Restos de carbón vegetal permiten estudiar la evolución milenaria de los pinsapos en la Serranía de Ronda, una especie amenazada por los incendios
Un equipo de investigadores dirigido por el catedrático del Departamento de Análisis Geográfico Regional y Geografía Física de la Universidad de Granada José Gómez Zotano ha utilizado técnicas novedosas para descubrir, a partir de restos de carbón vegetal presentes en el suelo, una antigua población de pinsapos endémicos (Abies pinsapo) en la Serranía de Ronda.
Fuente: Universidad de Granada
Un equipo de investigadores dirigido por el catedrático del Departamento de Análisis Geográfico Regional y Geografía Física de la Universidad de Granada José Gómez Zotano ha utilizado técnicas novedosas para descubrir, a partir de restos de carbón vegetal presentes en el suelo, una antigua población de pinsapos endémicos (Abies pinsapo) en la Serranía de Ronda.
El trabajo de investigación, liderado por el equipo de geógrafos del catedrático de la Universidad de Granada José Gómez Zotano, ha permitido conocer la evolución de antiguas poblaciones endémicas de pinsapos.
De acuerdo con los resultados del estudio, el pinsapo, actualmente catalogado como especie en peligro de extinción, ha visto reducida de forma drástica su área de distribución en los últimos milenos como consecuencia de los incendios forestales, su principal amenaza.
Los geógrafos de la Universidad de Granada han trabajado con la pedoantracología –búsqueda, tratamiento y análisis taxonómico de carbón procedente de vegetación leñosa incendiada en suelos no arqueológicos– gracias a la cual han hallado un importante volumen de información inédita sobre la composición y dinámica de los bosques de la serranía rondeña.
El pinsapo está actualmente catalogado como especie en peligro de extinción.
En este sentido, destaca el descubrimiento de antiguas poblaciones del endemismo Abies pinsapo en enclaves en los que esta especie está ausente en la actualidad, como Jarastepar (Sierra del Oreganal), Sierra Palmitera y Fuenfría Alta (Sierra Bermeja), con 47 cronologías que abarcan casi la totalidad del periodo del Holoceno.
Esta información, colectada durante los últimos ocho años a través de diferentes proyectos de investigación (Ultraforests y Paleopinsapo) liderados por el equipo de geógrafos de José Gómez Zotano, ha permitido conocer –con una elevada precisión espacial– la evolución de este singular abeto durante los últimos milenios.
Las nuevas aportaciones constituyen una importante fuente para el conocimiento paleoecológico, paleobiogeográfico y paleoambiental de un territorio, la Serranía de Ronda, a caballo entre las provincias de Cádiz, Málaga y Sevilla, que presenta una interesante pero aún desconocida historia ambiental. La información, contextualizada y puesta en relación con el resto de fuentes disponibles, constituye un recurso muy útil para la gestión adaptativa de los pinsapares frente al cambio global.
Referencia bibliográfica:
Pardo-Martínez, R., Gómez-Zotano, J. & Olmedo-Cobo, J.A. The history of Abies pinsapo during the Holocene in southern Spain, based on pedoanthracological analysis. Veget Hist Archaeobot (2021). https://doi.org/10.1007/s00334-021-00855-w
Últimas publicaciones
El grupo de investigación ‘Desarrollo y enfermedades musculares’ del Centro Andaluz de Biología del Desarrollo logra corregir alteraciones fisiopatológicas en modelos celulares de esta grave enfermedad neurodegenerativa mediante una combinación de compuestos comerciales.
Sigue leyendo
Un estudio de la Universidad de Córdoba explora el perfil sociodemográfico de las personas atraídas por estas populares rutas, caracterizadas por no disponer de una tarifa fija establecida, y analiza las motivaciones que les impulsan a participar en ellas. En cuanto a las principales motivaciones que llevan a los turistas a optar por este tipo de experiencias, el trabajo destaca la posibilidad de conocer barrios históricos, el propio recorrido y la amabilidad del guía.
Sigue leyendo
Un equipo de investigación de la Universidad de Cádiz ha creado REDIBAGG, un método que acelera el entrenamiento de modelos de inteligencia artificial hasta un 70%, al utilizar menos datos pero sin perder precisión. La técnica tiene potencial para analizar grandes volúmenes de información en campos tan diversos como la medicina, la industria o las finanzas.
Sigue leyendo
