Algoritmos y mapas satelitales ayudarían a leer comportamiento de suelos en Aysén (Chile)

Desde el punto de vista económico, en esta entrada a la Patagonia chilena, con grandes glaciares, fiordos y montañas nevadas, se destaca la producción ganadera –en especial de bovinos–, y forestal, además de la silvicultura y acuicultura. Sus escasos habitantes también se dedican a la explotación de metales como plomo, oro, plata y zinc, que se exportan a Estados Unidos, China y Japón.

Aunque dichos metales significan una fuente de ingresos considerable para el país, en pequeñas extensiones de suelo los campesinos cultivan papa, habas, lechuga, damascos y cerezas, los cuales se producen entre los 10 y 25 °C, por lo que las lluvias y la humedad reducen la temperatura ideal limitando el crecimiento de las plantas.

Jacobo Ceballos Varela, administrador de sistemas informáticos de la Universidad Nacional de Colombia (UNAL) Sede Manizales, menciona que “las lluvias y los glaciares favorecen los suelos boscosos para la alimentación del ganado, pero el deshielo de sus glaciares produce grandes cantidades de agua sobre las montañas, que se filtra por la tierra aumentando la humedad de los suelos, y por lo tanto afectando los terrenos cultivables”.

Ante esta situación, el investigador sugiere que con modelos matemáticos y algoritmos en Aysén se podría identificar cómo se encuentran los suelos en tiempo real y con proyección a un año, ya que estas herramientas permiten analizar imágenes satelitales para lecturas de corto plazo (1-2 horas), dividiendo el proceso en tres etapas.

Para concretar su propuesta, primero tomó una imagen satelital por mes de algunas zonas de la región escogidas al azar, de no más de 50 km² para que el detalle fuera más preciso; obtuvo 12 por año, desde 2016 hasta 2020.

“Estas salen de la base de datos del sistema del satélite Sentinel–2, un equipo lanzado por la Agencia Espacial Europea en junio de 2015, el cual permite descargar las vistas a través de un sitio web”, menciona el magíster.

Con planos digitales, el investigador procesó imágenes para identificar valles, ríos, suelos y nubosidad en la región, para lo cual utilizó Python en Google Colab y la API Sentinel Hub.

Después aplicó en las imágenes el “método de procesamiento con cálculos matemáticos y algoritmos de clasificación”, que para facilitar el análisis asigna colores a áreas como bosques, cultivos y acuíferos.

Para indicar el estado de los suelos se aplicaron colores, así: azul oscuro para alta humedad, azul claro para humedad normal, verde claro para estrés hídrico, y amarillo y rojo que indican suelo sin fertilidad o con baja probabilidad de serlo.

Después de separar por cuadros y colores, mediante un último modelamiento de algoritmos, automáticamente y a través de un gráfico (de 0 a 5) se puede obtener información de cómo está la superficie terrestre en un tiempo determinado.

Teniendo en cuenta el periodo 2016-2020, en la región se tienen precipitaciones o lluvias de 1.000 a 3.000 ml, con sequías leves o moderadas al principio y el final de cada año.

Así se evidenció que para 2022 (periodo en prospectiva) los valores cercanos a -1 indican agua, los cercanos a cero (-0,1 a 0,1) suelen representar áreas secas como desiertos o nieve; valores bajos y positivos (0,2 a 0,4) corresponden a arbustos y pastizales, y valores altos cercanos a 1 indican densa vegetación, como selvas tropicales o bosques templados.

El investigador destaca que este mecanismo predictivo no solo fue eficaz en la investigación, sino que también se podría aplicar en otras zonas del mundo, como la región andina de Colombia, que es rica en recursos hídricos y agricultura.

Su trabajo forma parte de la macroinvestigación “Contribuir a incrementar la productividad, calidad y comercialización de los productos hortícolas de la región de Aysén”, a la que se vinculó por recomendación de sus directores de tesis, quienes estudian el comportamiento del suelo en esa región chilena.