Programa del congreso

En este trabajo evaluamos el impacto del cambio climático sobre la productividad y fenología de la vegetación a escala global mediante teledetección e inteligencia artificial. Para ello, se utilizan las series temporales de variables climáticas esenciales de vegetación a escala global desde 1981 que hemos generado en el marco de los principales programas operacionales europeos de observación de la Tierra, incluido Copernicus Global Land Service, además de otros indicadores estructurales y funcionales.

Los flujos de agua y energía son componentes clave para monitorizar la función y la salud de los ecosistemas. Los modelos de balance energético de superficie (SEB) basados en teledetección, como el modelo de balance energético de dos fuentes (TSEB), son métodos establecidos para estimar los flujos de agua y energía de forma espacialmente distribuida. Sin embargo, los modelos SEB han demostrado tener mayores incertidumbres en los ecosistemas de dehesa tipo tree-grass (TGEs), incapaces de representar adecuadamente las complejidades espacio-temporales de las múltiples capas de vegetación presentes. En efecto, los TGEs se componen de un estrato arbóreo disperso sobre un sotobosque herbáceo, ambos con características estructurales y fenológicas distintas. Al raiz de esto, se propuso el modelo de balance energético de tres fuentes (3SEB), una adaptación del TSEB, para caracterizar mejor los múltiples estratos de vegetación presentes en los TGEs. El principal objetivo de este estudio era evaluar el rendimiento de 3SEB usando imágenes Sentinel-3 de la constelación Copernicus de la Agencia Espacial Europea para evaluar su potencial para la monitorización operativa y a gran escala de los flujos de agua y energía. 3SEB fue aplicado adicionalmente con imágenes Landsat con fines comparativos y evaluado frente a medidas de flujos por el sistema de eddy-covariance (EC) en la estación experimental de Majadas de Tiétar situada en en el norte de Extremadura. Los resultados mostraron que 3SEB era capaz de modelizar bien los flujos de energía (RMSE 20-80 W m-2) en un TGE complejo, siendo el rendimiento del modelo muy similar cuando se aplicaba con imágenes Sentinel-3 o Landsat. Estos resultados destacan el potencial de aplicar 3SEB operacionalmente a grandes escalas espaciales con datos de Copernicus para mejorar la monitorización y detección de sequías en ecosistemas complejos aunque altamente valiosos.

El estado de la biodiversidad en los ecosistemas de agua dulce es una métrica relevante con relación al estado de contaminación de estos. En este aspecto, resulta fundamental ser capaces de medir esta biodiversidad, identificar y cuantificar las variables ambientales que influyen en mayor medida al estado del ecosistema. Así pues, en este estudio se pretende, por un lado, analizar el estado de los ecosistemas de agua dulce de la Demarcación Hidrográfica de Galicia-Costa, evaluando su estado actual y su susceptibilidad a según qué variables; por otro lado, entrenar algoritmos basados en técnicas de machine learning, capaces de predecir este parámetro. Se llevó a cabo tomando el índice biológico METI como variable de calidad del ecosistema; parámetros fisicoquímicos de muestras de agua in-situ; además del cálculo de métricas paisajísticas para los usos Agrícola, Forestal, Artificial y Agua, parámetros físicos de las cuencas hidrográficas y densidad de población, obtenidos a partir del SIOSE y del Modelo Digital del Terreno. Los factores ambientales más relevantes para el estado de la biodiversidad son mayoritariamente variables de usos del suelo, lo que permite el modelado del METI con poco respaldo de variables fisicoquímicas, lo cual supone una potencial optimización en la detección de cambios en el estado de los ecosistemas acuáticos. Los algoritmos Random Forest (RMSE = 0. 5495, R2 = 0.8237) y Deep learning (RMSE = 0. 5626, R2 = 0.8270) mostraron predicciones aceptables en el área y período de estudio. El desarrollo de herramientas basadas el conjunto de datos geoespaciales y técnicas de machine learning es esencial para la mejora de la planificación integral sostenible de las cuencas hidrográficas.

