# Ecología ## ¿Sigue siendo la Amazonía una esponja de carbono? *Nature* · Quince años de vuelos de avioneta (2010–2024): la Amazonía fue fuente neta de carbono en 13 de 15 años, con el fuego (0,40 PgC/año) por encima del balance medio (0,32). En 2024 el balance llegó a 0,81 PgC/año. Los años de deforestación alta y los secos y cálidos emiten parecido (p = 0,56). ⚠️ Con 15 años no hay tendencia estadística, y los grupos salen de un k-means que incluye el propio balance. [Ver notebook](../papers/2026-10-21-amazonia-emisiones-carbono-incendios-sequia/notebook) · [Leer más](../papers/2026-10-21-amazonia-emisiones-carbono-incendios-sequia/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-10-21-amazonia-emisiones-carbono-incendios-sequia/notebook.ipynb) --- ## Las olas de calor llegan antes y se van después *Nature Climate Change* · En la tierra firme, entre 1979 y 2023, la primera ola de calor del año se adelantó 3,29 días por década y la última se retrasó 5,41: la temporada pasó de 33,3 a 60,7 días entre las ventanas de 15 años centradas en 1986 y 2016. La tendencia va en esa dirección en el 92,1 % de la tierra. ⚠️ Solo el 13,5 % de la tierra muestra una temporada más larga que se distingue del azar tras corregir por comparaciones múltiples; las zonas secas cambian más que las húmedas solo en el inicio; estudio observacional sobre reanálisis ERA5. [Ver notebook](../papers/2026-09-23-olas-de-calor-antes-y-mas-largas/notebook) · [Leer más](../papers/2026-09-23-olas-de-calor-antes-y-mas-largas/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-09-23-olas-de-calor-antes-y-mas-largas/notebook.ipynb) --- ## ¿La cal agrícola emite CO₂ o lo captura? *Nature* · La cal echada a los cultivos de la cuenca del Misisipi entre 1900 y 2015 tenía un potencial ideal de captura de 0,44 GtCO₂; la contabilidad por defecto del IPCC anota esa misma cifra como emitida. El bicarbonato del río sugiere que se realizó cerca del 90 % (± 21 %) y el modelo SCEPTER da entre el 49 y el 83 %, tras un pulso inicial de emisiones. ⚠️ Sumidero relativo a la misma acidez sin cal; la cifra del río supone que la mitad del carbono viene del aire, y el resultado vale para esta cuenca. [Ver notebook](../papers/2026-09-23-encalado-agricola-sumidero-carbono/notebook) · [Leer más](../papers/2026-09-23-encalado-agricola-sumidero-carbono/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-09-23-encalado-agricola-sumidero-carbono/notebook.ipynb) --- ## ¿Sembrar árboles o cuidar los que ya están? En la Amazonía, restaurar rinde una cuarta parte *Science* · En 6.900 fincas de la frontera de deforestación brasileña, un modelo contrafactual 2010-2020 dice que evitar la tala y el fuego aporta 2,28 veces la biodiversidad que aporta evitar la deforestación, y que restaurar rinde 0,26 veces. Replicamos la figura central: restaurar solo gana en fincas con menos del 42,7 % (biodiversidad) y 41,1 % (carbono) de bosque. ⚠️ Beneficios modelados, no observados; las sumas cubren solo las fincas del catastro, no el paisaje completo. [Ver notebook](../papers/2026-09-17-proteger-bosques-tropicales-vs-restaurar/notebook) · [Leer más](../papers/2026-09-17-proteger-bosques-tropicales-vs-restaurar/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-09-17-proteger-bosques-tropicales-vs-restaurar/notebook.ipynb) --- ## El 85% de las ciudades chinas sintió un calor que solo el 52% sufrió *Nature Climate Change* · En 357 ciudades chinas (2010–2024), el 52,1% pasó olas de calor físicamente severas pero el 84,9% sufrió un shock emocional intenso, medido en 11 millones de comentarios de Weibo: 1,63 veces más ciudades. En 39 ciudades, el retraso entre el pico de calor y la caída del ánimo crece hacia el norte (ρ = 0,68), de 2,0 días en Nanning a 4,0 en Tianjin. ⚠️ El «26% más rápido» con que cae la resiliencia emocional hasta 2050 sale de −6,3% vs −5,0% con intervalos de confianza que se solapan; las importancias SHAP son correlacionales. [Ver notebook](../papers/2026-09-11-calor-emocional-ciudades-china/notebook) · [Leer más](../papers/2026-09-11-calor-emocional-ciudades-china/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-09-11-calor-emocional-ciudades-china/notebook.ipynb) --- ## El Yangtsé exporta en julio 62 veces más microplástico que en enero *Science* · Un modelo global entrenado con 1.386 mediciones estima que los ríos mandaron al mar unas 263.000 t de microplástico en 2022 (la suma del Supplementary da 255.971 t). Con la salida mensual del modelo: 22 cuencas juntan el 50% y el Yangtsé solo el 16,8%; en julio el Yangtsé exporta 61,7 veces lo de enero porque la concentración (×7,1) y el caudal (×8,7) suben a la vez. ⚠️ El «~70% del caudal con enriquecimiento por pulso» del paper se define con series diarias que no son públicas; nuestra ρ mensual por cuenca es otra métrica y no lo confirma. [Ver notebook](../papers/2026-09-10-microplasticos-rios-pulsos/notebook) · [Leer más](../papers/2026-09-10-microplasticos-rios-pulsos/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-09-10-microplasticos-rios-pulsos/notebook.ipynb) --- ## El chorro del Atlántico se fortaleció por su lado débil *Nature Geoscience* · Cuatro barómetros europeos llevan anotando la presión desde 1725, y con eso se reconstruye día a día la corriente en chorro del Atlántico. La mediana de su fuerza subió +0,125 SD desde el período preindustrial, pero no creció por arriba: el percentil 2 subió +0,162 SD y el 98 apenas +0,048. Los días de chorro parado son hoy los más raros del registro (1,27% contra 2,00%). ⚠️ El efecto es pequeño (Cohen's d = 0,10) y el desplazamiento hacia el polo no se distingue de cero en esta mitad de los datos. ⚠️ Las proyecciones a 2100 del paper no se reproducen aquí. [Ver notebook](../papers/2026-09-10-corriente-chorro-atlantico-europea/notebook) · [Leer más](../papers/2026-09-10-corriente-chorro-atlantico-europea/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-09-10-corriente-chorro-atlantico-europea/notebook.ipynb) --- ## Suben las extinciones de plantas en las cumbres de Europa *Science* · 896 parcelas fijas de 1 m × 1 m en 62 cumbres europeas, cuatro censos entre 2001 y 2022. La proporción de plantas que desaparecen entre censo y censo pasó de 11,1% a 15,7% a nivel parcela (+4,6 puntos porcentuales, +41% relativo), mientras las colonizaciones se quedaron planas (p = 0,17 / 0,92 / 0,31). El 57,6% de las extinciones de 2022 venía de una cobertura en declive: hay aviso previo. ⚠️ Diseño observacional, sin manipulación. ⚠️ "Extinción" aquí es ausencia local, y el 34,2% de las de nivel parcela fue seguido de una reaparición. ⚠️ El depósito Dryad del paper no está publicado (corrección de Science, 2026-09-04): los datos salen del texto y del Supplementary PDF. [Ver notebook](../papers/2026-09-03-extincion-plantas-cumbres-europeas/notebook) · [Leer más](../papers/2026-09-03-extincion-plantas-cumbres-europeas/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-09-03-extincion-plantas-cumbres-europeas/notebook.ipynb) --- ## Un bosque perturbado tarda una década en soltar el 82 % de su calor extra *Nature Geoscience* · Un bosque europeo quemado, talado o comido por escarabajos está **1,70 °C más caliente** en verano que el bosque intacto de al lado. Este notebook sigue la anomalía año a año. **El hallazgo:** **el 82,07 % de ese calor se disipa en diez años** — pero la mitad se va antes del año 4 y la otra mitad tarda casi seis años más; al año 10 todavía quedan **0,36 °C**. El modelo se apoya en poquísimas variables (los 3 primeros predictores de 21 suman **~63 %**) y cambia de guardia según el bosque: en hoja ancha manda el cambio de vegetación (**27,7 %**), en acícula el cambio de albedo (**28,3 %**). ⚠️ Es **observacional**: nadie quemó un bosque: SHAP mide el peso dentro del modelo, no la causa en el mundo. ⚠️ El **1,70 °C** del abstract y los **2,00 °C** del año 1 de esta cohorte **no son el mismo dato** — distinto alcance y distinto estadístico. [Ver notebook](../papers/2026-08-25-bosques-perturbados-calor-europa/notebook) · [Leer más](../papers/2026-08-25-bosques-perturbados-calor-europa/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-08-25-bosques-perturbados-calor-europa/notebook.ipynb) --- ## Más hoja verde, menos aves *Science* · China empujó los paneles solares con políticas de provincia, municipio y condado. Zhang et al. cruzaron ese empuje contra listas de aves de ciencia ciudadana en **2.344 condados** por **120 meses**. **El hallazgo:** donde la política apretó más fuerte, un condado pierde **unas 4 especies de aves** por cada desviación estándar de rigor (11,3 por ciento de su riqueza) mientras su **índice de área foliar sube** — más hoja por metro cuadrado, menos verdor y menos diversidad, lo que los autores bautizaron *enverdecimiento inferior*. El notebook rehace las 21 regresiones del paquete de réplica con `reghdfe` reescrito en numpy, y marca lo que **no** se pudo reproducir: la conversión de suelo que el abstract da como mecanismo. [Ver notebook](../papers/2026-08-20-solar-china-aves-diversidad/notebook) · [Leer más](../papers/2026-08-20-solar-china-aves-diversidad/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-08-20-solar-china-aves-diversidad/notebook.ipynb) --- ## El metano que los polos no supieron contar *Nature* · La historia del metano atmosférico se leyó siempre en Groenlandia y la Antártida, aunque el metano natural se fabrica en humedales tropicales. Lamantia et al. perforaron hielo a **6.768 m** en el Nevado Huascarán y sacaron unos **2.000 años** de aire tropical: el primer registro histórico global de CH₄ de baja latitud. **El hallazgo:** ese testigo corre **+62,3 ppb** por encima de los cuatro registros polares en el preindustrial (119 de 123 comparaciones), y al meterlo en el modelo de 4 cajas de los autores la emisión tropical estimada sube de **161,4 a 212,5 Tg CH₄/año**. El notebook re-ejecuta ese modelo con la semilla original y pone a prueba de cuánto depende la cifra de un parámetro que el modelo fija y no mide. [Ver notebook](../papers/2026-08-19-metano-tropical-huascaran/notebook) · [Leer más](../papers/2026-08-19-metano-tropical-huascaran/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-08-19-metano-tropical-huascaran/notebook.ipynb) --- ## Las megacrecidas que dejaron a Europa bajo el agua en 1342 *Nature* · No hay estaciones de aforo en el siglo XIV: hay crónicas de monasterios, actas municipales y cuentas de reparación de puentes. Kiss et al. reunieron **166 registros** de crecidas entre 1341 y 1343, del sur de España a la costa del mar del Norte y hasta Constantinopla — unos **2.020 km** de norte a sur. **El hallazgo:** 1342 es el **puesto #1 de 715 años**, con **62 series fluviales** afectadas frente a una mediana anual de **5** y a las **47** del segundo año del registro (1845). El agua se llevó puentes (n=34, severidad **4,53/5**), cosechas (n=43) y trajo hambruna (n=42). ⚠️ **Alemania aporta 76 de los 166 registros**, pero eso dice qué archivos sobrevivieron, no dónde llovió más. ⚠️ Nuestro conteo es **crudo**: el paper usa una serie corregida por sesgo, y por eso su 1343 entra en el *top ten* mientras el nuestro queda #12. ⚠️ La causa volcánica es **plausible, no demostrada** — el sulfato tocó techo en **1341** y para 1342 ya había caído casi a la mediana; los propios autores dicen que los modelos climáticos todavía no permiten una explicación causal directa. [Ver notebook](../papers/2026-08-12-megainundaciones-europa-1342/notebook) · [Leer