Hacia un monitoreo continuo de variables oceanográficas en el Parque Nacional Isla de Flores, Uruguay

Introducción

Los sistemas de monitoreo continuo del medio marino son de gran relevancia para mejorar pronósticos de tiempo y detectar efectos de cambio climático; así como entender procesos físicos, químicos y biológicos que allí ocurren, y predecir los efectos de las actividades humanas en los ecosistemas marinos (Soreide, et al., 2001; Merchant, et al., 2019). Asimismo, son un insumo importante para la gestión de actividades marítimas operativas.

La generación de series temporales largas de variables medidas in situ cobra particular relevancia para complementar los datos que se pueden obtener a partir del registro por sensoramiento remoto o de los datos de reanálisis atmosféricos y oceánicos. En particular, el dato satelital nos brinda información de la superficie con una gran cobertura espacial que suele tener varias ausencias de datos cuando hay nubosidad. En cambio, con la medición in situ, aunque la cobertura espacial de los mismos suele ser muy reducida, obtenemos datos de alta precisión (Merchant, et al., 2019).

Asimismo, es necesario comparar los datos satelitales y de reanálisis con mediciones in situ para validarlos, especialmente en áreas costeras, y para ello se requiere contar con series temporales largas y de alta frecuencia (Bao, et al., 2019; Merchant, et al., 2019). Esta información cobra aún mayor relevancia si consideramos que se puede correlacionar con otro tipo de información, como la meteorológica y la biogeoquímica, para ampliar el monitoreo a nivel ecosistémico. De esta manera se fortalecen distintas actividades que se desarrollan en la costa, como las logísticas, de investigación, de explotación de recursos naturales, de conservación y de seguridad en el mar, contribuyendo así a procesos de planificación del espacio costero-marino (Echevarría, et al., 2016).

A nivel global, existe una gran cantidad de proyectos dirigidos a monitorear los océanos de manera continua a partir de distintos abordajes (por ejemplo, PIRATA, Argo, etcétera.; Merchant, et al., 2019). Sin embargo, están dirigidos a monitorear el océano abierto, quedando el monitoreo de las zonas costeras restringido a los esfuerzos realizados a nivel nacional o regional (por ejemplo, SiMCosta, s.d.). En Uruguay, existen antecedentes de proyectos binacionales que implementaron boyas oceanográficas en el Río de la Plata, en puntos alejados de la línea de costa (por ejemplo, Oyarvide, Pilote Norden, Boya Oceanográfica; Simionato, et al., 2011; Santoro et al., 2013; Fossati, et al., 2014), pero los monitoreos se vieron interrumpidos por diversas razones, entre ellas los altos costos de mantenimiento en las aguas turbias del Río de la Plata (Simionato, et al., 2011). Otras iniciativas privadas de recolección de datos in situ, vinculadas a emprendimientos económicos de diversa índole (regasificadora, planta de celulosa Montes del Plata, central térmica de Punta del Tigre, etcétera), funcionaron durante tiempos acotados y los datos allí generados son de difícil acceso.

El estuario Río de la Plata desemboca en el océano Atlántico, tiene una gran extensión (320 km de largo y su ancho varía entre 38 km en la naciente y 230 km en su desembocadura al océano), poca profundidad (media 10 m), y es micromareal (<1 m, Framiñan, et al., 1999; Santoro, et al., 2013). Fluye hacia la plataforma continental de Uruguay y Argentina, transportando aguas de los ríos Paraná y Uruguay, con un caudal de descarga medio de 22.000 m3/s, el cual presenta una baja estacionalidad y gran variabilidad interanual (Piola, et al., 2005). El estuario es muy susceptible a forzantes atmosféricos (Guerrero, et al., 1997; Simionato, et al., 2004; Meccia et al., 2013), por lo que la circulación en este sistema está principalmente determinada por la acción de los vientos locales y vientos remotos (Simionato, et al., 2008; Santoro, et al., 2013; Fossati, et al., 2014). Estos aspectos determinan que sea un estuario muy dinámico, caracterizado por tener una marcada variabilidad espacio-temporal y ser altamente productivo (Guerrero y Piola, 1997; Acha, et al., 2008).

