Identificant la tendència d'acidificació de la mar Balear a través de tècniques d'intel·ligència artificial

5 de setembre de 2022
  • Aquest estudi destaca l'ús de ‘machine learning’ per a caracteritzar el descens del pH en la mar Balear, labor clau en la valoració dels impactes del canvi climàtic sobre la biodiversitat marina.

  • Els resultats mostren una tendència de disminució del pH similar a les taxes de decreixement observades en altres conques de l'oceà global.

Un equip interdisciplinari del CSIC a les Illes Balears ha presentat la primera determinació de la taxa d'acidificació en l'àrea costanera de la mar Balear per a dilucidar les conseqüències del canvi climàtic en àrees costaneres de l'arxipèlag. L'objectiu de l'estudi s'ha centrat en reconstruir sèries temporals incompletes de pH rellevants a través de l'ús de tècniques d'intel·ligència artificial. 

Els resultats, publicats en la revista Scientific Reports, assenyalen que aquestes àrees costaneres mostren una tendència de disminució del pH (acidificació) de 0.0020±0.00054 unitats de pH per any. Aquesta tendència és similar a l'observada en altres conques de l'oceà global i és deguda principalment a la incorporació del diòxid de carboni atmosfèric en l'aigua de mar i a l'increment de la temperatura. 

“Aquest treball constitueix una valuosa aportació per a comprendre el paper de les zones costaneres i l'afectació sobre els ecosistemes presents davant els efectes del canvi climàtic” —destaca la Dra. Hendriks, investigadora principal del projecte—. “La disminució del pH de l'aigua de mar és deguda a l'increment del diòxid de carboni en l'atmosfera i repercuteix en importants alteracions amb un gran impacte sobre els ecosistemes marins. Per exemple, l'acidificació oceànica produeix una reducció dels nivells de saturació dels minerals carbonatats, la qual cosa augmenta les dificultats en la formació de closques per als organismes marins calcificadores (plàncton, mol·luscos, equinoderms i corals). Així doncs, mesurar com el pH està canviant en aquestes zones és clau per a caracteritzar el problema” explica Hendriks. 

En l'estudi han participat l'Institut Mediterrani d'Estudis Avançats (IMEDEA, CSIC-UIB), l'Institut de Ciències Marines d'Andalusia (ICMAN, CSIC), l'Institut de Física Interdisciplinària i Sistemes Complexos (IFISC, CSIC-UIB), el Sistema d'Observació i Predicció Costaner de les Illes Balears (ICTS SOCIB), i l'Institut de Ciències Marines (IIM, CSIC). En ell han col·laborat l'equip de gestió del Parc Nacional Marítim-terrestre de l'Arxipèlag de Cabrera i la Conselleria de Medi Ambient i Territori. A més, ha estat finançat pel Ministeri de Ciència i Innovació, pel Govern de les Illes Balears i per la Fundació BBVA. 

L'estudi ha constituït un gran esforç operacional que va començar en 2018 amb l'obtenció de dades de pH, al costat d'altres variables (temperatura de l'aigua, salinitat i nivells d'oxigen dissolt), en les estacions de monitoratge de la xarxa Balearic Ocean Acidification Time Sèries (BOATS) en la badia de Palma i al Parc Nacional Marítim-Terrestre de l'arxipèlag de Cabrera, dins de la Plataforma temàtica Interdisciplinària del CSIC Water:iOS. Encara que succeeix que el manteniment d'aquesta mena d'estacions comporta diverses dificultats —costos financers, riscos meteorològics, desplegament en zones d'alt trànsit navilier, fallades instrumentals, etc.— que implica l'aparició de llacunes en les dades i, per tant, una pèrdua de qualitat a l'hora d'elaborar estudis globals. 

Amb l'objectiu d'emplenar aquests buits i estimar la sèrie de pH en un interval temporal ampli i anterior al monitoratge, l'equip va aplicar tècniques de Deep Learning (Aprenentatge Profund), una àrea emergent de l'Aprenentatge Automàtic que ha obtingut recentment avanços substancials en el camp de la Intel·ligència Artificial. En concret, es van desenvolupar diversos models de xarxes neuronals recurrents que, en el seu entrenament, van permetre relacionar la sèrie de pH amb el conjunt de variables ambientals obtingudes, predient el valor del pH quan aquest no està disponible.

Gràcies, doncs, al treball d'obtenció de bona quantitat de dades i la posterior aplicació d'aquestes tècniques, ha estat possible reconstruir la tendència decadal d'acidificació de la mar Balear, que és el principal resultat del treball.


Flecha, S., Giménez-Romero, À., Tintoré, J., Pérez, F. F., Alou-Font, E., Matías, M. A., & Hendriks, I. E. (2022). pH trends and seasonal cycle in the coastal Balearic Sea reconstructed through machine learning. Scientific Reports, 12(1), 1-11. DOI: https://doi.org/10.1038/s41598-022-17253-5



Galeria de fotos


Projectes d'investigació relacionats

SuMaECO

Sustainability of marine coastal ecosystems in the context of global change in the Mediterranean sea: Modeling and simulations

I.P.: Damià Gomila, Tomás Sintes
The SuMaEco project is an interdisciplinary effort to try to understand the effects of global change on coastal marine ecosystems in the Mediterranean Sea by combining data, models and simulations. With global ...

Línies d'investigació relacionades


Aquesta web utilitza cookies per a la recollida de dades amb un propòsit estadístic. Si continues navegant, vol dir que acceptes la instal·lació de la cookie.


Més informació D'accord