La salinidad del suelo, una forma de degradación de la tierra, afecta a más de mil millones de hectáreas en todo el mundo, comprometiendo la productividad agrícola y la salud ambiental. Los intentos anteriores de mapear la salinidad del suelo se vieron obstaculizados por la escasa resolución espacial de los conjuntos de datos existentes y las limitaciones para capturar la continuidad del contenido de salinidad del suelo.

Al reconocer estos desafíos, el equipo de investigación se embarcó en el desarrollo de un modelo que integra imágenes Sentinel-1/2, datos climáticos, información del terreno y algoritmos avanzados de aprendizaje automático para estimar el contenido de sal del suelo en cinco regiones climáticas. Estos hallazgos se detallaron en un estudio publicado el 28 de marzo de 2024 en Journal of Remote Sensing. . Esta investigación presenta un dispositivo que integra hábilmente canales espirales inclinados con matrices periódicas de contracción-expansión.

En el centro de este esfuerzo está la fusión de datos de una serie de tecnologías de detección remota, en particular los satélites avanzados Sentinel-1/2, y la aplicación estratégica de algoritmos de aprendizaje automático. Este enfoque ha dado lugar a un modelo sofisticado capaz de delinear la salinidad del suelo con una precisión sin precedentes:una resolución de 10 metros en diferentes climas.

Este avance metodológico nos impulsa mucho más allá de las limitaciones de intentos anteriores, que se vieron limitados por su resolución más burda y un alcance más limitado en el análisis de salinidad. El dedicado equipo de investigación ha reunido un extenso conjunto de datos que captura patrones climáticos globales, lecturas precisas de la salinidad del suelo a nivel del suelo y un conjunto completo de variables geoespaciales.

Al emplear el algoritmo Random Forest, el modelo no sólo sobresale en la predicción de la salinidad del suelo con notable precisión, sino que también arroja luz sobre los papeles fundamentales que desempeñan el clima, los niveles de agua subterránea y los índices de salinidad en la formación de paisajes de salinidad del suelo. Este avance marca un paso adelante en nuestra capacidad para monitorear y gestionar la salud del suelo a escala global.

El profesor Zhou Shi, investigador principal, afirmó:"Este estudio marca un salto significativo en nuestra capacidad para evaluar y gestionar la salinidad del suelo a escala global. Al combinar imágenes satelitales con aprendizaje automático, ahora podemos identificar suelos salinos con una precisión y un detalle sin precedentes". , que ofrece información valiosa para prácticas agrícolas y de tierras sostenibles."

El mapa global de salinidad del suelo de alta resolución generado a partir de esta investigación proporciona una herramienta esencial para que científicos, formuladores de políticas y agricultores aborden los problemas de salinidad del suelo de manera efectiva. Permite intervenciones específicas para la restauración de la salud del suelo, apoya prácticas agrícolas sostenibles y ayuda en la planificación de la gestión de recursos. La metodología también establece un nuevo estándar para el monitoreo ambiental, potencialmente aplicable a otras evaluaciones de degradación de la tierra.