Un equipo de investigadores ha creado una técnica que mide el contenido de sal del suelo en todo el mundo con una precisión impresionante, hasta 10 metros. Esta mejora satisface la necesidad crucial de realizar evaluaciones precisas de la salinidad del suelo, un problema importante que afecta la productividad agrícola y la salud del suelo a nivel mundial.
La salinidad del suelo, un tipo de degradación de la tierra, afecta a más de mil millones de hectáreas en todo el mundo, perjudicando la productividad agrícola y la salud del medio ambiente. Los intentos anteriores de cartografiar la salinidad del suelo se enfrentaron a dificultades debido al escaso detalle de los conjuntos de datos disponibles y a la dificultad para mostrar los cambios continuos en los niveles de salinidad del suelo.
Conscientes de estos desafíos, el equipo de investigación se propuso crear un modelo que utilizara imágenes de Sentinel-1/2, datos climáticos, información del terreno y algoritmos avanzados de aprendizaje automático. Su objetivo era estimar el contenido de sal en el suelo en cinco regiones climáticas.
Los resultados se compartieron en un artículo publicado el 28 de marzo de 2024 en la revista Journal of Remote Sensing. Esta investigación presenta una innovación que combina eficazmente canales espirales angulares con matrices periódicas de contracción y expansión.
La clave de este esfuerzo reside en la integración de datos procedentes de diversas tecnologías de teledetección, en particular de los sofisticados satélites Sentinel-1/2, junto con la utilización estratégica de algoritmos de aprendizaje automático. Este enfoque ha permitido desarrollar un modelo avanzado capaz de mapear con precisión la salinidad del suelo con una resolución de 10 metros, incluso en climas diversos.
Este método innovador nos permite superar con creces las limitaciones de los esfuerzos anteriores, que se veían restringidos por su menor resolución y su enfoque limitado en el análisis de la salinidad del suelo. Nuestro equipo de investigación, altamente comprometido, ha recopilado un vasto conjunto de datos que abarca patrones climáticos globales, mediciones precisas de la salinidad del suelo a nivel del terreno y una amplia gama de variables geoespaciales.
Mediante el algoritmo Random Forest, el modelo no solo predice la salinidad del suelo con notable precisión, sino que también pone de manifiesto el papel fundamental que desempeñan el clima, los niveles de agua subterránea y los índices de salinidad en la formación de paisajes salinos. Este avance representa un paso adelante en nuestra capacidad para monitorear y gestionar la salud del suelo a escala global.
El profesor Zhou Shi, investigador principal del estudio, declaró: “Este estudio representa un avance significativo en nuestra capacidad para evaluar y abordar la salinidad del suelo a escala global. Al integrar imágenes satelitales con aprendizaje automático, ahora podemos identificar suelos salinos con una precisión y granularidad sin precedentes, lo que proporciona información valiosa para prácticas agrícolas y de uso de la tierra sostenibles”.”
Las investigaciones más recientes han generado un mapa global de salinidad del suelo de alta resolución. Este mapa es una herramienta valiosa para científicos, responsables políticos y agricultores. Les ayuda a abordar eficazmente los problemas de salinidad del suelo. Al identificar las zonas con alta salinidad, pueden tomar medidas específicas para restaurar la salud del suelo.
Además, respalda la implementación de prácticas agrícolas sostenibles y facilita la planificación de estrategias de gestión de recursos. Asimismo, la metodología empleada en esta investigación establece un nuevo estándar para el monitoreo ambiental, con posibles aplicaciones en otras evaluaciones de la degradación de la tierra.
Más informaciónNan Wang et al., Estimación global de la salinidad del suelo a 10 m mediante teledetección multisource, Journal of Remote Sensing (2024). DOI: 10.34133/remotesensing.0130
Teledetección
English 
German 
Ukrainian 
French 
Kazakh 
Portuguese 
Spanish 
Arabic 
Swedish 
Serbian 
Romanian 
Norwegian 
Finnish 
Lithuanian 
Estonian 
Latvian 
Croatian 
Slovenian 
Slovak 
Japanese 
Polish 