- About
- Affiliates
- Join
- Publications
- Estuaries and Coasts
- CERF's Up! Quarterly Bulletin
- Coastal & Estuarine Science News (CESN)
- CERF-Lit
- Advertising
- Programs & Events
- Inclusive Culture
- Communities
CESN Main Page
Coastal & Estuarine Science News (CESN)La misión de Coastal & Estuarine Science News (CESN) es destacar las últimas investigaciones en la revista Estuaries and Coasts que sean relevantes para los gestores ambientales. Es un boletín electrónico gratuito que se entrega a los suscriptores cada dos meses. ¡Regístrate hoy! 2024, Edición 4 (Español)ContenidoModelando la Remoción de Nitrógeno por Mariscos Modelando la Remoción de Nitrógeno por Mariscos Cosechar ostiones después de 2.5 años es mejor que al alcanzar la talla de cosecha Aunque la reducción de los aportes de nitrógeno ha ayudado a mejorar la calidad de los ecosistemas costeros, las persistentes condiciones eutróficas han llevado a que los gestores busquen soluciones adicionales de control, incluida la acuicultura de mariscos bivalvos. Estos filtradores incorporan nitrógeno en sus tejidos y caparazones a medida que crecen, de manera que, cuando son cosechados, estos nutrientes también se eliminan del cuerpo de agua. Los investigadores se asociaron con una granja de ostión americano (Crassostrea virginica) en el estrecho de Long Island de Connecticut para recopilar nuevos datos experimentales y de campo para mejorar las estimaciones de los modelos de crecimiento de ostiones (con el modelo basado en individuos AquaShell) y de la eliminación de nitrógeno (con el modelo poblacional de gestión de recursos de la acuicultura de granja o FARM, por sus siglas en inglés, el cual es utilizado ampliamente). Los investigadores recolectaron muestras de ostiones y mediciones ambientales, incluida la calidad del agua, cada mes; adicionalmente, realizaron experimentos de alimentación por filtración en individuos de ostiones y mediciones de la respiración en cámaras. Durante el ciclo de cultivo de 912 días, el modelo AquaShell estimó que un ostión americano puede filtrar 47.6 m3 de agua de mar, consumir 38 gramos de oxígeno y eliminar más de 0.88 gramos de nitrógeno en promedio. Cuando se compararon diferentes escenarios de cosecha con el modelo FARM, descubrieron que se eliminan aproximadamente 274 kilogramos de nitrógeno por hectárea por año al cosechar todos los ostiones después de un periodo de crecimiento de 2.5 años, lo cual era casi el doble de lo obtenido con el escenario de cosecha al alcanzar la talla (159 kilogramos de nitrógeno por hectárea por año). La eliminación de nitrógeno fue mayor cuando se utilizó el modo no cosechar al alcanzar la talla porque los ostiones permanecieron en el agua por más tiempo y continuaron creciendo. El enfoque adoptado en este estudio amplió la parametrización del modelo FARM y mejoró su capacidad para predecir los beneficios y la utilidad de la eliminación de nitrógeno como herramienta de planificación para decidir dónde y cómo diferentes especies cultivadas en otros lugares podrían ser más efectivas para reducir el nitrógeno en el medio ambiente. Fuente: Bayer, S.R. et al. 2024. Refining the Farm Aquaculture Resource Management Model for Shellfish Nitrogen Removal at the Local Scale. Estuaries and Coasts. DOI: 10.1007/s12237-024-01354-7 Imagen: Investigadores filtrando muestras para los datos ambientales del modelo FARM del agua de una granja de ostiones arrendada en Greenwich, Connecticut / Skylar Bayer
Integración de la Incertidumbre en las Estimaciones de la Migración a los Humedales Una herramienta para identificar con precisión donde puede ocurrir la migración de los humedales A medida que aumenta el nivel del mar, las marismas pueden expandirse cuesta arriba, evitando que se sumerjan. Pero identificar dónde podría ocurrir esta migración a tierras altas requiere estimaciones precisas de la elevación. Esto puede resultar difícil ya que las mediciones de elevación de campo tienen una cobertura limitada y la tecnología de detección y alcance de la luz (LIDAR) puede resultar en sobreestimaciones sustanciales debido a su incapacidad para penetrar la vegetación densa. Los investigadores tomaron los condados de Duvall y Nassau en el noreste de Florida como estudio de caso para identificar posibles áreas de migración de humedales y al mismo tiempo integrar la incertidumbre