Università di Catania
Seguici su
Cerca

Unict partner del progetto di ricerca europeo SOB4ES

L'Università di Catania è tra i partner del progetto di ricerca Horizon Europe SOB4ES (Integrating SOil Biodiversity to Ecosystem Services), la cui prima riunione operativa (kick-off meeting) si svolgerà a Vigo (Spagna) il 14 e il 15 giugno 2023.

Il progetto intende sviluppare un quadro integrato che includa il contributo della biodiversità del suolo ai servizi ecosistemici su scale spaziali, temporali e climatiche rilevanti per l'essere umano.

Il nostro ateneo lavorerà insieme all'Università di Vigo e ad altri enti e istituzioni europei ed extra-europei per derivare nuove metriche dalla biodiversità del suolo e per analizzare come cambi la sostenibilità in funzione dello stress climatico ed antropico, sviluppando nuovi indicatori e testando la loro applicabilità nei servizi ecosistemici per la valutazione delle politiche a sostegno della strategia dell'UE per il suolo.

Referente per l'Università di Catania è Christian Mulder, docente del Dipartimento di Scienze Biologiche, Geologiche e Ambientali, che coordinerà l'analisi macroecologica e climatica sulla risposta di batteri, funghi, protozoi ed invertebrati allo stress ambientale.

L'obiettivo della strategia dell'UE per il suolo è che entro il 2050 tutti i suoli dell'UE dovrebbero essere sostenibili. A tal fine, è essenziale integrare pienamente la biodiversità del suolo nella gestione e nella pianificazione del territorio.

Attualmente, la biodiversità del suolo riceve pochissima attenzione nel monitoraggio rispetto ad altri gruppi di organismi, come piante e vertebrati. Di conseguenza, il contributo della biodiversità del suolo a tutti i servizi ecosistemici è trascurato e non sufficientemente integrato nei regolamenti e negli strumenti politici dell'UE e del PNRR. 

Queste carenze devono essere affrontate attraverso un attento esame dello stato della biodiversità del suolo nelle multiple sfaccettature delle cosiddette reti trofiche.

Il progetto SOB4ES intende investigare e simulare via machine learning, con diversi scenari climatici, il vero contributo edafico a vari servizi ecosistemici in diversi usi del suolo.

Ultima modifica: 
15/06/2023 - 11:20