L’investigador de l’ESEIAAT de la UPC Giulio Tirabassi crea un nou mètode per prevenir i detectar la desertificació dels boscos
Giulio Tirabassi, professor de l’Escola Superior d’Enginyeries Industrial, Aeroespacial i Audiovisual de Terrassa (ESEIAAT) de la Universitat Politècnica de Catalunya - BarcelonaTech (UPC), ha creat un nou mètode que pot prevenir i detectar la destrucció o desertificació de boscos per causes naturals o humanes. Tirabassi ha creat un algoritme basat en l'anàlisi de dades satel·litàries proporcionades per l'instrument MODIS de la NASA. La revista científica PNAS ha publicat el seu treball, que ha comptat amb la col·laboració de la professora Cristina Masoller, també de l’ESEIAAT.
En física, la histèresi es defineix com el fenomen en què el resultat de l'evolució d'un procés està determinat no només per la causa que el provoca sinó per la seva història. Traslladat a l'àmbit de la gestió mediambiental, aquest terme significa l'esgotament de la capacitat de resiliència o de recuperació d'espais naturals sotmesos a degradació continuada que culmina en un punt de no retorn i en la destrucció de l'entorn.
Giulio Tirabassi, professor de l'ESEIAAT i investigador del grup de recerca Dinàmica no Lineal, Òptica no Lineal i Làsers (DNOLL) de la UPC, ha estat analitzant durant mesos l'estat de la massa forestal dels grans boscos tropicals a través de les dades satel·litàries proporcionades per l'instrument Moderate Resoltion Imaging Espectroradiometer (MODIS) de la NASA, que registra la quantitat d'arbres que viuen a les diverses àrees boscoses de la Terra.
Creuant aquestes dades amb l'historial de precipitacions de pluja caiguda als mateixos boscos, l'investigador de la UPC a Terrassa ha pogut identificar àrees on els boscos tropicals estan en risc de creuar un punt de no retorn. Posteriorment, ha pogut establir una relació estadística que permet relacionar una disminució de pluja amb un augment en el risc de desertificació del bosc.
En concret, Tirabassi ha analitzat grans àrees boscoses on l’Amazonia transita cap a regions més seques de Colòmbia, Bolívia, i el Mato Grosso brasiler, i també a zones de transició de l’Africa central, entre la República Democràtica del Congo i la República Centreafricana.
El resultat és un algoritme basat en el que en termes científics s'anomena entropia espacial de permutació. Gràcies a aquest algoritme, els gestors de grans espais naturals podrien preveure com de proper és el punt de no retorn per un bosc que es va degradant cap a la desertificació, a conseqüència de la manca de pluja o de la tala descontrolada d'arbres.
Segons Tirabassi, "la desertificació pot ser contínua o abrupta. Els boscos necessiten un rang de pluja suficient per mantenir-se; si no és així, col·lapsen amb el temps. Per exemple, hem descobert que un bosc tropical de Colòmbia, en el qual hi plou 3.600 litres l'any, tindrem el 75% de l'espai ocupat amb arbres. Si disminueix la quantitat d'aigua, aquest percentatge es manté. Ara bé, si la disminució és massa gran, finalment el bosc arribarà a un punt crític de no retorn i es desertificarà. Si a sobre, hi ha tala d'arbres, òbviament el procés de destrucció s'accelera."
De fet, tal i com es desprèn del treball de Giulio Tirabassi, si les precipitacions disminueixen fins a un determinat rang, el bosc perdrà gran part de la massa forestal en relació a l’època en què les precipitacions eren les normals. "A partir d'aquesta pèrdua de massa forestal, el bosc està sentenciat, ja no hi ha retorn. Fins i tot si per raons naturals augmentés novament la pluja, recuperant el rang de precipitacions anterior, la histèresi seria gairebé irreversible", conclou l'investigador.
La recerca de Giulio Tirabassi, que ha comptat amb la col·laobració de Cristina Masoller, també professora de l’ESEIAAT, ha estat publicada recentment a la revista científica de referència PNAS amb el títol ‘Entropy-based early detection of critical transitions in spatial vegetation fields’. Els dos professors i investigadors estan adscrits al Departament de Física de la UPC
Mapa de l'estat de les grans àrees boscoses obtingut gràcies a les imatges satel·litals procedents del MODIS de la NASA