Académico de la UAI desarrollará proyecto para el estudio de la vegetación en la zona central frente a diferentes escenarios climáticos

Los efectos del cambio climático son una realidad en Chile, con más de una década de sequía y un 2021 como el cuarto año más seco de la historia, con un déficit de hasta 80% de lluvias.

Frente a este escenario es que el académico de la facultad de Ingeniería y Ciencias de la Universidad Adolfo Ibáñez (UAI), Javier Lopatin, se adjudicó un fondo de $ 195 millones del concurso Subvención para la Instalación Académica de la Agencia Nacional de Investigación y Desarrollo (ANID) para el estudio de la vegetación de la zona mediterránea de Chile frente a diferentes escenarios climáticos.

El proyecto "Efecto de la vegetación en la retroalimentación tierra-atmósfera en la zona mediterránea de Chile" busca entender las adaptaciones físicas que tiene la vegetación esclerófila –la vegetación natural de la zona mediterránea- producto de las sequías de las últimas décadas, y cómo estas adaptaciones modulan a su vez, a pequeña escala, el clima local, lo que conoce como retroalimentación tierra-atmósfera.

Lopatin explica que el área mediterránea de Chile es interesante para el estudio, ya que concentra "la mayor parte de la población del país en la zona central y es un hotspot de biodiversidad a nivel mundial; es atractivo ver cuán vulnerable es esta zona a la sequía propiamente tal", señala.

Es por esto que uno de los objetivos es proyectar las variaciones del clima a futuro y qué efectos se podría tener en la vegetación. "Intentar ver si el efecto que puede tener en la vegetación sobrepasa los umbrales de adaptación que hay actualmente en la distribución de la vegetación esclerófila", explica Lopatin.

Uso de machine learning

La investigación tiene como duración tres años, de los cuales la primera mitad se centrará en la recolección de información climáticas y de adaptación de vegetación en áreas de estudio -en colaboración con la Universidad de Chile- en Cauquenes, Petorca y la Región Metropolitana.

Una vez se tengan las medidas -de humedad de suelo, temperatura, vapor en el aire, cantidad de clorofila en la vegetación, emisiones de CO2 de las hojas, pérdida de agua-, se utilizarán imágenes satelitales.

"Hay modelos físicos que se van a probar utilizando machine learning o deep learning en el que se podría hacer mapas de estos atributos de la vegetación y se pueden empezar a ver los escenarios de cambio climático", explica Lopatin.