Lightnews — Scholar-powered news

GBIF España/Spain

@gbif.es

Las buenas prácticas TRACKS mejoran la calidad de los datos sobre especies exóticas. La integración de datos de colecciones, presencias y metadatos, junto con estándares como los de @gbif.org, permite obtener información más fiable y comparable:
▶️ neobiota.pensoft.net/article/171461 #CiteTheDOI

Buenas prácticas y GBIF para los datos de especies exóticas
Integrar datos colecciones, presencias y metadatos mejora el seguimiento de especies exóticas. GBIF aporta estandarización y trazabilidad y facilita el análisis.
Foto: Oenothera glazioviana. Autor: Antonio Rico García (https://spain.inaturalist.org/people/antoniorico). Licencia: CC BY-NC 4.0 (https://creativecommons.org/licenses/by-nc/4.0/)

Buenas prácticas de TRACKS para estructurar los datos
TRACKS define seis líneas —colecciones, protocolos, participación, FAIR, hub y comunicación— que reducen la fragmentación y mejoran la coherencia de los datos de biodiversidad.
Figura: Descripción del enfoque. Flujo de trabajo que ilustra la metodología de cuatro pasos utilizada para identificar y evaluar cualitativamente las buenas prácticas para la investigación sobre especies no indígenas. En total, participaron activamente 90 expertos especializados en especies no indígenas terrestres, marinas y de agua dulce.

DAFO para priorizar mejoras en datos de especies exóticas
El análisis DAFO destaca fortalezas como los principios FAIR y un hub de recursos, así como debilidades como falta de medios. La evaluación ayuda a priorizar acciones que mejoren la calidad de los datos de biodiversidad.
Figura: Distribución de las puntuaciones de Fortalezas y Debilidades (SW) y de Oportunidades y Amenazas (OT). Las puntuaciones se calcularon para expertos en especies no indígenas con tres perfiles distintos (terrestre, agua dulce y marino) a lo largo de las seis buenas prácticas. Las barras horizontales representan el componente SW, que va de valores negativos (debilidades) a positivos (fortalezas), mientras que las barras verticales representan la puntuación OT, que va de valores negativos (amenazas) a positivos (oportunidades). Los puntos muestran la media aritmética de cada grupo para las puntuaciones SW y OT, y las barras indican el primer y tercer cuartil de dichas puntuaciones.

Flujos de datos conectados para la toma de decisiones
La figura muestra cómo protocolos, validación taxonómica, participación, repositorios abiertos (GP1, GP2, ...) se integran para generar datos más fiables que apoyen la gestión de especies exóticas.
Figura: Distribución de las puntuaciones de Fortalezas y Debilidades (SW) y de Oportunidades y Amenazas (OT). Diferencias entre los dos grupos de expertos (azul y naranja) identificados mediante análisis de conglomerados, para las seis buenas prácticas.

February 9, 2026 at 1:54 PM

GBIF España/Spain

@gbif.es

#Mariposas y #biodiversidad en retroceso: un informe revela descensos continuados, el fuerte impacto del cambio climático y la pérdida de hábitats, y destaca que restaurar praderas y reducir pesticidas favorece la #conservación:
▶️ www.bc-europe.eu/documents/69... 🦋

Butterfly Conservation Europe @europebutterfly.bsky.social · 4d

The latest European Grassland Butterfly Indicator is out. It shows that grassland butterflies have declined by 47% since 1991, indicating a huge loss of grassland biodiversity. The data come from 16,150 transects & 15,000 volunteers. We are calling for urgent action. www.bc-europe.eu/documents/69...

Phengaris teleius (Scarce Large Blue) in a French meadow. One of the 17 species in the European Grassland Butterfly Index. Photo: Martin Warren)

February 6, 2026 at 8:14 AM

Reposted by GBIF España/Spain

Natusfera

@natusferaes.bsky.social

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 📸

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.

February 5, 2026 at 11:43 AM

GBIF España/Spain

@gbif.es

El ADN ambiental ( #ADNe) revela con detalle la #biodiversidad acuática y contribuye a los objetivos del Marco de Kunming–Montreal. Permite mapear comunidades, detectar especies clave y atribuir cambios a presiones ambientales con #datosabiertos:
▶️ doi.org/10.1038/s443... #CiteTheDOI @gbif.org