más](../papers/2026-08-12-megainundaciones-europa-1342/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-08-12-megainundaciones-europa-1342/notebook.ipynb) --- ## El carro que todavía sirve *Science* · Tu carro prende, gasta lo de siempre y le quedan años. Cambiarlo por uno eléctrico suena a desperdicio: la batería nueva llega con emisiones de fábrica que el que ya tienes dejó pagadas. Un equipo hizo la cuenta de ciclo de vida para **210 combinaciones** de vehículo retirado, eléctrico de reemplazo y red eléctrica. **El hallazgo:** en **160 de las 210** (76,2%) chatarrizar el carro que todavía funciona emite menos — pero el resultado no vive en el carro, vive en el enchufe: la mediana pasa de **54,5%** en California a **41%** con el promedio de EE. UU. y a **3,5%** en Puerto Rico. Un detalle que se ve en los datos: manejando, el eléctrico emite menos en **las 27 subredes** del país (la peor empataría a 723 g CO₂/kWh y está en 699) — toda la discusión está en fabricar la batería. ⚠️ El bloque rojo son los **híbridos**: retirar uno deja mediana **20%** frente al 50% de los que no lo son, y con red sucia cae a **−29,5%**. ⚠️ El **92%** que cita el paper sale de su análisis continuo, no de estas tablas: nuestra matriz discreta da 76,2%. No son la misma métrica. ⚠️ Es un **modelo** de ciclo de vida, no una medición, y todo es Estados Unidos. Su propuesta es de **política pública** — el propio resumen dice que hoy chatarrizar sigue siendo económicamente prohibitivo para el dueño. [Ver notebook](../papers/2026-08-06-retirar-carro-gasolina/notebook) · [Leer más](../papers/2026-08-06-retirar-carro-gasolina/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-08-06-retirar-carro-gasolina/notebook.ipynb) --- ## 1.758 mariposas cambiaron de sitio. El 65% tiene un solo registro detrás *Nature Ecology & Evolution* · Nadie salió al campo: un equipo revisó **567 estudios en quince idiomas** más **68 evaluaciones de expertos** y armó el inventario más grande de mariposas que se corrieron de lugar — **1.758 especies en 105 países**, el **9,1%** de la diversidad conocida. **El hallazgo:** el **81,2%** ganó terreno, pero el **65%** de las especies entró a la lista con **un solo registro, de un solo estudio, en un solo país**; solo **94** (5%) tienen más de diez registros independientes. Un detalle que se ve en los datos: **1.427 + 480 + 381 = 2.288** sobre 1.758 especies, porque **409** hacen más de una cosa según dónde se las mire — y cuatro suben **y** bajan de altitud. ⚠️ El título del paper dice *climate-induced* pero el resumen dice *associated with*: es **asociación**, no causa. ⚠️ El **79%** del clima sale de 278 sobre las **352 especies con amenaza atribuida**, que son el 20,0% del total — no del planeta. ⚠️ Los porcentajes por país miden **cobertura de documentación**, no prevalencia: el mapa dice dónde hay gente contando mariposas. [Ver notebook](../papers/2026-08-06-mariposas-desplazamientos-clima/notebook) · [Leer más](../papers/2026-08-06-mariposas-desplazamientos-clima/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-08-06-mariposas-desplazamientos-clima/notebook.ipynb) --- ## Cuando el río y el aire se recalientan el mismo día *Nature Geoscience* · En **796 cuencas** de EE. UU. y Europa Central, que una ola de calor del aire y una del río coincidan el mismo día pasó de rareza a algo casi tres veces más frecuente en cuatro décadas. **El hallazgo:** los eventos compuestos suben **~0,40 por década** (1981-2019), y las olas fluviales se intensificaron **+114% / +148% / +95%** (frecuencia/duración/intensidad) frente a apenas **+27% / +33% / +22%** de las atmosféricas. ⚠️ El "triplicado" del título se lee por línea de tendencia (~2,8x); por medias de década es **~2x**. ⚠️ Estudio **observacional**: mide tendencias y coincidencias, no causas. Las cifras de atribución (clima 59%), el +128% de montaña y la proyección del 98,5% a 2100 son **reportadas por el paper**, no recalculadas. [Ver notebook](../papers/2026-07-30-olas-calor-compuestas-rios/notebook) · [Leer más](../papers/2026-07-30-olas-calor-compuestas-rios/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-07-30-olas-calor-compuestas-rios/notebook.ipynb) --- ## Más de 20.000 obras de tierra bajo la selva amazónica *Nature* · Un LiDAR aerotransportado voló **4.430 km** sobre el suroeste de la Amazonía y, al "quitar" el bosque, dejó al descubierto una civilización precolonial de constructores. **El hallazgo:** **406 geoglifos** catalogados en una sola campaña — tantos como los que antes se estimaban para **toda** la Amazonía —, con tamaño mediano de **2,12 ha** (rango 0,16–15,59) y una distribución muy asimétrica: casi todos pequeños, unos pocos monumentales. Los recintos que cumplen la definición **Aquiry** tienden a ser mayores (medianas 2,25 vs 1,50 ha), pero la diferencia **no** alcanza significancia (Mann-Whitney p=0,09). ⚠️ La cifra de **>20.000** geoglifos es una **extrapolación**, no un conteo directo. ⚠️ La población de **1,25–3 millones** (año 100–300 d.C.) es una **propuesta** que asume ~300 personas por geoglifo, no una medición. [Ver notebook](../papers/2026-07-29-geoglifos-amazonia-lidar/notebook) · [Leer más](../papers/2026-07-29-geoglifos-amazonia-lidar/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-07-29-geoglifos-amazonia-lidar/notebook.ipynb) --- ## El Mar de Aral se secó y empezó a exhalar carbono *Science* · El Mar de Aral, cuarto lago más grande del mundo, se secó tras desviar su agua para regar algodón. El equipo midió qué hace el lecho ahora expuesto: **111 mediciones** de flujo de CO₂ (cámaras IRGA) en **14 sitios**, con luz y a oscuras. **El hallazgo:** el barro seco es una **fuente** de carbono, no un sumidero — ~**80%** de las mediciones dan emisión neta, y emite casi igual con luz que a oscuras (Mann-Whitney p=0,03; Cohen's d≈0,30, efecto pequeño). Hacia 2022 quedaron **62.625 km²** de lecho al descubierto. Desde 1960 el lecho ha liberado unos **204 Tg C (±53)**, volviendo la cuenca de sumidero presunto a fuente neta. ⚠️ La cifra de 204 Tg C es una **integración a escala de sistema** (space-for-time), no un dato de una sola tabla; la citamos como la calculó el equipo. ⚠️ El flujo se midió en **una sola campaña** (sep 2022); la trayectoria temporal se **infiere** de la cronosecuencia. ⚠️ Reinundar **podría** evitar ~**165 Tg C** más (≈604 Mt CO₂): es un **escenario modelado**, no un logro. [Ver notebook](../papers/2026-07-16-mar-aral-carbono/notebook) · [Leer más](../papers/2026-07-16-mar-aral-carbono/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-07-16-mar-aral-carbono/notebook.ipynb) --- ## El polvo del desierto que respira Europa *Nature* · El polvo del Sáhara no se queda en el desierto: el viento lo empuja miles de kilómetros hasta los pulmones y los glaciares de Europa. Abrimos los datos de **106 estaciones** europeas y un **núcleo de hielo alpino** que guarda, año a año, cuánto polvo llegó desde 1750. **El hallazgo:** el sur de Europa carga **3,45 veces** más trazador de polvo (aluminio) que el norte (ρ=−0,75, n=106), y el hielo muestra que el polvo **subió +114 %** (raw) desde la era preindustrial — consistente con el **+110 %** del paper. Todo apunta a la sequía del norte de África: calcio del hielo y sequía marroquí se mueven casi en espejo (ρ=−0,78, n=139 años). ⚠️ El trazador **aluminio** (3,45×) no es el **PM10 modelado** del paper (2,53×): coinciden en el gradiente, no en la magnitud. ⚠️ El vínculo sequía→polvo es una **asociación** observacional, no causa probada. ⚠️ El vínculo polvo→mortalidad (+0,67 %) lo reportan los investigadores; no lo reproducimos aquí. [Ver notebook](../papers/2026-07-15-dust-pollution-europa/notebook) · [Leer más](../papers/2026-07-15-dust-pollution-europa/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-07-15-dust-pollution-europa/notebook.ipynb) --- ## Si el mundo comiera sano, ¿qué le pasaría al campo? *Nature* · ¿Y si el planeta adoptara una dieta saludable y sostenible (la de referencia **EAT-Lancet**), mejorara la productividad y redujera a la mitad el desperdicio de comida? Un ensamble de **diez modelos económicos globales** (AgMIP) lo proyecta a **2050**. **El hallazgo:** el campo se reordena. La producción física de **carne de rumiantes cae una mediana de −53 %** frente a seguir igual, la de aves y cerdo **−45 %** y la de lácteos **−27 %**, mientras **verduras, frutas, nueces y legumbres suben +23 %** (+23,4 % reproducido) — de nueve grandes grupos de alimentos, solo dos crecen. La **producción agrícola total baja ~17 %** vs BAU (mediana reproducida −16,6 %; los 9 modelos coinciden en la dirección) y la **tierra agrícola ~6 %** vs 2020 (−5 % con los 5 modelos que la reportan). ⚠️ Son **proyecciones de modelos**, no observaciones: dependen de las **políticas asumidas** — la transformación no es inevitable. ⚠️ Las cifras de **valor** ($1,6 billones, ganadería −49 a −83 %) se **citan del paper**, no se reproducen (unidades monetarias heterogéneas entre modelos). ⚠️ La tierra solo la reportan 5 de 10 modelos. [Ver notebook](../papers/2026-07-15-transformacion-sistemas-alimentarios/notebook) · [Leer más](../papers/2026-07-15-transformacion-sistemas-alimentarios/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-07-15-transformacion-sistemas-alimentarios/notebook.ipynb) --- ## Un mosquito cruzó un océano de ciudades *Science* · *Anopheles stephensi* es un mosquito de malaria asiático que cría en el agua almacenada de las ciudades — por eso preocupa en África. Un equipo secuenció **645 genomas completos** por África, Medio Oriente y Asia; nosotros abrimos su tabla de muestreo (**551 mosquitos** con país, coordenadas y fecha) y dibujamos la geografía. **El hallazgo:** los mosquitos se reparten en tres bloques —fuente sudasiática (**58**), Península e Irán (**117**) y frente africano (**376**)— con un gradiente de longitud de **72,5 → 55,6 → 37,3 °E**, la huella espacial de la expansión. El **88%** del muestreo (487 de 551) es de 2022-2023: la foto de cuándo empezó la respuesta al brote, no la fecha de la invasión. ⚠️ La **ruta** (sur de Asia → cabeza de puente en Yibuti → frentes) es **reconstrucción genómica** del paper, no algo que se derive de nuestras coordenadas. ⚠️ Los genotipos crudos están embargados: el notebook reproduce la geografía del muestreo, **no** las frecuencias de resistencia ni la genética de poblaciones. ⚠️ El conteo por región refleja el esfuerzo de vigilancia, no la densidad real del mosquito. [Ver notebook](../papers/2026-07-10-stephensi-mosquito-invasor-africa/notebook) · [Leer más](../papers/2026-07-10-stephensi-mosquito-invasor-africa/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-07-10-stephensi-mosquito-invasor-africa/notebook.ipynb) --- ## Un millón de animales muertos: encontraron al culpable en el agua *Nature Ecology & Evolution* · En 2025 la costa de Australia del Sur amaneció cubierta de cadáveres: cerca de **un millón de animales** de **más de 600 especies** murieron a lo largo de **20.000 km²** durante más de un año. Un equipo tomó 115 muestras de agua y contó por qPCR el ADN de siete algas del género *Karenia*. **El hallazgo:** una especie nueva, *Karenia cristata*, **dominó el 88,6%** de todas las células (la más abundante en **96 de 115 muestras**, 11× sobre la segunda). Aislaron su cultivo y midieron el veneno: sobre células de branquia de trucha la viabilidad se desploma con un **EC50 ≈ 27 células/mL** (Spearman **ρ = −0,93**), y sobre invertebrados el cultivo puro mata igual que el agua