Las características de este sistema determinan que la salinidad constituya una variable sumamente relevante en el área, ya que está estrechamente vinculada a la descarga del Río de la Plata y al viento, los cuales determinan una mayor o menor presencia de agua salobre. Asimismo, estas condiciones repercuten directamente en aspectos vinculados a la calidad del agua (por ejemplo, floraciones de cianobacterias), la balneabilidad de las playas, la distribución de especies y los recursos pesqueros, entre otros (Jaureguizar, et al., 2003; Paesch, et al., 2014; Martínez, et al., 2017; Kruk, et al., 2019). Además de la salinidad, la temperatura del agua de mar es otra variable de gran importancia que permite caracterizar las propiedades del agua y la dinámica local.

En los últimos años se ha registrado un gran avance en los productos de sensoramiento remoto para medir estos parámetros físicos del océano, pero aún es necesario dirigir esfuerzos locales para generar mediciones continuas in situ (Bao, et al., 2019; Merchant, et al., 2019). En particular, los productos satelitales de temperatura superficial del mar (TSM) para la costa uruguaya capturan adecuadamente su variabilidad en distintas escalas, aunque tienden a suavizarlas (Simionato, et al., 2010; Manta, et al., 2018; Trinchin, et al., 2019). A pesar de que existen productos disponibles con gran resolución espacial (1 km) y resolución temporal diaria (por ejemplo, GHSST, Chin, et al., 2017), aún no es posible acceder a analizar la variabilidad durante el día. Por otro lado, si bien los productos satelitales de salinidad superficial han presentado gran desarrollo en los últimos años, incrementando su resolución espacial (0.5º x 0.5º) y temporal (composición de 7 días para nuestra región, por ejemplo, los provenientes de los sensores SMOS o Aquarius), aún no hay mediciones remotas de salinidad cercanas a todas las costas del mundo; y en los casos donde sí hay, todavía no son confiables (Bao, et al., 2019).

Actualmente, Uruguay no cuenta con programas de monitoreo oceanográfico continuo de alta frecuencia (por ejemplo, un dato por hora). Existen algunos esfuerzos dirigidos a monitoreos de playas que son realizados por instituciones académicas o gobiernos departamentales (por ejemplo, ver referencias de datos usados en Kruk, et al., 2019; Lercari y Defeo, 2006), campañas específicas llevadas adelante por otras instituciones del gobierno o la universidad (por ejemplo, Ortega y Martínez, 2007), y monitoreo en tiempo real de altura del nivel del mar que se realiza con fines operativos a través de mareógrafos de la Administración Nacional de Puertos, (Uruguay. Administración Nacional de Puertos, s.d.).

En este contexto, a fines de 2018, con el fin de avanzar hacia la implementación de sistemas de monitoreo continuo en la costa uruguaya, así como poder contar con series temporales de datos in situ para investigación en ciencias del mar, nace una iniciativa producto del trabajo multiinstitucional entre el Departamento de Ciencias de la Atmósfera de la Facultad de Ciencias (Universidad de la República), el Departamento de Gestión Costera y Marina y la División Sistema Nacional de Áreas Naturales Protegidas de la Dirección Nacional de Medio Ambiente, ambas del Ministerio de Ambiente, y el Instituto Uruguayo de Meteorología, con el apoyo del Ministerio de Defensa Nacional (a través del Servicio de Balizamiento de la Armada y la Prefectura Nacional Naval). Este trabajo tiene como objetivo presentar la información generada en los primeros 16 meses de registro continuo de variables in situ y sentar las bases para un proceso colaborativo interinstitucional de largo plazo. Además, se discute la correlación de la temperatura con datos satelitales de TSM, se caracteriza el ciclo diario y estacional de la temperatura in situ, y se analizan casos de estudio.

