La cartografía de suelos tiene sus raíces en la necesidad de entender la distribución y las características de los suelos para diversos fines, como la agricultura, la gestión del medio ambiente, la planificación del uso del suelo y la ingeniería civil, entre otros.

La demanda de información de suelos ha ido en aumento en las últimas décadas para hacer frente a los problemas ambientales emergentes como la producción sostenible de alimentos; regulación, adaptación y mitigación del cambio climático; degradación del suelo; gestión de recursos terrestres; y en general, el uso del recurso suelo para desarrollar cualquiera de sus funciones sistémicas. Además, cuanta más rica sea la información de suelos, mejores evaluaciones de los suelos se podrán realizar, contribuyendo así a un mejor conocimiento del medio, con la consecuente reducción de los riesgos para la toma de decisiones.

A continuación se decribe la transición de los enfoques de las cartografías de suelos convencionales hacia las digitales, presentando su marco teórico, y proporcionando una visión general de cómo se pueden utilizar las últimas tecnologías emergentes para generar cartografías digitales de suelos.

Transición de los enfoques convencionales de las cartografías de suelos hacia los digitales

Ya en tiempos muy remotos, siglo V antes de Cristo, existen registros del esfuerzo por categorizar los suelos, clasificarlos según sus propiedades y representar de forma gráfica su distribución espacial, libro Yu Gong, siglo V a.C, China. La cartografía de suelos comenzó con observaciones y mapas a nivel local o regional por parte de agricultores, geólogos u otros profesionales interesados en entender la naturaleza del suelo en diferentes áreas. Estas observaciones se registraban en mapas rudimentarios que indicaban la ubicación de diferentes tipos de suelos y sus características.

El nacimiento de la edafología como ciencia moderna, tiene lugar con los trabajos de Vasily V. Dokuchaev, 1870, que entiende el suelo como un sistema natural que tiene su propia génesis y desarrollo, y los relaciona con factores externos como el clima, vegetación, paisaje, relieve y tiempo.

Esta teoría, desarrollada por los rusos de la escuela de Dokuchaev, concretamente por Sergey Zakharov, y importada por los americanos a través de Curtis Marbut, llega a su punto álgido con la publicación del libro "Factores de Formación del Suelo" de Hans Jenny (1941) que se convierte en el punto de inflexión donde se define el marco teórico de las cartografías de suelos convencionales, un cambio de paradigma en la realización de las cartografías de suelos. Jenny propone un modelo de formación del suelo, en el que sus propiedades dependen de sus factores formadores, que son el clima (c), los organismos (o), el relieve (r), el material parental (p) y el tiempo (t) que hace que todos estos factores interactúen entre sí.

Este modelo, denominado "clorpt", caracteriza las condiciones ambientales por las cuales los suelos y sus propiedades varían, y cómo mediante estas variables podemos llegar a predecir su ordenación espacial mediante una modelización que relaciona los suelos con el paisaje (modelo suelo-paisaje).

Este hecho, junto con la formalización de los sistemas taxonómicos de clasificación de suelos, como la "Soil Taxonomy" (Soil Survey Staff, 1975) y la "World Reference Base for Soil Description" (FAO, 1998), supuso un impulso muy importante para las cartografías de suelos. Los sistemas de clasificación describen cómo se clasifican los suelos basándose en propiedades morfológicas que se pueden medir y cuantificar fácilmente en el campo.

Imatge

Figura 1. Concepto metodológico de las cartografías de suelos convencionales siguiendo el modelo clorpt (Jenny, 1941).

Durante la Revolución Verde, las cartografías de suelos y los sistemas de clasificación taxonómica recibieron un impulso muy importante. La necesidad de planificar y ordenar el territorio para alcanzar la soberanía alimentaria se convirtió en un factor clave en el desarrollo de los países con más recursos. Una vez alcanzada, muchos países redujeron los fondos destinados a los programas de cartografía de suelos, y muchos de los equipos de prospección fueron desmantelados. Fue pocas décadas después cuando los problemas derivados de la sobreexplotación de los campos se hicieron obvios, y la degradación de los suelos y de las aguas subterráneas se hizo evidente. Se hizo patente que el suelo es un recurso limitado y no renovable a escala temporal humana y que, por lo tanto, es necesario protegerlo de todas aquellas agresiones que pueden degradarlo, afectando a sus funciones.