de la elevación de la superficie del suelo, los niveles actuales del agua y los escenarios del aumento del nivel del mar. Se utilizaron los modelos de elevación digitales (MED) disponibles públicamente del USGS que se desarrollaron con datos de LIDAR recopilados en 2018 y 2019 como fuente de datos de elevación original para este estudio, y estos se relacionaron con mediciones en el terreno para reducir el error de los MED (de –0.159 m a –0.008 m). Posteriormente, los investigadores utilizaron los MED con error reducido para enfocarse en la migración de humedales con inundación tanto regular como irregular e identificaron los tipos de cobertura y de uso de suelo que son vulnerables a la futura exposición al agua del océano. Específicamente, estas evaluaciones se crearon utilizando simulaciones de Monte Carlo para evaluar la probabilidad de que un área se encuentre dentro de zonas inundadas de manera regular o irregular utilizando dos escenarios de aumento del nivel del mar (intermedio bajo e intermedio alto) para 2050 y 2100. En general, el espacio migratorio incrementó con el aumento del nivel del mar: en el escenario “intermedio bajo”, el espacio migratorio se duplicó de ~9,000 hectáreas en 2050 a más de 18,600 hectáreas en 2100, mientras que en el escenario “intermedio alto”, aumentó de 13,700 a 25,200 hectáreas. Las zonas con pendientes suaves tenían más potencial para la migración que aquellas con pendientes pronunciadas. También identificaron barreras topográficas que limitarán la migración de humedales utilizando datos de cobertura terrestre de la NOAA. Suponiendo que las áreas con desarrollo humano estarían protegidas (y, por lo tanto, se impediría que ocurriera la migración de las marismas), descubrieron que el río Nassau tenía mayor potencial de migración que el río St. Johns debido al mayor desarrollo a lo largo de este último. Este método puede ayudar a reducir la incertidumbre y la sobreestimación de la elevación que presentan los MED existentes y ayudar a mejorar las herramientas de detección utilizadas para la gestión y planificación de tierras costeras. Estos productos pueden proporcionar información antes de que se realicen modelos geoespaciales o hidrodinámicos más complejos y pueden ayudar a guiar diversas acciones de gestión, incluida la adquisición de tierras. Fuente: Enwright, N.M. et al. 2024. Enhancing Assessments of Coastal Wetland Migration Potential with Sea‑level Rise: Accounting for Uncertainty in Elevation Data, Tidal Data, and Future Water Levels. Estuaries and Coasts. DOI: 10.1007/s12237-024-01363-6 Imagen: Impacto de los cambios en la exposición al agua oceánica a lo largo de la transición bosque-marisma en la Reserva Ecológica e Histórica Timucuan en Jacksonville, Florida / Nicholas Enwright
Los Beneficios Perdurables de los Umbrales Temporales Mitigando la intrusión de sal en tiempos de sequía La combinación del aumento del nivel del mar y la sequía provocada por el cambio climático hace que los estuarios sean cada vez más susceptibles a la intrusión de agua salada río arriba. Una forma de proteger los recursos de agua dulce río arriba durante los periodos de escaso caudal es construir umbrales de tierra temporales. Por ejemplo, durante una sequía reciente en el curso inferior del río Mississippi, el avance de la cuña salina amenazó con contaminar el agua potable de Nueva Orleans. En respuesta, se construyó una presa sumergida de cresta ancha con sedimentos locales. Permaneció en su lugar durante condiciones de bajo flujo para impedir que el agua salina en la parte más profunda de la columna de agua se extendiera tierra adentro y al mismo tiempo permitir la descarga de agua dulce río abajo más cerca de la superficie. Los investigadores querían evaluar cómo el tipo de estuario, la circulación y el régimen de mareas afectaban la capacidad de los umbrales temporales como el mencionado para mitigar eficazmente la intrusión de agua salada inducida por la sequía. Según sus experimentos de modelado, los umbrales funcionarían bien en estuarios con cuñas salinas con una estratificación típica de los estuarios dominados por ríos. Sin embargo, su efectividad disminuiría con el aumento de la energía de las mareas; en los sistemas dominados por las mareas, los umbrales serían menos efectivos ya que actuarían como un obstáculo y reducirían el impulso