Aplicación de técnicas de baixada de escala e intelixencia artificial para optimizar as proxeccións climáticas no sector agrario

 

CONVOCATORIA:   PROXECTOS DO PERSOAL INVESTIGADOR NA ETAPA DE FORMACIÓN POSDOUTORAL DO CAMPUS DE OURENSE (INOU+ POSDOU CAMPUS AUGA 2025)

REFERENCIA: 

PRESUPOSTO:  10.000 €

PERIODO: 14/05/2025 - 31/12/2025

 

Proyecto financiado polo Campus Auga da Universidade de Vigo (https://campusauga.uvigo.es/es/)

 

 

RESUMO

Os datos do Coupled Model Intercomparison Project Phase 6 (CMIP6) simulan a evolución do clima pasado, presente e futuro en función de distintas rutas socioeconómicas. Polo tanto, o CMIP6 proporciona información esencial para a investigación do cambio climático e os seus impactos. Sen embargo, os modelos do CMIP6 teñen unha resolución espacial moi baixa (≈ 100 km). Esta limitación reduce a súa utilidade para analizar rexións mais pequenas, pero de gran relevancia territorial, xa que impide capturar a variabilidade climática local, un factor chave para a planificación agrícola sostible.

Así, a idea principal deste proxecto consiste en, a partir dos datos proporcionados polo CMIP6, fornecer datos clave de alta resolución aplicábeis ás comarcas agrícolas estratéxicas da provincia de Ourense. O obxectivo é proporcionar aquelas variábeis fundamentais que afectan ao desenvolvemento das principais actividades agrarias, a unha resolución suficiente para capturar a variabilidade local.

Para lograr iso, aplicarase, en primeira instancia, unha técnica de baixada de escala (downscaling), centrándose nas variábeis mais relevantes para os cultivos da rexión. Así, por exemplo, variábeis coma a humidade, a temperatura e a precipitación xogan un papel chave na produtividade tanto de pataca coma do sector vitivinícola, actividades de alto impacto socioeconómico en varias comarcas da provincia de Ourense. O rango de valores destas variábeis permite tanto coñecer se se están a acadar índices de maduración axeitados como avaliar o risco de perda da produción por superación de certos limiares. Neste contexto, dispoñer de predicións máis precisas sobre a evolución futura destas variábeis será fundamental para fortalecer a resiliencia do sector agrícola fronte ao cambio climático.

Porén, en certos casos, non abonda con mellorar a resolución dos datos procedentes da modelaxe climática, xa que algúns cambios nas variábeis poden ocorrer nunha escala temporal de poucas horas, dificultando a súa reprodución precisa nestes modelos. Mesmo en modelos de reanálise obsérvanse limitacións na simulación destes procesos. Para incrementar a precisión destas predicións de alta resolución, integraranse ferramentas de intelixencia artificial que permitan corrixir e adaptar os modelos ás condicións locais.

Os datos resultantes incluirán tanto un período histórico de referencia (dun mínimo de 30 anos) como proxeccións futuras. Isto facilitará a súa integración en modelos agronómicos específicos para cada cultivo, promovendo unha agricultura de precisión que optimice a xestión dos recursos naturais, facilite a adaptación ás condicións futuras, reduza o impacto ambiental e mellore a sustentabilidade dos sistemas de produción.

Para garantir unha transferencia efectiva do coñecemento xerado, toda a información quedará dispoñible en repositorios públicos, facilitando o seu acceso tanto a produtores, investigadores e responsables de políticas agrarias. Deste xeito, este proxecto contribuirá á promoción dunha agricultura máis tecnificada, sostible e resiliente, aliñada coas estratexias de conservación dos ecosistemas e adaptación ao cambio climático.