En los últimos 40 años, Cataluña ha hecho un esfuerzo por recopilar, ordenar e interpretar la información de suelos de las principales zonas agrícolas. Este esfuerzo, más o menos continuado en el tiempo, ha provisto de cartografías detalladas de suelos a una cuarta parte de la superficie agrícola, y se han adquirido miles de datos de suelos de todo el territorio, y ha permitido la implementación de la GeoBase de datos de los Suelos de Cataluña (GBSC) v1.0. (ICGC, 2016). Toda esta información se ha utilizado, y todavía se utiliza, para asesorar y planificar la gestión del territori. A pesar de esto, la ciencia del suelo avanza y a las técnicas tradicionales de cartografía se añaden de más modernas que incorporan parte del potencial tecnológico al que tenemos acceso hoy en día, como la computación, la teledetección y los sistemas de información geográficos.

Al proponer la transición teórica completa de los enfoques convencionales de las cartografías de suelos a los digitales, McBratney et al. (2003) propusieron el modelo “scorpan” como una extensión del modelo “clorpt”. Este modelo comparte las mismas variables que el modelo “clorpt”, que incluyen el clima (c), los organismos (o), el relieve (r), el material parental (p) y el tiempo/edad (a), pero a estas variables se añaden las propiedades intrínsecas del suelo (s) ya conocidas, y la georreferenciación (n) que nos da la posición espacial de una muestra y nos permite aplicar los principios de la geoestadística al modelo, y así expresar de manera cuantitativa la relación entre una propiedad o clase del suelo y las variables ambientales, que llamaremos covariables de ahora en adelante. Aquí, los factores “scorpan” individuales, o una combinación de ellos, se utilizan para predecir la distribución de una propiedad del suelo o una clase de suelo de interés, S, utilizando una función cuantitativa, f(), que representa la relación entre el suelo y el paisaje.

El ICGC ha comenzado a trabajar en una línea de cartografía de suelos, que debe llevar a poder generar nueva cartografía de una forma más rápida y ágil, utilizando los fondos de datos propios y otros disponibles (Llorente et al., 2018; Fernández-Ugalde et al., 2022; Orgiazzi, et al. 2018).

Imatge

Figura 2. Concepto metodológico de las cartografías digitales de suelos siguiendo el modelo scorpan (McBratney et al., 2003).

Mapa de stocks de carbono orgánico en los suelos agrícolas de Cataluña

El Mapa de stocks de carbono orgánico en los suelos agrícolas de Cataluña, fruto de la colaboración entre diferentes organismos de Cataluña como Investigación y Tecnología Agroalimentaria (IRTA), el Centro de Investigación Ecológica y Aplicaciones Forestales (CREAF), el Centro Tecnológico Forestal de Cataluña (CTFC), el Departamento de Agricultura, Ganadería, Pesca y Alimentación (DARP) e ICGC, constituye un primer, y muy buen, ejemplo de lo que puede suponer la cartografía digital de suelos en Cataluña (Figura 3).

Imatge

Figura 3. Mapa de existencias de carbono orgánico en los 30 cm superficiales de los suelos agrícolas de Cataluña (IRTA-CREAF-CTFC-DARP-ICGC, 2018).

Los suelos representan el tercer reservorio de carbono más importante después de los océanos y los estratos geológicos; y mucho más grandes que la atmósfera y la biosfera. La capacidad que presentan los suelos para incrementar sus contenidos en carbono orgánico con la implantación de ciertas prácticas de gestión agrícola, puede resultar de gran interés como medida de mitigación del cambio climático. Este mapa pretende ser un punto de partida para evaluar los efectos de la aplicación de posibles estrategias, políticas y acciones de mitigación del cambio climático en la línea sugerida por la Convención Marco de las Naciones Unidas sobre el Cambio Climático celebrada en París en el año 2015, en consonancia con las marcadas por la Oficina de Cambio Climático de Cataluña.

El mapa final se ha obtenido a partir de la información descriptiva y analítica de más de 7.000 perfiles recopilados desde el año 1983 por el Departamento de Agricultura de la Generalitat de Cataluña y por el Instituto Cartográfico y Geológico de Cataluña.

Como covariables, se han utilizado una serie de variables ambientales (precipitación media anual y temperatura media anual), topográficas (altitud), de manejo (uso del suelo y gestión del agua: secano/regadío) y edáficas (profundidad efectiva del suelo, clase de drenaje, clase textural y contenido de arcilla).

