Las floraciones de algas nocivas (FAN) representan un importante desafío medioambiental y económico para la acuicultura. Predecir estos episodios antes de que se intensifiquen es esencial para proteger las operaciones de producción acuícola. Por ello, BiOceanOr está apoyando un proyecto de investigación doctoral desarrollado en el Laboratorio de Medio Ambiente y Recursos de Ifremer en Boulogne-sur-Mer (LERBL), bajo su dirección científica. La tesis plantea la siguiente pregunta: ¿puede la inteligencia artificial (IA) predecir el riesgo de FAN con suficiente antelación para poder actuar y, además, explicar por qué se produce?

Combinación de datos medioambientales e IA

El proyecto de investigación integra múltiples fuentes de datos:

Datos meteorológicos, hidrológicos y fisicoquímicos recogidos in situ.
Recuentos de fitoplancton.
Datos de observación satelital.
Modelos numéricos.

Basada en redes neuronales artificiales, aprendizaje automático (machine learning) e IA, esta investigación tiene como objetivo predecir en tiempo real la probabilidad de que se produzca una FAN. Para abordar la naturaleza de «caja negra» que suele asociarse a los modelos de aprendizaje automático, se utiliza un análisis SHAP (SHapley Additive exPlanations) para identificar qué factores medioambientales determinan el riesgo. De este modo, las predicciones pueden comprenderse y generar confianza.

¿Le interesa saber cómo BiOceanOr apoya la investigación científica?

Charle con nuestros expertos

Del canal de la Mancha a la producción de salmón en Chile

La metodología se desarrolla inicialmente en la parte oriental del canal de la Mancha, una zona que cuenta con una densa red de observación — la infraestructura francesa de investigación SNO COAST-HF— y con datos de fitoplancton a largo plazo procedentes de la red SNO PhytObs y de los programas de seguimiento SRN-REPHY.

A medida que avance la investigación, se estudiará la posibilidad de transferir esta metodología a ecosistemas donde las redes de seguimiento son menos densas y los datos históricos más limitados. Esta segunda fase permitirá evaluar la capacidad de adaptación y la robustez del modelo en diferentes condiciones medioambientales y de disponibilidad de datos.

Chile constituye un caso de estudio especialmente relevante por varios motivos:

Es el segundo mayor productor de salmón del mundo.
La necesidad de disponer de este tipo de predicciones es real. En 2016, una proliferación de Pseudochattonella verruculosa provocó la pérdida de más de 40.000 toneladas de salmón (León Muñoz et al., 2018). Desde entonces, se han producido episodios importantes más recientes, en 2021, 2023 y 2024.
BiOceanOr ya está presente en la región y trabaja junto a varios productores locales interesados en probar estas soluciones.

De la investigación científica a los sistemas de alerta temprana aplicados a la acuicultura

Mediante la combinación de la integración de datos multimodales, el aprendizaje automático y la inteligencia artificial explicable, esta investigación pretende desarrollar herramientas predictivas que ayuden a los profesionales del sector a anticiparse a las proliferaciones de algas nocivas, mejorar la evaluación de los riesgos medioambientales y tomar decisiones mejor fundamentadas, contribuyendo así a una acuicultura más resiliente y sostenible.

La estrecha colaboración con la comunidad científica ha sido una parte fundamental de los proyectos de BiOceanOr desde el principio, y transformar los últimos avances de la investigación en herramientas operativas constituye una parte esencial de nuestra misión. Esta tesis es una continuación natural de ese compromiso y del trabajo que seguimos desarrollando en el ámbito de las proliferaciones de algas nocivas.

¿Quiere descubrir cómo podrían aplicarse estos avances a sus centros?

Contáctenos

Véase también

Ver todas las noticias