El cambio climático se puede revertir con modelos predictivos de machine learning

El cambio climático es una cuestión alarmante, o así debería serlo para todo el mundo. En ecología uno de los problemas que enfrentan es la dificultad para predecir especies. Por eso, un equipo de ecólogos y científicos españoles están llevando a cabo un proyecto de investigación a petición de la estación biológica de Doñana para atajar esta situación.

Mantener la biodiversidad de un entorno como el del Parque Nacional de Doñana es determinante para la conservación de las distintas especies de fauna y flora que allí conviven. Algunas de estas plantas son el sustento de ciertos animales y otras pueden salvar según qué zonas de posibles inundaciones. Por eso, que el cambio climático influya en la desaparición de alguna de estas especies es una tarea importante que tratar de prevenir.

Este equipo de investigación ha logrado desarrollar un modelo basado en machine learning para conseguir predecir cómo van a evolucionar las poblaciones de plantas de un terreno concreto, Los Caracoles.

ITespresso ha hablado con Javier Algarra e Ignasi Bartomeus, dos de los miembros de este equipo de investigación. “Hay situaciones en las que no se puede formular un modelo matemático claro; a veces el fenómeno es muy complejo, sobre todo cuando interviene la naturaleza. Este proyecto trata especialmente de predecir la abundancia de especies de plantas que hay en Doñana en ciertas zonas de marisma”, nos explica Javier Algarra, director académico del área de Ingeniería y Ciencias en el Centro Universitario U-tad.

Cuando hay tantas especies distintas en un mismo hábitat, estas compiten entre sí para conseguir los nutrientes. Por eso resulta complicado hacer un modelo que sirva de predicción y es en ese momento cuando se recurre al machine learning.

En este proyecto de investigación interviene el CSIC, el U-Tad, la Universidad Politécnica de Madrid y la Universidad de Cádiz, quienes han colaborado desde hace cinco años para analizar datos, descubrir distintos patrones de comportamiento y tratar de definir un paradigma final.

El objetivo principal de este grupo de investigación recae en entender cómo se estructuran las comunidades de animales y plantas y cómo estos ecosistemas funcionan. Por su parte, Ignasi Bartomeus, Doctor en Ecología y miembro del equipo de investigación de la EBD-CSIC, nos explica que: “El proyecto surge porque empezamos a preguntarnos qué es lo que hace que cuando vayas a un bosque encuentres ciertas especies. Pero tenemos muy mala capacidad de predicción”.

“Primero se tienen muchos datos y luego está el algoritmo de aprendizaje, que crea una función matemática y se llama ‘modelo predictivo’. Esto es aplicar el machine learning, nada revolucionario”, explica Algarra. Pero añade: “la dificultad de este problema está en que, si tú quieres predecir cuantas especies va a haber de la especie A, tendrás que saberlo de la B, la C y la D. Nos enfrentamos ahí al ‘problema recursivo’. Y eso no se puede hacer con un modelo convencional. Primero tenemos que predecir, con pocas variables, cuántos individuos habrá de la especie A, B y C. Y con estas predicciones construyes un modelo donde se introducen de nuevo los datos del suelo y se consigue una predicción bastante exacta; lo que se llama: modelos ensemble”.

Gracias a este tipo de proyectos se puede ampliar la aplicación del machine learning más allá de nuestro día a día. Ayudar a revertir los efectos del cambio climático es una práctica directa y muy efectiva de cómo la digitalización y la analítica de datos contribuyen al avance científico. Con esta investigación, los expertos en ecología son capaces de predecir qué tipo especies están en peligro y qué efectos puede sufrir el ecosistema en cuestión.

El artículo se publicó en la revista PLOS Computational Biology y se puede consultar en este enlace.