)
263E.C. Brevik et al. / Geoderma 264 (2016) 256–274

En la actualidad, el WRB y la Taxonomía del Suelo tienen un amplio uso

internacional para la clasificación de suelos, correlación de información
sobre suelos, publicación científica y mapeo de suelos en diversas escalas.
Por diversas razones, uno de estos dos sistemas tiene, a escala regional, un
mayor impacto en las clasificaciones nacionales o se utiliza más
comúnmente para correlaciones. El uso extensivo de solo uno de los
sistemas es difícil ya que algunas objeciones aún no se han resuelto. Por
ejemplo, los regímenes de temperatura del suelo en la Taxonomía del
Suelo no siempre son aplicables y aceptables en todas partes del mundo, lo
que dificulta la clasificación del suelo incluso a un alto nivel de órdenes y
subórdenes (Mazhitova, 2008; Weindorf et al., 2009). Por otro lado, el WRB
no fue diseñado principalmente como un sistema de clasificación mundial,
sino más bien como un "paraguas" para correlacionar clasificaciones
nacionales (Krasilnikov et al., 2009). Los participantes en la conferencia
internacional "Bridging the Centuries" en Gödöllö, Hungría, en 2009
concluyeron que era el momento adecuado para la aceptación de una
terminología, conceptos y justificaciones estándar en la elaboración de un
sistema de clasificación aceptado internacionalmente (Golden et al., 2010).
También se acordó que el desarrollo de una Clasificación Universal de
Suelos (USC) podría requerir varios años, por lo que los sistemas
nacionales y el sistema de correlación oficial de la IUSS, el WRB, deberían
mantenerse (Hempel et al., 2013). En el Congreso Mundial de Ciencia del
Suelo en Brisbane, Australia, el Grupo de Trabajo para la Clasificación
Universal de Suelos fue oficialmente establecido por una decisión del
Consejo de la IUSS. Primero, se creó un marco, grupos de trabajo y
prioridades para proporcionar criterios armonizados para describir,
muestrear y analizar suelos e identificar el trabajo necesario para
comprender las brechas en los sistemas de clasificación de suelos
existentes. El marco se dividió en tres categorías (Hempel et al., 2013). Se
identificaron problemas clave por el Grupo de Trabajo, y aspectos
específicos de cada problema clave se distribuyeron entre grupos de
trabajo para un trabajo posterior (Tabla 3). También se declaró que algunos
suelos requieren atención especial para definir mejor las necesidades de
clasificación. Estos son, en particular, suelos ácidos-sulfatados, suelos
hidromórficos, suelos antropogénicos, suelos fríos, suelos tropicales y
suelos afectados por sal. La política internacional ha obstaculizado la
colaboración global en la ciencia del suelo en el siglo XX; sin embargo,
ahora, en la era de la "aldea global" y la estandarización general en todos
los aspectos de la vida y la economía, ha surgido una nueva oportunidad y
necesidad (Sanchez et al., 2009) para una clasificación universal de suelos
aceptable internacionalmente.

Los modelos pedológicos han desempeñado un papel importante en la

clasificación y mapeo de suelos desde los primeros días del campo, siendo
muchos de los primeros modelos pedológicos más cualitativos que
cuantitativos en su diseño o función práctica. Los modelos funcionales-
factoriales fueron de los primeros desarrollados para explicar la formación
del suelo. Estos incluyeron los modelos de Dokuchaev (1883) y Jenny
(1941). Dokuchaev es ampliamente considerado como el padre de la
ciencia del suelo moderna, y su modelo presentó sus perspectivas sobre
cómo funciona el sistema del suelo, haciendo que el modelo sea altamente
influyente en la ciencia del suelo moderna. Al considerar los factores
formadores del suelo como factores de estado en una ecuación
teóricamente resoluble, el modelo de Jenny alteró la forma en que se
percibían y estudiaban los suelos. El modelo de Jenny llevó al uso de
estudios que permitieron que uno de los cinco factores formadores del
suelo variara mientras que los otros factores se mantenían constantes para
determinar el efecto del factor variable en la formación del suelo. Las
litosecuencias, toposecuencias y biosecuencias han sido particularmente
bien estudiadas (Brevik et al., 2015b). Además de una explicación de la
formación del suelo, uno de los principales objetivos del modelo de Jenny
era explicar la distribución geográfica de los suelos (Holliday, 2006), lo que
se hace identificando factores de estado espacialmente asociados con
ciertos suelos. Este enfoque ha sido la estrategia principal del estudio del
suelo (Hole y Campbell, 1985), y Wilding (1994) acredita el trabajo de Jenny
como una contribución a la Taxonomía del Suelo. El modelo de Jenny ha
sido uno de los modelos pedológicos más influyentes en el campo (Wilding,
1994; Schaetzl y Thompson, 2015). Otros modelos pedológicos también
han tenido un impacto en el estudio de los suelos desde una perspectiva de
mapeo y clasificación. En 1959, Roy Simonson propuso un modelo que veía
los suelos como formados debido a procesos que tienen lugar dentro del
sistema del suelo (Simonson, 1959). La principal diferencia entre el modelo
de sistemas de procesos de Simonson y los modelos funcionales-factoriales
de Dokuchaev y Jenny es que el modelo de sistemas de procesos se centra
en los procesos que ocurren internamente dentro del suelo, mientras que
el modelo funcional-factorial se centra en factores externos que influyen en
la pedogénesis. Debido a esto, los dos enfoques pueden combinarse como
uno solo para investigar cómo funcionan los procesos internos dados
varios combinaciones de factores externos. El enfoque basado en procesos
de Simonson es útil para analizar y describir propiedades de un perfil o
pedón de suelo (Schaetzl y Thompson, 2015) y es más útil que el modelo de
Jenny en entender las relaciones espaciales dentro de un paisaje de suelo
(Wysocki et al., 2000), lo que lo ha hecho útil en la teoría de clasificación y
mapeo de suelos. Otro enfoque para modelar la formación del suelo es
centrarse en las transferencias de energía a través de y pérdidas del
sistema del suelo, como el modelo de Runge (1973). El modelo de Runge ha
sido descrito como un híbrido entre los modelos de Jenny y Simonson,
donde los factores externos impulsan los procesos internos del suelo
(Schaetzl y Thompson, 2015). Runge (1973) vio el suelo como columnas
cromatográficas y el flujo de agua a través de estas columnas como la
principal fuente de energía. Al presentar el modelo, Runge (1973) también
presentó ejemplos de preguntas potenciales a las que su modelo podría
aplicarse como una forma de mejorar la comprensión de los procesos y
propiedades del suelo. Sus segundo y tercer ejemplos involucraron la
distribución geográfica de los suelos en Illinois, EE. UU., un tema de interés
para el mapeo de suelos. Sus primer y cuarto ejemplos trataron sobre la
distribución de arcillas en los suelos, un tema de interés para la
clasificación de suelos. Johnson y Watson-Stegner (1987) propusieron un
modelo pedológico basado en el concepto de que los suelos evolucionan
con el tiempo. Este modelo ve la pedogénesis como un proceso impulsado
por factores que están en constante cambio, por lo tanto, el suelo mismo
está en un estado constante de cambio (Fig. 5). A medida que el suelo se
altera, pasa por períodos en los que se vuelve menos organizado y otros
períodos en los que se vuelve más organizado, ciclando constantemente
entre estas direcciones divergentes. El modelo evolutivo de Johnson y
Watson-Stegner se basa en conceptos que eran considerablemente
diferentes a los de la mayoría de las ideas sobre la pedogénesis del suelo
sostenidas en el momento en que se desarrolló el modelo (Schaetzl y
Thompson, 2015).

