Cuantifican la influencia remota de la vegetación amazónica sobre la humedad del suelo en Sudamérica
Un estudio internacional publicado en Nature Communications, con la participación del Laboratorio de Procesado de Imagen (IPL) de la Universitat de València, ha cuantificado, a partir de productos observacionales y de modelos de reanálisis, cómo las variaciones de la vegetación amazónica se asocian con la humedad superficial del suelo a cientos e, incluso, miles de kilómetros en la dirección del transporte atmosférico. Los resultados ofrecen una base para evaluar cómo los cambios de uso del suelo y la variabilidad climática podrían afectar la disponibilidad hídrica y la exposición a sequías en importantes regiones agrícolas de Sudamérica.
29 de julio de 2026
En el artículo, el equipo —del que forma parte Gustau Camps-Valls, catedrático de Ingeniería Electrónica de la Universitat de València e investigador del IPL— cartografía a escala continental una arquitectura de regiones fuente y sumidero. Las zonas agrícolas de Mato Grosso, Paraná y la cuenca del Plata muestran una sensibilidad elevada a las condiciones de la vegetación en las regiones de origen del transporte atmosférico de humedad.
Esta asociación es coherente con el reciclaje atmosférico de humedad: el agua liberada por la vegetación mediante la evapotranspiración entra en la atmósfera y puede ser transportada por los vientos, conectando regiones distantes a lo largo de corredores de humedad.
Los mapas derivados del análisis identifican el oeste y el norte de la Amazonia como las principales regiones de origen de la humedad, y varias zonas del sudeste del continente como regiones receptoras sensibles a las anomalías de la vegetación presentes en esas áreas de origen.
En la Amazonia húmeda, una mayor cobertura foliar se asocia generalmente con una mayor humedad del suelo en las regiones receptoras del flujo atmosférico; sin embargo, la relación no es uniforme y puede debilitarse o invertirse en regiones de transición o semiáridas. El estudio no estima cambios en la producción agrícola, pero identifica una especial sensibilidad de zonas de cultivo a estas teleconexiones.
Modelo predictivo basado en IA
El trabajo científico, cuya primera autora es Feini Huang, investigadora sénior del IPL-UV y de la ELLIS Unit Jena, combina técnicas de aprendizaje profundo con trayectorias atmosféricas de humedad a través de tecnología predictiva basada en inteligencia artificial desarrollada por el equipo investigador y que, por primera vez, permite estudiar el corredor atmosférico (vientos y precipitaciones) en un modelo contextual que traspasa el propio bosque. El equipo comparó un modelo local, otro con contexto espacial no direccional y un tercero guiado por el transporte atmosférico; este último alcanzó una precisión sustancialmente mayor.
El estudio muestra, asimismo, que la relación es no lineal y depende del clima de fondo. En los bosques húmedos, la degradación del dosel se asocia con una reducción de la humedad del suelo en las regiones receptoras del transporte atmosférico. En las zonas semiáridas, un reverdecimiento inicial se relaciona con un aumento de la humedad, mientras que una expansión adicional de la vegetación puede debilitar este efecto o incluso invertirlo. Los autores subrayan que el análisis identifica asociaciones estadísticas físicamente coherentes, pero no establece por sí solo causalidad.
El estudio fue concebido por Feini Huang y Shijie Jiang, y desarrollado por un equipo de 11 investigadores e investigadoras pertenecientes a instituciones de China, Alemania, España y Estados Unidos.
Huang, Camps-Valls y otros miembros del equipo recibieron financiación del proyecto europeo Horizon Europe AI4PEX. En la Universitat de València, esta investigación forma parte de una agenda europea más amplia dedicada al desarrollo de una inteligencia artificial fiable y fundamentada en principios físicos, que también incluye la ayuda ERC Synergy Grant USMILE.
Referencia del artículo: Huang, F.; Jiang, S.; Shangguan, W. et al. “Upwind terrestrial influences on soil moisture variability across South America”. Nat Commun 17, 7256 (2026). https://doi.org/10.1038/s41467-026-75637-x