Como enfoque estadístico se utilizó el método de Mínimos Cuadrados Generalizados (Generalized Least Squares, GLS), mediante la función "gls" del paquete "nlme" del programa informático R. Para la selección del mejor modelo se aplicó un procedimiento de eliminación de variables a partir de un modelo completo (backward stepwise). El criterio para la selección del mejor modelo fue el error cuadrático medio (Funes et al., 2019).

Para representar espacialmente las existencias de carbono orgánico se aplicó la ecuación de regresión obtenida a las capas de las variables predictoras (en formato ráster), mediante álgebra de mapas (software de sistemas de información geográfica). La predicción a nivel de píxel fue corregida agregando una interpolación espacial de los residuos del modelo para corregir su correlación espacial. El mapa resultante presenta una resolución espacial de 180 m por píxel..

Ejemplos de programas de Cartografía digital de suelos

GlobalSoilMap 
El proyecto GlobalSoilMap.net tiene como objetivo crear un nuevo mapa digital de los suelos del mundo utilizando las tecnologías más avanzadas en cartografía de suelos. La iniciativa, liderada por centros académicos e investigativos globales, busca mejorar las decisiones en producción de alimentos, cambio climático y degradación ambiental..

ISRIC tiene un papel central en la coordinación, normalización y análisis de los datos de suelos, a nivel global, recopilados por GlobalSoilMap. SoilGrids es la plataforma desde la cual proveen el servicio de cartografía digital de suelos de todo el mundo.

SoilGrids — información de suelo global en malla (ISRIC) 
SoilGrids es un sistema para la cartografía digital global del suelo que utiliza métodos de aprendizaje automático de última generación para cartografiar la distribución espacial de los atributos del suelo en todo el mundo.

Otros miembros destacados que participan en el proyecto GlobalSoilMap.net, coordinan la recolección de datos regionales y también tienen programas de cartografía digital de suelos propios son:

• Joint Research Centre (JRC).
  • DSM: Digital Soil Mapping (ESDAC).
• Australia’s National Science Agency (CSIRO).
  • Soil and Landscape Grid of Australia (TERN).
• Natural Resources Conservation Service (NRCS).
  • Digital Soil Mapping Team (USDA).

Referencias

FAO, ISRIC and ISSS (1998). The World Reference Base for Soil Resources (WRB).

Fernandez-Ugalde, O; Scarpa, S; Orgiazzi, A.; Panagos, P.; Van Liedekerke, M; Marechal A.; Jones, A. (2022). LUCAS 2018 Soil Module. Presentation of dataset and results, EUR 31144 EN, Publications Office of the European Union, Luxembourg. ISBN 978-92-76-54832-4, https://doi.org/10.2760/215013, JRC129926.

Funes, I., Savé, R., Rovira, P., Molowny-Horas, R., Alcañiz, J.M., Ascaso, E., Herms, I., Herrero, C., Boixadera, J., Vayreda, J. (2019). Agricultural soil organic carbon stocks in the north-eastern Iberian Peninsula: Drivers and spatial variability. Sci. Total Environ. 668 , 283–294. https://doi.org/10.1016/j.scitotenv.2019.02.317.

ICGC (2016). GeoBase de dades dels Sòls de Catalunya (GBSC) v1.0. Institut Cartogràfic i Geològic de Catalunya, Generalitat de Catalunya.

Jenny, H. (1941). Factors of Soil Formation. A System of Quantitative Pedology. Ed. Mc. Graw-Hill, USA. 281 p.

Llorente, M.; Rovira, P.; Merino, A.; Rubio, A.; Turrión, M.B.; Badía, D.; Romanya, J.; González, J.; Cortina, J.A. (2018): The CARBOSOL Database: a georeferenced soil profile analytical database for Spain [dataset publication series]. PANGAEA, https://doi.org/10.1594/PANGAEA.884517.

McBratney, A.B.; Mendonça Santos, M.L.; Minasny, B. (2003). On digital soil mapping. Geoderma. Vol. 117 (1–2): 3-52. https://doi.org/10.1016/S0016-7061(03)00223-4.

Orgiazzi, A.; Ballabio, C.; Panagos, P.; Jones, A., Fernández-Ugalde, O. (2018). LUCAS Soil, the largest expandable soil dataset for Europe: A review. European Journal of Soil Science, 69 (1): 140-153. https://doi.org/10.1111/ejss.12499.

R Core Team (2013). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. URL: http://www.R-project.org/.

Soil Survey Staff (1975). Soil Taxonomy. A Basic System of Soil Classification for Making and Interpreting Soil Surveys. U.S.D.A. Agricultural Handbook, 436.