Natusfera

Foto: Anemonoides trifolia. Autor: Antón Vázquez (https://spain.inaturalist.org/people/antonva). Licencia: CC BY-NC 4.0 (https://creativecommons.org/licenses/by-nc/4.0/)

Mapa de distribución de las observaciones de Anemonoides trifolia en Natusfera/iNaturalist

Gráfica de observaciones de Anemonoides trifolia en el tiempo

𝐴𝑛𝑒𝑚𝑜𝑛𝑜𝑖𝑑𝑒𝑠 𝑡𝑟𝑖𝑓𝑜𝑙𝑖𝑎 en Pontevedra. Bajo sus flores blancas se esconde una red de densos rizomas horizontales que crece lentamente y puede vivir décadas, formando clones longevos que florecen cada primavera: #observacióndelasemana 📸
🟢 spain.inaturalist.org/observations...

Doñana y su biodiversidad de vertebrados Doñana presenta una elevada biodiversidad de vertebrados. Un estudio actualiza de forma rigurosa su composición específica y ofrece un marco sólido para analizar la estructura faunística, en especial de aves y mamíferos. Foto: Aquila adalberti fotografiada en Castilla-La Mancha. Autor: antoterryn (https://spain.inaturalist.org/people/antoterryn). Licencia: CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/)

Distribución espacial en Doñana La figura representa el área incluida en el análisis y delimita con precisión el ámbito espacial del inventario. Esta información permite contextualizar la distribución observada de mamíferos y otros vertebrados y facilita la evaluación comparada de sus patrones espaciales de biodiversidad. Figura: Área de estudio. A. Ubicación de la Reserva de la Biosfera de Doñana (DoñanaBR) en la península ibérica. B. Límites de la DoñanaBR: el tono más oscuro representa la zona núcleo (protegida principalmente como Parque Nacional según la legislación española); el gris más claro corresponde a la zona tampón (protegida mayoritariamente como Parque Natural); las áreas blancas dentro de Doñana indican la zona de transición; el polígono rayado es la zona marina y el área punteada representa la franja costera. C, D. Cuadrículas utilizadas en los atlas de distribución para representar la distribución de las especies: C. Hojas 1:50 000 del Servicio Cartográfico Español; D. Cuadrículas de 10 × 10 km a partir de las cuales se ha obtenido la información de las especies.

Mamíferos y procesos ecológicos Mamíferos como el lince ibérico muestran cómo influyen los procesos ecológicos en la biodiversidad de Doñana. La evolución de sus poblaciones permite detectar tendencias y vulnerabilidades del ecosistema. Foto: Lynx pardinus. Autor: Nils (https://spain.inaturalist.org/people/hungryholobiont). Licencia: CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/)

Variación temporal y estatus La figura sintetiza cambios en presencia, reproducción y estatus. Estos patrones permiten evaluar la dinámica de la biodiversidad y orientar decisiones de gestión sobre mamíferos y otros vertebrados. Figura: Proceso seguido para la elaboración de la lista de especies. PASO 1 – CRITERIOS PARA LA INCLUSIÓN EN LA LISTA Área de estudio Periodo de estudio Especies incluidas Especies excluidas PASO 2 – FUENTES DE DATOS Libros Informes Atlas Otros PASO 3 – REVISIÓN DE LA LISTA Inexactitudes Errores Validación Nuevas especies PASO 4 – DATOS DE ESTATUS Ocurrencia Origen Reproducción PASO 5 – ACTUALIZACIÓN A LA TAXONOMÍA DE GBIF evaluación experta FORMATO, METADATOS Y PUBLICACIÓN EN GBIF

Doñana revisa su #biodiversidad: 700 vertebrados evaluados con criterios taxonómicos y espaciales homogéneos. Un artículo actualiza estatus, distribución y patrones ecológicos para interpretar la dinámica de los mamíferos y otros vertebrados en el sistema:
▶️ doi.org/10.3897/zook... @gbif.org

Foto: Tarentola mauritanica. Autor: Novomig (https://spain.inaturalist.org/people/novo1961-). Licencia: CC BY-NC 4.0 (https://creativecommons.org/licenses/by-nc/4.0/)

En la ciudad de Melilla hay observaciones de 13 especies de reptiles 🦎, solo 4 de ellas estrictamente africanas. Esta 𝑇𝑎𝑟𝑒𝑛𝑡𝑜𝑙𝑎 𝑚𝑎𝑢𝑟𝑖𝑡𝑎𝑛𝑖𝑐𝑎, una de las más viajadas, posó para Novomig en nuestra #observacióndelasemana 📸:
▶️ spain.inaturalist.org/observations...

El reto de monitorizar la biodiversidad europea La monitorización de la biodiversidad europea necesita un marco estructurado de variables de biodiversidad esenciales (EBV) sólidas y comparables. Un artículo define 84 EBV y marca el camino hacia un seguimiento coherente, alineado con Kunming–Montreal. Foto: Erinaceus europaeus. Autor: jjulio2000 (https://spain.inaturalist.org/people/jjulio2000). Licencia: CC BY-NC 4.0 (https://creativecommons.org/licenses/by-nc/4.0/). Reencuadrada y retocada de ruido y contraste.

