Evaluación del estado de eutrofización del mar Alborán mediante el empleo combinado de imágenes de satélite y de muestreos in situ

TESIS DOCTORAL EVALUACIÓN DEL ESTADO DE EUTROFIZACIÓN DEL MAR ALBORÁN MEDIANTE EL EMPLEO COMBINADO DE IMÁGENES DE SATÉLITE Y DE MUESTREOS IN SITU DOCTORANDO Francisco José Gómez Jakobsen DIRECTORES Dr. Jesús M. Mercado Carmona Dr. Jesús García Lafuente Departamento de Física Aplicada II UNIVERSIDAD DE MÁLAGA 2015 AUTOR: Francisco José Gómez Jakobsen http://orcid.org/0000-0002-5976-588X EDITA: Publicaciones y Divulgación Científica. Universidad de Málaga Esta obra está bajo una licencia de Creative Commons Reconocimiento-NoComercialSinObraDerivada 4.0 Internacional: Cualquier parte de esta obra se puede reproducir sin autorización pero con el reconocimiento y atribución de los autores. No se puede hacer uso comercial de la obra y no se puede alterar, transformar o hacer obras derivadas. http://creativecommons.org/licenses/by-nc-nd/4.0/legalcode Esta Tesis Doctoral está depositada en el Repositorio Institucional de la Universidad de Málaga (RIUMA): riuma.uma.es A mis padres Francisco y Sol A mi esposa Annette, y mis hijos Laura y el pequeño Marcos AGRADECIMIENTOS En primer lugar, tengo que agradecerles especialmente a mis codirectores la paciencia y la confianza que han depositado en mí durante la realización de esta tesis doctoral. Sin su apoyo y consejo no hubiera sido posible realizar este trabajo: Gracias Jesús M. y Jesús G. En segundo lugar, quiero expresarles mi gratitud a mis compañeros (y casi familia) del Centro Oceanográfico de Málaga, por haberme facilitado los datos que con tanto esfuerzo han generado durante años, y sobre todo por su apoyo incondicional y consejo: Gracias Jesús, Lola y Teo. Quiero agradecer al Dr. Francis Gohín su inestimable ayuda para emplear el algoritmo OC5. Mi gratitud a la Agencia Estatal de Meteorología por proporcionar los datos meteorológicos necesarios para el desarrollo de esta tesis doctoral, en virtud del convenio específico vigente entre el Instituto Español de Oceanografía (IEO) y la Agencia Estatal de Meteorología (AEMET). Agradezco al organismo de Puertos del Estado por haberme facilitado los datos de su boya de oleaje de Málaga, y por otro lado a la Red Hidrosur y a la Red de Estaciones Agroclimáticas, dependientes de la Junta de Andalucía, por ofrecer sus datos meteorológicos y ambientales. Fuentes de financiación: • Instituto Español de Oceanografía-Ministerio de Economía y Competitividad • Departamento de Física Aplicada II-Universidad de Málaga • Estrategias Marinas-Ministerio de Agricultura, Alimentación y Medio Ambiente • Proyecto IPAF-ALB: Impacto de las intrusiones de polvo africano en los flujos activos de carbono del mar de Alborán (CTM2012-37598-C02-01). IPAF-ALB. Financiado por el Ministerio de Economía y Competitividad, Plan Nacional de I+D+i Introducción 3 batimetría, la geografía de la cuenca o el flujo desde los ríos. Estos factores podrían actuar como filtros que modulan (amplifican o reducen) los impactos del enriquecimiento de nutrientes y que implican que los mecanismos subyacentes que median la respuesta del fitoplancton a los cambios en la concentración de nutrientes varían dependiendo de la escala espacial y temporal considerada. Cloern (2001) estableció que la eutrofización es un proceso gradual y que se puede estudiar según 3 modelos conceptuales. En el modelo más sencillo (I), que se corresponde con el enfoque clásico, el incremento en la carga de nutrientes tiene como resultado directo la proliferación masiva del fitoplancton, la acumulación de materia orgánica, y por último el agotamiento del oxígeno por el metabolismo oxidativo. En el segundo modelo (II) se reconoce que la respuesta del ecosistema al enriquecimiento en nutrientes dependerá de ciertos atributos o propiedades del mismo que actuarían como filtros o moduladores, produciéndose toda una variedad de efectos directos como cambios en la composición del fitoplancton, floración masiva de algas tóxicas, y cambios en la biomasa de las macroalgas y del microfitobentos. Esta respuesta directa del sistema puede ir acompañada de otros efectos indirectos como la reducción de la transparencia del agua, la disminución del oxígeno disuelto, la mortandad de peces e invertebrados bentónicos y el incremento del flujo de carbono hacia los sedimentos marinos, resultando en modificaciones bioquímicas de los mismos. Finalmente, en un tercer modelo (III) integrado o ecosistémico (que ha sido de hecho adoptado posteriormente, véase por ejemplo Ferreira et al., 2010), la evaluación de la eutrofización en un ecosistema particular requiere resolver el papel de los factores moduladores de manera que sea posible delimitar su respuesta particular frente a una determinada carga de nutrientes. Para esto es necesario identificar los mecanismos que regulan la producción primaria en cada ecosistema, más en concreto las posibles Introducción 4 interacciones entre los múltiples “estresores” que regulan la producción costera (incluyendo por ejemplo el forzamiento atmosférico e hidrológico, el cambio climático, la acidificación y por supuesto la propia contaminación debida a la actividad humana). Este análisis permitiría proponer medidas efectivas para remediar los efectos negativos de la contaminación por nutrientes. 1.2. La evaluación de la Eutrofización En las últimas décadas la eutrofización marina, y sobre todo en las aguas costeras, ha sido reconocida como un problema global grave que requiere de una evaluación y gestión adecuadas. En este contexto, los organismos internacionales competentes en la conservación del medio marino y de sus recursos vivos han establecido la necesidad de llevar a cabo programas de seguimiento, que deben ser ejecutados finalmente por los estados ribereños bajo sus directrices, y que se han plasmado en diversos convenios regionales como el convenio OSPAR (OSPAR/ASMO, 1998) en el ámbito del Atlántico Norte y el convenio HELCOM (1992) en el mar Báltico. En el ámbito del mar Mediterráneo rige el convenio de Barcelona (1995) cuya herramienta operativa es el programa MEDPOL (UNEP/MAP (II), 1996). Las políticas de evaluación de la eutrofización marina se han incorporado en la normativa comunitaria a través de la Directiva de Tratamiento de Aguas Residuales, UWWTD91/271/EEC (EEA, 1991), la Directiva Marco del Agua, WFD-2000/60/EC (EC, 2000) y finalmente mediante la Directiva Marco de las Estrategias Marinas en 2008, (MSFD; 2008/56/EC, 2008), que se traspuso a la legislación nacional española mediante la Ley 41/2010 de Protección del Medio Marino. Introducción 5 La Directiva Marco de las Estrategias Marinas (UE, DMEM) incluye a la eutrofización como uno de los 11 descriptores que los Estados Miembros deben evaluar en sus mares territoriales para asegurar el buen estado ambiental del medio marino. En su definición de eutrofización, la DMEM asume implícitamente el modelo conceptual de Cloern ya que reconoce que los síntomas de la eutrofización (también llamados indicadores) son progresivos y sus efectos múltiples. En una primera etapa, la contaminación por nutrientes se manifiesta como un aumento en la concentración de clorofila a en la columna de agua y/o la proliferación de macroalgas oportunistas (efectos directos), en una segunda etapa podrían aparecer efectos indirectos como la disminución en la concentración de oxígeno disuelto, el incremento en la frecuencia de episodios de mortandad de organismos y de floraciones de algas tóxicas (Ferreira et al., 2010). Aunque cada estado miembro está obligado a evaluar el estado de sus aguas marinas, la DMEM impulsa el uso de criterios e indicadores comunes a escala regional. Además, en la segunda fase de implementación de la DMEM (a partir de 2015) deberían adoptarse programas de seguimiento comparables entre países. En este sentido, tanto desde los grupos de trabajo europeos sobre eutrofización (Ferreira et al., 2010) como en el marco del proyecto piloto IRIS-SES (Mercado et al., 2015), se han formulado recomendaciones para armonizar los programas de seguimiento y las metodologías de evaluación de la eutrofización de los estados ribereños del mar Mediterráneo y del mar Negro. Uno de los criterios establecidos es el principio de optimización del esfuerzo de muestreo. El problema principal en diseñar los programas de seguimiento es adoptar un criterio adecuado que permita determinar en qué áreas deben realizarse los muestreos y dónde deben localizarse las estaciones de muestreo dentro de cada área seleccionada. En principio las áreas de muestreo deben ser seleccionadas atendiendo a su riesgo potencial Introducción 6 de eutrofización que dependerá por un lado de la distribución de las presiones y por otro de la capacidad del área de asimilar estos vertidos. Ferreira et al. (2010) se refieren directamente a la necesidad de establecer subzonas dentro de una región dada que permitan realizar el seguimiento a la escala espacial adecuada. Para su delimitación sugieren emplear las imágenes de satélite, aunque no proponen ninguna metodología concreta. Así mismo, enfatizan la necesidad de tener en cuenta la estacionalidad de los indicadores de la eutrofización para diseñar la frecuencia e intensidad temporal de los programas de muestreo adecuadamente. 1.2.1. Indicadores Para el desarrollo de las Estrategias Marinas la Comisión Europea aprobó la Decisión 2010/477/UE (EC, 2010), donde se establecieron los criterios e indicadores que permiten evaluar el Buen Estado Ambiental (BEA) con respecto a la eutrofización. El BEA se define estableciendo unos límites o umbrales para una serie de indicadores que informarían de si el sistema está o no impactado. En la práctica, la evaluación de la eutrofización requiere de la medida sistemática de estos indicadores o variables. El estado del sistema puede ser determinado también a partir de las tendencias de las series temporales de los indicadores de la eutrofización. Para definir el BEA y los valores umbrales con la suficiente confianza, así como para evaluar el estado del sistema, es preciso disponer de una serie temporal (reciente y/o actual) de datos suficientemente extensa y robusta. Para lograr estos objetivos se han de diseñar y poner en marcha (o en su caso adaptar) programas de seguimiento que permitan obtener medidas sistemáticas de los indicadores requeridos (Tabla 1.1). Introducción 7 Tabla 1.1. Criterios e indicadores para la evaluación del Buen Estado Ambiental (BEA) del Descriptor 5 recogidos en la Decisión 2010/477/EU. Criterios e Indicadores para el BEA con respecto a la Eutrofización (Decisión 2010/477/EU) 5.1. El nivel de los nutrientes 5.1.1. Concentración de los nutrientes en la columna de agua 5.1.2. Proporción entre los nutrientes (silicatos, nitrógeno y fosforo) 5.2. Efectos directos del enriquecimiento en nutrientes 5.2.1. Concentración de clorofila en la columna de agua 5.2.2. Transparencia del agua relacionada con el incremento de algas en suspensión 5.2.3. Abundancia de macroalgas oportunistas 5.2.4. Cambios en la composición de especies (por ejemplo diatomeas/flagelados, especies bentónicas frente a especies pelágicas, floración de fitoplancton tóxico) 5.3 Efectos indirectos del enriquecimiento en nutrientes 5.3.1. Abundancia de algas perennes y plantas marinas (p.e. fucaceas, zoostera y posidonia) impactadas negativamente por el descenso en la transparencia del agua 5.3.2. Oxígeno disuelto, p.e. cambios debidos al aumento en la descomposición de la material orgánico y el tamaño del área afectada Los indicadores de eutrofización se agrupan en tres categorías. En primer lugar se establecen indicadores de presión, que recogen información acerca de la concentración de los nutrientes inorgánicos disueltos en el agua de mar, principalmente las especies químicas disueltas del nitrógeno (nitrato, nitrito y amonio), fósforo (ión ortofosfato) y silicio (silicato), y de sus razones elementales. En cuanto a las especies químicas del nitrógeno disuelto, el nitrato generalmente es el más abundante, por ser la especie más favorecida termodinámicamente al pH y potencial rédox normales del agua de mar, aunque el amonio puede ser la especie mayoritaria en ciertas condiciones relacionadas con bajas concentraciones de oxígeno o con la contaminación. El ser humano aporta nutrientes y materia orgánica al medio marino mediante el vertido directo de aguas residuales urbanas e industriales más o menos depuradas, así como de las derivadas de la actividad agrícola y ganadera. Dado que esta materia orgánica puede constituir una fuente indirecta de nutrientes al ser degradada en el medio receptor (lo que por otro lado produce un consumo de oxígeno) e incluso algunos productores primarios son capaces de metabolizar moléculas orgánicas directamente, Introducción 8 algunos programas de evaluación de la eutrofización recomiendan también incluir la materia orgánica en la columna de agua como indicador de presión. Los indicadores directos de eutrofización definidos en la DMEM son la concentración de la clorofila a y la transparencia de la columna de agua. Otros indicadores directos son la composición relativa de determinados grupos taxonómicos del fitoplancton (por ejemplo la relación diatomeas-flagelados), la floración masiva de algas tóxicas o mareas rojas, y el incremento en la abundancia de macroalgas oportunistas. El indicador directo de la eutrofización más ampliamente utilizado en las aguas marinas es la concentración de la clorofila a en la columna de agua, que normalmente es considerado como una estimación de la biomasa del fitoplancton. Entre las razones para su uso extendido se encuentran que es relativamente fácil de medir y que su respuesta a la contaminación por nutrientes suele ser rápida (horas o pocos días), aunque esta está fuertemente condicionada por factores ambientales y oceanográficos como se ha comentado previamente (Cloern, 2001). La transparencia del agua está determinada por la concentración de clorofila a en la mayoría de sistemas marinos (aguas clasificadas ópticamente como Tipo 1). Sin embargo, en algunos sistemas como los estuarios y/o zonas afectadas por vertidos con un elevado contenido en materia orgánica e inorgánica disuelta y/o particulada, la transparencia del agua es determinada también por este componente no biogénico (aguas Tipo 2). En todo caso, la transparencia determina la capacidad de penetración de la luz en el agua que en caso de una mayor proliferación de fitoplancton puede limitar el crecimiento de las comunidades de macrófitos perennes. Introducción 9 El incremento de biomasa algal en el medio acuático marino puede llegar a producir una disminución de la concentración del oxígeno disuelto en el agua una vez que esta materia orgánica es metabolizada. Este efecto indirecto, es sólo detectable en el sedimento y sus proximidades en regiones de mar abierto dado que normalmente el elevado dinamismo de la superficie marina y la alta eficiencia del intercambio con la atmósfera hacen