ADNe para evaluar la biodiversidad acuática
El ADN ambiental ofrece una visión detallada de la composición de las comunidades en mares, ríos y aguas subterráneas y aporta líneas de base sólidas para evaluar el estado de la biodiversidad dentro del Marco Mundial de Biodiversidad de Kunming–Montreal.
Figura: a. El Marco Mundial de Biodiversidad de Kunming–Montreal (GBF) identificó 23 metas globales orientadas a la acción que deben alcanzarse para 2030 (ref. 6). Muchas de estas metas requieren información sobre el estado, los cambios y las tendencias de la biodiversidad para apoyar la toma de decisiones científicas, políticas y económicas. El uso de ADN ambiental (ADNe) para aportar información sobre la diversidad biológica ofrece un enfoque potencialmente universal que puede respaldar las metas del GBF al proporcionar datos de referencia e información sobre la relación entre acciones y respuestas, útil para orientar las decisiones. Resulta especialmente importante establecer, seguir y evaluar puntos calientes de biodiversidad, tendencias y cambios.

b. Varias metas pueden evaluarse directamente mediante tecnologías de ADNe ya existentes, que están lo suficientemente desarrolladas para su implementación, aunque todavía no se utilizan de forma rutinaria en la mayoría de los países.

ADN ambiental y métodos complementarios
El ADNe combina metabarcoding, qPCR y modelos hidrológicos para generar datos comparables entre regiones y ampliar la cobertura espacial de la evaluación de la biodiversidad.
Figura: a. El ADN ambiental acuático (ADNe) se obtiene a partir de ecosistemas marinos, de agua dulce y de aguas subterráneas, lo que permite una integración espacial (por ejemplo, a escala de cuenca) y temporal (por ejemplo, entre estaciones). El principio básico del análisis de ADNe acuático incluye el muestreo y la captura del ADN (normalmente mediante filtración), seguidos de la extracción del ADN, su amplificación (ya sea dirigida a una sola especie o mediante metabarcodificación), la secuenciación y la asignación taxonómica mediante comparación con bases de datos de referencia de ADN.

b. El ADN ambiental recogido en redes fluviales permite obtener información sobre la biodiversidad en una extensión espacial más amplia al integrar principios hidrológicos básicos y estimaciones de producción y degradación del ADN. La recogida de muestras puede reforzarse mediante métodos automatizados (como muestreadores autónomos) o mediante iniciativas de ciencia ciudadana, lo que facilita la acumulación de datos con alta resolución espacio-temporal.

ADNe y análisis de presiones ecológicas
Los modelos basados en ADN ambiental atribuyen cambios a presiones ambientales, reconstruyen redes ecológicas y anticipan respuestas comunitarias, un apoyo directo a los objetivos del Marco de Kunming–Montreal.
Figura: a. Cronología esquemática de los hitos importantes en el desarrollo del concepto de ADN ambiental (ADNe) (puntos amarillos), los avances en técnicas moleculares (puntos rojos) y el uso del ADNe (puntos azules).

b. Tendencias temporales en el volumen de datos acuáticos según el número de conjuntos de datos publicados en el Sequence Read Archive del NCBI a 20 de septiembre de 2024. Aquí, un conjunto de datos se define como un paquete de datos asociado a un número de ejecución específico. Los metadatos de estos conjuntos se obtuvieron mediante Entrez Programming Utilities y se filtraron con una lista de palabras clave para incluir únicamente conjuntos de datos de ADNe y ARNe procedentes de ambientes acuáticos. HTS, secuenciación de alto rendimiento.

GBIF como soporte de datos abiertos para el ADNe
La integración de secuencias y metadatos en GBIF impulsa
estándares FAIR y y aporta una infraestructura internacional sólida para la monitorización con ADN ambiental.
Figura: El principio del enfoque de aprendizaje automático consiste en vincular las características genómicas de las muestras de ADN ambiental (ADNe) —como unidades taxonómicas operativas (OTUs), variantes de secuencia de amplicón (ASVs) o información asignada taxonómicamente— con estados ambientales de referencia. En la fase de entrenamiento, el modelo aprende las relaciones entre esas características genómicas y condiciones ambientales conocidas, refinando de forma iterativa sus reglas predictivas. En la fase de predicción, el modelo ya entrenado aplica esas reglas para analizar nuevas muestras de ADNe y generar predicciones claras y directamente utilizables. Mediante ciclos continuos de retroalimentación, el modelo mejora su precisión y aumenta su utilidad para la monitorización y la gestión ambiental.

February 5, 2026 at 8:20 AM

GBIF España/Spain

@gbif.es

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

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.