Materiales y Métodos

Descripción del instrumental e instalación

El instrumental consiste en sensores DST-CTDs de la marca STAR ODDI, con su data logger específico para programarlos y descargar los datos en una computadora. El data logger incluye una caja de comunicación que lee la información del sensor, y un programa específico (SeaStar) para pre-procesar y descargar esa información en formato digital (Figura 1a y b). Los DST-CTDs son equipos que registran las variables conductividad, temperatura y profundidad. Estos equipos son apropiados para su uso en zonas costeras, amarrados a un sitio o adheridos a redes, por lo cual son muy resistentes y versátiles. El rango de conductividad que se registra con distintos equipos es de 0.3-63 mS/cm y el rango de profundidad para el que están diseñados es de 1-500 m; según las características del sistema debe optarse por la versión del sensor que mide en un rango óptimo. El software calcula automáticamente la salinidad (PSS-78) a partir de las mediciones de conductividad y temperatura en unidades prácticas de salinidad (psu). La frecuencia de tiempo con que se toman las mediciones puede variar de un segundo a horas, y puede ser preestablecida por el usuario, adecuándose al objeto de estudio. Los registros se guardan en una memoria interna con una referencia reloj en tiempo real del momento en que se tomó la medición. Una particularidad que presentan estos sensores es que son muy pequeños (50 mm x 15 mm), lo cual los hace muy prácticos de transportar; poseen una vida útil que varía de acuerdo con el uso que reciban; y si bien pueden ser recalibrados, la batería no es renovable.

Para la instalación de los sensores se diseñó un dispositivo de amarre tipo “cachimba”, el cual consiste en un tubo sujetado al muelle a través del cual se introduce el sensor en su cápsula amarrado a un cabo (Figura 1c). De esta manera se evita la deriva del sensor por efecto del viento o las corrientes. Asimismo, este dispositivo permite que el sensor fluctúe su nivel con las variaciones del mar, ubicándose siempre cerca de la superficie, de modo que no se observan variaciones significativas en la temperatura o salinidad asociadas a la cota de medición. Además, facilita el acceso a los sensores para descargar la información.

El equipo está colocado en el muelle de la Isla de Flores, ubicado a 11 km de la costa, frente al límite entre Montevideo y Canelones (34º56’00.7’’S - 55º55’02.8’’W; Figura 2). La isla y un radio de 2 millas náuticas fueron ingresados en 2018 al Sistema Nacional de Áreas Protegidas (SNAP), declarándose Parque Nacional Isla de Flores (PNIF) a través del Decreto Nº 43/08, del 26 de febrero de 2018 (Uruguay, 2018). El PNIF tiene una superficie total de 5.749 hectáreas (aproximadamente 35 ha corresponden a superficie terrestre) y presenta un faro activo que cuenta con personal a cargo, que hace turnos y cambia cada 15 días. Esta dinámica facilita el acceso frecuente a la isla, por lo que -con el apoyo de la armada- embarcamos en esos viajes para realizar la limpieza y descarga de los datos quincenalmente. El PNIF, por su distancia a la costa y su ubicación en la zona exterior del Río de la Plata, constituye un lugar clave para el monitoreo debido a que se localiza en una zona de máximos gradientes de temperatura y salinidad (Guerrero, et al., 2010). Asimismo, este sitio presenta la ventaja, respecto a otro punto de la costa, de no verse directamente afectado por la vertiente y escorrentía de aportes pluviales de la ciudad que podrían disminuir la salinidad.