del agua salada tierra adentro, pero no la detendrían. La altura y ubicación del umbral también son fundamentales para su eficacia. La altura del umbral es más efectiva cuando equivale a la mitad de la columna de agua; adicionalmente, si el umbral se coloca demasiado río arriba, por ejemplo, puede exacerbar la intrusión de agua salada río arriba. Estas limitaciones de altura y ubicación pueden limitar su uso generalizado. En estuarios con una profundidad apenas suficiente para permitir el paso de embarcaciones, un umbral obstruiría a las embarcaciones y sería un obstáculo para el puerto. Por otro lado, un umbral permanente obstruiría el flujo en condiciones sin sequía, aumentando el riesgo de inundaciones. Los umbrales temporales deberían estar sujetos a la eliminación natural con flujos más altos, lo que los convierte en una solución basada en la naturaleza que puede funcionar en las condiciones adecuadas. Fuente: Hendrickx, G.G. et al. 2024. An Earthen Sill as a Measure to Mitigate Salt Intrusion in Estuaries. Estuaries and Coasts. DOI: 10.1007/s12237-024-01359-2 Imagen: Escaneo batimétrico con el umbral usado en el curso inferior del río Mississippi / USACE
Evaluación de la Vulnerabilidad en la Costa de Camerún Combinando métodos tradicionales con el aprendizaje automático en África La costa de Camerún alberga diversos ecosistemas marinos y humedales vitales para las comunidades locales. Sin embargo, los efectos de la rápida urbanización, la explotación de los recursos naturales y el cambio climático provocarán el desplazamiento de la población humana y la reducción de la biodiversidad de los humedales. Se han realizado pocos estudios sobre los peligros costeros a lo largo del golfo de Guinea. Para llenar este vacío, los investigadores combinaron métodos de evaluación tradicionales con técnicas de aprendizaje automático para evaluar la vulnerabilidad de las zonas costeras a peligros como la erosión, las tormentas y el aumento del nivel del mar. Con datos geoespaciales existentes y observaciones de campo en la bahía de Bonny, los investigadores recopilaron parámetros geológicos, físicos y socioeconómicos (como la elevación, la altura significativa de las olas, la cobertura del suelo, la densidad poblacional y la red de carreteras) y asignaron a cada uno una clase de vulnerabilidad que iba desde muy baja a muy alta. Por ejemplo, a una aldea, un pueblo pequeño, un pueblo grande y una ciudad se le clasificó como bajo, moderado, alto y muy alto, respectivamente. Posteriormente, con estas entradas categorizadas, calcularon un índice integrado de vulnerabilidad costera (IIVC) de tres maneras. Primero, con un método “simple” con cálculos tradicionalmente utilizados para generar un índice de vulnerabilidad costera; sucesivamente, con un proceso de jerarquía analítica (AHP, por sus siglas en inglés) multicriterio, el cual es una versión ponderada del método simple. Finalmente, con seis algoritmos de aprendizaje automático entrenados con (y evaluados contra) los cálculos de vulnerabilidad del AHP. El IIVC calculado con el método simple mostró una mayor variabilidad que el método AHP, el cual tenía una distribución más equilibrada de los niveles de vulnerabilidad. El método AHP ofrece una evaluación más matizada y detallada, pero puede ser propenso a la subjetividad ya que se basa en juicios humanos para establecer ponderaciones y comparaciones entre criterios. El método simple, si bien es más accesible y fácil de implementar, puede subestimar interacciones complejas entre factores como la geomorfología, la pendiente, la erosión costera y la densidad poblacional; todos estos podrían influir en la vulnerabilidad. Finalmente, con la excepción de uno, los algoritmos de aprendizaje automático funcionaron bien (y de manera similar entre sí) a la hora de predecir la vulnerabilidad costera. De estos, la red neuronal artificial fue el que mejor funcionó. La combinación de métodos ofrece una evaluación más completa de la vulnerabilidad costera y su comparación permite aprovechar los diferentes beneficios de cada uno. Feunte: Nourdi, N.F. el al. 2024. Integrated Assessment of Coastal Vulnerability in the Bonny Bay: A Combination of Traditional Methods (Simple and AHP) and Machine Learning Approach. Estuaries and Coasts. DOI: 10.1007/s12237-024-01362-7 Imagen: Bahia de Bonny / Los autores
|