Investigadores gallegos desarrollan un modelo y un software para predecir la expansión de la velutina

Los profesores Francisco J. Fernández, Juan J. Nieto, Adrián F. Tojo (CITMAGA y USC), e Iván Area (IFCAE y UVigo) han publicado una trabajo de investigación en la revista internacional Nonlinear Analysis: Real World Applications, sobre el desarrollo de un modelo matemático y un software para predecir la expansión de la avispa velutina. Así, utilizaron datos sobre la localización de los nidos y, mediante herramientas matemáticas, pudieron predecir la localización de nidos futuros, comparando el modelo matemático con datos reales. De este modo, es posible analizar diferentes estrategias de control para frenar la expansión de esta especie, que tiene impacto desde el punto de vista ecológico y también económico.

La avispa velutina tiene un ciclo vital en el que las reinas fundadoras de los nidos emergen del estado de hibernación entre febrero y marzo, y entre abril y mayo comienza la construcción de nuevos nidos, realizándose la primera puesta de huevos. Después de que las obreras eclosionan, siguen construyendo el nido y alimentando al resto.

Másnoticias

A Cátedra Feminismos 4.0 financia sete investigacións sobre a perspectiva de xénero

29/10/2025

O Campus Auga da UVigo premia o talento investigador en alimentación, agricultura e termalismo

27/10/2025

• Te puede interesar: Vigo pone fecha a las nuevas rampas con "i-walk" que conectarán con O Castro

Alrededor de septiembre nacen los machos y nuevas reinas, que son fecundadas y abandonan el nido a principios de otoño. En invierno buscan refugio para hibernar y, en primavera, comienza de nuevo el ciclo.

Los investigadores formularon un problema parabólico (al tratarse de un ciclo vital con diferentes estados) con derivadas de Stieltjes, y pudieron superar las complicaciones de los desarrollos teóricos y las simulaciones numéricas gracias a trabajos previos de modelización de epidemias, como la de Ébola, Zika o la pandemia de Covid-19.

El modelo desarrollado puede actualizarse en tiempo real, lo que permite su mejora, y eso es fundamental para analizar diferentes estrategias de control y para minimizar la propagación de la especie. De ese modo, se pueden combinar datos del mundo real con un modelo matemático en tiempo real para crear un gemelo digital.