Los distintos sitios del muelle donde se fueron colocando los sensores variaron en cuanto al desempeño observado en su funcionamiento (Figura 2c). En primera instancia, los sensores se colocaron en el sitio de mayor resguardo del muelle (Figura 2c, sitio A, indicado en rojo, del 29/11/2018 al 12/12/2018), ubicación que fue posteriormente descartada debido a que se registraron períodos en los que el sensor quedaba fuera del agua (por la poca profundidad en la que se encontraba). En una segunda instancia, el sensor se colocó en un sitio también resguardado por el muelle, fijado a un tubo que también quedaba expuesto ante eventos de bajante; allí estuvo entre el 12/12/2018 y el 28/12/2018 (Figura 2c, sitio B). Finalmente, el 28/12/2018 fue movido a un tercer sitio con mayor exposición a los vientos y condiciones del mar severas (Figura 2c, sitio C), donde permaneció hasta el 27/1/2019, cuando luego de una tormenta se perdió. El 6/2/2019 se colocó un nuevo sensor en el sitio C (Figura 2c), donde registró datos hasta el mediodía del 6/3/2019. Entre el 6/3/2019 y el 3/5/2019, debido a una falla no identificada del sensor, no se obtuvieron mediciones. El 3/5/2019 se retomaron las mediciones en el sitio C, donde permaneció hasta el 30/4/2020. En todos los casos, los sensores fueron programados para tomar mediciones cada 30 minutos y se utilizaron DST-CTDs de diferentes rangos de conductividad (13-63 mS/cm, 3-37 mS/cm, 0.3-5 mS/cm). En la Tabla 1 se indica el rango de conductividad del sensor, el sitio y el tiempo de permanencia en cada sitio.

Tratamiento y análisis de los datos

En esta sección se detalla el procesamiento de datos realizado para generar la base de datos en paso temporal horario, a partir de un total de 33.368 registros por variable tomados cada media hora, en el período comprendido entre el 29 de noviembre de 2018 y el 30 de abril de 2020. En primer lugar, se eliminaron los datos en los que se detectó que el sensor había quedado expuesto al aire. Esta condición se identificó cuando la conductividad fue <3 mS/cm, siendo este el límite de detección inferior para los sensores de conductividad 3-37 mS/cm. Estos casos representaron 4.371 registros (13,1%) y se concentraron en el primer período, cuando el sensor se ubicó en el sitio A, lo que motivó el cambio de su ubicación al sitio B (Figura 2).

En segundo lugar, se calcularon medias horarias a partir de los datos cada 30 minutos. En varios períodos hubo mediciones duplicadas únicamente para la temperatura, ya que se colocaron dos sensores en el mismo sitio con el fin de tener replicabilidad. En el caso de la salinidad, no se obtuvo réplica de la medición válida porque el segundo sensor era para un rango de conductividad muy bajo (0,3-5 mS/cm), correspondiente a cuerpos de agua dulce. Esta información se descartó debido a que las mediciones no resultaron adecuadas para este tipo de sistema.

Las mediciones in situ se compararon con datos satelitales GHRSST-MUR de 1 km de resolución horizontal y frecuencia diaria (Chin, et al., 2017). Se calculó el promedio diario de temperatura medido en el PNIF, y se realizó un análisis de regresión lineal con cada punto de la grilla de datos satelitales en el Río de la Plata y océano adyacente. Luego se graficó el R² ajustado, que representa el porcentaje de varianza explicada por el modelo de regresión lineal. Esto se realizó para el período con datos medidos, sin considerar los datos faltantes, alcanzando un total de 512 datos diarios.

A los efectos de completar la serie de temperatura, en los dos períodos que se descontinuaron las mediciones se consideró un método simple de imputación que usa los datos satelitales GHRSST-MUR, altamente correlacionados con los datos in situ. La metodología consistió en sumar el ciclo diario promedio calculado a partir de las observaciones in situ al dato satelital durante los períodos en los cuales no hay datos in situ. La salinidad no se pudo completar.

El porcentaje de datos faltantes respecto del tamaño de la serie horaria para el período muestreado fue del 20%, tanto para salinidad como para temperatura. La profundidad podría constituir una variable adecuada para descartar valores atípicos, ya que cuando ésta es cero indicaría exposición al aire. Sin embargo, este indicador no es robusto en aguas someras ya que la precisión del instrumento es de +/–0.6% del rango de profundidad en que puede medir el sensor. Es decir, pueden darse situaciones en que el valor esté cercano a cero, pero -de todas maneras- tener un dato válido de conductividad ya que entra en el margen de error del instrumento.

