Identificación automática de cárcavas a partir de modelos digitales de elevación y otras fuentes de datos

Abstract

El contexto actual de cambio climático ha favorecido que, en las últimas décadas, los fenómenos de precipitación de carácter torrencial tengan lugar con mayor frecuencia. Si a esto se suma la intensificación de la agricultura, que en zonas agrícolas de la campiña del sur de España se refleja en cultivos como el olivar y en rotaciones de cultivos herbáceos de secano, se obtiene como resultado un aumento de la erosión y la degradación del suelo agrícola, que se traduce en la formación de regueros y cárcavas, que dificultan el manejo de las parcelas afectadas. Para realizar un correcto manejo de estas cárcavas y así reducir su impacto a corto-medio plazo en las parcelas agrícolas, será necesario su identificación y seguimiento temporal, con el objetivo de evaluar el avance de las cabeceras, así como la eficacia de las medidas de prevención y corrección implantadas. Los métodos actuales para la detección de cárcavas comprenden la aplicación de diferentes técnicas. Comparando entre ellas, la fotointerpretación directa a través de ortofotos no se puede automatizar y está sujeta a la subjetividad del fotointerpretador. Por su parte, las herramientas basadas en Aprendizaje Automático carecen de fundamento físico y al ser ajenas a los procesos de formación de las cárcavas, en muchos casos los resultados de estos modelos no cumplen con la necesaria conectividad de la red hidrológica y su validez se limita a sus zonas de entrenamiento. Por ello, los modelos de detección de cárcavas más extendidos y aceptados, por su fundamentación física y empírica, son los basados en umbrales relacionados con la topografía del terreno, bien sea a través de umbrales del área vertiente acumulada a la cárcava, umbrales de pendiente o una combinación de ambos, partiendo de Modelos Digitales de Elevación.