que la concentración de oxígeno disuelto en las aguas superficiales tienda a estar en equilibrio con la atmósfera. El programa MEDPOL (Convenio de Barcelona), que es de aplicación en el mar Alborán (y el resto del Mediterráneo Español), establece una serie de indicadores de eutrofización, que en su mayoría son comunes a los establecidos por la DMEM. De hecho, en los últimos años el programa MEDPOL ha tratado de converger con los requerimientos establecidos en la DMEM. Así, en 2010 el Convenio de Barcelona definió sus objetivos ecológicos que fueron equivalentes a los 11 descriptores de la DMEM. La eutrofización constituye el Objetivo Ecológico 5, que asume una aproximación conceptual y metodológica similar a los de la DMEM (incluyendo la adopción de los mismos indicadores). De esta forma, los programas de seguimiento de la eutrofización emanados de MEDPOL deben ser útiles para cumplir los requerimientos de la DMEM (UNEP/MAP, 2012). Se ha propuesto combinar algunos de los indicadores de eutrofización en índices simples que permitan su evaluación de manera sistemática. Uno de esto es el denominado índice integrado del fitoplancton (IPI) que combina datos de concentración de la clorofila a con datos de abundancia y diversidad del fitoplancton en un indicador compuesto que permite evaluar el fitoplancton en su conjunto. Introducción 10 El índice TRIX (Vollenweider, 1998) ha sido empleado ampliamente en el Mediterráneo. En su formulación, el TRIX considera la desviación entre las concentraciones de clorofila a, nitrógeno disuelto, fósforo total y saturación de oxígeno obtenidas en la zona de estudio con respecto a los valores máximos registrados. Las desviaciones son ponderadas para cada variable y sumadas de manera que se obtiene un valor simple entre 0 y 10, mayor cuanto más alejados están los valores observados de los máximos registrados. El índice de eutrofización (EI) propuesto por Primpas et al. (2010), combina también las concentraciones de nitrógeno disuelto, fósforo disuelto y clorofila a para determinar el estado del sistema según una escala cualitativa de 5 niveles. El TRIX tiene la ventaja frente al EI de que no requiere definir valores umbrales de las variables, sin embargo presenta la desventaja de que todas las variables (nutrientes, clorofila a y concentración de oxígeno) tienen el mismo peso en la determinación del estado de eutrofización. 1.2.2. Metodología empleada en la evaluación de la eutrofización Uno de los principales problemas en la evaluación de la eutrofización, o más particularmente de sus indicadores (sea aisladamente o en su conjunto) es la alta variabilidad espacio-temporal a que normalmente están sometidos tanto las concentraciones de nutrientes como las comunidades de fitoplancton. Esto hace que se requiera el uso de técnicas estadísticas adecuadas que permitan discernir qué parte de los cambios observados es atribuible a presiones externas (aportes alóctonos de nutrientes) frente a cambios intrínsecos del sistema (por ejemplo, variabilidad estacional o interanual ligada al forzamiento hidrológico). En el análisis de las series temporales de los indicadores de eutrofización se han empleado técnicas univariantes y multivariantes Introducción 11 (Kitsiou y Karydis, 2011). De igual forma, para la evaluación espacial han sido también empleadas varias técnicas de asimilación y representación espacial de datos. Entre las técnicas univariantes, el análisis estadístico descriptivo de los datos de un indicador permite definir promedios climatológicos que pueden ser usados como umbrales frente a los que comparar un determinado valor. Normalmente, estos umbrales se definen a partir del percentil 90 calculado para toda la serie de datos disponible (Ferreira et al., 2010). Permiten así la detección de datos anómalos o de eventos puntuales que debían ser en principio poco probables de acuerdo con la información sobre la escala de variación de los datos disponibles (varianza). El análisis de la varianza de una vía o ANOVA permite establecer diferencias entre los valores promedio de distintos grupos de datos, pudiendo emplearse por ejemplo para detectar diferencias significativas entre distintas estaciones (Tsirtsis y Karydis, 1998). Las técnicas de correlación y regresión son normalmente empleadas para detectar interacción entre variables tomadas dos a dos. La correlación es ampliamente utilizada para la detección y el análisis de tendencias (Cortés et al., 2012). Entre las técnicas multivariantes con aplicaciones en la evaluación de la eutrofización, algunos autores han utilizado el análisis de componentes principales (PCA) con el fin de reducir el número de variables y delimitar los indicadores que pudieran tener más relevancia en el caso particular de estudio (Savenkoff et al., 1995; Mercado et al., 2007, 2012). Su principal desventaja es que sólo es sensible a las relaciones lineales entre las variables, pudiendo existir multitud de formas de interrelación, como por ejemplo las asociadas a un valor mínimo o a un máximo (óptimo), multimodales, o a un valor umbral o de saturación (Michaelis Menten) antes o después del cual no habría cambios, y que no se ajustarían bien a una relación lineal. Aunque muy poco empleado en la evaluación de la eutrofización, algunos autores han Introducción 12 empleado el análisis discriminante con el fin de determinar las principales variables que modulan el proceso en distintos sistemas. El análisis clúster ha sido empleado para clasificar estaciones de muestreo en función de los valores de los indicadores (Legendre y Legendre, 2003; Primpas et al., 2008). Sus resultados son fáciles de interpretar. Sin embargo, su uso ha generado dudas ya que el resultado podría depender de la medida de similaridad (distancia) que se utilice y sus test de significancia tienen una potencia reducida. La representación espacial de los indicadores de la eutrofización permite visualizar su estructura así como su heterogeneidad en una región o sub-región dada. Para ello se suelen emplear los Sistemas de Información Geográfica (GIS), que son una potente herramienta. Muy ligada con el análisis espacial, la representación geográfica de los datos mediante mapas temáticos permite el estudio de la distribución geográfica de las variables relacionadas con la eutrofización y de sus tendencias. Se emplean varias técnicas de interpolación espacial que permiten la obtención de una descripción continua de los datos medidos de forma discreta. El análisis espacial objetivo (Barnes, 1964) o el “krigging” (Krige, 1951; Matheron, 1962) son técnicas muy empleadas. Sin embargo, la detección de patrones espaciales requiere el empleo de técnicas estadísticas que permitan validar su significancia estadística así como en su caso, delimitar su extensión. Con esta finalidad se suelen realizar correlogramas o variogramas de los datos distribuidos espacialmente (Legendre, 1993; Legendre y Legendre, 2003), que pueden ser además muy útiles en el diseño de los programas de seguimiento, como por ejemplo para el establecimiento de la distancia óptima entre estaciones de muestreo. Esta información puede obtenerse separadamente para dos dimensiones si existe anisotropía, o por ejemplo de costa a mar abierto (Michelakaki y Kitsiou, 2005; Blanchet et al., 2011). Introducción 19 Además de los nutrientes, la irradiación solar y la temperatura del agua son factores modulares de la producción primaria. La radiación solar puede tener un papel modulador en un doble sentido, por un lado la radiación puede no ser suficiente como para saturar las tasas de fotosíntesis y por otro el exceso de luz puede dar lugar a fotoinhibición, lo que finalmente también tiene como consecuencia una disminución de la producción primaria. El papel regulador de la temperatura sobre la producción primaria y la respiración es bien conocido (Harrys et al., 2006). Las condiciones oceanográficas y meteorológicas (las corrientes marinas, el oleaje, el transporte horizontal mediado por el viento y la acción del oleaje) también deben ser tenidas en consideración en la evaluación de la eutrofización marina como moduladores. Los periodos de renovación de las masas de agua y la eficiencia de la mezcla vertical, contribuyen a modular la susceptibilidad frente a la eutrofización de un área marina concreta. En general se trata de mecanismos de dispersión o de concentración de nutrientes y materia orgánica. 1.4 Caracterización del mar Alborán 1.4.1. Fisiografía del mar Alborán El mar Alborán se extiende entre sus límites de latitud 35°00’N a 37°30’N y de longitud 5°36’O a 1°00’O. Tiene una profundidad máxima de 2583 metros y un volumen estimado de 48954 Km3 (MEDAR-MEDATLAS II; http://doga.ogs.trieste.it/medar/climatologies/ ). Es un mar regional o subcuenca que tiene una clara orientación zonal. El margen continental del norte del mar Alborán se caracteriza por poseer una morfología homogénea. La plataforma continental es estrecha de entre 4 y 14 Km, alcanzando anchuras de hasta 20 Km en zonas concretas Introducción 20 por la importante acumulación de sedimentos, como ocurre en la bahía de Málaga. Existe una variedad de taludes continentales en función de su pendiente y extensión, siendo más extensos en la provincia de Málaga y Almería, y menos en la provincia de Granada. El dominio infralitoral presenta una distribución similar al talud. Adicionalmente existen algunos altos sumergidos y poco relevantes bajo el punto de vista del dominio pelágico. La cuenca profunda se distribuye en el centro del mar de Alborán, con profundidades que van desde los 1500 metros en la zona occidental hasta los 2400 en el extremo oriental. Como accidente geomorfológico relevante en su zona central destaca la dorsal de Alborán, de unos 200 Km de extensión, dispuesta en dirección NE-SO. Como ambiente geomorfológico diferenciado destaca el propio estrecho de Gibraltar. Se trata de un surco en dirección E-O, de unos 50 Km de longitud. Su anchura varía desde los 40 Km en la parte occidental hasta los 14 Km en la parte central y oriental. Su profundidad varía entre los 300 y los 900 metros. 1.4.2. Descripción hidrológica, hidrodinámica y meteorológica del mar Alborán En el mar Alborán se encuentran varias masas de agua distribuidas verticalmente (Figura 1.1 y Tabla 1.2). En una primera aproximación se diferencian las aguas intermedias y profundas (>200 m) de carácter mediterráneo, y las aguas superficiales de influencia atlántica (<100 m). Entre ambas se localiza una capa de mezcla cuya profundidad y espesor varía a lo largo del año en función de las condiciones oceanográficas y meteorológicas, y que suele ser más somera cerca de la costa norte de Alborán debido al efecto de los giros anticiclónicos, que concentran el agua atlántica en su centro y que facilitan los afloramiento en su borde. Esta capa intermedia de mezcla Introducción 21 está constituida por las denominadas aguas de la Interfaz Mediterráneo-Atlántica o AIMA (Lacombe y Richez, 1982), y la localización de su base se ha vinculado históricamente con la denominada interfaz Atlántico-Mediterránea o IAM (AMI) (Rodríguez et al., 1998), que corresponde sinópticamente con la isohalina de 37.5 (150250 m). Esta distribución vertical de masas de agua es relevante para la distribución de la producción primaria, pues la mineralización de la materia orgánica en las aguas mediterráneas intermedias y profundas las hace ricas en nutrientes. Sin embargo, las aguas superficiales de origen atlántico al entrar por el estrecho de Gibraltar son en general pobres en nutrientes (Dafner et al., 2003), pues en su mayor parte proceden de zonas oligotróficas como la corriente de las Azores, o de zonas mesotróficas del golfo de Cádiz cuyos nutrientes son consumidos en su camino hacia el estrecho. El Agua Atlántica Superficial (AAS), acompañada de Agua Central Noratlántica (ACNA), entra en el mar Alborán a través del estrecho de Gibraltar y forma una corriente en chorro cuya agua va mezclándose con el AIMA según progresa en Alborán, formando la llamada Agua Atlántica Modificada (AAM), que presenta un gradiente zonal en sus propiedades hidrológicas. Inmediatamente bajo la capa mezclada de AIMA se encuentra en ocasiones el Agua Intermedia de Invierno (AII), que se distingue del Agua Levantina Intermedia (ALI) por su menor temperatura, y que se origina en el mar Mediterráneo noroccidental en invierno, por el enfriamiento de las aguas superficiales por acción de los vientos secos y fríos de componente norte y noroeste en la plataforma continental del golfo de León y del mar Balear. En cambio, el Agua Levantina Intermedia (ALI) se forma en la cuenca oriental del mar Mediterráneo. Se origina al aumentar la salinidad del agua superficial debido al déficit hídrico (precipitación<<evaporación), produciéndose por tanto su hundimiento por el aumento relativo de su densidad. Introducción 22 Aunque AII y ALI tienen un origen distinto, sus tiempos de residencia se han estimado en torno a 20 años en Alborán (Riso et al., 2004; Stratford y Williams, 1997), y su carga en nutrientes es mayor respecto a las aguas superficiales (Minas et al., 1991). El enriquecimiento en nutrientes inorgánicos disueltos de las aguas intermedias se debe por un lado a los procesos de mezcla con las masas de agua más profundas y más ricas en nutrientes (por ejemplo el Agua Profunda del Mediterráneo Occidental, APMO), y por otro a los procesos respiratorios (remineralización) que tienen lugar en la columna de agua. Las aguas de la interfaz Atlántico-Mediterránea o AIMA son la principal fuente de nutrientes de la capa superficial, además de los aportes continentales directos en las zonas muy costeras. En el fondo de la cuenca se encuentra el APMO que se forma en el noreste del golfo de León y en el mar de Liguria, por la acción acumulada de varios fenómenos meteorológicos y oceanográficos, que producen la desestabilización de la columna de agua por el aumento de la densidad superficial, y su hundimiento al fondo de la cuenca (>600 m). Su tiempo de residencia se ha estimado en torno a 100 años (Cano y Gil, 1984; Béthoux, 1980; Lacombe et al., 1981; Andrie y Merlivat, 1988). Introducción 23 Figura 1.1. Diagrama θ-S de las masas de agua en la zona noroccidental del mar Alborán (aprox. 