Entre los días 22 y 27 de febrero de 2026 se celebró en Glasgow (Escocia) el Ocean Sciences Meeting 2026, uno de los congresos internacionales más relevantes en el ámbito de las ciencias marinas. Este evento se enmarca dentro de la Década de las Naciones Unidas de las Ciencias Oceánicas para el Desarrollo Sostenible y está organizado por la Unión Geofísica Americana (AGU), la Asociación para las Ciencias de la Limnología y Oceanografía (ASLO) y la Sociedad de Oceanografía (TOS).
En esta edición, que por primera vez tuvo lugar fuera de Estados Unidos, se dieron cita más de 6.400 participantes, entre científicos, estudiantes, responsables políticos, periodistas, educadores y organizaciones comprometidas con la búsqueda de soluciones científicas para un futuro sostenible.
El Grupo QUIMA de la Universidad de Las Palmas de Gran Canaria (ULPGC) participó en la sesión “New Scientific Insights and Technological Advancements in Marine Time Series”, donde presentó la comunicación oral titulada “Tracking Ocean Acidification in the Canary Islands: A Machine Learning Approach to Decades of Data”.
Durante la presentación, el Dr. Melchor González Dávila, en nombre de los coautores (Melchor González-Dávila, Irene Sánchez, David González-Santana, Aridane G. González y J. Magdalena Santana-Casiano), expuso la red de observación de CO2 en Canarias, así como los resultados obtenidos desde 2019 hasta la actualidad. Asimismo, se analizaron las tendencias observadas en estos siete años y se compararon con los datos de la estación ESTOC, que cuenta con más de 30 años de registros y también es gestionada por el grupo QUIMA.
El trabajo presentado incorpora técnicas avanzadas de machine learning que permiten estimar la presión de CO2 en aguas superficiales a partir de variables obtenidas mediante sensores satelitales, alcanzando niveles de precisión comparables a los de las mediciones experimentales. Además, estas estimaciones se han extendido hasta el año 2000 en la estación ESTOC, lo que refuerza la aplicabilidad de esta metodología tanto para el análisis histórico como para futuras estimaciones.
Entre os dias 22 e 27 de fevereiro de 2026 realizou-se em Glasgow (Escócia) o Ocean Sciences Meeting 2026, um dos congressos internacionais mais relevantes no âmbito das ciências marinhas. Este evento enquadra-se na Década das Nações Unidas das Ciências Oceânicas para o Desenvolvimento Sustentável e é organizado pela União Geofísica Americana (AGU), pela Associação para as Ciências da Limnologia e Oceanografia (ASLO) e pela Sociedade de Oceanografia (TOS).
Nesta edição, que pela primeira vez teve lugar fora dos Estados Unidos, reuniram-se mais de 6.400 participantes, entre cientistas, estudantes, responsáveis políticos, jornalistas, educadores e organizações comprometidas com a procura de soluções científicas para um futuro sustentável.
O Grupo QUIMA da Universidade de Las Palmas de Gran Canaria (ULPGC) participou na sessão “New Scientific Insights and Technological Advancements in Marine Time Series”, onde apresentou a comunicação oral intitulada “Tracking Ocean Acidification in the Canary Islands: A Machine Learning Approach to Decades of Data”.
Durante a apresentação, o Dr. Melchor González Dávila, em nome dos coautores (Melchor González-Dávila, Irene Sánchez, David González-Santana, Aridane G. González e J. Magdalena Santana-Casiano), apresentou a rede de observação de CO2 nas Canárias, bem como os resultados obtidos desde 2019 até à atualidade. Foram ainda analisadas as tendências observadas ao longo destes sete anos e comparadas com os dados da estação ESTOC, que conta com mais de 30 anos de registos e também é gerida pelo grupo QUIMA.