Por último, se generó una clasificación binomial de datos denominados válidos y estimados. Para la salinidad, los estimados son aquellos datos que el sensor midió fuera de los límites de precisión de conductividad, según el fabricante. Estos datos se corresponden con valores bajos de salinidad que, si bien siguen la tendencia de los datos válidos cercanos, deben ser utilizados con cautela en caso de buscar una precisión del orden de 1 psu. Se identificaron así dos períodos: uno con un sensor cuyo límite inferior es cercano a los 7,5 psu y otro cuyo límite es cercano a los 2 psu. Los datos de temperatura medidos fueron todos válidos, ya que el sensor es más robusto, a excepción de los casos en el que se identificó que estaba expuesto al aire. Los datos estimados de temperatura responden principalmente a los completados con los datos satelitales.

Resultados

Base de datos generada

Hasta la fecha, se cuenta con un 80% de cobertura de datos entre el 28 de noviembre de 2018 y el 30 de abril de 2020, con una frecuencia de muestreo de 30 minutos. En la Figura 3 se observa la serie original de datos sin procesar (Figura 3a) y la serie de datos procesada, donde se aprecia el período de datos imputados a partir del registro satelital (Figura 3b). En las Figuras 3c y 3d se grafican las series de temperatura y salinidad, respectivamente, indicando la clasificación de calidad realizada para cada uno de los valores obtenidos de cada variable. En la Tabla 2 se presentan los estadísticos descriptivos de las series completas generadas. La temperatura media fue de 17,15 ºC, tomando como referencia un año de datos; y el desvío estándar, de 4,41 ºC, variando entre 8,76 y 27,20 ºC. La salinidad media fue de 13,02 psu; y el desvío, de 6,07 psu, variando entre 0,009 y 29,33 psu (Tabla 2).

El ciclo diario de la serie completa de TSM se puede ver en la Figura 4, presentando una amplitud pico a pico de 1 ºC, siendo el mínimo a las 8 y el máximo a las 17 horas. Primavera tiene la mayor amplitud de ciclo diario de temperatura, con 1,35 ºC; luego siguen verano y otoño; mientras que invierno tiene la menor amplitud, con un valor de 0,65 ºC, la mitad que durante primavera.

Comparación con registro satelital

La serie de datos de temperatura in situ generada en paso temporal diario se muestra en la Figura 5, graficada junto a la serie histórica de temperatura obtenida a partir de datos satelitales para el punto de grilla más cercano a Isla de Flores. Se aprecia una alta correlación en el ciclo anual y la variabilidad diaria.

La correlación de la temperatura en el PNIF con el campo espacial de temperatura satelital tiene un R² de 0.98 en la región cercana a la isla, indicando una alta covariabilidad. Esta gran correlación nos permitió usar la serie satelital para completar la serie in situ. Al remover el ciclo estacional calculado a partir del registro histórico satelital, la correlación entre las anomalías diarias de las medidas in situ y satelitales tienen R²=0.65. En ambos casos, la correlación es estadísticamente significativa. En la correlación con los datos sin remover el ciclo estacional se puede apreciar cuán representativa es la medida in situ dentro del estuario (Figura 6a). La misma caracteriza adecuadamente el ciclo estacional abarcando la costa de Montevideo, Canelones y en menor medida alguna porción de la costa de Maldonado (limitado hasta el balneario Solís), donde la medición representa un 96% de la varianza. Destacan la costa este de Montevideo y la mitad de Canelones hacia el oeste, donde representa el 98% de la varianza. Se destaca también la mayor correlación hacia el este con respecto al oeste, en la gran bahía que se forma entre Punta Carretas y Solís, en Maldonado. En el caso de la correlación con el ciclo estacional removido se visualiza otra estructura espacial (Figura 6b).