1000 perfiles medidos desde 1992 a 2012). La gama de colores expresa la profundidad en metros. Las isolíneas se corresponden con los valores de la densidad de exceso (σθ). Se han representado rectángulos marcando los valores límite de la Tabla 1.2. Nótese que la AII podría haber desaparecido del norte del mar Alborán en los últimos años (Vargas-Yáñez et al., 2002). Tabla 1.2. Propiedades hidrológicas de las masas de aguas presentes en el norte del mar Alborán. Zmin y Zmax hacen referencia a los límites verticales de cada masa de agua, mientras que θmin y θmax y Smin,y Smax representan los rangos normales de su temperatura potencial y salinidad respectivamente (Cano y Gil, 1984; Parrilla et al., 1986; Parrilla y Kinder, 1987). MASA DE AGUA Z min (m) Z max (m) θ min (ºC) θ max (ºC) S min (-) S max (-) AAM 0 150-200 ~16 23 36.30 36.60 AIMA 150-200 250-300 37.00 37.50 AII ~200 12.7 13.15 38.15 38.33 ALI ~300 600 13.1 13.25 38.47 38.51 APMO 600 2500 12.7 12.91 38.40 38.46 Hidrodinámicamente, el mar Alborán puede considerarse como un sistema bicapa, en el que el sentido neto del transporte de la capa superior (primeros 100-200 Introducción 24 metros) es hacia el este, y el de la capa inferior es hacia el oeste (>300 metros) (Font, 1987; Millot, 1987). La hidrodinámica de la capa superficial en el mar Alborán resulta determinante en su productividad, y está muy influenciada por el efecto del chorro permanente de agua Atlántica. El agua Atlántica que penetra en el mar Alborán se acelera por la reducción de la sección de la cuenca en el estrecho de Gibraltar, formando el característico “jet” o corriente de chorro, que según avanza hacia el este va girando a la derecha por el efecto de Coriolis, configurando así el borde externo y alimentando el Giro Anticiclónico Occidental del mar Alborán (GAOC), cuyo núcleo es visible a través de las imágenes de satélite por su relativamente elevada temperatura superficial (ver Figura 1.2; Parrilla y Kinder, 1987; Minas et al., 1991; Tintoré et al., 1991). Seguidamente el flujo continúa su curso en Alborán alimentando el Giro Anticiclónico Oriental (GAOR), no tan intenso como el GAOC (Viúdez at al., 1998) y mucho menos estudiado. Figura 1.2. Variabilidad estacional de la temperatura superficial en el mar Alborán (MODISA-SSTºC; http://modis.gsfc.nasa.gov/) calculada a partir de las imágenes diarias obtenidas en el periodo 20022013 Los diferentes colores evidencian la marcada estacionalidad de la temperatura. Las flechas blancas indican la velocidad y dirección de la corriente geostrófica superficial (AVISO-cm s1; http://www.aviso.altimetry.fr/duacs/). Introducción 25 El chorro de agua Atlántica es prácticamente permanente, aunque presenta variaciones temporales en su intensidad y dirección (García-Lafuente et al., 1998; Sarhan et al., 2000). En cuanto a la estacionalidad, su intensidad es máxima en verano y primavera, y mínima en invierno y otoño, acoplada directamente con la altura geopotencial del núcleo del GAOC. El GAOC se caracteriza por el apilamiento y hundimiento del agua superficial en su núcleo, y el consiguiente empobrecimiento de la misma y hundimiento de la IAM. Los giros anticiclónicos tienen mayor altura geopotencial de la superficie libre en su núcleo, unido a un calentamiento relativo del agua superficial. Su naturaleza es prácticamente permanente, aunque en determinadas ocasiones modifica su patrón geográfico (Vargas-Yáñez et al., 2002) e incluso puede llegar a desaparecer (Vélez-Belchí et al., 2005). Su núcleo se sitúa generalmente en torno a 35°40’N y 004°20’O. La variabilidad horizontal de la temperatura, salinidad y concentración de nutrientes en el mar Alborán (Ramírez et. al., 2005) está fuertemente condicionada por la distribución espacial de estructuras hidrológicas de meso-escala formadas por la influencia del chorro atlántico. La variabilidad de estas estructuras modula la producción primaria en Alborán. Existe una franja de mar entre la costa noroccidental del mar Alborán y el chorro de agua Atlántica, que constituye una zona muy productiva, relacionada por un lado con la variabilidad del chorro de agua atlántica y la intensidad del GAOC (Sarhan et al., 2000) y por otro con la acción de los vientos costeros (Rodríguez et al., 1998, Mercado et al., 2007). Por tanto el chorro atlántico forma una frontera (frente atlántico) entre el sistema oligotrófico del giro anticiclónico occidental (GAOC) y el sistema mesotrófico de la costa norte de Alborán. Introducción 26 Los frentes constituyen fronteras físicas entre zonas con características oceanográficas diferenciadas. El frente más conocido en el mar Alborán es el frente Almería-Orán en su extremo oriental (Tintoré et al., 1988). En el margen norte del giro occidental se produce un intenso frente geostrófico (frente atlántico) (Minas et al., 1991, Vélez-Belchí et al., 2005). En él se producen inestabilidades así como la advección de aguas que inyectan nutrientes en la capa superficial (Tintoré, 1991; Gil y Gomis, 1994). Estos patrones globales están modulados estacionalmente por los cambios en la velocidad del chorro atlántico. En cuanto a la influencia de los factores meteorológicos sobre la productividad primaria en Alborán, el viento es el más importante pues favorece la mezcla vertical de las aguas superficiales e intermedias, y modula la intensidad de los afloramientos en las costas del norte del mar Alborán, inyectando nutrientes a las aguas superficiales y bien iluminadas (Parrilla y Kinder, 1987; Sarhan et al., 2000). En el mar Alborán predomina la componente zonal (W-E) del viento, siendo característica la alternancia de los levantes de componente este, y los ponientes de componente oeste. Los levantes en general están asociados a periodos de buen tiempo, y suelen coincidir con la presencia del anticiclón de las Azores, la situación típica del verano. Los ponientes suelen aparecer durante el paso de las bajas presiones sobre el centro y norte de la península Ibérica, y tienen lugar principalmente en primavera (abril y mayo). Los vientos de poniente son los precursores de los afloramientos costeros en el norte del mar Alborán, pues soplan paralelos a la costa arrastrando las aguas superficiales mar adentro mediante el llamado transporte de Ekman, favoreciendo así el surgimiento de las aguas intermedias, más ricas en nutrientes (AIMA). La orografía continental puede canalizar el flujo del viento a través de los valles, modificando su dirección predominante de modo local, como ocurre en la bahía de Málaga con el valle del Guadalhorce. También Introducción 27 se suele producir una intensificación del viento al aproximarse a la costa en zonas donde es más abrupto el gradiente topográfico. Las precipitaciones, que no son muy importantes (534 L m-2 año-1 en Málaga), tienen lugar principalmente en otoño e invierno, de octubre a abril, con los valores máximos durante los meses de noviembre y diciembre, siendo en gran parte absorbidas directamente por el terreno (http://www.aemet.es/es/serviciosclimaticos/datosclimatologicos/). Ocasionalmente se registran eventos torrenciales, pudiendo producirse una abundante escorrentía. Los ríos más importantes de la vertiente (Guadiaro, Guadalhorce, Guadalfeo y Andarax), que son relativamente cortos por la proximidad a la costa de la cordillera Penibética, tienen un régimen de caudal estacional, llegando en algunos casos a desaparecer por completo fuera de la época de lluvias. Este comportamiento es más acentuado aún en el conjunto de arroyos y ríos menores que desembocan en la cuenca. Sin embargo, los aportes de aguas continentales constituyen importante fuente de nutrientes y materia orgánica al medio marino, pues recogen los vertidos superficiales de aguas residuales sin depurar (http://webandalucia.ciccp.es/images/stories/Prensa/20130412_informedepuracionmala ga.pdf) y de los productos de la actividad agrícola y ganadera. En este sentido, la infiltración de aguas continentales al medio marino a través de los acuíferos es otra fuente de nutrientes a considerar, aunque se desconoce su importancia relativa. 1.4.3. Productividad natural y mecanismos fertilizadores en el mar Alborán Uno de los grandes problemas en la evaluación de la eutrofización en el mar Alborán reside en la dificultad de discernir entre los procesos de fertilización de origen natural y los producidos por la actividad humana (ver siguiente apartado). Así por Introducción 28 ejemplo, la variabilidad interanual en la abundancia de fitoplancton en las costas del norte del mar Alborán está fuertemente condicionada por la frecuencia e intensidad de los vientos locales, por la circulación del agua a través del estrecho de Gibraltar (Sarhan et al., 2000) y por el patrón de las corrientes superficiales. Recientes estudios indican que la concentración de la clorofila a en las aguas costeras de la bahía de Málaga presenta una tendencia negativa y significativa durante las dos últimas décadas, que pudiera estar relacionada con cambios en los vientos locales (Mercado et al., 2012). El ciclo estacional de la abundancia de fitoplancton presenta tres picos anuales, a finales de invierno (marzo), en primavera (abril-mayo) y en septiembre. Estos máximos parecen estar modulados por la intensidad de los afloramientos locales. Por otro lado, la menor abundancia se suele obtener en verano por el agotamiento de los nutrientes en la capa superficial, principalmente debido a la estratificación sostenida y posiblemente a la elevada radiación solar que produce la fotoinhibición del fitoplancton en la capa más superficial (Carrillo et al., 2015). A finales de otoño y principios de invierno, aunque se produce la mezcla eficiente de la columna de agua, las condiciones de baja temperatura del agua de mar y posiblemente de escasa energía lumínica limitan la producción primaria. Los mecanismos fertilizadores debidos a la acción del viento sobre la plataforma noroccidental del mar Alborán han sido estudiados por diversos autores (Cano y García Lafuente, 1991; García-Górriz y Carr, 1999; Sarhan et al., 2000; Baldaci et al., 2001, Ramírez et al., 2005), determinando que los vientos de poniente (o de componente oeste) son los inductores de los afloramientos costeros en las costas del norte del mar Alborán, que fertilizan la capa superficial. Durante los afloramientos es característica la disminución de la temperatura superficial y el aumento de la salinidad por el ascenso de Introducción 35 Gómez-Jakobsen F., Mercado J.M., Cortés D., Ramirez T., Salles S., Yebra L. (2016). A new regional algorithm for estimating chlorophyll a in the Alborán Sea (Mediterranean Sea) from MODIS-Aqua satellite imagery. International Journal of Remote Sensing (Revisado con cambios menores, realizados a 11/11/2015). Mercado J., Gómez-Jakobsen F., Cortés D., Yebra L., Salles S., León P., Putzeis S. (2016). A method based on satellite imagery to identify spatial units of eutrophication management. Remote Sensing of Environment (Enviado el 15/10/2015). Introducción 36 Capítulo I 37 2. CAPITULO I. Un método basado en imágenes de satélite para la evaluación de la eutrofización a escala sub-regional: aplicación a la Directiva Marco de las Estrategias Marinas. 2.1. Introducción La Directiva Marco de las Estrategias Marinas (DMEM) impulsa la implementación de estrategias comunes para el monitoreo de la eutrofización entre los Estados Miembros para 2016. Estas estrategias no sólo deberían incluir la recolección de información de indicadores comunes sino también la adopción de criterios compartidos para definir las escalas espaciales de evaluación así como para la selección de las áreas y estaciones de muestreo (Zampoukas et al., 2012). Se pone el acento en que los programas de muestreo resultantes de una estrategia coordinada a nivel regional deben estar basados en los principios de que el esfuerzo de muestreo debe ser optimizado en términos de costes/beneficios (esto es, el esfuerzo debe ser el mínimo posible para garantizar que toda la información relevante sea recogida) y que la información producida debe ser comparable e integrable para dar soporte a evaluaciones a escala regional (Zampoukas et al., 2014). El análisis de la evaluación inicial del estado de eutrofización llevado a cabo por los estados miembros en la primera fase de la implementación de la DMEM en 2013 revela que las áreas de evaluación o unidades geográficas empleadas por los distintos países en la implementación de la Directiva fueron bastante diferentes (Prins et al., 2013; Palialexis et al., 2014). Esto es probablemente una consecuencia de la falta de criterios y metodologías estandarizadas. En este capítulo, se propone un procedimiento para la identificación de unidades espaciales que pueden ser empleadas como áreas de gestión de la eutrofización en una Capítulo I 38 determinada región o subregión. Este método está principalmente basado en las imágenes de satélite y asume el modelo conceptual de la eutrofización costera propuesto por Cloern (2001). Este modelo se basa en que los efectos de la contaminación por nutrientes sobre la productividad del fitoplancton en un sistema concreto están condicionados por sus características físicas y/o biológicas (p.e. las propiedades ópticas de la columna de agua y/o de los procesos de transporte horizontal o la mezcla vertical, que a su vez dependen de otros factores como la intensidad y dirección del viento, la batimetría y forma de la cuenca, o el caudal de los ríos). Estos atributos que varían entre los distintos sistemas actuarían como filtros que modulan (amplificando o mitigando) el impacto del enriquecimiento en nutrientes sobre los ecosistemas marinos. Las imágenes de satélite ofrecen información a una elevada resolución temporal y espacial acerca de los patrones de distribución horizontal de propiedades hidrológicas y de la clorofila a. En este capítulo se aborda el análisis de series temporales de imágenes de satélite (análisis clúster) para la cuenca norte del mar Alborán (la cuenca más occidental del mar Mediterráneo). Esta cuenca es un marco muy adecuado para este objetivo por presentar características hidrológicas muy singulares como se ha mostrado en la Introducción. 