Problemas clave y grupos de trabajo que han sido establecidos por el

Grupo de Trabajo para la Clasificación Universal de Suelos (Hempel et al.,
2013).
(iv) Desarrollo de un sistema de clasificación de horizontes

(vii) Analizar el potencial para involucrar cuerpos extraterrestres (en otros

planetas)
Johnson and Watson-Stegner (1987) themselves contended that their
evolutionary model of soils synthesized the functional–factoral,
process-systems, and energy modeling approaches. One of the major
contributions of the evolutionary model was emphasizing that soils
are typically polygenetic. This had implications for soil classification,
and most particularly for soil classifications that were genetic based.
Soil genesis models are not the only models that have been useful in
soil classification and mapping. Soil landscape models have been critical
for much of the soil mapping that has been completed. Important soil
landscape models include the two-dimensional catena as introduced
by Milne (1935), which was refined by Bushnell (1943) and later by
Ruhe and Walker (1968). Additional effects of topography were subse-
quently encompassed by the three-dimensional valley-basin model of
Huggett (Wysocki et al., 2000). Soil landscape models such as these
allow prediction of the soil types found on any given part of the land-
scape, thus providing a major aid to the soil surveyor (Fig. 6). The recog-
nition that soil–landform relationships could provide a powerful tool to
aid soil mapping activities was a driving force behind the USDA-Soil
Conservation Service's funding of soil geomorphology projects from
the 1950s until the 1970s (Holliday, 2006). As with all models, soil–
landform relationship models have their strengths and weaknesses.
While soil–landform relationships have been found to work well in
most landscapes, soils in areas with microrelief (changes of as little as
15 cm from the high to the low spots on the landscape) can be difficult
to map using this technique due to the difficulties in differentiating high
versus low positions, particularly in tilled fields (Brevik and Fenton,
1999).
4.2. Mathematical models
Traditional soil survey models have been criticized due to their qual-
itative approach. Thus, in the last 30 years soil description and classifica-
tion has become more quantitative. These new methods are commonly
known as pedometrics. Pedometrics deal with the uncertainty and com-
plexity of soils, applying mathematical, statistical and numerical
methods, in order to create more accurate classifications and pedologic
models. The increased use of computers and the need for more quanti-
tative data increased the importance of pedometrics (McBratney et al.,
2000).
In recent years several pedologic models have been developed based
on remote sensing methods (Mulder et al., 2011; Naveen et al., 2014)
and proximal sensing methods such as visible infrared (VIS,
400–700 nm), near infrared (NIR, 700–2500 nm), and mid infrared
(MIR, 2500–25.000 nm) techniques (Viscarra Rossel et al., 2006;
Gomez et al., 2008; Bellon-Maurel and McBratney, 2011), ground pene-
trating radar (Doolittle, 1987; Jol, 2009), electrical conductivity
(Doolittle and Brevik, 2014) (Fig. 7), and portable X-ray fluorescence
spectrometry (PXRF) (Weindorf et al., 2012). Remote and proximal
sensing methods are able to extend existing datasets. For example, re-
mote sensing can provide data that can be used to identify soil-
landscape units (Fig. 8). The data from remote sensing can be analyzed
using empirical or physical methods to identify soil properties, support
digital mapping data and collect data in remote areas reducing the time
used to conduct the field work to produce surveys. It is a very useful
method, especially in data-poor regions. Remote sensing has been
used to predict a wide range of soil properties, including temperature,
mineralogy, texture, bulk density, surface crusting, moisture, organic
matter, carbon content, salinity and carbonates (de Jong et al., 2011;
Mulder et al., 2011; Raghavendra and Mohanthy, 2011; Poggio et al.,
2013; Zhan et al., 2014).
Proximal sensing techniques are non-destructive methods that pro-
vide fundamental data for developing soil spatial models. The informa-
tion collected, if available for larger areas, is of extreme relevance for
agriculture, ecology, environmental modeling and digital soil mapping,
contributing to a sustainable soil use. These promising methods can
substitute for conventional techniques because they are less expensive,
more rapid, provide larger amounts of data for the area covered, and
sometimes can be more accurate than traditional soil observations and
measurements. Another important advantage is that many of these
techniques can be applied in the field using portable devices
(Doolittle, 1987; Viscarra Rossel et al., 2006; Viscarra Rossel and Chen,
2011; Doolittle and Brevik, 2014). In addition to the variables referred
to above, diffuse reflectance spectrometry methods can predict other
soil variables such as color, pH, electrical conductivity, total nitrogen,
phosphorous, calcium, magnesium, sodium, potassium, aluminum,
iron, cation exchange capacity and some heavy metals (Viscarra Rossel
et al., 2006; Song et al., 2012; Marques et al., 2014). These techniques
are also useful to assess soil contamination (Horta et al., 2015).
Recently diffuse reflectance spectrometry methods have been ap-
plied to the spatial prediction of soil variation. Vasques et al. (2014)
used visible/near-infrared diffuse reflectance spectrometry to aid in
soil classification in Brazil, integrating several spectra response from dif-
ferent depths. The results showed that the soils were classified correctly
at the order level 92% of the time and validated at a level of 67%. Viscarra
Rossel et al. (2006) studied the accuracy of three different proximal
sensing methods, namely, visible, near and mid infrared in the assess-
ment of several soil properties. They concluded that the different
methods were suitable for the prediction of different soil properties.
Overall, the mid infrared method predicted soil properties with better
accuracy than the other methods. Mid infrared was best at predicting
Fig. 5. Hypothetical example of changing soil properties over time
(Birkeland, 1999;
Schaetzl and Thompson, 2015). The soil evolution model (Johnson and
Watson-Stegner,
1987) emphasizes that pedogenic pathways are variably progressive or
regressive. This
is a complication for Jenny's use of the state factoral model because although
soils being
compared may have the same age, the rate and direction of soil forming
processes may
have varied differently between soils. Observing only the state of soil
properties at one
point in time may not be sufficient to correctly interpret the soils' history.
264 E.C. Brevik et al. / Geoderma 264 (2016) 256–274

Johnson y Watson-Stegner (1987) sostuvieron que su modelo evolutivo de

suelos sintetizaba los enfoques funcionales – factoriales, de sistemas de
procesos y de modelado de energía. Una de las principales contribuciones
del modelo evolutivo fue enfatizar que los suelos son típicamente
poligenéticos. Esto tuvo implicaciones para la clasificación de suelos, y
particularmente para las clasificaciones de suelos que se basaban en la
genética. Los modelos de génesis del suelo no son los únicos modelos que
han sido útiles en la clasificación y mapeo de suelos. Los modelos de
paisaje de suelos han sido críticos para gran parte del mapeo de suelos que
se ha completado. Los modelos de paisaje de suelos importantes incluyen
la catena bidimensional introducida por Milne (1935), que fue refinada por
Bushnell (1943) y más tarde por Ruhe y Walker (1968). Efectos adicionales
de la topografía fueron posteriormente abarcados por el modelo de valle-
cuenca tridimensional de Huggett (Wysocki et al., 2000). Modelos de paisaje
de suelos como estos permiten predecir los tipos de suelo que se
encuentran en cualquier parte del paisaje, proporcionando así una gran
ayuda al agrimensor de suelos (Fig. 6). El reconocimiento de que las
relaciones suelo-forma de terreno podrían proporcionar una herramienta
poderosa para ayudar en las actividades de mapeo de suelos fue una fuerza
impulsora detrás de la financiación de proyectos de geomorfología del
suelo por parte del Servicio de Conservación de Suelos del USDA desde la
década de 1950 hasta la de 1970 (Holliday, 2006). Al igual que con todos los
modelos, los modelos de relación suelo-forma de terreno tienen sus
fortalezas y debilidades. Si bien se ha encontrado que las relaciones suelo-
forma de terreno funcionan bien en la mayoría de los paisajes, los suelos en
áreas con microrelieve (cambios de tan solo 15 cm de los puntos altos a los
bajos en el paisaje) pueden ser difíciles de mapear utilizando esta técnica
debido a las dificultades para diferenciar posiciones altas de bajas,
particularmente en campos cultivados (Brevik y Fenton, 1999).