El Parque Nacional de Doñana, situado en el suroeste de la Península Ibérica, presenta unos desafíos ambientales importantes, con eventos extremos cada vez más frecuentes de sequía y su papel como hotspot de biodiversidad. La comprensión de la dinámica del carbono es esencial para avanzar en el conocimiento sobre los efectos del cambio climático en las cubiertas naturales. En este estudio, se ha aplicado un modelo de eficiencia de la luz (LUE) para estimar la producción primaria bruta (PPB) en dos tipos de ecosistemas característicos de Doñana: el matorral xerófilo, caracterizado por su resistencia a la sequía, y la marisma estacional, que alberga pastizales y vegetación acuática dependientes del hidroperiodo. La validación del modelo se realizó con datos in situ medidos a través de torres de flujos de energía y carbono (Eddy Covariance, EC) instaladas en ambos ecosistemas. En la aplicación del modelo LUE se han usado únicamente datos provenientes de teledetección y de reanálisis: i) Fraction of Absorbed Photosynthetically Active Radiation (FAPAR) de Sentinel-2, ii) datos de reanálisis de radiación solar (ERA5) y iii) el índice multiespectral Land Surface Water Index (LSWI) para las imágenes de Sentinel-2. Esta metodología ha demostrado ser muy adecuada, con valores de RMSE inferiores a 0.50 gC/m2 y coeficientes de determinación (R2) de 0.80 en la marisma y 0.51 en el matorral xerófilo. En resumen, este método basado en el modelo LUE y con datos de teledetección y reanálisis permitió efectuar el seguimiento de la dinámica de carbono en Doñana, contribuyendo así a una mejor comprensión de la respuesta de estos sistemas naturales frente al cambio climático.

Las marismas mareales han mantenido el ritmo del aumento del nivel del mar a lo largo del tiempo a través de la acumulación de materia orgánica y mineral. En la situación actual de aumento del nivel del mar, debido al cambio climático, y la reducción de aporte sedimentario, debido a la construcción de presas, la evolución de estos ecosistemas, los cuales nos proporcionan un conjunto diverso de servicios ecosistémicos, ha ganado especial atención. Existen varias metodologías para evaluar la evolución de las marismas mareales bajo diversos escenarios de aumento del nivel del mar y reducción del aporte sedimentario, siendo los modelos basados en procesos y los algoritmos de aprendizaje automático dos de los más comúnmente utilizados. En el presente estudio evaluaremos, bajo simulaciones de futuro aumento del nivel del mar y aportes sedimentarios, las potenciales distribuciones de cuatro marismas mareales localizadas en Irlanda, País Vasco, Cantabria y Cádiz. Nuestras simulaciones combinarán un modelo de aprendizaje automático (el algoritmo eXtreeme Gradient Boosting Classifier) con un modelo eco-geomórfico dinámico basado en procesos. Los resultados de este estudio servirán para poder anticipar la potencial respuesta de las marismas mareales, así como analizar cómo se podrían ver alterados los servicios ecosistémicos que dichos ecosistemas proveen.

Las marismas mareales, altamente productivas y proveedoras de diversos servicios ecosistémicos, enfrentan serias amenazas por actividades humanas y el aumento del nivel del mar. Una de las principales características de este entorno es la distribución de especies de plantas exclusivas. Las condiciones ambientales que rigen la distribución de esta vegetación, así como su variación en el tiempo y el espacio, aún necesitan ser comprendidas mejor, para que estos ecosistemas se puedan gestionar y proteger de manera más efectiva. Aplicando un sistema de imágenes hiperespectrales de alta resolución a bordo de un vehículo aéreo no tripulado (UAV-HS), este estudio tiene como objetivo diferenciar entre especies de plantas y determinar su distribución en las marismas mareales, utilizando la Bahía de Cádiz como caso de estudio. Se identificaron las firmas espectrales puras de cada especie y mediante transformaciones espectrales (continuum removal y segunda derivada) destacaron características de absorción específicas de cada planta, permitiendo una diferenciación precisa. Se clasificaron dos variedades de Sarcocornia spp., Sporobolus maritimus, macroalgas acumuladas y un área de transición. El mapa final de distribución de especies logró una precisión del 96%. Finalmente, se estimó el rango de elevación ocupado por estas especies. Sarcocornia spp. habita el rango de 2,80 a 2,30 m de elevación, el área de transición está entre 2,78 y 1,91 m, y S. maritimus se halla entre 2,35 y 1,22 m. La relación entre especies y elevación permite evaluar la vulnerabilidad de las marismas ante escenarios de aumento del nivel del mar. El uso de UAV-HS ofrece flexibilidad y ejecución sencilla, mejorando la comprensión de cómo la vegetación de las marismas responde a modificaciones costeras y la capacidad para detectar cambios sutiles en la distribución de especies mediante programas de monitoreo.

Se presenta una estrategia de muestreo y análisis de agua y datos multiespectrales simultáneos en tres humedales salinos e hipersalinos de la Cuenca del Ebro, mediante vuelo de drones. Los parámetros de calidad del agua indicadores del estado ecológico muestran correlaciones significativas con la mayoría de las bandas espectrales y sus combinaciones. Se han analizado el índice de clorofila normalizado (NDCI) y las bandas y combinaciones homólogas a las empleadas en la literatura con Sentinel-2. La clorofila-a Chl-a presenta un rango desde 133.0 (±31.6) mg/m3 en la laguna de Sariñena hasta 8.5 (±9.4) mg/m3 en la de Gallocanta. La Chl-a se relaciona claramente con la reflectancia, especialmente en el rango espectral del infrarrojo cercano (r=0.79, p<0.05), y con NDCI (r=0.64, p<0.05). Las lagunas muestran patrones espectrales diferentes acordes con su estado ecológico, y consistentes dentro de cada laguna

