Los ecosistemas acuáticos son complejos y pueden verse afectados por diversas variables como el clima, la actividad biológica y la contaminación por nutrientes. Estas variables, junto con características del cuerpo de agua como temperatura y profundidad, pueden interactuar de manera que desequilibran los ecosistemas, causando consecuencias devastadoras.

Para ayudar a anticipar estas consecuencias, un equipo de investigadores de la Universidad de Connecticut (UConn) en EEUU, ha desarrollado un método de modelado informático basado en aprendizaje automático («machine learning») para mejorar el monitoreo y predicción de la calidad del agua en lagos, como se detalla en un estudio publicado en Environmental Modeling & Software.

Marina Astitha, profesora asociada del Departamento de Ingeniería Civil y Ambiental de UConn, lideró la investigación en colaboración con Christina Feng Chang y la profesora Penny Vlahos. El equipo se enfocó en la eutrofización, un proceso desencadenado por el exceso de nutrientes que provoca proliferación de algas y consumo de oxígeno, resultando en «zonas muertas» donde otros organismos no pueden sobrevivir.

El estudio se centró en el lago Erie (uno de los Grandes Lagos ubicado entre Canadá y EEUU), afectado por la escorrentía de fertilizantes y la contaminación del aire, que presenta desafíos únicos para el monitoreo de la calidad del agua. Utilizando datos de 2002 a 2017, los investigadores entrenaron modelos para predecir niveles de oxígeno disuelto y utilización aparente de oxígeno, indicadores clave de la hipoxia y la actividad biológica. Los resultados demostraron que la estratificación térmica es la variable más impactante en la eutrofización.

Marina Astitha explica que la herramienta de modelado es crucial para predecir y monitorear la calidad del agua, especialmente en el contexto del cambio climático, que se espera intensifique la estratificación y aumente la escorrentía de nutrientes debido a eventos climáticos extremos. La investigación futura se centrará en aplicar esta metodología a otros ecosistemas acuáticos y analizar proyecciones de cambio climático para evaluar su impacto en la calidad del agua.

 

Fuente: Universidad Connecticut