Modelado espaciotemporal híbrido del ciclo de nutrientes en ecosistemas de humedales mediante técnicas avanzadas de cartografía y enfoques de aprendizaje automático

Por qué importan estos filtros de agua ocultos

Los humedales protegen silenciosamente nuestros ríos y el agua potable al absorber el exceso de fertilizantes y otros contaminantes que arrastra la escorrentía agrícola y urbana. Pero, al ser extensos, pantanosos y de difícil acceso, los científicos han tenido problemas para evaluar cómo funcionan estos filtros naturales a lo largo del tiempo. Este estudio muestra cómo una combinación de muestreo de agua en el terreno, imágenes satelitales y aprendizaje automático puede convertir un pequeño sistema de humedales en Ohio en una imagen detallada y dinámica de su estado, estación por estación y año tras año.

Vigilando los nutrientes desde el espacio y a pie

Los investigadores se centraron en el Beavercreek Wetlands Greenway en Ohio, un paisaje en mosaico donde se encuentran barrios urbanos, campos agrícolas, bosques y marismas. Tomaron muestras de agua mensuales durante cuatro años en tres humedales a lo largo de un arroyo, midiendo dos nutrientes clave: nitrógeno y fósforo. En cantidades moderadas, estos nutrientes sostienen la vida vegetal, pero en exceso pueden provocar proliferaciones de algas y disminuir el oxígeno del agua. Para ir más allá de puntos de muestreo aislados, el equipo combinó estas mediciones con datos satelitales de alta resolución de las misiones europeas Sentinel-1 y Sentinel-2, todos procesados en Google Earth Engine.

Una forma en dos pasos de leer el paisaje

En lugar de introducir todos los tipos de datos en un único modelo grande, los autores construyeron un marco de aprendizaje automático de dos etapas basado en un algoritmo popular llamado Random Forest. En la primera etapa, el modelo predijo los niveles de nutrientes usando rasgos amplios del humedal, como forma, tamaño, usos del suelo circundante (por ejemplo, bosque, tierras de cultivo o áreas urbanas) y precipitaciones y temperaturas recientes. Esto creó un mapa “base” que capturó cómo el paisaje en conjunto tiende a cargar o absorber nutrientes. En la segunda etapa, un modelo separado se centró únicamente en lo que el primero no explicó: los errores espaciales residuales. Intentó explicar estos patrones más finos usando variables continuas derivadas de satélite, como índices de vegetación y medidas radar de agua y estructura vegetal.

Estrés estacional y señales de recuperación

Al combinar ambas etapas, el equipo produjo mapas trimestrales de nitrógeno y fósforo desde 2021 hasta 2024 con una resolución lo bastante fina como para ver cambios a lo largo de los humedales. El nitrógeno mostró oscilaciones estacionales fuertes y recurrentes, con concentraciones más altas en primavera y verano (el segundo y tercer trimestre) y valores más bajos en los meses fríos. A lo largo de los cuatro años, los niveles de nitrógeno a principios de año fueron aumentando gradualmente, y los picos de mitad de año en 2022 y 2023 fueron especialmente elevados, señalando un estrés estacional repetido vinculado a meses más húmedos y a la actividad agrícola en la cuenca circundante.

Otro nutriente, otra historia

El fósforo contó una historia contrastante. En 2021, las concentraciones de fósforo estaban elevadas en gran parte del sistema de humedales, pero los mapas revelaron un descenso sostenido en la mayoría de las zonas durante 2022, 2023 y 2024, especialmente en los trimestres invernales. Permaneció un punto caliente persistente en el tramo medio más amplio del humedal, sobre todo durante los periodos de bajo caudal a finales del verano, lo que sugiere liberación interna de fósforo almacenado en los sedimentos. Al analizar de qué variables dependían más los modelos, los investigadores encontraron que el nitrógeno dependía tanto del contexto del paisaje como de las condiciones locales en el curso del agua captadas por los satélites, mientras que el fósforo estaba impulsado principalmente por la ubicación de áreas urbanas y agrícolas alrededor de los humedales.

Qué significa esto para proteger los humedales

Para un público no especializado, el mensaje clave es que no todos los problemas de nutrientes son iguales y que los satélites pueden ayudar a diferenciarlos. El nuevo marco siguió con precisión el nitrógeno y el fósforo en espacio y tiempo, mostrando que el nitrógeno sigue siendo un problema difuso y estacionalmente recurrente ligado a prácticas agrícolas y a la vegetación de los humedales, mientras que el fósforo ha mejorado de manera notable a medida que han disminuido las cargas desde áreas desarrolladas circundantes, salvo por un punto conflictivo persistente. Este enfoque cartográfico en dos pasos ofrece a los gestores una herramienta diagnóstica práctica: puede resaltar rápidamente puntos problemáticos, indicar si las soluciones deben centrarse en cambios de uso del suelo, controles de escorrentías urbanas o procesos dentro del propio humedal, y adaptarse a otras preocupaciones de calidad del agua a medida que el clima, el uso del suelo y los esfuerzos de conservación siguen transformando nuestros humedales.

Cita: Salas, E.A.L., Schrack, K., Kumaran, S.S. et al. Hybrid spatiotemporal modeling of nutrient cycling in wetland ecosystems using advanced mapping techniques and machine learning approaches. Sci Rep 16, 9954 (2026). https://doi.org/10.1038/s41598-026-40585-5

Palabras clave: humedales, contaminación por nutrientes, teledetección, aprendizaje automático, calidad del agua