Mapeamento dos solos salinos do mundo usando tecnologias de sensoriamento remoto

Uma equipe de pesquisadores criou uma técnica que mede o teor de sal no solo em todo o mundo com impressionante precisão, chegando a 10 metros de profundidade. Essa melhoria atende à necessidade crítica de avaliações precisas da salinidade do solo, um problema importante que afeta a produtividade agrícola e a saúde do solo em todo o mundo.

A salinização do solo, um tipo de degradação da terra, afeta mais de 1 bilhão de hectares em todo o mundo, prejudicando a produtividade agrícola e a saúde do meio ambiente. Esforços anteriores para mapear a salinização do solo enfrentaram desafios devido ao baixo nível de detalhamento dos conjuntos de dados disponíveis e às dificuldades em mostrar as mudanças contínuas nos níveis de salinidade do solo.

Reconhecendo esses desafios, a equipe de pesquisa se propôs a criar um modelo que utiliza imagens Sentinel-1/2, dados climáticos, informações sobre o terreno e algoritmos avançados de aprendizado de máquina. Seu objetivo era estimar o teor de sal no solo em cinco regiões climáticas.

Os resultados foram divulgados em um artigo publicado em 28 de março de 2024 no Journal of Remote Sensing. Esta pesquisa apresenta uma inovação que combina de forma eficaz canais espirais angulares com arranjos periódicos de contração e expansão.

No cerne desse esforço está a integração de dados de diversas tecnologias de sensoriamento remoto, notadamente os sofisticados satélites Sentinel-1/2, aliada à utilização estratégica de algoritmos de aprendizado de máquina. Essa abordagem levou ao desenvolvimento de um modelo avançado capaz de mapear a salinidade do solo com notável precisão — uma resolução de 10 metros, mesmo em diversos climas.

Este método inovador nos leva muito além das limitações de esforços anteriores, que eram restritos por sua menor resolução e foco mais limitado na análise da salinidade do solo. Nossa dedicada equipe de pesquisa compilou um vasto conjunto de dados, abrangendo padrões climáticos globais, medições precisas da salinidade do solo em nível do solo e uma gama abrangente de variáveis geoespaciais.

Ao empregar o algoritmo Random Forest, o modelo se destaca não apenas na previsão da salinidade do solo com notável precisão, mas também lança luz sobre os papéis fundamentais que o clima, os níveis de água subterrânea e os índices de salinidade desempenham na formação de paisagens de salinidade do solo. Esse avanço representa um passo importante em nossa capacidade de monitorar e gerenciar a saúde do solo em escala global.

O professor Zhou Shi, investigador principal, afirmou: “Este estudo representa um avanço significativo na nossa capacidade de avaliar e abordar a salinidade do solo à escala global. Ao integrar imagens de satélite com aprendizagem automática, podemos agora identificar solos salinos com uma precisão e granularidade sem precedentes, proporcionando informações valiosas para práticas agrícolas e de gestão sustentável da terra.”

As pesquisas mais recentes produziram um mapa global de alta resolução da salinidade do solo. Este mapa é uma ferramenta valiosa para cientistas, formuladores de políticas e agricultores. Ele os ajuda a lidar eficazmente com os problemas de salinidade do solo. Ao identificar áreas com alta salinidade, eles podem tomar medidas direcionadas para restaurar a saúde do solo.

Além disso, apoia a implementação de práticas agrícolas sustentáveis e auxilia no planejamento de estratégias de gestão de recursos. Ademais, a metodologia empregada nesta pesquisa estabelece um novo padrão para o monitoramento ambiental, com aplicações potenciais em outras avaliações de degradação do solo.

Mais informaçõesNan Wang et al, Estimativa global da salinidade do solo a 10 m usando sensoriamento remoto multiespectral, Journal of Remote Sensing (2024). DOI: 10.34133/remotesensing.0130