Big Data y tasa de entrega de sedimentos: análisis de uso en modelización mediante Google Earth Engine e InVEST

Contenido principal del artículo

Jon Larrinaga López
https://orcid.org/0000-0002-8516-2812

Resumen

La modelización de servicios ecosistémicos se postula como una herramienta clave para la gestión del territorio. No obstante, la dificultad de búsqueda de datos de entrada está aún latente. Este estudio evalúa la aplicabilidad del Big Data como fuente de información rápida y fiable en la modelización de servicios ecosistémicos, centrándose en la tasa de entrega de sedimentos en la provincia de Bizkaia mediante el software InVEST. Utilizando plataformas como Google Earth Engine y repositorios europeos de datos ambientales, se recopilaron variables clave (uso del suelo, topografía, erosividad, erosionabilidad, cobertura vegetal y prácticas de conservación) para los años 1990 y 2018. Los resultados muestran una mejora general en la capacidad de retención de sedimentos, atribuida al aumento de la cobertura forestal, aunque con variabilidad espacial significativa. Se identificaron microcuencas donde, pese al incremento de vegetación, la exportación de sedimentos también aumentó, debido a factores como la topografía o el cambio de coberturas con bajo potencial erosivo a otras más vulnerables. El estudio demuestra que el uso del Big Data permite una modelización más ágil y detallada, aunque limitada por la resolución de los datos y la necesidad de validación en campo. Se concluye que, si bien el Big Data es una herramienta prometedora para la planificación ambiental, su integración debe complementarse con información local y mayor esfuerzo de monitoreo en campo orientado a la validación y reducción de incertidumbre de los resultados modelísticos.

Descargas

Los datos de descargas todavía no están disponibles.

Detalles del artículo

Cómo citar
Larrinaga López, J. (2026). Big Data y tasa de entrega de sedimentos: análisis de uso en modelización mediante Google Earth Engine e InVEST. Ecosistemas, 35(2), 3097. https://doi.org/10.7818/ECOS.3097
Sección
Otros - Investigación
Recibido 2025-08-03
Aceptado 2026-04-13
Publicado 2026-06-25