4.2. Modelos matemáticos

Los modelos tradicionales de encuesta de suelos han sido criticados

debido a su enfoque cualitativo. Así, en los últimos 30 años, la descripción y
clasificación de suelos se ha vuelto más cuantitativa. Estos nuevos
métodos son comúnmente conocidos como pedometría. La pedometría
trata con la incertidumbre y complejidad de los suelos, aplicando métodos
matemáticos, estadísticos y numéricos, con el fin de crear clasificaciones y
modelos pedológicos más precisos. El aumento en el uso de computadoras
y la necesidad de datos más cuantitativos aumentaron la importancia de la
pedometría (McBratney et al., 2000). En los últimos años, se han
desarrollado varios modelos pedológicos basados en métodos de
teledetección (Mulder et al., 2011; Naveen et al., 2014) y métodos de
detección proximal como técnicas de infrarrojo visible (VIS, 400 – 700 nm),
infrarrojo cercano (NIR, 700 – 2500 nm) e infrarrojo medio (MIR, 2500 –
25.000 nm) (Viscarra Rossel et al., 2006; Gomez et al., 2008; Bellon-Maurel y
McBratney, 2011), radar de penetración terrestre (Doolittle, 1987; Jol,
2009), conductividad eléctrica (Doolittle y Brevik, 2014) (Fig. 7), y
espectrometría de fluorescencia de rayos X portátil (PXRF) (Weindorf et al.,
2012). Los métodos de teledetección y detección proximal son capaces de
extender conjuntos de datos existentes. Por ejemplo, la teledetección
puede proporcionar datos que pueden ser utilizados para identificar
unidades de paisaje de suelo (Fig. 8). Los datos de teledetección pueden ser
analizados utilizando métodos empíricos o físicos para identificar
propiedades del suelo, apoyar datos de mapeo digital y recopilar datos en
áreas remotas, reduciendo el tiempo utilizado para realizar el trabajo de
campo para producir encuestas. Es un método muy útil, especialmente en
regiones con escasez de datos. La teledetección se ha utilizado para
predecir una amplia gama de propiedades del suelo, incluyendo
temperatura, mineralogía, textura, densidad aparente, costras
superficiales, humedad, materia orgánica, contenido de carbono, salinidad
y carbonatos (de Jong et al., 2011; Mulder et al., 2011; Raghavendra y
Mohanthy, 2011; Poggio et al., 2013; Zhan et al., 2014). Las técnicas de
detección proximal son métodos no destructivos que proporcionan datos
fundamentales para desarrollar modelos espaciales de suelo. La
información recopilada, si está disponible para áreas más grandes, es de
extrema relevancia para la agricultura, ecología, modelado ambiental y
mapeo digital de suelos, contribuyendo a un uso sostenible del suelo. Estos
métodos prometedores pueden sustituir técnicas convencionales porque
son menos costosos, más rápidos, proporcionan mayores cantidades de
datos para el área cubierta y a veces pueden ser más precisos que las
observaciones y mediciones tradicionales del suelo. Otra ventaja
importante es que muchas de estas técnicas pueden aplicarse en el campo
utilizando dispositivos portátiles (Doolittle, 1987; Viscarra Rossel et al.,
2006; Viscarra Rossel y Chen, 2011; Doolittle y Brevik, 2014). Además de las
variables mencionadas anteriormente, los métodos de espectrometría de
reflectancia difusa pueden predecir otras variables del suelo como color,
pH, conductividad eléctrica, nitrógeno total, fósforo, calcio, magnesio,
sodio, potasio, aluminio, hierro, capacidad de intercambio catiónico y
algunos metales pesados (Viscarra Rossel et al., 2006; Song et al., 2012;
Marques et al., 2014). Estas técnicas también son útiles para evaluar la
contaminación del suelo (Horta et al., 2015). Recientemente, los métodos
de espectrometría de reflectancia difusa se han aplicado a la predicción
espacial de la variación del suelo. Vasques et al. (2014) utilizaron
espectrometría de reflectancia difusa visible/infrarroja cercana para ayudar
en la clasificación de suelos en Brasil, integrando varios espectros de
respuesta de diferentes profundidades. Los resultados mostraron que los
suelos fueron clasificados correctamente al nivel de orden el 92% del
tiempo y validados a un nivel del 67%. Viscarra Rossel et al. (2006)
estudiaron la precisión de tres métodos diferentes de detección proximal, a
saber, visible, cercano y medio infrarrojo en la evaluación de varias
propiedades del suelo. Concluyeron que los diferentes métodos eran
adecuados para la predicción de diferentes propiedades del suelo. En
general, el método de infrarrojo medio predijo propiedades del suelo con
mejor precisión que los otros métodos. El infrarrojo medio fue el mejor
para predecir.

Fig. 5. Ejemplo hipotético de cambio de propiedades del suelo a lo largo del

tiempo (Birkeland, 1999; Schaetzl y Thompson, 2015). El modelo de
evolución del suelo (Johnson y Watson-Stegner, 1987) enfatiza que los
caminos pedogénicos son variablemente progresivos o regresivos. Esta es
una complicación para el uso del modelo factorial de estado de Jenny
porque, aunque los suelos que se comparan pueden tener la misma edad,
la tasa y dirección de los procesos de formación del suelo pueden haber
variado de manera diferente entre los suelos. Observar solo el estado de las
propiedades del suelo en un momento dado puede no ser suficiente para
interpretar correctamente la historia de los suelos.

E.C. Brevik et al. / Geoderma 264 (2016) 256 – 274.

pH, lime requirement, organic carbon, cation exchange capacity, electri-
cal conductivity, phosphorous, and sand, silt and clay contents. The near
infrared method was best at predicting potassium and aluminum
content. Vohland et al. (2014) also observed that the mid infrared tech-
nique was better at predicting soil organic carbon, hot water extractable
carbon, microbial biomass, nitrogen and pH than the visible to near in-
frared methods. Gomez et al. (2008) compared the predictions of soil
organic carbon from several methods including visible near infrared re-
flectance, hyperspectral proximal and remote sensing data. The authors
observed that the near infrared reflectance was better at predicting soil
organic carbon than the hyperspectral method.
These methods have proven to be extremely useful to soil classifica-
tion, but especially mapping (Horta et al., 2015). Combining remote and
proximal sensing data with laboratory analyses can contribute to a bet-
ter coverage of the studied area, especially where soil data is scarce
(Mulder et al., 2011). In summary, there were four areas that provided
important contributions to a shift from a qualitative to quantitative ped-
ologic model approach: (i) new techniques and mapping tools, (ii) data
management (using GIS technology), (iii) computing power, and (iv)
methods (Grunwald, 2006).
Based on new data collection and geostatistical methods, McBratney
et al. (2003) developed the Scorpan model. This conceptual framework
for the spatial prediction of soil has its roots in Jenny's model (Jenny,
1941), which uses empirical, quantitative descriptions of the spatial as-
sociation between soil and more easily measured covariates. Like tradi-
tion soil mapping, these covariates are used to predict soil properties,
but now more quantitatively and with greater detail. This approach con-
tinues to be especially important in areas where direct soil information
is scarce. In addition to more specific use of the covariates related to
the traditional state factors for spatial association, the Scorpan model
adds spatial autocorrelation. This additional input into the model is
less connected with processes, but improves spatial predictions by uti-
lizing information from soil samples measured in the proximity.
Table 4 shows proximal sensing methods that have been used to esti-
mate soil properties. Mulder et al. (2011) reviewed the techniques
used in remote sensing to estimate soil properties, and the reader is
Fig. 6. Soil-landscape models allow a soil surveyor to predict soil properties
based on landscape position.
Figure from Branham (1989).
Fig. 7. This three-dimensional image of the 0- to 90-cm soil column in a field
in southwestern North Dakota, USA, shows the spatial distribution of four
groupings of soil on different land-
scape components based on ECa readings collected using an EM38MK2-2
meter (Geonics Limited, Mississauga, Ontario). The ECa readings were then
converted to predicted SAR and soil
salinity levels using stochastic models.
Figure from Heilig et al. (2011).
265E.C. Brevik et al. / Geoderma 264 (2016) 256–274