Discusión

Según el relevamiento bibliográfico realizado, es probable que esta base de datos constituya a nivel nacional uno de los registros más largos de las variables temperatura y salinidad medidos in situ de forma continua, en alta frecuencia y validados, para el Río de la Plata. La misma captura adecuadamente la variabilidad estacional y diaria de la TSM. La experiencia mostró que, para obtener un dato de salinidad fiable, es preciso que el mantenimiento de los equipos y la descarga de la información sea al menos cada 15 a 40 días, ya que los sedimentos del río obstruyen la celda de conductividad del sensor, perjudicando las mediciones. El tiempo que demora en comenzar la obstrucción depende de varios factores, como la estación del año, la profundidad a la que se encuentra el sensor o la circulación de agua que tiene. Esto se observa en la serie de datos como una deriva hacia valores y fluctuaciones de conductividad cada vez menores. Cabe mencionar que para obtener la información se requiere acceder al equipo y a la descarga de los datos utilizando equipamiento específico (computadora, un datalogger y software) y recursos humanos capacitados, lo cual se puede presentar como una dificultad a la hora de acceder a la información con la frecuencia sugerida para mejorar las mediciones de salinidad.

Aportes de la base de datos al monitoreo de procesos oceanográficos costeros

A partir de estas mediciones es posible identificar eventos de interés ambiental, como los eventos extremos de TSM, dentro de los cuales se destacan las olas de calor marinas, que pueden ser más intensas de lo que indica el registro satelital para esta región (Manta, et al., 2018). Otro evento de interés son las surgencias costeras. La surgencia, el afloramiento o el upwelling son términos utilizados para denominar al proceso oceanográfico que consiste en el movimiento de agua desde capas subsuperficiales hacia la superficie, lo cual favorece el aporte de nutrientes, determinando en general zonas altamente productivas de importancia pesquera (Kämpf y Chapman, 2016). Este proceso es consecuencia de la acción combinada de los vientos y la rotación de la Tierra (Tomczak, 1998). Existen varios trabajos que analizan la dinámica y las características de este tipo de eventos en la costa de Uruguay, utilizando distintos tipos de datos (Framiñan, et al., 1999; Pimienta, et al., 2008; Simionato, et al., 2010; Trinchin, et al., 2019); sin embargo, ninguno de ellos cuenta con series continuas medidas in situ.

En particular, en la serie que se presenta en la Figura 3b se aprecia el período comprendido entre el 25 de septiembre y el 10 de octubre de 2019, cuando ocurre un descenso pronunciado de temperatura que tiene asociado un aumento de salinidad. Este comportamiento es característico de lo que ocurre en eventos de surgencia, evidenciados en esta región a través de mediciones durante campañas oceanográficas (Pimenta, et al., 2008) y de análisis de modelación numérica (Meccia, et al., 2013; De Mello, et al., en revisión). En la identificación de este tipo de fenómeno, los sensores satelitales son muchas veces limitantes en cuanto a resolu- ción espacial y no logran captarlos, o los subestiman en intensidad (Meneghesso, et al., 2020), principalmente cuando no son muy intensos o están comenzando a desarrollarse. Por ello, las mediciones in situ continuas constituyen una fuente de información de gran utilidad para investigar las surgencias desde su inicio hasta alcanzar su máxima extensión e intensidad.

