MURCIA (EP). Una investigación liderada por el Instituto de Ciencias Marinas de Andalucía, del Consejo Superior de Investigaciones Científicas (ICMAN-CSIC), ha desarrollado una metodología que combina Inteligencia Artificial con datos del satélite Sentinel-2 para analizar con alta precisión la calidad del agua del Mar Menor durante una década.

La combinación de ambas técnicas ha permitido identificar las zonas más degradadas de esta gran laguna salada, caracterizar sus patrones ambientales y detectar cambios recientes en su equilibrio ecológico. Los resultados de esta investigación, que se han publicado en la revista Journal of Hydrology, reafirman el valor del uso combinado de IA y datos satelitales para monitorizar las regiones costeras.

El estudio analiza imágenes del satélite Sentinel-2 tomadas entre julio de 2015 y junio de 2024. Este satélite ofrece una resolución espacial de 10 metros, lo que significa que cada punto de la imagen representa un área del tamaño aproximado de una pista de tenis. Aunque no permite ver objetos pequeños, sí es lo bastante detallado para seguir la evolución de grandes zonas costeras y detectar cambios significativos en la calidad del agua.

A partir de estas imágenes se han monitorizado dos indicadores, la clorofila-a y la turbidez. La clorofila-a permite estimar la cantidad de algas presentes, mientras que la turbidez indica la cantidad de materia en suspensión presente en el agua. Ambos parámetros son esenciales para evaluar la salud de un ecosistema acuático, ya que niveles elevados suelen asociarse a episodios de eutrofización o pérdida de oxígeno.

La Rambla del Albujón

Los resultados han permitido identificar con precisión las zonas más afectadas del Mar Menor, la laguna salada más grande de Europa. El estudio destaca que una de las áreas con mayor deterioro es la Rambla del Albujón, un cauce que desemboca en el Mar Menor entre Los Alcázares y El Algar, y que se ha convertido en uno de los principales puntos de aporte de nutrientes al ecosistema.

El equipo ha analizado cientos de imágenes de satélite con herramientas informáticas que permiten encontrar patrones de forma automática, como el aprendizaje automático no supervisado (machine learning) y métodos avanzados de análisis estadístico.

En concreto, han utilizado un método que agrupa zonas de la laguna con comportamientos parecidos, lo que ha permitido dividir el Mar Menor en tres grandes áreas según su estado ambiental. Además, el análisis de los datos a lo largo de casi una década ha servido para distinguir qué cambios son estacionales, cuáles responden a una evolución a largo plazo y cuáles son episodios puntuales ligados a eventos extremos, como detalla Paola Barba, investigadora predoctoral del ICMAN-CSIC, supervisada por la doctora Isabel Caballero de Frutos.

Sopa verde de 2016 y la Dana de 2019

Este enfoque ha permitido vincular anomalías detectadas con episodios extremos registrados en la laguna costera, como las 'sopas verdes' de 2016 y 2017 (explosión de algas que tiñe el agua de verde y disminuye la concentración de oxígeno), la DANA del año 2019 o los eventos extremos posteriores, evidenciando el impacto de estas crisis en la dinámica del ecosistema.

Uno de los hallazgos más relevantes es la detección de un cambio hacia un nuevo estado de equilibrio en los últimos años. Este cambio se refleja en una aparente estabilización de los valores de clorofila-a y turbidez. Sin embargo, los investigadores advierten que esta estabilidad no implica una recuperación del ecosistema, sino una transformación en su dinámica.

La metodología desarrollada supone un avance en el monitoreo ambiental, ya que permite ajustar mejor la ubicación de las estaciones de muestreo dentro de la laguna, concentrándolas en las zonas más sensibles o representativas. De este modo, es posible reducir costes y campañas de muestreo sin perder capacidad de seguimiento, al tiempo que se obtiene una zonificación precisa con una resolución de 10 metros y se analiza la respuesta del ecosistema ante eventos extremos como las DANAs.

"Estas herramientas constituyen un apoyo fundamental para la gestión de las zonas costeras, al proporcionar información continua y actualizada sobre los cambios que experimentan. Su uso facilita la toma de decisiones por parte de los gestores y contribuye a diseñar medidas de adaptación más eficaces frente a los efectos del cambio global", subraya Isabel Caballero, que ha liderado la investigación.

El trabajo demuestra el potencial de la IA y la observación satelital para comprender y gestionar ecosistemas complejos como el Mar Menor. La capacidad de identificar zonas críticas, analizar su evolución temporal y relacionarla con eventos extremos proporciona una base analítica robusta para el desarrollo de futuras estrategias de prevención, gestión y restauración ambiental en el Mar Menor y en otros entornos vulnerables afectados por presiones antrópicas.