Soil Texture Prediction with Bayesian Generalized Additive Models for Spatial Compositional Data

Imagina que estás intentando describir un batido. No puedes simplemente decir: "Es 50% fresa". Tienes que decir: "Es 50% fresa, 30% plátano y 20% leche". Si cambias la cantidad de fresa, los porcentajes de los otros dos deben cambiar para que el total sea igual al 100%. Este es el complicado mundo de los datos composicionales: información que solo tiene sentido cuando se mira la parte en relación con el todo. Los científicos utilizan este tipo de datos en todas partes, desde el seguimiento de la mezcla de gases en el aire hasta el estudio de las bacterias en tu intestino. Pero analizar estos datos es una pesadilla para las herramientas matemáticas estándar porque tratan los números como puntos independientes en una línea, no como piezas de un único e inquebrantable pastel.

Ahora, imagina que quieres predecir cómo sabrá ese batido basándote en dónde se cultivó la fruta, el clima y el tipo de suelo. Sabes que la relación no es una línea recta; tal vez un poco más de lluvia ayuda a las fresas, pero demasiada ayuda a los plátanos. Necesitas una herramienta que pueda doblarse y retorcerse para encontrar estos patrones ondulantes y complejos. Aquí es donde entran los Modelos Aditivos Generalizados (GAMs): son como reglas flexibles que pueden curvarse para ajustarse a los datos. Sin embargo, hasta ahora, combinar estas reglas flexibles con la matemática del "pastel" de los datos composicionales, especialmente de una manera que gestione la incertidumbre y el espacio (como un mapa), era una pieza faltante del rompecabezas.

Este artículo es la historia de cómo un equipo de investigadores construyó una nueva herramienta súper flexible para resolver exactamente ese problema. Crearon un modelo "Geoaditivo Bayesiano", que es un nombre difícil de pronunciar, pero piensa en él como un detective inteligente y cambiante de forma que puede mapear las texturas del suelo a través de toda una región. No solo construyeron la herramienta; también inventaron una nueva forma de medir qué tan bueno es el detective resolviendo el caso. Utilizando datos del País Vasco en España, demostraron que su método puede predecir con precisión si el suelo es arenoso, limoso o con predominancia de arcilla, mientras que también nos dice exactamente qué tan seguro (o inseguro) está de sus predicciones. Es un gran paso adelante para comprender la piel de nuestro planeta, ayudando a agricultores y ambientalistas a tomar mejores decisiones sin perderse en las matemáticas.

El Problema: La Trampa del "Pastel" y la Lucha contra la Línea Recta

La textura del suelo es básicamente una receta para la tierra. Está hecha de tres ingredientes principales: arena, limo y arcilla. La regla es simple: siempre deben sumar 100%. Si tienes más arena, automáticamente tienes menos de los otros dos. Esto hace que los datos sean "composicionales". Las herramientas matemáticas estándar, que se usan para cosas como la altura o la temperatura, odian esto. Tratan los números como si pudieran subir o bajar libremente. Si intentas usarlas con datos de suelo, podrías terminar con una predicción que diga "110% de tierra" o "-5% de arcilla", lo cual es imposible.

Para solucionar esto, los estadísticos usan un truco especial llamado transformación de razón logarítmica isométrica (ilr). Imagina que tomas ese pastel del 100% y lo aplanas sobre una mesa abierta y plana donde las reglas de la matemática normal se aplgan. Puedes hacer tus cálculos allí, y luego volver a doblarlo en un pastel al final. Este artículo utiliza ese truco para convertir el problema del "pastel" en un problema de "mesa plana" que las computadoras pueden manejar fácilmente.

Pero hay otro problema. El suelo no cambia en una línea recta. Una colina puede tener un suelo diferente al de un valle, y la relación puede ser curva, no recta. La mayoría de los modelos existentes son como palos rígidos; solo pueden dibujar líneas rectas. Los investigadores querían una herramienta que pudiera dibujar curvas, bultos y ondulaciones para coincidir con el mundo real. Querían usar Modelos Aditivos Generalizados (GAMs), que son famosos por ser flexibles, pero necesitaban hacer que funcionaran para los pasteles de suelo.

La Solución: Un Detective Cambiante de Forma

Los autores, Joaquín Martínez-Minaya, Lore Zumeta-Olaskoaga y Dae-Jin Lee, construyeron un nuevo modelo utilizando un paquete de software llamado brms (que significa Modelos de Regresión Bayesiana usando Stan). Piensa en brms como una cocina de alta tecnología donde puedes mezclar y combinar ingredientes para cocinar recetas estadísticas complejas.

Su receta tiene tres ingredientes principales:

1. El Transformador de Pastel (ilr): Primero convierten los porcentajes del suelo (arena, limo, arcilla) en coordenadas planas para que la matemática estándar pueda trabajar en ellas.
2. La Regla Flexible (Splines Penalizados): En lugar de dibujar líneas rectas, usan "splines". Imagina una tira delgada y flexible de madera que puedes doblar para ajustar una curva. El modelo dobla estas tiras para ajustarse a los datos. Si el suelo cambia lentamente con la elevación, la tira se dobla suavemente. Si cambia rápido, la tira se dobla bruscamente. También usaron "productos tensoriales", que son como una cuadrícula de tiras flexibles, para mapear cómo cambia el suelo a través de un mapa 2D (latitud y longitud).
3. El Cerebro Bayesiano: Utilizaron un enfoque "Bayesiano". En términos simples, esto significa que el modelo no solo te da una respuesta; te da toda una nube de posibles respuestas, mostrando qué tan confiado está. Si los datos son desordenados, la nube es amplia (baja confianza). Si los datos son claros, la nube es estrecha (alta confianza).