EBV y métodos combinados para medir el cambio Las variables de biodiversidad esenciales se miden mediante censos clásicos, sensores digitales, cámaras y grabadores acústicos, teledetección y análisis de ADN ambiental (eDNA) para ampliar la cobertura espacial y temporal y mejorar la precisión del seguimiento. Figura: Gráfica. Las variables centradas en especies y las centradas en ecosistemas, para cada clase y reino de las Variables Esenciales de Biodiversidad (EBV), abarcan un conjunto diverso de EBV, grupos taxonómicos y resoluciones espacio‑temporales recomendadas.

Un diseño espacial optimizado para Europa La biodiversidad europea requiere un diseño espacial optimizado que combine muestreos estratificados a escala continental con diseños locales adaptados a hábitats y taxones específicos, además de una red equilibrada entre regiones. Figura: a) Una selección aleatoria estratificada de sitios (por ejemplo, celdas de cuadrícula) en toda la Unión Europea, utilizando diferentes capas de estratificación. b) Diseños de muestreo locales que incorporan aleatorización, replicación y estratificación, así como la colocalización de diversos métodos de muestreo de campo dentro de una celda de cuadrícula seleccionada.

Integración de datos para el proyecto EuropaBON La biodiversidad europea necesita integrar datos de múltiples fuentes. Unir datos de observaciones in situ, sensores, satélites y ciencia ciudadana permite generar EBV coherentes y comparables para cumplir el Marco Global de Biodiversidad Kunming–Montreal. Figura: Mapas. a) Número de rutas de transectos fijos en las que se registran mariposas cada año. b) Porcentaje de ríos (con una cuenca de >10 km²) dentro de cada país que cuentan con monitoreo regulatorio de invertebrados bentónicos. c) Porcentaje de lagos (>25 ha) dentro de cada país que tienen monitoreo regulatorio de fitoplancton. d) Número de programas de monitoreo marino en los mares regionales europeos para los cuales existen datos espaciales a nivel de país.

Europa avanza hacia un sistema unificado de seguimiento de la #biodiversidad. Un artículo propone 84 EBV, combina métodos clásicos y tecnologías emergentes, optimiza el diseño espacial e integra datos para cumplir el marco Kunming–Montreal. @gbif.org es clave:
▶️ doi.org/10.1038/s443... #KMGBF

Foto: Pseudevernia furfuracea. Autor: Juan Pablo del Castillo Coba (https://www.inaturalist.org/people/basajuan). Licencia: CC BY-NC 4.0 (https://creativecommons.org/licenses/by-nc/4.0/)

𝑃𝑠𝑒𝑢𝑑𝑒𝑣𝑒𝑟𝑛𝑖𝑎 𝑓𝑢𝑟𝑓𝑢𝑟𝑎𝑐𝑒𝑎 es un liquen muy sensible al ozono, así que nos permite detectar cambios en la calidad del aire. Observar cómo se distribuye en el paisaje ofrece pistas claras sobre la evolución de las condiciones ambientales:
🟢 www.inaturalist.org/observations...
#observacióndelasemana 📸

La montaña como arquitecta de la biodiversidad A medida que se asciende por Sierra Nevada, los briófitos cambian de rostro: el Supramediterráneo reúne la mayor riqueza, mientras el Oromediterráneo acoge especies que prosperan entre frío y agua. Figura: “Tipos de vegetación en los tres pisos bioclimáticos. A – mesomediterráneo, B – supramediterráneo, C – oromediterráneo.

La Dehesa del Camarate, un refugio de contrastes En este rincón de Sierra Nevada conviven bosques umbríos, roquedos y arroyos. Esa mezcla de luz, humedad y sustratos crea el escenario perfecto para que los briófitos desplieguen toda su diversidad. Figura: “Área de estudio. A – ubicación de Sierra Nevada en la Península Ibérica (recuadro rojo), B – ubicación de la Dehesa del Camarate en Sierra Nevada (recuadro rojo), C – áreas ocupadas por los tres pisos bioclimáticos (M = mesomediterráneo, S = supramediterráneo, O = oromediterráneo).

Familias que cuentan una historia ecológica Las Pottiaceae dominan en los ambientes más secos, mientras que Grimmiaceae y Brachytheciaceae prosperan en zonas húmedas y de montaña. Aquí, cada familia de briófitos funciona como un indicador ecológico que revela cómo responder al entorno. Figura: Mnium stellare (MUB 63468), una especie hasta ahora no citada en la mitad sur de la Península Ibérica (cf. Fuertes 2010), aunque común en el hemisferio norte. A–C: hojas de tallos jóvenes; D–E: hojas de tallos maduros; F: detalle de las células medias de la hoja; G: células medias y marginales; H: células medias y apicales; I: células basales; J: detalle de las células apicales.

