En los últimos años, el compromiso de la Unión Europea con la descarbonización se ha vuelto más firme que nunca. Como parte del Pacto Verde y el paquete legislativo Fit for 55, el transporte marítimo ha sido incorporado al Régimen de Comercio de Derechos de Emisión (EU ETS), lo que implica que las navieras deben pagar por sus emisiones de CO₂. Este cambio, aunque necesario desde el punto de vista ambiental, plantea interrogantes clave sobre sus efectos en los costes operativos y en la competitividad de los puertos europeos.
Investigadores de la Universidad Politécnica de Madrid y de la Universidad Tecnológica de Panamá hemos desarrollado una forma diferente de abordar este reto: aplicar redes bayesianas para entender mejor qué factores del sistema de monitorización, notificación y verificación (MRV) influyen más en los costes derivados del ETS. Puedes consultar el artículo completo aquí:
👉 Bayesian Networks Applied to the Maritime Emissions Trading System
La idea es sencilla, aunque potente: si conocemos con claridad qué indicadores son más determinantes, podremos diseñar estrategias más eficaces para reducir costes y emisiones. Para ello, construimos un modelo basado en datos reales del sistema público THETIS-MRV, que recoge información sobre consumo de combustible, emisiones en navegación y en puerto, eficiencia energética, distancias recorridas, entre otros.
Lo que descubrimos fue muy revelador. Aunque era de esperar que el consumo de combustible o las emisiones totales tuvieran un peso importante, observamos que las emisiones generadas durante la estancia en puerto (lo que técnicamente se conoce como emisiones en berth) tienen una relevancia mayor de la anticipada. Este hallazgo abre la puerta a soluciones claras: por ejemplo, invertir en cold ironing (conexión eléctrica en puerto) puede reducir significativamente el impacto económico del ETS para las navieras.
Otro resultado interesante es el papel de los patrones de navegación. Las emisiones en rutas entre puertos europeos están muy vinculadas al coste regulatorio. Esto podría provocar que algunas navieras ajusten sus rutas para evitar parcialmente la normativa europea, derivando tráfico hacia puertos de terceros países. Es lo que se denomina carbon leakage, y es un riesgo que debemos anticipar desde la gestión portuaria.
¿Y por qué usar redes bayesianas? Porque son capaces de representar relaciones complejas entre muchas variables a la vez y de actualizar sus predicciones cuando cambian las condiciones. Es, en cierto modo, un modelo de decisión que “aprende” y permite prever cómo se comportará el sistema ante diferentes escenarios.
Este modelo no solo tiene valor académico, tambien se puede convertirse en una herramienta útil para operadores portuarios, navieras y responsables públicos. Nos permite priorizar mejor: saber si merece más la pena invertir en eficiencia energética, electrificación en puerto o rediseño de rutas. En un entorno donde las reglas del juego están cambiando, contar con modelos que nos ayuden a navegar la incertidumbre no es un lujo, sino una necesidad.
En definitiva, se busca aportar una visión práctica y basada en datos para hacer frente al reto del ETS en el transporte marítimo. Los puertos europeos estamos en un momento clave: debemos ser parte activa de la transición ecológica, sin perder de vista nuestra competitividad. Y para eso, necesitamos conocimiento, análisis… y decisión.
Javier Vaca Cabrero
Universidad Politécnica de Madrid
