Evaluación Multi-Temporal de la Erosión del Suelo Después de un Incendio Forestal en Toscana (Italia Central) Usando Google Earth Engine
Autores: Barbadori, Francesco; Confuorto, Pierluigi; Chouksey, Bhushan; Moretti, Sandro; Raspini, Federico
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Evaluación Multi-Temporal de la Erosión del Suelo Después de un Incendio Forestal en Toscana (Italia Central) Usando Google Earth Engine
Categoría
Ciencias Medioambientales
Subcategoría
Ciencias medioambientales generales
Palabras clave
Incendio forestal en Massarosa
Tasas de erosión del suelo
Modelo RUSLE
Enfoque multitemporal
Google Earth Engine
Estrategias de mitigación
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
El incendio forestal de Massarosa, que ocurrió en julio de 2022 en el noroeste de Toscana (Italia), quemó más de 800 hectáreas, lo que llevó a problemas ambientales y geomorfológicos significativos, incluyendo un aumento en las tasas de erosión del suelo. Este estudio aplicó el modelo de Ecuación de Pérdida de Suelo Universal Revisada (RUSLE) para estimar las tasas de erosión del suelo con un enfoque multitemporal, investigando tres escenarios principales: antes, inmediatamente después y un año después del incendio. Todos los análisis se llevaron a cabo utilizando la plataforma Google Earth Engine (GEE) con datos geoespaciales de acceso gratuito e imágenes satelitales para aprovechar las potencialidades de la computación en la nube. Los resultados indican un impacto diferenciado del incendio en el área de estudio, donde las partes centrales sufrieron los mayores daños, tanto en términos de factores RUSLE relacionados con el fuego como en tasas de pérdida de suelo. Se detectó un aumento brusco en las tasas de erosión inmediatamente después del incendio, con un aumento en la tasa máxima de pérdida de suelo de 0.11 toneladas x ha-1 x año-1 a 1.29 toneladas x ha-1 x año-1, superando el umbral de precaución para la erosión sostenible del suelo. En contraste, en el análisis a medio plazo, la tasa máxima de pérdida de suelo disminuyó a 0.74 toneladas x ha-1 x año-1, aunque el comportamiento de los factores relacionados con el fuego causó un aumento en la variabilidad de la erosión del suelo. Los resultados sugieren la necesidad de planificar estrategias de mitigación para reducir la erodibilidad del suelo, de manera directa e indirecta, con un monitoreo continuo de las tasas de erosión y la aplicación de algoritmos de aprendizaje automático para comprender a fondo las relaciones entre variables.
Descripción
El incendio forestal de Massarosa, que ocurrió en julio de 2022 en el noroeste de Toscana (Italia), quemó más de 800 hectáreas, lo que llevó a problemas ambientales y geomorfológicos significativos, incluyendo un aumento en las tasas de erosión del suelo. Este estudio aplicó el modelo de Ecuación de Pérdida de Suelo Universal Revisada (RUSLE) para estimar las tasas de erosión del suelo con un enfoque multitemporal, investigando tres escenarios principales: antes, inmediatamente después y un año después del incendio. Todos los análisis se llevaron a cabo utilizando la plataforma Google Earth Engine (GEE) con datos geoespaciales de acceso gratuito e imágenes satelitales para aprovechar las potencialidades de la computación en la nube. Los resultados indican un impacto diferenciado del incendio en el área de estudio, donde las partes centrales sufrieron los mayores daños, tanto en términos de factores RUSLE relacionados con el fuego como en tasas de pérdida de suelo. Se detectó un aumento brusco en las tasas de erosión inmediatamente después del incendio, con un aumento en la tasa máxima de pérdida de suelo de 0.11 toneladas x ha-1 x año-1 a 1.29 toneladas x ha-1 x año-1, superando el umbral de precaución para la erosión sostenible del suelo. En contraste, en el análisis a medio plazo, la tasa máxima de pérdida de suelo disminuyó a 0.74 toneladas x ha-1 x año-1, aunque el comportamiento de los factores relacionados con el fuego causó un aumento en la variabilidad de la erosión del suelo. Los resultados sugieren la necesidad de planificar estrategias de mitigación para reducir la erodibilidad del suelo, de manera directa e indirecta, con un monitoreo continuo de las tasas de erosión y la aplicación de algoritmos de aprendizaje automático para comprender a fondo las relaciones entre variables.