2.2. Material y métodos 2.2.1. Recopilación de imágenes de satélite Se han recopilado imágenes de color del océano del satélite MODIS-Aqua (http://modis.gsfc.nasa.gov/). El satélite MODIS-Aqua, describe órbitas síncronas polares ascendentes y realiza dos pasadas diarias para cada localización de la superficie terrestre, aunque en el caso del color del océano solo las pasadas diurnas son válidas. En Capítulo I 39 Alborán las imágenes se toman en promedio a las 13:30 hora solar, con una desviación típica de media hora. El sensor tiene un ancho de barrido de 2330 Km, por lo que a altas latitudes las bandas solapan y a bajas latitudes dejan una pequeña franja sin barrer cada día, siendo toda la superficie terrestre barrida completamente cada dos días. Se han descargado un total de 6350 imágenes de nivel 2 (L2), todas ellas cubriendo alguna parte del norte del mar Alborán desde julio de 2002 a julio de 2013. Las imágenes de nivel 2 están geo-referenciadas y mantienen la resolución espacial original de adquisición, de 1.1 Km en promedio para la mayoría de bandas. Los valores almacenados en este nivel recogen las calibraciones instrumentales y radiométricas, y además incluyen variables derivadas, entre ellas la concentración de clorofila a. Las etiquetas de procesado de nivel 2 (L2) fueron empleadas para excluir píxeles cuestionables (Bailey y Werdell, 2006). El procesado estándar de este nivel consta de una batería de 32 algoritmos que validan la calidad de cada dato mediante una etiqueta de nivel 2. En función del valor de dicha etiqueta el dato es eliminado o no. Los valores de clorofila a de MODIS-Aqua fueron estimados mediante el algoritmo operacional OC3M (O’Reilly et al., 1998; 2000). Se trata de un algoritmo empírico que emplea el cociente de las reflectancias espectrales entre el valor máximo de las longitudes de onda de 443 nm y 480 nm (bandas del azul), entre el valor de reflectancia correspondiente a 551 nm (banda verde). Se establece un modelo que responde a un polinomio de cuarto grado de dicha razón de reflectancias frente al logaritmo en base 10 de la concentración de la clorofila a: 𝐿𝐿𝐿𝐿𝐿𝐿10(𝐶𝐶ℎ𝑙𝑙𝑙𝑙)=−1.403𝑅𝑅4+ 0.659𝑅𝑅3+ 1.457𝑅𝑅2−2.753𝑅𝑅+ 0.2830 (𝑒𝑒𝑒𝑒. 2.1) 𝑅𝑅=𝐿𝐿𝐿𝐿𝐿𝐿10 �max(𝑅𝑅𝑅𝑅𝑅𝑅443,𝑅𝑅𝑅𝑅𝑅𝑅480) Rrs551 � (𝑒𝑒𝑒𝑒. 2.2) Capítulo I 40 𝑅𝑅𝑅𝑅𝑅𝑅(𝜆𝜆)=𝑛𝑛𝐿𝐿𝑛𝑛(𝜆𝜆) 𝐹𝐹0(𝜆𝜆) (𝑒𝑒𝑒𝑒. 2.3) Donde nLw(λ) es la radiancia espectral normalizada emitida por la superficie del mar (Gordon y Wang, 1994), y F0(λ) es la irradiancia solar media. Estas magnitudes están corregidas por los efectos atmosféricos y geométricos. Para cada día, todos los valores de la concentración de clorofila a obtenidos para el norte del mar Alborán fueron interpolados según una malla regular de una resolución algo mayor a la de adquisición (~0.55 Km), obteniéndose unos 150.000 nodos o píxeles (sobre el mar). De este modo, para cada nodo de dicha malla se obtuvo una serie temporal, aunque con algunos huecos. La presencia de nubes, el reflejo directo del sol sobre la superficie y la niebla marina son la principal causa de estos huecos. El rendimiento promedio por nodo obtenido en Alborán fue del 45% de días con datos válidos. En la Figura 2.1 se recoge la evolución mensual de la eficiencia a lo largo del año, mostrando que todos los meses estuvieron representados equitativamente. Capítulo I 41 Figura 2.1. Cobertura temporal de los datos de concentración de clorofila-a MODIS-Aqua en el mar Alborán (% de días con datos válidos). Diagrama de Caja o Box-Whisker, donde la línea central representa a la mediana, los límites de la caja son los percentiles 25 y 75, y los dos bigotes representan 1.5 por el recorrido intercuartílico. 2.2.2. Análisis de conglomerados (clúster) El análisis no jerárquico de conglomerados (análisis de conglomerados de las kmedias) fue elegido para identificar patrones espaciales en la distribución de clorofila a de satélite (MacQueen, 1967; Hartigan y Wong, 1975, 1979). El análisis clúster divide un conjunto de objetos en grupos en función de la distancia (similaridad) respecto a determinados atributos. En este caso se empleó la distancia euclídea. En contraste con el análisis clúster jerárquico (que clasifica los objetos dentro de grupos relacionados jerárquicamente en dendogramas o árboles), el análisis clúster de las k-medias permite predefinir el número de clústeres final y no infiere ninguna relación entre ellos. En este conjunto de datos, los individuos a clasificar fueron los píxeles, y los atributos para realizarlo fueron las medias mensuales de la clorofila a. Se obtuvo el promedio mensual, para cada píxel, de todos los valores diarios de concentración de la clorofila a Capítulo I 42 entre 2002 y 2013. Para obtener las medias mensuales en cada píxel se emplearon aproximadamente unos 150 valores diarios para cada mes. Para asegurar su representatividad se desecharon todos los promedios para los píxeles con menos de 1/3 de los días validos respecto al máximo encontrado en todo Alborán. Este procedimiento eliminó por lo general los valores de píxeles muy costeros. De esta forma, cada píxel resultó caracterizado por 12 medias mensuales robustas de la concentración de la clorofila a de satélite de tal forma que los píxeles resultaran agrupados en función tanto de la magnitud como de la forma del ciclo anual. Distintos análisis clúster fueron ejecutados empleando las medias mensuales calculadas a partir de periodos de tiempo de distinta longitud dentro del período completo analizado (2002-2013). Los análisis fueron realizados para diferente número de clústeres (k) desde 2 a 10. Los análisis fueron ejecutados un elevado número de veces para cada combinación de periodo de tiempo de agregación y número de clústeres con el fin de asegurar la convergencia a la solución obtenida (única). El algoritmo de cálculo es un proceso iterativo en dos pasos: 1-asignación de los individuos a uno de los clúster, según la distancia a los centroides; 2-recálculo de los centroides en función de los individuos agrupados en cada clúster. El método admite por tanto la reasignación de los individuos a otro clúster. Los valores iniciales asignados a los centroides se conocen como “semilla”, y en nuestro caso serán asignados aleatoriamente en cada ejecución. La convergencia a un mismo resultado, en cada caso (esto es, para cada combinación de k y número de años agregados), se ha constatado comparando los patrones de agrupación resultantes de sucesivas repeticiones del análisis. El resultado de agrupación final fue validado internamente empleando el índice RS (R-cuadrado, ec.2.4.; Halkidi et al., 2001). 𝑅𝑅𝑅𝑅𝑘𝑘=100 �1−∑𝑅𝑅𝑠𝑠𝑠𝑠𝑠𝑠𝑖𝑖 𝑘𝑘𝑖𝑖=1 𝑅𝑅𝑠𝑠𝑠𝑠𝑠𝑠1� (𝑒𝑒𝑒𝑒. 2.4) Capítulo I 43 Donde sumdi es la suma de todas las distancias desde cada individuo (píxel) del clúster i al centroide, y k es el número de clúster empleado. sumd1 es la suma de distancias de todos los puntos al centroide de un solo clúster, o al centro de la nube de puntos. De esta forma, para un solo clúster el índice RS es 0, indicando que el porcentaje de la varianza explicada es también 0, mientras que para k=número de píxeles el índice RS es del 100% (toda la varianza es explicada). Generalmente este índice crece rápidamente hasta cierto valor de k a partir del cual tiende a estabilizarse. Teóricamente, este valor de k indica el número óptimo de clústeres. El k óptimo se puede calcular a partir de la representación gráfica del índice RS frente al número de clústeres identificando visualmente la región de la curva en que comienza a estabilizarse el índice. 2.2.3. Validación externa del resultado de la agrupación También se realizó la validación externa de la zonación resultante mediante el análisis de la base de datos de clorofila a in situ recopilada para el área de estudio. El 96% de estos datos fueron obtenidos en programas de muestreo llevados a cabo por el Instituto Español de Oceanografía (IEO) en el periodo 1992-2012. En la Tabla 2.1 se presentan las estaciones donde se ha muestreado en más de una ocasión y cuyos datos se han utilizado para la validación de la zonación. La mayoría de estos datos se han recogido dentro del proyecto ECOMÁLAGA (1992-2007), que formó parte del programa Radiales del Mediterráneo (2007-2011). También se incluyen datos de proyectos desarrollados en la misma área como son NORALBORAN (2003), NITROALBORAN (2008), VULNERABLES (2009), TROFOALBORAN (2010) y ESMAREU (2010-2012). En estos proyectos se muestrearon estaciones adicionales (no recogidas en la Tabla 2.1), que aunque no han sido utilizados en la validación de la Capítulo I 44 zonación sí se han agregado a la base de datos para otras tareas descritas más adelante en este trabajo. Con objeto de completar la base de datos para las zonas costeras y oceánicas, se han agregado también los datos actualizados disponibles en la base de datos de la NOAA (WorldOceanDatabase-WOD) y la base de datos del ICES (ICES Dataset), así como datos de la Directiva Marco del Agua (accesibles desde el portal WISE WFD Database). En conjunto se agregaron valores para 59 estaciones adicionales a las recogidas en la Tabla 2.1. Capítulo I 51 Figura 2.5. Resultados del análisis clúster realizado partiendo de medias mensuales calculadas para diferentes períodos de tiempo. El número de clústeres predefinido en estos análisis fue de 6. Capítulo I 52 Las gráficas del índice de validez RS frente al número de clústeres (desde k=2 hasta 10; Figura 2.6) muestran un codo significativo para k=5 independientemente de la longitud del periodo de tiempo empleado para calcular las medias mensuales. El índice RS cambió solo marginalmente para k=6. Este resultado demuestra que el número óptimo de clústeres para nuestro conjunto de datos es 6. Figura 2.6. Índice RS en función del número de clústeres y del periodo de tiempo considerado para el cálculo de las medias mensuales. El conjunto de datos de clorofila a in situ empleado para la validación externa de los resultados de la agrupación incluyó 2921 registros de la capa superficial de 0 a 20 metros los cuales proceden de 110 estaciones de muestreo. Una descripción estadística del conjunto de datos para cada región de agrupación se muestra en la Tabla 2.2. Capítulo I 53 Tabla 2.2. Descripción estadística de los datos de concentración de clorofila a agregados para cada zona. Las medias con diferentes superíndices (a-d) indican que las diferencias entre las áreas fueron significativas a p=0.05 según los resultados del análisis de Kruskal-Wallis ANOVA. Clúster N Máximo Percentil 90 Mediana Media ALBC1 554 6.5 2.5 0.9 1.19a,b ALBP1 293 6.4 2.9 0.8 1.24ª ALBO1 281 7.7 2.1 0.7 1.02b ALBC2 1150 7.7 2.0 0.4 0.81c ALBP2 478 7.0 1.6 0.3 0.66d ALBO2 165 1.3 0.6 0.2 0.29e La mayoría de los registros fueron obtenidos en estaciones costeras localizadas en las regiones de agrupación ALBC1, ALBP2 y ALBC2. En el otro extremo, ALBO2 es la región de agrupación peor representada. Los valores máximos registrados de clorofila in situ son similares en todas las áreas con la excepción de ALBO2 donde concentraciones mayores a 1.5 mg m-3 no fueron registradas. El valor del percentil 90 en ALBC1 y ALBP1 es más elevado que en el resto de áreas de agrupamiento, indicando que la frecuencia de valores relativamente altos de concentración de clorofila a (mayores de 2.5 mg m-3) es mayor en el sector occidental de la zona de estudio. El resultado del test de Kruskal-Wallis ANOVA revela que las concentraciones de clorofila a en ALBC2, ALBP2 y ALBO2 fueron significativamente menores que en ALBC1, ALBP1 (H=388, p<0.001). Además, las concentraciones de clorofila in situ en ALBC1 y ALBO1 difieren significativamente. Capítulo I 54 Figura 2.7. Función de distribución por rangos de los valores de concentración de clorofila a para cada clúster. Frecuencia relativa de los valores agrupados en rangos de 0.5 mg m-3. La forma de las funciones de distribución de los valores de concentración de clorofila in situ revela también importantes diferencias entre las 6 áreas de agrupación (Figura 2.7). Más del 60% de los registros obtenidos en las estaciones localizadas en el sector oriental (ALBC2, ALBP2 y ALBO2) fueron menores a 0.75 mg m-3. En contraste, entre el 50 y el 70% de las concentraciones registradas en ALBC1, ALBP1 y ALBO1 son mayores de 0.75 mg m-3. Entre estas tres áreas de agrupación, las concentraciones de clorofila >0.75 mg m-3 son más frecuentes en ALBC1. Las funciones de distribución empíricas de clorofila a in situ para ALBC1, ALBP1 y ALBO1 fueron significantemente diferentes a p=0.05 de acuerdo con el resultado del test de Kolmogorov-Smirnov (prueba K-S). Es interesante destacar que las diferencias Capítulo I 55 entre los conjuntos de datos de ALBC1 y ALBP1 no fueron detectadas a través de la prueba de Kruskal-Wallis. Figura 2.8. Análisis estacional de la concentración de clorofila a en las distintas zonas de agrupamiento. Para cada periodo del año, letras diferentes sobre las columnas (a, b, c, d) indican que hubo diferencias significativas entre áreas. Números diferentes sobre las columnas para cada área indican que hubo diferencias significativas entre épocas del año en esa área. La significancia estadística de las diferencias fue determinada con el test de Kruskal Wallis a p=0.05. Capítulo I 56 Con objeto de estudiar las diferencias en los ciclos anuales de concentración de clorofila a entre las distintas áreas de agrupamiento, se calcularon las medias estacionales en cada área y se compararon mediante un test de Kruskal-Wallis (Figura 2.8). En las 6 áreas de agrupamiento, la concentración de la clorofila a cambió significativamente a lo largo del ciclo estacional, aunque el momento del ciclo en el que se produjeron el mínimo y máximo estacional varió entre las 6 áreas. La mayor concentración de clorofila a se obtuvo en primavera para ALBC1 y ALBP1 mientras que en ALBC2 y ALBP2 el máximo se produjo en invierno. En esta época del año, no hubo diferencias significativas en la concentración de clorofila entre las 6 áreas de agrupamiento. Sin embargo, la concentración de clorofila a fue significativamente mayor en ALBC1, ALBP2 y ALBO2 en comparación con las áreas de agrupamiento orientales en primavera y verano. 2.4. Discusión La distribución de los píxeles obtenida mediante la técnica de agrupamiento de las k-medias es consistente con la distribución esperada resultante del forzamiento físico toda vez que la productividad primaria en la zona de estudio es reflejo de la acción conjunta de diversos factores oceanográficos y ambientales. En particular, los resultados del análisis permiten delimitar espacialmente las zonas donde la influencia de los mecanismos fertilizadores es mayor (ALBC1, ALBP1 y ALBC2), así como la periferia del giro anticiclónico (ALBO1) relacionado directamente con el propio chorro atlántico. ALBP2 reúne las regiones costeras orientales de Alborán, siendo el denominador común de las costas de Granada y Almería. ALBO2, es el clúster que delimita las masas de agua más oligotróficas del sector norte de Alborán. Capítulo I 57 Así mismo, los resultados permiten obtener información cualitativa de la variabilidad temporal de la productividad a través de los centroides obtenidos para cada clúster, definiendo geográficamente los principales modos de variabilidad temporal de la productividad primaria (Figura 2.9). Los clústeres de plataforma y costeros occidentales (ALBC1, ALBP1) y los orientales (ALBC2, ALBP2) se diferencian fundamentalmente por la forma de su ciclo anual, mientras que los de costa a mar abierto lo hacen en función de la magnitud relativa de dicho ciclo (que está influenciado directamente por la distancia a costa). El gradiente decreciente de clorofila de costa a mar abierto refleja probablemente el efecto de los diversos mecanismos de fertilización que favorecen el crecimiento del fitoplancton en la zona costera. Por un lado, en la costa es donde se producen los aportes continentales de nutrientes y materia orgánica. En segundo lugar, se producen importantes flujos de nutrientes desde el sustrato, donde la materia orgánica depositada es remineralizada, hacia la columna de agua. Finalmente los intensos procesos de mezcla y los afloramientos, característicos de las aguas costeras, son capaces de redistribuir eficazmente los nutrientes en la columna de agua, que además suele estar lo suficientemente iluminada como para que la irradiancia no constituya un factor limitante de la fotosíntesis. Probablemente estos factores expliquen la diferencia en los máximos de concentración de clorofila obtenidos entre ALBC1 y ALBP1, y entre ALBC2 y ALBP2. La caracterización longitudinal de los clústeres costeros