Análisis de la reflectividad espectral del suelo en la contaminación por purines procedente de la ganadería intensiva

  1. García Valero, Raúl 1
  2. Van Oudenhove , Mistral 1
  3. Pérez Cutillas, Pedro 1
  1. 1 Universidad de Murcia
    info

    Universidad de Murcia

    Murcia, España

    ROR https://ror.org/03p3aeb86

Revista:
Espacio, tiempo y forma. Serie VI, Geografía

ISSN: 1130-2968

Año de publicación: 2023

Tomo: 16

Páginas: 25-41

Tipo: Artículo

DOI: 10.5944/ETFVI.16.2023.36672 DIALNET GOOGLE SCHOLAR lock_openAcceso abierto editor

Otras publicaciones en: Espacio, tiempo y forma. Serie VI, Geografía

Resumen

El sector porcino en España representa el 14% de la producción total agraria, siendo un sector de gran importancia en la economía nacional. Pero las explotaciones de ganadería intensiva suponen un riesgo para la salud pública y el medio ambiente. Las pérdidas de nitratos por lixiviación provenientes del vertido de purines a las aguas superficiales y subterráneas se han convertido en un grave problema medioambiental en la actualidad. En este trabajo se analizaron mediante técnicas de teledetección un conjunto de imágenes del satélite Sentinel-2 para analizar la reflectividad de los vertidos de purines. Se emplearon imágenes de periodos estivales e invernales entre los años 2015 y 2022 para caracterizar la respuesta espectral de dos parcelas, una de vertidos de purines y otra de control. Los resultados obtenidos mostraron cambios significativos en la humedad y cobertura del suelo, que podrían estar relacionadas al vertido de purines. Sin embargo, estos datos no están exentos de incertidumbre, los cuales podrían estar influenciados por las diferencias en la estructura, textura y composición de los suelos, por los fenómenos climáticos, así como por las características de las imágenes de satélite utilizadas (frecuencia de captura y resolución espacial-espectral del sensor). A pesar de estas limitaciones, se ha podido observar un mayor rango espectral en la parcela de vertidos durante los meses de verano respecto al invierno debido a las diferencias de humedad captadas en el espectro de infrarrojo medio (SWIR).