pH, requerimiento de cal, carbono orgánico, capacidad de intercambio

catiónico, conductividad eléctrica, fósforo, y contenidos de arena, limo y
arcilla. El método de infrarrojo cercano fue el mejor para predecir el
contenido de potasio y aluminio. Vohland et al. (2014) también observaron
que la técnica de infrarrojo medio era mejor para predecir el carbono
orgánico del suelo, el carbono extraíble en agua caliente, la biomasa
microbiana, el nitrógeno y el pH que los métodos de visible a infrarrojo
cercano. Gomez et al. (2008) compararon las predicciones del carbono
orgánico del suelo de varios métodos, incluyendo la reflectancia de
infrarrojo cercano visible, datos de teledetección proximal e hiperespectral.
Los autores observaron que la reflectancia de infrarrojo cercano era mejor
para predecir el carbono orgánico del suelo que el método hiperespectral.
Estos métodos han demostrado ser extremadamente útiles para la
clasificación del suelo, pero especialmente para el mapeo (Horta et al.,
2015). Combinar datos de teledetección remota y proximal con análisis de
laboratorio puede contribuir a una mejor cobertura del área estudiada,
especialmente donde los datos del suelo son escasos (Mulder et al., 2011).

En resumen, hubo cuatro áreas que proporcionaron contribuciones

importantes a un cambio de un enfoque de modelo pedológico cualitativo
a cuantitativo: (i) nuevas técnicas y herramientas de mapeo, (ii) gestión de
datos (utilizando tecnología GIS), (iii) poder de computación, y (iv) métodos
(Grunwald, 2006). Basado en la nueva recolección de datos y métodos
geoestadísticos, McBratney et al. (2003) desarrollaron el modelo Scorpan.
Este marco conceptual para la predicción espacial del suelo tiene sus raíces
en el modelo de Jenny (Jenny, 1941), que utiliza descripciones empíricas y
cuantitativas de la asociación espacial entre el suelo y covariables más
fácilmente medibles. Al igual que el mapeo tradicional del suelo, estas
covariables se utilizan para predecir propiedades del suelo, pero ahora de
manera más cuantitativa y con mayor detalle. Este enfoque sigue siendo
especialmente importante en áreas donde la información directa del suelo
es escasa.

Además del uso más específico de las covariables relacionadas con los
factores de estado tradicionales para la asociación espacial, el modelo
Scorpan añade autocorrelación espacial. Esta entrada adicional en el
modelo está menos conectada con procesos, pero mejora las predicciones
espaciales al utilizar información de muestras de suelo medidas en la
proximidad. La Tabla 4 muestra métodos de teledetección proximal que se
han utilizado para estimar propiedades del suelo. Mulder et al. (2011)
revisaron las técnicas utilizadas en teledetección para estimar propiedades
del suelo, y el lector es

Fig. 6. Modelos suelo-paisaje permiten a un agrimensor predecir

propiedades del suelo basadas en la posición del paisaje. Figura de
Branham (1989).

Fig. 7. Esta imagen tridimensional de la columna de suelo de 0 a 90 cm en

un campo en el suroeste de Dakota del Norte, EE. UU., muestra la
distribución espacial de cuatro agrupaciones de suelo en diferentes
componentes del paisaje basadas en lecturas de EC a recogidas utilizando
un medidor EM38MK2-2 (Geonics Limited, Mississauga, Ontario). Las
lecturas de EC a fueron luego convertidas a niveles de SAR y salinidad del
suelo predichos utilizando modelos estocásticos. Figura de Heilig et al.
(2011).

265 E.C. Brevik et al. / Geoderma 264 (2016) 256 – 274.

se refirió a las tablas en esa publicación para un resumen de técnicas de

teledetección. Varios aspectos de la formación del suelo pueden ser
investigados utilizando datos de teledetección que luego pueden ser
incorporados en el modelo de Jenny o el modelo Scorpan. Según
McBratney et al. (2003), las técnicas de teledetección pueden predecir un
número importante de factores Scorpan. Descripciones detalladas sobre el
potencial de la teledetección proximal y remota en la investigación de
factores formadores del suelo se describen en McBratney et al. (2003) y
Mulder et al. (2011).

4.3. Modelado espacial en apoyo a la clasificación

Se han desarrollado nuevos métodos estadísticos para mejorar la

clasificación del suelo. Debido a la gran cantidad de datos recopilados, los
métodos estadísticos tradicionales ya no eran lo suficientemente potentes
para integrar todas las variables. Cuando se utilizan muchas fuentes de
datos, se necesitan clasificadores no paramétricos porque se espera que la
relación entre los tipos de suelo y los atributos no sea lineal (Mulder et al.,
2011). Debido a la disponibilidad de nuevas fuentes de información (por
ejemplo, terreno y espectral), hay un gran interés en introducir datos
auxiliares para crear una mejor clasificación del suelo. Hay cinco grupos
principales (Hengl et al., 2007): (i) técnicas de clasificación puras, basadas
en imágenes de teledetección, (ii) técnicas de regresión puras, que utilizan
métodos de regresión y técnicas de minería de datos (por ejemplo,
regresiones logísticas, árboles de regresión, modelos aditivos generales,
mínimos cuadrados parciales, correlación lineal múltiple, bosques
aleatorios, modelos lineales generalizados, redes neuronales y máquinas
de soporte vectorial) (McBratney et al., 2000; Minasny y Hartemink, 2011),
(iii) técnicas geostatísticas puras, basadas en métodos de kriging, (iv)
técnicas híbridas, una combinación de técnicas geostatísticas y métodos
multivariantes o univariantes, y (v) sistemas expertos basados en
evaluación cualitativa y datos auxiliares. También se han aplicado otros
modelos en la clasificación del suelo, como conjuntos difusos o lógica y
pedodiversidad. La teoría de conjuntos difusos se aplicó por primera vez a
la clasificación del suelo en un intento de reducir la complejidad del
sistema del suelo. En este método, las clases de suelo se definen a priori,
basadas en el conocimiento de expertos u otras clasificaciones como WRB
(McBratney y Odeh, 1997; McBratney et al., 2000). En general, el modelado
de la distribución del suelo utilizando conjuntos difusos tiende a tener un
buen acuerdo entre la estructuración efectiva de datos del suelo y limita la
pérdida de detalle (de Gruijter et al., 1997), pero los datos extremos pueden
causar problemas (Hughes et al., 2014). Para abordar esto, Hughes et al.
(2014) propusieron el uso de puntos finales, o propiedades que representan
los bordes extremos de los datos de campo del suelo, para identificar
extragrados y agrupar datos de manera eficiente. McBratney et al. (2003)
propusieron revisiones extensas de los métodos y modelos actualmente
utilizados para la clasificación del suelo. La pedodiversidad es un nuevo
índice y muy probablemente un índice importante para la evaluación de la
calidad del suelo (McBratney et al., 2000) que también puede ser útil para la
clasificación del suelo (Ibáñez et al., 1998). Se basa en la idea de medir la
variación del suelo utilizando taxones y puede definirse como la variación
de clases o propiedades del suelo dentro de un área (McBratney, 1992). La
pedodiversidad se calcula generalmente con el índice de diversidad de
Shannon utilizando taxones de sistemas de clasificación del suelo. Según
McBratney y Minasny (2007), la pedodiversidad se mide mejor
incorporando la distancia taxonómica entre clases de suelo. Las distancias
entre taxones son fundamentales para las clasificaciones modernas del
suelo y para clases de suelo efectivas en mapeo digital. Más recientemente,
Minasny et al. (2010) estudiaron la distancia taxonómica y la
pedodiversidad basada en WRB para la Clasificación de Recursos del Suelo.
Los autores observaron que la distancia taxonómica media entre clases de
suelo tiene una fuerte relación con el clima. La pedodiversidad fue baja en
áreas con precipitaciones y temperaturas extremas.