Especies que conectan los pisos bioclimáticos Solo 14 especies logran aparecer en los tres pisos, un pequeño puente entre mundos distintos. Su presencia muestra cómo algunos briófitos resisten los cambios de altitud, humedad y temperatura. Figura: A – proporción de especies de las familias predominantes de musgos (Bryophyta) y hepáticas (Marchantiophyta) en el área (Pottiaceae: 35 sp., Bartramiaceae: 6 sp., Mniaceae: 7 sp., Bryaceae: 14 sp., Orthotrichaceae: 11 sp., Brachytheciaceae: 17 sp., Grimmiaceae: 11 sp., Marchantiophyta: 16 sp., Otras: 29 sp.); B – prevalencia de las familias (Pottiaceae, Grimmiaceae, Bartramiaceae, Bryaceae, Mniaceae, Orthotrichaceae y Brachytheciaceae) con mayor número de especies en los tres pisos bioclimáticos.

La #biodiversidad de los #briófitos de Sierra Nevada alcanza 146 especies, con seis nuevos registros y una marcada diferenciación entre los pisos meso-, supra- y oromediterráneo. Un estudio muestra cómo la altitud, la humedad y el sustrato determinan su distribución:
▶️ doi.org/10.13158/hei...

Hoy GBIF.ES asiste a la jornada Ciencia Ciudadana y Nueva Ruralidad 👇 @gbif.org @natusferaes.bsky.social @heraldodiariodesoria.es #cienciaciudadana #cienciacomunitaria

Foto: Elina quimperiana. Autor: Víctor (https://spain.inaturalist.org/people/victormartinezsuarez). Licencia: CC BY-NC 4.0 (https://creativecommons.org/licenses/by-nc/4.0/)

Mapa de distribución de las observaciones de Elona quimperiana en iNaturalist, localizadas en su mayoría en Bretaña y en la cornisa cantábrica.

𝐸𝑙𝑜𝑛𝑎 𝑞𝑢𝑖𝑚𝑝𝑒𝑟𝑖𝑎𝑛𝑎 es un caracol terrestre grande y sorprendente, un "relicto atlántico" que sobrevivió a las glaciaciones en bosques muy húmedos en áreas separadas. Un gran indicador de bosques sanos, protegido en Francia y en España:
🟢 spain.inaturalist.org/observations... #observacióndelasemana

Captura de pantalla del Portal de biodiversidad flamenca

¡Gran noticia para la #biodiversidad!
🌿 El Instituto de Investigación para la Naturaleza y el Bosque (INBO) del gobierno flamenco ha lanzado su nuevo portal de biodiversidad con datos abiertos, mapas y herramientas para explorar la naturaleza de Flandes:
👉 natuurdata.inbo.be?lang=en @inbo.be

Foto: Sminthurides aquaticus. Autor: Borja Fierro (https://spain.inaturalist.org/people/borjitaaa). Licencia: CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Foto reencuadrada.

Mapa de las observaciones de Sminthurides aquaticus en iNaturalist. Se concentran en Europa y también está presente en Norteamérica y Asia-Pacífico. Algunas citas en América del Sur y Australia.

Este bicho diminuto (~1 mm) es un colémbolo, 𝑆𝑚𝑖𝑛𝑡𝘩𝑢𝑟𝑖𝑑𝑒𝑠 𝑎𝑞𝑢𝑎𝑡𝑖𝑐𝑢𝑠. Tiene seis patas, pero no es un insecto. Vive cerca del agua y es un buen bioindicador de la calidad y limpieza de su entorno. Este vive en la Sierra de Guadarrama:
🟢 spain.inaturalist.org/observations...
#observacióndelasemana 📸

Aprendizaje automático para explorar nuevas prioridades de conservación El modelo CAPTAIN utiliza aprendizaje por refuerzo para analizar qué áreas podrían protegerse con mayor eficacia. Esta propuesta muestra cómo la IA podría apoyar futuros sistemas de alerta en biodiversidad. Figura: Flujo de trabajo esquemático del software CAPTAIN (Conservation Area Prioritisation Through Artificial INtelligence). El sistema consta de un sistema natural simulado (una matriz dividida en celdas que incluye diversas variables biológicas y ambientales, con la posibilidad de ampliarse para incorporar parámetros socioeconómicos u otros factores relevantes) y un agente (la representación mediante aprendizaje automático de un responsable de políticas, que aprende del sistema natural cómo tomar las mejores decisiones en la planificación de la conservación).

Evaluación automatizada del riesgo de extinción Ciertos modelos pueden estimar el riesgo de extinción cuando faltan datos. Esta capacidad podría acelerar la detección de amenazas y contribuir al diseño de sistemas de alerta temprana. Figura: Valores del Índice Global de la Lista Roja para grupos evaluados de forma exhaustiva, donde los valores más bajos indican un mayor riesgo de extinción dentro del grupo. Comprender las tendencias en el estado de conservación entre distintos grupos taxonómicos puede ayudar a orientar los esfuerzos de conservación hacia donde más se necesitan.

Aprendizaje automático para mejorar la evaluación del estado de conservación IUCNN emplea redes neuronales para aproximar categorías de amenaza de la UICN. Esta aproximación sugiere que la IA podría complementar el trabajo de los expertos y reforzar futuros sistemas de alerta para la biodiversidad. Figura: Método recientemente propuesto para la clasificación del nivel de amenaza de las especies basado en redes neuronales profundas (IUCNN; Zizka et al., 2022). Los datos de entrada pueden ser los datos brutos de presencia de las especies obtenidos de bases de datos en línea o un conjunto de variables geográficas, climáticas y otras características espaciales generadas mediante el paquete de R IUCNN (https://github.com/IUCNN). Si están disponibles, también pueden incluirse rasgos adicionales, como características de la historia de vida e información filogenética.

