Un equipo de investigación de la Universitat de València ha desarrollado una metodología de Inteligencia Artificial (IA) que permite generar, solo con datos, mapas globales de interacción causal entre regiones y variables climáticas. El trabajo, publicado en Scientific Reports, saca a la luz relaciones concretas hasta ahora desconocidas que ayudarán a mejorar la comprensión del sistema Tierra y de su evolución.
A diferencia de la ya conocida técnica de mapeo cruzado convergente (CCM), la nueva metodología desarrollada en el Image Processing Laboratory (IPL) de la Universitat de València –la Robust CMM (RCMM)– resuelve las debilidades de la metodología anterior al llevar a escala global lo que solo podía aplicarse a escalas locales.
El equipo ha conseguido así generar los primeros mapas globales de interacción causal entre regiones y variables como la temperatura o el estado de la vegetación, y concluir, por ejemplo, que en los ecosistemas boreales la humedad del suelo se debe más a la evapotranspiración que a las propias precipitaciones; o que, en los bosques tropicales, ni la temperatura del aire ni la humedad del suelo son factores especialmente limitantes de la producción vegetal. Entre otros resultados, el estudio demuestra también que, en determinadas zonas del planeta, se produce un círculo vicioso causa-efecto, en el que no solo la radiación es la causante del nivel de fotosíntesis, sino que el nivel de fotosíntesis tiene a su vez efecto sobre la radiación.
“El sistema Tierra es complejo y cuenta con muchas variables que interactúan espacial y temporalmente en escalas diferentes. Esta nueva herramienta es capaz de generar mapas globales sobre esas interacciones causales y amplificar el estudio tradicional basado simplemente en correlación”, comenta Emiliano Diaz, investigador en el IPL y autor principal del trabajo.
Tal como explica el artículo publicado en Scientific Reports –revista del grupo Springer Nature–, antes de buscar e interpretar relaciones climáticas desconocidas, el estudio comenzó por validar, a partir únicamente de datos satelitales, determinadas relaciones ya conocidas por la teoría climática. Los resultados fueron consistentes con los patrones conocidos en ciencias de la Tierra y el clima, y dieron muestra de la eficacia de esta técnica a la hora de cuantificar y comprender las interacciones de los flujos de carbono y agua.
Nace con ello una herramienta clave para entender el actual estado del planeta, así como su evolución en el contexto de cambio climático. “Además, la metodología es general y puede ser aplicada en otras ramas del conocimiento, como ciencias sociales, económicas y medioambientales”, añade el catedrático de Ingeniería Electrónica Gustau Camps-Valls, titular de dos proyectos ERC en este campo y firmante también del artículo. “Las aplicaciones son innumerables; desde comprobar hipótesis científicas, validez de modelos, o efectos de la adaptación de especies en ecología, a optimizar tratamientos en clínica médica, o identificar variables como las que dominan los cambios en el sistema económico o las que causan la crisis climática”, añade. “Una posibilidad a futuro es la de realizar intervenciones en el modelo causal para ver el efecto que distintos escenarios de emisión podrían tener sobre el Planeta”, concluye el científico.
Referencia
Inferring causal relations from observational long-term carbon and water fluxes records. Diaz, E. and Adsuara, J. E. and Moreno-Martinez, A. and Piles, M. and Camps-Valls, G.. Scientific Reports 12 :1610, 2022
https://www.nature.com/articles/s41598-022-05377-7