El Nuevo Marcador: Midiendo el Éxito

Uno de los mayores dolores de cabeza en estadística es saber qué tan bueno es realmente tu modelo. Normalmente, los científicos usan una puntuación llamada R-cuadrado para decir: "Mi modelo explica el X% del misterio". Pero para los pasteles de suelo, el viejo R-cuadrado no funciona porque rompe las reglas del pastel.

Los autores inventaron dos nuevos marcadores específicamente para este trabajo: BR-CoDa-R2 y BM-CoDa-R2.

• Piensa en BR-CoDa-R2 como una puntuación basada en qué tan lejos están las conjeturas del modelo de las muestras reales de tierra.
• Piensa en BM-CoDa-R2 como una puntuación basada en la estimación interna del propio modelo de cuánta "variabilidad" o aleatoriedad hay en los datos.

Estos nuevos marcadores permiten a los científicos decir: "Nuestro modelo explica el 34.6% de la variación en la textura del suelo", y saben que ese número es matemáticamente honesto y respeta la "regla del 100%".

La Prueba de Manejo: Mapeando el País Vasco

Para ver si su nueva herramienta funcionaba, los investigadores la pusieron a prueba en el País Vasco en España. Tenían datos de 2,279 muestras de suelo tomadas a una profundidad de 30 cm entre 2010 y 2018. Alimentaron al modelo con información sobre:

• Elevación: Qué tan alto estaba la muestra.
• Pendiente: Qué tan inclinado era el terreno.
• Litología: El tipo de roca de la que provenía el suelo (como arenisca, caliza o roca volcánica).
• Ubicación: Las coordenadas exactas del mapa.
• Año: Cuándo se tomó la muestra.

Probaron diferentes versiones del modelo para ver cuál era el mejor detective. Descubrieron que el modelo que incluía todos los factores —especialmente la ubicación espacial (dónde estaba la muestra) y el tipo de roca— fue el ganador.

¿Qué encontraron?

• El espacio importa más: La ubicación en el mapa explicó una gran parte del misterio (aproximadamente un 14% más que los modelos sin ubicación). Esto significa que el suelo cambia de formas complejas a través del paisaje que los tipos de roca simples no pueden explicar por sí solos.
• El tiempo también importa: Incluir el año de la muestra añadió aproximadamente un 3% a la explicación, lo que muestra que el suelo no es exactamente el mismo cada año.
• Los patrones: El modelo reveló que las elevaciones más altas tienden a tener más arena y limo pero menos arcilla. Las pendientes más pronunciadas también tienden a tener más arcilla. Estos no son solo conjeturas; el modelo mostró las curvas "ondulantes" de cómo ocurren estos cambios.

¿Qué tan seguros están?

Los investigadores no solo afirmaron que su modelo era bueno; lo probaron con simulaciones. Crearon datos de suelo falsos donde conocían la respuesta exacta (la "verdad de terreno") y dejaron que su modelo intentara encontrarla.

• En estas simulaciones, el modelo recuperó con éxito los patrones reales, incluso cuando los datos eran ruidosos o las relaciones eran muy ondulantes.
• Demostaron que sus nuevos marcadores (BR-CoDa-R2 y BM-CoDa-R2) podían distinguir correctamente entre un buen modelo y uno malo. Por ejemplo, cuando añadieron una variable falsa e inútil al modelo, el marcador dijo correctamente: "Esto no ayuda".

Cuando aplicaron esto a los datos reales del País Vasco, los resultados fueron consistentes. El modelo produjo un mapa de texturas de suelo que parecía realista y coincidía con lo que los científicos del suelo esperan ver. Incluso generaron un mapa que muestra la clasificación textural del USDA (como "franco arenoso" o "arcilloso"), que es una forma estándar en la que los agricultores hablan del suelo.

La Conclusión

Este artículo no solo dice: "Hicimos un nuevo modelo". Dice: "Hicimos un modelo que respeta las reglas de los pasteles de suelo, puede doblarse para ajustarse a paisajes complejos y nos dice exactamente qué tan seguros debemos estar".

Descartaron explícicamente la idea de que se pueden tratar los componentes del suelo (arena, limo, arcilla) como números separados e independientes. Demostraron que hacer eso conduce al sinsentido. También demostraron que, si bien los modelos lineales simples (líneas rectas) pueden estar bien para algunas cosas, pasan por alto la realidad curva y compleja de la formación del suelo.

La confianza en estos hallazgos proviene de dos lugares: la prueba matemática de que sus nuevos marcadores funcionan y las pruebas de simulación donde el modelo encontró con éxito los patrones "ocultos" en los datos falsos. Cuando se aplicó al mundo real, el modelo no solo dio una sola predicción; dio una imagen completa de la incertidumbre, mostrando exactamente dónde el suelo está bien comprendido y dónde sigue siendo un poco un misterio. Esta es una herramienta poderosa para cualquiera que intente gestionar la tierra, cultivar productos o proteger el medio ambiente, porque convierte un rompecabezas desordenado y confuso en un mapa claro y flexible.