Pronóstico de alta resolución de los regímenes térmicos del suelo usando diferentes marcos de aprendizaje profundo bajo el cambio climático

Por qué importa el calor bajo nuestros pies

La mayoría de nosotros piensa en el cambio climático en términos de veranos más cálidos y capas de nieve que se reducen, pero los cambios silenciosos que ocurren a pocos centímetros bajo nuestros pies pueden ser igual de importantes. La temperatura del suelo condiciona cómo crecen los cultivos, cuánto alimento podemos producir, cuánta agua puede retener el paisaje y cuánto carbono libera la tierra a la atmósfera. Este estudio mira bajo la superficie en una región montañosa y semiárida del oeste de Irán y plantea: ¿cómo calentarán —o incluso enfriarán temporalmente— distintos futuros climáticos el suelo del que dependemos, y con qué rapidez se producirán esos cambios?

Un vistazo detallado a un paisaje accidentado

Los investigadores se centraron en la provincia de Lorestan, una región de picos y valles dramáticos a lo largo de las montañas Zagros. Aquí, las temperaturas oscilan entre fríos invernales intensos y veranos abrasadores, y los agricultores dependen en gran medida del agua subterránea para cultivos y ganado. Diez estaciones meteorológicas han registrado temperaturas diarias del suelo a apenas 5 centímetros de profundidad durante varias décadas. Para vislumbrar el futuro, el equipo emparejó estos registros locales con proyecciones de un modelo climático global que describe la atmósfera en trazos amplios y de baja resolución. Su reto fue traducir estas proyecciones borrosas a escala planetaria en pronósticos nítidos a escala de estación que fueran útiles para los gestores locales del territorio.

Enseñar a los ordenadores a leer el clima

En lugar de usar fórmulas estadísticas tradicionales y relativamente simples, el equipo recurrió al aprendizaje profundo —la misma familia de métodos detrás del reconocimiento moderno de voz y la búsqueda de imágenes. Evaluaron cuatro arquitecturas de redes neuronales que son especialmente buenas para manejar patrones en el espacio y el tiempo: una red convolucional (CNN), dos diseños orientados a secuencias (LSTM y GRU) y un híbrido que combina capas CNN y LSTM. Antes de entrenar estos modelos, examinaron 26 variables atmosféricas diferentes del Canadian Earth System Model, como temperatura del aire, patrones de presión, vientos y humedad, empleando tres técnicas complementarias para identificar cuáles seguían mejor las temperaturas observadas del suelo. La temperatura del aire en superficie y la presión atmosférica de niveles medios surgieron como predictores clave en casi todas las estaciones.

Pronósticos subterráneos más nítidos gracias al aprendizaje profundo híbrido

Con los mejores predictores identificados, los investigadores entrenaron y ajustaron cada red neuronal con datos diarios de 1980 a 2014, verificando cuidadosamente el rendimiento en años retenidos para prueba. El modelo híbrido CNN‑LSTM resultó generalmente superior. Capturó tanto los patrones meteorológicos a gran escala como las oscilaciones diarias de la temperatura del suelo, alcanzando altas puntuaciones de destreza y manteniendo errores típicos en pocos grados Celsius. Las pruebas frente a observaciones recientes (2015–2020) mostraron que el modelo podía reproducir el comportamiento real bajo varios escenarios climáticos, conocidos como “Shared Socioeconomic Pathways”, que van desde recortes fuertes de emisiones hasta un desarrollo dependiente de combustibles fósiles. Es interesante que los escenarios que mejor coincidían con las tendencias reales del suelo variaron con la altitud y la ubicación: las estaciones montañosas más frías tendieron a alinearse con futuros de bajas emisiones, mientras que los sitios de llanura más cálidos coincidieron con trayectorias de emisiones moderadas a altas.

Giros sorprendentes en el calentamiento futuro del suelo

Armado con su modelo de mejor rendimiento, el equipo proyectó temperaturas diarias del suelo hasta 2100 bajo tres futuros representativos: emisiones bajas, medias y altas de gases de efecto invernadero. Todos los escenarios acaban conduciendo a suelos más cálidos, pero no de la misma manera ni al mismo ritmo. Bajo emisiones bajas y medias, las temperaturas del suelo aumentan de forma moderada y luego se estabilizan, sumando aproximadamente un par de grados Celsius sobre los niveles actuales hacia finales de siglo. Bajo la trayectoria de altas emisiones, sin embargo, la historia es más dramática. En las próximas décadas la capa superior del suelo en muchas ubicaciones se enfría realmente, probablemente porque nubes más densas, cambios en la precipitación y suelos más húmedos protegen el suelo de la radiación solar incluso cuando el aire por encima se calienta de forma gradual. Después de la mitad de siglo, este enfriamiento temporal se invierte en un calentamiento acelerado, dejando al mundo de altas emisiones con los suelos más cálidos con diferencia y un patrón de variabilidad interanual fundamentalmente alterado.

Qué significa para la agricultura, el agua y los ecosistemas

Para el público general, el mensaje es a la vez preventivo y práctico. Este trabajo muestra que lo que ocurre en la superficie del suelo no es un simple espejo de la temperatura del aire; la geografía local y los cambios en nubes, lluvia y humedad pueden enmascarar brevemente el calentamiento antes de amplificarlo. Los agricultores y gestores del agua en lugares como Lorestan podrían enfrentarse a una secuencia confusa de suelos más fríos seguidos de un calentamiento rápido difícil de adaptar si las emisiones se mantienen altas. En contraste, una acción climática contundente —futuros más cercanos a los de bajas emisiones— parece asegurar un calentamiento del suelo más lento y constante con el que los ecosistemas tienen más probabilidades de lidiar. Al aprovechar herramientas avanzadas de aprendizaje profundo, este estudio ofrece una visión subterránea más nítida de nuestras elecciones climáticas, traduciendo escenarios globales abstractos en riesgos y plazos concretos en la capa de tierra que nos alimenta.

Cita: Saeidinia, M., Haghiabi, A.H., Nazeri Tahroudi, M. et al. High-resolution forecasting of soil thermal regimes using different deep learning frameworks under climate change. Sci Rep 16, 7377 (2026). https://doi.org/10.1038/s41598-026-38496-6

Palabras clave: temperatura del suelo, aprendizaje profundo, cambio climático, descenso de escala, agricultura