Herramientas para el pronóstico de riesgo de mortandad masiva de peces asociada a florecimientos algales nocivos en estuarios tropicales

Abstract

Los Florecimientos Algales Nocivos (FAN) son fenómenos naturales que impactan negativamente tanto el equilibrio ecológico como la economía, afectando sectores clave como la pesca, acuicultura y turismo, además de representar un riesgo para la salud pública y la seguridad alimentaria. El principal objetivo de este trabajo fue desarrollar y validar una herramienta de alerta temprana para predecir el riesgo de mortandad masiva de peces en ecosistemas tropicales, utilizando el Indicador de Riesgo de Muerte de Aerobios (IRMA). El estudio se realizó en la Ciénaga Grande de Santa Marta (CGSM), un ecosistema estuarino-lagunar de gran relevancia en Colombia. Inicialmente, se recopilaron datos históricos de tres variables fundamentales del agua: clorofila (CLA), oxígeno disuelto (OD) y fósforo (PO4), junto con un registro detallado de eventos de mortandad masiva de peces en la región, obtenidos de fuentes periodísticas y boletines oficiales. A partir de esta información, se estructuró una base de datos robusta con 5778 registros mensuales, tomados entre 1993 y 2019 en 71 estaciones de monitoreo a lo largo de la CGSM. Esta base de datos permitió correlacionar los eventos de mortandad de peces con las condiciones ambientales y calcular el indicador IRMA. Se evaluó la capacidad predictiva del IRMA mediante análisis descriptivos y métricas estadísticas como exactitud, sensibilidad y especificidad. Adicionalmente, se realizó un análisis multivariado para examinar la relación entre los valores del IRMA y factores climáticos y antrópicos. Los resultados confirmaron que el IRMA es una herramienta confiable para predecir el riesgo de mortandad masiva de peces en estuarios tropicales, utilizando las variables PO4, CLA y OD. Como complemento, se ajustaron modelos de machine learning y pronóstico espacial para modelar estadísticamente los eventos de mortandad masiva de peces e identificar las estaciones con mayor riesgo, según el IRMA. Además, se desarrolló una aplicación móvil, disponible en Play Store y App Store, que incluye un tablero gráfico interactivo donde los usuarios pueden ingresar datos de fósforo, clorofila y oxígeno disuelto para obtener una evaluación inmediata del riesgo de mortandad de peces. La aplicación también cuenta con un módulo educativo que guía a los usuarios en el monitoreo y observación de microalgas potencialmente tóxicas (Texto tomado de la fuente).

Harmful Algal Blooms (HAB) are natural phenomena that negatively impact both the ecological balance and the economy, affecting key sectors such as fishing, aquaculture, and tourism, as well as posing a risk to public health and food security. The main objective of this study was to develop and validate an early warning tool to predict the risk of mass fish mortality in tropical ecosystems, using the Aerobic Mortality Risk Indicator (IRMA). The study was conducted in the Ciénaga Grande de Santa Marta (CGSM), a highly relevant estuarine-lagoon ecosystem in Colombia. Initially, historical data on three key water variables were collected: chlorophyll (CLA), dissolved oxygen (DO), and phosphorus (PO4), along with a detailed record of mass fish mortality events in the region, obtained from media reports and official bulletins. Based on this information, a robust database of 5778 monthly records was built, covering the period from 1993 to 2019 across 71 monitoring stations throughout the CGSM. This database allowed for the correlation of mortality events with environmental conditions and the calculation of the IRMA indicator. The predictive capacity of IRMA was evaluated through descriptive analysis and statistical metrics such as accuracy, sensitivity, and specificity. Additionally, a multivariate analysis was performed to examine the relationship between IRMA values and climatic and anthropogenic factors. The results confirmed that IRMA is a reliable tool for predicting the risk of mass fish mortality in tropical estuaries, based on the PO4, CLA, and DO variables. As a complementary analysis, machine learning models and spatial forecasting were applied to statistically model mass fish mortality events and identify high-risk stations according to IRMA. Additionally, a mobile application was developed, available on Play Store and App Store, featuring an interactive graphic dashboard where users can input phosphorus, chlorophyll, and dissolved oxygen data to obtain an immediate assessment of fish mortality risk. The app also includes an educational module that guides users in monitoring and observing potentially toxic microalgae.