Aprendizaje automático para integrar datos y anticipar cambios ecológicos El flujo de trabajo muestra cómo combinar datos de distribución, clima y observaciones para generar predicciones de riesgo. Esta integración podría servir de base para sistemas de alerta temprana más eficaces. Figura: Resultado de un experimento de planificación de la conservación basado en 1.517 especies de árboles endémicos de Madagascar, 22.394 unidades de protección (de 5 × 5 km) y un presupuesto que permite proteger hasta el 10% de dichas unidades.

El aprendizaje automático podría contribuir al desarrollo de sistemas de alerta para la #biodiversidad. Un estudio propone combinar #IA, teledetección, #cienciaciudadana y datos de @gbif.org para anticipar riesgos y apoyar decisiones de conservación:
▶️ doi.org/10.1002/ppp3... #CiteTheDOI

Modelización de nichos ecológicos basada en nuevas fuentes de datos. La modelización de nichos ecológicos combina teledetección, ciencia ciudadana e inteligencia artificial. Esto mejora la comprensión de la distribución de especies. Foto: Paisaje.

Integración de ciencia ciudadana y datosambientales. Las observaciones de ciencia ciudadana se pueden incorporar a datos ambientales para mejorar la modelización de nichos ecológicos. Esto amplía la cobertura espacial y temporal de la información disponible. Figura: Red de coocurrencia de palabras clave que muestra los principales grupos temáticos.

Aportación de la teledetección a la modelización ecológica. La teledetección añade detalle espacial y temporal que permite caracterizar mejor los hábitats. Esta información contribuye a generar predicciones más robustas dentro de la modelización de nichos ecológicos. Figura: Gráfica de tendencias anuales en las publicaciones que integran SDM con teledetección, ciencia ciudadana e inteligencia artificial (2010–2024)

Observaciones directas como base para mejorar los modelos. Las observaciones realizadas por la ciudadanía proporcionan datos esenciales para entrenar y validar la modelización de nichos ecológicos. Cada registro ayuda a mejorar la representación de la distribución de las especies. Foto: Científico ciudadano. Autor: Javier Gómez (https://spain.inaturalist.org/people/javiergmm). Licencia: CC BY-NC 4.0 (https://creativecommons.org/licenses/by-nc/4.0/)

La teledetección, la #cienciaciudadana y la inteligencia artificial pueden integrarse para generar modelos de distribución de especies ( #SDM) más precisos y útiles. Los datos abiertos que aporta @gbif.org contribuyen a avanzar en esta línea de investigación:
▶️ psjd.icm.edu.pl/psjd/element...

Foto: Curruca undata. Autor: Lluís Amat (https://spain.inaturalist.org/people/lluisamat). Licencia: CC BY-NC 4.0 (https://creativecommons.org/licenses/by-nc/4.0/)

La curruca rabilarga (𝐶𝑢𝑟𝑟𝑢𝑐𝑎 𝑢𝑛𝑑𝑎𝑡𝑎) prefiere vivir en zonas de bosque abierto y matorral, donde encuentra refugio y protección para anidar cerca del suelo. Es insectívora y con esos ojazos rojos no le cuesta destacar como #observacióndelasemana 📸:
🟢 spain.inaturalist.org/observations...

La ciencia ciudadana se encarga del seguimiento del gato montés en España Según los resultados del I Sondeo de Gato Montés en España, la especie objeto de este proyecto de ciencia ciudadana sobrevive en poblaciones muy fragmentadas y por lo general en bajas densidades. Esto...

La #cienciaciudadana se encarga del seguimiento del gato montés en España www.revistaquercus.es/noticia/9236...

Los datos de @inaturalist.bsky.social ayudan a estudiar la expansión de estas especies #invasoras en Andalucía 👇

Ciencia ciudadana y biodiversidad: una observación clave El hallazgo de M. nipponense por un pescador muestra cómo la ciencia ciudadana permite anticipar invasoras y proteger la biodiversidad en áreas sensibles, al reforzar la vigilancia ambiental. Foto: Macrobrachium nipponense. Autor: H.T.Cheng (https://www.inaturalist.org/people/oryzias). Licencia: CC BY-NC 4.0 (https://creativecommons.org/licenses/by-nc/4.0/)

Biodiversidad global: expansión documentada con datos abiertos El mapa combina registros científicos y observaciones de GBIF e iNaturalist para seguir la expansión mundial de M. nipponense, algo esencial para gestionar invasoras y conservar la biodiversidad. Figura: Los registros de la distribución nativa y no nativa del camarón oriental de río, M. nipponense, se muestran en el mapa. Los puntos blancos indican las localidades nativas en el sudeste asiático. Los puntos naranjas señalan localidades no nativas previamente registradas en Eurasia y Norteamérica, mientras que la estrella amarilla marca la ubicación del ejemplar detectado en el estuario del río Guadalquivir (suroeste de España) durante este estudio (Sanlúcar de Barrameda, cerca de la desembocadura, representada en azul).