O trabalho apresentado incorpora técnicas avançadas de machine learning que permitem estimar a pressão de CO2 nas águas superficiais a partir de variáveis obtidas através de sensores satelitais, alcançando níveis de precisão comparáveis aos das medições experimentais. Além disso, estas estimativas foram estendidas até ao ano 2000 na estação ESTOC, o que reforça a aplicabilidade desta metodologia tanto para a análise histórica como para futuras estimativas.
Between February 22 and 27, 2026, the Ocean Sciences Meeting 2026 was held in Glasgow (Scotland), one of the most important international conferences in the field of marine sciences. This event is part of the United Nations Decade of Ocean Science for Sustainable Development and is organized by the American Geophysical Union (AGU), the Association for the Sciences of Limnology and Oceanography (ASLO), and The Oceanography Society (TOS).
This edition, held for the first time outside the United States, brought together more than 6,400 participants, including scientists, students, policymakers, journalists, educators, and organizations committed to finding scientific solutions for a sustainable future.
The QUIMA Group from the University of Las Palmas de Gran Canaria (ULPGC) participated in the session “New Scientific Insights and Technological Advancements in Marine Time Series”, where they presented the oral communication entitled “Tracking Ocean Acidification in the Canary Islands: A Machine Learning Approach to Decades of Data”.
During the presentation, Dr. Melchor González Dávila, on behalf of the co-authors (Melchor González-Dávila, Irene Sánchez, David González-Santana, Aridane G. González, and J. Magdalena Santana-Casiano), presented the CO2 observation network in the Canary Islands, as well as the results obtained from 2019 to the present. Trends observed over these seven years were also analyzed and compared with data from the ESTOC station, which has more than 30 years of records and is also managed by the QUIMA group.
The work incorporates advanced machine learning techniques that allow the estimation of CO2 partial pressure in surface waters using variables obtained from satellite sensors, achieving levels of accuracy comparable to experimental measurements. Furthermore, these estimates have been extended back to the year 2000 at the ESTOC station, reinforcing the applicability of this methodology for both historical analysis and future projections.
Entre le 22 et le 27 février 2026, l’Ocean Sciences Meeting 2026 s’est tenu à Glasgow (Écosse), l’un des congrès internationaux les plus importants dans le domaine des sciences marines. Cet événement s’inscrit dans le cadre de la Décennie des Nations Unies pour les sciences océaniques au service du développement durable et est organisé par l’American Geophysical Union (AGU), l’Association for the Sciences of Limnology and Oceanography (ASLO) et The Oceanography Society (TOS).
Cette édition, organisée pour la première fois en dehors des États-Unis, a réuni plus de 6 400 participants, parmi lesquels des scientifiques, étudiants, décideurs politiques, journalistes, éducateurs et organisations engagés dans la recherche de solutions scientifiques pour un avenir durable.
Le groupe QUIMA de l’Université de Las Palmas de Gran Canaria (ULPGC) a participé à la session « New Scientific Insights and Technological Advancements in Marine Time Series », au cours de laquelle il a présenté la communication orale intitulée « Tracking Ocean Acidification in the Canary Islands: A Machine Learning Approach to Decades of Data ».
Lors de cette présentation, le Dr Melchor González Dávila, au nom des co-auteurs (Melchor González-Dávila, Irene Sánchez, David González-Santana, Aridane G. González et J. Magdalena Santana-Casiano), a présenté le réseau d’observation du CO2 aux Canaries, ainsi que les résultats obtenus de 2019 à aujourd’hui. Les tendances observées au cours de ces sept années ont également été analysées et comparées aux données de la station ESTOC, qui dispose de plus de 30 ans d’enregistrements et est également gérée par le groupe QUIMA.
Le travail présenté intègre des techniques avancées de machine learning permettant d’estimer la pression partielle de CO2 dans les eaux de surface à partir de variables issues de capteurs satellitaires, avec des niveaux de précision comparables à ceux des mesures expérimentales. De plus, ces estimations ont été étendues jusqu’à l’année 2000 à la station ESTOC, ce qui renforce l’applicabilité de cette méthodologie tant pour l’analyse historique que pour les projections futures.