y de plataforma de la región noroccidental del mar Alborán indican también diferencias temporales (y de magnitud) en la acción de los mecanismos fertilizadores entre la plataforma de Estepona y Marbella y la bahía de Málaga. Capítulo I 58 El periodo más productivo en ALBC2 y ALBP2 (bahía de Málaga) aparece bastante limitado a los meses de marzo y abril, mostrando un máximo en marzo. Esta característica, también registrada en ALBC1 y ALBP1 (plataforma occidental), parece indicar que el mismo mecanismo está afectando en ambas zonas. Sin embargo, dicho mecanismo parece tener una mayor influencia en ALBC1 y ALBP1, pues los valores de la concentración de clorofila a son algo mayores. El mecanismo que explica este máximo de clorofila de final de invierno podría estar relacionado con la mezcla vertical, pues en febrero se producen los máximos valores promedio en el módulo de la velocidad del viento y en marzo se alcanzan los mayores valores de altura del oleaje, coincidiendo con el incremento en la irradiación solar y la temperatura (ver capítulo 2). El factor diferenciador de ALBC1, ALBP1 y ALBOC1 (plataforma occidental), consiste en que el periodo productivo se extiende de marzo a mayo, con magnitudes sostenidas durante este periodo, e incluso superiores en mayo, y elevados aún durante el mes de junio. Este comportamiento podría estar relacionado con la acción de los afloramientos costeros, dado que los vientos de poniente en la zona son más frecuentes e intensos de mayo a junio (ver capítulo 2; García-Górriz y Carr, 1999 y 2001). Otros mecanismos fertilizadores que podrían estar también actuando en las zonas costeras son las variaciones en la intensidad y posición del chorro atlántico y/o el frente atlántico (Sarhan et al., 2000; Reul et al., 2005). La importancia de estos mecanismos se discutirá en los capítulos 2 y 3. En cuanto a ALBO1, se diferencia de ALBC1 y ALBP1 por un aumento de la concentración de clorofila en verano (durante los meses de julio y agosto), probablemente reflejo de la influencia directa de la intensidad del chorro de agua atlántica. Es interesante notar que en el mes de agosto, la clorofila de satélite en ALBO1 llega incluso a superar los valores registrados en ALBP1, un clúster de la misma zona Capítulo I 59 pero más próximo a costa. La causa de estos valores podría ser advección horizontal, por la que aguas enriquecidas en nutrientes y afloradas en verano en zonas próximas al estrecho de Gibraltar (Gil y Gomis, 1994; Minas et al., 1991; García-Górriz y Carr, 1999 y 2001; Ruíz et al., 2001; Baldaci et al., 2001) son transportadas por el chorro atlántico. Figura 2.9. Centroides obtenidos para 6 clústeres en el norte del mar Alborán. La magnitud de los centroides se corresponde con los valores promedio de clorofila a de satélite. Respecto a la definición geográfica de las zonas contrastantes, las fronteras entre los clústeres son razonables y la heterogeneidad dentro de cada clúster es baja. Así mismo su distribución geográfica permanece estable al modificar de periodo de agregación de datos de satélite. Todos estos resultados demuestran que las áreas de agrupamiento obtenidas mediante el análisis clúster de los promedios mensuales proporcionan información sobre los mecanismos subyacentes que controlan la producción primaria en el área de estudio. Capítulo I 60 2.5. Utilidad del método de zonación propuesto La aplicación de la Directiva Marco de las Estrategias Marinas (MSFD) conlleva la homogeneización de los métodos de monitorización y seguimiento de la eutrofización por parte de los Estados Miembros. En este sentido, la concentración de clorofila a es la variable más ampliamente usada como indicador de efectos directos, por lo que es una buena base para proponer una metodología común basada en la hipótesis de que las zonas marinas que muestran un ciclo anual de clorofila diferenciable, tanto por su magnitud como por su forma, presentarán una combinación característica de presiones y/o de factores moduladores de la productividad. Por tanto, si se logra llevar a cabo una identificación de estas áreas distinguibles en cuanto a su productividad basándose en una metodología robusta, se podrán utilizar como áreas homogéneas de gestión de la eutrofización que podrán ser analizadas independientemente para por ejemplo establecer valores umbrales, criterios de calidad del buen estado ambiental, estudios de tendencias de los indicadores y, llegado el caso, medidas específicas de reducción de los impactos. El método de zonación descrito en este capítulo se basa en la disponibilidad de imágenes de satélite de cobertura global a una resolución espacial moderada (http://oceancolor.gsfc.nasa.gov/), así como de datos de clorofila a in situ que prácticamente todos los Estados Miembros vienen recopilando desde hace años, gran parte de los cuales están disponibles en portales como http://www.seadatanet.org/ o http://www.emodnet.eu/. La teledetección del color del océano ha sido empleada extensamente para la estimación de la concentración de clorofila a desde 1997 (SeaWiFS), y las distintas misiones se han sucedido y solapado en el tiempo hasta la actualidad (MODIS-Aqua, MODIS-Terra, MERIS o VIIR), apostando por su continuidad y la mejora de los Capítulo II 67 tendencia significativa en la concentración de clorofila a, superficial, pero sí describieron una tendencia negativa en la abundancia de células del fitoplancton. Por otro lado, la serie temporal de anomalías de la de clorofila a (calculada restando a la serie original el ciclo estacional) estuvo correlacionada significativamente con la serie de anomalías del número de células del fitoplancton. A su vez, los autores obtuvieron una tendencia negativa significativa de la concentración superficial de nitratos, así como una correlación positiva entre la serie temporal de anomalías de este nutriente y la clorofila a. La disminución de la concentración de nitrato fue atribuida por los autores a que durante el periodo de estudio se produjo un aumento significativo de la profundidad de la interfase Atlántico-Mediterránea (IAM). Posteriormente, Mercado et al. (2012) recopilaron datos de 3 estaciones localizadas en la bahía de Málaga (M1, M2 y M3) muestreadas entre 1992 y 2006, y analizaron cada estación por separado. Se describieron tendencias negativas significativas en la concentración de clorofila a para dos de las estaciones investigadas (M1 y M2). Además se caracterizó la estacionalidad de la temperatura y salinidad en superficie y se obtuvieron tendencias negativas en la concentración de nitratos en la capa superficial, al igual que lo encontrado en el trabajo de Mercado et al. (2007). En esta ocasión sí se registraron tendencias positivas en la temperatura superficial, y negativas en la salinidad superficial para todas las estaciones investigadas. La correlación encontrada entre la velocidad del viento en la zona proyectada sobre su componente principal y la salinidad superficial llevó a la conclusión de que la tendencia decreciente de la concentración superficial de la clorofila a se debió a un cambio en el régimen de vientos. En este estudio se encontró que las precipitaciones no presentaron una tendencia significativa así como que los aportes de nutrientes procedentes del río Guadalhorce supusieron únicamente un 1.5% de los aportes anuales Capítulo II 68 totales a la capa eufótica. La variabilidad en la temperatura y la salinidad en el área ECOMÁLAGA han sido abordados en otros trabajos (Vargas-Yañez et al., 2002; Vargas-Yáñez et al., 2005; Vargas-Yáñez et al., 2008; Vargas-Yáñez et al., 2009; Vargas-Yáñez et al., 2010a; Vargas-Yáñez et al., 2010b) en los que se han descrito tendencias significativas en la temperatura y salinidad superficial, que son consistentes con los resultados obtenidos en los trabajos de Mercado et al. (2007 y 2012). Varios mecanismos fertilizadores han sido estudiados en el mar Alborán (ver Introducción), sin embargo el efecto de las corrientes cerca de la costa y plataforma sobre la dispersión y/o concentración del material disuelto o en suspensión (nutrientes y clorofila a), no ha sido abordado. Igualmente tampoco se ha evaluado la importancia relativa de la mezcla vertical debida a transporte turbulento por la acción del viento y el oleaje, que en principio deben ser independientes del efecto de los afloramientos originados por los vientos de poniente sobre las aguas costeras. Capítulo II 69 3.2. Material y métodos 3.2.1. Base de datos oceanográficos: El proyecto ECOMÁLAGA Figura 3.1. Área de ECOMÁLAGA: Posición de las estaciones de muestreo. En la región ECOMÁLAGA se han llevado a cabo multitud de campañas oceanográficas desde 1992 a 2012. En el diseño de dichas campañas se ha procurado mantener un patrón temporal de muestreo trimestral, recogiendo la variabilidad estacional (invierno-EFM, primavera-AMJ, verano-JAS, otoño-OND). Las muestras se recogieron a profundidades fijas mediante botellas oceanográficas Niskin de 10 litros. Las profundidades estándar de muestreo fueron: superficie (approx. 0.5 m), 10, 20, 50, 75 y 100 m. Para la determinación de los Capítulo II 70 nutrientes también se han tomado en ocasiones muestras a 200, 300 y 500 m en las estaciones más profundas. La mayoría de los muestreos fueron realizados en febrero, abril-mayo, julio y octubre. Los muestreos durante el resto de meses fueron mucho menos frecuentes (noviembre-diciembre-enero, marzo, agosto-septiembre), por lo que en base a ellos no es posible estimar un valor climático de las variables oceanográficas únicamente con datos de campo. En algunas campañas y estaciones particulares no se dispone de datos de CTD o de datos biogeoquímicos por problemas técnicos con el equipo durante el muestreo o durante el análisis posterior de las muestras. No obstante, por lo general se dispone de un conjunto de datos completo (hidrología, nutrientes y clorofila a) para la mayoría de las campañas (Figura 3.2). Capítulo II 71 Tabla 3.1. Características de las estaciones ECOMÁLAGA. Leyenda: Las distancias son medidas desde la línea de costa: DISTr es la distancia a costa medida sobre la línea de la radial y DIST es la distancia al punto de la costa más cercano. LON y LAT hacen referencia a la posición de las estaciones, en “grados este” y “grados norte” respectivamente. Z es la profundidad del fondo en metros. CTD y BIOQ representan el recuento de perfiles hidrológicos y muestreos de agua realizados por estación. C+BQ recogen el número de muestreos conjuntos de CTD y de agua. EST LON (°E) LAT (°N) Z (m) CTD BIOQ C+BQ DISTr(m) DIST(m) P1 -4.7389 36.4698 33.5 66 72 66 1590 1590 P2 -4.7408 36.4245 129.9 66 72 66 6680 6680 P3 -4.7391 36.3518 545.4 67 71 67 14670 14670 P4 -4.7416 36.2500 880.3 11 14 11 25750 25750 F1 -4.6023 36.5422 34.6 28 21 21 1783 1140 F2 -4.5951 36.5059 75.1 28 22 22 6036 3494 F3 -4.5753 36.4549 229.2 28 22 22 11765 7931 F4 -4.5639 36.4065 419.2 26 21 21 17142 12950 T1 -4.4816 36.6026 53.7 19 13 13 2056 1770 T2 -4.4482 36.5518 103.8 18 13 13 8587 7322 T3 -4.4158 36.5083 276.1 18 13 13 14194 12778 T4 -4.3765 36.4534 437.1 18 13 13 21066 19660 M1 -4.4021 36.6982 28.2 77 73 68 1186 1186 M2 -4.3534 36.6386 82.3 76 74 68 9049 8300 M3 -4.3093 36.5927 214.3 67 73 67 15356 13200 M4 -4.2590 36.5423 356.9 42 44 39 22322 18630 M5 -4.2187 36.4915 514.4 38 39 35 29322 24237 R1 -4.2305 36.6989 28.2 18 12 12 1611 1515 R2 -4.2063 36.6500 125.4 17 12 12 7446 7100 R3 -4.1791 36.6021 311.7 18 12 12 13017 12350 R4 -4.1561 36.5521 448.2 14 11 11 18991 18100 V1 -4.0666 36.7353 27.6 68 72 68 1263 1263 V2 -4.0641 36.6865 92.9 69 73 68 6555 5600 V3 -4.0653 36.6377 303.3 67 71 67 11960 10300 V4 -4.0685 36.5699 496.3 39 42 37 19583 17550 Capítulo II 72 Figura 3.2. Cronograma de muestreos para cada estación oceanográfica. Los círculos en negro se corresponden con los perfiles de CTD y en gris con los muestreos de agua. Perfiles de CTD La mayoría de los perfiles hidrográficos se han tomado con una sonda CTD SBE-25 Sealogger de la marca Sea Bird Electronics (SBE). En algunas ocasiones, a partir de 2007, se han empleado SBE-19+ y SBE-911+. El modelo de sensor empleado para las variables utilizadas en este trabajo (presión, temperatura y conductividad) ha sido el mismo independientemente del modelo de CTD. Las calibraciones de los sensores se han realizado periódicamente para asegurar la calidad de las medidas. Los perfiles obtenidos se han procesado con la aplicación SBEDataProcessing. En todos los casos se ha tomado únicamente el perfil de bajada, que se ha realizado a una velocidad menor o igual a 1 m s-1 siguiendo las recomendaciones del fabricante. Se ha seguido la secuencia de procesado estándar recomendada por el fabricante en el manual de la Capítulo II 73 aplicación SBEDataProcessing (página 20; http://www.seabird.com/pdf_documents/manuals/SBEDataProcessing_7.23.1.pdf). Así mismo, se ha derivado el valor de la profundidad a partir de la presión y de la latitud media de la zona. La salinidad ha sido obtenida mediante la ecuación de estado del agua de mar a partir de los valores de conductividad, temperatura y presión (UNESCO, 1981). La densidad del agua de mar se ha obtenido a partir de la ecuación de estado (UNESCO, 1983). Se ha empleado la densidad de exceso, o σ T: 𝜎𝜎𝑇𝑇=𝜌𝜌(𝑅𝑅,𝑇𝑇)−1000 [𝐾𝐾𝐿𝐿 𝑠𝑠−3] (ec. 3.1) , donde ρ(S,T) es la densidad del agua de mar a la presión atmosférica, temperatura (T) y salinidad (S) correspondientes. Análisis de nutrientes y clorofila a Las concentraciones de nutrientes inorgánicos disueltos (nitrato+nitrito, fosfato y silicato) se estimaron mediante un autoanalizador de flujo segmentado de la marca Bran-Luebbe modelo AA3, siguiendo el método colorimétrico de Grasshoff et al. (1983). Los límites de cuantificación y porcentaje de error para los tres nutrientes se muestran en la Tabla 3.2. Tabla 3.2. Límites de cuantificación (Lc) y el error relativo (Er) obtenidos para los nutrientes medidos (Ramírez et al., 2005). Especie NO 3 - PO 4 -3 Si(OH) 4 L c (µM) 0.05 0.04 0.10 Er (%) 2.8 4.2 3.2 Capítulo II 74 Para la determinación de la concentración de clorofila a, un volumen de entre 0.5 y 2 L de agua de mar fue filtrado a través de filtros Whatman GF/F. Los filtros fueron mantenidos congelados a -20 ºC hasta su análisis en el laboratorio. La clorofila a fue determinada mediante espectrofotómetro tras su extracción en acetona al 90% durante una noche a 4-6 ºC. La clorofila a fue estimada a partir del extracto de acetona empleando ecuaciones tricromáticas (SCOR-UNESCO, 1966). 3.2.2. Parámetros derivados de los perfiles de CTD Índices de mezcla vertical de la columna de agua El espesor de la capa de mezcla (MLD según sus siglas en inglés) se calculó a partir de los perfiles de densidad. MLD se calculó como la profundidad a la que la densidad es 0.125 unidades superior a la de superficie, según el criterio de Levitus (1982) y Moterey y Levitus (1997): 𝜎𝜎𝑀𝑀𝐿𝐿𝑀𝑀=𝜎𝜎0+ 0.125 (ec. 3.2) La profundidad de la picnoclina (PICNO) es la profundidad en la cual el perfil de densidad tiene su máximo gradiente vertical. 