• Home
  • Química
  • Astronomia
  • Energia
  • Natureza
  • Biologia
  • Física
  • Eletrônicos
  •  Science >> Ciência >  >> Natureza
    Mapeando os solos salgados do mundo:um salto em frente no combate à degradação dos solos
    Notas:a subfigura mostra um exemplo de áreas de solo ácido definidas pela Base Mundial de Referência para Recursos do Solo; o gráfico de dispersão mostra o teor de sal em amostras de solo em cinco regiões climáticas. Crédito:Jornal de Sensoriamento Remoto

    Uma equipe de pesquisadores desenvolveu uma abordagem que mapeia o teor de sal do solo em todo o mundo com um detalhe excepcional de 10 metros. Este avanço responde à necessidade premente de avaliações precisas da salinidade do solo, um desafio formidável que põe em risco a produtividade agrícola e a vitalidade do solo à escala global.



    A salinidade do solo, uma forma de degradação do solo, afecta mais de mil milhões de hectares a nível mundial, comprometendo a produtividade agrícola e a saúde ambiental. Tentativas anteriores de mapear a salinidade do solo foram prejudicadas pela resolução espacial grosseira dos conjuntos de dados existentes e pelas limitações na captura da continuidade do conteúdo de salinidade do solo.

    Reconhecendo estes desafios, a equipa de investigação embarcou no desenvolvimento de um modelo que integra imagens Sentinel-1/2, dados climáticos, informações do terreno e algoritmos avançados de aprendizagem automática para estimar o teor de sal no solo em cinco regiões climáticas. Essas descobertas foram detalhadas em um estudo publicado em 28 de março de 2024, no Journal of Remote Sensing . Esta pesquisa apresenta um dispositivo que integra habilmente canais espirais inclinados com matrizes periódicas de contração-expansão.

    No centro deste esforço está a fusão de dados de uma série de tecnologias de detecção remota, nomeadamente os satélites avançados Sentinel-1/2, e a aplicação estratégica de algoritmos de aprendizagem automática. Esta abordagem deu origem a um modelo sofisticado capaz de delinear a salinidade do solo com uma precisão sem precedentes – uma resolução de 10 metros em climas variados.

    Este avanço metodológico impulsiona-nos muito além das limitações das tentativas anteriores, que foram algemadas pela sua resolução mais grosseira e por um âmbito mais restrito na análise de salinidade. A dedicada equipa de investigação reuniu um extenso conjunto de dados, capturando padrões climáticos globais, leituras precisas da salinidade do solo ao nível do solo e um conjunto abrangente de variáveis ​​geoespaciais.

    Empregando o algoritmo Random Forest, o modelo não só se destaca na previsão da salinidade do solo com notável precisão, mas também esclarece os papéis essenciais que o clima, os níveis das águas subterrâneas e os índices de salinidade desempenham na formação de paisagens de salinidade do solo. Este avanço marca um passo em frente na nossa capacidade de monitorizar e gerir a saúde do solo à escala global.

    O professor Zhou Shi, pesquisador principal, afirmou:"Este estudo marca um salto significativo em nossa capacidade de avaliar e gerenciar a salinidade do solo em escala global. Ao combinar imagens de satélite com aprendizado de máquina, podemos agora identificar solos salinos com precisão e detalhes sem precedentes , oferecendo informações valiosas para terras e práticas agrícolas sustentáveis."

    O mapa global de salinidade do solo de alta resolução gerado a partir desta investigação fornece uma ferramenta essencial para cientistas, decisores políticos e agricultores abordarem eficazmente as questões de salinidade do solo. Permite intervenções direcionadas para a restauração da saúde do solo, apoia práticas agrícolas sustentáveis ​​e ajuda no planeamento da gestão de recursos. A metodologia também estabelece um novo padrão para o monitoramento ambiental, potencialmente aplicável a outras avaliações de degradação do solo.

    Mais informações: Nan Wang et al, Global Soil Salinity Estimation at 10 m Using Multi-Source Remote Sensing, Journal of Remote Sensing (2024). DOI:10.34133/sensor remoto.0130
    Fornecido por Journal of Remote Sensing



    © Ciência https://pt.scienceaq.com