Una nueva investigación indica que la capacidad de las plantas para absorber el exceso de dióxido de carbono (CO2) podría ser significativamente menor de lo que los modelos climáticos habían estimado previamente, según un estudio publicado el 5 de enero de 2026 por la Universidad de Graz. El estudio encontró que los modelos climáticos han sobreestimado la fijación natural de nitrógeno, un elemento crucial para el crecimiento de las plantas, en aproximadamente un 50 por ciento.

La investigación destaca el papel fundamental de la disponibilidad de nitrógeno para permitir que las plantas utilicen eficazmente los niveles elevados de CO2 para su crecimiento. Si bien el CO2 elevado puede estimular el crecimiento de las plantas, este efecto depende de que haya suficiente nitrógeno, un nutriente esencial para la fotosíntesis y la salud general de las plantas. La sobreestimación de la fijación natural de nitrógeno en los modelos climáticos sugiere que los beneficios de enfriamiento climático derivados del crecimiento de las plantas en condiciones de alto CO2 son menos sustanciales de lo previsto.

Este hallazgo tiene implicaciones significativas para las proyecciones del cambio climático. Al absorber las plantas menos CO2 de lo esperado, el amortiguador natural de la Tierra contra el cambio climático disminuye, lo que genera una mayor incertidumbre en las predicciones climáticas futuras. "Esta reducida capacidad de las plantas para actuar como sumidero de carbono significa que los niveles de CO2 atmosférico podrían aumentar más rápido de lo previsto, lo que podría acelerar el calentamiento global", afirmó un investigador principal de la Universidad de Graz.

Los modelos climáticos son herramientas computacionales complejas que simulan el sistema climático de la Tierra, incorporando varios factores como la composición atmosférica, las corrientes oceánicas y los procesos de la superficie terrestre. Estos modelos se basan en algoritmos y vastos conjuntos de datos para proyectar escenarios climáticos futuros. Sin embargo, como demuestra este estudio, las incertidumbres en parámetros clave, como las tasas de fijación de nitrógeno, pueden afectar significativamente la precisión de estas proyecciones.

El estudio también subraya la importancia de incorporar representaciones más precisas de los procesos biológicos en los modelos climáticos. Los modelos tradicionales a menudo simplifican las interacciones ecológicas complejas, lo que puede conducir a discrepancias entre las predicciones del modelo y las observaciones del mundo real. Se están explorando los recientes avances en inteligencia artificial (IA) y aprendizaje automático para mejorar la representación de estos procesos. Los algoritmos de IA pueden analizar grandes conjuntos de datos para identificar patrones y relaciones que pueden no ser evidentes a través de los enfoques de modelado tradicionales. Por ejemplo, se pueden entrenar modelos de aprendizaje automático para predecir las tasas de fijación de nitrógeno en función de factores ambientales como la temperatura, la precipitación y la composición del suelo.

Las implicaciones de esta investigación se extienden más allá de la comunidad científica. Los responsables de la formulación de políticas se basan en los modelos climáticos para tomar decisiones relacionadas con la reducción de emisiones y las estrategias de adaptación al clima. La constatación de que las plantas podrían no absorber tanto CO2 como se pensaba anteriormente exige una reevaluación de estas estrategias. Es posible que se requieran reducciones de emisiones más agresivas para cumplir los objetivos climáticos, y es posible que sea necesario poner mayor énfasis en el desarrollo de tecnologías que eliminen directamente el CO2 de la atmósfera.

Las investigaciones futuras se centrarán en perfeccionar las estimaciones de las tasas de fijación de nitrógeno e incorporar estas estimaciones mejoradas en los modelos climáticos. Los científicos también están explorando formas de mejorar la fijación natural de nitrógeno a través de prácticas agrícolas sostenibles. Se espera que la integración de la IA y el aprendizaje automático en el modelado climático desempeñe un papel cada vez más importante en la mejora de la precisión y la fiabilidad de las proyecciones climáticas.