del mar — cerrando el vínculo causal. El remate: en el mar la mediana rondaba **~337 células/mL**, unas **12 veces** por encima de esa dosis letal de laboratorio. ⚠️ El EC50 viene de células de branquia *in vitro* (2 h), no del pez entero: es indicador de potencia, no dosis letal en la naturaleza. ⚠️ Las diluciones de invertebrados son pocas y ruidosas — se reporta tendencia y extremos, no una LC50 puntual. ⚠️ El mecanismo hidrodinámico que concentró la floración el paper lo enmarca como hipótesis (*appear to have entrained*), no como hecho. [Ver notebook](../papers/2026-07-08-karenia-cristata-mortandad-marina/notebook) · [Leer más](../papers/2026-07-08-karenia-cristata-mortandad-marina/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-07-08-karenia-cristata-mortandad-marina/notebook.ipynb) --- ## El bosque que también es una biblioteca *Nature* · En la Amazonía, **5.796 plantas nativas** tienen un uso conocido —un tercio de la flora con semilla del bioma—, documentado en **90.536 reportes** de 700 referencias. El equipo cruzó modelos de distribución (**8.429 SDM** a 2060–2080) con el mapa de lenguas indígenas (**156 vivas, 55% amenazadas**). **El hallazgo:** donde las lenguas están amenazadas se proyecta perder **~1,5 veces más** bosque útil (**39% vs 25%** de especies, Wilcoxon P=0,0043; **27% vs 17%** de servicios, P=0,0018). Y una divergencia curiosa: la palma más citada (*Bactris gasipaes*, 178 refs) no es la que usan más pueblos (*Mauritia flexuosa*, 66 grupos). ⚠️ Toda 'pérdida' es **proyección** SDM, no medición. ⚠️ La coincidencia regional es **observacional**: no que perder la lengua *cause* perder la planta. ⚠️ Valores del texto Open Access del paper, no del ZIP de rásters de 10,5 GB. [Ver notebook](../papers/2026-07-08-amazonia-conocimiento/notebook) · [Leer más](../papers/2026-07-08-amazonia-conocimiento/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-07-08-amazonia-conocimiento/notebook.ipynb) --- ## Casi todos los pastos marinos del mundo caben en 5 países *Nature* · Los pastos marinos protegen las costas y atrapan carbono, pero son de los ecosistemas menos mapeados. Un equipo construyó el **primer mapa global a 10 m** con 4,75 millones de imágenes de Sentinel-2 y un clasificador de aprendizaje profundo. **El hallazgo:** hay **148.506 km²** de pastos marinos en el mundo, y están extremadamente concentrados: el **69% en 5 países** (Bahamas sola, el 36%), y **31 de 1.987 celdas de 1° (1,6%)** reúnen la mitad del área mundial. Una sola franja del Caribe y el Golfo de México (20-30°N) tiene el **59,3%**. ⚠️ Solo el **21%** está en áreas marinas protegidas (cifra del paper). ⚠️ Es un censo **observacional**: mide cuánto y dónde hay pasto, no por qué se perdió. ⚠️ La pérdida neta del abstract (4%, 5.969 km²) **no** equivale a la columna de pérdida bruta del dataset (44.171 km²). [Ver notebook](../papers/2026-06-30-pastos-marinos-mapa-global/notebook) · [Leer más](../papers/2026-06-30-pastos-marinos-mapa-global/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-06-30-pastos-marinos-mapa-global/notebook.ipynb) --- ## CO₂ brotando del fondo del mar: el campo de seeps de Mayotte *Nature Geoscience* · A más de 1.300 metros bajo el agua, frente a Mayotte, el fondo del mar suelta dióxido de carbono — un campo de fuentes (*seeps*) de CO₂ líquido que apareció tras el nacimiento de un volcán submarino en 2018. Un ROV midió el caudal de **22 fuentes** una por una. **El hallazgo:** las **7 fuentes "altas" sueltan dos tercios (65,5%) del caudal medido**, y el flujo total del campo se estima en **~154 mil toneladas de carbono al año** (~563 mil tCO₂). Pero ese total no es un número, es un rango: depende del modelo espacial que asumas (**148–198 mil tC/año, 34% de diferencia**). ⚠️ El flujo total es una **extrapolación Monte Carlo**, no una medición — solo se midieron 22 fuentes. ⚠️ Estudio **observacional**: describe lo que el ROV vio, no causas. ⚠️ 18 de las 22 fuentes están en un solo sitio (B0). [Ver notebook](../papers/2026-06-12-co2-seeps-hidratos-mayotte/notebook) · [Leer más](../papers/2026-06-12-co2-seeps-hidratos-mayotte/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-06-12-co2-seeps-hidratos-mayotte/notebook.ipynb) --- ## Una necrópolis de ballenas de 5,3 millones de años en el Índico *Nature* · Cuando una ballena muere, su cuerpo cae kilómetros hasta el fondo del mar y se vuelve un **oasis de vida** en pleno desierto abisal. Antes se conocían apenas un puñado de estas caídas en todos los océanos; un sumergible rastreó la **Zona Diamantina** (Índico suroriental) y registró **486 restos de ballena** en 24 inmersiones, regados ~1.200 km de fondo. **El hallazgo:** el **83% descansa a más de 6 km de profundidad** (mediana 6.527 m) y la datación isotópica sitúa algunas caídas hace **al menos 5,3 millones de años** — el fondo del mar como archivo fósil de la evolución de las ballenas. Por número dominan los **gusanos (71%, incluidos 588 come-huesos *Osedax*)**, pero los especialistas que definen el oasis son estrellas frágiles, perforadores de hueso y bivalvos quimiosintéticos. ⚠️ Estudio **observacional**: describe distribución y composición, no prueba causas. ⚠️ La edad de **5,3 Ma** viene de datación isotópica del paper, no de estos datos. ⚠️ El conteo de huesos mezcla valores exactos, censurados ('40+') y texto libre, por eso **no se totaliza**. [Ver notebook](../papers/2026-06-10-necropolis-ballenas-diamantina/notebook) · [Leer más](../papers/2026-06-10-necropolis-ballenas-diamantina/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-06-10-necropolis-ballenas-diamantina/notebook.ipynb) --- ## El mundo perdió 277.000 km² de árboles en un solo año *Science* · En 2018 el planeta perdió 277.000 km² de cobertura arbórea —más que todo el Reino Unido—, pero el equipo miró 600 cuadros de 5×5 km con satélite de alta resolución (3–10 m) para separar lo que se pierde para siempre de lo que rota. Bajamos las proporciones por causa, por región y por bloque. **El hallazgo:** solo el **38,9%** fue conversión permanente; el resto rota o se recupera (silvicultura, agricultura migratoria, disturbios). Y cuando un bosque *natural* sí desaparece, el **pasto para ganado es la causa #1 (15,0%)**, más que cultivos (6,4%) y plantaciones (3,8%) juntos. América Latina encabeza con el **26,6%** del total. ⚠️ Es una estimación de 600 bloques, no un censo. ⚠️ Diseño observacional: proporciones y causas próximas, no causalidad activa. ⚠️ Un solo año (2018), no una tendencia. [Ver notebook](../papers/2026-06-07-perdida-cobertura-arborea-global/notebook) · [Leer más](../papers/2026-06-07-perdida-cobertura-arborea-global/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-06-07-perdida-cobertura-arborea-global/notebook.ipynb) --- ## Minería y deforestación en África subsahariana *Nature* · La demanda de minerales africanos crece rápido y, con ella, la presión sobre el bosque tropical. Un equipo rastreó **16.627 minas** con satélite (2001-2020) y midió cuánto bosque se pierde *de más* solo por tener una mina al lado. Alineamos cada mina a su año de apertura: la curva de pérdida a **1 km** se despega del fondo justo cuando la mina abre (reproducción cruda: **7,57 pp** adicionales a 10 años, dentro del IC del paper). **El golpe:** el paper estima que por cada hectárea de tala directa, la minería desencadena **34 hectáreas** de pérdida alrededor en cinco años — y el **cobalto** y el **cobre** de baterías y electrónica están entre los que más arrasan. ⚠️ Nuestra reproducción es descriptiva (medias crudas), no la diferencia-en-diferencias ajustada del paper. ⚠️ El 8,0 pp causal y el ratio 34:1 son cifras del paper, no recalculadas. [Ver notebook](../papers/2026-06-03-mineria-deforestacion-africa/notebook) · [Leer más](../papers/2026-06-03-mineria-deforestacion-africa/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-06-03-mineria-deforestacion-africa/notebook.ipynb) --- ## Olas de calor en el sedimento de los lagos *Nature Geoscience* · Pilla et al. (2026) simularon temperatura diaria en 41.499 lagos del planeta forzados por un ensemble de modelos climáticos globales (ISIMIP3b) bajo tres escenarios SSP, en dos ventanas de 30 años (1981-2010 y 2071-2100). Aquí reproducimos 3 de los 5 GCMs originales y desmenuzamos los promedios globales y latitudinales del Zenodo. **Acto 1:** en clima histórico, el sedimento **pelágico** (PHW, fondo profundo) ya dura ×1,6 más por evento que la superficie (13,4 vs 8,4 días). El sedimento **litoral** (LHW, somero) se comporta como la superficie (8,5 días) — el matiz pelágico vs litoral importa. **Acto 2:** bajo SSP5-8.5, el modelo proyecta que la duración del PHW se multiplica por ~8,8 (118,5 días por evento) y el retardo térmico entre superficie y fondo colapsa de ~22 días a ~1 día (-95%) — el lago profundo pierde su buffer. **Acto 3:** geografía nítida — cada evento PHW en lagos tropicales duraría ~168 días vs ~54 días en lagos polares bajo SSP5-8.5. Combinando duración y frecuencia, los lagos tropicales pasarían ~242 días/año en condiciones de heatwave. ⚠️ Reproducimos 3 de 5 GCMs — spread inter-modelo subestimado. ⚠️ Trabajamos sobre agregados globales y por banda, no lago a lago. ⚠️ Proyecciones de modelo de simulación, no observaciones futuras. [Ver notebook](../papers/2026-06-01-olas-calor-sedimentos-lagos/notebook) · [Leer más](../papers/2026-06-01-olas-calor-sedimentos-lagos/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-06-01-olas-calor-sedimentos-lagos/notebook.ipynb) --- ## Humedales aguas arriba: 10 mil millones de dólares en reclamos por inundaciones *Nature Water* · Gourevitch, Gold & Garcia (2026) cruzaron 38 años de mapas anuales de humedales en Estados Unidos con cada reclamo del seguro federal de inundaciones (NFIP), usando regresión de panel con efectos fijos por subcuenca HUC12 — 83.359 unidades en total. Bajamos los datos del Supplemental de Zenodo (172 MB, 218 columnas) y los desmenuzamos en 4 CSVs agregados. **Acto 1:** la pérdida de humedales 1985-2023 sumó **US$10,12 mil millones** en reclamos adicionales (IC 95%: US$8,12-12,07B), equivalentes al **9,0%** del total nacional NFIP del periodo — el paper lo enmarca como estimación, no como hallazgo causal puro (panel observacional). **Acto 2:** la pérdida está extremadamente concentrada. **Tres regiones costeras** (Tejas-Golfo, Sureste y Misisipi Bajo) acumulan **97% del costo** (US$9,84B de US$10,12B); las **95 subcuencas** con pérdida >500 ha cada una (0,11% del total) concentran **44,6% del costo total**. La narrativa común de "se perdieron humedales en todo el país" se cae con los datos: el motor del daño no es la pérdida promedio, son outliers en costas de baja altitud. **Acto 3:** solo el **16,1%** de las subcuencas justifica conservar humedales económicamente (BCR ≥ 1) — pero la geografía del retorno no coincide con la geografía del daño. Mid-Atlántico tiene **49,5%** de subcuencas rentables (mejor proporción regional), Tennessee llega a **70,4%** con muchas menos subcuencas, mientras que las regiones que más perdieron (Tejas-Golfo, Sureste) tienen BCR ≥ 1 solo en 13-14% de sus subcuencas. ⚠️ El paper modela elasticidad sobre pérdida, no afirma simetría de beneficio para restauración. ⚠️ NFIP no captura todo el daño económico (sub-cobertura del seguro federal). ⚠️ El NPV total cae **6,6×** entre 1% y 7% de tasa de descuento — alta sensibilidad al horizonte temporal de la valoración política. [Ver notebook](../papers/2026-06-01-humedales-eeuu-inundaciones-economia/notebook) · [Leer