Investigación
La inteligencia artificial ayuda a entender la compleja dinámica de suelos
En 1941 Hans Jenny hizo una contribución seminal a las Ciencias del Suelo planteando una ecuación matemática dentro del llamado modelo suelo-paisaje, que, aunque es esencialmente descriptiva, constituye el paradigma central de esta disciplina. En un trabajo reciente realizado con participación de las Universidades de Oviedo, Autónoma de Madrid (UAM), Pontificia de Comillas, Comisión Europea (JRC), CIEMAT y la empresa AgrowingData se han utilizado técnicas de aprendizaje automático o machine learning para comprender esta expresión, convirtiéndola en una verdadera descripción matemática de los suelos con importantes aplicaciones prácticas.
El hallazgo ofrece importantes aplicaciones prácticas entre las que se encuentran algunas de gran importancia como la gestión de suelos, su utilización y mejora, o la confección de mapas edafológicos. /Gabriel Jiménez via unsplash
Cada 5 de diciembre se celebra el Día Mundial del Suelo en el cual la FAO lanza una campaña con el objetivo de concienciar sobre la importancia del suelo y su relación con el agua, de cara a lograr sistemas agroalimentarios sostenibles y resilientes. Estos dos elementos son la base para la producción de alimentos, los ecosistemas y el bienestar humano. Un mejor manejo de estos redundará en una mejora de la capacidad del planeta para resistir los fenómenos climáticos extremos que se avecinan.
Adicionalmente, el pasado 5 de julio de 2023 se presentó ante el parlamento europeo la propuesta de la primera ley sobre monitorización del suelo (Soil Monitoring Law) en donde se pretende definir, identificar, y monitorizar el grado de contaminación de suelos en Europa para, de esta forma, poder cumplir con el objetivo de tener todos los suelos de Europa "sanos" para el 2050.
Diagrama del funcionamiento de la ecuación matemática. / F.Borondo
La ecuación de Jenny
En la Conferencia Courant de 1959 el premio Nobel Eugene Wigner popularizó el concepto de “la irrazonable eficacia de las matemáticas en las ciencias naturales” [2], una de las creencias más hondas en las raíces del conocimiento. Esta idea, especialmente cierta en Física, ha sido dejada bastante al margen en otras disciplinas, como la Biología o la Geología, que han aceptado paradigmas basados en un uso extenso y recursivo de taxonomías especialmente diseñadas al efecto. La situación está obviamente cambiando actualmente, pero hay que destacar que ya en 1941 Jenny [1] hizo una contribución seminal a la Edafología, estableciendo una relación matemática (ver figura) entre tipos de suelo y las variables que influyen en su formación. A pesar de que las técnicas existentes en la época no permitían traducir esta idea a una función matemática definida, su impacto fue tal que se convirtió, y sigue siéndolo hasta la fecha, en el paradigma central de esta ciencia.
Recientemente, un grupo de investigadores de varias instituciones han dado una vuelta de tuerca a la cuestión. En un artículo, publicado en la revista Scientific Reports [1] del grupo Nature, estos autores proponen una solución alternativa: usar los mapas auto-organizados, que son una de las técnicas modernas del aprendizaje automático, para proporcionar un entorno que convierta la expresión de Jenny en una verdadera expresión matemática.
Mapas auto-organizados (MAO) en aprendizaje automático
En un primer paso, el algoritmo MAO se entrena con una fracción de una base extensa de datos. En nuestro caso, esta fracción consistía en los valores obtenidos en un estudio de campo en el que se estudiaron 15 variables relacionados con los factores formadores edafológicos, 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 matemático predictivo, algo más complicado que una simple ecuación, que se valida entonces con el resto de valores de la base de datos. Así, se podría predecir el tipo de suelo que existe en una localidad fuera de ámbito del estudio original, o incluso de realizar un mapa edafológico completo del Principado y regiones aledañas, tarea que se está llevando a cabo ya en la actualidad.
“La idea detrás del método es determinar la relevancia de cada uno de los símbolos que incluyó Jenny en su famosa expresión. De esta forma, aquélla, puede simplificarse al máximo y hacer que actúe de forma automática sin necesidad del juicio de un experto en la materia, aunque paradójicamente esta haya sido imprescindible en el análisis preliminar”, detallan los autores.
Una nueva perspectiva en Edafología
El estudio concluye que, para cada tipo de suelos, sólo unas pocas variables, típicamente 6 diferentes en cada caso, y asociadas a los factores formadores, son relevantes. Esto reduce la complejidad del “algoritmo predictor de Jenny” porque elimina buena parte del ruido estadístico existente entre variables en la base de datos, lo que resulta crucial en el caso de análisis multivariante con magnitudes similares u opuestas.
El estudio también proporciona la huella dactilar de cada tipo de suelo observable. Esto facilita la extracción cuantitativa de este conocimiento edafológico sobre la base de datos de partida.
En suma, el hallazgo ofrece una nueva perspectiva sobre la ciencia del suelo y la expresión paradigmática de Jenny, lo que conlleva importantes aplicaciones prácticas entre las que se encuentran algunas de gran importancia como la gestión de suelos, su utilización y mejora, o la confección de mapas edafológicos.
_____________________
Referencia bibliográfica:
[1] Prieto-Castillo F, Rodríguez-Rastrero M, Yunta F, Borondo F, and Borondo J. 2023 Disentangling Jenny’s equation by machine learning. Sci.Rep.13,20916. doi:10.1038/s41598-023-44171-x
[2] Wigner E. (1960) The unreasonable effectiveness of mathematics in the natural sciences. Commun. Pure Appl.Math.13,1. doi:10.1002/cpa.3160130102
Más cultura científica en UAM Gazette