Con el fin de desarrollar una alternativa más eficiente en términos de tiempo y costo, para determinar la sodicidad de suelos afectados por sales, el objetivo del estudio fue generar un modelo de regresión para predecir el Porcentaje de Sodio Intercambiable (PSI), en función a la Relación de Adsorción de Sodio (RAS). A partir de una base de datos, de 84 muestras de suelo del Valle Alto de Cochabamba, se generó el modelo lineal: PSI = 0.9725 RAS + 1.5765 (R2=0.85). Posteriormente, a través de un conjunto de 18 muestras y empleando el análisis “prueba T” de muestras pareadas, entre valores del PSI estimado y PSI medido de forma directa, se verificó la eficiencia del modelo generado con un valor de p = 0.063 indicando que los valores de PSI estimados, no son significativamente diferentes de los valores de PSI medidos; no obstante, el modelo referencial del US Salinity Lab resultó más eficiente (p = 0.285). El modelo generado tuvo un mejor ajuste para suelos con CE<4 dS.m-1 y PSI <15%. Para recomendar el modelo generado, es pertinente incrementar su eficiencia con muestras adicionales, además de estratificar el análisis en función a los niveles de salinidad/sodicidad y textura del suelo.

In order to develop a more efficient cost-time alternative, to determine the sodicity of salt-affected soils, the objective of the study was to generate a regression model to predict the Exchangeable Sodium Percentage (ESP) from the Sodium Adsorption Ratio (SAR). Based on a database of 84 soil samples from the High Valley of Cochabamba, a linear model was generated: ESP = 0.9725 SAR + 1.5765 (R2=0.85). Subsequently, through a set of 18 samples and using T-test of paired samples between values of the predicted ESP and directly measured ESP, the efficiency of the generated model was verified with a value of p= 0.063, indicating that the values were not significantly different, however, the US Salinity Lab referential model was more efficient (p= 0.285). The generated model had a better fit for soils with CE<4 dS.m-1 and ESP <15%. To recommend the generated model, it is pertinent to increase its efficiency with additional samples, besides stratifying the analysis according to salinity/sodicity levels and texture of the soil.