Integrating Open-Source Earth Observation, RUSLE and Explainable Machine Learning to Map and Interpret Soil Erosion in the Thoubal River Basin, Manipur, Northeast India

Resumen Técnico: Integración de Observación de la Tierra de Código Abierto, RUSLE y Aprendizaje Automático Explicable para el Mapeo de la Erosión del Suelo en la Cuenca del Río Thoubal

Planteamiento del Problema
La erosión del suelo en las colinas de alta pluviosidad y actividad tectónica del noreste de la India representa una grave amenaza para la productividad de la tierra y la calidad del agua. Sin embargo, las evaluaciones cuantitativas y espacialmente explícitas para cuencas con escasez de datos en esta región siguen siendo escasas debido a la limitada instrumentación y la fragmentación de los datos. Si bien la Ecuación Revisada de la Pérdida de Suelo Universal (RUSLE) es el marco estándar para la estimación a escala de cuenca, es un modelo empírico que proporciona magnitudes de erosión, pero ofrece una visión limitada sobre la influencia relativa de los controles ambientales o las interacciones no lineales. Además, las aplicaciones actuales de aprendizaje automático (ML) en la investigación de la erosión suelen sufrir de un carácter de "caja negra", carecen de una comparación sistemática de los principales algoritmos de potenciación de gradiente y rara vez traducen los resultados en mapas de prioridad de conservación espacialmente explícitos para las colinas propensas a la erosión del noreste de la India.

Metodología
El estudio emplea un flujo de trabajo geoespacial totalmente programado y reproducible para mapear e interpretar la dinámica de la erosión del suelo en la cuenca del río Thoubal (942 km²) para los años 2005, 2011 y 2017.

1. Integración de Datos: El marco armoniza conjuntos de datos de observación de la Tierra de código abierto en una rejilla común de 30 m. Las entradas incluyen mapas de Uso de la Tierra/Cobertura Terrestre (LULC) de India-WRIS, el Modelo Digital de Elevación (DEM) Copernicus GLO-30 de 30 m, mapas de suelos de la Oficina Nacional de Investigación y Vigilancia del Suelo y el Uso de la Tierra (NBSS&LUP) y datos de precipitación del Departamento Meteorológico de la India (IMD).
2. Parametrización de RUSLE: Se derivaron once predictores topográficos e hidrológicos (p. ej., pendiente, acumulación de flujo, Índice de Potencia de Corriente) del DEM. Los factores de RUSLE se ensamblaron: la erosividad por lluvia ($R$) se calculó mediante una ecuación regional y se mantuvo espacialmente uniforme para aislar los efectos de la cobertura terrestre; la erodibilidad del suelo ($K$) se derivó de la textura; el factor de longitud de pendiente-inclinación ($LS$) se computó a partir de la acumulación de flujo; y el factor de cobertura-manejo ($C$) se asignó según las clases de LULC. El factor de soporte-práctica ($P$) se estableció en la unidad.
3. Aprendizaje Automático Explicable: En lugar de utilizar el ML como un predictor independiente de las mediciones de campo, el estudio entrena cuatro regresores de conjunto —Random Forest, XGBoost, LightGBM y CatBoost— como "modelos sustitutos explicables" de la pérdida de suelo derivada de RUSLE. Estos modelos fueron entrenados con 150,000 muestras (50,000 por año) para emular la superficie de respuesta de RUSLE utilizando los impulsores geoespaciales abiertos.
4. Interpretación e Incertidumbre: El modelo con mejor desempeño fue interpretado mediante SHapley Additive exPlanations (SHAP) para descomponer las predicciones en contribuciones de características transparentes. La incertidumbre de la predicción se mapeó utilizando el desacuerdo entre modelos (desviación estándar) a través de los cuatro algoritmos.

Resultados Clave

• Dinámicas de LULC: Entre 2005 y 2017, la cobertura forestal aumentó ligeramente (+2.3%), mientras que los terrenos baldíos se contrajeron significativamente (-25.5%). El área construida se duplicó con creces (+117%), aunque ocupa una huella absoluta pequeña.
• Tendencias de Erosión: La pérdida media anual de suelo disminuyó significativamente de 129.7 t ha⁻¹ año⁻¹ en 2005 a 117.9 t ha⁻¹ año⁻¹ en 2017. Esta reducción se atribuye a la expansión forestal y la recuperación de terrenos baldíos, dado que los factores de lluvia y suelo se mantuvieron constantes.
• Desempeño del Modelo: Los cuatro modelos de conjunto alcanzaron una alta precisión ($R^2 > 0.99$) al reproducir la superficie de RUSLE. CatBoost emergió como el ejecutor estadísticamente superior ($R^2 = 0.9992$, RMSE = 8.55 t ha⁻¹ año⁻¹), con intervalos de confianza de bootstrap del 95% no superpuestos en comparación con los otros modelos. Los métodos de potenciación de gradiente (CatBoost, LightGBM) superaron a Random Forest en el manejo de la naturaleza multiplicativa y sesgada de la variable objetivo.
• Atribución de Impulsores: El análisis SHAP identificó el Uso de la Tierra/Cobertura Terrestre (LULC) como el control dominante de la erosión (media $|SHAP| \approx 196$), seguido por la pendiente y el Índice de Potencia de Corriente. La lluvia tuvo una importancia de cero en el modelo debido a su uniformidad espacial, confirmando que los cambios interanuales son impulsados por la cobertura terrestre.
• Prioridades de Conservación: Los puntos críticos de erosión persistente (>40 t ha⁻¹ año⁻¹) cubren el 26% de la cuenca, concentrados en tierras agrícolas y terrenos baldíos. Esto delinea una zona de "muy alta prioridad de conservación" de 173 km² donde las intervenciones dirigidas (p. ej., bordos de contorno, agroforestería) podrían lograr las mayores reducciones.

Significancia y Reivindicaciones
El artículo sostiene que su contribución principal es la integración de un mapeo multi-temporal de RUSLE, una comparación de cuatro algoritmos de ML explicable, la atribución basada en SHAP y la cuantificación de la incertidumbre en un único flujo de trabajo de observación de la Tierra reproducible.

El estudio afirma que este marco proporciona una base transparente y transferible para la gestión de la erosión en cuencas tropicales montañosas, particularmente en regiones con escasez de datos donde no hay mediciones de campo disponibles. Al tratar los modelos de ML como sustitutos de la ecuación física de RUSLE, este enfoque logra una alta precisión predictiva manteniendo la interpretabilidad, convirtiendo una "caja negra" opaca en una herramienta para la toma de decisiones defendible. Los autores señalan que la convergencia de sus hallazgos con estudios en el Gran Himalaya, los Ghats Occidentales y el Sudeste Asiático sugiere que la dominancia de la cobertura terrestre y la topografía como impulsores de la erosión es una propiedad transferible de los terrenos tropicales empinados y de alta pluviosidad.

El documento reconoce limitaciones, incluyendo el uso de datos de precipitación espacialmente uniformes y valores de erodibilidad del suelo basados en la textura, lo que significa que las magnitudes absolutas de erosión son altas y están impulsadas por los valores extremos. En consecuencia, los autores enfatizan que los patrones espaciales relativos y las clases de severidad son los resultados más robustos, y que el trabajo futuro debe integrar la lluvia en rejilla y tasas validadas en campo para fortalecer la confianza en las estimaciones absolutas.