Artificial Intelligence and Modeling Frontiers: Shaping Social-Ecological Systems Towards Climate Change

Abstract

El canvi climàtic és un desafiament polifacètic que impacta profundament en els entorns agrícoles, forestals i urbans de tot el món. Aquesta tesi aborda la necessitat urgent de comprendre i mitigar els efectes causats pel canvi climàtic, integrant la perspectiva ecològica i social. Així, analitza com la modelització socioecològica integrada pot millorar la resiliència i la capacitat d'adaptació per fer front als reptes del canvi climàtic. Fins ara, les investigacions han analitzat els impactes del canvi climàtic dins de marcs aïllats, ja sigui centrats en els impactes ecològics o socials. En aquesta conceptualització s'ignora la interrelació d'aquests sistemes i no s'aconsegueix integrar el risc en el seu conjunt, adaptat al context ni identificar les oportunitats específiques. La tesi identifica aquest buit en l'avaluació socioecològica integrada sota els riscos climàtics, en diferents contextos, posant-lo a l’abast tant de científics com de gestors del territori. Aquesta investigació busca abordar aquest buit generant estratègies resilients i efectives que millorin la sostenibilitat a llarg termini. Impulsada per tècniques de raonament automàtic i intel·ligència artificial, alineada amb els principis de la ciència oberta i col·laborativa, la metodologia d'aquesta tesi és innovadora i interdisciplinària. Abasta l'ús de models espacialment explícits adaptats al context, mitjançant dades de sensors remots, l’ús de sistemes d'informació geogràfica i algorismes avançats d'aprenentatge automàtic. Aquest marc metodològic permet una anàlisi detallada d'interaccions complexes entre variables climàtiques i ambientals dels sistemes socioecològics. Els resultats d'aquesta recerca destaquen l'eficiència de la modelització integrada per a comprendre, pronosticar i mitigar els impactes potencials del canvi climàtics. En els sistemes agrícoles, els models projecten canvis en la dinàmica ramadera, la lixiviació de nitrogen i la salut de les pastures, la qual cosa porta a pràctiques de gestió integrals més sostenibles. En el sector forestal, els models de risc d'incendis mostren una major precisió en la predicció de la probabilitat d'incendis forestals i fonamenten les pràctiques de gestió i prevenció. L’anàlisi urbà dins de la tesi revela les claus dels efectes de refredament de les zones verdes, impulsant iniciatives de planificació urbana per a ciutats més resilients contra l'augment de les temperatures. Les troballes d’aquesta tesis identifiquen el paper crucial que exerceix la modelització integrada i estratègica en la comprensió i acció sobre els complexos desafiaments del canvi climàtic sobre els sistemes socioecològics. Les implicacions d'aquesta recerca abasten molts àmbits i requereixen suport dels agents socials perquè es puguin desenvolupar i implementar. Tals polítiques podran garantir que els sistemes socioecològics siguin resilients no sols davant dels riscos climàtics actuals sinó també capaços d'adaptar-se a les condicions climàtiques futures. A més, es demana un esforç en ciència oberta així com una col·laboració transversal continua per tal de poder garantir el desenvolupament sostenible i la resiliència dels sistemes socioecològics a múltiples escales.

