Se han utilizado t\u00e9cnicas de aprendizaje autom\u00e1tico o machine learning para comprender esta expresi\u00f3n, convirti\u00e9ndola en una verdadera descripci\u00f3n matem\u00e1tica de los suelos con importantes aplicaciones pr\u00e1cticas<\/p>\n
En 1941 Hans Jenny hizo una contribuci\u00f3n seminal a las Ciencias del Suelo planteando una ecuaci\u00f3n matem\u00e1tica dentro del llamado modelo suelo-paisaje, que, aunque es esencialmente descriptiva, constituye el paradigma central de esta disciplina. En un trabajo reciente realizado con participaci\u00f3n de las Universidades de Oviedo, Aut\u00f3noma de Madrid (UAM), Pontificia de Comillas, Comisi\u00f3n Europea (JRC), CIEMAT y la empresa AgrowingData se han utilizado t\u00e9cnicas de aprendizaje autom\u00e1tico o machine learning para comprender esta expresi\u00f3n, convirti\u00e9ndola en una verdadera descripci\u00f3n matem\u00e1tica de los suelos con importantes aplicaciones pr\u00e1cticas.<\/p>\n
Cada 5 de diciembre se celebra el D\u00eda Mundial del Suelo en el cual la FAO lanza una campa\u00f1a con el objetivo de concienciar sobre la importancia del suelo y su relaci\u00f3n con el agua, de cara a lograr sistemas agroalimentarios sostenibles y resilientes. Estos dos elementos son la base para la producci\u00f3n de alimentos, los ecosistemas y el bienestar humano. Un mejor manejo de estos redundar\u00e1 en una mejora de la capacidad del planeta para resistir los fen\u00f3menos clim\u00e1ticos extremos que se avecinan.<\/p>\n
Adicionalmente, el pasado 5 de julio de 2023 se present\u00f3 ante el parlamento europeo la propuesta de la primera ley sobre monitorizaci\u00f3n del suelo (Soil Monitoring Law) en donde se pretende definir, identificar, y monitorizar el grado de contaminaci\u00f3n de suelos en Europa para, de esta forma, poder cumplir con el objetivo de tener todos los suelos de Europa \u00absanos\u00bb para el 2050.<\/p>\n
En la Conferencia Courant de 1959 el premio Nobel Eugene Wigner populariz\u00f3 el concepto de \u201cla irrazonable eficacia de las matem\u00e1ticas en las ciencias naturales\u201d [2], una de las creencias m\u00e1s hondas en las ra\u00edces del conocimiento. Esta idea, especialmente cierta en F\u00edsica, ha sido dejada bastante al margen en otras disciplinas, como la Biolog\u00eda o la Geolog\u00eda, que han aceptado paradigmas basados en un uso extenso y recursivo de taxonom\u00edas especialmente dise\u00f1adas al efecto. La situaci\u00f3n est\u00e1 obviamente cambiando actualmente, pero hay que destacar que ya en 1941 Jenny [1] hizo una contribuci\u00f3n seminal a la Edafolog\u00eda, estableciendo una relaci\u00f3n matem\u00e1tica (ver figura) entre tipos de suelo y las variables que influyen en su formaci\u00f3n. A pesar de que las t\u00e9cnicas existentes en la \u00e9poca no permit\u00edan traducir esta idea a una funci\u00f3n matem\u00e1tica definida, su impacto fue tal que se convirti\u00f3, y sigue si\u00e9ndolo hasta la fecha, en el paradigma central de esta ciencia.<\/p>\n
Recientemente, un grupo de investigadores de varias instituciones han dado una vuelta de tuerca a la cuesti\u00f3n. En un art\u00edculo, publicado en la revista Scientific Reports<\/em> [1] del grupo Nature<\/em>, estos autores proponen una soluci\u00f3n alternativa: usar los mapas auto-organizados, que son una de las t\u00e9cnicas modernas del aprendizaje autom\u00e1tico, para proporcionar un entorno que convierta la expresi\u00f3n de Jenny en una verdadera expresi\u00f3n matem\u00e1tica.