Durant dècades, la descripció dels ecosistemes com el bosc amazònic, la sabana africana o la tundra àrtica s'ha basat en una visió simplificada de les plantes. No obstant això, la seua organització en comunitats –qui viu al costat de qui i en quina proporció– és fonamental per determinar la capacitat d'un ecosistema per adaptar-se a sequeres o onades de calor, o la seua vulnerabilitat davant aquests fenòmens.
La investigació, publicada en Nature Communications, ha sigut liderada pel grup de Procesado de Señal e Imagen (ISP) de la UV. Ha comptat amb la participació de 13 institucions, incloent el Max Planck Institute, la NASA i les universitats de Leipzig i Friburgo. Es van processar més de mil milions d'observacions georreferenciades de GBIF, la principal plataforma de ciència ciutadana en biodiversitat.
El treball genera mapes globals d'alta resolució de tres trets clau de les fulles: l'àrea foliar específica (SLA), la concentració de nitrògen (LNC) i la de fòsfor (LPC). Aquests trets influeixen en la captura de CO2, la regulació hídrica i la resposta al calor. La novetat rau en conèixer no només un valor típic per ecosistema, sinó la distribució d'aquests trets dins de la comunitat vegetal, és a dir, si conviuen plantes molt diferents o molt similars.
“"Un únic valor de referència és només el punt de partida. El que determina si un ecosistema pot adaptar-se i reaccionar davant una sequera o una onada de calor, o si és vulnerable a elles, és com estan organitzades les seues plantes com a comunitat: quanta diversitat hi ha entre elles, qui pot resistir en els extrems. I això és exactament el que ara podem mapejar a escala global."
Álvaro Moreno-Martínez, investigador Ramón y Cajal del IPL-UV i autor principal de l'estudi, destaca que els models climàtics han tractat la vegetació de manera massa simplificada. "Per primera vegada, tenim una descripció quantitativa i global de com s'organitzen realment les comunitats vegetals, la qual cosa millorarà substancialment la nostra capacitat de predir i entendre com respondrà la biosfera davant el canvi climàtic", afirma.
Per a aconseguir-ho, l'equip va processar més de mil milions d'observacions georreferenciades i les va combinar amb els trets funcionals de més de 250.000 espècies de la base de dades TRY. A més, es van utilitzar imatges satelitals per estimar la composició local de la vegetació amb una precisió d'un quilòmetre.
Jordi Muñoz-Marí, investigador del IPL-UV i coautor, assenyala el repte computacional i conceptual de manejar tantes observacions. José E. Adsuara, també investigador del IPL-UV i coautor, ressalta que la combinació de l'ecologia de camp, la teledetecció i l'aprenentatge automàtic ha sigut clau per convertir milions d'observacions en patrons amb significat global.
El nucli valencià del treball, format per Álvaro Moreno-Martínez, Emma Izquierdo-Verdiguier, Jordi Muñoz-Marí, José E. Adsuara i Gustau Camps-Valls, té una llarga trajectòria en intel·ligència artificial i teledetecció aplicades al sistema terrestre. Els mapes són d'accés obert i estan disponibles en plataformes com Google Earth Engine.
