La humedad del suelo es fácil de ver cuando su Little Leaguer favorito se desliza a la segunda base el día después de una gran tormenta de verano. El barro salpicado en el uniforme de ese pequeño estafador cuenta la historia.

Tratando de medir la humedad del suelo en grandes áreas:regiones, naciones continentes, es un desafío completamente diferente, y uno crítico. El conocimiento de esta dimensión de nuestro ecosistema es extremadamente importante para los agricultores, planificadores científicos, compañías de seguros y cualquier persona preocupada por prepararse para el cambio ambiental global.

"Comprender estos patrones es fundamental para la seguridad nacional e internacional, "dijo Rodrigo Vargas, profesor asociado de ecología de ecosistemas y cambio ambiental en el Departamento de Ciencias de Plantas y Suelos de la Universidad de Delaware. "No podemos medir todo en todas partes todo el tiempo ... Por lo que estamos utilizando enfoques alternativos, como el aprendizaje automático que nos ayuda a obtener información a partir de conjuntos de datos complejos ".

Ahora Vargas y el estudiante de doctorado Mario Guevara han desarrollado un nuevo enfoque que agudiza nuestra capacidad para predecir la humedad del suelo, incluso en áreas extensas donde no se dispone de datos. En comparación con las estimaciones estándar producidas por sensores basados ​​en satélites, el nuevo enfoque aumenta la precisión de estas estimaciones en más del 20 por ciento. También permite predecir las condiciones de humedad del suelo en áreas mucho más pequeñas y con mayor detalle de lo que los modelos estándar han podido mostrar. Describieron su trabajo en un número reciente de MÁS UNO , una revista revisada por pares publicada por la Biblioteca Pública de Ciencias.

Los mejores datos sobre la humedad del suelo ahora se recopilan utilizando sensores basados ​​en satélites que brindan predicciones en cuadrículas de aproximadamente 27 kilómetros por píxel. Ese es un espacio de casi 17 millas cuadradas, sobre la distancia desde Main Street en Newark, Delaware, al histórico New Castle en el río Delaware.

Eso es útil para analizar patrones regionales o globales, pero una escala tan grande solo puede proporcionar información limitada sobre las condiciones locales.

El método que han desarrollado Guevara y Vargas proporciona una definición mucho más alta, mejorando la resolución de 27 kilómetros a 1 kilómetro por píxel, o de aproximadamente 17 millas a poco más de media milla. Esa es aproximadamente la distancia desde el Centro de estudiantes Trabant de la UD en un extremo de East Main Street hasta el Centro comercial de Newark en el otro. Mucho más ajustado y mucho más útil para aplicaciones en todo el estado.

El nuevo enfoque combina la ciencia de datos y el aprendizaje automático con la ciencia emergente de la geomorfometría:análisis cuantitativo de la superficie terrestre utilizando información topográfica, análisis de imágenes y estadísticas espaciales.

Debido a que la humedad del suelo varía según la ubicación y cambia con el tiempo, Los métodos de medición y predicción fiables son esenciales. La topografía, que define los parámetros físicos de la superficie de la Tierra, es un factor crítico para las estimaciones de la humedad del suelo. Elevación, la pendiente y otras características de la superficie terrestre son fuertes predictores de cómo el agua, de la lluvia, riego y otras fuentes — se moverá, drenar y afectar un área.

"Necesitamos comprender la dinámica del agua, ", Dijo Guevara." Entendemos muchos componentes del ciclo del agua, pero hay muchas cosas que no sabemos. Queremos proteger los recursos hídricos y saber cómo se distribuyen, su geografía. La humedad del suelo es un indicador importante de los recursos hídricos ".

Usando sensores basados ​​en satélites, La humedad del suelo se puede medir a una profundidad de aproximadamente 5 centímetros (poco menos de 2 pulgadas).

"Los satélites no pueden ver fácilmente la humedad del suelo en las capas más profundas del suelo, "Dijo Guevara.

Pero esa fina capa de suelo contiene información crucial.

"La humedad superficial del suelo es un indicador clave de la sequedad del suelo. Influye en la productividad del suelo y, en última instancia, en la salud del suelo, "Guevara dijo, "dado que el agua de los primeros centímetros del suelo es parte del agua utilizada por los cultivos o por la biodiversidad del suelo (nutrientes cíclicos) que controlan la capacidad del suelo para producir alimentos, fibra y almacenar agua ".

Al desarrollar el nuevo modelo predictivo, Guevara utilizó datos satelitales sobre la humedad del suelo recopilados durante más de una década (1991-2016) en los Estados Unidos continentales por la Iniciativa de Cambio Climático de la Agencia Espacial Europea.

Él y Vargas trabajaron en colaboración con UD Information Technologies, utilizó el músculo del clúster de computación de alto rendimiento Farber de UD y aprovechó los recursos del nuevo Data Science Institute.

Guevara desarrolló factores de predicción utilizando análisis de terreno digital automatizado y definió 15 tipos de parámetros de terreno (como pendiente y aspecto, entre otros). Analizó la estructura espacial y la distribución de estos parámetros en relación con la humedad del suelo y utilizó un algoritmo para seleccionar los mejores modelos.

Las predicciones resultantes se validaron comparándolas con la "verdad fundamental, "datos de campo sobre la humedad del suelo del conjunto de datos de humedad del suelo de América del Norte. Este conjunto de datos, desarrollado por el alumno de UD Steven Quiring, quien era estudiante de doctorado del profesor de la UD y climatólogo estatal Dan Leathers, extrae datos estrictamente seleccionados de más de 2, 000 estaciones meteorológicas en los Estados Unidos continentales.

El próximo capítulo de la investigación está extendiendo el trabajo a la escala global, Vargas dijo. Más información sobre eso está disponible en la revista Earth System Science Data.