Imágenes detalladas desde el espacio ofrecen una imagen más clara de los efectos de la sequía en las plantas.

Detailed images from space provide a clearer picture of drought effects on plants.

Los investigadores de J-WAFS están utilizando observaciones de teledetección para construir sistemas de alta resolución para monitorear la sequía.

Two views of cropland affected by a 2022 drought in northeastern Oklahoma City, one on June 14 (left) and the other on July 20. “This image shows a compelling story that the Oklahoma City drought destroyed crops in just around 35 days,” says MIT postdoc Wenzhe Jiao.

“MIT es un lugar donde los sueños se hacen realidad”, dice César Terrer, profesor asistente en el Departamento de Ingeniería Civil y Ambiental. Aquí en el MIT, Terrer dice que se le brindan los recursos necesarios para explorar las ideas que encuentra más emocionantes, y en la parte superior de su lista está la ciencia del clima. En particular, está interesado en las interacciones entre plantas y suelos, y cómo ambos pueden mitigar los impactos del cambio climático. En 2022, Terrer recibió financiamiento de subvenciones iniciales del Laboratorio de Sistemas de Agua y Alimentos Abdul Latif Jameel (J-WAFS) para producir sistemas de monitoreo de sequías para los agricultores. El proyecto está aprovechando una nueva generación de dispositivos de teledetección para proporcionar un estrés hídrico de alta resolución de la planta a escala regional a global.

Al crecer en Granada, España, Terrer siempre tuvo aptitud y pasión por la ciencia. Estudió ciencias ambientales en la Universidad de Murcia, donde hizo prácticas en el Departamento de Ecología. Usando herramientas de análisis computacional, trabajó en la modelización de la distribución de especies en respuesta al desarrollo humano. Desde el principio de su experiencia universitaria, Terrer dice que consideraba a sus profesores como “superhéroes” con una especie de destreza académica. Sabía que quería seguir sus pasos trabajando algún día como docente en la academia. Por supuesto, habría muchos pasos por delante antes de lograr ese sueño. 

Al completar sus estudios de pregrado, Terrer fijó su mirada en roles de investigación emocionantes y aventureros. Pensó que quizás realizaría trabajo de campo en el Amazonas, interactuando con comunidades nativas. Pero cuando surgió la oportunidad de trabajar en Australia en un experimento de cambio climático de vanguardia que simula los futuros niveles de dióxido de carbono, se dirigió hacia el sur para estudiar cómo reaccionan las plantas al CO2 en un bioma de árboles de eucalipto nativos australianos. Fue durante esta experiencia que Terrer comenzó a interesarse en el ciclo del carbono y la capacidad de los ecosistemas para amortiguar los crecientes niveles de CO2 causados por la actividad humana.

Alrededor de 2014, comenzó a profundizar en el ciclo del carbono mientras comenzaba sus estudios de doctorado en Imperial College London. La pregunta principal que Terrer buscaba responder durante su doctorado era “¿podrán las plantas absorber los futuros niveles predichos de CO2 en la atmósfera?” Para responder a la pregunta, Terrer se convirtió en un usuario temprano de la inteligencia artificial, el aprendizaje automático y la teledetección para analizar datos de experimentos de cambio climático reales y globales. Sus hallazgos de estos valores y observaciones de “verdad terrestre” resultaron en un artículo en la revista Science. En él, afirmaba que los modelos climáticos probablemente sobrestimaron cuánto carbono podrán absorber las plantas para finales del siglo, por un factor de tres. 

Después de puestos doctorales en la Universidad de Stanford y la Universitat Autonoma de Barcelona, seguidos de una prestigiosa Beca Lawrence, Terrer dice que tenía “demasiadas ideas y no suficiente tiempo para lograr todas esas ideas”. Sabía que era hora de liderar su propio grupo. Poco después de solicitar puestos docentes, aterrizó en el MIT. 

Nuevas formas de monitorear la sequía

Terrer está empleando métodos similares a los que utilizó durante su doctorado para analizar datos de todo el mundo para su proyecto J-WAFS. Él y el investigador postdoctoral Wenzhe Jiao recopilan datos de satélites de teledetección y experimentos de campo y utilizan el aprendizaje automático para encontrar nuevas formas de monitorear la sequía. Terrer dice que Jiao es un “mago de la teledetección” que fusiona datos de diferentes productos de satélite para comprender el ciclo del agua. Con la experiencia en hidrología de Jiao y el conocimiento de Terrer de las plantas, el suelo y el ciclo del carbono, el dúo es un equipo formidable para abordar este proyecto.

Según la Organización Meteorológica Mundial de la ONU, el número y la duración de las sequías han aumentado en un 29 por ciento desde 2000, en comparación con las dos décadas anteriores. Desde el Cuerno de África hasta el oeste de los Estados Unidos, la sequía está devastando la vegetación y estresando gravemente los suministros de agua, comprometiendo la producción de alimentos y aumentando la inseguridad alimentaria. El monitoreo de la sequía puede ofrecer información fundamental sobre la ubicación, frecuencia y gravedad de la sequía, pero evaluar el impacto de la sequía en la vegetación es extremadamente desafiante. Esto se debe a que la sensibilidad de las plantas a los déficits de agua varía según las especies y los ecosistemas. 

