Investigadoras del Image Processing Laboratory de la Universitat de València (UV) han conseguido modelizar, mediante aprendizaje automático, los cambios en la variabilidad del nivel del mar en varias regiones costeras de los océanos Pacífico, Índico y Atlántico, además realizar predicciones razonablemente precisas de la tendencia a corto plazo en cada zona. El estudio está publicado en ‘Nature Scientific Reports’.
Se trata del primer proyecto que utiliza herramientas de inteligencia artificial para realizar este tipo de predicciones en océanos. Modelizar y anticipar los cambios del nivel del mar en los próximos años es «crucial» para la toma de decisiones a corto plazo y la planificación estratégica de las medidas de protección de las costas.
Para ello, el equipo ha desarrollado un mapa interactivo como herramienta de apoyo para la evaluación del estado del clima en los océanos, que permite visualizar estos cambios, explica la institución académica en un comunicado.
Todas las cuencas oceánicas han experimentado un calentamiento significativo y un aumento del nivel del mar en las últimas décadas, impulsados por el cambio climático. Sin embargo, hay importantes diferencias regionales como consecuencia de varios procesos en diferentes escalas de tiempo, como los asociados a cambios de temperatura por causas naturales.
Para interpretar y comprender mejor las variaciones del nivel del mar en las zonas costeras a nivel local, el equipo de Verónica Nieves, investigadora distinguida del programa GenT, ha desarrollado sofisticadas técnicas basadas en aprendizaje automático (‘machine learning’) que explotan estimaciones de la temperatura marina y la incertidumbre asociada a través de un rango de escalas temporales que van de meses a varios años.
El estudio también muestra que las relaciones físicas entre las variables de temperatura en las capas superiores de regiones de alta mar o mar abierto y las estimaciones del nivel del mar en los emplazamientos costeros de estas regiones se pueden usar en combinación con herramientas de ‘machine learning’ para realizar predicciones razonablemente precisas de la tendencia del nivel del mar en cada región a corto plazo (uno o varios años).
Y concluye que, actualmente, las variaciones a corto plazo del nivel del mar en las costas se ven influenciadas en gran medida por los procesos naturales que tienen lugar en las regiones de alta mar más cercanas a la costa, como los cambios de temperatura en la columna de agua hasta los 700 metros de profundidad en alta mar, ligados a la variabilidad climática natural interna. Estos procesos se suman a efectos como los asociados a las mareas altas o a las tormentas.
«El clima es un sistema dinámico muy complejo que puede cambiar naturalmente de forma inesperada y, en este sentido, los métodos de aprendizaje automático pueden proporcionar una visión útil para interpretar datos que exhiben patrones no lineales complejos e identificar cambios futuros del nivel del mar», comenta Verónica Nieves, primera autora del artículo y responsable del grupo AI4OCEANS en el laboratorio, donde se lleva a cabo esta línea de investigación.
Sus modelos funcionan «especialmente bien» en las zonas costeras más influenciadas por la variabilidad climática interna, pero también son aplicables en muchos lugares del planeta a la evaluación de los patrones de subida y bajada del nivel del mar asociados a los cambios de temperatura. En el equipo también participa Cristina Radín y colabora el físico y catedrático de ingeniería electrónica Gustau Camps-Valls.