𝑃𝑃𝑃𝑃𝐶𝐶𝑃𝑃𝑃𝑃►𝑀𝑀𝑀𝑀𝑀𝑀�Δ𝜎𝜎 ΔZ� (𝑒𝑒𝑒𝑒. 3.3) Adicionalmente, y puesto que algunas estaciones de muestreo fueron poco profundas (20-25 m), se utilizó el propio valor del gradiente de la densidad en la picnoclina (SIPIC) como indicador del grado de estratificación: 𝑅𝑅𝑃𝑃𝑃𝑃𝑃𝑃𝐶𝐶=Δ𝜎𝜎𝑃𝑃𝑃𝑃𝐶𝐶𝑃𝑃𝑃𝑃 Δ𝑍𝑍𝑃𝑃𝑃𝑃𝐶𝐶𝑃𝑃𝑃𝑃 (𝑒𝑒𝑒𝑒. 3.4) Capítulo II 75 Profundidad de la interfase Atlántico-Mediterránea (IAM) IAM representa la zona de transición vertical entre el agua atlántica modificada y el agua intermedia mediterránea (que es principalmente Agua Levantina Intermedia). Este límite fue definido por Lacombe y Richez (1982), como la capa de agua con salinidad comprendida entre 37 y 37.5. Sin embargo, Rodríguez et al. (1998) identificaron la IAM con la isohalina de 37.5, que es el criterio que se ha escogido en este trabajo. Máximo sub-superficial de la fluorescencia (MSF) Normalmente los perfiles verticales de fluorescencia de la clorofila a se caracterizaron por la presencia de un máximo localizado bajo la superficie. El máximo de fluorescencia suele situarse próximo al límite inferior de la primera capa óptica (a la que llega el 10% de la luz incidente) y cercano a la nutriclina. Tanto la intensidad como la posición del máximo sub-superficial de fluorescencia (MSF) están relacionados con la estructura vertical de la columna de agua y constituye un buen indicador de la productividad de la estación (entendida al menos en términos de concentración de clorofila) (Rodríguez et al., 1998). En los muestreos de ECOMALAGA, la fluorescencia de la clorofila a se registró en los perfiles de CTD, mediante un sensor SEAPOINT-SCF (http://www.seapoint.com/scf.htm). Los perfiles de fluorescencia han sido analizados para localizar la profundidad del MSF. Velocidad geostrófica perpendicular entre perfiles hidrológicos La velocidad geostrófica (Vg) entre dos estaciones hidrográficas se calcula como sigue (Defant, 1961: p504): Capítulo II 76 𝑉𝑉𝐿𝐿=�∆𝛷𝛷ɸ𝐵𝐵−∆ɸ𝛷𝛷𝑀𝑀� 2Ω𝐿𝐿 𝑅𝑅𝑒𝑒𝑛𝑛(𝛼𝛼) (𝑒𝑒𝑒𝑒. 3.5) Donde Φi es la altura geopotencial medida sobre una superficie de referencia (donde supuestamente no hay movimiento), Ω es la velocidad angular de la tierra, α y L son la latitud promedio y la distancia entre las dos estaciones, respectivamente. De este modo las velocidades positivas tendrán dirección este/norte y las negativas oeste/sur. En la práctica, Vg se calcula fijando un nivel de referencia, donde la velocidad es nula y ΔΦb=ΔΦa=0, y se va añadiendo el valor de la anomalía hacia la superficie. En este estudio, se ha establecido un nivel de referencia de 100 metros para el cálculo de las velocidades geostróficas zonales sobre la plataforma entre pares de estaciones. A partir de todas las velocidades disponibles calculadas con un nivel de referencia de 200 metros, considerado como válido en el mar Alborán (Parrilla y Kinder, 1987; Tintoré et al., 1991; Viúdez et al., 1998; Flexas et al., 2006; VargasYáñez y Sabatés, 2007), se ha obtenido que la velocidad promedio de la capa de 0 a 20 metros está linealmente correlacionada con la velocidad a 100 metros de profundidad (R=0.615, p<0.001; R2=0.378 y n=213; a=-0.1 y b=1.95), siendo aproximadamente el doble en la capa superficial. Por ello, para los propósitos de este trabajo puede ser una aproximación válida. 3.2.3. Datos meteorológicos y ambientales Se han recopilado datos meteorológicos y ambientales para el periodo 19922012 (aunque finalmente para algunas variables no se han obtenido datos que cubran todo el periodo; Figura 3.3). De acuerdo con la naturaleza de la variable, la serie temporal construida está basada en datos promediados diariamente (velocidad del Capítulo II 83 Tabla 3.4. Coeficientes empleados para la obtención del caudal a través de la fórmula de Manning Parámetro Valor [n] Coeficiente de rugosidad de Manning 0.035 [S] Pendiente longitudinal del cauce (m/m) 0.01 [A] Anchura del fondo del canal (m) 80 [A] Talud derecho (m/m) 1.5 [A] Talud izquierdo (m/m) 1.5 [A] Nivel sobre el fondo (m) 0 a 6 Q se calculó introduciendo los parámetros en una calculadora de la fórmula de Manning para canales trapezoidales (http://www.hawsedc.com/engcalcs/ManningTrap.php). La relación entre Q y la altura sobre el cauce h se ajustó al siguiente polinomio de cuarto orden (Ecuación 3.10 y Figura 3.6): 𝑄𝑄(𝑠𝑠3𝑅𝑅−1)=−2.753 +77.67 ℎ+166.2 ℎ2−12.96 ℎ3+ 0.743 ℎ4 (𝑒𝑒𝑒𝑒. 3.10) Figura 3.6. Curva ajustada de la altura del agua sobre el cauce del río Guadalhorce en la estación piezométrica de Cártama (ST-38) frente al caudal obtenido mediante la aplicación de la fórmula de Manning. Capítulo II 84 Oleaje Se han empleado los datos de la boya de Málaga, con el código 1514, de la red costera de boyas de Puertos del Estado. A partir de estos datos se calculó la media diaria de la altura significante (Hs) como una medida de la energía contenida en el oleaje (Ecuación 3.11; Sverdrup y Munk, 1947). La altura significante se define como la altura media en metros del tercio más alto de todas las olas medidas en un determinado periodo de tiempo (Hi). Es una medida histórica que se ha utilizado tradicionalmente pues se asimila muy bien a la altura percibida por el observador y también porque da una buena idea de la energía del oleaje. 𝐻𝐻𝑅𝑅=1 𝑃𝑃�𝐻𝐻𝑖𝑖 𝑃𝑃/3 𝑖𝑖=1 (𝑒𝑒𝑒𝑒. 3.11) 3.2.4. Agregación vertical de los datos oceanográficos Siguiendo la metodología empleada por diversos autores para la misma zona de estudio (Mercado et al., 2007 y 2012; Ramírez et al., 2005), los análisis de las variables hidrológicas y químicas se han llevado a cabo con valores promediados para la capa superficial de 20 m. Para simplificar, las variables oceanográficas así promediadas serán denotadas en el texto con el adjetivo “superficial”. Esta capa de agua está normalmente ocupada por el Agua Atlántica superficial más o menos modificada por la mezcla con el Agua Mediterránea Intermedia (ver el capítulo introductorio de esta tesis). Se trata de una capa generalmente bien mezclada e iluminada (Mercado et al., 2005; Mercado et al., 2007). El promedio vertical de las variables biogeoquímicas se ha calculado a partir de los valores obtenidos en superficie (0.5 m) y a 10 y 20 metros. En el caso de los Capítulo II 85 perfiles hidrológicos, se utilizaron los valores metro a metro hasta 20 metros de profundidad. El objeto de esta integración vertical es disminuir la variabilidad del error asociado a las medidas puntuales e incrementar la robustez de los valores agregados. 3.2.5. Agrupación espacial de las estaciones de muestreo Como se ha comentado previamente, para realizar la zonación de la zona de estudio se ha empleado el análisis clúster de las k-medias (MacQueen, 1967; Hartigan y Wong, 1975 y 1979) a partir de los promedios mensuales de la concentración de clorofila a (MODIS-Aqua) en cada píxel de la región (ver capítulo 1; ver también Cortés et al. (2012) o Mercado et al. (2013)). La metodología es básicamente la misma que la descrita en el capítulo anterior salvo que los análisis se han realizado con los valores del ciclo anual normalizado. De esta manera la identificación de las zonas de productividad contrastante se basa únicamente en la forma relativa del ciclo anual y no tanto en el valor absoluto de la concentración de la clorofila a de satélite. La medida de distancia usada en este caso, denominada del “coseno”, consiste en transformar en 1 la norma o distancia euclídea al origen del vector de los atributos, en este caso los 12 valores promedio mensuales de cada píxel, pero manteniendo las proporciones relativas entre ellos. Esto se logra dividiendo el vector por su norma, puesto que el operador norma ( �𝑀𝑀�) aplicado sobre un vector n-dimensional tiene la propiedad de la proporcionalidad: 𝛼𝛼�𝑀𝑀�=�𝛼𝛼𝑀𝑀� (𝑒𝑒𝑒𝑒. 3.12) Por tanto, para el conjunto de los 12 valores promedios mensuales estandarizados para un píxel dado Xi, antes realizar del análisis clúster, se cumple la siguiente expresión: Capítulo II 86 �𝑀𝑀�=��(𝑀𝑀𝑖𝑖)2 12 𝑖𝑖=1 = 1 (𝑒𝑒𝑒𝑒. 3.13) De esta forma, los centroides obtenidos para cada clúster son la media (en nuestro caso mes a mes) de todos los ciclos mensuales normalizados de cada pixel de dicho clúster, y por lo tanto su norma también será prácticamente igual a 1: ‖𝐶𝐶𝐶𝐶𝑃𝑃𝑇𝑇𝑅𝑅𝑃𝑃𝑃𝑃𝑀𝑀𝐶𝐶‖=�∑𝑀𝑀𝑗𝑗 � � �  𝑃𝑃 𝑗𝑗=1 𝑃𝑃�≈∑�𝑀𝑀𝑗𝑗 � � �  � 𝑃𝑃 𝑗𝑗=1 𝑃𝑃= 1 (𝑒𝑒𝑒𝑒. 3.14) El centroide obtenido de este análisis clúster modificado mantendrá las proporciones relativas respecto al ciclo anual promedio no estandarizado, obtenido a partir de los píxeles de la misma área ocupada por el clúster. Se ha comprobado que la norma de cada centroide está en torno a 0.99. Como en el capítulo anterior, para determinar el número óptimo de clústeres, se ha utilizado el índice RS (Halkidi, 2001) y adicionalmente el índice de Silhouette (ec.3.15; Rousseeuw, 1987), que mediante su representación gráfica (ecuación 3.15) interpreta la adecuación de la clasificación de los individuos a su respectivo clúster. El índice compara la distancia de cada punto al centroide al que está asignado a(i) y la distancia más próxima a cualquier otro clúster b(i). 𝑅𝑅(𝑖𝑖)=𝑏𝑏(𝑖𝑖)−𝑙𝑙(𝑖𝑖) 𝑠𝑠𝑙𝑙𝜕𝜕⁡{𝑙𝑙(𝑖𝑖),𝑏𝑏(𝑖𝑖)} (𝑒𝑒𝑒𝑒. 3.15) A través de la media de los S(i) se obtiene un único valor para un determinado número de clústeres que engloba la validez de la asignación de todos los individuos en conjunto. Si se representa este valor frente al número de clústeres, el número óptimo será aquel para el que el índice global sea máximo. Capítulo II 87 3.2.6. Análisis de la estacionalidad y de las tendencias Para la caracterización de la estacionalidad y de las tendencias es necesario disponer de series temporales con una longitud suficiente. En el caso de las variables oceanográficas y ambientales se considera generalmente que la longitud mínima de la serie debe ser 10 años. Por ello, para este análisis sólo se emplearán los datos de las 9 estaciones que se han muestreado desde el comienzo del proyecto ECOMÁLAGA: P1, P2, P3, M1, M2, M3, V1, V2 y V3 (ver Figura 3.2). Respecto a la caracterización de la estacionalidad, lo deseable sería disponer de datos recogidos mensualmente. Sin embargo, la mayoría de variables medidas en las campañas oceanográficas se recogieron trimestralmente, y por tanto la estacionalidad sólo pudo ser definida mediante promedios estacionales. Para esto se calcularon los cuartiles del año empezando en el mes de enero (Q1={Enero, Febrero, Marzo}; Q2={Abril, Mayo, Junio}; Q3={Julio, Agosto, Septiembre}; Q4={Octubre, Noviembre, Diciembre}). Para las variables ambientales y meteorológicas sí pudieron calcularse promedios mensuales. En todo caso, la significancia estadística de las diferencias entre los cuartiles dentro de cada UEE se determinó mediante el test de Kruskal-Wallis (Kruskal y Wallis, 1952). El mismo test se utilizó para determinar las diferencias entre las UEE en cada época del año. En el caso particular de la concentración de la clorofila a, se reconstruyó el ciclo mensual en cada UEE a partir del centroide normalizado del clúster correspondiente. Dado que el centroide mantiene las proporciones relativas entre los valores promedio mensuales, se puede calcular el promedio mensual de los meses para los que no se dispone de datos in situ a partir de la relación lineal obtenida del ajuste entre los valores Capítulo II 88 del centroide normalizado y los promedios mensuales calculados con los datos clorofila in situ disponibles, (esto es para los meses de los que sí se dispone de datos) según la siguiente expresión: 𝑀𝑀𝑘𝑘=𝑙𝑙+𝑏𝑏 𝑀𝑀𝑖𝑖 ∀ 𝑖𝑖=𝑘𝑘=[1,12] (𝑒𝑒𝑒𝑒. 3.15) Se asume así que el promedio mensual del centroide normalizado debe mantener una relación lineal con los promedios mensuales de la concentración de clorofila in situ de ese clúster. Debe notarse que estos valores no están en principio afectados por la sobreestimación sistemática y progresiva de la clorofila a de satélite producida por el algoritmo OC3M en el mar Alborán (que será descrita en el Capítulo IV). Para el cálculo de las series desestacionalizadas o anomalías de cada variable, se sustrajo el ciclo estacional a la serie de datos original. El análisis de la tendencia lineal se llevó a cabo sobre la serie de las anomalías obtenidas de esta forma. Para calcular la pendiente lineal de la serie desestacionalizada se utilizó el método no paramétrico de Sen (Sen, 1968; Theil, 1950). Adicionalmente se obtuvo el valor de la pendiente mediante regresión lineal, siguiendo el método de los mínimos cuadrados. El método no paramétrico de Sen se basa en la estimación de la mediana de todas las pendientes calculadas entre cada pareja de puntos de la serie temporal, lo que minimiza el efecto de los valores extremos en la estimación de la pendiente. Ambas estimaciones de la pendiente lineal son por lo general muy similares, excepto para series de anomalías con valores extremos al inicio y/o al final. La significancia estadística de las tendencias obtenidas se determinó mediante el test no paramétrico Tau-b de Mann-Kendall (Mann, 1945; Kendall, 1975; Gilbert, 1987). El test de Tau-b se basa en el cómputo del número relativo de signos opuestos entre cada par de valores consecutivos, donde un signo positivo es un tramo creciente y un signo negativo decreciente. El estimador de la Capítulo II 89 pendiente de Sen está matemáticamente relacionado con el coeficiente de correlación Tau-b de Mann-Kendall, y se suelen emplear conjuntamente en la estimación de pendientes y en la determinación de tendencias de series temporales de datos ambientales (Hirsch, 1982, 1991). 