Un equipo da EE Forestal deseña un sistema de alerta temperá da proliferación de cianobacterias nos encoros

Seleccionado na convocatoria de proxectos de transición ecolóxica e dixital do Ministerio de Ciencia, Innovación y Universidades, o grupo de investigación de Xeomodelización Hidroforestal (Hydro-Forest), da Escola de Enxeñaría Forestal, traballou ao longo dos últimos dous anos no proxecto Resilient2Change, que tiña como obxectivo o deseño de ferramentas que contribuísen a unha xestión sostible do territorio fronte ao cambio climático. A investigación na que participou tamén o grupo Ecosot (Economía, Sociedade e Territorio) abrangueu o uso de imaxes por satélite, modelos hidrolóxicos e técnicas de intelixencia artificial co propósito de desenvolver solucións para mellorar a xestión do territorio e dos recursos hídricos en Galicia. Estes traballos levaron ao deseño dun sistema de alerta temperá da proliferación de cianobacterias nos encoros e de modelos que permiten avaliar a evolución da conectividade ecolóxica nos espazos naturais protexidos. 

O proxecto que se pecha nestas semanas puña o foco na identificación das principais ameazas ecolóxicas vinculadas ao cambio climático en Galicia. “Analizamos a perda de conectividade en áreas protexidas, a redución da capacidade de captación de carbono, o aumento de risco de inundacións e a proliferación de cianobacterias nos encoros”, sinala Xana Álvarez, investigadora principal de Resilient2Change, no que participaron as e os integrantes do grupo Hydro-Forest Carolina Acuña, Mario García, Pedro Lago, Elena Seoane, Diego Barba e Carlos Peco, así como Juan Vidal e María Gómez, do grupo Ecosot. 

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

Sistema de alerta temperá

No referido aos recursos hidrolóxicos, unhas das liñas de traballo centrouse na aplicación de modelos estatísticos avanzados para analizar a influencia de diferentes variables na proliferación de cianobacterias nos encoros. Entre outras accións, desenvolveuse un sistema de alerta temperá baseado en técnicas de machine learning e imaxes por satélite, que parte duns modelos que permiten estimar “con alta precisión indicadores como o índice do estado trófico, a clorofila e a temperatura superficial”. Neste ámbito, “un dos avances máis destacados foi a aplicación de técnicas deep learning” para predicir a evolución que rexistrarían estes indicadores, “cunha precisión do 92%” no referido á detección da concentración de cianobacterias. Este enfoque foi validado en encoros “con distintos niveis tróficos, demostrando a súa aplicabilidade en contextos diversos”, sinala o equipo investigador. Ao mesmo tempo, as simulacións realizadas tendo en conta diferentes condicións climáticas permitiron constatar que “a adopción de medidas de xestión” neste eido permitiría reducir a concentración de cianobacterias ata nun 10%.

Resilient2Change abrangueu tamén a simulación de “eventos de crecida” nos ríos Umia, Loira (Francia) e Voglajna (Eslovenia), neste caso en colaboración coa Universidade de Liubliana. Estes traballos permitiron constatar que a transformación de superficies forestais en espazos de usos agrícolas “pode incrementar notablemente o caudal pico” e o volume de auga de chuvia que circularía pola superficie destas áreas “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”, á vez que permitieron identificar zonas prioritarias á hora de aplicar solucións baseadas na natureza. 

Evolución da conectividade ecolóxica

Outro dos traballos centrouse en analizar, nas serras do Cando e do Candán, a “evolución da conectividade ecolóxica”, o grao en que diferentes ecosistemas poden atoparse illados ou fragmentados nun territorio. Unha combinación da “clasificación multitemporal de uso do solo, algoritmos de machine learning e modelización de corredores ecolóxicos” permitiron estimar esa conectividade nestes espazos protexidos da Rede Natura 2000, nos que “a presenza do bosque autóctono foi o factor máis determinante”, apunta Álvarez. Estas simulacións permiten á súa vez “anticipar escenarios futuros de perda ou recuperación” desa conexión entre ecosistemas, “unha información fundamental para a correcta xestión do territorio”. 

Tamén no eido forestal, empregáronse 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. “Identificáronse as masas de coníferas como os principais sumidoiros por hectárea”, sinala o equipo responsable dunha investigación que abrangueu tamén a aplicación de redes neuronais e técnicas de clasificación baseada en obxectos para analizar os cambios de uso do solo no corredor ecolóxico do río Tea. Os resultados revelan “con ata un 80% de precisión, unha perda progresiva do bosque autóctono en favor de usos antrópicos”, explican. 

Teoría de xogos para promover a cooperación e a sustentabilidade

Nese obxectivo de mellorar a xestión dos recursos naturais insírense tamén os traballos realizados polos investigadores do grupo Ecosot co enfoque da teoría de xogos, centrada en promover a optimización das medidas a adoptar en situacións que afectan a colectivos con diferentes intereses. Vidal e Gómez 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 á contaminación dos ríos”. O seu obxectivo era coñecer cales serían os factores que permitían deseñar acordos “que garantan cooperación, sustentabilidade e eficiencia”.