más](../papers/2026-06-01-humedales-eeuu-inundaciones-economia/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-06-01-humedales-eeuu-inundaciones-economia/notebook.ipynb) --- ## Quita los elefantes: pierdes el 67% de los escarabajos peloteros *Science* · Pringle et al. (2026) cerraron 15 años un experimento en Mpala (Kenia): tres tratamientos en parcelas vecinas — todos los herbívoros, sin elefantes ni jirafas, sin nada silvestre. Capturaron **9.114 escarabajos peloteros** entre 2021 y 2023 y los clasificaron en 179 especies probables. Bajamos los datos del Supplementary Information (Tablas S6, S13, S16 y la red trófica de §2.4d). **Acto 1:** el elefante atrae a **88 especies** de escarabajos en la red trófica; la cebra, segunda, atrae a 63 (ratio 1,40×). Eigenvector centrality 1,00 vs 0,61 del resto. **Acto 2:** quitar elefantes 15 años redujo abundancia **−67%** (GLMM β=−0,93, Z=−4,65, P<0,001), riqueza −22%, biomasa −51%. Quitar el resto de herbívoros añadió solo −8% extra (Padj=0,55, no significativo). **Acto 3:** un elefante equivale a **1.594 ungulados <1.000 kg** en community importance per cápita en abundancia de escarabajos. ⚠️ La comparación Mpala vs Koija/Lekiji (sitios con ganado) es observacional, no causal — el patrón coincide con el experimento pero no lo prueba. ⚠️ Parcelas UHURU de 4 ha; los elefantes recorren cientos de km² al año. [Ver notebook](../papers/2026-05-28-elefantes-escarabajos-keystone-mpala/notebook) · [Leer más](../papers/2026-05-28-elefantes-escarabajos-keystone-mpala/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-05-28-elefantes-escarabajos-keystone-mpala/notebook.ipynb) --- ## Los huracanes liberan menos CO₂ del que creíamos *Nature Geoscience* · Huang et al. (2026) reconstruyeron la huella de carbono de los ciclones tropicales día a día durante 28 años combinando IBTrACS (todos los ciclones del mundo), SOCAT (observaciones de CO₂ en superficie) y reanálisis atmosféricos. Bajamos las 3 tablas del supplementary y desmenuzamos lo que se puede recalcular. **Acto 1:** el día 0 dos procesos compiten — efflux pico **+14,6 mmol/m²/día** vs influx pico **−12,5**; el mínimo de ΔpCO₂ (**−9,5 µatm**) no cae el día del huracán, cae el día +2 (la estela fría sigue absorbiendo después). **Acto 2:** las aguas frías pre-tormenta se vuelven más sub-saturadas con el tiempo (pendiente **−0,09 µatm/año**, p=0,066 marginal); las aguas cálidas no cambian (p=0,44). Esa asimetría es la razón física del **44% de reducción** del outgassing global que el paper reporta para los 90s vs 2010s. **Acto 3:** bajo escenarios CMIP de alta emisión, la distribución de ΔpCO₂ se desplaza de **+12 a +1 µatm de media** y la probabilidad de efflux cae de **79% a 55%** — los ciclones pasarían de fuente a sumidero. ⚠️ La tendencia clave es marginal (p=0,066) y el fit predice ~2,5 µatm de cambio total, los endpoints raw sugieren 6 µatm. ⚠️ La validación in-situ son solo **37 ciclones**. ⚠️ La proyección CMIP es modelo, no observación. ⚠️ La cifra del 44% es cita del paper, no recálculo nuestro. [Ver notebook](../papers/2026-05-28-ciclones-tropicales-co2-oceano/notebook) · [Leer más](../papers/2026-05-28-ciclones-tropicales-co2-oceano/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-05-28-ciclones-tropicales-co2-oceano/notebook.ipynb) --- ## El buffer del mercado de carbono forestal: probablemente 6,3 veces más pequeño de lo que el clima exige *Nature* · Badgley et al. (2026) construyeron un modelo de riesgo de pérdida de carbono a 100 años para los 95 supersections forestales de Estados Unidos continental combinando inventario, satélite, disturbance modelling y machine learning. Bajamos las 4 tablas de Source Data (Figs. 1, 3 y 4) y las desmenuzamos. **Acto 1:** el fuego es el único disturbio que responde fuerte al cambio climático — pasa de **13% a 35%** de probabilidad media a 100 años (**+22 pp, +171% relativo**); sequía e insectos suben mucho menos. **Acto 2:** **Sierra Nevada** suma 85 puntos porcentuales adicionales de riesgo combinado por clima; California y el Intermountain West dominan el top 10, pero también aparecen Blue Ridge y Laurentian. **Acto 3:** sobre los 116 proyectos reales del programa CARB, **79% tienen riesgo natural mayor que su buffer** y en **61% solo el fuego ya se come el colchón**. El factor promedio de subdimensionamiento del buffer pool es **6,3×** (rango 2,2–8,0× según escenario). ⚠️ Es paper de modelado, no observación. ⚠️ El riesgo combinado puede superar 100% porque los disturbios pueden ocurrir secuencialmente en un siglo. ⚠️ El 6,3× es promedio entre 7 escenarios de sensibilidad — la decisión de política depende de cuál se considere relevante. [Ver notebook](../papers/2026-05-28-buffer-pool-bosques-carbono/notebook) · [Leer más](../papers/2026-05-28-buffer-pool-bosques-carbono/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-05-28-buffer-pool-bosques-carbono/notebook.ipynb) --- ## Tormentas urbanas en Texas: la ciudad las parte en dos *Nature* · Liu et al. (2026) clasificaron **más de 40.000 tormentas** de temporada cálida en cuatro ciudades de Texas — Dallas, Austin, San Antonio y Houston — con datos de radar 3D entre 1995 y 2017. Bajamos los pickles de Zenodo, los aplanamos a 4 CSVs y los desmenuzamos. **Acto 1:** las tormentas locales (célula única + aisladas) crecen +7-31% sobre tres ciudades — Houston suma casi un tercio más; Dallas es la excepción (-5,2% en célula única). **Acto 2:** el pico es nocturno — **99,9%** de las tormentas locales sobre Houston caen entre 0-4 UTC (atardecer-noche local en Texas). **Acto 3:** los frentes fríos hacen lo contrario — pierden intensidad a baja altitud (1-5 km) al cruzar la ciudad: Dallas -17,8%, Austin -14,8%, San Antonio -14,2%, Houston -11,5%. El paper titula -16 a -28% con una métrica de intensidad más fina que no es reproducible solo con los datos públicos; el patrón cualitativo es idéntico. ⚠️ Solo Texas, solo temporada cálida (May-Sep). ⚠️ Es estudio observacional — los mecanismos (efectos térmicos, rugosidad urbana) son hipótesis del paper, no probados. ⚠️ Dallas no encaja en el rango +7-31% del headline — el rango refleja máximos por ciudad. [Ver notebook](../papers/2026-05-20-tormentas-urbanas-texas/notebook) · [Leer más](../papers/2026-05-20-tormentas-urbanas-texas/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-05-20-tormentas-urbanas-texas/notebook.ipynb) --- ## Granizos más grandes en un clima más cálido *Nature* · Wang et al. (2026) corrieron un modelo semi-3D de trayectorias de granizo forzado por **5 corridas del ensemble EC-Earth3** y validado contra observaciones reales en EEUU (**9.462 reportes**, 2010-2020) y China (**8.818 reportes**, 1986-1999). Bajamos 4 CSVs de Figshare y los desmenuzamos. **Acto 1:** el modelo proyecta para finales del s. XXI un incremento de **36,5–42,1%** en el daño global por granizo, **37,9–51,8%** más granizos ≥30 mm y **4,2–12,3%** menos pequeños (rangos según escenario SSP245/370/585). **Acto 2:** la validación US se sostiene — ratio simulado/observado **= 1,20** en la media del histograma agregado. **Acto 3:** el caso China muestra que el "error" 2,5x del modelo no es del modelo: entre los 70s y 90s, los reportes se cuadruplican (~170 → ~630/año) mientras el diámetro medio cae **40%** (17,1 → 10,2 mm) — densificación de la red de observación, no señal climática. ⚠️ Las cifras del futuro son proyecciones de modelo, no observaciones. ⚠️ Los NetCDFs del futuro pesan >5 GB y no son descargables; los rangos vienen del abstract. ⚠️ El muestreo global está sesgado a baja latitud por diseño (diversidad de entornos convectivos). [Ver notebook](../papers/2026-05-27-granizo-global-clima/notebook) · [Leer más](../papers/2026-05-27-granizo-global-clima/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-05-27-granizo-global-clima/notebook.ipynb) --- ## 1,6 millones de km² de selva no han vuelto a "sudar" igual *Nature Geoscience* · Ahmad et al. (2026) cruzaron el modelo hidrológico **Noah-MP** con datos satelitales de humedad del suelo, biomasa y agua subterránea a **1 km de resolución, 2003–2020**, para mapear cómo cae y se recupera la evapotranspiración (ET) en casi **12 millones de km²** de la Sudamérica tropical. Bajamos los rasters de Zenodo, los agregamos servidor-side a 5 CSVs y los desmenuzamos en tres actos. **Acto 1:** la cola larga — el **36%** del territorio recupera ET en un año, pero el **13,5%** (1,6 M km², más que Perú entero) no la ha recuperado en 7 años o más. **Acto 2:** el bajón es continental — **85%** del territorio bajo -1σ ESI, **43%** bajo -2σ (decline severo). **Acto 3:** los parches que más tardan también caen más profundo — Spearman ρ = **-0,36** (p<10⁻⁹), gradiente de **+0,09σ** (sin decline) a **-2,28σ** (decline severo) a medida que la persistencia sube de 0 a 7+ años. ⚠️ Los rasters publicados no incluyen máscara de tipo de stress (deforestación/fuego/sequía) ni de bioma — los headlines **21–22% más persistencia por deforestación** y **Cerrado vs Pantanal** son del modelo Noah-MP completo, no replicables desde el raster final. [Ver notebook](../papers/2026-05-19-evapotranspiracion-deforestacion-sudamerica/notebook) · [Leer más](../papers/2026-05-19-evapotranspiracion-deforestacion-sudamerica/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-05-19-evapotranspiracion-deforestacion-sudamerica/notebook.ipynb) --- ## Chacal dorado en Europa: el lobo lo limita, los humanos lo escudan *Nature Ecology & Evolution* · Ranc et al. (2026) compilaron **8.991 muestreos acústicos** en **12 países** entre 2001 y 2019 para entender qué expande al chacal dorado por Europa. Bajamos los datos de Zenodo y los desmenuzamos en tres actos. **Acto 1:** la prevalencia del chacal cae de **23,9%** (n=6.185) sin lobo a **17,3%** (n=2.806) con lobo — una caída relativa del **28%**, chi² = 49,1, p < 10⁻¹¹. **Acto 2:** el efecto no es uniforme — en paisajes abiertos (0-30% bosque) la diferencia con/sin lobo casi desaparece, pero en bosques densos (>30%) la presencia del chacal con lobo se reduce de **~25% a ~10%**. El bosque es el árbitro. **Acto 3:** Hungría — **3.385 muestreos, el 38% del dataset**, prácticamente sin lobos (0,06% de prevalencia). Ahí el chacal está al **22,7%**, en el cuartil superior de Europa: el "experimento natural" que el resto del continente quizá esté a punto de repetir. ⚠️ Dataset observacional — la causalidad lobo → menos chacal sale del modelo multivariado del paper, no del análisis bivariado. ⚠️ Los porcentajes 75%, 6×, 18% son proyecciones del SDM, no estadísticos descriptivos. [Ver notebook](../papers/2026-05-26-chacal-dorado-europa/notebook) · [Leer más](../papers/2026-05-26-chacal-dorado-europa/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-05-26-chacal-dorado-europa/notebook.ipynb) --- ## Cuando el permafrost se derrite y los arroyos se vuelven ácido sulfúrico *Science* · Skierszkan et al. (2026) **documentan** un fenómeno geoquímico abrupto: al deshelarse el permafrost en cabeceras de los ríos Yukon y Mackenzie, los sulfuros minerales del bedrock se oxidan al aire por primera vez en milenios, generando ácido sulfúrico y liberando metales pesados a concentraciones tóxicas. Bajamos los datos del preprint EarthArXiv (Open Access) — Table S1, Figura S8F y series ECCC — y los desmenuzamos en tres niveles. **Las surgencias** (n=10): pH mediano **3,1** (rango 2,7–6,1) — el mismo rango del drenaje ácido de minas, pero natural. **Los arroyos receptores** (KM99/KM71/KM175, 