February 3, 2026 at 12:16 PM

GBIF España/Spain

@gbif.es

Los viernes a partir del 20/2, a las 15:00 CET, @b-cubed.eu organiza una serie de sesiones formativas para explorar enfoques emergentes que ayudan a que los datos de #biodiversidad de @gbif.org sean más procesables y útiles en la práctica 👇

GBIF @gbif.org · 10d

🔎 From biodiversity observations to insights: Hands-on training 🤝

Over the upcoming Fridays at 15:00 CET, @b-cubed.eu is hosting a training series to showcase emerging approaches that help make biodiversity data more actionable in practice.

🔗gbif.link/b-cubed-tr...

Photograph of a brilliant puffin spreading its wings amongst flowers on a cliff top

February 3, 2026 at 9:01 AM

GBIF España/Spain

@gbif.es

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...

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/)

February 2, 2026 at 12:49 PM

Reposted by GBIF España/Spain

Natusfera

@natusferaes.bsky.social

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...

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/)

January 29, 2026 at 10:17 AM

GBIF España/Spain

@gbif.es

Un estudio con datos de @gbif.org sobre ranas venenosas propone para su #conservación un enfoque de conservación más completo que integre datos de singularidad evolutiva, biogeográficos y de nivel de amenaza:
▶️ doi.org/10.1007/s105... #CiteTheDOI #biodiversidad

Dónde se esconde la biodiversidad más única
Los valores BED (Biogeographically weighted Evolutionary Distinctiveness) muestran regiones donde la historia evolutiva es más singular, lo que ayuda a orientar estrategias de conservación más precisas y basadas en la biodiversidad real.
Figura: Mapa superior izquierdo: límites políticos de los países neotropicales en los que hay especies de Dendrobatidae. Mapa superior derecho: patrones de riqueza de especies en Dendrobatidae. Mapa inferior izquierdo: patrones espaciales de los valores BED (distintividad evolutiva ponderada biogeográficamente) a escala regional. Mapa inferior derecho: patrones espaciales de los valores BED a escala de país. Obsérvese que los patrones espaciales de BED difieren entre los cálculos a escala regional y a escala nacional.

La montaña como refugio evolutivo
El análisis ED (Evolutionary Distinctiveness)/EDGE (Evolutionarily Distinct and Globally Endangered) revela que muchas especies únicas viven en zonas altas, especialmente vulnerables. Conservar biodiversidad implica entender su contexto ecológico.
Figura: Relación entre los valores medios y medianos de la distintividad evolutiva (ED) y los valores EDGE (Evolutionarily Distinct and Globally Endangered) con la elevación en especies de Dendrobatidae. Nótese que las especies de la lista de ED que estaban en las categorías de amenaza Datos Insuficientes (DD), No Evaluado (NE) y Extinto (EX) no se incluyeron en el análisis de la relación entre elevación y valores EDGE. Por ello, los valores de ED se obtuvieron con 177 especies y los valores EDGE con 127 especies.

January 28, 2026 at 11:45 AM

Reposted by GBIF España/Spain

Natusfera

@natusferaes.bsky.social

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

Estación Biológica de Doñana - CSIC @ebdonana.bsky.social · 13d

🟡 Un nuevo estudio revela que el avispón oriental y el avispón bicolor aumentan su presencia en Andalucía

Además, se identifican los registros más meridionales en Europa de la avispa asiática, lo que revela que la especie continúa expandiéndose hacia el sur.

🔗 www.ebd.csic.es/divulgacion/...

January 27, 2026 at 1:52 PM

GBIF España/Spain

@gbif.es

¡Participa en el Desafío Ebbe Nielsen 2026!

¿Tienes una herramienta innovadora que aproveche los #datosabiertos de #biodiversidad de @gbif.org para hacer avanzar la #cienciaabierta?
Hay 20.000 € para repartir entre los ganadores.
🐚 www.gbif.org/es/news/3DyM...

Fecha límite: 🗓️ 16/06/2026

January 27, 2026 at 12:13 PM

GBIF España/Spain

@gbif.es

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

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.

January 26, 2026 at 11:57 AM

GBIF España/Spain

@gbif.es

Un impulso clave para visibilizar las #coleccionescientíficas de Suiza: el portal SwissNatColl muestra cómo modernizar, documentar y abrir datos esenciales para la #biodiversidad. Una gran iniciativa destacada por @gbif.org 👇

GBIF @gbif.org · 18d

🦋 The Swiss Node of GBIF (GBIF.ch) and #SwissNatColl has transformed access to Switzerland’s natural history collections by launching a national data aggregator that improves the discoverability, standardization and reusability of specimen data.

