Airbus sustituye praderas de hierba por flora autóctona de bajo consumo hídrico
Airbus ha llevado a cabo un proyecto piloto para reducir el consumo de agua de riego en su factoría de Getafe con plantas autóctonas resistentes a la sequía.
El objetivo es reducir el consumo de agua sustituyendo las praderas de hierba por flora autóctona de muy baja demanda hídrica u otro tipo de plantas o soluciones, optimizando el consumo de agua para el riego y sin disminuir la biodiversidad. En Airbus, teniendo en cuenta la actual situación de estrés hídrico en España, se ha planteado reducir el consumo de agua sin renunciar a la biodiversidad sustituyendo las zonas de césped de alta demanda hídrica por flora autóctona de baja necesidad hídrica.
Este proyecto se tratará de implementar en otras plantas de Airbus para lograr una reducción considerable del consumo de agua en línea con los objetivos de la compañía (25% en 2030), con inversiones mínimas. Además, en beneficio de la biodiversidad se pretende crear una senda ecológica natural en Getafe a lo largo de la línea de vuelo, creando un ecosistema de forma que puedan cohabitar fauna y flora compatibles con el aeródromo.
Oportunidades:
- Nueva forma de mantenimiento de la jardinería para cumplir los objetivos medioambientales de la compañía sin renunciar a la sostenibilidad.
- Estudio piloto para viabilidad y/o extensión a otras factorías de Airbus.
Impacto del Proyecto: Menor consumo de agua.
Ahorro: 742 m3 en 2023. Para 2024, se espera la reducción sea de 3 472 m3.
Actualidad relacionada
Repsol ha lanzado en 2024 la iniciativa Onestore de gestión integrada de inventarios y almacenes de repuestos del área industrial.
Con el objetivo de optimizar el control de calidad y reducir los reprocesos, SEM (Sistemas Especiales de Metalización S.A.), socio de FADE (Federación Asturiana de Empresarios).
TYPSA, miembro de MAFEX (Asociación de la Industria Ferroviaria Española), está invirtiendo en la mejora de los procesos de captura y tratamiento de la información digital para la aplicación posterior de algoritmos de predicción que faciliten la toma de decisiones de mantenimiento y rehabilitación.