Identificación morfológica: claves para confirmar la especie Los rasgos diagnósticos del ejemplar del Guadalquivir permiten distinguirlo de especies nativas y mejorar la detección temprana de invasoras, un paso crítico para proteger la biodiversidad local. Figura: Ejemplar de Macrobrachium cf. nipponense registrado en el estuario del río Guadalquivir (Sanlúcar de Barrameda, Cádiz, España) en octubre de 2024. a. Vista dorsal que muestra los segundos pereiópodos alargados, de color marrón oscuro con manchas beige, y el caparazón finamente tuberculado, otro rasgo característico de la especie. b. Rostro relativamente recto. c. Vista lateral del caparazón y parte del abdomen, con pereiópodos visibles con manchas beige. d. Vista ventral con pereiópodos visibles con manchas beige. (Fotogramas extraídos del vídeo realizado por Rubén Vidal Vidal, pescador de Sanlúcar de Barrameda).

Conexiones marítimas y llegada de especies invasoras El aumento de mercancías desde regiones donde la especie está establecida refuerza la necesidad de vigilar las especies invasoras y proteger la biodiversidad mediante ciencia ciudadana y supervisión continua. Figura: Volumen total de mercancías descargadas en el Puerto de Sevilla (España) entre 2015 y 2023, según países de origen seleccionados donde Macrobrachium nipponense ha sido registrada como especie no nativa.

La #cienciaciudadana vuelve a demostrar su valor: un pescador ha permitido detectar en el Guadalquivir 𝑀𝑎𝑐𝑟𝑜𝑏𝑟𝑎𝑐𝘩𝑖𝑢𝑚 𝑐𝑓. 𝑛𝑖𝑝𝑝𝑜𝑛𝑒𝑛𝑠𝑒, una especie invasora cuya expansión global puede seguirse gracias a datos abiertos de @gbif.org e @inaturalist.bsky.social:
▶️ doi.org/10.3897/emt.... #CiteTheDOI

Foto: Forficula dentata. Autor: Andrés Campos (https://spain.inaturalist.org/people/andymorales). Licencia: CC BY-NC 4.0 (https://creativecommons.org/licenses/by-nc/4.0/)

A veces, “ver” no es mirar. 𝐹𝑜𝑟𝑓𝑖𝑐𝑢𝑙𝑎 𝑑𝑒𝑛𝑡𝑎𝑡𝑎 estaba ahí, críptica 🔍, hasta que la curiosidad y la ciencia ciudadana la hicieron visible y distinta de especies hermanas (𝐹. 𝑎𝑢𝑟𝑖𝑐𝑢𝑙𝑎𝑟𝑖𝑎...). Cada detalle cuenta cuando miramos de cerca:
🟢 spain.inaturalist.org/observations...
#observacióndelasemana 📸

La ciencia ciudadana ante los recortes de los presupuestos para ciencia La ciencia ciudadana ayuda a mantener información crítica cuando las instituciones oficiales fallan y ponen en riesgo los Objetivos de Desarrollo Sostenible. Un estudio señala cuatro transformaciones clave para avanzar Foto: "We tried to do a hike in the McPhail Woods, but the mosquitoes were insane, we probably barely lasted 10 minutes in there." Autor: Martin Cathrae. Licencia: CC BY-SA 2.0 (https://creativecommons.org/licenses/by-sa/2.0/deed.en)

La ciencia ciudadana refuerza indicadores sociales y ambientales La ciencia ciudadana puede ampliar la cobertura de indicadores sociales y ambientales. Hay áreas que pueden beneficiarse de los datos generados de manera voluntaria para mejorar el seguimiento de la biodiversidad. Figura: Mapeo de los indicadores de los ODS que dependen de encuestas de hogares y que podrían beneficiarse de aportaciones de datos de ciencia ciudadana.

Cómo complementa o sustituye la ciencia ciudadana los estudios La ciencia ciudadana puede complementar o reemplazar estudios costosos. La figura resume las claves para reforzar la credibilidad, la legitimidad y la sostenibilidad del uso de datos procedentes de la ciencia ciudadana. Figura: Pasos clave para que la ciencia ciudadana pase de ser complementaria a esencial en las estadísticas oficiales. 1. Normas y garantía de calidad Alinear métodos rigurosos con el carácter participativo y adaptable de la ciencia ciudadana. 2. Apoyo gubernamental e institucional Construir alianzas de confianza para co-desarrollar métodos que cumplan estándares oficiales y aprovechen la participación pública. 3. Gobernanza global de datos Involucrar a las comunidades de ciencia ciudadana en debates globales sobre datos a través de redes como la Citizen Science Global Partnership. 4. Financiación sostenible Incentivar a las oficinas nacionales de estadística y a los participantes, especialmente en comunidades desatendidas, mediante apoyos adaptados al contexto.

