La cartografia de sòls té les seves arrels en la necessitat d’entendre la distribució i les característiques dels sòls per a diversos fins, com ara l'agricultura, la gestió del medi ambient, la planificació de l'ús del sòl i l'enginyeria civil, entre altres.

La demanda d'informació de sòls ha anat en augment en les últimes dècades per fer front als problemes ambientals emergents com la producció sostenible d'aliments; regulació, adaptació i mitigació del canvi climàtic; degradació del sòl; gestió de recursos terrestres; i l’ús general del recurs sòl per desenvolupar les seves funcions sistèmiques. A més, quant més rica sigui la informació de sòls, millors avaluacions dels sòls se’n podran realitzar, contribuint així a una millor coneixement del medi, amb la conseqüent reducció dels riscos per a la presa de decisions.

A continuació es descriu la transició dels enfocaments de les cartografies de sòls convencionals cap a les digitals, presentant el seu marc teòric, i proporcionant una visió general de com es poden utilitzar les últimes tecnologies emergents per generar cartografies digitals de sòls.

Transició dels enfocaments convencionals de les cartografies de sòls cap als digitals

Ja en temps molt remots, segle V abans de Crist, existeixen registres de l’esforç per categoritzar els sòls, classificar-los segons les seves propietats i representar-ne de forma gràfica la seva distribució espacial, llibre Yu Gong, segle V a.C, Xina. La cartografia de sòls va començar amb observacions i mapes a nivell local o regional per part d'agricultors, geòlegs o altres professionals interessats en entendre la naturalesa del sòl en diferents àrees. Aquestes observacions es registraven en mapes rudimentaris que indicaven la ubicació de diferents tipus de sòls i les seves característiques.

El naixement de l’edafologia com a ciència moderna, te lloc amb els treballs de Vasily V. Dokuchaev (1870, que entén el sòl com un sistema natural que té la seva pròpia gènesi i desenvolupament, i els relaciona amb factors externs com el clima, vegetació, paisatge, relleu i temps.

Aquesta teoria, desenvolupada pels russos de l’escola de Dokuchaev, concretament per Sergey Zakharov, i importada pels americans a través de Curtis Marbut arriba al seu punt àlgid amb la publicació del llibre "Factors de Formació del Sòl" de Hans Jenny (1941) que esdevé el punt d’inflecció on es defineix el marc teòric de les cartografies de sòls convencionals, un canvi de paradigma en la realització de les cartografies de sòls. Jenny proposa un model de formació del sòl, en que les seves propietats depenen dels seus factors formadors, que són, el clima (c), els organismes (o), el relleu (r), el material parental (p) i el temps (t) que fa que tots aquest factors interactuen entre si.

Aquest model, anomenat "clorpt", caracteritza les condicions ambientals per a les quals, els sòls, i les seves propietats, varien, i com mitjançant aquestes variables podem arribar a predir-ne l’ordenació espacial mitjançant una modelització que relaciona els sòls amb el paisatge (model sòl-paisatge).

Aquest fet, conjuntament amb la formalització dels sistemes taxonòmics de classificació de sòls, com la "Soil Taxonomy" (Soil Survey Staff, 1975) i la "World Reference Base for Soil Description" (FAO, 1998), va suposar un impulsar molt important a les cartografies de sòls. Els sistemes de classificació descriuen com es classifiquen els sòls basant-se en propietats morfològiques que es poden mesurar i quantificar fàcilment al camp. 

Imatge

Figura 1. Concepte metodològic de les cartografies de sòls convencionals seguint el model clorpt (Jenny, 1941).

Durant la revolució verda, les cartografies de sòls i els sistemes de classificació taxonòmica van rebre un impuls molt important. La necessitat de planificar i ordenar el territori per assolir la sobirania alimentària va esdevenir un factor clau en el desenvolupament dels països amb més recursos. Un cop assolida, molts països van reduir els fons destinats als programes de cartografia de sòls, i molts dels equips de prospecció van ser desmantellats. Va ser al cap de poques dècades després, que els problemes derivats de la sobreexplotació dels camps van ser obvis, i la degradació dels sòls i de les aigües subterrànies es va fer evident. És va fer palès que el sòl és un recurs limitat i no renovable a escala temporal humana i que, per tant, cal protegir-lo de totes aquelles agressions que poden degradar-lo afectant a les seves funcions.