Referencias bibliográficas

  • Álvarez, V.R., Lorenzo, A. S. & Marín, R.G. (2014). Creación de una base de datos con series largas de precipitación en la Región de Murcia y análisis temporal de la serie media anual, 1914-2013. Revista de Climatología, 14, 81-97.
  • Aneja, V., Nelson, D., Roelle, P., Walker, John. & Battye, W. (2003). Agricultural ammonia emissions and ammonium concentrations associated with aerosols and precipitation in the southeast United States. Journal of Geophysical Research Atmospheres, 108, 41-52. http://dx.doi.org/10.1029/2002JD002271
  • Asociación Nacional de Industrial de la Carne de España [ANICE]. (10 de junio de 2021). La industria cárnica se convierte en sector estratégico y clave en la recuperación económica socioeconómica del país. Anice.
  • https://www.anice.es/industrias/ano-2021/la-industria-carnica-se-convierte-en-sector-estrategico-y-clave-en-la-recuperacion-socioeconomica-del-pais_29476_273_38304_0_1_in.html
  • Ayub, R., Messier, K.P., Serre, M. & Mahinthakumar, k. (2019). Non-point source evaluation of groundwater nitrate contamination from agriculture under geologic uncertainty. Stochastic Environmental Research and Risk Assessment, 33(4-6), 939. doi:10.1007/s00477-019-01669-z
  • Basterrechea, D. A., Parra, L., Parra, M., & Lloret, J. (2021). A Proposal for Monitoring Grass Coverage in Citrus Crops Applying Time Series Analysis in Sentinel-2 Bands. In Industrial IoT Technologies and Applications: 4th EAI International Conference, Industrial IoT 2020, Virtual Event, December 11, 2020, Proceedings 4 (pp. 193-206). Springer International Publishing. https://doi.org/10.1007/978-3-030-71061-3_12
  • Ben, C., Brandon, A., Seiji, E., Sandy, L. & Daniel, E. (2021). Enhancing environmental enforcement with near real-time monitoring: Likelihood-based detection of structural expansion of intensive livestock farms. International Journal of Applied Earth Observations and Geoinformation, 103, 102463. https://doi.org/10.1016/j.jag.2021.102463
  • Cárdenas, A., Rodriguez, V., Luque, J. & Mendes, P. (2021). Predictive modelling benchmark of nitrate Vulnerable Zones at a regional scale based on Machine learning and remote sensing. Journal of Hydrology, 603, 127092. https://doi.org/10.1016/j.jhydrol.2021.127092
  • Congedo, L. (2016). Semi-Automatic Classification Plugin Documentation. http://dx.doi.org/10.13140/RG.2.2.29474.02242/1
  • Capa-Camacho, X., Martínez, P., Martínez, M.A., Gabarrón, M. & Faz, A. (2022). Delimitación de Áreas Subsuperficiales Afectadas por Purines de Cerdo Combinando Técnicas Geofísicas y Geoquímicas. Water, 14(12), 1872. https://doi.org/10.3390/w14121872
  • Christenson, E. & Serre, M. (2015). Using remote sensing to calculate plant available nitrogen needed by crops on swine factory farm sprayfields in North Carolina. Proceedings Volume 9637, Remote Sensing for Agriculture, Ecosystems, and Hydrology XVII; 963704. https://doi.org/10.1117/12.2195434
  • CHS (2023). Estadísticas Pluviometría SAIH. Datos recuperados el 10 de marzo de 2023 de: https://www.chsegura.es/es/cuenca/redes-de-control/saih/estadisticas-pluviometria-saih/index.html
  • Clar, E. (2022). El pasado cuenta: El boom de los sectores Aviar y Porcino en España, 1955-2020. Sociedad de Estudios de Historia Agraria. http://hdl.handle.net/10234/197061
  • Coma, J. y Bonet, J. (2005) Producción ganadera y contaminación ambiental. Producción animal, 20 (211), 28-40.
  • Comisión Europea. (2021). Informe de la comisión al consejo y al parlamento europeo sobre la aplicación de la Directiva 91/676/CEE del Consejo, relativa a la protección de las aguas contra la contaminación producida por nitratos utilizados en la agricultura, basado en los informes de los Estados miembros para el período 2016-2019. Bruselas, 11 de octubre de 2021.
  • Datista (2021). Las macrogranjas de porcino aumentaron de nuevo sus emisiones contaminantes en 2021. Recuperado en: https://especiales.datadista.com/medioambiente/mapa-emisiones-contaminantes-macrogranjas-porcino-2021
  • Errecart, V., Lucero, M. & Sosa, M. (2015). Análisis del mercado mundial de carnes. Facultad de Economía y Negocios, Universidad Nacional de San Martín: Tarapoto, Perú.
  • ESA (2023). User guide, Spatial resolution. Recuperado en: https://sentinels.copernicus.eu/web/sentinel/user-guides/sentinel-2-msi/resolutions/spatial
  • Fernández, L. (2007). Los nitratos y las aguas subterráneas en España. Enseñanzas de las Ciencias de la Tierra, 15(3), 257-265.
  • Gago Gutiérrez, R. (2022). La ganadería intensiva en España: aspectos socioeconómicos, legislativos, ambientales y nutricionales. Una reflexión holística desde la salud pública. Revista de Salud Ambiental, 22, 74-143.
