El cadmio (Cd), un metal pesado tóxico, representa una amenaza creciente para la seguridad alimentaria debido a su acumulación en los cultivos.
por la Academia China de Ciencias
El trigo, en particular, tiende a absorber más cadmio que el arroz debido a su mayor eficiencia de transporte interno. En los sistemas de rotación arroz-trigo de China, los granos de trigo a menudo superan los límites de seguridad de cadmio, a pesar del cumplimiento de las normas nacionales de calidad del suelo.
Las regulaciones revisadas recientemente han introducido límites más estrictos de cadmio en el suelo , pero esto podría resultar en costos innecesarios y una regulación excesiva. Los modelos predictivos anteriores han resultado insuficientes, al no captar la complejidad de las condiciones reales del suelo . Debido a estos desafíos, existe una necesidad apremiante de modelos más precisos y validados en campo para garantizar la seguridad del trigo sin sobrecargar a los productores.
El 14 de mayo de 2025, investigadores de la Universidad de Nanjing y la Universidad de Columbia publicaron un estudio en Eco-Environment & Health que revela nuevos modelos para predecir la acumulación de cadmio en el grano de trigo. Utilizando datos de 311 muestras pareadas de suelo y trigo en China, el equipo comparó la regresión múltiple, el aprendizaje automático y enfoques geoquímicos. Su objetivo era identificar el modelo más eficaz y generar umbrales precisos de cadmio en el suelo, vinculados a las normas nacionales de seguridad alimentaria , lo que ofrece un marco más fundamentado para proteger el trigo de la contaminación.
El equipo identificó el cadmio total del suelo, el pH y la capacidad de intercambio catiónico (CIC) como los factores más influyentes en la absorción de cadmio por el trigo. Con base en estas variables, construyeron modelos predictivos, incluyendo uno que utilizó cadmio extraíble con CaCl₂ para representar la fracción biodisponible más relevante para la absorción vegetal.
También se probó un modelo geoquímico, el Modelo de Especiación Multisuperficie (MSM), para simular el comportamiento del cadmio en diferentes condiciones del suelo. Si bien ambos métodos obtuvieron buenos resultados, el modelo de aprendizaje automático de Árboles Extremadamente Aleatorizados (ERT) fue el más destacado. Este modelo alcanzó un error cuadrático medio (RMSE) de 0,221 y un error absoluto medio (MAE) de 0,165, superando a otros modelos en precisión y adaptabilidad.
Fundamentalmente, los investigadores utilizaron estos modelos para retrocalcular los umbrales de cadmio en el suelo basándose en el límite de seguridad alimentaria de China de 0,1 mg/kg para el grano de trigo. Estos nuevos umbrales, ajustados a diferentes niveles de pH del suelo, demostraron ser más eficaces para predecir la seguridad del grano que las normas nacionales vigentes, ofreciendo una alternativa refinada y rentable a la remediación generalizada del suelo.
«Nuestro objetivo era crear una herramienta práctica que agricultores y organismos reguladores pudieran utilizar para evaluar la seguridad del trigo directamente a partir de los datos del suelo», afirmó el profesor Xueyuan Gu, autor correspondiente del estudio. «Los modelos de aprendizaje automático y los nuevos umbrales que desarrollamos no son meros ejercicios académicos, sino que pueden integrarse en los sistemas de gestión de campos y en los programas nacionales de monitoreo».
Subrayó la importancia de combinar el rigor científico con la usabilidad práctica, señalando que una recopilación más amplia de datos en todas las regiones podría mejorar aún más la fiabilidad y la generalización del modelo.
Esta investigación tiene implicaciones significativas para la seguridad agrícola y el desarrollo de políticas. Con estos modelos, los riesgos del cadmio pueden evaluarse con rapidez y precisión mediante análisis de suelo estándar, lo que permite a los agricultores y a las autoridades locales tomar decisiones informadas sobre el uso del suelo .
Los umbrales mejorados ofrecen una alternativa económicamente viable y con base científica a las políticas de remediación rígidas, lo que ayuda a prevenir tanto la regulación insuficiente como la excesiva. Además, la exitosa integración del aprendizaje automático marca un cambio más amplio hacia una agricultura basada en datos.
A medida que se amplían las bases de datos del suelo, estas herramientas predictivas podrían evolucionar hacia sistemas de asesoramiento en tiempo real, mejorando la gestión sostenible de la tierra y al mismo tiempo protegiendo la salud pública mediante una producción de alimentos más segura.
Más información: Lu Lin et al., Acumulación de cadmio en el grano de trigo: Modelos de acumulación y umbrales del suelo para una producción segura, Eco-Environment & Health (2025). DOI: 10.1016/j.eehl.2025.100154