4.4. Futuro del modelado pedológico

Al considerar el futuro de los modelos aplicados a la clasificación y mapeo

del suelo, surgen varias preguntas sobre la calidad de los datos (Carre et al.,
2007), la incertidumbre (Nauman y Thompson, 2014), la reducción de
errores (Adhikari et al., 2014), una mejor validación y calibración del
modelo (Malone et al., 2011; Horta et al., 2015) y la capacidad de obtener
covariables que puedan capturar los factores de formación del suelo (Hengl
et al., 2014). Hay una necesidad de estudios enfocados en métodos para
reducir los impactos negativos del error de modelado, y esto es
especialmente importante para la ciencia del suelo porque las definiciones
de clasificación pueden ser muy ambiguas, incluso entre expertos en este
tema (Brus et al., 2011). El uso de métodos más estadísticamente robustos
puede contribuir a aumentar la validez del modelo (Kidd et al., 2015).
Algunos trabajos han utilizado el método de validación cruzada (leave-one-
out) para validar sus modelos, observando que las precisiones de
predicción eran pobres (Mueller et al., 2004; Hengl et al., 2014). Braga-Neto
y Dougherty (2010) observaron que dejar fuera una varianza cruzada puede
producir correlaciones pobres entre los errores reales y estimados cuando
los tamaños de muestra son pequeños, o cuando la complejidad del
clasificador es grande. Los autores observaron que la correlación
disminuye a medida que aumenta la complejidad del clasificador. Un
aumento en el número de muestras no necesariamente aumenta la
correlación. Esta deficiencia podría ser

Fig. 8. Una clasificación digital del paisaje del suelo basada en el uso
tradicional de la posición de la ladera. El modelo utiliza datos de elevación
LiDAR para identificar unidades de paisaje como serían interpretadas por el
conocimiento experto en el campo (Miller y Schaetzl, 2015). Clasificación
mostrada en 3D y superpuesta en una sombra de colina modelada. 266 E.C.
Brevik et al. / Geoderma 264 (2016) 256 – 274.
mejorado utilizando métodos estadísticos más sofisticados (Hengl et al.,
2014). Un aumento en la calidad del modelo y del mapa pedológico
contribuiría a la utilidad de la ciencia del suelo en la formulación de
políticas y la toma de decisiones en general. Para lograr una mejor
precisión del modelo, algunos estudios sugieren el uso de modelos más
complejos para la clase taxonómica del suelo y la predicción de la
distribución del suelo (Brungard et al., 2015). Por ejemplo, las
clasificaciones tradicionales del suelo no son un indicador preciso de las
tasas de rotación de carbono, un aspecto importante en los estudios sobre
el clima global y el cambio climático (Simfukwe et al., 2011), y otros
parámetros como el uso de la tierra deben ser incluidos en los modelos
(Muñoz-Rojas et al., 2012, 2013). En otros casos, la relación de las clases de
suelo con covariables ambientales y algunas propiedades del suelo es débil
o nula (Jafari et al., 2013; Hengl et al., 2014). Vincular modelos de mecánica
a escala de suelo y modelos de paisaje de suelo sería ventajoso para la
modelización de procesos pedogénicos (Finke, 2012) y, como
consecuencia, para la clasificación del suelo. McBratney et al. (2003)
propusieron algunas pautas para futuras investigaciones en mapeo digital
que son relevantes para la clasificación del suelo y la mejora del modelo
pedológico. Estas pautas incluyen encontrar nuevas covariables
ambientales, descomposición espacial de capas de datos ambientales,
métodos de muestreo precisos, el uso de métodos cuantitativos para
predecir clases y atributos del suelo, así como la evaluación de la calidad
de los datos y del modelo. Según Finke (2012), el siguiente paso en la
modelización es desarrollar y aplicar modelos de simulación 3D del
comportamiento del suelo que podrían ayudar a la clasificación del suelo,
porque las clasificaciones actuales se basan en descripciones morfológicas.
Sin embargo, según el autor, la simulación de pedones en clasificaciones
de suelo como WRB aún está lejos, porque ningún modelo de simulación
puede actualmente simular directamente propiedades como el color, tipo
o estructura del suelo. Para Hengl et al. (2014), los modelos de predicción
futuros podrían basarse en bosques aleatorios, árboles de regresión,
modelos bayesianos jerárquicos y otras técnicas de aprendizaje
automático. Según los autores, los modelos de árboles de regresión
podrían ser importantes para modelar más precisamente cambios
abruptos en valores verticales, mientras que los bosques aleatorios
podrían contribuir a aumentar la importancia relativa de las covariables.
Malone et al. (2014) argumentaron que los estudios futuros deberían
centrarse en métodos alternativos para derivar estimaciones de
incertidumbre a partir de modelos espaciales. Esto contribuiría a entender
si las subestimaciones sistemáticas de las cuantificaciones de
incertidumbre dependen del método de modelización o se derivan de una
fuente adicional. Otros autores llaman la atención sobre la necesidad de
estudiar mejor las relaciones entre los procesos formadores de suelo y las
covariables ambientales (Brungard et al., 2015).

Técnicas proximales utilizadas para medir propiedades del suelo.

Requerimiento de cal VIS; NIR; MIR Viscarra Rossel et al. (2006), Viscarra-
Rossel et al. (2011)

SWIR (infrarrojo de onda corta); infrarrojo visible (VIS); infrarrojo cercano

(NIR); fluorescencia de rayos X (XRF), espectroscopía de reflectancia difusa,
inducción electromagnética (EI), eléctrica y electromagnética (EE), óptica y
radiométrica (OR), mecánica (MC), acústica y neumática (AP),
electroquímica (ET), ultravioleta (UV), cámara digital (DC); dispersión de
neutrones inelástica (INS), espectroscopía de descomposición inducida por
láser (LIBS); γ pasiva (PI); γ activa (AI); redes de sensores inalámbricos
(WSN); resistividad eléctrica (ER); redes neuronales térmicas (TMN);
microondas (Micro); reflectometría en el dominio del tiempo (TDR),
reflectometría en el dominio de la frecuencia (FDR); capacitancia (Capac);
GPR (radar de penetración terrestre).

E.C. Brevik et al. / Geoderma 264 (2016) 256 – 274.

La ciencia del suelo como una disciplina científica no puede estar sola, es
necesario integrarse en un objetivo orientado a la sociedad. Es esencial que
el conocimiento producido por la ciencia del suelo también sea utilizable
en otros campos y contribuya a la precisión de los modelos
interdisciplinarios. Se necesita más investigación sobre la interfaz de la
ciencia del suelo con otras ciencias, para generar resultados que puedan
integrarse en otros modelos numéricos. Esto permitiría mejores
predicciones y producir información relevante para el uso de los tomadores
de decisiones, políticos, usuarios de la tierra y otros (Barrios y Trejo, 2003;
Barrios et al., 2006; Dobos, 2006; Grunwald, 2006; Grunwald et al., 2011). Sin
duda, hay una necesidad de construir puentes entre disciplinas para
abordar de manera efectiva las preguntas ambientales actuales. Así, es
extremadamente importante trabajar con otras ciencias naturales y las
ciencias sociales (Lal, 2006; Brevik et al., 2015a).

