Proyecto INTERREG-SUDOE Openpas: Evaluación de la conservación de pastos mediante ciencia abierta, sensores y aprendizaje automático.

Los hábitats de pasto de interés comunitario juegan un papel fundamental en la configuración del paisaje y en el mantenimiento de la biodiversidad del espacio Sudoe. Se trata de una tipología de hábitats que no solo es crucial para la diversidad de flora y fauna, sino que también provee servicios ecosistémicos indispensables, actuando como grandes sumideros de carbono, ayudando a prevenir la erosión del suelo y contribuyendo a la regulación del ciclo del agua. Asimismo, su importancia conecta con algunas actividades económicas clave en entornos rurales, como son el pastoreo tradicional, la ganadería extensiva y otras actividades agrícolas de alto valor natural. 

A pesar de su protección legal y su consideración como tipos de Hábitats de Interés Comunitario a efectos de la Directiva Hábitats de 1992, las condiciones de conservación de muchos de estos hábitats de pasto no son del todo favorables, y muestran una degradación respecto a periodos precedentes. Entre otras razones, los efectos del cambio climático (sequías, alteraciones de los patrones de precipitaciones y temperaturas) la contaminación, las alteraciones en los usos de los suelos y abandono de actividades tradicionales moldeadoras de este ecosistema, como el pastoreo, explican esta tendencia. 

El desarrollo de sistemas de evaluación más inteligentes, precisos y asequibles es un paso necesario para mejorar el estado de conservación de los pastos, lo que permitirá la toma de decisiones preventivas e integrales. En la actualidad, la evaluación del estado de conservación de los hábitats suele realizarse mediante muestreos de campo, que pueden ser invasivos en contextos de alta fragilidad, difíciles de realizar en áreas remotas y que conllevan un alto coste. 

En este contexto, el objetivo del proyecto OpenPAS es mejorar la metodología de evaluación del estado de conservación de los hábitats de pasto de interés comunitario mediante el desarrollo de una herramienta basada en teledetección, procesamiento de imágenes y aprendizaje automático. Esto permitirá que los gestores de espacios naturales y otros usuarios reciban información altamente precisa y pertinente orientada a la toma de decisiones.