Classification of coastal lowland acid sulfate soils using digital soil mapping techniques for Puerto Rico and U.S. Virgin Islands

Abstract

Oxidation of soil pyrite due to hydrologic disturbances is responsible for severe soil acidification and the production of noxious greenhouse gases. Coastal lowland acid sulfate soils (CLASS) are an environmental hazard worldwide due to the associated high acidity (pH < 4), and threats posed by runoff discharge. We use digital soil mapping (DSM) techniques to device a more effective, and least time- and resource-consuming alternative than traditional field sampling schemes to determine the probability of occurrence of CLASS in Puerto Rico and U.S. Virgin Islands. Soil samples collected from coastal areas in Puerto Rico were classified based on anaerobic incubated pH results after 7 weeks. Out of 58 samples at a depth of 0-12 in, 20 reached pHfinal < 5 after incubation, and hence were labeled as positive for CLASS. Sulfur content was analyzed in positive samples resulting in a 0.61 inverse correlation. Two setups of predictive models, Model A and Model B, were considered using DSM techniques and a Random Forest (RF) hyper-tuning parameters classifier. Sentinel 2 sensor indices and SCORPAN model data were used as covariates for the region of interest, established by Holocene correlated data with sulfur deposition. Model A resulted best with an out-of-bag error of 19%, test error of 23%, and a spatial prediction for CLASS of 104.18 km2 in Puerto Rico, with a mean probability of 65%. Also, for the U.S. Virgin Islands, model A resulted with an out of bag error of 19%, test error of 75%, and a spatial prediction for CLASS of 0.82 km2 in U.S. Virgin Islands with a mean probability of 59%. Resulting CLASS mapping shows the first assessment of this technique in the Caribbean region.

La oxidación de la pirita del suelo debido a alteraciones hidrológicas es responsable de la acidificación severa del suelo y la producción de gases nocivos de efecto invernadero. Los suelos costeros de sulfato ácido de tierras bajas (CLASS) son un peligro ambiental en todo el mundo debido a la alta acidez asociada (pH < 4) y las amenazas planteadas por la descarga de escorrentía. Utilizamos técnicas de mapeo digital de suelos (DSM) para diseñar una alternativa más efectiva y que consume menos tiempo y recursos que los esquemas tradicionales de muestreo de campo para la determinación de la probabilidad de ocurrencia de CLASS en Puerto Rico y las Islas Vírgenes de los Estados Unidos. Las muestras de suelo recolectadas de las zonas costeras de Puerto Rico se clasificaron en función de los resultados de lecturas de pH después de su incubación anaeróbica después de 7 semanas. De 58 muestras tomadas a una profundidad de 0-12 pulgadas, 20 alcanzaron pH final < 5, y después de la incubación, por lo tanto, se etiquetaron como positivas para CLASS. El contenido de azufre se analizó para muestras positivas, lo que resultó en una correlación inversa de “0.61”. Se completaron dos configuraciones separadas de un modelo predictivo (Modelo A y Modelo B) utilizando técnicas DSM y un clasificador de parámetros de ajuste con Bosque Aleatorio (RF). Los índices del sensor Sentinel 2 y los datos del modelo SCORPAN se utilizaron como covariables para la región de interés, establecidas por los datos correlacionados del Holoceno con la deposición de azufre. El modelo A resultó mejor con un error fuera de bolsa del 19%, un error de prueba del 23% y una predicción espacial de CLASS en Puerto Rico de 104.18 km2 con una probabilidad media del 65%. Adicional a eso, las Islas Vírgenes de los Estados Unidos obtuvieron en el modelo A, un error fuera de la bolsa de 19%, error de prueba del 75%, y una predicción espacial de CLASS de 0.82 km2 con una probabilidad media del 59%. El mapeo CLASS resultante muestra la primera evaluación de la técnica en la región del Caribe.