Un equipo investigador del grupo QUIMA de la Universidad de Las Palmas de Gran Canaria (ULPGC) ha publicado un nuevo estudio en la revista Ocean Science en el que demuestra la utilidad de las mediciones satelitales y las técnicas de machine learning para seguir la evolución del CO2 y la acidificación del océano en la región de Canarias.
El trabajo, titulado “Modelling seawater pCO2 and pH in the Canary Islands region based on satellite measurements and machine learning techniques”, se basa en datos recogidos entre 2019 y 2024 a través de barcos de observación, boyas oceanográficas y variables obtenidas por satélite. A partir de esa combinación, el equipo desarrolló modelos capaces de estimar con gran precisión la presión parcial de CO2 en agua de mar y el pH superficial en el entorno del archipiélago.
Entre los modelos analizados, la técnica conocida como bagging fue la que ofreció mejores resultados, con errores muy reducidos tanto para la estimación del CO2 como del pH. Según el estudio, esta metodología permite reconstruir la variabilidad espacial y temporal del sistema carbonato marino con una precisión comparable a la obtenida mediante observaciones experimentales directas.
Los resultados muestran además una tendencia preocupante en las aguas superficiales canarias durante el periodo analizado. El CO2 en el agua de mar aumentó a un ritmo de 3,51 ± 0,31 µatm por año, mientras que el pH descendió a una tasa de −0,003 ± 0,001 por año, lo que confirma un proceso de acidificación oceánica en la región. El estudio señala también que el calentamiento del mar, intensificado durante la ola de calor marina de 2023, contribuyó de forma importante a acelerar estas tendencias.
Otro de los hallazgos destacados es el cambio en el papel de las aguas canarias en el intercambio de CO2 con la atmósfera. La región pasó de comportarse como una fuente débil de CO2 en 2019 a emitir mucho más en 2024, con un máximo en 2023, coincidiendo con las temperaturas superficiales más elevadas del periodo estudiado. Además, varias zonas del este del archipiélago que antes actuaban como sumideros anuales de CO2 pasaron a comportarse como fuentes netas después de 2022.
El trabajo supone un avance relevante para la observación oceánica en Canarias, ya que demuestra que la integración de series temporales in situ, datos satelitales y herramientas de inteligencia artificial puede convertirse en una vía eficaz para vigilar la evolución del océano y mejorar las estimaciones futuras en un contexto de cambio climático.
Uma equipa de investigação do grupo QUIMA da Universidade de Las Palmas de Gran Canaria (ULPGC) publicou um novo estudo na revista Ocean Science, no qual demonstra a utilidade das medições por satélite e das técnicas de machine learning para acompanhar a evolução do CO2 e a acidificação do oceano na região das Canárias.
O trabalho, intitulado “Modelling seawater pCO2 and pH in the Canary Islands region based on satellite measurements and machine learning techniques”, baseia-se em dados recolhidos entre 2019 e 2024 através de navios de observação, boias oceanográficas e variáveis obtidas por satélite. A partir desta combinação, a equipa desenvolveu modelos capazes de estimar com grande precisão a pressão parcial de CO2 na água do mar e o pH superficial no entorno do arquipélago.
Entre os modelos analisados, a técnica conhecida como bagging foi a que apresentou melhores resultados, com erros muito reduzidos tanto na estimativa do CO2 como do pH. Segundo o estudo, esta metodologia permite reconstruir a variabilidade espacial e temporal do sistema carbonato marinho com uma precisão comparável à obtida através de medições experimentais diretas.
Os resultados mostram ainda uma tendência preocupante nas águas superficiais das Canárias durante o período analisado. O CO2 na água do mar aumentou a uma taxa de 3,51 ± 0,31 µatm por ano, enquanto o pH diminuiu a uma taxa de −0,003 ± 0,001 por ano, confirmando um processo de acidificação oceânica na região. O estudo destaca também que o aquecimento do mar, intensificado durante a onda de calor marinha de 2023, contribuiu significativamente para acelerar estas tendências.
Outro dos resultados relevantes é a mudança no papel das águas das Canárias no intercâmbio de CO2 com a atmosfera. A região passou de se comportar como uma fonte fraca de CO2 em 2019 para emitir muito mais em 2024, com um máximo em 2023, coincidindo com as temperaturas superficiais mais elevadas do período estudado. Além disso, várias zonas do leste do arquipélago que anteriormente funcionavam como sumidouros anuais de CO2 passaram a comportar-se como fontes líquidas após 2022.