Terrer y Jiao pueden obtener una imagen más clara de cómo la sequía está afectando las plantas al emplear la última generación de observaciones de teledetección remota, que ofrecen imágenes del planeta con una resolución espacial y temporal increíble. Los productos de satélite como Sentinel, Landsat y Planet pueden proporcionar imágenes diarias desde el espacio con una resolución tan alta que se pueden distinguir árboles individuales. Junto con las imágenes y conjuntos de datos de los satélites, el equipo está utilizando observaciones basadas en tierra de datos meteorológicos. También están utilizando la SuperCloud del MIT en el Laboratorio Lincoln del MIT para procesar y analizar todos los conjuntos de datos. El proyecto J-WAFS es uno de los primeros en aprovechar datos de alta resolución para medir cuantitativamente los impactos de la sequía en las plantas en los Estados Unidos con la esperanza de expandirse a una evaluación global en el futuro.

Asistiendo a agricultores y gestores de recursos

Cada semana, el Monitor de Sequía de los Estados Unidos proporciona un mapa de las condiciones de sequía en los Estados Unidos. El mapa tiene una resolución de cero y es más bien un resumen o recapitulación de la sequía, incapaz de predecir escenarios futuros de sequía. La falta de una evaluación espacio-temporal comprensiva de los impactos de la sequía históricos y futuros en la productividad global de la vegetación es perjudicial para los agricultores tanto en los Estados Unidos como en todo el mundo. 

Terrer y Jiao planean generar métricas para el estrés hídrico de las plantas con una resolución sin precedentes de 10-30 metros. Esto significa que podrán proporcionar mapas de monitoreo de sequía en la escala de una granja típica de los Estados Unidos, brindando a los agricultores datos más precisos y útiles cada uno o dos días. El equipo utilizará la información de los satélites para monitorear el crecimiento de las plantas y la humedad del suelo, así como el tiempo de retardo de la respuesta del crecimiento de las plantas a la humedad del suelo. De esta manera, Terrer y Jiao dicen que eventualmente podrán crear una especie de “pronóstico de estrés hídrico de las plantas” que pueda predecir los impactos adversos de la sequía cuatro semanas antes. “De acuerdo con la humedad del suelo actual y el tiempo de respuesta retardado, esperamos predecir el estrés hídrico de las plantas en el futuro”, dice Jiao. 

Los resultados esperados de este proyecto proporcionarán a los agricultores, gestores de recursos de tierras y agua y tomadores de decisiones datos más precisos a nivel específico de la granja, lo que permitirá una mejor preparación, mitigación y adaptación ante la sequía. “Esperamos hacer nuestros datos de acceso abierto en línea, después de que finalicemos el proyecto, para que los agricultores y otros interesados puedan utilizar los mapas como herramientas”, dice Jiao. 

Terrer agrega que el proyecto “tiene el potencial de ayudarnos a comprender mejor los estados futuros de los sistemas climáticos, y también identificar los puntos críticos regionales más propensos a experimentar crisis hídricas a nivel nacional, estatal, local y tribal”. También espera que el proyecto mejore nuestra comprensión de las respuestas del ciclo global carbono-agua-energía a la sequía, con aplicaciones para determinar los impactos del cambio climático en los ecosistemas naturales en su conjunto.

We will continue to update Zepes; if you have any questions or suggestions, please contact us!

Share:

Was this article helpful?

93 out of 132 found this helpful

Discover more

Inteligencia Artificial

Superando los límites del análisis de datos con SQL en S4 HANA y Domo Una perspectiva de Aprendizaje Automático

De entre las muchas tecnologías disponibles, destacan cuatro SQL, Aprendizaje Automático (Machine Learning), S4 HANA ...

Inteligencia Artificial

Por qué Bankrate renunció a los artículos generados por IA

En enero, Bankrate y su sitio hermano, CNET, causaron sensación al publicar abiertamente cientos de artículos generad...

Inteligencia Artificial

Explorando la próxima gran tendencia en el Gen de IA con Sandeep Singh

Esta sesión de Liderazgo con Datos muestra las experiencias de primera mano de Sandeep Singh, Jefe de IA Aplicada en ...

Inteligencia Artificial

NVIDIA presenta FlexiCubes un nuevo enfoque para generar mallas de alta calidad a partir de flujos de trabajo neurales como la fotogrametría y la IA generativa.

La inteligencia artificial (IA) ha vuelto a empujar los límites de lo posible con la llegada de las tuberías de IA de...

Inteligencia Artificial

Este boletín de inteligencia artificial es todo lo que necesitas #71

Esta semana, el presidente Joe Biden volvió a poner la regulación de la inteligencia artificial en el punto de mira a...

Inteligencia Artificial

Ramas son todo lo que necesitas nuestro marco de versionado de ML con opinión

Un enfoque simple para la versión de proyectos de ML utilizando ramas de Git que simplifica los flujos de trabajo, or...