Los eventos de surgencia son posibles de identificar a partir de las series de datos de temperatura y salinidad generados en este trabajo. Estos se identifican en períodos donde se observa un aumento de la salinidad y una disminución de la temperatura, los cuales se pueden corroborar espacialmente en el registro satelital. A modo de ejemplo, se muestra en la Figura 7 el composite de anomalías de TSM entre los días 29 de septiembre y 1 de octubre de 2019, calculadas con respecto a la media móvil centrada de 30 días, utilizando los datos SST MUR 1 km (GHRSST, Chin, et al., 2017). Allí se aprecia una región de menor temperatura respecto a las zonas aledañas, que ocurre principalmente desde Canelones hasta Punta del Este, o sea el patrón que caracteriza las surgencias estuarinas (Trinchin, et al., 2019). Cabe destacar la similitud del patrón con la Figura 6c. Esto convierte al PNIF en un punto estratégico para el monitoreo de este tipo de procesos oceanográficos. Por último, las mediciones in situ presentan una oportunidad para evaluar el rol que pueden tener la zona acuática del PNIF y la surgencia en la dinámica de especies que habitan la zona, en particular aquellas que son de interés comercial. Este tipo de datos potencia la generación de información relevante para el diseño de medidas de manejo de los recursos y la conservación de las especies.

Este tipo de información generada también es un aporte importante para mejorar la comprensión de fenómenos meteorológicos locales tales como la brisa, popularmente conocida como virazón. La brisa marina es el viento generado por el calentamiento diferencial del agua y la tierra, que tiene consecuencias directas en las condiciones meteorológicas locales y en otros procesos como, por ejemplo, la retención de contaminantes en el aire (Simpson, 1994). Estudios locales de la brisa marina han evidenciado que representa un componente importante de los vientos en la costa. La brisa tiende a ser subestimada por los modelos numéricos atmos- féricos, por lo que se necesitan mediciones locales de temperatura del agua y aire para su mejor comprensión (Manta, et al., en prensa).

La serie de datos generada abarca el período en que ocurrió el mayor evento de floración de cianobacterias en la costa uruguaya, que tuvo lugar a fines de enero y principios de febrero de 2019, alcanzando regiones como la costa atlántica de Rocha (Kruk, et al., 2019). Durante este evento se observó una caída en la salinidad y un aumento abrupto en la temperatura, consecuencia de la advección de aguas provenientes del estuario. En este sentido, contar con sensores para realizar mediciones continuas de temperatura y salinidad del agua resultan claves para continuar el estudio de estos eventos y lograr una mejor comprensión.

Aportes de la base de datos a compromisos internacionales y regionales

Este tipo de iniciativa se presenta como un desafío y una oportunidad para promover a nivel nacional otras iniciativas que aporten a los Objetivos de Desarrollo Sostenible (ODS) de Naciones Unidas; en particular al objetivo ODS 14, cobrando particular importancia en 2021-2030, cuando dará inicio la Década Internacional de las Ciencias Oceánicas promovida por la Comisión Oceanográfica Intergubernamental (COI) de la UNESCO. Esto busca potenciar internacionalmente las ciencias, con particular énfasis en la construcción de una base de datos científica abierta y accesible sobre el océano, integrando datos e información fiable procedente de todos los océanos del mundo (Comisión Oceanográfica Intergubernamental, 2017). Esta iniciativa internacional se presenta como un marco para que los Estados Miembros, como lo es Uruguay a través de la Comisión Uruguaya de Oceanografía, coordinen y consoliden las observaciones e investigaciones que se necesitan para lograr el ODS 14.

Por otro lado, Uruguay es miembro de la Alianza Regional en Oceanografía para el Atlántico Sudoccidental Superior y Tropical (marzo 2005, OCEATLAN), liderada a nivel nacional por el Servicio de Hidrografía, Oceanografía y Meteorología de la Armada, y en la cual también participa la Universidad de la República a través de la Facultad de Ciencias. Esta alianza representa el esfuerzo regional de instituciones de Argentina, Brasil y Uruguay, empeñadas en la planificación y la implementación de un sistema oceanográfico operacional con el propósito de monitorear e investigar los procesos oceánicos (OCEATLAN, s.d.). Por medio de esta alianza Uruguay se comunica con el programa Global Ocean Observing System (GOOS, s.d.). Este programa de COI es un sistema colaborativo de observaciones oceánicas que se sustenta en una gran red internacional que integra observaciones in situ, satelitales, a los gobiernos, agencias de ONU y científicos de todo el mundo. En particular, las observaciones en red y la gestión de datos son coordinadas por la Comisión Técnica Conjunta de Oceanografía y Meteorología Marina, conformada por la COI y la Organización Meteorológica Mundial (OMM). Esta alianza se ha conformado recientemente para aumentar la generación de mediciones en el océano con el fin de fortalecer el conocimiento del sistema climático (Pinardi, et al., 2019). En este contexto, iniciativas consolidadas que cuenten con apoyo gubernamental, como la descrita en este trabajo, además de ser un gran aporte para las ciencias oceánicas y ambientales a nivel nacional y regional, también constituirán un gran insumo para nutrir los programas y acuerdos internacionales a los que Uruguay ha adherido.