El cambio climático es un desafío polifacético que impacta profundamente en los entornos agrícolas, forestales y urbanos de todo el mundo. Esta tesis aborda la necesidad urgente de comprender y mitigar los efectos causados por el cambio climático, integrando la perspectiva ecológica y social. Así, analiza como la modelización socio-ecológica integrada puede mejorar la resiliencia y la capacidad de adaptación para hacer frente a los retos del cambio climático. Hasta ahora, las investigaciones han analizado los impactos del cambio climático dentro de marcos aislados, ya sea centrados en los impactos ecológicos o sociales. En esta conceptualización se ignora la interrelación de estos sistemas y no se consigue integrar el riesgo en su conjunto, adaptado al contexto ni identificar las oportunidades específicas. La tesis identifica este vacío en la evaluación socio-ecológica integrada bajo los riesgos climáticos, en diferentes contextos, poniéndolo al alcance tanto de científicos como de gestores del territorio. Esta investigación busca abordar este vacío generando estrategias resilientes y efectivas que mejoren la sostenibilidad a largo plazo. Impulsada por técnicas de razonamiento automático e inteligencia artificial, y alineada con los principios de la ciencia abierta y colaborativa, la metodología de esta tesis es innovadora e interdisciplinaria. Abarca el uso de modelos espacialmente explícitos adaptados al contexto, mediante datos de sensores remotos, el uso de sistemas de información geográfica y algoritmos avanzados de aprendizaje automático. Este marco metodológico permite un análisis detallado de interacciones complejas entre variables climáticas y ambientales de los sistemas socio-ecológicos. Los resultados de esta investigación destacan la eficiencia de la modelización integrada para comprender, pronosticar y mitigar los impactos potenciales del cambio climáticos. En los sistemas agrícolas, los modelos proyectan cambios en la dinámica ganadera, la lixiviación de nitrógeno y la salud de los pastos, lo cual lleva a prácticas de gestión integrales más sostenibles. En el sector forestal, los modelos de riesgo de incendios muestran una mayor precisión en la predicción de la probabilidad de incendios forestales y fundamentan las prácticas de gestión y prevención. El análisis urbano dentro de la tesis revela las claves de los efectos de enfriamiento de las zonas verdes, impulsando iniciativas de planificación urbana para ciudades más resilientes contra el aumento de las temperaturas. Los hallazgos de esta tesis identifican el papel crucial que ejerce la modelización estratégica en la comprensión y acción sobre los complejos desafíos que ejerce el cambio climático sobre los sistemas socio-ecológicos. Las implicaciones de esta investigación alcanzan ámbitos diversos y requieren apoyo de los agentes sociales para que se puedan desarrollar e implementar políticas de acción. Tales políticas podrán garantizar que los sistemas socio-ecológicos sean resilientes no solo ante los riesgos climáticos actuales, sino que también sean capaces de adaptarse a las condiciones climáticas futuras. Además, se pide un esfuerzo en promover la ciencia abierta, así como una colaboración transversal continúa para poder garantizar el desarrollo sostenible y la resiliencia de los sistemas socio-ecológicos a múltiples escalas.

Climate change is a multifaceted challenge that impacts agricultural, forestry, and urban settings in deep ways throughout the world. This thesis addresses the pressing need to understand and mitigate risks caused by climate change from an overall perspective of integrating the ecological and social dimensions of the impacts. The central thesis question investigates the role that integrated socio-ecological modeling can play in enhancing resilience and adaptive capacity within these systems against climate change challenges. Current research typically analyses the impacts of climate change within isolated frameworks, focusing on either ecological or social impacts. The interrelationship between these systems is ignored in this conceptualization and fails to capture the overall risk and opportunities for adaptation. This thesis identifies a critical gap in the integrated assessment of climate risks and responses across different socio-ecological contexts by sharing solutions with scientists and land managers. This research seeks to address this gap by generating resilient and effective strategies that enhance the long-term sustainability of these systems. Empowered by AI-driven and machine reasoning techniques and in line with open and collaborative science, the methodology of this thesis is both innovative and interdisciplinary. It encompasses the use of spatially explicit models adapted to the context, by remotely sensed data, use of geographic information systems, and advanced machine learning algorithms. This methodological framework allows for a detailed analysis of the complex interactions between climate and environmental variables of socio-ecological systems. The results from this research highlight the efficiency of integrated modeling in understanding, forecasting, and mitigating potential impacts of climate change. In agricultural systems, the models project changes in livestock dynamics, nitrogen leaching, and pasture health, leading to integral sustainable management practices. In forestry, fire risk models show an increase in accuracy in predicting the probability of wildfires and better inform effective management and prevention practices. Urban analysis reveals clues to the cooling effects of green spaces, informing urban planning initiatives toward boosting city resilience to rising temperatures. The findings of this work identify the crucial role that strategic integrated modeling plays in understanding and acting upon the complex climate change challenges of socio-ecological systems. The implications of this research are significant, and call for policy support in terms of innovative technologies that can be developed and implemented collaboratively. Such policies will ensure that socio-ecological systems are fit not just for current climate risks but are also able to adapt to changing climatic conditions. Moreover, it calls for an effort to promote open science, as well as continued cross-cutting collaboration, to guarantee the sustainable development and resilience of social-ecological systems at multiple scales.