  • Greenpeace (2022). Amenaza invisible: La contaminación del agua por nitratos. Recuperado en: https://es.greenpeace.org/es/wp-content/uploads/sites/3/2022/05/informe-aguas-LR.pdf
  • Instituto Nacional de Estadística [INE]. (2018). Estadística sobre el Suministro y Saneamiento del Agua. Recuperado en: https://www.ine.es/prensa/essa_2018.pdf
  • Jiménez Ortiz, M. M., Gómez Álvarez, R., Oliva Hernández, J., Granados Zurita, L., Pat Fernández, J. M., & Aranda Ibáñez, E. M. (2019). Influencia del estiércol composteado y micorriza arbuscular sobre la composición química del suelo y el rendimiento productivo de maíz forrajero (Zea mays L.). Nova scientia, 11(23).
  • Lim, E. S., Kim, I. S., Han, S. J., Lim, T. Y., & Song, W. (2020). Estimation of Nitrate Nitrogen Concentration in Liquid Fertilizer Contaminated Areas using Hyperspectral Images. Journal of the Society of Disaster Information, 16(3), 542-549. https://doi.org/10.15683/kosdi.2020.09.30.542
  • Mallin, M. & Mclver, M. (2018). Season matters when sampling streams for swine CAFO waste pollution impacts. Journal of Water and Health, 16(1), 78-86.
  • Martin, K., Emanuel, R. & Vose, J. (2018). Terra incognita: The unknown risks to environmental quality posed by the spatial distribution and abundance of concentrated animal feeding operations. Sciencie of the Total Environment, 642, 887-893.
  • Martínez, J. & Martín, M.P. (2010). Guía Didáctica de Teledetección y Medio Ambiente. Red Nacional de Teledetección Ambiental.
  • Ministerio de Agricultura, Pesca y Alimentación. (2020). El sector de la carne de cerdo en cifras. Recuperado en: https://www.mapa.gob.es/es/ganaderia/estadisticas/indicadoreseconomicossectorporcino2020_tcm30-379728.pdf
  • Norouzi, S., Sadeghi, M., Liaghat, A., Tuller, M., Jones, S.B. & Ebrahimian, H. (2021). Information depth of NIR/SWIR soil reflectance spectroscopy, Remote Sensing of Environment, 256, 112315. https://doi.org/10.1016/j.rse.2021.112315
  • Peng, W., Beggio, G., Pivato, A., Zhang, H., Lü, F., & He, P. (2022). Applications of near infrared spectroscopy and hyperspectral imaging techniques in anaerobic digestion of bio-wastes: A review. Renewable and Sustainable Energy Reviews, 165, 112608.
  • Piñeiro, C. & Montalvo, G. (7-8 de noviembre de 2005). La directiva IPPC para el control integrado de las emisiones contaminantes en ganadería intensiva de porcino. XXI Curso de especialización FEDNA, Madrid, España
  • Quemada, M., Lassaletta, L., Jensen, L.S., Godinot, O., Brentrup, F., Buckley, C., Foray, S., Hvid, S.K., Oenema, J., Richards, K.G. & Oenema, O. (2020). Exploring nitrogen indicators of farm performance among farm types across several European case studies. Agricultural Systems, 177, 102689. https://doi.org/10.1016/j.agsy.2019.102689
  • Quispe, V., Ábrego, J., Murillo, M. B., Gea, G., & Atienza, M. (2014). Pirólisis de purines de cerdo utilizando TG-DSC. Jornada de Jóvenes Investigadores del I3A, 2, 39-41.
  • Silvestri, S. & Omri, M. (2007). A method for the remote sensing identification of uncontrolled landfills: formulation and validation. International Journal of Remote Sensing, 29 (4), 975-989.
  • Sineiro, F. & Lorenzana, F. (2008). La ganadería en España: Situación actual y evolución reciente. Papeles de economía Española, 117, 125-140.
  • Ward, M., Kilfoy, B., Weyes, P., Anderson, K., Folsom, A. & Cerhan, J. (2010). Nitrate Intake and the Risk of Thyroid Cancer and Thyroid Disease. Epidemiology, 21 (3), 389-395.
  • Westhoek, H., Lesschen, J. P., Leip, A., Rood, T., Wagner, S., De Marco, A., ... & Sutton, M. A. (2015). Nitrogen on the table: the influence of food choices on nitrogen emissions and the European environment. NERC/Centre for Ecology & Hydrology.
  • Witheetrirong, Y., Kumar, N., Tipdecho, T. & Parkpian, P. (2011). Estimation of the Effect of Soil Texture on Nitrate-Nitrogen Content in Groundwater Using Optical Remote Sensing. International Journal of Enrironmental Research and Public Health, 8(8), 3416-3436.
  • Xu,Y., Smith, S.E., Grunwald, S., Abd-Elrahman, A., Wani, S.P., & Nair, V.D. (2018). Estimating soil total nitrogen in smallholder farm settings using remote sensing spectral indices and regression kriging. CATENA, 163, 111-122. https://doi.org/10.1016/j.catena.2017.12.011
  • Yuping, L., Zhen, W., Hongjun, L., Zheng, L. & Shengwei, Z. (2009). Assessment of nitrate leaching on agriculture region using remote sensing and model. Remote Sensing for Agriculture, Ecosystems and Hidrology. 7472, 7472-A http://dx.doi.org/10.1117/12.831342
Fuente de los datos: Dialnet