156 muestras): cadmio supera el umbral CCME en **92–100% de las muestras** en los tres, zinc en 98%/57%/100%. La heterogeneidad refleja qué minerales sulfurosos contiene cada bedrock. **Los ríos grandes** corriente abajo (Peel, Ogilvie, Klondike): pH casi neutro (~8), pero **sulfato subiendo de forma sostenida** durante décadas — el Peel duplicó su tasa desde 2000. Dawson City se calienta **+0,04 °C/año** (p<0,001, 1961–2024). ⚠️ Estudio observacional, la causalidad climática es inferida químicamente sólida pero no aislada experimentalmente. ⚠️ n=10 surgencias frente a "decenas" del paper. ⚠️ La proyección regional (más allá del TWO) es extrapolación basada en litologías + datos históricos. [Ver notebook](../papers/2026-05-21-acidificacion-arroyos-permafrost/notebook) · [Leer más](../papers/2026-05-21-acidificacion-arroyos-permafrost/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-05-21-acidificacion-arroyos-permafrost/notebook.ipynb) --- ## Humedales y metano: 28 modelos, el mismo veredicto *Nature Geoscience* · Zhang et al. (2026) corrieron un ensamble de **7 modelos terrestres × 4 forzantes climáticos = 28 simulaciones** del metano natural de humedales 2006-2099 bajo calentamiento alto. **Los 28 caminos aumentan** — la mediana global pasa de **224,5 Tg CH₄/año (2010s) a 327,6 Tg/año (2090s)**, un **+53,9 %** (P17-P83: 37-64 %). Los autores filtran ese ensamble con **163 años-sitio de torres de flujo (eddy-covariance)** y obtienen la cifra titular del paper: **50-60 % más emisiones por los 2090s**. Nuestra mediana cruda cae justo en esa banda. La descomposición regional muestra el contraste: **los trópicos aportan 72 % del aumento absoluto** (81,6 Tg/año), pero la región boreal **duplica sus emisiones** (+102 %) — el mayor cambio relativo del planeta, aunque pequeño en términos absolutos (7,2 Tg/año). Solo en la década 2030, el aumento adicional ya equivale a **9 % del CH₄ humano de 2020 (380 Tg)**, "comparable" — dice el paper — a lo que el **Global Methane Pledge** (recorte 30 %) prometió eliminar. ⚠️ Cubre alrededor de un tercio del recorte humano comprometido, no la totalidad. ⚠️ El filtro emergente no es replicable con los datos públicos (requiere series de temperatura de cada ESM). ⚠️ La cobertura observacional está sesgada a latitudes medias y altas — los trópicos, donde está la mayor masa del aumento, son justo donde queda más incertidumbre. [Ver notebook](../papers/2026-05-20-metano-humedales-clima/notebook) · [Leer más](../papers/2026-05-20-metano-humedales-clima/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-05-20-metano-humedales-clima/notebook.ipynb) --- ## Fitoplancton reconvierte progestogenos a su forma activa *Nature Water* · Mu et al. (2025) muestran que el fitoplancton hace exactamente lo contrario que el hígado humano: el cuerpo desactiva el **acetato de noretindrona (NEA)** —el progestógeno sintético que llevan muchas pastillas anticonceptivas— para excretarlo, y el fitoplancton le arranca el acetato, devolviéndolo a **noretindrona**, un neuroesteroide más potente que la molécula original. **18 especies cultivadas en lab —todas las que probaron— lo hacen**. Y no es local: el gen responsable, una *adenylosuccinate lyase*, aparece en **135 MAGs eukariotos repartidos en 11 océanos** (del Mediterráneo al Pacífico Sur, datos de TARA Oceans). Chromista + Plantae concentran el **86,7 %** de los MAGs — dos reinos evolutivamente muy distantes, lo que sugiere una huella molecular muy antigua. El mismo gen vive además en **29.709 genomas procariotas** (Pseudomonadota concentra el 41,6 %). ⚠️ Detectar el gen no es lo mismo que verlo activo: el paper sí muestra transcripción en metatranscriptomas, pero la actividad enzimática cuantitativa *in situ* no se mide. ⚠️ El paper usa "may exacerbate" para el riesgo ecológico — plausible, no cuantificado. [Ver notebook](../papers/2026-05-19-fitoplancton-reconvierte-progestogenos/notebook) · [Leer más](../papers/2026-05-19-fitoplancton-reconvierte-progestogenos/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-05-19-fitoplancton-reconvierte-progestogenos/notebook.ipynb) --- ## Parches grandes de bosque capturan más carbono por hectárea *Nature Ecology & Evolution* · Zou et al. (2026) mapearon **16,9 millones de parches forestales** en Estados Unidos continental con sensores remotos y, controlando por clima, suelo y topografía, midieron la productividad por unidad de área en cada uno. La curva sube de forma monótona: una hectárea metida en un parche de **~100 000 km² es 38% más productiva** que esa misma hectárea aislada. Análisis contrafactuales indican que la fragmentación que ya existe **redujo la NPP de CONUS en 0,16 GtC al año (14%)** vs un escenario de bosques contiguos. El Random Forest confirma que el tamaño del parche pesa más que las variables topográficas y de suelo — pero ojo: **el clima (MAT, precipitación) sí supera al tamaño**, matiz que el abstract no menciona. Replicando globalmente, **5 de 6 continentes** muestran la misma relación positiva; **Europa es la única excepción** (-0,003). ⚠️ Diseño OBSERVACIONAL — la asociación es robusta, no un experimento causal. ⚠️ El bin extremo de 134 000 km² es un único parche (n=1, sin SEM); por eso preferimos la regresión continua del paper (+38%) sobre el extremo discreto (+67%). ⚠️ Datos globales por continente con resolución más gruesa que CONUS — la pendiente de Europa puede estar sub-estimada. [Ver notebook](../papers/2026-05-15-parches-bosque-productividad/notebook) · [Leer más](../papers/2026-05-15-parches-bosque-productividad/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-05-15-parches-bosque-productividad/notebook.ipynb) --- ## Dos tercios del deshielo extra de la Antártida vienen del propio deshielo *Nature Geoscience* · Youngs et al. (2026) corren la primera simulación circumpolar de la Antártida con plataformas de hielo interactivas (MITgcm + GFDL-CM4, escenario SSP5-8.5) y descomponen el aumento del derretimiento basal en dos piezas: lo que mete el calentamiento directo del océano y lo que añade el propio agua de deshielo al volver a la cavidad. **El 66% del aumento total viene de la segunda pieza** — un feedback que la mayoría de modelos climáticos ni siquiera tiene. La firma es 531 Gt/año adicionales vs 274 Gt/año del calentamiento directo (suma sobre 10 sectores). Y el feedback no es uniforme: **amplifica en 4 sectores** (Weddell, Amery, Maud, Wilkes — cavidades densas donde el agua salina aligerada deja entrar agua cálida bajo la plataforma) y **protege en 6** (Bellingshausen, Amundsen, Ross, Adelie, Península, Enderby — donde el agua dulce de las cavidades densas forma un escudo aguas abajo). Weddell solo aporta el 87% del aumento circumpolar. ⚠️ Es un solo modelo bajo un solo forzamiento; otros modelos pueden dar magnitudes distintas. ⚠️ Los 10 sectores son una partición convencional del modelo, no fronteras físicas. ⚠️ El Spearman T vs deshielo por sector da ρ=-0,20 con p=0,58 (n=10): la geometría de cavidad, no el calentamiento neto, manda la respuesta. [Ver notebook](../papers/2026-05-15-antartida-feedbacks-deshielo/notebook) · [Leer más](../papers/2026-05-15-antartida-feedbacks-deshielo/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-05-15-antartida-feedbacks-deshielo/notebook.ipynb) --- ## Los ríos del Himalaya están serpenteando casi al doble de velocidad *Science* · Lin et al. (2026) midieron cómo migra lateralmente cada uno de **650 meandros pareados** en tres cuencas mayores del Himalaya — **Yarlung Tsangpo, Ganges, Indus** — comparando dos ventanas: **1980s–90s vs 2000s–10s**. La mediana de migración pasó de **1,02 a 1,81 m/año (ratio = 1,77×)**; el **93%** de los meandros aceleró. **Wilcoxon p ≈ 10⁻⁹², Cohen's d pareado = 0,72**. Pero la aceleración no es uniforme: **Ganges 2,16×, Indus 1,91×, Yarlung Tsangpo 1,62×** — y el Yarlung aporta 75% de la muestra. La temperatura subió **+0,87 °C** en esas mismas décadas, pero la correlación directa T → migración es modesta (**ρ = 0,33**). ⚠️ Diseño **OBSERVACIONAL**: la causalidad clima → migración es hipótesis del paper, sostenida por un modelo SEM, no por la comparación pareada. ⚠️ El claim del paper sobre *"amplified sediment fluxes"* **no aparece en los datos crudos** — Qs cayó 43%; el paper lo sostiene con su SEM, no con medias temporales. [Ver notebook](../papers/2026-05-14-rios-himalaya-meandros-clima/notebook) · [Leer más](../papers/2026-05-14-rios-himalaya-meandros-clima/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-05-14-rios-himalaya-meandros-clima/notebook.ipynb) --- ## El 100% del planeta responde igual a la lluvia más concentrada: con menos agua *Nature* · Lesk & Mankin (2026) construyeron índices de **concentración Gini** (Gp) — qué tan desigual cae la lluvia anual en eventos diarios — para cada celda de 0.5° del land surface global, 1980-2022. Regresión panel: ¿qué le pasa a las reservas hídricas terrestres (TWS) cuando sube la Gini, manteniendo constante la precipitación total? Resultado: **100% de las 259.200 celdas** tienen respuesta negativa (más Gini → menos agua), mediana **-21,5 mm de TWS por unidad de Gini**. El efecto secante es **comparable** al humectante de la precipitación total — ratio promedio entre 3 productos independientes (CPC, GPCC, GPCP) ≈ **0,59**. De las **494 cuencas hidrográficas** analizadas (R² mediana 0,92), **28,3%** muestran drying significativo vs **15,4%** wetting significativo. Y la proyección a **+2°C** dice que la concentración sube en **100%** del land surface (mediana +0,0315 /K). ⚠️ Las regresiones son correlacionales; la causalidad descansa en modelos hidrológicos idealizados. ⚠️ El ratio efecto-secante/humectante varía 2,3× entre productos (0,35 a 0,81) — la magnitud comparable es robusta, pero el valor puntual no. ⚠️ Contraintuitivo: **82,4%** del globo en 1980-2022 vio la concentración Gini **bajando** — el efecto fuerte está en la proyección, no en el presente. [Ver notebook](../papers/2026-05-13-precipitacion-concentrada-agua/notebook) · [Leer más](../papers/2026-05-13-precipitacion-concentrada-agua/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-05-13-precipitacion-concentrada-agua/notebook.ipynb) --- ## El precio oculto de la fauna en Europa *Nature Ecology & Evolution* · Las leyes de 24 países europeos asignan precios oficiales a cada especie para calcular multas. Sobre **9.971 entradas (3.031 especies únicas)** los autores muestran que el orden del precio se predice mejor por la **clase taxonómica** y la **lentitud reproductiva** que por el riesgo de extinción. Mamíferos cobran **7,1× más** que el resto de fauna y aves **3,7× más** (Mann-Whitney p ≈ 10⁻²³³ y 10⁻²⁶¹). La duración generacional es la correlación más fuerte (ρ Spearman ≈ 0,36). La categoría IUCN influye pero **no es estrictamente monotónica**: las especies *En peligro* (€443) reciben más que las *En peligro crítico* (€358). Y la correlación con longevidad máxima es **ligeramente negativa** (ρ = −0,089) — vivir muchos años no encarece el precio legal. Entre países, ratio Kosovo/Bulgaria = **411×** para la misma legislación europea. ⚠️ Datos pre-agregados — los tests inferenciales son del paper sobre el dataset full, no recomputados aquí. ⚠️ España aporta el 33% del dataset; algunos países tienen muestras chicas (Polonia n=12). [Ver notebook](../papers/2026-05-13-precio-fauna-europa/notebook) · [Leer más](../papers/2026-05-13-precio-fauna-europa/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-05-13-precio-fauna-europa/notebook.ipynb) --- ## Primer