O proxecto europeo MultiGIS (Multidimensional Data Analysis for the Management of River Ecosystems through Multiscale Automatic Tools), financiado na convocatoria CHIST-ERA 2023, continúa avanzando no desenvolvemento de ferramentas innovadoras baseadas en Sistemas de Información Xeográfica (SIX) e intelixencia artificial para mellorar o coñecemento, a monitorización e a xestión sostible dos ecosistemas fluviais.

No mes de maio, o consorcio reuniuse para facer balance dos avances acadados e coordinar as próximas fases do proxecto. No encontro participaron os distintos socios europeos e brasileiros, que constataron o bo ritmo de execución das actividades e os progresos realizados cara ao obxectivo común de desenvolver solucións xeoespaciais avanzadas para apoiar a toma de decisións baseada en datos na xestión dos recursos hídricos.

Entre os principais resultados obtidos ata o momento destacan o desenvolvemento de modelos preditivos baseados en intelixencia artificial para avaliar a calidade da auga e a conectividade ecolóxica, a integración de datos procedentes de satélites, vehículos aéreos non tripulados (UAV), medicións in situ e outras fontes xeoespaciais, así como os avances na arquitectura da plataforma MultiGIS e nos fluxos de procesamento da información. O proxecto tamén continúa ampliando os conxuntos de datos compartidos e as estratexias de monitorización nas diferentes concas piloto, ao tempo que reforza a súa actividade científica mediante publicacións, colaboracións internacionais e participación en congresos.

Durante a reunión presentáronse tamén algúns dos resultados científicos máis recentes do consorcio. Entre eles destaca a investigación desenvolvida polo socio HEIG-VD, presentada por Magali Egger na Climate Informatics Conference 2026, centrada na avaliación do rendemento dos denominados Foundation Models para Observación da Terra na clasificación de usos e cubertas do solo (LULC).

O estudo demostra que estes modelos ofrecen un rendemento superior aos enfoques convencionais cando se dispón de poucos datos etiquetados e que presentan unha maior capacidade para transferir coñecemento entre distintos conxuntos de datos. Tamén conclúe que a cobertura espectral e o aliñamento entre o preadestramento e a tarefa específica teñen unha influencia máis determinante que o tamaño do modelo, e que a combinación de varios modelos mediante técnicas de ensamblaxe permite mellorar aínda máis a precisión das clasificacións.

Este traballo, que proporciona novas orientacións para o uso da intelixencia artificial en aplicacións de Observación da Terra, foi aceptado para a súa presentación na International Conference on Artificial Neural Networks (ICANN), despois de ser presentado na Climate Informatics Conference 2026, reforzando así a proxección científica internacional do proxecto MultiGIS.