¿Cómo se ha transformado el Mar Menor en la última década? La respuesta está en un mapa digital elaborado con inteligencia artificial, que ofrece una imagen de alta precisión de la calidad del agua de la laguna salada, afectada por procesos de eutrofización y las famosas ‘sopas verdes’.
Una investigación liderada por el Instituto de Ciencias Marinas de Andalucía (ICMAN-CSIC) ha desarrollado una innovadora 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 integración de ambas técnicas ha permitido identificar las zonas más degradadas, caracterizar sus patrones ambientales y detectar cambios recientes en el equilibrio ecológico de esta laguna salada. Los resultados, publicados en la revista Journal of Hydrology, refuerzan el valor del uso combinado de IA y datos satelitales para la monitorización de regiones costeras.
Análisis de una década con imágenes satelitales de alta resolución
El estudio se basa en imágenes del satélite Sentinel-2 captadas entre julio de 2015 y junio de 2024. Este satélite ofrece una resolución espacial de 10 metros, lo que permite analizar grandes áreas con un nivel de detalle suficiente para detectar cambios relevantes en la calidad del agua, aunque no objetos pequeños.
A partir de estas imágenes, los investigadores han monitorizado dos indicadores clave: la clorofila-a y la turbidez. La clorofila-a permite estimar la cantidad de algas presentes, mientras que la turbidez mide la cantidad de materia en suspensión. Ambos parámetros son fundamentales para evaluar la salud de los ecosistemas acuáticos, ya que niveles elevados suelen estar asociados a procesos como la eutrofización o la pérdida de oxígeno.
Zonas críticas del Mar Menor y patrones ambientales
Los resultados han permitido identificar con precisión las áreas más afectadas del Mar Menor, la laguna salada más grande de Europa. Entre ellas destaca la Rambla del Albujón, situada entre Los Alcázares y El Algar (Murcia), que se ha convertido en uno de los principales puntos de aporte de nutrientes al ecosistema.
El equipo ha analizado cientos de imágenes mediante herramientas basadas en aprendizaje automático no supervisado (machine learning) y métodos avanzados de análisis estadístico. Gracias a estas técnicas, han logrado agrupar zonas con comportamientos similares y dividir la laguna en tres grandes áreas según su estado ambiental.
Además, el análisis temporal ha permitido diferenciar entre cambios estacionales, tendencias a largo plazo y episodios puntuales asociados a eventos extremos, como explica Paola Barba, investigadora predoctoral del ICMAN-CSIC, bajo la supervisión de la Dra. Isabel Caballero de Frutos.
Impacto de eventos extremos y cambio de equilibrio ecológico
Este enfoque ha permitido vincular anomalías detectadas con episodios críticos como las “sopas verdes” de 2016 y 2017, la DANA de 2019 y otros eventos extremos posteriores, evidenciando su impacto en la dinámica del ecosistema.
Uno de los hallazgos más relevantes es la identificación de un cambio hacia un nuevo estado de equilibrio en los últimos años. Esta transformación se refleja en una aparente estabilización de los niveles de clorofila-a y turbidez. Sin embargo, los investigadores advierten que esta estabilidad no implica una recuperación, sino una modificación en el funcionamiento del ecosistema.
Avance en el monitoreo ambiental y gestión costera
La metodología desarrollada supone un avance significativo en el monitoreo ambiental, ya que permite optimizar la ubicación de las estaciones de muestreo dentro de la laguna. Esto facilita concentrar los esfuerzos en las zonas más sensibles o representativas, reduciendo costes sin perder capacidad de seguimiento.
Además, ofrece una zonificación precisa con resolución de 10 metros y permite analizar cómo responde el ecosistema ante fenómenos 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, investigadora que ha liderado el estudio.
El potencial de la IA para la gestión de ecosistemas complejos
El trabajo demuestra el enorme potencial de la Inteligencia Artificial y la observación satelital para comprender y gestionar ecosistemas complejos como el Mar Menor. La capacidad de identificar zonas críticas, analizar su evolución y relacionarla con eventos extremos proporciona una base sólida para diseñar estrategias de prevención, gestión y restauración ambiental.
Este enfoque abre nuevas vías para mejorar la protección no solo del Mar Menor, sino también de otros entornos vulnerables sometidos a presiones antrópicas.