3.3. Resultados 3.3.1. Agrupación espacial El análisis clúster se ensayó pre-definiendo diferente numero de clústeres desde 2 a 8. En la Figura 3.7(a-d) se muestran los resultados de la zonación obtenida para 2 a 6 clústeres. En la Figura 3.7(f) se han representado los índices RS y de Silhouette frente al número de clústeres, que permiten concluir que el número óptimo de clústeres para la zona es de 5, que explican un 82% de la variabilidad total. Debe notarse además que el índice de Silhouette desciende monótonamente a partir de k=4. El resultado del análisis para k=6, es similar al obtenido para k=5 salvo por una pequeña diferencia en el patrón del clúster 1, donde emerge una zona de transición entre la costa y el clúster 2 (Figura 3.7(d)). Nótese también cómo el clúster costero localizado al este (de color azul en la figura) no experimenta modificación en los análisis llevados a cabo con k mayor a 2. El clúster localizado entre las zonas costeras y la más alejada de costa (de color magenta en la figura) aparece bien definido en el análisis realizado para k =4. Capítulo II 90 Figura 3.7. Mapas de distribución de clústeres para diferente K (de 2 a 6; a-e). Índices RS y Silhouette frente al número de clústeres de 1 a 8 (f). La posición de las estaciones de muestreo ECOMÁLAGA se ha proyectado sobre la distribución de los clústeres obtenidos, con objeto de agruparlas en función del Capítulo II 91 modo de variación de su ciclo estacional de clorofila (Figura 3.8). La mayoría de las estaciones de muestreo resultaron agrupadas dentro de dos de los 5 clústeres obtenidos, principalmente el clúster localizado en las zonas más próximas a la costa de la mitad occidental (clúster 1 en color azul claro en la Figura 3.8) y oriental (clúster 2 de color azul oscuro en la Figura 3.8). Los dos clústeres más alejados de costa (en verde y amarillo en la Figura 3.8) no podrán ser evaluados, pues no se cuenta con datos de muestreos para esas zonas. Debe notarse que estas últimas probablemente corresponden con zonas influenciadas por el giro anticiclónico occidental de Alborán y el jet atlántico. Figura 3.8. Distribución de 5 clúster (versión normalizada) para la clorofila-a en el área seleccionada. Distribución de las estaciones de muestreo ECOMÁLAGA. Capítulo II 92 Las estaciones costeras M1 y V1 estuvieron muy próximas a costa, por tanto su posición estuvo fuera del dominio de las imágenes de satélite. Por este motivo se ha optado por analizarlas separadamente (ver Tabla 3.5). Tabla 3.5. Agrupación de las estaciones de muestreo ECOMÁLAGA, según el análisis clúster de imágenes de satélite. UEE CLÚSTER ESTACIONES HISTÓRICAS ESTACIONES NO HISTÓRICAS 1 1 M2, M3, V2 y V3 M4, V4, R2, R3, R4 2 2 P1, P2 F3 3 5 P3 P4 4 - M1 5 - V1 Por otro lado se ha optado por no incluir en los análisis de series temporales las estaciones localizadas próximas al límite entre dos clústeres (F2, F4, T2, T3, T4 y M5), así como las estaciones costeras F1, T1 y R1 que se muestrearon durante un periodo muy corto. Con el fin de evaluar la compacidad del agrupamiento obtenido se llevó a cabo un análisis de las correlaciones lineales entre las series temporales de clorofila a in situ de las estaciones seleccionadas (Tabla 3.6). En principio cabe esperar que las correlaciones entre las series de clorofila para las estaciones clasificadas dentro del mismo grupo sean significativas. Capítulo II 99 Tabla 3.8. Tendencias calculadas para diferentes periodos de tiempo de la concentración superficial de clorofila a (mg m-3 año-1). Leyenda: T INI y T FIN : representan el periodo completo cubierto por la serie temporal en formato AAAA MM. NT es el número total de valores de la serie temporal, A es el periodo de tiempo cubierto por la serie temporal en años, y DT es el intervalo temporal medio entre observaciones expresado en días. UEE T INI T FIN NT A DT PEND SEN P 1* 1994 1 2011 6 67 17 95 -0.0250 -0.0192 0.05 1994 1 2006 11 48 13 97 -0.0476 -0.0286 0.12 2000 1 2011 6 46 11 91 -0.0181 -0.0229 0.18 2* 1994 1 2011 6 64 17 99 -0.0396 -0.0373 0.01 1994 1 2006 11 47 13 99 -0.0162 -0.0282 0.28 2000 1 2011 6 43 11 97 -0.0656 -0.0772 0.02 3 1994 4 2011 5 59 17 105 -0.0084 -0.0190 0.26 1994 1 2006 11 46 13 99 0.0015 -0.0177 0.54 2000 1 2011 5 40 11 103 -0.0541 0.0428 0.12 4* 1994 1 2011 5 62 17 102 -0.0434 -0.0305 0.04 1994 1 2006 11 44 12 104 -0.0234 -0.0203 0.54 2000 1 2011 5 42 11 98 -0.0541 -0.0329 0.17 5 1994 1 2011 5 63 17 100 -0.0384 -0.0151 0.17 1994 1 2006 11 46 13 102 -0.0523 -0.0094 0.56 2000 1 2011 5 43 11 96 -0.0138 -0.0146 0.36 En general, todas las series de clorofila superficial mostraron pendientes negativas aunque no todas fueron significativas (Tabla 3.8). Este resultado indica que la concentración superficial de clorofila a en todo el área ECOMÁLAGA tendió a disminuir en el periodo investigado. Las tendencias para el periodo 1994-2011 fueron significativas para UEE-1, UEE-2 y UEE-4. La pendiente estimada mediante el método de Sen fue inferior en el caso de UEE-1 (-0.0192 mg m-3 año-1), frente a las registradas en las UEE-2 (-0.0373 mg m-3 año-1) y UEE-4 (-0.0305 mg m-3 año-1). Además, la UEE2 presentó una importante tendencia negativa en el periodo 2000-2011 (-0.0772 mg m-3 año-1). Por el contrario, en el periodo 1994-2006 no presentó tendencias significativas, indicando un cambio de tendencia, que tampoco se produjo en UEE-1. Los promedios estacionales y los resultados de las comparaciones estadísticas entre período del año y área de agregación de las variables que se presentan a Capítulo II 100 continuación, se detallan en el Anexo 1. En el mismo Anexo se recogen los resultados del análisis de tendencias temporales. 3.3.3. Nutrientes inorgánicos disueltos La mayor concentración promediada estacionalmente de nitrato (Anexo I, Tabla 8.1) se obtuvo en primavera en el área UEE-5 (1.63 µM), seguida por la obtenida en UEE-2 y UEE-5 en invierno (1.53 µM). En el otro extremo, el menor valor promedio se obtuvo en UEE-1 en verano (0.29 µM). En invierno y primavera las concentraciones de nitrato tendieron a ser mayores que en las otras épocas del año. Particularmente, la mayor concentración estacional de nitrato en UEE-1 se obtuvo en invierno. En contraste, la concentración promediada en verano fue significativamente menor que en invierno en todas las áreas excepto UEE-3. En esta área, las concentraciones de nitrato registradas en verano y otoño fueron significativamente mayores respecto a las registradas en UEE 1. En verano también fueron significativamente mayores a las obtenidas en UEE-5. Capítulo II 101 Figura 3.12. Serie temporal de anomalías de la concentración superficial de nitrato (µM). Las líneas indican las tendencias temporales que fueron significativas estadísticamente. Los resultados completos del análisis se muestran en la Tabla 8.2. (Anexo I). No se detectaron tendencias significativas en la concentración de nitrato en el periodo 1994-2009/2011 (Anexo I, Tabla 8.2), aunque los valores de las pendientes (que variaron entre -0.01 y -0.03 µM año-1) fueron en general negativos (excepto para UEE2) y dentro del rango encontrado por Mercado et al. (2012; desde -0.01 a -0.08 µM año1). Si se reduce el periodo análisis a 1994-2006, las tendencias fueron significativas en UEE-1 (-0.034 µM año-1) y UEE-4 (-0.059 µM año-1). Por el contrario, para el periodo 2000-2009 no se obtuvieron tendencias significativas, e incluso las pendientes obtenidas fueron positivas. El rango de variabilidad de los promedios estacionales de la concentración de fosfato fue comparativamente menor que el de nitrato, con un valor máximo obtenido en invierno en UEE-4 (0.27 µM) y mínimos de 0.10 µM obtenidos durante casi todo el Capítulo II 102 ciclo anual en UEE-1 (Anexo I, Tabla 8.3). En esta área, las concentraciones de otoño fueron significativamente menores a las de invierno. Para las otras áreas, no se obtuvo ningún patrón estacional reseñable. Figura 3.13. Series temporales de anomalías de la concentración superficial de fosfato (µM). Las líneas indican las tendencias temporales que fueron significativas estadísticamente. Los resultados completos del análisis se muestran en la Tabla 8.4. (Anexo I). Las pendientes de la serie temporal desestacionalizada de la concentración de fosfato fueron negativas para todas las UEE y periodos de tiempo evaluados. Las tendencias fueron significativas para el periodo 1994-2011 en UEE-1 (-0.0026 µM año1) y UEE-3 (-0.0048 µM año-1). Para el periodo 1994-2006, se obtuvieron pendientes significativas para UEE-1 (-0.0042 µM año-1) y UEE-2 (-0.0043 µM año-1). Sin embargo, para estas UEE no se obtuvieron tendencias significativas en el periodo 20002011. Por otro lado, la UEE-3 presentó una tendencia significativa para este último periodo, con una pendiente notablemente alta de -0.012 µM año-1. Las series temporales Capítulo II 103 de concentración de fosfato en UEE 4 y 5 no presentaron tendencias significativas para ninguno de los periodos evaluados. Los promedios estacionales más elevados de silicato fueron registrados en UEE 4 y 5 (1.73 µM), seguidas por UEE-2 (1.64 µM) (Anexo I, Tabla 8.5). Todos estos máximos se obtuvieron en invierno. En el otro extremo, el valor promediado más bajo se registró en primavera en UEE-1 (0.72 µM), que también presentó los valores menores en verano y otoño. La concentración de silicato en las áreas UEE 1 y 2 presentó un ciclo estacional con valores mayores en invierno respecto a verano y primavera (esto último sólo en UEE-1). Por el contrario, no se obtuvo un ciclo estacional claro en UEE-3, UEE-4 y UEE-5. Figura 3.14. Serie temporal de anomalías y tendencias de la concentración superficial de silicato (µM). Las líneas indican las tendencias temporales que fueron significativas estadísticamente. Los resultados completos del análisis se muestran en la Tabla 8.6. (Anexo I). Capítulo II 104 La concentración de silicato tendió a disminuir en las cinco áreas evaluadas para el periodo 1994-2006. Para ese periodo, la pendiente obtenida para las series temporales de UEE 1, 2 y 3 varió entre -0.05 y -0.06 µM año-1. Las pendientes fueron más acusadas para UEE-4 y 5 (-0.105 y -0.077 µM año-1 respectivamente). Si se considera el periodo completo para el cálculo de la pendiente (1994-2011), esta fue sólo significativa en UEE-1 (-0.028 µM año-1). Es de notar que el cambio de tendencia en la serie de silicato es similar al obtenido para el nitrato. 3.3.4. Temperatura y salinidad superficiales La mayor amplitud del ciclo anual de temperatura se obtuvo en las zonas costeras UEE 4 y 5 (Anexo I, Tabla 8.7). La estacionalidad de la temperatura se caracterizó por los valores más altos obtenidos en el periodo verano-otoño frente a los valores comparativamente más bajos obtenidos en invierno-primavera. Capítulo II 105 Figura 3.15. Serie temporal de anomalías y tendencias de la temperatura superficial (ºC). Las líneas indican las tendencias temporales que fueron significativas estadísticamente. Los resultados completos del análisis se muestran en la Tabla 8.8. (Anexo I). La serie temporal de anomalías de temperatura presentó pendientes positivas para el período completo analizado (1992-2010/2012) en todas las áreas, con un valor que varió entre +0.01 y los +0.06 ºC año-1. Sin embargo, las tendencias no fueron significativas estadísticamente. Para el periodo 1992-2006, sólo el área UEE-4 presentó una tendencia significativa con una pendiente de +0.15 ºC año-1. Para el periodo 20002012 no se registraron tendencias en la temperatura. En general, en todas las áreas la salinidad fue menor en verano y mayor en primavera (Anexo I, Tabla 8.9). La menor salinidad superficial se obtuvo en otoño en UEE-3 (36.6). En esta área, la salinidad en primavera y verano fue también menor que en las otras zonas. Este hecho sugiere la presencia de aguas atlánticas superficiales en la Capítulo II 106 UEE-3. En contraste, las mayores salinidades promedio aparecieron durante todo el año en las zonas costeras UEE 4 y 5 (37.4). Figura 3.16. Serie temporal de anomalías y tendencias significativas de la salinidad superficial. Las líneas indican las tendencias temporales que fueron significativas estadísticamente. Los resultados completos del análisis se muestran en la Tabla 8.10. (Anexo I). Para el periodo completo de estudio (1992-2010/2012), la salinidad no presentó tendencias significativas. Sin embargo, durante el periodo 1992-2006 se registraron tendencias significativas y negativas en todas las áreas. En UEE-1, 4 y 5, las pendientes variaron entre -0.027 y -0.029 año-1 mientras que en UEE 2 y 3 estas fueron menores (- 0.015 y -0.017 año-1, respectivamente). Debe notarse que las tendencias negativas de la salinidad obtenidas por Mercado et al. (2012) y Vargas-Yáñez et al. (2010b) para el período 1992-2008 fueron similares (entre -0.015 y -0.024 año-1). Mercado et al. (2007) también registraron una tendencia negativa y significativa en la salinidad superficial en el periodo 1992 y 2002. En contraste, en el presente trabajo, las tendencias fueron Capítulo II 107 significativas y positivas para el periodo 2000-2012 en UEE 1, 4 y 5 (zona de bahía de Málaga), presentando pendientes entre +0.02 y +0.03 año-1. 3.3.5. Componente geostrófica zonal de la corriente costera superficial Se ha obtenido la corriente geostrófica entre estaciones de las áreas UEE-1 (V2V3) y UEE-2 (P2-P3) para disponer de una estimación de la componente paralela a la costa de la corriente. Para las zonas UEE-4 (M1) y UEE-5 (V1) las velocidades calculadas entre V2 y V3 pueden considerarse representativas. Sin embargo, para el área UEE-3 no es posible calcular la velocidad de la corriente; no obstante en esta área las corrientes zonales deben estar muy ligadas a la dinámica del jet y desligadas de la dinámica costera (Cano y García-Lafuente, 1991). La velocidad zonal superficial de la corriente geostrófica en UEE-2 resultó significativamente menor en otoño que en invierno y primavera (Anexo I, Tabla 8.11). Sin embargo, en UEE-1 la corriente en verano fue significativamente menor respecto a invierno. El sentido medio de la corriente en el área fue oeste-este (positiva), excepto en verano en UEE-1, donde pasó a ser este-oeste (negativa). Las mayores velocidades promedio se registraron en primavera e invierno, tanto en UEE-1 como en UEE-2. Generalmente las velocidades promedio en UEE-2 fueron mayores que en UEE1, excepto en otoño. Capítulo II 108 Figura 3.17. Serie temporal de anomalías de la velocidad superficial de la corriente geostrófica (m s-1). La línea indica la tendencia temporal significativa estadísticamente. Los resultados completos del análisis se muestran en la Tabla 8.12. (Anexo I). Solo se obtuvieron tendencias significativas en la velocidad geostrófica entre las estaciones M2-M3 para el periodo 1992-2006, indicando una tendencia relativa de descenso de la corriente hacia el este. La velocidad entre estas dos estaciones no es zonal, aunque se ha optado por incluirla para mostrar la elevada variabilidad de la corriente geostrófica existente dentro de una misma unidad (UEE-1). Capítulo II 115 3.3.9. Interfaz Atlántico-Mediterránea (IAM) La profundidad de la IAM no se pudo evaluar en las unidades costeras (UEE-4 y UEE-5) debido a que son muy someras, y no siempre fue posible encontrar la isohalina de 37.5 en la columna de agua. En las áreas UEE 1 y 2, la IAM se situó a menor profundidad en primavera (2935 m), y a mayor profundidad (62-58 m) en otoño-invierno, respectivamente (Anexo I, Tabla 8.20). Sin embargo, para UEE-3, la mayor profundidad de la IAM se obtuvo en verano (69 m), siendo significativa esta diferencia respecto a la obtenida en UEE-1. Esta característica es atribuible al mayor flujo de entrada de agua atlántica a través del jet en esta época del año. Figura 3.23. Serie temporal de anomalías de la profundidad de la IAM (m). Los resultados completos del análisis se muestran en la Tabla 8.21. (Anexo I). No se obtuvieron tendencias significativas en la profundidad del IAM para ninguno de los periodos ni áreas investigadas. Capítulo II 116 3.3.10. Profundidad del máximo sub-superficial de fluorescencia (MSF) La mayor profundidad del MSF ocurrió en verano en UEE-1 (36.8 m) cuando esta fue mayor respecto a invierno (21.5 m). Solo en UEE-5 se obtuvieron diferencias estacionales significativas entre verano y primavera (Anexo I, Tabla 8.22). En UUE-3 el MSF se localizó a mayor profundidad en otoño (42.4 m). Es de destacar que el MSF en las áreas UEE 1 y 3 se localizó durante casi todo el año por debajo de los 20 metros (excepto en invierno) mientras que en UEE-2 se localizó en torno a esa profundidad. Figura 3.24. Serie temporal de anomalías de la profundidad del máximo sub-superficial de la fluorescencia de la clorofila a, MSF (m). La línea indica la tendencia temporal que fue significativa estadísticamente. Los resultados completos del análisis se muestran en la Tabla 8.23. (Anexo I). Para el periodo 1992-2012 no se obtuvieron tendencias significativas en la profundidad del MSF. Analizando el periodo 1993-2006 únicamente, el máximo de MSF en UEE-2 presentó una tendencia significativa y positiva, que se tradujo en un Capítulo II 117 hundimiento promedio de 64 cm año-1. Durante el periodo 2000-2010/2012 las pendientes fueron negativas, aunque no significativas estadísticamente. 