5. Usos del conocimiento de suelos

5.1. De enfoques disciplinarios a enfoques interdisciplinarios

Las civilizaciones tempranas en Asia, África, Europa y América del Norte
tenían un conocimiento fundamental de las relaciones entre las
propiedades básicas del suelo y la idoneidad de un área para la producción
de cultivos y asentamientos (Brevik y Hartemink, 2010). En el caso de
China, los sistemas de clasificación para ayudar en la gestión agrícola se
remontan hasta hace 4000 años (Gong et al., 2003). A lo largo de gran parte
de la historia de la ciencia del suelo, los usos del conocimiento del suelo se
han centrado en temas agrícolas. Sin embargo, a medida que llegamos a
mediados del siglo XX, el uso del conocimiento del suelo comenzó a
expandirse a nuevas áreas (Tinker, 1985; Simonson, 1989). Dos de las
primeras nuevas aplicaciones fueron el uso de suelos para entender
procesos geomórficos (Holliday, 2006) y en la planificación del uso de la
tierra (Simonson, 1989); ambas aplicaciones estaban bien desarrolladas a
finales de la década de 1960. Otra aplicación fue el uso de suelos y
paleosuelos en reconstrucciones paleoambientales (Olson, 1989; Jary,
2009), y en arqueología. Dentro de la tradición de la geoarqueología, la
aplicación del conocimiento del suelo al trabajo arqueológico se ha
desarrollado recientemente (Holliday, 2004). Los suelos son parte del
paisaje cultural general y pueden proporcionar información arqueológica
importante, incluyendo cambios en un sitio debido a la ocupación humana
e indicaciones del entorno paleoambiental durante la ocupación (Holliday,
2004; Lombardo et al., 2015). Los suelos enterrados pueden indicar
ubicaciones donde es probable que se encuentren artefactos (Hardman et
al., 1998) y a veces se pueden asignar fechas aproximadas a los artefactos
basadas en su ubicación dentro de un suelo (Homburg, 1988). El número de
suelos y el grado de desarrollo del perfil pueden proporcionar información
sobre la evolución del paisaje y el cambio ambiental que ayuda a los
arqueólogos a entender los usos humanos cambiantes en un sitio (Mayer et
al., 2005; Homburg et al., 2014), indicar cuánto tiempo estuvo ocupado un
sitio y proporcionar información sobre el grado de integridad del registro
arqueológico en un sitio (Holliday, 1992). Esto implica la aplicación de la
génesis del suelo y/o modelos suelo-paisaje a preguntas arqueológicas. Los
estudios en sitios arqueológicos también han proporcionado información
sobre las tasas de pedogénesis y el efecto de los cambios ambientales en
los procesos del suelo (Parsons et al., 1962; Sandor y Eash, 1991; Brevik y
Fenton, 2012; Brevik, 2013), información que puede incorporarse en
modelos de suelo. La aplicación de la información del suelo a problemas de
salud humana se volvió cada vez más común a medida que avanzaba el
siglo XX (Brevik y Sauer, 2015). Los suelos influyen en la salud humana de
diferentes maneras, directa o indirectamente, positivamente o
negativamente (Brevik, 2009). Los patógenos del suelo son parte del
ecosistema del suelo y a menudo tienen distribuciones espaciales
conocidas. La mejora en la cartografía y comprensión de las propiedades
del suelo y su interacción con los organismos del suelo tiene el potencial de
llevar a avances en la prevención o tratamiento de enfermedades
relacionadas (Brevik y Burgess, 2013). A través de la ingestión voluntaria o
involuntaria, la inhalación y la absorción dérmica, los humanos están
expuestos directamente a los componentes minerales, químicos y
biológicos de los suelos (Brevik y Sauer, 2015), que pueden ser beneficiosos
o perjudiciales para la salud humana (Abrahams, 2002). A través de su
influencia en la disponibilidad y calidad del agua y los alimentos, los suelos
influyen indirectamente en la salud y el bienestar humano. El suelo
también contribuye al bienestar humano indirectamente a través del
suministro de medicamentos (Pepper et al., 2009; Mbila, 2013) y regulando
microclimas locales a través de la evaporación y, porque soporta plantas, la
transpiración. La energía que se utiliza para convertir el agua de la forma
líquida a la fase gaseosa no está disponible en forma de calor sensible. Esto
juega un papel importante en afectar la temperatura del aire (Schwartz et
al., 2011). Por lo tanto, debido a su interacción con la atmósfera y la
biosfera, numerosos problemas de salud pueden ser indirectamente
atribuibles a los suelos (Abrahams, 2002, 2006). Las relaciones entre la
distribución espacial de enfermedades y el entorno físico han sido
reconocidas durante muchos siglos (por ejemplo, Haviland, 1892; Brevik y
Sauer, 2015). El uso de suelos para abordar problemas ambientales como
la contaminación del suelo y las aguas subterráneas fue probablemente la
aplicación no agrícola de conocimiento sobre suelos de más rápido
crecimiento en las etapas finales del siglo XX (Hartemink, 2002). Los suelos
son tanto una fuente importante de contaminación de aguas subterráneas
como filtros importantes para mejorar la calidad del agua subterránea
(Helmke y Losco, 2013). Las interacciones y el movimiento de productos
químicos orgánicos en entornos de suelo es un área donde hay muchas
necesidades de investigación (Burgess, 2013). Todas estas siguen siendo
áreas donde se necesita conocimiento adicional y la investigación
continúa. Además, el cambio climático es uno de los desafíos más severos
que enfrentaremos en un futuro cercano. El suelo y la gestión del suelo
tienen un alto potencial para contribuir a la mitigación y adaptación al
cambio climático (Lal et al., 2011; Brevik, 2012; Köchy et al., 2015a). El suelo
es al mismo tiempo una fuente y un sumidero de gases de efecto
invernadero. Esto implica que las decisiones de gestión del suelo, tanto a
nivel de campo como regional, tendrán impactos en las estrategias de
mitigación del cambio climático (Lal, 2004; Galka et al., 2014). Sin embargo,
se necesitan estándares ampliamente aceptados para el muestreo,
modelado y mapeo de los contenidos de carbono del suelo (Köchy et al.,
2015b; Parras-Alcántara et al., 2015). Además, las decisiones de gestión que
aumentan la conservación del suelo y el agua pueden proporcionar
alternativas para adaptarse al cambio climático (Rounsevell et al., 1999). La
mejora de la comunicación de la información del suelo a través de mapas
de suelo mejorados, sistemas de clasificación y/o modelos pedológicos
tiene el potencial de mejorar nuestra capacidad para abordar los desafíos
ambientales. Dentro de la aplicación tradicional del conocimiento del suelo
a la agricultura, la agricultura de precisión está destinada a la reducción de
la degradación del suelo y al uso sostenible de la tierra agrícola.
Recientemente, los avances tecnológicos en sensores remotos y
proximales aumentaron la cantidad y resolución de datos disponibles para
el conocimiento de la agricultura de precisión en tiempo casi real (Mulla,
2013; Primicerio et al., 2012). Esto es especialmente importante porque la
incapacidad de recopilar datos del suelo de manera rápida y a bajo costo es
una de las principales limitaciones de la agricultura de precisión
(Adamchuk et al., 2004). Los escáneres de sensores proximales en
movimiento son extremadamente importantes para superar problemas
relacionados con el costo, el tiempo de trabajo y el muestreo de suelo
potencialmente impreciso (Viscarra Rossel y McBratney, 1998). La amplia
gama de métodos disponibles para mejorar la producción agrícola son
esenciales para los agricultores en aplicaciones como 1) calcular las
cantidades de enmiendas del suelo necesarias para tener el mejor
rendimiento posible de los cultivos con un efecto ambiental reducido (Ge
et al., 2011), 2) aplicaciones de fertilizantes y fungicidas por parte de los
agricultores (Seelan et al., 2003), 3) eficiencia en el uso de la tierra y el agua
(El Nahry et al., 2011), 4) evaluación de la conductividad eléctrica del suelo
(Corwin y Lesch, 2003), y 5) estado de nutrientes del suelo (Lee et al., 2010).
La disponibilidad de información para la agricultura de precisión no estaría
tan avanzada sin el enorme desarrollo de fuentes de datos, potencia de
procesamiento de computadoras, redes y modelos (Stafford, 2000). Las
aplicaciones de estas tecnologías, métodos y modelos utilizados pueden
ser cruciales para la seguridad alimentaria global (Phillips, 2014). La
cartografía detallada del suelo será crucial en el desarrollo completo de la
agricultura de precisión, ya que el modelado detallado de los stocks de
nutrientes del suelo en la zona de raíces puede reducir el uso de
fertilizantes mientras se mantienen los rendimientos de los cultivos; en
contraste, el uso de sensores remotos para detectar signos de deficiencias
de nutrientes en los cultivos no detecta esas deficiencias hasta después de
que el rendimiento ya se ha reducido (Bouma et al., 2014). La relación entre
la ciencia del suelo y la geología tiene raíces históricas (Brevik y Hartemink,
2010). La información geológica espacial es un componente importante al
abordar una serie de problemas, pero los mapas geológicos a menudo no
están disponibles o no tienen la resolución suficiente para la tierra
moderna.

