Bajo el actual contexto de cambio de los patrones climáticos, los ecosistemas terrestres se encuentran gravemente alterados respecto a su biodiversidad, estructura o funcionamiento. Concretamente, la región Mediterránea representa una de las zonas más afectadas por el impacto del cambio climático. En base a las nuevas políticas ambientales derivadas de las graves amenazas provocadas por el cambio climático, se deben establecer medidas prácticas para disminuir el CO2 atmosférico. El secuestro de carbono es una de las medidas principales para reducir las concentraciones de CO2 atmosférico a corto y medio plazo, en el que los ecosistemas terrestres juegan un papel fundamental como sumideros de carbono. Es necesario cuantificar y monitorear los reservorios de carbono orgánico que sirvan de base para la gestión ambiental, adaptar las políticas locales y evaluar los impactos potenciales. El objetivo general de esta tesis es avanzar en la estrategia metodológica para la cuantificación de los reservorios de carbono orgánico en ecosistemas terrestres, basada en técnicas estandarizadas a diferentes escalas espaciales, así como establecer modelos dinámicos capaces de predecir los resultados bajo diferentes escenarios de gestión. Esta tesis se centra en dos aspectos clave de la modelización de los stocks de carbono a nivel nacional: (1) la estimación del carbono de la biomasa aérea, y (2) la cuantificación del carbono almacenado en el suelo, así como su potencial secuestro bajo diferentes escenarios de gestión de usos de suelo; en todos los casos mediante modelos espacialmente explícitos. Tras la introducción y métodos generales (capítulo 1 y 2), en el capítulo 3 se integran dos tecnologías de teledetección complementarias para elaborar información detallada de la distribución espacial del carbono almacenado en la biomasa. La distribución multitemporal y global de índices de resolución moderada (MODIS) compensan la limitación temporal de los datos del escáner láser aerotransportado (ALS) de alta precisión. Como caso de estudio, esta metodología se aplicó en una región mediterránea semiárida en el sureste de la Península Ibérica (Región de Murcia). Los resultados muestran resultados robustos en el modelado de datos ALS, calibrados con medidas a nivel de parcela, y variables espectrales biogeofísicas (8 índices derivados de MODIS), lo que confirma su aplicabilidad a tamaños mayores de píxel. En el capítulo 4 se emplean diferentes técnicas de mapeo digital de suelos (DSM) para generar un mapa local de carbono orgánico del suelo (SOC) y testarlo con estimaciones derivadas de productos disponibles tanto regionales como globales. El objetivo de este capítulo es definir un marco metodológico para la generación de un mapa de SOC de alta resolución, analizando diversos aspectos. Estos aspectos se refieren a diferentes variables de carbono (concentración de SOC -g / kg-, y stock de SOC –Tc / ha-) utilizando distintos métodos de interpolación espacial (linear model, quantile regression forest –QRF-; random forest and support vector machine) en tres resoluciones diferentes (100 m, 250 m, 1000 m). Considerando de nuevo la ‘Región de Murcia’ como caso de estudio, este estudio muestra que el marco metodológico con resultados más robustos está basado en datos locales del suelo, covariables ambientales (incluidos índices de teledetección simples y / o multitemporales), técnicas de DMS y cuantificación de la incertidumbre espacialmente explícita.
Específicamente, el enfoque QRF parametrizado con datos de concentración de SOC, a una resolución espacial de 100 m, muestra la mayor concordancia en la modelización de los datos, así como el mejor balance entre la precisión, la validación externa y la interpretabilidad de los resultados. Este estudio proporciona una mejor comprensión del almacenamiento de SOC en una zona con asociaciones de suelo complejas y con información muestral limitada. A la vista de los resultados del capítulo 4, en el capítulo 5 se generan diferentes mapas de la distribución espacial del SOC a nivel nacional, con una resolución de 90 m y sus incertidumbres asociadas espacialmente explícitas. La modelización de la base de datos patrimonial (8,361 muestras de perfil) y las covariables ambientales previamente seleccionadas, se basó en tres enfoques de aprendizaje supervisado: quantile regression forest, ensemble machine learning and auto-machine learning. Los mapas han sido estimados para las profundidades de 0-30 cm, 30-100 cm y para la profundidad efectiva del perfil. Para la generación de estos mapas finales de distribución espacial del SOC se ha empleado una metodología novedosa mediante diferenetes ensambles de modelos y su posterior combinación espacial. Dicha combinación se genera mediante la asignación del ensamble de modelos más preciso a cada píxel, es decir, el que presenta menor incertidumbre. Los mapas resultantes mostraron valores medios de concentración del SOC de 15.7 g/kg, almacenando el 25% aproximadamente en los horizontes subsuperficiales (> 30 cm). El stock total de SOC se ha estimado en 3,8 Pg C a su profundidad efectiva, de los cuales 2,82 Pg C se almacenan en los 30 cm superiores (74% del total). En el capítulo 6 se predice el mapa de secuestro potencial de SOC con el objetivo de detectar usos de suelo, áreas y regiones con mayor potencial de absorción del SOC en España peninsular bajo diferentes escenarios de gestión. En este estudio se utiliza el modelo RothC a nivel nacional (grid de 1 km) para la proyección en el período 2020-2040. Los resultados muestran que el secuestro de SOC en España Peninsular, suponiendo que las condiciones ambientales actuales permanecen constantes durante los próximos 20 años, disminuirá en 430 Gg C/año. Sin embargo, se estima que se puede esperar un potencial secuestro de 1.977 Gg C/año si se adaptan prácticas de gestión sostenible que aumenten la tasa de entrada de carbono en el suelo al menos un 5% en los próximos 20 años. En resumen, los avances que proporciona esta tesis contribuyen a mejorar la calidad y precisión de las actuales metodologías disponibles del carbono ecosistémico a escala nacional, con información novedosa sobre su cantidad almacenada, sirviendo como referencia para las estrategias y políticas de adaptación/mitigación al cambio climático.
Esta web utiliza cookies para que podamos ofrecerte la mejor experiencia de usuario posible. La información de las cookies se almacena en tu navegador y realiza funciones tales como reconocerte cuando vuelves a nuestra web o ayudar a nuestro equipo a comprender qué secciones de la web encuentras más interesantes y útiles.
Las cookies estrictamente necesarias tiene que activarse siempre para que podamos guardar tus preferencias de ajustes de cookies.
Si desactivas esta cookie no podremos guardar tus preferencias. Esto significa que cada vez que visites esta web tendrás que activar o desactivar las cookies de nuevo.
Cookies de terceros
Esta web utiliza Google Analytics para recopilar información anónima tal como el número de visitantes del sitio, o las páginas más populares.
Dejar esta cookie activa nos permite mejorar nuestra web.
¡Por favor, activa primero las cookies estrictamente necesarias para que podamos guardar tus preferencias!