Biodiversidad y ciencia ciudadana en acción La biodiversidad se documenta mejor con más participación. Los registros de iNaturalist/Natusfera aportan datos valiosos y fortalecen el conocimiento ambiental que se genera medante ciencia ciudadana. Foto: Científica ciudadana fotografía una mariposa. Autor: Javier Gómez. Licencia: CC BY-NC 4.0 (https://creativecommons.org/licenses/by-nc/4.0/)

La #cienciaciudadana puede aportar información clave ante la pérdida de fuentes oficiales y los recortes que amenazan a los Objetivos de Desarrollo Sostenible. Iniciativas como @inaturalist.bsky.social fortalecen el conocimiento sobre biodiversidad y bienestar:
▶️ doi.org/10.1038/s444... #CiteTheDOI

Pandemias y vectores: por qué importan los datos abiertos Las alertas tempranas dependen de conocer dónde están los vectores. Los registros de GBIF e iNaturalist permiten mapear dónde están los mosquitos y prever riesgos. Foto: Aedes albopictus. Autora: Nora De Angelli (https://spain.inaturalist.org/people/noradeangelli). Licencia: CC BY-NC 4.0 (https://creativecommons.org/licenses/by-nc/4.0/)

Alerta temprana: cómo se integran los datos para prever riesgos Esta figura muestra un sistema One Health que combina clima, biodiversidad y salud pública para detectar señales tempranas y reducir el impacto de futuras pandemias. Figura: infografía: Visión de un sistema de alerta temprana de pandemias compatible con One Health A. FACTORES IMPULSORES Cambio climático Otras alteraciones ambientales Pérdida de biodiversidad Globalización Impactos diferenciales impulsados por factores socioeconómicos, demográficos y determinantes clave de la salud B. FLUJOS DE DATOS Flujos de datos de hábitat monitorizados para vectores y variaciones bajo el uso del suelo y el cambio climático Conjunto de datos incorporados: multi-ómicos, climáticos, epidemiológicos, genómicos C. ESTRUCTURA Datos compartidos y privados federados de una red global Datos estructurados y armonizados D. COMUNIDAD Datos analizados mediante herramientas de análisis colaborativas desarrolladas por la comunidad E. RESULTADOS Mapas de riesgo e informes para agencias de salud pública Integración para informar respuestas, diseño de diagnósticos, plantillas de vacunas, manejo integrado de plagas para el control de vectores SISTEMA DE ALERTA TEMPRANA DE PANDEMIAS F. IMPACTO Decisiones basadas en datos Mejora de la salud pública Mejora de los resultados en salud de los pacientes

Modelos predictivos: el papel de GeoSeeq en la vigilancia global La plataforma integra datos climáticos, genómicos y de vectores para generar predicciones y apoyar decisiones de salud pública fundamentadas ante amenazas pandémicas Figura: Interfaz de GeoSeeq, una plataforma de monitorización de pandemias que alberga modelos predictivos.

Resultados de un modelo de predicción del dengue en Brasil El modelo anticipa brotes con meses de antelación mejor que los modelos históricos. Es una herramienta clave para mejorar la alerta temprana y reducir el riesgo de pandemias. Figura: GeoSeeq: rendimiento del modelo de dengue. Las predicciones del modelo de dengue de GeoSeeq a 1 y 3 meses vista (A) y su rendimiento (B) muestran que el modelo supera de forma consistente a los modelos históricos de referencia, lo que lo convierte en una herramienta prometedora para orientar la respuesta de salud pública.

Un estudio muestra cómo integrar datos de clima, genómica y #vectores para crear sistemas de #alertatemprana ante #pandemias. Un modelo de dengue en Brasil usa datos de @gbif.org e @inaturalist.bsky.social / @natusferaes.bsky.social para mejorar las predicciones:
▶️ doi.org/10.1016/j.cr...

Ecología e IA: un cambio de paradigma La ecología y la IA están transformando la forma en que estudiamos la biodiversidad. Un artículo muestra cómo este giro redefine preguntas, métodos y prioridades. El análisis ofrece una visión clara de por qué este debate es tan relevante para el futuro de la disciplina. Imagen: "Una investigadora trabajando con un ordenador rodeada de datos o visualizaciones ecológicas". Generada mediante IA.

Sensores y datos: nuevas herramientas para entender la biodiversidad Los sensores permiten registrar la biodiversidad con una precisión inédita mediante cámaras trampa, redes acústicas y satélites. Estos sistemas están modificando la manera en que observamos los ecosistemas e interpretamos sus dinámicas. Imagen: "Una cámara trampa o sensor automático en un bosque." Generada mediante IA.

Herbarios digitales y aprendizaje automático en ecología La digitalización de herbarios y el uso de IA facilitan el estudio de millones de especímenes y permiten analizar patrones ecológicos a gran escala. Esto impulsa nuevas preguntas y amplía el alcance de la ciencia basada en colecciones. Imagen: "Un herbario digitalizado o especímenes escaneados." Generada mediante IA.

El valor insustituible del trabajo de campo en ecología La observación directa sigue siendo esencial para interpretar la biodiversidad y comprender los ecosistemas en profundidad. La experiencia sobre el terreno aporta un contexto que ninguna herramienta de IA puede reproducir por completo. Imagen: "Un ecólogo tomando notas en campo, mostrando el contraste entre tecnología y naturaleza." Generada mediante IA.