<\/p>\n En un primer paso, el algoritmo MAO se entrena con una fracci\u00f3n de una base extensa de datos. En nuestro caso, esta fracci\u00f3n consist\u00eda en los valores obtenidos en un estudio de campo en el que se estudiaron 15 variables relacionados con los factores formadores edafol\u00f3gicos, en 442 localizaciones del Principado de Asturias con distintos tipos de suelo. En un segundo paso, el algoritmo MAO encuentra las asociaciones relevantes que existen entre los factores anteriores, que se traducen a un algoritmo matem\u00e1tico predictivo, algo m\u00e1s complicado que una simple ecuaci\u00f3n, que se valida entonces con el resto de valores de la base de datos. As\u00ed, se podr\u00eda predecir el tipo de suelo que existe en una localidad fuera de \u00e1mbito del estudio original, o incluso de realizar un mapa edafol\u00f3gico completo del Principado y regiones aleda\u00f1as, tarea que se est\u00e1 llevando a cabo ya en la actualidad.<\/p>\n \u201cLa idea detr\u00e1s del m\u00e9todo es determinar la relevancia de cada uno de los s\u00edmbolos que incluy\u00f3 Jenny en su famosa expresi\u00f3n. De esta forma, aqu\u00e9lla, puede simplificarse al m\u00e1ximo y hacer que act\u00fae de forma autom\u00e1tica sin necesidad del juicio de un experto en la materia, aunque parad\u00f3jicamente esta haya sido imprescindible en el an\u00e1lisis preliminar\u201d, detallan los autores.<\/p>\n El estudio concluye que, para cada tipo de suelos, s\u00f3lo unas pocas variables, t\u00edpicamente 6 diferentes en cada caso, y asociadas a los factores formadores, son relevantes. Esto reduce la complejidad del \u201calgoritmo predictor de Jenny\u201d porque elimina buena parte del ruido estad\u00edstico existente entre variables en la base de datos, lo que resulta crucial en el caso de an\u00e1lisis multivariante con magnitudes similares u opuestas.<\/p>\n El estudio tambi\u00e9n proporciona la huella dactilar de cada tipo de suelo observable. Esto facilita la extracci\u00f3n cuantitativa de este conocimiento edafol\u00f3gico sobre la base de datos de partida.<\/p>\n En suma, el hallazgo ofrece una nueva perspectiva sobre la ciencia del suelo y la expresi\u00f3n paradigm\u00e1tica de Jenny, lo que conlleva importantes aplicaciones pr\u00e1cticas entre las que se encuentran algunas de gran importancia como la gesti\u00f3n de suelos, su utilizaci\u00f3n y mejora, o la confecci\u00f3n de mapas edafol\u00f3gicos.<\/p>\n Imagen: Diagrama del funcionamiento de la ecuaci\u00f3n matem\u00e1tica. \/ F.Borondo<\/em><\/p>\n <\/p>\n","protected":false},"excerpt":{"rendered":" Se han utilizado t\u00e9cnicas de aprendizaje autom\u00e1tico o machine learning para comprender esta expresi\u00f3n, convirti\u00e9ndola en una verdadera descripci\u00f3n matem\u00e1tica de los suelos con importantes aplicaciones pr\u00e1cticas En 1941 Hans Jenny hizo una contribuci\u00f3n seminal a las Ciencias del Suelo planteando una ecuaci\u00f3n matem\u00e1tica dentro del llamado modelo suelo-paisaje, que, aunque es esencialmente descriptiva, constituye\u2026<\/p>\n","protected":false},"author":2,"featured_media":17150,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_scj_primary_category_id":75,"_scj_featured":false,"_scj_featured_from":"","_scj_featured_until":"","_scj_featured_order":0,"_scj_visibility_class":"current","_scj_layout_family":"standard","_scj_article_style":"","_scj_display_overrides":[],"_scj_intro_image_id":17150,"_scj_intro_alt":"La inteligencia artificial ayuda a entender la compleja din\u00e1mica de suelos","_scj_intro_caption":"","_scj_intro_class":"","_scj_intro_float":"","_scj_full_image_id":17150,"_scj_full_alt":"La inteligencia artificial ayuda a entender la compleja din\u00e1mica de suelos","_scj_full_caption":"","_scj_full_class":"","_scj_full_float":"","_scj_media_type":"","_scj_media_provider":"","_scj_media_external_id":"","_scj_media_url":"","_scj_media_poster_id":0,"_scj_media_width":0,"_scj_media_height":0,"_scj_media_aspect_ratio":"","_scj_media_description":"","_scj_gallery_items":[],"_scj_related_post_ids":[],"_scj_additional_authors":[],"scj_layout_family":"standard","scj_media_provider":"","scj_media_url":"","scj_full_caption":"","footnotes":""},"categories":[75],"tags":[],"class_list":["post-17151","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-agri-tech"],"yoast_head":"\nMapas auto-organizados (MAO) en aprendizaje autom\u00e1tico<\/h2>\n
Una nueva perspectiva en Edafolog\u00eda<\/h2>\n