La cartografia digital de sòls pot ser definida com la generació d’informació georeferenciada de diferents propietats dels sòls a partir d’unes poques observacions puntuals d’aquestes propietats i de models geoestadístics que infereixen les seves variacions espacials i temporals, a partir d’altres variables físiques, mediambientals i geotemàtiques, més fàcils d’adquirir i que denominem covariables.
La cartografia digital de sòls es basa en tres pilars principals:
- La informació de sòls disponible, també anomenada informació heretada en DSM.
- Les covariables utilitzables.
- Els models numèrics o geoestadístics de predicció.
És àmpliament reconegut en el món del DSM que un bon conjunt d’informació de sòls és el factor clau per poder construir un model matemàtic precís que pugui avaluar amb garanties la qualitat dels seus resultats obtinguts. Malauradament, la disponibilitat de dades i la seva qualitat han estat, i segueixen sent, el factor limitant que pot frenar greument l’evolució de la cartografia digital de sòls.
L’ús de dades heretades pot representar un obstacle per a la cartografia digital de sòls a causa de diferents problemàtiques que poden presentar, com són: l’existència d’informació sense dades numèriques, la manca d’harmonització de les dades, la presència de descripcions poc precises, la no localització o la incorrecta georeferenciació de les dades...
Això fa que la comunitat científica relacionada amb la cartografia digital hagi d’adaptar els seus models de predicció a la necessària integració d’aquest tipus d’informació, de forma que pugui treballar tenint en compte la intrínseca imprecisió d’aquests tipus de dades.
Per la seva banda, la selecció de covariables és una de les fases més critiques en els processos de DSM. Una gran varietat de propietats georeferenciades, teòricament relacionades amb la formació dels sòls, s’acostumen a utilitzar habitualment.
- Un primer grup ve representat pels models d’elevació del terreny i tot un seguit de variables, més o menys complexes i sofisticades, que poden ser derivades a partir dels mateixos (índexs topogràfics, hidromorfològics...).
- Un segon grup de variables, també molt prometedor, ve donat per l’ús de mapes d’alta resolució de la superfície terrestre obtingudes a partir dels valors de les imatges adquirides per diferents sensors híper-espectrals (índex de vegetació, de minerals...).
- Un últim grup de variables ve donat per diferents conjunts d’informació bàsica addicional que es troben digitalitzats (factors climàtics, usos del sòl...).
Els models estadístics utilitzats en cartografia de sòls acostumen a ser funcions que poden predir les propietats del sòl a partir d’altres propietats covariables. Aquests models s’han de calibrar a partir de mostrejos en punts en els que els inputs i els outputs de la funció siguin coneguts.
El Mapa d’estocs de carboni orgànic als sòls agrícoles de Catalunya, fruit de la col·laboració entre diferents organismes de Catalunya com Investigación y Tecnología Agroalimentaria (IRTA), el Centre de Recerca Ecològica i Aplicacions Forestals (CREAF), el Centre Tecnològic Forestal de Catalunya (CTFC), el Departament d'Agricultura, Ramaderia, Pesca i Alimentació (DARP) i ICGC, constitueix un primer, i molt bon, exemple del que pot suposar la cartografia digital de sòls a Catalunya (Figura 1).
Figura 1. Mapa d’estocs de carboni orgànic en els 30 cm superficials dels sòls agrícoles de Catalunya (IRTA-CREAF-CTFC-DARP-ICGC, 2018)
Els sòls representen el tercer reservori de carboni més important després dels oceans i dels estrats geològics; i molt més grans que l’atmosfera i la biosfera. La capacitat que presenten els sòls per incrementar els seus continguts en carboni orgànic amb la implantació de certes pràctiques de gestió agrícola, pot resultar de gran interès com a mesura de mitigació del canvi climàtic. Aquest mapa pretén ser un punt de partida per avaluar els efectes de l’aplicació de possibles estratègies, polítiques i accions de mitigació del canvi climàtic en la línia suggerida per la Convenció Marc de les Nacions Unides sobre el Canvi Climàtic celebrada a París l'any 2015, en consonància amb les marcades per l’Oficina de Canvi Climàtic de Catalunya.
El mapa final s’ha obtingut a partir de la informació descriptiva i analítica de més de 7.000 perfils recopilada des de l'any 1983 pel Departament d’Agricultura de la Generalitat de Catalunya i per l’Institut Cartogràfic i Geològic de Catalunya.
Com a covariables, s’han utilitzat una sèrie de variables ambientals (precipitació mitjana anual i temperatura mitjana anual), topogràfiques (altitud), de maneig (ús del sòl i gestió de l’aigua: secà/regadiu) i edàfiques (profunditat efectiva del sòl, classe de drenatge, classe textural i contingut d’argila).
Com a enfoc estadístic es va utilitzar el mètode de Mínims Quadrats Generalitzats (Generalized Least Squares, GLS), mitjançant la funció “gls” del paquet “nlme” del programa informàtic R1 . Per a la selecció del millor model es va aplicar un procediment d’eliminació de variables a partir d’un model complet (backwards spetwise). El criteri per a la selecció del millor model va ser l’error quadrat mitjà (MSE).
Per representar espacialment els estocs de carboni orgànic es va aplicar l’equació de regressió obtinguda a les capes de les variables predictores (en format ràster), mitjançant àlgebra de mapes (programari de sistemes d'informació geogràfica). La predicció a nivell de píxel va ser corregida afegint una interpolació espacial dels residus del model per tal de corregir la seva correlació espacial. El mapa resultant presenta una resolució espacial de 180 m per pixel.
______________________
1. R Core Team (2013). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. URL: https://www.r-project.org/.
Contact