En el interior de la Península Ibérica, en la cuenca hidrográfica del Guadalquivir, se encuentra el Espacio Natural Doñana, considerado uno de los espacios naturales protegidos más importantes de Europa. En él se encuentran distintos tipos de humedales, principalmente, un sistema de lagunas temporales sobre arenas alimentado por aguas subterráneas y una llanura de inundación sobre arcillas que constituyen marismas temporales de agua salobre. Estos humedales, son de gran importancia para las aves acuáticas europeas, proporcionando lugares de descanso y alimentación tanto para aves invernantes como reproductoras. Con el fin reducir el riesgo de mortalidades masivas de aves acuáticas provocados por las toxinas generadas por cianobacterias, se ha creado un algoritmo de detección temprana de “blooms” de cianobacterias basado en el análisis de imágenes del satélite Sentinel-2, datos obtenidos in situ mediante sensores hiperespectrales TriOS RAMSES y muestras de agua analizada en laboratorio. Los resultados obtenidos tanto por radiometría de proximidad (TriOS), como por radiometría satelital (Sentinel-2), muestran un muy buen ajuste con las medidas de laboratorio, determinando la viabilidad de dicho modelo para la alerta temprana. También se proporciona una estimación de la incertidumbre derivada por la heterogeneidad espacial de los humedales muestreados obtenida gracias al análisis de medidas concurrentes con diferente resolución utilizando desde sensores in situ, hasta productos satelitales incluyendo imágenes de drones y de sensores aeroportados. Por último, con el objetivo de facilitar el análisis de los datos generados se ha desarrollado una interfaz web que permita al personal de seguimiento del END una monitorización ágil y una rápida respuesta en caso de proliferaciones de cianobacterias.

El Proyecto REmote Sensing Spectroscopy for wetlands BIOdiversity (RESSBIO) pretende llevar a cabo la evaluación y seguimiento del estado ecológico de diferentes sistemas acuáticos lénticos, a través de nuevas misiones de satélites de observación de la Tierra, equipadas con sensores hiperespectrales. Como parte del proyecto RESSBIO en este trabajo se ha llevado a cabo una evaluación de los algoritmos de corrección atmosférica (CA) desarrollados específicamente para dichos sensores, así como ACOLITE, un algoritmo ampliamente utilizado en estudios de aguas continentales. Además, también se ha realizado la evaluación de la estabilidad a lo largo del tiempo de la reflectividad entre datos de campo y la reflectividad de imágenes a través de una prueba t-Student aplicada entre espectros de diferentes imágenes Sentinel-3. Las diferencias entre algoritmos de CA se han interpretado de dos maneras: analizando todo el espectro en conjunto para las diferentes CA, y comparándolas por regiones espectrales. Finalmente, se sugiere que la elección de la CA depende de la región espectral en la que estemos interesados.

Una de las principales amenazas a la biodiversidad es la afección por especies exóticas invasoras. Este problema es especialmente acuciante en zonas costeras donde las vías de acceso facilitan la invasión. El estudio desarrollado se centra en el Paraje Natural de las Marismas de Odiel (Huelva), donde se produjo una fuerte invasión por onagra (Oenothera drummondii) que está afectando seriamente a la flora nativa y con muchos problemas para su control y/o erradicación. El análisis está basado en vuelos mensuales de la zona afectada, con drones (DJI Mavic 3M-RTK principalmente) dotado de distintos canales, con el fin de identificar el patrón espectral y algunos índices (NDVI, etc.) de la onagra, así como de las principales especies afectadas. El objetivo es identificar y cuantificar el estado de la invasión de una forma rápida y eficaz para rentabilizar las actividades de erradicación manual. Para un estudio inicial se ha utilizado el vuelo de mayo de 2023 a 100 m de altura. En la ortofotografía generada, se han seleccionado 100 individuos al azar de cada una de las especies objetivo y se ha obtenido el perfil espectral y los valores de NDVI. Los resultados indican que la metodología propuesta es capaz de identificar claramente las especies mediante los espectros e índice con diferencias significativas para todas las bandas y NDVI entre especies salvo el canal verde para dos especies. Las bandas RE y NIR resultaron las más discriminantes para las especies estudiadas. El objetivo final es desarrollar una metodología que se pueda aplicar a cualquier zona afectada por ésta u otras especies invasoras. Aunque el estudio requiere un análisis más profundo y a más largo plazo, sería posible determinar, con mucha precisión, el momento idóneo para las actividades de erradicación con las mejores expectativas, así como localizar las zonas más afectadas que requieren un mayor esfuerzo de intervención.