El aumento de la temperatura disminuye el pH de la costa balear

Un equipo interdisciplinar del Consejo Superior de Investigaciones Científicas (CSIC) en las Islas Baleares ha presentado la primera 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 se debe, principalmente, a la incorporación del dióxido de carbono atmosférico en el agua de mar y al incremento de la temperatura.

“La disminución del pH del agua de mar se debe 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”, explica Iris E. Hendriks, investigadora principal del proyecto que trabaja en el IMEDEA (CSIC-UIB).

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, en el marco de la Plataforma temática Interdisciplinar del CSIC Water:iOS.

Con el objetivo de completar los datos 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.