Evaluación, mediante aprendizaje automático, de la dinámica del carbono orgánico del suelo en rotaciones soja–trigo en el este de China

Por qué importa el suelo bajo nuestros pies

Cuando hablamos de cambio climático y de alimentar a una población en crecimiento, solemos mirar al cielo: dióxido de carbono en el aire, cambios en el clima, aumento de temperaturas. Pero gran parte de la historia está oculta bajo tierra. Los suelos agrícolas almacenan silenciosamente enormes cantidades de carbono y ayudan a determinar el rendimiento de los cultivos. Este estudio explora cómo una rotación de cultivo común —soja seguida de trigo— en una de las regiones agrícolas más importantes de China cambia la cantidad de carbono almacenado en el suelo y cómo modelos informáticos avanzados pueden cartografiar esos cambios a lo largo del paisaje.

Los agricultores en la primera línea del clima y la alimentación

El este de China es una potencia en la producción de cereales y oleaginosas, suministrando trigo y soja que son esenciales para la seguridad alimentaria y la economía. Al mismo tiempo, la región afronta la presión de una agricultura intensiva, la degradación del suelo y un clima que se calienta. El carbono orgánico del suelo —el material orgánico oscuro del suelo— es crucial porque mejora la fertilidad, ayuda a retener agua y fija carbono que, de lo contrario, contribuiría a los gases de efecto invernadero. Comprender cómo distintos cultivos y prácticas de manejo afectan a este banco subterráneo de carbono puede orientar prácticas agrícolas que mantengan los rendimientos y contribuyan a frenar el cambio climático.

Manos a la obra: cómo se hizo el estudio

Los investigadores muestrearon suelos en casi mil parcelas de rotación soja–trigo en siete provincias y municipios, desde Anhui hasta Beijing. Recolectaron suelo en dos profundidades, la capa arable (0–15 centímetros) y la capa inmediatamente inferior (15–30 centímetros), en cuatro momentos clave de la rotación: antes de la siembra de soja, tras la cosecha de soja, después de la preparación del terreno para el trigo y tras la cosecha de trigo. Es importante que los residuos de cultivo de soja y trigo se dejaron en los campos y se incorporaron al suelo mediante laboreo convencional. El equipo combinó estas mediciones con imágenes satelitales, datos de elevación digital e información climática que describen la vegetación, las precipitaciones, las oscilaciones de temperatura y la forma del terreno.

Enseñar a los ordenadores a leer el suelo

En lugar de basarse en unos pocos perfiles de suelo, el estudio empleó aprendizaje automático —métodos informáticos que aprenden patrones a partir de datos— para predecir el carbono del suelo en toda la región. Los científicos entrenaron y evaluaron tres tipos de modelos y encontraron que uno, llamado Random Forest, ofrecía las estimaciones más precisas, especialmente para la capa superficial. Este modelo manejó las relaciones complejas y no lineales entre el carbono del suelo y numerosos factores ambientales. Mostró que variables como la altura estandarizada en el paisaje, un índice de vegetación verde basado en satélite (NDVI), la amplitud térmica anual y la pendiente fueron particularmente importantes para explicar dónde el carbono del suelo era alto o bajo.

La soja acumula carbono, el trigo lo consume

Las mediciones del suelo revelaron un patrón claro. Tras el cultivo de soja, el carbono orgánico del suelo aumentó tanto en la capa superior como en la inferior. Después del trigo ocurrió lo contrario: el carbono del suelo disminuyó en ambas profundidades. Los mapas espaciales mostraron que las partes norte y sur de la región tendían a contener más carbono, pero en todas partes la soja actuó como constructora neta y el trigo como consumidora neta del banco de carbono del suelo. El estudio vincula este contraste con los hábitos de crecimiento y los residuos de los cultivos. La soja produce más biomasa aérea y tiene raíces más profundas y extensas, ambas aportaciones de materia orgánica al suelo. El trigo, con su forma herbácea y menor biomasa, aporta menos material fresco, y en algunas áreas el carbono del suelo se estaba de hecho agotando con el tiempo.

Qué moldea el mapa subterráneo del carbono

Al combinar datos de campo con capas ambientales, los investigadores mostraron que la posición en el paisaje importa. Las parcelas situadas en cotas más altas o en ciertas posiciones topográficas experimentaron más erosión y movimiento del carbono del suelo. Las áreas con vegetación más verde y densa, observadas desde satélite, tendían a almacenar más carbono. Las oscilaciones estacionales de temperatura influyeron tanto en el crecimiento vegetal como en la rapidez con que los microbios descomponen los residuos. Todos estos factores interactuaron con la elección del cultivo: las parcelas de soja ganaron carbono más donde las condiciones favorecían un crecimiento exuberante, mientras que las de trigo en posiciones frágiles fueron más propensas a pérdidas de carbono.

Qué significa esto para los agricultores y el clima

Para el público general, la conclusión es simple: no todos los cultivos tratan igual al suelo. En esta rotación soja–trigo, la soja ayuda a rellenar el banco subterráneo de carbono, mientras que el trigo tiende a extraer de él. El estudio muestra que añadir o mantener la soja en las rotaciones puede mejorar la salud del suelo, aumentar la capacidad del suelo para almacenar carbono y reducir la liberación de carbono a la atmósfera. Usar aprendizaje automático para cartografiar estos cambios permite a planificadores y agricultores ver dónde los suelos ganan o pierden carbono y orientar mejores prácticas. En un mundo que se calienta y que además debe mantenerse bien alimentado, estas ideas sugieren que rotaciones más inteligentes y una gestión del suelo basada en datos pueden convertir campos ordinarios en aliados climáticos más eficaces.

Cita: Yu, Z. Machine learning-based assessment of soil organic carbon dynamics in soybean–wheat rotations in eastern China. Sci Rep 16, 7250 (2026). https://doi.org/10.1038/s41598-026-38105-6

Palabras clave: carbono del suelo, rotación soja–trigo, rotación de cultivos, aprendizaje automático, agricultura climáticamente inteligente