Un experto en oceanografía avisa: los mares y océanos se están quedando sin oxígeno más rápido de lo que pensábamos

Utilizando técnicas de machine learning, un nuevo estudio revela con mayor precisión la velocidad, sin precedentes, de pérdida de oxígeno en los océanos.

Océanos contaminación
Los océanos están perdiendo oxígeno de manera acelerada. Si bien las causas de este declive no se conocen del todo, se cree que están relacionadas con el reciente calentamiento de la superficie del océano y su impacto en la física y la química del agua de mar.

El cambio climático y la contaminación por nutrientes (como los fertilizantes o las aguas residuales) están haciendo que más de 700 sitios oceánicos en todo el mundo tengan problemas de hipoxia (falta de oxígeno), y más de 900 sitios sufran de eutrofización (enriquecimiento excesivo en nutrientes), según un estudio realizado en 2019 por la Unión Internacional para la Conservación de la Naturaleza (UICN). Hace 60 años, la cifra de sitios oceánicos con hipoxia no superaba los 45.

Si bien, la cantidad de oxígeno en los mares y océanos disminuyó un 2 % entre 1960 y 2010 en promedio, en algunos mares tropicales la pérdida de oxígeno llega hasta un 40 %. Y la relevancia de este dato radica en que porcentajes menores a ese valor, pueden afectar la vida marina de manera significativa. Y el dióxido de carbono, uno de los principales gases de efecto invernadero, al ser mayormente absorbido por los océanos, provoca un aumento en la temperatura del mar y, en consecuencia, les quita oxígeno.

Llenando lagunas de conocimiento sobre los océanos

“Calcular la cantidad de oxígeno perdido en los mares y océanos es un desafío debido a las mediciones históricas limitadas y los tiempos inconsistentes”, señaló Taka Ito, oceanógrafo y profesor en la Facultad de Ciencias de la Tierra y la Atmósfera en el Instituto de Tecnología de Georgia, más conocido como Georgia Tech. “Para comprender los niveles globales de oxígeno y sus cambios, necesitamos llenar muchos vacíos de datos.”

Machine learning
En términos generales, el machine learning es un subconjunto de la inteligencia artificial.

Dirigido por Ito, un grupo de estudiantes investigadores buscó abordar este tema. Para ello, el equipo desarrolló un nuevo enfoque basado en machine learning (aprendizaje automático), para comprender y representar con mayor precisión la disminución de los niveles globales de oxígeno en los océanos. Utilizando conjuntos de datos, el equipo generó además un mapa mensual del contenido de oxígeno que muestra la disminución del oxígeno en el océano a lo largo de varias décadas.

El equipo descubrió que los océanos del mundo han perdido oxígeno a un ritmo de alrededor del 0,7% por década entre 1970 y 2010. Esta estimación sugiere una respuesta oceánica relativamente rápida al cambio climático reciente, con posibles impactos a largo plazo en la salud y la sostenibilidad de los ecosistemas marinos. Su estimación también se encuentra dentro del rango de disminución sugerido por otros estudios, lo que indica la precisión y eficacia de su enfoque.

¿Por qué necesitamos el dato de oxígeno en los océanos?

“Los científicos marinos necesitan comprender la distribución del oxígeno en el océano, cuánto está cambiando, dónde están ocurriendo los cambios y por qué”, indicó Ahron Cervanía, un estudiante de doctorado en el laboratorio de Ito. “Los métodos estadísticos se han utilizado durante mucho tiempo para estas estimaciones, pero las técnicas de aprendizaje automático pueden mejorar la precisión y resolución de nuestras evaluaciones de oxígeno”, afirmó.

Otras investigaciones habían estimado que en los últimos 50 años, la disminución del oxígeno en los océanos se ha cuadruplicado… y la tendencia es a mantenerse este proceso de desoxigenación oceánica.

Especies como el atún, el pez espada y algunos tiburones, son peces particularmente sensibles a la falta de oxígeno, ya que son peces que necesitan más energía por su tamaño. Es por ello que estas especies han comenzado a migrar hacia zonas marítimas superficiales y poco profundas, donde hay más oxígeno disuelto, situación que los vuelve más vulnerables a la sobrepesca.

Cardumen de atún
Especies como el atún, son particularmente sensibles a las variaciones de oxígeno en los océanos.

Según Ito, el nuevo enfoque del equipo aborda un desafío continuo en la comunidad oceanográfica: cómo combinar eficazmente diferentes fuentes de datos con diferentes precisiones e incertidumbres para comprender mejor los cambios oceánicos.

El principal hallazgo del equipo de investigadores de Georgia Tech, mediante la síntesis de datos a bordo y de los datos de oxígeno suministrados por las sondas flotantes del programa internacional Argo, aumentó las tasas estimadas de desoxigenación en un 56 % y redujo las incertidumbres en un 40 %.

“La integración de tecnologías avanzadas como el aprendizaje automático, será esencial para llenar los vacíos de datos y proporcionar una imagen más clara de cómo nuestros océanos están respondiendo al cambio climático”, destacó Ito.

Referencia de la noticia:

Ito, T., Cervania, A., Cross, K., Ainchwar, S., & Delawalla, S. (2024). Mapping dissolved oxygen concentrations by combining shipboard and Argo observations using machine learning algorithms. Journal of Geophysical Research: Machine Learning and Computation, 1, e2024JH000272. https://doi.org/10.1029/2024JH000272