El monitoreo de la desertificación en entornos de oasis áridos utilizando el aprendizaje automático del motor Google...

Área de la Ciencia:

• Ciencias ambientales Ciencias ambientales.
• La detección remota con sensores.
• Aprendizaje automático Aprendizaje automático.

Sus antecedentes:

• Los ecosistemas de oasis son críticos para las regiones áridas, pero vulnerables a la degradación.
• El estrés climático, la fragilidad del suelo y el uso excesivo de las aguas subterráneas amenazan la sostenibilidad de los oasis.

Objetivo del estudio:

• Para evaluar la dinámica de la desertificación en el Oasis de Ternata, Marruecos.
• Integrar la teledetección, el aprendizaje automático, la hidrogeología y los datos socioeconómicos para un análisis exhaustivo.

Principales métodos:

• Utilizado el archivo Landsat (1984-2024) procesado en el motor de Google Earth.
• Se aplicó un modelo Gradient Tree Boosting (GTB) para el mapeo de la degradación de la tierra, logrando una precisión del 87,2%.
• Trabajo de campo hidrogeológico integrado y entrevistas con agricultores para obtener datos contextuales.

Principales resultados:

• Significativa disminución de la salud de la vegetación y expansión de las tierras desertificadas.
• Marcada caída en los niveles de agua subterránea y aumento de la salinidad del agua.
• Los agricultores informaron de un aumento del estrés por salinidad, altos costos de los pozos y más incendios.

Conclusiones:

• La variabilidad climática y la sobreexplotación antropogénica aceleran la desertificación en los oasis.
• Necesidad urgente de estrategias integradas de gestión del agua y la tierra para combatir la degradación de los oasis.