(Coleman, 1963; Prokopovich, 1984) y para abordar una variedad de

problemas ambientales (Lindholm, 1994; Juilleret et al., 2012). Los mapas
de suelo se han utilizado para crear mapas geológicos (Rogers, 1953;
Prokopovich, 1984; Lindholm, 1993; Miller et al., 2008; Oehlke y Dolliver,
2011) y ampliar la extensión mapeada de depósitos geológicos (Thorp,
1949; Juilleret et al., 2012; Luehmann et al., 2013; Schaetzl y Attig, 2013) y
formas de terreno (Coleman, 1963; Brevik y Fenton, 1999). Comparaciones
cuantitativas han mostrado un buen acuerdo entre los mapas geológicos
creados con información del suelo y los mapas geológicos tradicionales
(Evans, 2002; Oehlke y Dolliver, 2011; Miller y Burras, 2015) a una fracción
del costo necesario para llevar a cabo un mapeo geológico detallado
utilizando técnicas tradicionales (Prokopovich, 1984; Lindholm, 1994;
Evans, 2002). La capacidad de aislar atributos geológicos en futuros mapas
de suelo y clasificaciones podría mejorar el uso de la información del suelo
para proporcionar mapas geológicos más detallados cuando sea necesario
(Brevik y Miller, 2015).

En el lado de la geología aplicada, las características de la cobertura del

suelo son fundamentales en deslizamientos de tierra superficiales, flujos de
lodo y escombros que pueden llevar a eventos catastróficos (Basile et al.,
2003; Terribile et al., 2013). Las propiedades del suelo (por ejemplo,
profundidad, número, grosor y características de los horizontes), las
propiedades hidráulicas y la mineralogía afectan el potencial de peligro de
deslizamientos de tierra cuando ocurren eventos de lluvia intensa. Las
discontinuidades del suelo, que pueden ser naturales o inducidas por el ser
humano, como cortes de carretera, están entre los principales factores
desencadenantes de deslizamientos de tierra superficiales (Montgomery,
1994), incluso en entornos forestales (Borga et al., 2005). El papel crucial de
los suelos en la regulación de los procesos de escorrentía/infiltración
influye directamente en el potencial de inundación de un área dada, que a
su vez está estrictamente vinculado a la gestión del suelo y de la tierra. En
particular, el sellado del suelo aumenta drásticamente la escorrentía
superficial, lo que afecta directamente el riesgo de inundación (Poelmans
et al., 2010). Los mapas de suelo pueden desempeñar un papel muy
importante en la identificación de áreas susceptibles a estos peligros y en
la implementación de estrategias de alerta temprana (Lindholm, 1994;
Stanchi et al., 2012).

Mientras que todos los problemas mencionados siguen siendo áreas donde
se necesita conocimiento adicional y la investigación continúa, la mayoría
de los problemas de sostenibilidad global de hoy requieren que el
conocimiento adquirido en las últimas décadas por la ciencia del suelo sea
completamente explotado y compartido con otras disciplinas relevantes.

Abordar problemas ambientales y sociales importantes, como la seguridad

alimentaria, energética y del agua; la mitigación y adaptación al cambio
climático; la protección de la biodiversidad; la salud humana; los peligros
naturales; y el patrimonio cultural requiere una interfaz más fuerte entre la
ciencia del suelo, otras ciencias, los usuarios finales y los responsables de
políticas. La Evaluación de Ecosistemas del Milenio recientemente
completada (Evaluación de Ecosistemas del Milenio, 2005) proporciona un
marco general para describir los servicios ecosistémicos, definidos como
“la capacidad de los procesos y componentes naturales para proporcionar
bienes y servicios que satisfacen las necesidades humanas, directa o
indirectamente” (de Groot et al., 2002), o “los beneficios que las personas
obtienen de los ecosistemas” (Evaluación de Ecosistemas del Milenio,
2005). Se distinguen cuatro categorías de servicios ecosistémicos, que son:
servicios de apoyo, provisión, regulación y culturales.

Incluso si el marco original no reconoce explícitamente el papel de los

suelos como proveedores de servicios ecosistémicos (o disservicios), varios
científicos del suelo están ahora llenando este vacío, vinculando los
conceptos de capital natural del suelo, funciones del suelo y servicios que
los suelos proporcionan (por ejemplo, Blum, 2005; Bouma, 2014; Dominati
et al., 2010; Hewitt et al., 2015; Robinson et al., 2009, 2012; McBratney et al.,
2014). El capital natural del suelo, representado por las propiedades del
suelo (Dominati et al., 2010), o por el stock de masa y energía, y su
organización (Robinson et al., 2009), contribuye a las cuatro categorías de
servicios ecosistémicos a través de sus múltiples funciones: (i) apoyo:
proporcionando soporte para plantas (incluida la entrega de nutrientes) y
actividades humanas; (ii) regulación: a través de ciclos hidrológicos y
biogeoquímicos (incluido el carbono) centrados en el suelo junto con su
capacidad de amortiguación, por ejemplo, para la disposición sostenible
de residuos; (iii) provisión: como fuente de materias primas y con
producción de biomasa; y (iv) cultural: como un archivo del patrimonio
arqueológico y como una parte fundamental de los paisajes (Tabla 5).
Por el papel central del suelo, el concepto de seguridad del suelo ha sido
propuesto recientemente por Koch et al. (2013) y desarrollado más a fondo
por McBratney et al. (2014), teniendo en cuenta la cantidad, calidad y
accesibilidad del suelo. Sin embargo, pasar de marcos teóricos a enfoques
operativos sigue siendo un desafío. Desde el lado de la ciencia del suelo,
necesitamos (i) modelos pedológicos para inferir indicadores relevantes;
(ii) herramientas de mapeo para tener en cuenta explícitamente la
distribución espacial del suelo (van Wijnen et al., 2012) con el fin de
caracterizar los atributos multifuncionales de los suelos; y (iii) una mejor
comunicación de las relaciones entre tipos de suelo y propiedades del
suelo. Se ha hecho mucho en el pasado con la interpretación de encuestas
de suelo y la evaluación de tierras. Ahora tenemos que avanzar hacia un
reconocimiento completo de la multifuncionalidad de los suelos e integrar
este concepto dentro de otras disciplinas.

