Un modelo matemático permitirá prever colapsos ambientales

Un estudio internacional en el que ha participado el Consejo Superior de Investigaciones Científicas ha desarrollado un modelo matemático para prever los colapsos ambientales mediante la detección de señales tempranas de cambios. El trabajo, que aparecerá publicado en Nature, sugiere que el estado de salud de los ecosistemas fluctúa de forma brusca poco antes de derrumbarse.

Una investigación, en la que colabora el Consejo Superior de Investigaciones Científicas (CSIC) propone un método para prever colapsos ambientales. La teoría empleada podría aplicarse también en el campo de la agricultura, la pesca y los sistemas sociales.

Para demostrar la validez de esta hipótesis, los investigadores han aplicado el modelo matemático a una situación real: el colapso ambiental acaecido en el lago Erhai, en la provincia China de Yunnan. Mediante el análisis del registro fósil de microalgas diatomeas correspondiente a un periodo de 125 años, observaron que las comunidades de algas permanecieron relativamente estables, en cuanto a concentración y tipo, hasta 30 años antes de que el lago sufriese un cambio abrupto y mostrase un estado de contaminación y turbiedad.

“Durante esas tres últimas décadas del registro se aprecian muchas fluctuaciones y vemos una serie de cambios bruscos en los tipos de algas y en la concentración de estas en el agua justo antes del colapso. Creemos que las dinámicas de población de algas pueden indicar la resiliencia del ecosistema del lago y ayudar a medir la proximidad de un punto de no retorno”, explica el investigador del CSIC Vasilis Dakos, de la Estación Biológica de Doñana.

Según los autores del estudio, la aplicación de este modelo matemático no se limita al ámbito de los lagos, sino que podría emplearse en otro tipo de campos, como la pesca, la agricultura y los sistemas sociales. En la investigación también han participado la Universidad de Southampton (Reino Unido) y la Universidad de Wageningen (Holanda).

Fuente: CSIC

Acceda a la versión completa del contenido