Conclusiones

Los resultados aquí presentados surgen del trabajo colaborativo y coordinado entre la academia e instituciones del Estado para lograr un monitoreo continuo de variables oceanográficas en la costa de Uruguay. Se logró generar una serie temporal de salinidad sin precedentes que será de utilidad para ampliar la comprensión y el conocimiento de la dinámica de procesos oceanográficos en el Río de la Plata, los cuales aportarán a establecer medidas de gestión para la conservación de la fauna en un área marina protegida del SNAP, el Parque Nacional Isla de Flores. En cuanto a la temperatura, se logró evidenciar su alta correlación con un producto satelital particular, y se caracterizó el ciclo diario de temperatura. Combinando los datos in situ con los satelitales, es posible reconstruir una serie temporal horaria con un alto grado de confianza.

Los equipos utilizados, de bajo costo y fácil utilización, permitieron obtener mediciones muy confiables de temperatura; mientras que en el caso de la salinidad se obtuvo una serie de datos un poco menos confiable, pero de un importante valor. Los equipos de medición oceánicos suelen ser de alto costo y requieren mantenimiento. Los equipos aquí utilizados son alternativas relativamente económicas que contemplan una adecuada relación calidad/precio. Proyectando la continuidad del monitoreo a largo plazo, una alternativa es considerar la posibilidad de adquirir equipos más completos que puedan transmitir la información remotamente, de modo de poder incorporar un monitoreo en tiempo real por medio del cual se pueda acceder a la información a través de un sitio web. Asimismo, considerar la posibilidad de implementar un sistema en el que se puedan incorporar sucesivamente nuevos sensores que registren distintas variables físicas y biogeoquímicas, de modo de generar un monitoreo de diferentes variables ambientales que permitan alcanzar un monitoreo oceanográfico integral. En este sentido, a modo de consolidación de una estación de monitoreo permanente de las condiciones fisicoquímicas y biológicas en el Río de la Plata, el PNIF, además de constituir un sitio clave por su ubicación, también facilita la logística de amarre y el acceso de equipos. Además de las instituciones involucradas, se identifican al sector productivo pesquero, a la Dirección Nacional de Recursos Acuáticos, a la Universidad de la República y al Servicio de Hidrografía, Oceanografía y Meteorología de la Armada como actores relevantes que se beneficiarían de la continuidad y profundización de esta iniciativa.

Agradecimientos

Al Servicio de Balizamiento de la Armada y a los fareros, por el apoyo logístico. A la Administración Nacional de Puertos (Ing. Fabián Barbato) por la disponibilidad de la información de altura del nivel del mar y vientos, generada por sus equipos instalados en el PNIF. Agradecemos especialmente a Irene Machado y Daniel Conde por el préstamo de sensores y equipo de descarga, y a Ernesto Brugnoli y Pablo Muniz (Sección de Oceanografía y Ecología Marina de la Facultad de Ciencias-UdelaR) por el préstamo del YSI castaway CTD para contrastar mediciones in situ en algunas de las obtenciones de datos. A Santiago de Mello por su invaluable ayuda en la instalación del sistema cachimba.

Referencias