incendio alpino del siglo XXI en los Rwenzori — 12.000 años de registro *Nature* · Mason et al. (2026) reconstruyen 12 milenios de registro de fuego en dos lagos de los montes Rwenzori (frontera Uganda-RDC). En el **Lago Kopello** (4.017 m, zona afroalpina), el pico de **2014 alcanzó 87 partículas de carbón por cm²/año** — **4,35× más alto** que el máximo de los 12.000 años anteriores (20) y **223× la media** del registro (0,39). En el **Lago Mahoma** (2.990 m, bosque), el cambio ocurrió antes: el fuego subió **5,5×** hace ~2.000 años (Mann-Whitney p<0,001, Cohen's d=2,2). El polen del mismo período cuenta el otro lado de la historia: **Poaceae +11 pp**, **Podocarpus +8,6 pp**, **Celtis africana −7,5 pp** — el dosel se abre. ⚠️ El 86% de muestras pre-1950 en Kopello tienen carbón >0: eso es transporte regional, no fuego local; lo sin precedentes es la **magnitud**, no la presencia. ⚠️ Diseño observacional — la coincidencia temporal con actividad humana es correlación, no causa. ⚠️ n=44 vs n=19 en polen. [Ver notebook](../papers/2026-05-13-incendios-alpinos-rwenzori-12mil/notebook) · [Leer más](../papers/2026-05-13-incendios-alpinos-rwenzori-12mil/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-05-13-incendios-alpinos-rwenzori-12mil/notebook.ipynb) --- ## El CO₂ enfría la estratosfera (y eso amplifica su forzamiento) *Nature Geoscience* · Cohen et al. (2026) usan un modelo radiativo idealizado (Konrad 1D) corrido a **6 concentraciones de CO₂ (70 → 2240 ppm)** y lo cruzan con **36 modelos CMIP6 + 3 reanálisis** (ERA5, JRA-55, MERRA-2) para explicar por qué el CO₂ calienta abajo y **enfría arriba**. A 1 hPa (≈48 km) cada duplicación de CO₂ enfría la estratopausa **~9 K** — pero la tropopausa no se mueve: la temperatura a 100 hPa varía menos de **0,3 K** entre 70 y 2240 ppm. Y ese enfriamiento estratosférico **amplifica el forzamiento radiativo** del CO₂ entre **50 % y 70 %** según el setup numérico. Los 34 modelos CMIP6 que llegan a 1 hPa muestran enfriamiento (mediana −0,92 K/déc); los reanálisis observacionales muestran enfriamiento aún más intenso en estratosfera alta (ERA5: −1,84 K/déc a 3 hPa). ⚠️ Konrad es 1D idealizado: SST fija a 287 K, sin dinámica meridional, sin H₂O variable. ⚠️ El paper reporta amplificación "*about 50 %*" pero nuestro cálculo directo (ERF − IRF)/IRF da +62,9 % en el barrido de duplicaciones y +69,2 % en el barrido SST — el paper no especifica la definición usada. ⚠️ Las tendencias CMIP6 1980-2019 mezclan la firma del CO₂ con la recuperación del ozono y la variabilidad solar — no son enfriamiento puro de CO₂. [Ver notebook](../papers/2026-05-13-co2-enfria-estratosfera/notebook) · [Leer más](../papers/2026-05-13-co2-enfria-estratosfera/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-05-13-co2-enfria-estratosfera/notebook.ipynb) --- ## Áreas protegidas de Etiopía: cuando proteger funciona y duele a la vez *Nature Ecology & Evolution* · Jago et al. (2026) caracterizaron la red de áreas protegidas de Etiopía (**79 unidades, 9,4% del territorio**) y aplicaron un diseño cuasi-experimental con matching estadístico sobre **4.702 gridcells emparejados** para estimar si funcionan, y sobre **802 hogares emparejados** (401 dentro de 10 km + 401 control) para medir el costo social. Las áreas estrictas se asocian con **-44% expansión agrícola** (CI 95%, p<0,001) y **+76% pastizales**, pero los hogares cercanos terminan con **~1,23 meses menos de comida adecuada** al año (ATT=-1,23; p<0,001). Proyectado a escala nacional sobre 3,2 M hogares, eso son ~**3,9 millones de hogar-meses perdidos** (CI 2,9–4,9 M). El **68% de las 25 PAs evaluadas** muestran trade-off; solo **20% son win-win**. Y el **77% de 37 profesionales conservacionistas etíopes** priorizan mejorar la red existente sobre expandirla (Kendall W=0,74). ⚠️ Diseño cuasi-experimental, no RCT — los efectos son estimados contra contrafactual estadístico. ⚠️ El headline 3,9 M es proyección poblacional desde n=802 hogares, no medición directa. ⚠️ El histograma de robustez del notebook es simulación basada en el SE reportado, no replicación de las 56 specs reales del paper. [Ver notebook](../papers/2026-05-12-areas-protegidas-etiopia-tradeoffs/notebook) · [Leer más](../papers/2026-05-12-areas-protegidas-etiopia-tradeoffs/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-05-12-areas-protegidas-etiopia-tradeoffs/notebook.ipynb) --- ## Plantas que no pueden seguirle el paso al clima *Science* · Wang et al. (2026) construyeron el modelo de proyección de migración vegetal más grande del mundo: cruzaron **BioShifts** (14.488 observaciones de cambios de rango en 6.579 especies) con 6,8 millones de registros de ocurrencia, dos modelos de hábitat y proyecciones de 10 modelos climáticos globales. Mapearon hábitats actuales y futuros en cuadrículas de 8 × 8 km para **67.664 especies de plantas vasculares** bajo 4 escenarios de emisiones para 2081–2100. La mediana proyectada va de **0,04 a 1,84 km/año** entre escenarios — un factor de 42×. Los **árboles** se proyectan **26% más lentos** que las hierbas: tardan 15 años en producir su primera semilla, las hierbas un año. El modelo proyecta que **7 a 16% de las especies modeladas** perderían más del 90% de su rango, y atribuye **70–80% de esas pérdidas** a hábitats que desaparecen, no a límites de dispersión. ⚠️ Diseño de modeling_projection — toda cifra sobre 2081–2100 es una proyección bajo supuestos. ⚠️ Los datos abiertos en Zenodo son agregados, no rasters por celda; los headlines del 7–16% y 70–80% se citan al paper, no se recalculan aquí. ⚠️ La resolución 8 × 8 km no captura microrefugios topográficos donde algunas especies podrían persistir. [Ver notebook](../papers/2026-05-10-rango-plantas-clima-extincion/notebook) · [Leer más](../papers/2026-05-10-rango-plantas-clima-extincion/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-05-10-rango-plantas-clima-extincion/notebook.ipynb) --- ## Cuánto pagó limpiar bosques antes del fuego: $1 → $3,73 *Science* · Strabo et al. (2026) integraron datos de alta resolución sobre incendios MTBS, tratamientos forestales (FACTS), esfuerzo de supresión y daños en el oeste de EEUU para responder una pregunta directa: ¿pagan los **fuel treatments**? Aplicando un diseño cuasi-experimental espacial (DiD) sobre 700 tratamientos cruzados con incendios reales entre 2017 y 2023, encontraron que **cada $1 invertido devolvió $3,73 en beneficios esperados** — y las 6 especificaciones de robustez van de $1,93 a $4,28, todas por encima del break-even. Total: **$2.800 millones en daños evitados** por menor pérdida de estructuras, menos emisiones de CO₂ y menos exposición a PM2.5. ⚠️ Diseño cuasi-experimental, no RCT — la identificación causal viene de la exogenidad espacial. ⚠️ California aporta 30% de los incendios con datos de emisiones; extrapolar al Mediterráneo o Australia requiere más trabajo. ⚠️ Las muertes (10.321 atribuidas a humo) son atribuciones modeladas (Wen 2023), no certificados de defunción. ⚠️ El desglose de los $2.800M por componente vive en el paper, no en los CSVs procesados. [Ver notebook](../papers/2026-05-10-fuel-treatments-cost/notebook) · [Leer más](../papers/2026-05-10-fuel-treatments-cost/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-05-10-fuel-treatments-cost/notebook.ipynb) --- ## 1 de cada 3 visitas a una flor en Nepal la hace la misma especie *Nature* · Timberlake et al. (2026) registraron **10.974 visitas de insectos a flores** en 10 aldeas del Himalaya nepalí (Patarasi, Jumla) sobre **51 cultivos** distintos. La estructura ecológica está concentrada: tres taxa de polinizadores hacen el **76,5% de las visitas**, y *Apis cerana* — la abeja de la miel asiática — hace una de cada tres. Cuando se cruza esa red con la dependencia de polinización por cultivo, aparecen **9 cultivos con dependencia ≥85%**: rábano, daikon, calabaza, cebolla, repollo y otros, donde perder polinizadores es perder casi toda la producción. Bajo el escenario hipotético de pérdida total, los 29 cultivos modelados perderían en promedio **59% del rendimiento**. ⚠️ Los headlines del paper sobre **44% del ingreso agrícola** y **20% del consumo de vitamina A/folato/E** se citan al paper, no se reproducen aquí (requieren el dataset dietético individual de 776 MB en Git LFS). ⚠️ La categoría "Fly" agrupa toda Diptera; el desglose específico de sirfidae (hoverflies) vive en otra tabla del estudio. ⚠️ Los escenarios de yield son proyecciones modelísticas, no observaciones. [Ver notebook](../papers/2026-05-06-polinizadores-nutricion-nepal/notebook) · [Leer más](../papers/2026-05-06-polinizadores-nutricion-nepal/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-05-06-polinizadores-nutricion-nepal/notebook.ipynb) --- ## El níquel para descarbonizar y los trópicos *Nature Ecology & Evolution* · Hyman et al. (2026) construyeron una base mina-por-mina con **487 depósitos de níquel del mundo** (179 lateritas tropicales + 308 sulfuros magmáticos boreales) y corrieron **PEMMSS**, un modelo Monte Carlo bajo escenarios IEA APS/STEPS/NZE hasta 2050. El modelo proyecta que **entre el 78% y el 83% del suministro futuro vendrá de lateritas tropicales** — el mismo tipo de mina que es desproporcionadamente costera (**55% a ≤50 km del mar** vs 12% de sulfuros) y se concentra en la franja ecuatorial (mediana lat **−1,4°** vs +46,4° en sulfuros). PEMMSS las prioriza por economía: lateritas tienen mayor grado mediano (**1,11% Ni vs 0,54%**) y mayor recurso (**45 Mt vs 13 Mt**). ⚠️ Las cifras 78–83% y "mitad amenaza top 10% terrestre" son OUTPUTS del modelo, no reproducibles desde inputs públicos. ⚠️ Por count puro, solo 4 de 487 minas están en celdas TBCV ≥ 90 — el headline opera por volumen proyectado, no por count. ⚠️ Diseño no experimental: el paper proyecta riesgo bajo escenarios, no observa destrucción. [Ver notebook](../papers/2026-05-06-niquel-tropical-conservacion/notebook) · [Leer más](../papers/2026-05-06-niquel-tropical-conservacion/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-05-06-niquel-tropical-conservacion/notebook.ipynb) --- ## La deforestación baja el umbral climático del Amazonas en 2 °C (según el modelo) *Nature* · Wunderling et al. (2026) corren PyCascades — un modelo dinámico del Amazonas — sobre una grilla de **416 celdas de 1° × 1°** y **1,25 millones de simulaciones** (3.000 réplicas × 10 ensembles) bajo cuatro escenarios SSP. Sin deforestación, el modelo proyecta el umbral del bosque entre **3,7 y 4,0 °C** de calentamiento. Con la deforestación de tipo *Business as Usual* (22-28 % del bioma), el umbral cae a **1,5–1,9 °C** — exactamente el rango donde apunta la meta del Acuerdo de París. El contraste es brutal en SSP1-2.6 (+1,8 °C, el escenario más cercano a París): **0 % del Amazonas en transición sin deforestación**, **62 % con deforestación BaU** — 62 puntos porcentuales que dependen sólo del escenario de uso del suelo. A 4 °C la brecha se reduce a 43 pp porque el sistema climático ya empuja por su cuenta. ⚠️ Es un modelo de simulación, no observación. El paper habla siempre en términos de proyección y riesgo. ⚠️ El moisture recycling validado contra ERA5 muestra +5,5 % de sesgo (R² = 0,59); se basa en NorESM2 y otros modelos climáticos podrían arrojar umbrales distintos. [Ver notebook](../papers/2026-05-06-amazon-deforestacion-umbral/notebook) · [Leer más](../papers/2026-05-06-amazon-deforestacion-umbral/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-05-06-amazon-deforestacion-umbral/notebook.ipynb) --- ## Oropouche