Como científicos del suelo, hay básicamente tres formas en que podemos
ver los suelos. Está el “yo”, que trata sobre cómo me siento como científico
del suelo acerca de

Vínculos entre las necesidades humanas, los servicios ecosistémicos

basados en el suelo, las funciones y el capital natural del suelo. Modificado
de Dominati et al. (2010).

Necesidades humanas Servicios ecosistémicos basados en el suelo a

Funciones del suelo b Capital natural del suelo c

Apoyo Propiedades del suelo Masa, energía, organización Soporte para

plantas (y entrega de nutrientes) Vivienda e infraestructuras Apoyo a
actividades humanas e infraestructuras Entorno físico y cultural Hábitat
para organismos del suelo Reserva de biodiversidad

Provisión Seguridad alimentaria (energía) Provisión de alimentos, madera,

fibra Producción de alimentos y otra biomasa Vivienda Provisión de
materias primas Fuente de materias primas

Regulación Seguridad hídrica Regulación del agua/escorrentía — control de

inundaciones Almacenamiento, filtrado y transformación de nutrientes,
sustancias y agua Seguridad Regulación del agua — almacenamiento de
agua Salud Retención y liberación de nutrientes y contaminantes
Atenuación natural de contaminantes Bienestar Almacenamiento de
carbono y regulación de GHG Actuando como un reservorio de carbono
Cultural Bienestar Valor espiritual Archivo del patrimonio geológico y
cultural (parte del paisaje) Estética

Conocimiento a Evaluación de Ecosistemas del Milenio (2005). b Comisión

Europea (CE) (2006). c Robinson et al. (2009).

269 E.C. Brevik et al. / Geoderma 264 (2016) 256 – 274.

suelo; el “él”, que trata el suelo como un objeto que puede ser estudiado; y
el “nosotros”, que trata el suelo como la sociedad lo ve y actúa hacia él
(Bouma, 2005). Para incorporar holísticamente el conocimiento de la
ciencia del suelo en los cuadros científicos y sociales más amplios, como
campo debemos ver el suelo a través de estas tres lentes. Más allá de
simplemente interactuar con otros científicos del suelo y hacer que la
información sobre el suelo esté disponible, la información sobre el suelo
tiene que ser accesible y comprensible para todos los interesados (Bouma,
2014). La información sobre el suelo tiene que ser más fácilmente
comprendida para aumentar la conciencia sobre la importancia del suelo
para el uso sostenible de la tierra, y estar enfocada en problemas
ambientales importantes. Se debe prestar atención al conocimiento local, y
los científicos del suelo necesitan aumentar la conciencia local sobre el
suelo compartiendo información útil. Esta comunicación debería
desempeñar un papel en movilizar al público en general para abordar los
problemas del suelo y crear un mecanismo fuerte y eficiente para presionar
a los responsables de políticas para que reconozcan la importancia del
suelo en el contexto del desarrollo humano (Bouma et al., 2012a). El
estudio de los principales problemas ambientales, sociales y culturales del
presente, brevemente descritos anteriormente, exige un enfoque
interdisciplinario más efectivo. Ninguno de estos problemas puede ser
abordado adecuadamente por científicos de una sola disciplina (Brevik et
al., 2015a). Además, se necesita un paso más adelante que integre las
ciencias naturales, sociales y de la salud para trascender sus límites
tradicionales, es decir, intentar implementar un verdadero enfoque
transdisciplinario (Bouma, 2014). Los científicos del suelo tienen mucho
más conocimiento del que realmente se explota (Bouma, 2010), y han
proporcionado históricamente interpretación de encuestas de suelo e
información de evaluación de tierras dirigida a la audiencia no científica del
suelo (Cline, 1981; Bouma et al., 2012b). Además, el esfuerzo realizado en
las últimas décadas en desarrollar, validar e implementar funciones de
pedotransferencia, tanto de clase como continuas (para una revisión
reciente ver Pachepsky y van Genuchten, 2011), es un ejemplo de vincular
bases de datos de encuestas de suelo con demandas de datos, por
ejemplo, de modelos ambientales. Ahora necesitamos encontrar formas de
ampliar el rango potencial de disciplinas interesadas y proporcionar
información que pueda ser utilizada por colegas en otros campos,
modelada y, eventualmente, explotada por usuarios finales y responsables
de políticas. Estos “extranjeros” tienen un papel crucial en la
determinación de nuestra agenda: pueden formular las necesidades y
preguntas; pueden proporcionar ciencia básica y aplicaciones; pueden, y
deben estar, involucrados en la planificación sostenible de la tierra ya que
todos ellos tratan con la variabilidad espaciotemporal de los suelos, sus
propiedades y funciones. Sin embargo, varias preguntas científicas aún
están abiertas. Los científicos del suelo deben ser miembros activos en
equipos interdisciplinarios que aborden problemas ambientales (Bouma y
McBratney, 2013; Brevik et al., 2015a), sin renunciar a la ciencia básica
(disciplinaria) (Bouma, 2015b; Brevik y Arnold, 2015). El marco de servicios
ecosistémicos basado en el suelo, cuando se comparte con partes
interesadas y usuarios relevantes, es uno de los caminos correctos para el
futuro de la ciencia del suelo. La mejora de la comunicación de la
información sobre el suelo a través de mapas y clasificación y una mejor
incorporación de esa información en modelos interdisciplinarios es una
necesidad crítica para el futuro.

La capacidad de los científicos del suelo para mapear, clasificar y modelar

el sistema del suelo ha mejorado considerablemente desde los primeros
días de la ciencia del suelo como disciplina establecida. A medida que los
modelos pedológicos han pasado de ser principalmente cualitativos a
cuantitativos en naturaleza, la comprensión del sistema del suelo y la
capacidad de mapear han mejorado. Este conocimiento mejorado ha
permitido una mejor clasificación, lo que tiene un efecto positivo para
mejorar el mapeo y la comprensión de los sistemas de suelo. Nuevas
tecnologías como GPS y GIS han permitido un mapeo más preciso de las
propiedades del suelo, mientras que los avances en la teledetección
proximal y remota han permitido la recopilación rápida y relativamente
económica de grandes cantidades de datos georreferenciados que pueden
correlacionarse con una amplia variedad de propiedades del suelo. El
desarrollo de la geoestadística y otras técnicas matemáticas ha facilitado el
análisis de estos grandes conjuntos de datos y proporcionado más
herramientas para la predicción espacial. Los mapas más detallados y
personalizados permiten una mejor incorporación de la información sobre
suelos en una variedad de otras áreas como la planificación del uso de la
tierra, preocupaciones ambientales y seguridad alimentaria, energética y
del agua. Sin embargo, todavía hay muchos problemas que necesitan ser
abordados. Vincular toda la nueva información recopilada por
teledetección proximal y remota a las propiedades y procesos del suelo
sigue siendo un desafío, por lo que se necesitan modelos pedológicos
mejorados para facilitar esto. El apoyo continuo al trabajo de campo para
refinar y expandir nuestro conocimiento de los suelos como cuerpos
naturales será crítico en este esfuerzo. La expansión del uso del
conocimiento del suelo para abordar problemas más allá de la producción
agronómica requiere nuevas formas de comunicar lo que sabemos sobre
los suelos que mapeamos y plantea preguntas de investigación que no se
consideraron ampliamente en estudios anteriores sobre suelos. En la
actualidad, esta información se comunica utilizando docenas de sistemas
nacionales de clasificación de suelos así como el WRB, pero un sistema de
clasificación de suelos más universal facilitaría la comunicación
internacional de la información sobre suelos. Por lo tanto, el futuro aún
presenta muchos desafíos significativos en las áreas de mapeo de suelos,
clasificación y modelado pedológico y hay muchas oportunidades de
investigación a medida que buscamos satisfacer estas necesidades.

Agradecemos a Johan Bouma y a un revisor anónimo por sus comentarios y

sugerencias útiles que mejoraron la versión final de este manuscrito.