Cartografía digital del suelo en apoyo de programas voluntarios de mercado de carbono en tierras agrícolas

Área de la Ciencia:

• Ciencias Agrícolas
• Ciencias del medio ambiente
• Ciencia de los datos

Sus antecedentes:

• Los programas de mercado voluntario de carbono (VCM) en la agricultura requieren mediciones precisas y escalables del carbono orgánico del suelo (SOC).
• Las barreras actuales obstaculizan la adopción generalizada de tecnologías de cuantificación SOC.
• Los productos públicos de datos SOC existentes muestran limitaciones para reflejar con precisión las mediciones de campo.

Objetivo del estudio:

• Desarrollar y validar un marco de mapeo digital del suelo (DSM) para una predicción precisa y a gran escala de la SOC en las tierras agrícolas.
• Superar las barreras de adopción en los programas de VCM mejorando la eficiencia y precisión de la medición SOC.
• Comparar el rendimiento del marco DSM desarrollado con los productos de datos SOC públicos existentes.

Principales métodos:

• Desarrolló un marco de DSM basado en el aprendizaje automático utilizando covariables espaciales (clima, topografía, propiedades del suelo, teledetección).
• Utilizó 5,230 mediciones de SOC de tierras agrícolas en 47 estados contiguos de los Estados Unidos para la capacitación y validación del modelo.
• Se evaluó el rendimiento del modelo mediante validación cruzada (R2 = 0,811, RMSE = 0,041) y se compararon las predicciones con mediciones de campo independientes y productos de datos SOC existentes.

Principales resultados:

• El marco DSM predijo con precisión el contenido de SOC en los 30 cm superiores del suelo, con un fuerte acuerdo entre los valores predichos y medidos (R2 = 0,811).
• Los productos públicos de datos SOC existentes demostraron una escasa precisión en la reproducción de las mediciones de campo independientes.
• Los datos de teledetección de Sentinel-2, la temperatura y las características hidrológicas se identificaron como predictores clave del contenido de SOC.

Conclusiones:

• Los algoritmos basados en datos y la ingeniería de características pueden generar estimaciones precisas de SOC a nivel de campo para las tierras agrícolas, superando las barreras de escala de VCM.
• Los datos de capacitación y validación geográficamente representativos son esenciales para una cuantificación fiable del SOC.
• El marco de DSM desarrollado ofrece una solución escalable para mejorar el monitoreo de SOC en los VCM agrícolas.