en Brasil: 9× más casos en un año *Nature Ecology & Evolution* · Giovanetti et al. (2026) reconstruyeron la dinámica del brote de fiebre Oropouche en Brasil con filogeografía bayesiana sobre tres segmentos del genoma viral (L, M, S, **100 muestras posteriores cada uno**) y modelado de nicho ecológico. Los datos del Ministerio de Salud confirman **8.762 casos individuales** entre 2023 y 2024: pasamos de **831 casos en 11 estados** a **7.931 en 27 estados** (9.5×), con 16 estados nuevos incluyendo costa atlántica (BA, CE) y Sudeste/Centro-Oeste. La mediana global de velocidad de dispersión es **2.162 km/año** (n=300), y **el 66% de las muestras posteriores supera el techo del vuelo natural de Culicoides paraensis** (~1.825 km/año en línea recta). ⚠️ Es un estudio observacional: el paper enmarca el rol del transporte humano como *probable* (no causación) en saltos largos. [Ver notebook](../papers/2026-04-22-oropouche-expansion-brasil/notebook) · [Leer más](../papers/2026-04-22-oropouche-expansion-brasil/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-04-22-oropouche-expansion-brasil/notebook.ipynb) --- ## El pez que se cocina a sí mismo cuando crece *Science* · Payne et al. (2026) construyeron un modelo de producción y disipación de calor para peces, calibrado con **105 mediciones empíricas** del coeficiente de enfriamiento en **19 especies** — desde una larva de **0.3 gramos** hasta un tiburón ballena juvenil de **1600 kg** (6.7 órdenes de magnitud de masa). Los mesotermos (atunes, pez espada, marrajo) gastan **3.73× más energía** que un ectotermo del mismo tamaño y temperatura corporal — el paper redondea a "approximately four times". Verificamos el coeficiente Bayesiano `exp(ψ=1.3165)` y re-derivamos la pendiente del coeficiente de enfriamiento (OLS pooled = -0.621 vs paper -0.633, Δ ≈ 2%). El **scaling mismatch** entre producción de calor (∝ M^0.83) y disipación (K·m ∝ M^0.37) hace que el cociente crezca como **M^0.46**: pasar de 1 kg a 1000 kg multiplica el desbalance térmico por **24×**. ⚠️ El claim de que esto explica la biogeografía templada de los mesotermos grandes es interpretativo (el abstract usa "helping to explain") — no causal probado. [Ver notebook](../papers/2026-04-16-peces-mesotermicos-sobrecalentamiento/notebook) · [Leer más](../papers/2026-04-16-peces-mesotermicos-sobrecalentamiento/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-04-16-peces-mesotermicos-sobrecalentamiento/notebook.ipynb) --- ## Los robles retrasan su brotación tres días tras un año de herbivoría *Nature Ecology & Evolution* · Mallick et al. (2026) usan **5 años de imágenes de radar satelital** sobre **27.500 píxeles** de bosque de roble en el centro de Europa, distribuidos en **60 sitios** bajo manipulación experimental de carga herbívora. Los árboles que sufrieron mucha herbivoría retrasan la salida de sus hojas el año siguiente: **3 días en promedio** — suficiente para cancelar una década de adelanto fenológico provocado por el calentamiento. El efecto **se duplica en el año del brote (6,9 días)** cuando uno esperaría que la presión desbordara la respuesta. Y se replica en **98,3% de los 240 plot-año** (Cohen's d *one-sample* = 2,03). ⚠️ La cifra del **55%** del titular ("la herbivoría siguiente cae 55%") requiere caveat: la métrica cruda `(Δherbi/herbi)×100` es inestable cuando la herbivoría base ≈ 0, y los píxeles que adelantaron brotación dan también −55%. El paper sostiene su resultado con un GAM con efectos espaciales/aleatorios; este Lab muestra el camino crudo y dónde se rompe. [Ver notebook](../papers/2026-05-02-arboles-retrasan-brotacion-herbivoros/notebook) · [Leer más](../papers/2026-05-02-arboles-retrasan-brotacion-herbivoros/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-05-02-arboles-retrasan-brotacion-herbivoros/notebook.ipynb) --- ## Consumo de carne silvestre sube 51% en África Central (22 años) *Nature* · Bessone et al. (2026) cruzan datos de **más de 12.000 hogares en 252 ubicaciones** de África Central con un modelo Bayesiano espacial sobre una grilla de 90×90 km. La cifra global del consumo de carne silvestre creció de **0,73 a 1,10 millones de toneladas/año** entre 2000 y 2022 (estimación del paper) — y el patrón es casi universal: **94,8% de las 651 celdas** del bosque centroafricano consumen más que en 2000. En este Lab abrimos los CSVs de Zenodo (predicciones del modelo M_final), reproducimos la cifra agregada (1,06 → 1,61 Mt en nuestra suma por celda; el ratio de crecimiento coincide al 0,3% con el del paper), mapeamos los hotspots espaciales y verificamos los predictores con Spearman: **lejanía (REM) ρ = 0,89 y condición del bosque (FCI) ρ = 0,88** son los predictores positivos más fuertes. ⚠️ Los datos crudos por hogar están restringidos por acuerdo con las agencias estadísticas nacionales — solo se analiza el output del modelo Stan agregado a CSVs. [Ver notebook](../papers/2026-05-01-carne-silvestre-africa-central/notebook) · [Leer más](../papers/2026-05-01-carne-silvestre-africa-central/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-05-01-carne-silvestre-africa-central/notebook.ipynb) --- ## La huella humana en las mareas: 25 ríos cambiados *Nature Geoscience* · Beemster et al. (2026) cruzan registros históricos (s. XIX–XX) y modernos (1990–2024) de **25 estuarios** en 9 países. **16 de 25 amplificaron** su rango máximo de marea (mediana **+8,6%**, rango de **+38,5%** en Coos Bay a **−17,2%** en James). La onda de marea entra y se transforma: la velocidad sube **~35%** (paper: 38%) en 21 de 24 estuarios. Pero el dato que reordena la intuición está en la geografía del cambio: **0 de 25 estuarios** tienen su máximo cambio en la boca. La mediana del punto de máximo cambio está a **94 km tierra adentro** (IQR 55–147 km), y la mediana del cambio interior es **57 cm** vs **6 cm** en la boca — casi un orden de magnitud. ¿Quién pone esa marca? Una huella humana cuantificada: **233 intervenciones** documentadas, lideradas por profundización de canales (113 eventos en **22 de 25 estuarios** — 88%) y recuperación de tierra (25 eventos en 14 de 25). ⚠️ Diseño observacional longitudinal: la concordancia espacio-temporal entre intervenciones y cambios respalda la lectura causal del paper, pero no la prueba como un experimento. [Ver notebook](../papers/2026-04-27-mareas-estuarios-huella-humana/notebook) · [Leer más](../papers/2026-04-27-mareas-estuarios-huella-humana/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-04-27-mareas-estuarios-huella-humana/notebook.ipynb) --- ## +23,9% más genes de resistencia a antibióticos en un suelo calentado 3°C *Nature* · Wu et al. (2026) calientan parcelas de pradera en Oklahoma a **+3°C constantes durante 11 años (2010–2020)** y secuencian el ADN del suelo en 88 muestras finales. La abundancia de genes de resistencia a antibióticos sube **+23,9%** vs control (LMM ajustado; nuestra mediana directa da +23,6%, coincide a 0,3 puntos). Cohen's d = 0,24 — efecto pequeño pero consistente: en los 11 de los 11 años la mediana del calentado supera a la control. Las clases más afectadas son **glicopéptidos (+24,4%, p=0,023) y rifamicinas (+25,6%, p=0,003)** — dos antibióticos que los hospitales reservan para infecciones difíciles. MLS/macrólidos sube más que ambas (+31,8%, p=0,0008) pero el abstract no lo destaca. Mann-Whitney unilateral en abundancia total: p=0,009. ⚠️ El paper enmarca la transferencia horizontal de genes como hipótesis especulativa (*could be further amplified*), no como observación directa — la sostenemos ahí, no escalamos. [Ver notebook](../papers/2026-04-27-calentamiento-resistencia-suelos/notebook) · [Leer más](../papers/2026-04-27-calentamiento-resistencia-suelos/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-04-27-calentamiento-resistencia-suelos/notebook.ipynb) --- ## El Amazonas que enfría: 6.8 W/m² de paradoja *Science* · Dror et al. (2026) cruzan dos décadas de satélites CERES y MODIS sobre el Amazonas, separando el flujo radiativo en el techo de la atmósfera (TOA) por fracción de pérdida de bosque. Los datos resumidos del NOAA Chemical Sciences Laboratory (122 bins de f_loss, 24 valores de feedback) muestran que en zonas de alta deforestación (f_loss ≥ 0,5) el flujo de onda corta saliente sube **6,76 ± 0,60 W/m²** vs bosque intacto — coincidiendo al 0,6% con el headline del paper (6,8 ± 0,6). Las nubes amplifican ese efecto: la amplificación de albedo es **× 2,2** vs el cambio de suelo desnudo, y la del flujo SW **× 3,4**. La onda corta domina sobre la onda larga por **× 12**. La pendiente OLS contra f_loss llega a **11 W/m² por unidad** (R² = 0,61, p ≈ 0, n = 122). ⚠️ Solo balance radiativo — NO incluye carbono liberado, humedad atmosférica ni ciclo hidrológico continental. El propio abstract dice que estos resultados *"apoyan"* (no *"demuestran"*) su uso en políticas climáticas. [Ver notebook](../papers/2026-04-23-amazon-forest-cooling-feedback/notebook) · [Leer más](../papers/2026-04-23-amazon-forest-cooling-feedback/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-04-23-amazon-forest-cooling-feedback/notebook.ipynb) --- ## Más vegetación, ¿menos caudal? Los datos dicen lo contrario en zonas secas *Nature Water* · 47,4% de las cuencas con verdor + E↑ tienen también caudal subiendo. El patrón se invierte donde la teoría decía que sería peor: en zonas semiáridas. Tian et al. (2026), *Nature Water*. [Ver notebook](../papers/2026-04-22-greening-no-seca-rios-semiaridos/notebook) · [Leer más](../papers/2026-04-22-greening-no-seca-rios-semiaridos/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-04-22-greening-no-seca-rios-semiaridos/notebook.ipynb) --- ## Un satélite ve temperatura. ¿Puede ver las corrientes del océano? *Nature Geoscience* · Lenain et al. (2026) introducen **GOFLOW**, una red neuronal U-Net que recibe tres imágenes térmicas consecutivas de satélite geostacionario (GOES-East, 1 hora de separación) y devuelve el campo de velocidad superficial del océano. Validada contra la simulación de referencia LLC4320 en **41 snapshots del Gulf Stream**, alcanza correlación **r ≈ 0,97** para velocidades (u, v) y preserva la asimetría positiva de la vorticidad — el hallmark del régimen submesoscale. La divergencia, en cambio, es la variable más difícil: los autores lo admiten ("somewhat less accurately reproduced") y aquí se ve explícito en los datos. [Ver notebook](../papers/2026-04-13-goflow-corrientes-submesoscale/notebook) · [Leer más](../papers/2026-04-13-goflow-corrientes-submesoscale/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-04-13-goflow-corrientes-submesoscale/notebook.ipynb) --- ## 🦠 Comercio de fauna silvestre y patógenos zoonóticos *Science* · Gippet et al. (2026), 6.456 especies de mamíferos silvestres cruzadas con 40 años de datos de comercio internacional (CITES, LEMIS). Las especies comerciadas tienen 1,5x más probabilidad de compartir patógenos con humanos (ajustado). El comercio ilegal dispara el riesgo: 72,4% de las especies ilegales son zoonóticas vs 30,6% de las solo legales (Cohen's h = 0,86). [Ver notebook](../papers/2026-04-11-comercio-fauna-patogenos-zoonoticos/notebook) · [Leer más](../papers/2026-04-11-comercio-fauna-patogenos-zoonoticos/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-04-11-comercio-fauna-patogenos-zoonoticos/notebook.ipynb) --- ## 🌳 2,7 millones de árboles: ¿compiten o cooperan? *Nature* · Detto et al. (2026), datos de 17 parcelas ForestGEO (~2,7 