Identificando la tendencia de acidificación del mar Balear a través de técnicas de inteligencia artificial

5 de Septiembre de 2022
  • Este estudio destaca el uso de ‘machine learning’ para caracterizar el descenso del pH en el mar Balear, labor clave en la valoración de los impactos del cambio climático sobre la biodiversidad marina. 
  • Los resultados muestran una tendencia de disminución del pH similar a las tasas de decrecimiento observadas en otras cuencas del océano global.

Un equipo interdisciplinar del CSIC en las Islas Baleares ha presentado la primera derminación de la tasa de acidificación en el área costera del mar Balear para dilucidar las consecuencias del cambio climático en áreas costeras del archipiélago. El objetivo del estudio se ha centrado en reconstruir series temporales incompletas de pH relevantes a través del uso de técnicas de inteligencia artificial.  

Los resultados, publicados en la revista Scientific Reports, señalan que estas áreas costeras muestran una tendencia de disminución del pH (acidificación) de 0.0020±0.00054 unidades de pH por año. Esta tendencia es similar a la observada en otras cuencas del océano global y es debida principalmente a la incorporación del dióxido de carbono atmosférico en el agua de mar y al incremento de la temperatura.

“Este trabajo constituye una valiosa aportación para comprender el papel de las zonas costeras y la afectación sobre los ecosistemas presentes ante los efectos del cambio climático” —destaca la Dra. Hendriks, investigadora principal del proyecto—. “La disminución del pH del agua de mar es debida al incremento del dióxido de carbono en la atmósfera y repercute en importantes alteraciones con un gran impacto sobre los ecosistemas marinos. Por ejemplo, la acidificación oceánica produce una reducción de los niveles de saturación de los minerales carbonatados, lo que aumenta las dificultades en la formación de caparazones para los organismos marinos calcificadores (plancton, moluscos, equinodermos y corales). Así pues, medir cómo el pH está cambiando en estas zonas es clave para caracterizar el problema” explica Hendriks.

En el estudio han participado el Instituto Mediterráneo de Estudios Avanzados (IMEDEA-CSIC-UIB), el Instituto de Ciencias Marinas de Andalucía (ICMAN-CSIC), el Instituto de Física Interdisciplinar y Sistemas Complejos (IFISC-CSIC-UIB), el Sistema de Observación y Predicción Costero de las Illes Balears (ICTS SOCIB), y el Instituto de Ciencias Marinas (IIM-CSIC). En él han colaborado el equipo de gestión del Parque Nacional Marítimo-terrestre del Archipiélago de Cabrera y la Consejería de Medio Ambiente y Territorio. Además, ha sido financiado por el Ministerio de Ciencia e Innovación, por el Govern de les Illes Balears y por la Fundación BBVA. 

El estudio ha constituido un gran esfuerzo operacional que comenzó en 2018 con la obtención de datos de pH, junto a otras variables (temperatura del agua, salinidad y niveles de oxígeno disuelto), en las estaciones de monitorización de la red Balearic Ocean Acidification Time Series (BOATS) en la bahía de Palma y en el Parque Nacional Marítimo-Terrestre del archipiélago de Cabrera, dentro de la Plataforma temática Interdisciplinar del CSIC Water:iOS. Aunque sucede que el mantenimiento de este tipo de estaciones conlleva varias dificultades —costes financieros, riesgos meteorológicos, despliegue en zonas de alto tránsito naviero, fallos instrumentales, etc.— que implica la aparición de lagunas en los datos y, por tanto, una pérdida de calidad a la hora de elaborar estudios globales.

Con el objetivo de rellenar dichos huecos y estimar la serie de pH en un intervalo temporal amplio y anterior a la monitorización, el equipo aplicó técnicas de Deep Learning (Aprendizaje Profundo), un área emergente del Aprendizaje Automático que ha obtenido recientemente avances sustanciales en el campo de la Inteligencia Artificial. En concreto, se desarrollaron varios modelos de redes neuronales recurrentes que, en su entrenamiento, permitieron relacionar la serie de pH con el conjunto de variables ambientales obtenidas, prediciendo el valor del pH cuando éste no está disponible.

Gracias, pues, al trabajo de obtención de buena cantidad de datos y la posterior aplicación de estas técnicas, ha sido posible reconstruir la tendencia decadal de acidificación del mar Balear, que es el principal resultado del trabajo.

 

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


Proyectos de investigación relacionados

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 ...

Lineas de investigación relacionadas


Esta web utiliza cookies para la recolección de datos con un propósito estadístico. Si continúas navegando, significa que aceptas la instalación de las cookies.


Más información De acuerdo