O estudo representa um avanço relevante para a observação oceânica nas Canárias, ao demonstrar que a integração de séries temporais in situ, dados de satélite e ferramentas de inteligência artificial pode constituir uma via eficaz para monitorizar a evolução do oceano e melhorar as estimativas futuras num contexto de alterações climáticas.
A research team from the QUIMA group at the University of Las Palmas de Gran Canaria (ULPGC) has published a new study in the journal Ocean Science demonstrating the value of satellite measurements and machine learning techniques for tracking the evolution of CO2 and ocean acidification in the Canary Islands region.
The study, entitled “Modelling seawater pCO2 and pH in the Canary Islands region based on satellite measurements and machine learning techniques”, is based on data collected between 2019 and 2024 using observation vessels, oceanographic buoys, and satellite-derived variables. From this combination, the team developed models capable of accurately estimating the partial pressure of CO2 in seawater and surface pH across the archipelago.
Among the models analyzed, the technique known as bagging delivered the best performance, with very low errors in estimating both CO2 and pH. According to the study, this methodology allows the reconstruction of the spatial and temporal variability of the marine carbonate system with accuracy comparable to direct experimental observations.
The results also reveal a concerning trend in the surface waters of the Canary Islands during the study period. CO2 in seawater increased at a rate of 3.51 ± 0.31 µatm per year, while pH decreased at a rate of −0.003 ± 0.001 per year, confirming ongoing ocean acidification in the region. The study also highlights that ocean warming, intensified during the 2023 marine heatwave, significantly contributed to accelerating these trends.
Another key finding is the shift in the role of Canary waters in air–sea CO2 exchange. The region changed from being a weak CO2 source in 2019 to a much stronger source in 2024, with a peak in 2023 coinciding with the highest sea surface temperatures recorded during the study period. Additionally, several eastern areas of the archipelago that previously acted as annual CO2 sinks became net sources after 2022.
This work represents a significant advance in ocean observation in the Canary Islands, demonstrating that the integration of in situ time series, satellite data, and artificial intelligence tools provides an effective approach to monitor ocean changes and improve future projections in the context of climate change.
Une équipe de recherche du groupe QUIMA de l’Université de Las Palmas de Gran Canaria (ULPGC) a publié une nouvelle étude dans la revue Ocean Science, démontrant l’utilité des mesures satellitaires et des techniques de machine learning pour suivre l’évolution du CO2 et l’acidification de l’océan dans la région des Canaries.
L’étude, intitulée « Modelling seawater pCO2 and pH in the Canary Islands region based on satellite measurements and machine learning techniques », repose sur des données collectées entre 2019 et 2024 à partir de navires d’observation, de bouées océanographiques et de variables issues de satellites. À partir de cette combinaison, l’équipe a développé des modèles capables d’estimer avec une grande précision la pression partielle de CO2 dans l’eau de mer ainsi que le pH de surface dans l’archipel.
Parmi les modèles analysés, la technique dite de bagging s’est révélée la plus performante, avec des erreurs très faibles pour l’estimation du CO2 et du pH. Selon l’étude, cette méthodologie permet de reconstruire la variabilité spatiale et temporelle du système carbonaté marin avec une précision comparable à celle des observations expérimentales directes.
Les résultats mettent également en évidence une tendance préoccupante dans les eaux superficielles des Canaries durant la période étudiée. Le CO2 dans l’eau de mer a augmenté à un rythme de 3,51 ± 0,31 µatm par an, tandis que le pH a diminué à une vitesse de −0,003 ± 0,001 par an, confirmant un processus d’acidification océanique dans la région. L’étude souligne également que le réchauffement de l’océan, intensifié lors de la vague de chaleur marine de 2023, a contribué de manière significative à accélérer ces tendances.
Un autre résultat important est le changement du rôle des eaux canariennes dans les échanges de CO2 avec l’atmosphère. La région est passée d’une source faible de CO2 en 2019 à une source beaucoup plus importante en 2024, avec un maximum en 2023, coïncidant avec les températures de surface les plus élevées observées durant la période étudiée. Par ailleurs, plusieurs zones de l’est de l’archipel, auparavant des puits annuels de CO2, sont devenues des sources nettes après 2022.
Ce travail constitue une avancée significative pour l’observation océanique aux Canaries, en démontrant que l’intégration de séries temporelles in situ, de données satellitaires et d’outils d’intelligence artificielle représente une approche efficace pour surveiller l’évolution de l’océan et améliorer les projections futures dans un contexte de changement climatique.
