�鶹����

Baixo a coordinacin do grupo HydroForest, da Escola de Enxeara Forestal, investigadoras e investigadores de seis pases traballan no desenvolvemento dunha plataforma dixital que combine datos multidimensionais e multiescala con ferramentas de intelixencia artificial e de anlise xeoespacial co propsito, sinalan, de “revolucionar as metodoloxas de xestin dos recursos hdricos”. Seleccionado na convocatoria europea Chist-Era, o proxecto MultiGIS4Rivers céntrase na creacin dunha “plataforma dixital que reúna e conecte toda a informacin necesaria para entender, conservar e xestionar mellor os ecosistemas fluviais e toda a súa conca”, sinala a súa coordinadora, Xana Álvarez, investigadora principal do grupo HydroForest.

A EE Forestal acolleu este luns a reunin de lanzamento dun proxecto que busca superar “as limitacins das metodoloxas convencionais na xestin de recursos hdricos” e desenvolver unha plataforma que “actuara como vent única de acceso” a informacin en tempo real sobre o caudal dos ros, calidade das augas, riscos naturais ou situacin dos ecosistemas. Deste xeito, facilitara “unha xestin mis eficiente, sostible e coordinada do territorio e os recursos naturais ligados ao ros”, apunta Álvarez. Ao mesmo tempo, o uso da intelixencia artificial e da aprendizaxe automtica “permitira analizar grandes volumes de datos de forma rpida e eficiente”, facendo posible a identificacin de “patrns, tendencias e posibles problemas antes de que ocorran”, de tal xeito que sera tamén unha plataforma de apoio toma de decisins por parte das e dos responsables da xestin destes recursos.

MultiGIS4Rivers (Multidimensional data analysis for the management of river ecosystems through multiscale automatic tools) conta co financiamento da Agencia Estatal de ���Ա�����پ�����������, dependente do Ministerio de Ciencia, Innovacin y Universidades, e foi un dos nove proxectos seleccionados na convocatoria de 2023 do consorcio europeo Chist-Era. “Esta seleccin supn un importante recoecemento ao traballo cientfico que desenvolve o grupo, reforza a súa proxeccin internacional e consolida o seu papel como referente na xestin sostible dos recursos hdricos e forestais”, sinala Álvarez da escolla de MultiGIS4Rivers nunha convocatoria centrada nos enfoques computacionais innovadores para sistemas de informacin xeogrfica, na que acadaron financiamento menos do 30% das propostas presentadas. Xunto ao grupo HydroForest, neste proxecto participa o grupo GeoTech do Cintecx, as como un equipo interdisciplinar de investigadoras e investigadores do Instituto Finlandés de ���Ա�����پ����������� Xeoespacial e das universidades HES-SO (Suza), Adam Mickiewicz (Polonia), Tecnolxica de Brno (República Checa) e Estadual de Campinas (Brasil). 

Unha plataforma integral

Iniciado no mes de setembro, trtase dun proxecto de tres anos de duracin, que abrangue o uso de modelos de aprendizaxe profundo para a adquisicin e combinacin de “datos multidimensionais e multiescala” e o deseo de sistemas de monitorizacin para “a compilacin de informacin a escala detallada”. Con ese propsito, empregar imaxes por satélite, sensores, imaxes hiperespectrais de vehculos aéreos non tripulados ou datos obtidos con tecnoloxa LiDAR. Esta informacin reunirase nunha plataforma SIG con diferentes interfaces, segundo o tipo de persoa usuaria. “O proxecto explorar técnicas informtica de última xeracin, deseadas para procesar datos espazo-temporais”, sinala o equipo responsable dunha investigacin na que “empregaranse algoritmos de aprendizaxe automtica e de aprendizaxe profunda para extraer informacin significativa de conxuntos de datos complexos”.

Entre os principais datos que prevén integrar nesta plataforma atpase informacin sobre o caudal do ro, niveis da auga, precipitacins ou secas, que “axudan a entender como flúe a auga e como vara ao longo do tempo”, explica Álvarez. Tamén se recollern diferentes indicadores relativos calidade da auga, como “nivel de contaminantes, presenza de nutrientes, osxeno disolto ou temperatura da auga, fundamentais para avaliar o estado ecolxico do ro”. Nesta plataforma integrarase ademais informacin sobre os usos do solo cobertura vexetal da rea, o que permitir coecer “como inflúen no ro e na súa contorna”, as como a presenza de especies animais e vexetais, cos que coecer “a saúde ecolxica da conca”. Ao mesmo tempo, incorporaranse datos sobre infraestruturas, como presas, canais ou estacins de tratamento, e sobre os aproveitamentos agrcolas ou industriais da auga, xunto con datos sobre riscos naturais, como “inundacins, erosin, incendios forestais ou corrementos de terra que poden afectar contorna fluvial”. Do mesmo xeito, sumaranse a esta ferramenta datos sobre actividades econmicas ligadas ao ro e sobre as comunidades locais, as como informacin relativa a normativas ambientais e plans hidrolxicos ou de ordenacin territorial. 

Coa que anticipar escenario futuros

Co obxectivo de dar forma a “unha plataforma integral, preditiva e adaptable para a xestin dos recursos hdricos”, o proxecto baséase na “dixitalizacin dos recursos hdricos a partir de datos multifonte e multiescala”, que permitan un “modelado multitemporal”, que permita non s a anlise da situacin actual, senn tamén anticipar futuros escenarios. Neste punto, o desenvolvemento de “algoritmos de apoio toma de decisins” e o uso da intelixencia artificial far posible “anticiparse aos impactos ambientais”, contribundo a “predicir crecidas ou secas, detectar anomalas na calidade da auga ou suxerir medidas de xestin mis efectivas segundo o comportamento da rúa e da súa contorna”, explica Álvarez. O proxecto comprende tamén o desenvolvemento de “modelos preditivos de cambios en corredores ecolxicos de ecosistemas de auga doce”, que tean en conta diferentes escenarios climticos e permitan avaliar os efectos da implantacin de “solucins baseadas na natureza”. 

O seu propsito é contribur a unha “xestin mis sostible” dos recursos hdricos, adaptada aos “retos do cambio climtico”, destaca Álvarez, tendo en conta que os ros son “reas cruciais para a estratexias de conservacin orientadas preservacin da biodiversidade”. De feito, un dos obxectivos deste proxecto é que esa combinacin de “técnicas informticas de última xeracin, aprendizaxe automtica e algoritmos de aprendizaxe profunda” permita descubrir “os principais impulsores do deterioro dos ecosistemas de auga doce”, contribundo a "comprender as interaccins entre os diversos factores que afectan saúde dos ros”. 

Posta a proba en espazos con “diferentes desafos” ambientais

Co propsito de comprobar o “potencial destas ferramentas”, o equipo investigador por a proba este sistema en rexins de Brasil, Polonia, República Checa e Espaa, nas que as concas fluviais enfrontan “diversos desafos, como inundacins, fragmentacin, contaminacin e abandono de terras”. Nese senso, o seu obxectivo é que as metodoloxas desenvoltas no proxecto poidan empregarse noutras rexins “que afronten desafos similares”.