millones de árboles, >5.400 especies). La facilitación relativa cae de 46% en el trópico a 7% en Utah (ρ = −0,82, p < 0,001). La competencia domina en 15/17 parcelas. Temperatura del suelo y riqueza de especies son los predictores clave. [Ver notebook](../papers/2026-04-10-competencia-facilitacion-diversidad-arboles/notebook) · [Leer más](../papers/2026-04-10-competencia-facilitacion-diversidad-arboles/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-04-10-competencia-facilitacion-diversidad-arboles/notebook.ipynb) --- ## Biodiversidad resiliente en un bosque tropical *Nature* · ¿Cuánto tarda un bosque tropical en volver a la vida? 16 grupos taxonómicos en Ecuador — desde bacterias hasta murciélagos. La abundancia recupera >90% en 30 años, pero la composición de especies se queda en ~75%. [Ver notebook](../papers/2026-04-09-biodiversidad-resiliencia-bosque-tropical/notebook) · [Leer más](../papers/2026-04-09-biodiversidad-resiliencia-bosque-tropical/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-04-09-biodiversidad-resiliencia-bosque-tropical/notebook.ipynb) --- ## 🌊 Agricultura Circular con Agua de Mar y Sol *Nature Water* · Sun et al. (2026), ensayo de campo de 3 meses en Hainan — desalinización solar + agricultura circular: las sojas crecen +134% vs evaporación natural, +49% más semilla que con ósmosis inversa industrial, el sistema elimina 99,99% del sodio y alimenta a 47 personas por 0,6 ha [Ver notebook](../papers/2026-04-08-desalinizacion-solar-agricultura-circular/notebook) · [Leer más](../papers/2026-04-08-desalinizacion-solar-agricultura-circular/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-04-08-desalinizacion-solar-agricultura-circular/notebook.ipynb) --- ## ⚡ Renovables Fortalecen a Ecuador Contra la Sequía *Nature Water* · Sterl et al. (2026), 14 años de datos hidrológicos y factores de capacidad renovable — el río Paute cayó 42,4% en 2024 pero solar y eólica habrían seguido generando, revelando una "sinergia de año extremo" [Ver notebook](../papers/2026-04-07-renovables-fortalecen-ecuador-sequia/notebook) · [Leer más](../papers/2026-04-07-renovables-fortalecen-ecuador-sequia/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-04-07-renovables-fortalecen-ecuador-sequia/notebook.ipynb) --- ## ✈️ Las estelas de los aviones limpios siguen calentando el planeta *Nature* · Voigt et al. (2026), motores lean-burn con bajo hollín forman estelas masivas, datos de mediciones in-flight y modelo ACM (Zenodo) [Ver notebook](../papers/2026-04-04-estelas-aviones-hollin-bajo/notebook) · [Leer más](../papers/2026-04-04-estelas-aviones-hollin-bajo/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-04-04-estelas-aviones-hollin-bajo/notebook.ipynb) --- ## 🌧️ Nadie sabe cuánto llueve en casi todo el planeta *Nature* · 221.483 pluviómetros, 15.386 tiles globales, 68,7% sin cobertura, solo 13,4% cumple WMO [Ver notebook](../papers/2026-04-02-lluvia-pluviometros-planeta/notebook) · [Leer más](../papers/2026-04-02-lluvia-pluviometros-planeta/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-04-02-lluvia-pluviometros-planeta/notebook.ipynb) --- ## Las plantas absorben menos CO₂ desde 2001 — y son las tierras secas las culpables *Nature Geoscience* · Li et al. (2026) cruzan **40 años de torres FLUXNET con machine learning satelital (1982–2022)** y detectan que la absorción de carbono vegetal del planeta se está frenando, pero el frenado no se reparte por igual: en las regiones húmedas la fotosíntesis sigue subiendo casi al mismo ritmo (slope cae solo **−12,6%**, p=4×10⁻⁷), mientras que en las **tierras secas** el ritmo cayó **−71,7%** (de **+2,73 a +0,77 gC/m²/año**, y el segundo slope ya no es significativo: p=0,21). El sospechoso climático es el **VPD** ("sed del aire"): en esas mismas zonas su tendencia se aceleró **×12** después de 2001 (de +0,35 a +4,31 Pa/año por año). Los **ESMs CMIP6** (los modelos del IPCC) predicen lo contrario de lo observado: **+0,48 vs −1,95** en cambio de tendencia — divergencia de signo, no solo de magnitud. ⚠️ El paper habla de "atribuido principalmente a", **no causalidad** — es estudio observacional, los autores son cuidadosos y el notebook lo respeta. [Ver notebook](../papers/2026-04-01-tierras-secas-frenan-co2-vegetal/notebook) · [Leer más](../papers/2026-04-01-tierras-secas-frenan-co2-vegetal/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-04-01-tierras-secas-frenan-co2-vegetal/notebook.ipynb) --- ## 🌊 Océano dispara olas de calor *Nature Geoscience* · 42 años de olas de calor húmedo, mapa global de tendencias, comparación por décadas [Ver notebook](../papers/2026-03-28-oceano-dispara-olas-de-calor/notebook) · [Leer más](../papers/2026-03-28-oceano-dispara-olas-de-calor/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-03-28-oceano-dispara-olas-de-calor/notebook.ipynb) --- ## 🌲 Carbono de los bosques vírgenes de Suecia *Science* · 324 parcelas primarias vs 28,580 secundarias, carbono en vegetación + madera muerta + suelo, análisis pareado por humedad [Ver notebook](../papers/2026-03-28-carbono-bosques-virgenes/notebook) · [Leer más](../papers/2026-03-28-carbono-bosques-virgenes/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-03-28-carbono-bosques-virgenes/notebook.ipynb) --- ## 🏔️ Las cumbres cambian 5 veces más rápido *Nature* · 6,067 parcelas europeas re-visitadas (12-78 años), termofilización 4.8x mayor en cumbres alpinas que bosques, deuda climática acumulada de 0.37°C [Ver notebook](../papers/2026-03-24-termofilizacion-cumbres-alpinas/notebook) · [Leer más](../papers/2026-03-24-termofilizacion-cumbres-alpinas/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-03-24-termofilizacion-cumbres-alpinas/notebook.ipynb) --- ## 🌊 165,000 km de ríos donde el océano manda *Nature* · 41,910 tramos SWORD, satélite SWOT — 49.9% tidal, amplitud mediana 0.78 m, 3 tipos de marea (semidiurna/mixta/diurna) [Ver notebook](../papers/2026-03-22-rios-mareas-swot-satelite/notebook) · [Leer más](../papers/2026-03-22-rios-mareas-swot-satelite/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-03-22-rios-mareas-swot-satelite/notebook.ipynb) --- ## 🌊 El océano profundo y la promesa de emisiones cero *Nature Geoscience* · 14 modelos CMIP6, 300 años de simulación — 12/14 muestran rebound de temperatura post net-zero por calor devuelto del océano profundo [Ver notebook](../papers/2026-03-21-oceano-profundo-emisiones-cero/notebook) · [Leer más](../papers/2026-03-21-oceano-profundo-emisiones-cero/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-03-21-oceano-profundo-emisiones-cero/notebook.ipynb) --- ## 🧪 248 químicos sintéticos en el océano *Nature Geoscience* · 2,315 muestras de agua de mar, 21 datasets, 248 xenobióticos — ftalatos, protector solar, fármacos y pesticidas desde arrecifes hasta mar abierto [Ver notebook](../papers/2026-03-21-oceano-248-quimicos-sinteticos/notebook) · [Leer más](../papers/2026-03-21-oceano-248-quimicos-sinteticos/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-03-21-oceano-248-quimicos-sinteticos/notebook.ipynb) --- ## 🌡️ Ola de calor vs 32 especies *Nature Ecology & Evolution* · Meta-análisis de 25 especies, ola de calor 2021 Norteamérica, tamaños de efecto (log response ratio), incendios MODIS 2000-2021 [Ver notebook](../papers/2026-03-17-ola-calor-32-especies/notebook) · [Leer más](../papers/2026-03-17-ola-calor-32-especies/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-03-17-ola-calor-32-especies/notebook.ipynb) --- ## 🐠 2.795 arrecifes: ¿sirve protegerlos? *Nature Ecology & Evolution* · 2.795 arrecifes tropicales, 22 contribuciones de peces, modelo bayesiano contrafactual, MPAs compensan ~5% de degradación, Cohen's d = 0,33 (protección total vs sin) [Ver notebook](../papers/2026-03-16-arrecifes-mpa-solo-5-porciento/notebook) · [Leer más](../papers/2026-03-16-arrecifes-mpa-solo-5-porciento/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-03-16-arrecifes-mpa-solo-5-porciento/notebook.ipynb) --- ## 🛰️ 126.674 ríos: SWOT mide el agua del mundo *Nature* · 126.674 tramos fluviales medidos por SWOT, ΔRSA global 313,1 ± 129,5 km³, 28% menos que modelos, Amazon 55% de variabilidad, Nilo −91% vs predicho [Ver notebook](../papers/2026-03-12-rios-swot-126mil-volumen/notebook) · [Leer más](../papers/2026-03-12-rios-swot-126mil-volumen/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-03-12-rios-swot-126mil-volumen/notebook.ipynb) --- ## 🌊 Nadie midió bien el nivel del mar y 132 millones lo pagarán *Nature* · 386 evaluaciones de riesgo costero, offset MDT vs geoide EGM96/EGM2008, 4 DEMs, 77–132M personas bajo nivel del mar con +1 m de subida [Ver notebook](../papers/2026-03-11-nivel-mar-132-millones/notebook) · [Leer más](../papers/2026-03-11-nivel-mar-132-millones/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-03-11-nivel-mar-132-millones/notebook.ipynb) --- ## 🌊 Las Olas de Calor Cambian 176% la Vida en el Océano *Nature Ecology & Evolution* · Blowes et al. (2026), 702.037 estimaciones de biomasa en 1.566 especies de peces — las olas de calor crean ganadores (+176%) en el borde frío y perdedores (-43,4%) en el borde cálido [Ver notebook](../papers/2026-02-27-olas-calor-biomasa-peces-oceano/notebook) · [Leer más](../papers/2026-02-27-olas-calor-biomasa-peces-oceano/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-02-27-olas-calor-biomasa-peces-oceano/notebook.ipynb) --- ## 151 vertederos del mundo, 1085 detecciones satelitales *Nature* · Dogniaux et al. (2025) observaron 151 vertederos en 6 continentes con el satélite **GHGSat** durante 2021-2022 y cruzaron las emisiones medidas con los reportes nacionales y el inventario **Climate TRACE**. El resultado: **a escala de instalación, las tres estimaciones no se correlacionan** (Spearman ρ=0,12, p=0,21, n=109). En un vertedero de Turquía el satélite ve **240 veces más metano** del que estima el modelo; en dos vertederos de Corea del Sur, el modelo estima **76 y 186 veces más** de lo que mide el satélite. Solo **41 de 109 sitios (38%)** acuerdan dentro de un factor 2. [Ver notebook](../papers/2026-01-17-metano-151-vertederos-satelite/notebook) · [Leer más](../papers/2026-01-17-metano-151-vertederos-satelite/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-01-17-metano-151-vertederos-satelite/notebook.ipynb) --- ## 🏭 Una Industria Causa el 86% de Estos Contaminantes *Nature Sustainability* · Yang et al. (2025), inventario global de emisiones de Cl/BrPAHs usando XGBoost: 5.143 kg en 184 países, la sinterización de mineral de hierro genera el 86,1% del total. Australia lidera con 1.393 kg (27% global, 47 g/persona — 236× la mediana) [Ver notebook](../papers/2026-01-17-industria-86-contaminantes-emergentes/notebook) · [Leer más](../papers/2026-01-17-industria-86-contaminantes-emergentes/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-01-17-industria-86-contaminantes-emergentes/notebook.ipynb) --- ## 🌿 Los Bosques Tropicales Ahora Liberan Carbono *Nature* · Carle et al. (2025), 48 años de censos forestales en 20 parcelas de Queensland, Australia — los bosques pasaron de absorber +0,62 Mg C ha⁻¹ yr⁻¹ a liberar −0,93, impulsados por mortalidad extrema sin evidencia de fertilización por CO₂ [Ver notebook](../papers/2026-01-17-bosques-tropicales-liberan-carbono/notebook) · [Leer más](../papers/2026-01-17-bosques-tropicales-liberan-carbono/README) · [![Abrir en Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/Ciencia-a-Mordiscos/lab/blob/main/papers/2026-01-17-bosques-tropicales-liberan-carbono/notebook.ipynb)