La #ecología cambia rápidamente: sensores, grandes bases de datos como @gbif.org e #IA están transformando cómo estudiamos la #biodiversidad. Un artículo en Nature analiza este giro y el riesgo de perder experiencia de campo:
▶️ doi.org/10.1038/d415...

Foto: Narcissus cantabricus. Autor: carmenypaco (https://spain.inaturalist.org/people/carmenypaco). Licencia: CC BY-NC 4.0 (https://creativecommons.org/licenses/by-nc/4.0/)

Foto: Narcissus cantabricus. Autor: carmenypaco (https://spain.inaturalist.org/people/carmenypaco). Licencia: CC BY-NC 4.0 (https://creativecommons.org/licenses/by-nc/4.0/)

¿Ya estáis observando narcisos? Carmen y Paco (spain.inaturalist.org/people/carme...) fotografiaron ayer, 14 de enero, estos 𝑁𝑎𝑟𝑐𝑖𝑠𝑠𝑢𝑠 𝑐𝑎𝑛𝑡𝑎𝑏𝑟𝑖𝑐𝑢𝑠 en La Zarza (Badajoz):
🟢 spain.inaturalist.org/observations...
¡Enero también trae alegrías botánicas!
📸 #observacióndelasemana

Foto: Otis tarda. Autor: Kim Kuntze (https://spain.inaturalist.org/people/kkuntze). Licencia: CC BY-NC 4.0 (https://creativecommons.org/licenses/by-nc/4.0/)

¿Sabías que a la avutarda, 𝑂𝑡𝑖𝑠 𝑡𝑎𝑟𝑑𝑎, le gusta comer escarabajos meloideos (cantáridas, aceiteras...) para librarse de patógenos y levantarse (los ♂️) la moral? Y a veces, también, uvas 🍇 como las que nos traen a un nuevo año:
🟢 spain.inaturalist.org/observations... 📸 #observacióndelasemana

Foto: Halichoerus grypus. Autor: lucasrl (https://spain.inaturalist.org/people/lucasrl). Licencia: CC BY-NC 4.0 (https://creativecommons.org/licenses/by-nc/4.0/)

Foto: Branta ruficollis. Autor: fapas (https://spain.inaturalist.org/people/fapas). Licencia: CC BY-NC 4.0 (https://creativecommons.org/licenses/by-nc/4.0/)

Dos visitantes llegados del Norte para la última #observacióndelasemana 📸 de 2025:
🦭 𝐻𝑎𝑙𝑖𝑐𝘩𝑜𝑒𝑟𝑢𝑠 𝑔𝑟𝑦𝑝𝑢𝑠, una foca gris en una playa de Lugo:
🟢 spain.inaturalist.org/observations...
🦆 𝐵𝑟𝑎𝑛𝑡𝑎 𝑟𝑢𝑓𝑖𝑐𝑜𝑙𝑙𝑖𝑠, barnaclas cuellirrojas en Asturias
🟢 spain.inaturalist.org/observations... (¡bienvenidos, fapas!)

¡Desde GBIF España y Natusfera os deseamos las mejores fiestas y un feliz 2026 ❄️!

Captura del pantalla del resumen del año de Natusfera 2025

Foto: Melanocetus johnsonii. Autor: Marco Martin Sola (https://spain.inaturalist.org/people/marcm13). Licencia: CC BY-NC 4.0 (https://creativecommons.org/licenses/by-nc/4.0/)

¿Ya has visto tu resumen del año?
¡Natusfera ha publicado el suyo!

🐟 spain.inaturalist.org/stats/2024

🔎 1.270.031 observaciones (⬆️ 14 %)
🐠 24.105 especies (⬆️ 6%)
🙋‍♀️ 41.806 observadores (⬆️ 13%)

La estrella este año fue la hembra de 𝑀𝑒𝑙𝑎𝑛𝑜𝑐𝑒𝑡𝑢𝑠 𝑗𝑜𝘩𝑛𝑠𝑜𝑛𝑖𝑖 observada en Tenerife el 26 de enero 🐟

La inteligencia artificial abre nuevas posibilidades en biología de invasiones Distintas ramas de la IA, desde el aprendizaje supervisado hasta el no supervisado, permiten clasificar especies invasoras y validar modelos que predicen su expansión Figura: Inteligencia artificial (IA) para principiantes. Diagrama de Venn mostrando las relaciones entre los términos: Inteligencia artificial, aprendizaje automático, profundo y por refuerzo, así como las tareas de aprendizaje supervisado para tareas de clasificación y regresión (con datos etiquetados), y no supervisado (datos no etiquetados) para tareas de agrupación. En los tres gráficos, los puntos blancos simbolizan los datos de prueba, que el modelo (en línea discontinua) no ve durante el entrenamiento del modelo y sirven para comprobar si el modelo está o no sobre ajustado a nuestros datos o si es generalizable. Debajo de cada gráfico se presenta un ejemplo de aplicación en invasiones biológicas.

