Els ecosistemes terrestres poden funcionar gràcies fonamentalment a l'aportació energètica de la llum que arriba a la biosfera. Sense aquesta energia, sense aquesta llum, no hi ha res a fer. Però, com podem conéixer l'estat actual dels ecosistemes en qualsevol punt del planeta i qualsevol moment? Per a tal finalitat es recorre al concepte de flux d'energia, que resumeix el transvasament de l'energia lumínica als ecosistemes, que s'empra per al seu funcionament, i aquests al seu torn la transfereixen a l'atmosfera en forma de calor. Estimar amb precisió el nivell de evapotranspiració d'un punt en la superfície terrestre (calor latent); la calor sensible que produeix augments de temperatura sense canvis d'estat, o els fluxos nets de radiació sobre la Terra, entre altres factors, suposa encara un repte per a la ciència. Avançar en la seua anàlisi i modelatge, a escala global, permetrà avançar en el desenvolupament de models climàtics complexos que milloraran l'avaluació del sistema Terra i, amb això, les prediccions de futur pel que fa a qüestions com ara la disponibilitat d'aigua en zones determinades o la sensibilitat a les sequeres, per posar-ne alguns exemples.

La Intel·ligència Artificial i el Big Data aporten noves eines a aquest camp de la ciència. Investigadors de l’Image Processing Lab (IPL) de la Universitat de València, en el Parc Científic de la institució, al costat d'un equip internacional liderat per l'Institut Max Planck de Biogeoquímica (Jena, Alemanya), han utilitzat dades de 224 torres de flux de la xarxa FLUXNET, a més de sensors en satèl·lits d'observació de la terra i mesuraments meteorològics, per a generar mitjançant l'ús de tècniques de teledetecció i machine learning (aprenentatge automàtic) un gran conjunt de productes orientats a l'anàlisi del flux d'energia entre el planeta i l'atmosfera. Els productes generats proporcionen mapes d'estimacions de diferents tipus de fluxos d'energia i carboni, a més de les seues incerteses associades.

FLUXCOM, com es denomina el projecte, abasta gran quantitat de dades complementàries de mesuraments locals, observació per satèl·lit i meteorologia, que proporcionen estimacions de fluxos d'energia variables en el temps i en qualsevol punt de la Terra durant les últimes dècades. “El nostre equip ha aportat principalment algorismes de machine learning i experiència en anàlisi de dades –mètodes nucli i processos gaussians–, mentre que altres socis en el consorci entrenaven xarxes neuronals, arbres de decisió i splines multivariats, per exemple”, comenta Gustau Camps-Valls, professor del Departament d’Enginyeria Electrònica i responsable del grup de Processat d'Imatges i Senyals (ISP) de l’IPL. “Es tracta de mètodes complementaris que, en el seu conjunt i combinats, milloren l'anàlisi de resultats i aporten fermesa i entitat a l'eina”, conclou.

Les dades de FLUXCOM estan disponibles gratuïtament (CC4.0.BY llicència) en el portal de dades del MPI-BGC. “Esperem que aquesta base de dades proporcione un excel·lent punt de referència per als Models de Sistemes Terrestres globals”, assenyala Gianluca Tramuntana, investigador a l’IPL que ha participat molt activament en el desenvolupament de xarxes neuronals i arbres de decisió.

Publicacions relacionades

«The FLUXCOM ensemble of global land-atmosphere energy fluxes»
Martin Jung, Sujan Koirala, Ulrich Weber, Kazuhito Ichii, Fabian Gans, Gustau Camps-Valls, Dario Papale, Christopher Schwalm, Gianluca Tramontana & Markus Reichstein, Nature Scientific Data 6:74(2019), doi: 10.1038/s41597-019-0076-8

«Compensatory water effects link yearly global land CO2 sink changes to temperature.» Martin Jung, Markus Reichstein, Christopher R. Schwalm, Chris Huntingford, Stephen Sitch, Anders Ahlström, Almut Arneth, Gustau Camps-Valls, Philippe Ciais, Pierre Friedlingstein, Fabian Gans, Kazuhito Ichii, Atul K. Jain, Etsushi Kato, Dario Papale , Ben Poulter, Botond Raduly, Christian Rodenbeck, Gianluca Tramuntana, Nicolas Viovy, Ying-Tennis Wang, Ulrich Weber, Sönke Zaehle, Ning Zeng. Nature 2017; DOI: 10.1038/nature20780.