Digital illustrations of a museum collection

January 23, 2026 at 11:11 AM

Reposted by GBIF España/Spain

Natusfera

@natusferaes.bsky.social

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 📸

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/)

January 22, 2026 at 11:56 AM

Reposted by GBIF España/Spain

Natusfera

@natusferaes.bsky.social

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

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/)

January 22, 2026 at 10:28 AM

GBIF España/Spain

@gbif.es

Comienza la preinscripción en el III Taller GBIF.ES: Conservación, gestión e informatización de herbarios:
🛠️ gbif.es/talleres/iii...
➡️ personal técnico e investigador
➡️ estudiantes interesados en la gestión de colecciones botánicas y la publicación de datos abiertos de biodiversidad
🗓️ Hasta el 31/1

III Taller GBIF.ES: Conservación, gestión e informatización de herbarios

Descripción Los herbarios constituyen infraestructuras científicas clave para el estudio, conservación y divulgación de la biodiversidad vegetal. Más allá de su función histórica como repositorios de ...

gbif.es

January 21, 2026 at 8:50 AM

GBIF España/Spain

@gbif.es

Si eres estudiante de máster o doctorado y trabajas con datos facilitados por @gbif.org, ¡presenta tu candidatura al Premio GBIF a Investigadores Graduados 2026!

💰 5000 € y un premio de prestigio 🥇 para darle impulso a tu carrera. ¿A qué esperas?

🏆 gbif.es/presenta-tu-...

GBIF @gbif.org · 20d

🎓 The 2026 GBIF Graduate Researchers Award is now open for nominations! This award celebrates innovative Master’s and PhD research powered by GBIF-mediated data, with opportunity to win 2x €5,000 prizes!

Learn more:🔗 gbif.link/GRA_2026

#ApplyNow #EarlyCareerResearch #FundingOpportunity

January 20, 2026 at 1:40 PM

GBIF España/Spain

@gbif.es

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...

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.

January 20, 2026 at 11:10 AM

GBIF España/Spain

@gbif.es

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...

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.

January 19, 2026 at 10:55 AM

Reposted by GBIF España/Spain

Natusfera

@natusferaes.bsky.social

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

January 15, 2026 at 10:15 AM

GBIF España/Spain

@gbif.es

La "dark diversity" revela qué especies faltan en una comunidad pese a que podrían vivir allí. Un estudio en bosques templados del NE de China muestra cómo el clima y la huella humana moldean estas ausencias ecológicas:
▶️ doi.org/10.1002/oik.... #biodiversidad #biodiversity #darkdiversity

Dark diversity: diversidad oscura, ausente o potencial no realizada
La dark diversity describe especies ausentes pero ecológicamente posibles. Un artículo estudia este concepto en bosques templados del NE de China

Dark diversity y rasgos funcionales de las especies
Rasgos como la altura (HT), la densidad de la madera (WD) o el tipo de micorrizas influyen en la probabilidad de que una especie forme parte de la diversidad oscura.
Figura: Estimaciones de los coeficientes y errores estándar del modelo GLM que examina la relación entre PDD (la probabilidad de que una especie forme parte de la dark diversity) y los rasgos funcionales (WD = densidad de la madera, SLA = área foliar específica, N = contenido de nitrógeno foliar, mycoType:EM = efecto de las micorrizas ectomicorrícicas (EM) sobre PDD en comparación con el valor de referencia de las micorrizas arbusculares (AM), HT = altura, DispersalDis = distancia de dispersión). Las barras azules representan los efectos estimados de cada variable predictora sobre PDD. Las barras de error representan los errores estándar de las estimaciones

Rasgos y diversidad oscura
La figura compara rasgos entre especies presentes y ausentes. Las diferencias en micorrizas (AM y EM proportion) y área foliar específica ayudan a entender cómo influyen ciertos rasgos en la diversidad oscura.
Figura: Diagramas de caja que comparan los rasgos funcionales entre la diversidad oscura (DD) y la diversidad observada (OD) en especies arbóreas. Los rasgos analizados incluyen la proporción de micorrizas arbusculares (AM), la proporción de ectomicorrizas (EM), la distancia de dispersión, la altura, el contenido de nitrógeno foliar, el área foliar específica y la densidad de la madera. Para cada rasgo se indican el valor p y el tamaño del efecto de la prueba de Wilcoxon.