La investigación sobre invasoras con IA ha crecido constantemente desde 1999 La revisión sistemática muestra un aumento sostenido de estudios, con plantas, artrópodos y peces como grupos más analizados. La IA se aplica a tareas diversas, desde clasificación hasta predicción. Figura: Resumen gráfico de la revisión sistemática del uso de inteligencia artificial (IA) para el estudio de especies invasoras en la literatura científica. A) Cronograma de los artículos encontrados (1999-2024, búsqueda el 30 de octubre de 2024) y la clasificación de la aplicación por la cual se utiliza la IA. B) Mapa de árbol representando el número de estudios en diferentes grupos taxonómicos, destacando los que agruparon mayor número de artículos: plantas, artrópodos y peces. C) Mapa de puntos relacionando las diferentes tareas de la IA con los taxones para los que se encontraron más de cinco artículos. Mientras que el tamaño del punto representa el numero relativo de artículos totales, la intensidad de color representa la tarea mayoritaria en cada grupo taxonómico (que coincide con el tamaño de punto más grande para cada taxón).

Las imágenes de dron permiten detectar y seguir poblaciones de plantas invasoras La IA aplicada a imágenes aéreas facilita medir poblaciones, evaluar programas de erradicación y proyectar dinámicas temporales. Esto mejora el control de especies dañinas como la chumbera. Figura: Detección, modelaje y predicción de plantas invasoras a partir de imágenes de dron e inteligencia artificial (IA). La captura de datos demográficos a partir de aplicar la IA en imágenes de dron permite capturar el tamaño de la población manteniendo las distancias con especies invasoras dañinas como la chumbera (A), acceder a terrenos difíciles (B) y cubrir grandes extensiones (C). Gracias al entrenamiento de modelos de aprendizaje automático podemos detectar nuevos individuos, cuantificar tasas vitales (supervivencia, crecimiento y reproducción), evaluar el éxito de programas de erradicación, identificar patrones de distribución espacial o proyectar la dinámica poblacional en el tiempo.

Los proyectos de datos sobre invasoras requieren un ciclo completo de investigación El artículo destaca que la detección, el modelado y la predicción con IA deben integrarse con la comunicación de resultados y la formulación de nuevas preguntas, para garantizar que la gestión de invasoras se apoye sobre una base científica sólida. Figura: Elementos clave en el ciclo de vida en los proyectos de datos para el estudio de especies invasoras, desde la identificación del problema y la aplicación de la inteligencia artificial (IA) (detectar, modelar, predecir), hasta la comunicación de resultados, que puede llevar a la identificación de nuevas preguntas. El diagrama muestra los elementos más importantes para la integración de la IA en nuestra investigación.

Las especies invasoras plantean un reto global. En este artículo:
▶️ doi.org/10.7818/ECOS... #CiteTheDOI
se muestra cómo IA y Big Data, con datos de @gbif.org e @inaturalist.bsky.social, permiten clasificar, modelar y predecir invasiones biológicas, para mejorar la gestión y anticipar su expansión

Foto: Rupicapra pyrenaica ssp. pyrenaica. Autor: Sean S (https://spain.inaturalist.org/people/sparrowoutbound). Licencia: CC BY-NC 4.0 (https://creativecommons.org/licenses/by-nc/4.0/)

¡𝑅𝑢𝑝𝑖𝑐𝑎𝑝𝑟𝑎 𝑝𝑦𝑟𝑒𝑛𝑎𝑖𝑐𝑎 en Ribes de Freser!

🟢 spain.inaturalist.org/observations...

Estudios genéticos muestran que la ssp. 𝑝𝑦𝑟𝑒𝑛𝑎𝑖𝑐𝑎 siguió su propio camino y formó un linaje distinto en el SW europeo antes de la gran glaciación de Riss (hace más de 300 mil años) #observacióndelasemana 📸

Solo te puedes encontrar con un #sapo de espuelas (𝑃𝑒𝑙𝑜𝑏𝑎𝑡𝑒𝑠 𝑐𝑢𝑙𝑡𝑟𝑖𝑝𝑒𝑠) en la Península Ibérica o en el sur de Francia, seguramente de noche, como le pasó a Iván en Pontevedra hace pocos días:
🟢 spain.inaturalist.org/observations... 📸 #observacióndelasemana #anfibios

Foto: Pluvialis apricaria. Autor: Lluís Amat (https://spain.inaturalist.org/people/lluisamat). Licencia: https://creativecommons.org/licenses/by-nc/4.0/

Un bando de chorlitos dorados comunes (𝑃𝑙𝑢𝑣𝑖𝑎𝑙𝑖𝑠 𝑎𝑝𝑟𝑖𝑐𝑎𝑟𝑖𝑎) llega a Girona a pasar el invierno tras volar miles de km desde la tundra ártica. Fíjate 👀 en el blanco bajo las alas para distinguirlo de otros parientes:
🟢 spain.inaturalist.org/observations...
📸 #observacióndelasemana

Este lución (𝐴𝑛𝑔𝑢𝑖𝑠 𝑓𝑟𝑎𝑔𝑖𝑙𝑖𝑠), observado por Vania en Ourense, es mucho más que “una serpiente sin patas”: es un lagarto discreto que se alimenta de caracoles y lombrices, capaz de soltar su cola para escapar:
🟢 spain.inaturalist.org/observations...
📸 #observacióndelasemana @inaturalist.bsky.social