.jpg)
Un equip internacional, liderat pel grup de Processament de Senyal i Imatge (ISP) de la Universitat de València (UV), ha publicat en Nature Communications mapes d'alta resolució que descriuen, per primera vegada, com s'organitzen les plantes en comunitats en cada racó del planeta, la qual cosa és clau per a entendre i modelitzar la seua resiliència o vulnerabilitat davant esdeveniments climàtics extrems. En la investigació han participat tretze institucions com l'institut Max Planck, la NASA o les universitats de Leipzig i Friburg, i en ella es van processar més de mil milions d'observacions georeferenciades de GBIF, la major plataforma de ciència ciutadana en biodiversitat del món.
Què tenen en comú un bosc amazònic, una sabana africana i una tundra àrtica? Que durant dècades els hem descrit com si totes les seues plantes foren iguals, ignorant una cosa fonamental: que les plantes no viuen soles, sinó organitzades en comunitats, i que és precisament aquesta organització —qui viu al costat de qui, en quina proporció i amb quines diferències— la que decideix si un ecosistema pot adaptar-se quan arriba una sequera o una onada de calor, o si resulta vulnerable i col·lapsa. Un nou estudi, liderat per la Universitat de València, permet representar aquesta organització a escala planetària.
El treball genera mapes globals a alta resolució de tres trets de les fulles de la vegetació que controlen processos fonamentals del sistema terrestre: l'àrea foliar específica (SLA), la concentració de nitrogen (LNC) i la de fòsfor (LPC). Aquests trets determinen com les plantes capturen CO₂ atmosfèric, regulen l'aigua i responen a la calor. Però allò verdaderament nou no és disposar d'un valor típic per a cada ecosistema, sinó conèixer com es distribueixen aquests trets dins de la comunitat: si conviuen plantes molt diferents entre si o molt semblants.
“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 mapar a escala global”, explica Álvaro Moreno-Martínez, investigador Ramón y Cajal de l'IPL-UV i autor principal de l'estudi.
“Els models climàtics han tractat la vegetació de manera massa simplificada durant dècades. 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”, destaca Gustau Camps-Valls, catedràtic de l'IPL-UV i coautor d'estudi.
Per a aconseguir-ho, l'equip va processar les més de mil milions d'observacions georeferenciades i les va combinar amb els trets funcionals de més de 250.000 espècies arreplegats en la base de dades TRY. A això es van sumar imatges satel·litàries per a estimar la composició local de la vegetació amb una precisió sense precedents (a una resolució d'1 km, molt superior a la de qualsevol estudi comparable anterior).
“Manejar més de mil milions d'observacions no és només un repte computacional —és un repte conceptual. El verdader treball ha sigut trobar la manera que cada dada compte de manera realista en el camí cap als mapes”, apunta Jordi Muñoz-Marí, investigador de l'IPL-UV i coautor de l'estudi.
“Aquest treball combina tres mons que rarament es parlen: l'ecologia de camp, la teledetecció i l'aprenentatge automàtic. Aquesta combinació és el que ens ha permès convertir milions d'observacions en patrons amb significat global", segons José E. Adsuara, investigador de l'IPL-UV i coautor de l'estudi.
Álvaro Moreno-Martínez, Emma Izquierdo-Verdiguier, Jordi Muñoz-Marí, José E. Adsuara i Gustau Camps-Valls formen el nucli valencià del treball, amb una llarga trajectòria en intel·ligència artificial i teledetecció aplicades a la comprensió del sistema terrestre. Els mapes són d'accés obert i estan disponibles mitjançant eines de processament en el núvol, com Google Earth Engine, entre altres.
En la investigació han participat el Max Planck Institute for Biogeochemistry i les universitats de Leipzig i Freiburg a Alemanya, la NASA Jet Propulsion Laboratory a Califòrnia, la Università di Bologna, la Leiden University, la BOKU de Viena, el CREAF-CSIC de Barcelona i l'Aarhus University a Dinamarca.
Referència: Moreno-Martínez, Á. et al. “Leveraging remote sensing and crowdsourced biodiversity data for enhanced plant functional trait mapping”. Nature Communications (2026). https://doi.org/10.1038/s41467-026-72111-6