$Factores abióticos y diversidad oscura Clima, entorno y huella humana explican la variación. La temperatura (MAT ) condiciona más la diversidad oscura y la precipitación media (MAP ) influye más en la observada. Figura: “Los resultados de la partición de varianza muestran las contribuciones únicas y compartidas de las variables ambientales (Env.), la estructura espacial (Space) y la influencia antropogénica (Human) a la diversidad oscura (a) y a la diversidad observada (b), así como la importancia relativa (porcentaje de incremento en el MSE) de las variables ambientales derivada de los modelos de random forest para cada tipo de diversidad. Los números dentro de los círculos indican las fracciones ajustadas (en %) de variación explicada en ambas medidas de diversidad, mientras que los residuos representan la variación no explicada (Peres-Neto et al. 2006). No se muestran los valores < 0. Los valores significativos se evaluaron mediante 999 permutaciones con repeticiones: * p < 0.05; ** p < 0.01; *** p < 0.001. MAT: temperatura media anual; MAP: precipitación media anual; PS: estacionalidad de la precipitación.$

January 14, 2026 at 11:55 AM

GBIF España/Spain

@gbif.es

Las #checklists son esenciales para comprender y gestionar la #biodiversidad en áreas protegidas. Un estudio analiza 210 listas y destaca cómo @gbif.org facilita el acceso a datos abiertos, comparables y verificables que facilitan su actualización y su uso en conservación 🧾
▶️ doi.org/10.4102/koed...

Biodiversidad y checklists: por qué importan
Las checklists ayudan a entender qué especies habitan un área protegida y cómo cambian en el tiempo, una base esencial para conservar y gestionar la biodiversidad
Foto: Procyon lotor. Autor: berjer72 (https://spain.inaturalist.org/people/berjer72). Licencia: CC BY-NC 4.0 (https://creativecommons.org/licenses/by-nc/4.0/)

Checklists y GBIF: una fuente de datos abiertos
GBIF reúne millones de registros que facilitan crear y revisar checklists con evidencia verificable para gestionar la biodiversidad en espacios protegidos.
Figura: Captura de pantalla de la web de gbif.org

Cómo han crecido las checklists en la literatura
El estudio muestra un aumento constante de checklists publicadas desde 1997, con más datos, más taxones y más herramientas digitales para documentar biodiversidad.
Figura: Número acumulado de artículos científicos revisados por pares sobre listas de especies en áreas protegidas desde 1997 (año en que se identificó la primera checklist publicada y accesible para este estudio) hasta 2023, obtenido mediante una búsqueda en Web of Science. El recuadro del gráfico muestra los grupos taxonómicos más representados en esta literatura. La tendencia en el número de artículos se divide en una representación apilada según el tipo de evidencia en la que se basan las listas: especímenes preservados (gris oscuro), observaciones automáticas o de máquina (gris), observaciones humanas (gris claro) y citas de material (líneas verticales).

Dónde se elaboran más checklists
Brasil, EE. UU. y México lideran la producción de checklists para áreas protegidas, que reflejan su enorme biodiversidad y la necesidad de datos fiables para conservarla.
Figura: Distribución geográfica de las listas de especies de áreas protegidas publicadas y revisadas en el estudio.

January 13, 2026 at 9:05 AM

Reposted by GBIF España/Spain

GBIF

@gbif.org

Last chance to register!

🤔 Have questions about the European Commission-funded Biodiversity Information for Development (BID) regional and cross-regional call?

📅 Register for the open Q&A session

📍 13 Jan 26, 09:30-10:30 & 15:30-16:30 (UTC+1) (two availabilities)

🔗 gbif.link/BID_QandA

January 13, 2026 at 5:30 AM

GBIF España/Spain

@gbif.es

Aquí te lo explicábamos en @gbif.es:

👉 bsky.app/profile/gbif...

GBIF @gbif.org · 28d

🐦 #CitizenScience supports improved invasive species detection

A recent study compared 200M+ citsci records accessed via GBIF with official data from 30 European countries and found that 50% of invasions were detected earlier or in the same year by citsci.

🔗 gbif.link/citsci_IAS

#DataUse

January 12, 2026 at 12:42 PM

GBIF España/Spain

@gbif.es

@gbif.org publica sus nuevos informes trimestrales: tendencias de datos, estacionalidad, calidad, participación y mucho más para entender cómo crece la información abierta sobre #biodiversidad en el mundo 👇

GBIF @gbif.org · Jan 7

Have you herd? 🦓 We've just published the GBIF quarterly global and country analytics reports!

Explore dazzling data ✨such as occurrence records by taxa, time and seasonality trends, completeness and precision metrics, data sharing trends by country and more!

🔗 www.gbif.org/analyti...

January 9, 2026 at 1:45 PM

Add to Home Screen

Light up
your news

Add to Home Screen

Light upyour news

Sign in to Lightnews

Sign up to start reading

Connect Bluesky

Connect with Bluesky

Light up
your news