�鶹����

Seleccionado na convocatoria de proxectos de transicin ecolxica e dixital do Ministerio de Ciencia, Innovacin y Universidades, o grupo de investigacin de Xeomodelizacin Hidroforestal (Hydro-Forest), da Escola de Enxeara Forestal, traballou ao longo dos últimos dous anos no proxecto Resilient2Change, que tia como obxectivo o deseo de ferramentas que contribusen a unha xestin sostible do territorio fronte ao cambio climtico. A investigacin na que participou tamén o grupo Ecosot (Economa, Sociedade e Territorio) abrangueu o uso de imaxes por satélite, modelos hidrolxicos e técnicas de intelixencia artificial co propsito de desenvolver solucins para mellorar a xestin do territorio e dos recursos hdricos en Galicia. Estes traballos levaron ao deseo dun sistema de alerta temper da proliferacin de cianobacterias nos encoros e de modelos que permiten avaliar a evolucin da conectividade ecolxica nos espazos naturais protexidos. 

O proxecto que se pecha nestas semanas pua o foco na identificacin das principais ameazas ecolxicas vinculadas ao cambio climtico en Galicia. “Analizamos a perda de conectividade en reas protexidas, a reducin da capacidade de captacin de carbono, o aumento de risco de inundacins e a proliferacin de cianobacterias nos encoros”, sinala Xana Álvarez, investigadora principal de Resilient2Change, no que participaron as e os integrantes do grupo Hydro-Forest Carolina Acua, Mario Garca, Pedro Lago, Elena Seoane, Diego Barba e Carlos Peco, as como Juan Vidal e Mara Gmez, do grupo Ecosot. 

A investigacin abrangueu traballos de campo en diferentes puntos de Galicia, que permitiron pr a proba un conxunto de ferramentas, cun diferente grao de desenvolvemento, que contribuiran a “anticipar riscos e a identificar as zonas mis vulnerables”, salienta Álvarez.

Sistema de alerta temper

No referido aos recursos hidrolxicos, unhas das lias de traballo centrouse na aplicacin de modelos estatsticos avanzados para analizar a influencia de diferentes variables na proliferacin de cianobacterias nos encoros. Entre outras accins, desenvolveuse un sistema de alerta temper baseado en técnicas de machine learning e imaxes por satélite, que parte duns modelos que permiten estimar “con alta precisin indicadores como o ndice do estado trfico, a clorofila e a temperatura superficial”. Neste mbito, “un dos avances mis destacados foi a aplicacin de técnicas deep learning” para predicir a evolucin que rexistraran estes indicadores, “cunha precisin do 92%” no referido deteccin da concentracin de cianobacterias. Este enfoque foi validado en encoros “con distintos niveis trficos, demostrando a súa aplicabilidade en contextos diversos”, sinala o equipo investigador. Ao mesmo tempo, as simulacins realizadas tendo en conta diferentes condicins climticas permitiron constatar que “a adopcin de medidas de xestin” neste eido permitira reducir a concentracin de cianobacterias ata nun 10%.

Resilient2Change abrangueu tamén a simulacin de “eventos de crecida” nos ros Umia, Loira (Francia) e Voglajna (Eslovenia), neste caso en colaboracin coa Universidade de Liubliana. Estes traballos permitiron constatar que a transformacin de superficies forestais en espazos de usos agrcolas “pode incrementar notablemente o caudal pico” e o volume de auga de chuvia que circulara pola superficie destas reas “durante eventos extremos”. Ao mesmo, amosaron tamén que “reforestar as zonas de cabeceira” das concas fluviais “con solos pouco permeables pode reducir significativamente os efectos das enchentes”, vez que permitieron identificar zonas prioritarias hora de aplicar solucins baseadas na natureza. 

Evolucin da conectividade ecolxica

Outro dos traballos centrouse en analizar, nas serras do Cando e do Candn, a “evolucin da conectividade ecolxica”, o grao en que diferentes ecosistemas poden atoparse illados ou fragmentados nun territorio. Unha combinacin da “clasificacin multitemporal de uso do solo, algoritmos de machine learning e modelizacin de corredores ecolxicos” permitiron estimar esa conectividade nestes espazos protexidos da Rede Natura 2000, nos que “a presenza do bosque autctono foi o factor mis determinante”, apunta Álvarez. Estas simulacins permiten súa vez “anticipar escenarios futuros de perda ou recuperacin” desa conexin entre ecosistemas, “unha informacin fundamental para a correcta xestin do territorio”. 

Tamén no eido forestal, empregronse datos do satélite Sentinel-2 e o software libre InVest para cartografar o potencial de captura de carbono procedente da atmosfera dos bosques nos montes de Baiona. “Identificronse as masas de conferas como os principais sumidoiros por hectrea”, sinala o equipo responsable dunha investigacin que abrangueu tamén a aplicacin de redes neuronais e técnicas de clasificacin baseada en obxectos para analizar os cambios de uso do solo no corredor ecolxico do ro Tea. Os resultados revelan “con ata un 80% de precisin, unha perda progresiva do bosque autctono en favor de usos antrpicos”, explican. 

Teora de xogos para promover a cooperacin e a sustentabilidade

Nese obxectivo de mellorar a xestin dos recursos naturais insrense tamén os traballos realizados polos investigadores do grupo Ecosot co enfoque da teora de xogos, centrada en promover a optimizacin das medidas a adoptar en situacins que afectan a colectivos con diferentes intereses. Vidal e Gmez levaron a cabo un estudo aplicado con datos imputables a diversas concas fluviais, dirixido a analizar, explican, “distintas regras para o reparto de custos imputables contaminacin dos ros”. O seu obxectivo era coecer cales seran os factores que permitan desear acordos “que garantan cooperacin, sustentabilidade e eficiencia”.