La salinità del suolo, una forma di degrado del territorio, colpisce oltre 1 miliardo di ettari a livello globale, compromettendo la produttività agricola e la salute ambientale. I precedenti tentativi di mappare la salinità del suolo sono stati ostacolati dalla risoluzione spaziale grossolana dei set di dati esistenti e dalle limitazioni nel catturare la continuità del contenuto di salinità del suolo.

Riconoscendo queste sfide, il gruppo di ricerca ha intrapreso lo sviluppo di un modello che integra immagini Sentinel-1/2, dati climatici, informazioni sul terreno e algoritmi avanzati di apprendimento automatico per stimare il contenuto di sale nel suolo in cinque regioni climatiche. Questi risultati sono stati dettagliati in uno studio pubblicato il 28 marzo 2024 nel Journal of Remote Sensing . Questa ricerca introduce un dispositivo che integra abilmente canali a spirale inclinati con matrici periodiche di contrazione-espansione.

Al centro di questo sforzo c’è la fusione di dati provenienti da una serie di tecnologie di telerilevamento, in particolare i satelliti avanzati Sentinel-1/2, e l’applicazione strategica di algoritmi di apprendimento automatico. Questo approccio ha dato vita a un modello sofisticato in grado di delineare la salinità del suolo con una precisione senza precedenti:una risoluzione di 10 metri in climi diversi.

Questa svolta metodologica ci spinge ben oltre i limiti dei tentativi passati, che erano ostacolati dalla loro risoluzione più grossolana e da un ambito più ristretto nell’analisi della salinità. Il team di ricerca dedicato ha assemblato un ampio set di dati, acquisendo modelli climatici globali, letture precise della salinità del suolo a livello del suolo e una serie completa di variabili geospaziali.

Utilizzando l’algoritmo Random Forest, il modello non solo eccelle nel prevedere la salinità del suolo con notevole precisione, ma fa anche luce sui ruoli chiave che il clima, i livelli delle acque sotterranee e gli indici di salinità svolgono nella formazione dei paesaggi di salinità del suolo. Questo progresso segna un passo avanti nella nostra capacità di monitorare e gestire la salute del suolo su scala globale.

Il professor Zhou Shi, il ricercatore capo, ha dichiarato:"Questo studio segna un passo avanti significativo nella nostra capacità di valutare e gestire la salinità del suolo su scala globale. Combinando le immagini satellitari con l'apprendimento automatico, ora possiamo identificare i terreni salini con precisione e dettaglio senza precedenti". , offrendo preziosi spunti per pratiche agricole e fondiarie sostenibili."

La mappa globale ad alta risoluzione della salinità del suolo generata da questa ricerca fornisce uno strumento essenziale per scienziati, politici e agricoltori per affrontare in modo efficace i problemi di salinità del suolo. Consente interventi mirati per il ripristino della salute del suolo, sostiene pratiche agricole sostenibili e aiuta nella pianificazione della gestione delle risorse. La metodologia stabilisce inoltre un nuovo standard per il monitoraggio ambientale, potenzialmente applicabile ad altre valutazioni del degrado del suolo.