En els últims 40 anys, Catalunya ha fet un esforç per recopilar, ordenar i interpretar la informació de sòls de les principals zones agrícoles. Aquest esforç, més o menys continuat en el temps, ha proveït de cartografies detallades de sòls a una quarta part de la superfície agrícola, i s’han adquirit milers de dades de sòls de tot el territori. Tota aquesta informació s’ha utilitzat, i encara s’utilitza, per assessorar i planificar la gestió del territori, i ha permès la implementació de la GeoBase de dades dels Sòls de Catalunya (GBSC) v1.0. (ICGC, 2016). Tota aquesta informació s’ha utilitzat, i encara s’utilitza, per assessorar i planificar la gestió del territori. Malgrat tot això, la ciència del sòl avança i a les tècniques tradicionals de cartografia se n’afegeixen de més modernes que incorporen part del potencial tecnològic al que tenim accés avui en dia, com la computació, la teledetecció i els sistemes d’informació geogràfica.

Al proposar la transició teòrica completa dels enfocaments convencionals de les cartogràfies de sòls, als digitals, McBratney et al. (2003) van proposar el model “scorpan” com a extensió del model “clorpt”. Aquest model comparteix les mateixes variables que el model “clorpt”, que inclouen el clima (c), els organismes (o), el relleu (r), el material parental (p) i el temps/edat (a), però a aquestes variables s’hi afegeixen les propietats intrínseques del sòl (s) ja conegudes, i la georeferenciació (n) que ens dona la posició espacial d'una mostra i ens permet aplicar els principis de la geoestadística al model, i així expressar de manera quantitativa la relació entre una propietat o classe del sòl i les variables ambientals, que anomenarem covariables d'ara endavant. Aquí, els factors “scorpan” individuals, o una combinació d'ells, s'utilitzen per predir la distribució d'una propietat del sòl o una classe de sòl d'interès, S, utilitzant una funció quantitativa, f(), que representa la relació entre el sòl i el paisatge.

L’ICGC ha començat a treballar en una línia de cartografia digital de sòls, la qual ha de dur a poder generar nova cartografia d’una forma més ràpida i àgil, utilitzant les fons de dades pròpies i altres disponibles (Llorente et al., 2018; Fernández-Ugalde et al., 2022; Orgiazzi, et al. 2018).

Imatge

Figura 2. Concepte metodològic de les cartografies digitals de sòls seguint el model scorpan (McBratney et al., 2003).

Mapa d’estocs de carboni orgànic als sòls agrícoles de Catalunya

El Mapa d’estocs de carboni orgànic als sòls agrícoles de Catalunya, fruit de la  col·laboració entre diferents organismes de Catalunya com Investigación y Tecnología Agroalimentaria (IRTA), el Centre de Recerca Ecològica i Aplicacions Forestals (CREAF), el Centre Tecnològic Forestal de Catalunya (CTFC), el Departament d'Agricultura, Ramaderia, Pesca i Alimentació (DARP) i ICGC, constitueix un primer, i molt bon, exemple del que pot suposar la cartografia digital de sòls a Catalunya (Figura 3).

Imatge

Figura 3. Mapa d’estocs de carboni orgànic en els 30 cm superficials dels sòls agrícoles de Catalunya (IRTA-CREAF-CTFC-DARP-ICGC, 2018).

Els sòls representen el tercer reservori de carboni més important després dels oceans i dels estrats geològics; i molt més grans que l’atmosfera i la biosfera. La capacitat que presenten els sòls per incrementar els seus continguts en carboni orgànic amb la implantació de certes pràctiques de gestió agrícola, pot resultar de gran interès com a mesura de mitigació del canvi climàtic. Aquest mapa pretén ser un punt de partida per avaluar els efectes de l’aplicació de possibles estratègies, polítiques i accions de mitigació del canvi climàtic en la línia suggerida per la Convenció Marc de les Nacions Unides sobre el Canvi Climàtic celebrada a París l'any 2015, en consonància amb les marcades per l’Oficina de Canvi Climàtic de Catalunya.

El mapa final s’ha obtingut a partir de la informació descriptiva i analítica de més de 7.000 perfils recopilada des de l'any 1983 pel Departament d’Agricultura de la Generalitat de Catalunya i per l’Institut Cartogràfic i Geològic de Catalunya.

Com a covariables, s’han utilitzat una sèrie de variables ambientals (precipitació mitjana anual i temperatura mitjana anual), topogràfiques (altitud), de maneig (ús del sòl i gestió de l’aigua: secà/regadiu) i edàfiques (profunditat efectiva del sòl, classe de drenatge, classe textural i contingut d’argila).

