Evaluación de la calidad suelo para sustentabilidad mediante modelado estadístico.
Se desarrollan modelos predictivos para pH, materia orgánica, conductividad eléctrica, humedad, respecto al grupo orden-uso suelo, usando los niveles de reflectancia obtenidos a partir de muestras de campo y de imágenes Sentinel-2.
El estudio se enfoca en un territorio de la zona andina ecuatoriana a las faldas del Volcán Cayambe, en la microcuenca del Río Blanco, en suelos que pueden estar en un grado de pérdida de su calidad a causa de la actividad humana. Se dividió el área de estudio en 19 zonas homogéneas (ZH) por orden de suelo y uso del suelo. El orden de suelo en la zona de estudio es Andisol y Molisol. Se encontró en Andisol el uso de suelo de arbustiva, páramo y pasto (Figura 1), mientras que en Molisol el uso de suelo encontrado fue arbustiva, páramo, pasto, forestal y agricultura (Figura 2). Se midieron los parámetros pH, materia orgánica (MO), conductividad eléctrica (CE) y humedad (HU). El procedimiento para la recolección de muestras implicaba seleccionar el punto de muestreo, determinar las coordenadas geográficas con ayuda del navegador portátil GPSMAP, establecer un cuadrante de aproximadamente 30 × 30 cm, retirar la vegetación de la superficie del suelo, en el caso de pasto, vegetación de páramo y arbustiva. Se recolectaron dos muestras de suelo de 1 kg, en fundas plásticas con cierre hermético para los posteriores análisis fisicoquímicos (Figura 3). Asimismo, se tomaron muestras en dos cilindros de densidad aparente por punto de muestreo para el análisis de espectroradiometría de suelos en laboratorio (Figura 4). Por lo tanto, se determinaron dos muestras de campo por ZH y una muestra para las zonas ID02 e ID08. Se utilizó el espectroradiómetro ASD FieldSpec 4 HI-RES para obtener los valores de los niveles de reflectancia en el rango de longitud de onda entre 350 nm a 2.500 nm. Se obtuvieron valores de reflectancia en cada una de las bandas de la imagen de satélite Sentinel-2A (sensores remotos) por ZH. Esto permitió desarrollar modelos predictivos de regresión logística, análisis discriminante y árboles de regresión para estimar el contenido de pH, MO, CE y HU, respecto al grupo de orden-uso de suelo al que pertenece cada nueva observación que se desea clasificar, mediante niveles de reflectancia de las muestras de campo medidas en laboratorio y en la imagen de satélite Sentinel-2 (Figura 5). De esa forma se pudo modelar espacialmente la dinámica en territorio de la calidad del suelo en la región andina con actividad agrícola. Con base en el principio de replicabilidad de la investigación y según los resultados obtenidos, la metodología propuesta podría aplicarse a otras regiones y adaptarse para predecir las propiedades del suelo en función del orden del suelo específico del sitio y las propiedades del uso de la tierra. La investigación futura debería explorar la variabilidad de los parámetros de calidad del suelo geográficamente con el objetivo de construir modelos regionales. En el aspecto científico el presente trabajo contribuye a generar nuevos modelos predictivos, basados en el análisis de imágenes y datos de campo para determinar la calidad del suelo, orientados a su aplicabilidad en la seguridad alimentaria. Este nuevo esquema de evaluación de la calidad del suelo aporta con una metodología accesible y económica para las estrategias de ordenamiento territorial y gestión sostenible del suelo.
Figura 1. Orden de suelo Andisol con uso de suelo páramo.
Autora: Susana Arciniegas Ortega.
Figura 2. Orden de suelo Molisol con uso de suelo pasto.
Autora: Susana Arciniegas Ortega.
Figura 3. Muestras de suelo colectada en el campo en funda con cierre hermético para análisis de pH, MO, CE, HU.
Autor: Génesis Yañez.
Figura 4. Muestras de suelo colectada en el campo en cilindro para espectroradiometría en laboratorio.
Autor: Génesis Yañez.
Figura 5. Diagrama de flujo del proceso metodológico para el desarrollo de los modelos predictivos.
Autora: Susana Arciniegas Ortega.
Palabras clave
Calidad del suelo, espectroradiometría de laboratorio, sensores remotos, regresión logística, discrimante lineal, árbol de regresión, región andina.
Área de conocimiento
Geomática.
La línea de investigación en: Observación terrestre, cartografía y aplicaciones medioambientales.
Enlaces de interés
Publicación de la investigación: https://www.mdpi.com/2071-1050/14/12/7426
https://www.researchgate.net/profile/Susana-Arciniegas
https://orcid.org/0000-0002-0878-2612
Autora
Susana Arciniegas Ortega es doctora Doctora por el programa de Ingeniería Geomática de la ETSITGC - UPM y la investigación reseñada es parte de su tesis