Estimación y distribución espacial del contenido de carbono orgánico del suelo en tierras de cultivo mediante tecnología de teledetección hiperespectral con vehículo aéreo no tripulado

Por qué importa el carbono en nuestro suelo

El suelo es mucho más que la tierra bajo nuestros pies. Almacena grandes cantidades de carbono, alimenta nuestras cosechas y ayuda a amortiguar el cambio climático al capturar dióxido de carbono de la atmósfera. Pero la cantidad de carbono orgánico en el suelo puede variar rápidamente de una parte a otra de un campo, y los análisis de laboratorio tradicionales son lentos y costosos. Este estudio explora una forma más rápida y tecnológica de “ver” el carbono orgánico del suelo desde arriba usando pequeños drones equipados con cámaras hiperespectrales, ofreciendo a agricultores y científicos una herramienta potente para gestionar la tierra y el clima.

Cámaras volando sobre los campos

Los investigadores trabajaron en tres áreas agrícolas de la cuenca del río Huangshui en la provincia de Qinghai, China, una región con distintos tipos de suelo, cultivos y prácticas agrícolas. Usaron un dron multirrotor que llevaba una cámara hiperespectral que mide la luz en 150 bandas estrechas desde el visible hasta el cercano infrarrojo. Volando a unos 150 metros en días despejados y tranquilos, el dron capturó imágenes muy detalladas, con cada píxel representando menos de cinco centímetros en el terreno. Estas imágenes registran diferencias sutiles en cómo el suelo refleja la luz, vinculadas a la cantidad de carbono orgánico que contiene.

Excavar, analizar y comparar con la verdad de campo

Para comprobar lo que veía el dron, el equipo recogió 296 muestras de suelo de los tres campos siguiendo un patrón de rejilla y con control cuidadoso de la profundidad (0–20 centímetros, donde el carbono varía más). En el laboratorio, eliminaron piedras y restos vegetales, molieron finamente el suelo y usaron un analizador elemental para medir con precisión el contenido de carbono orgánico. También midieron los espectros del suelo en interiores con un espectrómetro preciso y ajustaron esos espectros para que coincidieran con el rango de longitudes de onda y la resolución del sensor del dron. Esto les permitió vincular mediciones exactas de carbono del laboratorio con firmas espectrales coincidentes tanto de instrumentos de campo como de las imágenes aéreas.

Limpiar la señal y entrenar el modelo

Los datos espectrales crudos pueden ser ruidosos porque muchas variables además del carbono —como la humedad del suelo, la rugosidad de la superficie y el tamaño de las partículas— afectan la reflexión de la luz. Para abordar esto, los investigadores probaron siete tratamientos matemáticos diferentes de los espectros. El mejor enfoque combinó un método llamado corrección multiplicativa de dispersión, que reduce las distorsiones de brillo, con una operación de primera derivada, que destaca los valles y picos sutiles en las curvas. Esta combinación produjo la relación más fuerte entre las características espectrales y el carbono del suelo. Luego compararon cinco métodos de modelado, desde ecuaciones lineales simples hasta técnicas avanzadas de aprendizaje automático. El modelo de bosque aleatorio, que construye muchos árboles de decisión y promedia sus resultados, fue claramente el más eficaz, explicando alrededor del 90% de la variación en el carbono orgánico del suelo y logrando una alta calidad de predicción.

Convertir la luz en mapas detallados del suelo

Con el mejor tratamiento espectral y el modelo de bosque aleatorio, el equipo aplicó su enfoque a las imágenes completas del dron para crear mapas detallados del carbono orgánico del suelo en cada campo. El modelo resaltó bandas de color específicas como las más importantes, especialmente en el rango visible (donde suelos más oscuros suelen indicar mayor carbono) y en el cercano infrarrojo (donde la materia orgánica afecta la absorción de la luz). Los mapas resultantes mostraron patrones claros: un campo estaba dominado por niveles altos de carbono, otro por niveles medios y el tercero principalmente por niveles bajos. Cuando los investigadores compararon las estimaciones basadas en el dron en los puntos muestreados con las mediciones de laboratorio, la concordancia fue fuerte, lo que confirma que los mapas eran fiables.

Qué significa esto para la agricultura y el clima

En términos sencillos, este estudio demuestra que un dron con una cámara inteligente y un modelo bien entrenado puede crear rápida y precisamente mapas detallados del carbono orgánico del suelo, en lugar de depender únicamente de costosos muestreos y análisis de laboratorio. Agricultores y gestores del territorio podrían usar estos mapas para dirigir la aplicación de fertilizantes y la gestión de residuos, proteger áreas en riesgo de pérdida de carbono y controlar cómo cambia la salud del suelo a lo largo del tiempo. Aunque el método aún enfrenta desafíos —como la sensibilidad a la humedad del suelo, residuos superficiales y la variación de la iluminación— apunta a un futuro en el que vigilar la riqueza de carbono bajo nuestros campos sea más rápido, económico y mucho más detallado, beneficiando tanto la producción de alimentos como los objetivos climáticos.

Cita: Song, Q., Zhang, W. Estimation and spatial distribution of soil organic carbon content in farmland using unmanned aerial vehicle hyperspectral remote sensing technology. Sci Rep 16, 5480 (2026). https://doi.org/10.1038/s41598-026-35096-2

Palabras clave: carbono orgánico del suelo, UAV hiperespectral, agricultura de precisión, cartografía de suelos, teledetección