Com a enfoc estadístic es va utilitzar el mètode de Mínims Quadrats Generalitzats (Generalized Least Squares, GLS), mitjançant la funció “gls” del paquet “nlme” del programa informàtic R. Per a la selecció del millor model es va aplicar un procediment d’eliminació de variables a partir d’un model complet (backwards spetwise). El criteri per a la selecció del millor model va ser l’error quadrat mitjà (Funes et al., 2019).

Per representar espacialment els estocs de carboni orgànic es va aplicar l’equació de regressió obtinguda a les capes de les variables predictores (en format ràster), mitjançant àlgebra de mapes (programari de sistemes d'informació geogràfica). La predicció a nivell de píxel va ser corregida afegint una interpolació espacial dels residus del model per tal de corregir la seva correlació espacial. El mapa resultant presenta una resolució espacial de 180 m per píxel.

Exemples de programes de Cartografia digital de sòls

GlobalSoilMap  
El projecte GlobalSoilMap.net té com a objectiu crear un nou mapa digital dels sòls del món utilitzant les tecnologies més avançades en cartografia de sòls. La iniciativa, liderada per centres acadèmics i de recerca globals, busca millorar les decisions en producció d'aliments, canvi climàtic i degradació ambiental.

ISRIC té un paper central en la coordinació, normalització i anàlisi de les dades de sòls, a nivell global, recopilades pel GlobalSoilMap. SoilGrids es la plataforma des de la qual proveeixen del servei de cartografia digital de sòls de tot el mon.

SoilGrids — global gridded soil information (ISRIC)  
SoilGrids és un sistema per a la cartografia digital global del sòl que utilitza mètodes d'aprenentatge automàtic d'última generació per cartografiar la distribució espacial dels atributs dels sòl a tot el món.

Altres membres destacats que participen en el projecte GlobalSoilMap.net, coordinen la recol·lecció de dades regionals i també tenen programes de cartografia digital de sòls propis són:

• Joint Research Centre (JRC).
  • DSM: Digital Soil Mapping (ESDAC).
• Australia’s National Science Agency (CSIRO).
  • Soil and Landscape Grid of Australia (TERN).
• Natural Resources Conservation Service (NRCS).
  • Digital Soil Mapping Team (USDA).

Referències

FAO, ISRIC and ISSS (1998). The World Reference Base for Soil Resources (WRB).

Fernandez-Ugalde, O; Scarpa, S; Orgiazzi, A.; Panagos, P.; Van Liedekerke, M; Marechal A.; Jones, A. (2022). LUCAS 2018 Soil Module. Presentation of dataset and results, EUR 31144 EN, Publications Office of the European Union, Luxembourg. ISBN 978-92-76-54832-4, https://doi.org/10.2760/215013, JRC129926.

Funes, I., Savé, R., Rovira, P., Molowny-Horas, R., Alcañiz, J.M., Ascaso, E., Herms, I., Herrero, C., Boixadera, J., Vayreda, J. (2019). Agricultural soil organic carbon stocks in the north-eastern Iberian Peninsula: Drivers and spatial variability. Sci. Total Environ. 668, 283–294. https://doi.org/10.1016/j.scitotenv.2019.02.317.

ICGC (2016). GeoBase de dades dels Sòls de Catalunya (GBSC) v1.0. Institut Cartogràfic i Geològic de Catalunya, Generalitat de Catalunya.

Jenny, H. (1941). Factors of Soil Formation. A System of Quantitative Pedology. Ed. Mc. Graw-Hill, USA. 281 p.

Llorente, M.; Rovira, P.; Merino, A.; Rubio, A.; Turrión, M.B.; Badía, D.; Romanya, J.; González, J.; Cortina, J.A. (2018): The CARBOSOL Database: a georeferenced soil profile analytical database for Spain [dataset publication series]. PANGAEA, https://doi.org/10.1594/PANGAEA.884517.

McBratney, A.B.; Mendonça Santos, M.L.; Minasny, B. (2003). On digital soil mapping. Geoderma. Vol. 117 (1–2): 3-52. https://doi.org/10.1016/S0016-7061(03)00223-4.

Orgiazzi, A.; Ballabio, C.; Panagos, P.; Jones, A., Fernández-Ugalde, O. (2018). LUCAS Soil, the largest expandable soil dataset for Europe: A review. European Journal of Soil Science, 69 (1): 140-153. https://doi.org/10.1111/ejss.12499.

R Core Team (2013). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. URL: http://www.R-project.org/.

Soil Survey Staff (1975). Soil Taxonomy. A Basic System of Soil Classification for Making and Interpreting Soil Surveys. U.S.D.A. Agricultural Handbook, 436.