En un momento crítico para el equilibrio ecológico del planeta, el agua se ha convertido en uno de los recursos más amenazados por el cambio climático. El Parque Nacional de Doñana, uno de los humedales más valiosos de Europa y refugio de una biodiversidad única, es hoy también un símbolo de esta crisis. La disminución de las precipitaciones, el aumento de las temperaturas y la sobreexplotación de los acuíferos están alterando profundamente su equilibrio hídrico, poniendo en riesgo especies, hábitats y procesos ecológicos esenciales.
Frente a este escenario, la ciencia busca nuevas herramientas para comprender y anticipar los efectos del cambio climático sobre los ecosistemas. Una de las más prometedoras es la teledetección: el uso de imágenes satelitales y algoritmos de inteligencia artificial para observar, medir y analizar el estado del territorio desde el espacio.
Hablamos con Emilio Ramírez, director del proyecto 'Aplicación del tratamiento digital de imágenes para el monitoreo de recursos hídricos en línea con la Agenda 2030', que utiliza estas imágenes satelitales como base para desarrollar algoritmos avanzados que interpretan, clasifican y analizan la información. Este enfoque no solo permite una vigilancia continua y no invasiva del parque, sino que también abre nuevas posibilidades para la conservación y la toma de decisiones basadas en datos. En un contexto donde el tiempo apremia, combinar ciencia, tecnología y compromiso ambiental se vuelve clave para proteger uno de los espacios naturales más emblemáticos de la península ibérica.
¿Qué tipo de satélites se utilizan para monitorizar el estado hídrico de Doñana?
A fecha actual, hay dos tipos de satélites que es posible utilizar para este fin. Por un lado, se encuentran los satélites Ópticos, caso del Landsat 8 o el Landsat 9, ambos de la NASA, o como el Sentinel-2 L2A y L1C de la Agencia Espacial Europea (ESA). Por otro lado, tenemos los satélites rada, como el Sentinel-1 de la ESA, a partir del cual se puede generar información fiable a cerca del estado hídrico.
¿Cómo ayudan las imágenes satelitales a detectar la presencia o ausencia de agua en Doñana?
A través de algoritmos generados por machine learning y big data, como el creado por Paula Romero Beltrán y Clara Isabel González López, ambas adscritas al proyecto titulado 'Aplicación del tratamiento digital de imágenes para el monitoreo de recursos hídricos en línea con la Agenda 2030' que dirijo, es posible crear mapas que permiten inferir, y gestionar, tanto el volumen de agua existente a nivel de acuíferos o en superficie, como el uso de los recursos hídricos.
"Creamos mapas que permiten inferir y gestionar, tanto el volumen de agua existente a nivel de acuíferos o en superficie, como el uso de los recursos hídricos"
Es importante especificar que el volumen de agua existente a nivel de acuíferos, es posible gracias a que nuestro algoritmo permite obtener el nivel evapotranspirativo, en mm/hora, en relación con el tipo de suelo existente.
¿Qué ventajas ofrece la teledetección frente a los métodos tradicionales de monitoreo ambiental?
Tras la clasificación supervisada de las imágenes satelitales, la teledetección permite obtener, de manera rápida y precisa, datos de bandas espectrales a partir de las que se pueden inferir índices predictores del estado hídrico del área de estudio.
¿Con qué frecuencia se actualizan los datos satelitales utilizados para vigilar Doñana?
Si se utilizan el Landsat 8 y 9 combinados, la frecuencia de revisita es de 8 días. En el caso del Sentinel-2 L2A y L1C, la revisita, de un punto determinado, se lleva a cabo cada 5 días. Por último, la frecuencia sería de 6 días siempre que se combinen el Sentinel-1A y el 1B.
¿Qué papel juegan los algoritmos de aprendizaje automático en el análisis de imágenes satelitales?
Desempeñan un papel fundamental en el análisis de imágenes satelitales, ya que permiten automatizar la interpretación de grandes volúmenes de datos de forma eficiente y precisa. Se utilizan para tareas como la clasificación de uso del suelo, la detección de cambios en el territorio, la identificación de cultivos, la monitorización de incendios forestales o inundaciones, entre otras aplicaciones.
Estos algoritmos, entrenados con datos etiquetados, son capaces de reconocer patrones complejos en las imágenes, superando en muchos casos los métodos tradicionales. Gracias a ellos, se pueden generar mapas temáticos, realizar seguimientos temporales y obtener información útil para la gestión del medio ambiente, los recursos hídricos, la planificación urbana y la respuesta ante desastres.
¿Qué precisión tienen los modelos predictivos basados en machine learning para anticipar sequías?
La precisión de los modelos predictivos basados en machine learning para anticipar sequías puede ser bastante alta, siempre que se disponga de datos de calidad y correctamente calibrados. Estos modelos combinan variables climáticas, hidrológicas, de vegetación y del suelo procedentes de sensores satelitales, y estaciones meteorológicas, para detectar patrones que preceden a los periodos de sequía. Su capacidad para aprender relaciones complejas entre múltiples factores permite anticipar fenómenos con semanas, o incluso meses, de antelación. No obstante, la precisión varía según la región, la disponibilidad de datos históricos y la complejidad del entorno climático.
"La precisión de los modelos predictivos basados en machine learning para anticipar sequías puede ser bastante alta, siempre que se disponga de datos de calidad y correctamente calibrados"
¿Qué consecuencias tiene la pérdida de agua en Doñana para su biodiversidad?
La pérdida de agua en Doñana tiene consecuencias muy graves para su biodiversidad, ya que este humedal es un ecosistema clave para numerosas especies, muchas de ellas amenazadas. La disminución del nivel freático, provocada por la sobreexplotación de acuíferos y el cambio climático, afecta directamente a las lagunas temporales, esenciales para aves acuáticas, anfibios y plantas endémicas.
Sin agua, estas especies pierden sus hábitats de reproducción, alimentación y refugio, lo que puede llevar a la reducción de sus poblaciones e incluso a su desaparición local. Además, se altera el equilibrio ecológico del parque, favoreciendo especies más resistentes en detrimento de las más sensibles, y se pone en peligro el papel de Doñana como uno de los humedales más importantes de Europa.
¿Qué otros ecosistemas podrían beneficiarse de este tipo de monitoreo automatizado?
Ecosistemas como los bosques tropicales, los arrecifes de coral, las zonas húmedas, las sabanas y las áreas de alta montaña pueden beneficiarse enormemente del monitoreo automatizado mediante imágenes satelitales, y algoritmos de aprendizaje automático. Este tipo de seguimiento permite detectar cambios en la cobertura vegetal, evaluar el impacto de fenómenos como la deforestación, la desertificación o el blanqueamiento de corales, y anticipar riesgos como incendios forestales o sequías.
Al proporcionar datos actualizados y objetivos de forma continua, se facilita una gestión más eficiente, así como una toma de decisiones más informada para la conservación, y restauración de estos entornos naturales, muchos de los cuales son especialmente vulnerables al cambio climático y a la presión humana.