3.3.11. El viento Tabla 3.9. Componentes principales del vector del viento (1990-2012) en las estaciones meteorológicas 6155A y 6076O/X (ver Figura 3.9). N=Número de días, CP=Ángulo de la componente principal medido desde el este en contra del sentido de las agujas del reloj, VE=Variabilidad explicada por la componente principal. UEE ESTACIÓN AEMET N CP (grados) VE (%) 1,4,5 6155A 8252 -36.6 93 2,3 6076O/X 7577 +15.7 82 Figura 3.25. Estacionalidad mensual del módulo y de la componente principal del viento de las estaciones 6155A y 6076 (m s-1). Las barras verticales indican ±1 desviación estándar. El viento presentó comportamientos diferenciados en las estaciones 6155A (UEE-1, UEE-4 y UEE-5) y 6076O/X (UEE-2 y UEE-3) (Figura 3.25). Mientras en la Capítulo II 118 estación del aeropuerto de Málaga (6155A) predominó la componente oeste (poniente) en promedio, con valores máximos de noviembre a enero (+8.5 m s-1), en la estación de Marbella (6076) hubo una alternancia predominando en primavera los vientos de componente oeste (ponientes: +2.4 m s-1) y en invierno los de componente este (levantes: -2.4 m s-1). Nótese que el ciclo estacional en la estación de Marbella muestra similitudes con el de la concentración superficial de clorofila a en UEE-2, aunque presentó valores máximos de abril a junio, en lugar de marzo a mayo. El módulo de la velocidad del viento en esta estación también mostró diferencias estacionales, presentando los valores mayores en primavera (11.6 m s-1). En la estación del aeropuerto de Málaga los vientos fueron más intensos de otoño a invierno (10.5 m s-1). Al analizar los promedios estacionales en ambas estaciones meteorológicas (Anexo I, Tabla 8.24) se puede concluir que los valores promedio estacionales mínimos del modulo de la velocidad del viento ocurrieron en verano, y los máximos en invierno, siendo en ambos distintos significativamente respecto al resto de épocas del año. Para la estación del aeropuerto de Málaga todos los valores promedio estacionales del módulo del viento fueron significativamente distintos entre sí, lo que indica una gran variabilidad estacional en la intensidad de los vientos en la bahía de Málaga. En primavera, la componente principal del viento en la estación de Marbella fue significativamente mayor y de signo contrario en comparación con el resto de épocas del año. En la estación del aeropuerto de Málaga la componente principal del viento en primavera y verano fue también significativamente diferente respecto al resto del ciclo estacional. Comparando las dos estaciones, los promedios estacionales del módulo de la velocidad del viento en la estación de Marbella fueron significativamente mayores a los Capítulo II 119 registrados en el aeropuerto de Málaga. Los valores estacionales de la componente principal del viento fueron también significativamente distintos entre las dos estaciones meteorológicas, excepto en primavera. Figura 3.26. Serie temporal de anomalías y de la velocidad del viento en las estaciones del aeropuerto de Málaga y de Marbella (m s-1). Las líneas indican las tendencias temporales que fueron significativas estadísticamente. Los resultados completos del análisis se muestran en la Tabla 8.25. (Anexo I). La componente principal del vector del viento en la estación del aeropuerto de Málaga registró una tendencia negativa (-0.079 m s-1 año-1) entre los años 1992 y 2006 no experimentó tendencias significativas en el periodo 2000-2012. En contraste la componente principal del viento en la estación de Marbella presentó una tendencia significativa (-0.11 m s-1 año-1) para este último periodo (2000-2012). Similarmente, el módulo de la velocidad del viento para el periodo 1992-2012 presentó comportamientos diferenciados entre ambas estaciones meteorológicas. Así, mientras en la estación del aeropuerto de Málaga la tendencia fue positiva (+0.038 m s-1 Capítulo II 120 año-1), en la estación de Marbella esta fue negativa (-0.078 m s-1 año-1). Además, el módulo de la velocidad del viento presentó una tendencia significativa y negativa para el periodo 2000-2012 en la estación de Marbella (-0.18 m s-1 año-1). 3.3.12. Altura significante del oleaje Figura 3.27. Estacionalidad mensual de la altura significante del oleaje en la bahía de Málaga (m). Las barras verticales indican ±1 desviación estándar. El máximo valor de la altura del oleaje en la estación analizada (localizada en la bahía de Málaga) se registró en marzo, aunque de diciembre a abril la altura del oleaje fue mayor que en el resto del ciclo estacional cuando en promedio esta no excedió de 0.4 metros. Capítulo II 121 Figura 3.28. Serie temporal de anomalías de la altura significante del oleaje en la bahía de Málaga. La línea horizontal indica la tendencia temporal que fue significativa estadísticamente. Las anomalías no presentan homocedasticidad, y la variabilidad en invierno y otoño es más elevada por la aparición de valores extremos en estas épocas del año, dando una falsa percepción de estacionalidad residual en la serie de anomalías. Los resultados completos del análisis se muestran en la Tabla 8.27. (Anexo I). La altura significante del oleaje se caracterizó por presentar tendencias significativas y de signo contrario en los dos periodos de tiempo evaluados, -0.0018 m año-1 para el periodo 1993-2006 y +0.0038 m año-1 para el periodo 2000-2012. Estas tendencias no son totalmente coincidentes con las encontradas para el módulo de la velocidad del viento en la estación del aeropuerto de Málaga, ya comentadas en el apartado anterior. 3.3.13. Otras variables meteorológicas y ambientales Figura 3.29. Estacionalidad mensual acumulada de la pluviosidad (IFAPA-CHURRIANA) y del caudal del río Guadalhorce (CÁRTAMA). Las barras verticales indican ±1 desviación estándar de las anomalías positivas y negativas por separado. Capítulo II 122 El desfase existente entre el máximo de la pluviosidad (diciembre; 100 L m-2) y el caudal del río Guadalhorce (febrero), da cuenta del efecto de retardo entre las precipitaciones y los aportes superficiales al mar debido a la elevada permeabilidad del suelo tras el largo periodo estival, además del efecto del embalsamiento. Por ello, la entrada superficial de agua continental al medio marino podría ser mejor estimada a partir del caudal del río en su curso bajo que a partir de la pluviometría Figura 3.30. Serie temporal de anomalías y tendencias significativas (línea continua) de la pluviosidad (L m-2 mes-1) y del caudal estimado del río Guadalhorce (m3 mes-1). Los resultados completos del análisis se muestran en la Tabla 8.29. (Anexo I). Los valores mensuales (acumulados) del caudal del río Guadalhorce únicamente presentaron tendencias positivas para el periodo 2000-2012. La pluviosidad mensual acumulada no mostró tendencia alguna en ninguno de los periodos evaluados, comenzando en el año 1995. A continuación se resumen los principales patrones estacionales e interanuales de variación de todas las variables analizadas para cada una de las áreas. Capítulo II 123 3.3.14. Resumen de las características del área UEE-1 Tabla 3.10. Sinopsis de los resultados obtenidos para el área UEE-1. Para cada variable, se indica mediante un guión qué estaciones del año difirieron significativamente. Cuando es una única estación la que difiriere significativamente del resto se indica mediante corchetes. Las flechas indican que las tendencias fueron significativas (positivas si la flecha es hacia arriba o negativas cuando es hacia abajo) para el periodo evaluado. UEE-1 ESTACIONALIDAD 92-12 92-06 00-12 Clorofila a Q1-Q3 ▼ Nitrato [Q1] ▼ Fosfato Q1-Q4 ▼ ▼ Silicato Q1-Q2,Q1-Q3 ▼ ▼ Temperatura Q1-Q3Q4,Q3-Q2 Salinidad [Q4] ▼ ▲ Corriente (V2V3) Q1-Q3 MLD Q1-Q2Q3,Q3-Q4 PICNO Q1-Q2Q3,Q4-Q2Q3 ▼ SIPIC Q1-Q3Q4,[Q3] ▲ ▲ IAM Q2-Q1Q3Q4,Q3-Q4 MSF Q1-Q3 Modulo Viento [Q1],[Q2],[Q3],[Q4] ▲ CP Viento [Q2],[Q3] ▼ ▼ Oleaje [Q3],[Q4] ▼ ▲ Pluviosidad [Q2],[Q3] Caudal [Q3],Q1-Q2 ▲ El área UEE-1 se caracterizó por presentar una tendencia negativa significativa (-0.019 mg m-3) en la concentración superficial del la clorofila a para todo el periodo analizado (1994 y 2012). Sin embargo, en 1992-2006 no se registraron tendencias significativas en la concentración superficial de clorofila a aunque sí en las variables bioquímicas e hidrológicas ya que las concentraciones superficiales de todos los nutrientes experimentaron tendencias negativas y significativas, en buena concordancia con la salinidad (aunque el incremento de la temperatura superficial del agua de mar no resultó significativo). El gradiente de densidad en la picnoclina también experimentó un aumento en este periodo. En paralelo, la componente principal del viento en la estación del aeropuerto de Málaga presentó una tendencia negativa. La tendencia de disminución Capítulo II 124 de la altura del oleaje, viene a confirmar un progresivo descenso en la eficacia de la mezcla vertical y del afloramiento de aguas intermedias mediterráneas. En el periodo 2000-2012, la concentración de la clorofila a superficial no mostró tendencias significativas, al igual que las concentraciones de nutrientes. En contraste, la salinidad superficial tendió a aumentar, al contrario de lo ocurrido en el periodo anterior. El resto de variables ambientales no presentaron tendencias significativas, a excepción del caudal del río Guadalhorce y la altura del oleaje, que tendieron a aumentar. El comportamiento registrado en este periodo para todas las variables refleja un claro cambio de tendencia respecto al periodo 1992-2006, como se muestra a modo de ejemplo en la Figura 3.31 en que se recoge la variación de la tendencia calculada para periodos de cinco años a partir de la series desestacionalizadas de la salinidad superficial y de la componente principal del viento en la estación meteorológica del aeropuerto de Málaga. Capítulo II 131 3.4. Discusión 3.4.1. Unidades de Evaluación de la Eutrofización (UEE) y sus ciclos de productividad característicos La agrupación geoespacial obtenida mediante el análisis clúster, basada en los promedios mensuales de la concentración de clorofila de satélite de cada píxel, permitió identificar 5 zonas de productividad contrastante en el área ECOMÁLAGA. La compactación de las áreas identificadas se validó mediante la comparación de los datos de la concentración de clorofila a in situ procedentes de las diferentes estaciones de muestreo, que fueron asignadas a las Unidades de Evaluación de la Eutrofización (UEE) 1, 2 y 3. Para las otras dos zonas no se dispuso de datos ya que ninguna de las estaciones de muestreo se encontró localizada en ellas. El análisis de correlación llevado a cabo entre las series temporales de clorofila a in situ entre todas las estaciones históricamente muestreadas por el IEO que fueron clasificadas dentro de algunas de las tres áreas arriba enumeradas, indica claramente que la zonación realizada (basada en imágenes de satélite) responde a diferencias en los patrones temporales de variabilidad de la concentración superficial de la clorofila a. Los datos disponibles y los presentados permiten además asegurar que dichas diferencias están relacionadas con los mecanismos subyacentes que controlan la productividad en cada una de las áreas. Así por ejemplo, la serie temporal de clorofila a para la estación P3 (clúster 5) no correlacionó con ninguna otra estación excepto la más próxima (P2), que por otro lado se situó prácticamente en el límite entre los clústeres 2 y 5 (Figura 3.8). La zona UEE-3 (clúster 5) presentó un ciclo anual de clorofila a diferenciado respecto al de las otras dos áreas, con un singular máximo local en el mes de agosto, cuyo valor resultó incluso mayor que el obtenido para el área de agrupamiento contigua Capítulo II 132 UEE-2 (1.4 mg m-3 vs 1 mg m-3), caracterizada generalmente por presentar las mayores concentraciones en toda la zona (excepto en agosto). El ciclo de productividad del área UEE-3 podría ser explicado por la advección de aguas enriquecidas en nutrientes, originadas en afloramientos en el estrecho de Gibraltar (Gil y Gomis, 1994; Baldaci et al., 2001; Ruíz et al., 2001; García-Górriz y Carr, 2001; Cortés et al., 2012; Mercado et al., 2015), que son transportadas hacia el interior del mar Alborán por el jet atlántico. Este mecanismo produciría un aumento de la productividad en el borde septentrional del giro anticiclónico occidental (Minas et al., 1991; García-Górriz y Carr, 1999 y 2001; Baldaci et al., 2001). Este filamento de agua aflorada en el Estrecho permanece generalmente despegado de la costa a la altura de cabo Pino, a una distancia que oscilaría entre los 13 y los 30 Km según los límites del clúster 5, confinado entre las aguas costeras (UEE-2) y el propio núcleo del chorro de agua Atlántica. El clúster 4 representa una zona de transición entre el núcleo del giro anticiclónico al sur (clúster 3) y la zona de influencia del filamento arriba mencionado al norte (clúster 5). Es de esperar que este área esté afectada por la variabilidad irregular en el ángulo de entrada e intensidad del chorro de agua atlántica a su entrada en Alborán, así como por las variaciones en la formación de la masa de agua advectada. Para una configuración de 4 clústeres (esto es, k=4 según la terminología empleada anteriormente, que es por otro lado la que produce un valor máximo del índice de Silhouette), se obtiene prácticamente la misma distribución espacial que para 5 clústeres, con la única diferencia de que el clúster 4 quedaría integrado en el clúster 5. La mayor productividad asociada al filamento de agua procedente del estrecho de Gibraltar, que determina los altos valores de clorofila en el clúster 5 en verano, se ilustra en la Figura 3.33 donde se aprecia su elevada variabilidad. Capítulo II 133 Figura 3.33. Ejemplo de la presencia de un filamento de agua más productiva en verano localizado en UEE-3. Escenas de concentración de clorofila a seleccionadas del satélite MODIS-Aqua correspondientes al 6 de agosto de 2006 y al 20 de agosto de 2008. Por otro lado, la concentración de clorofila a fue mayor en la zona UEE-2 respecto a UEE-1, particularmente en primavera cuando se produce el mayor valor promediado estacionalmente de toda la zona de estudio (1.65 mg m-3). En contraste, los promedios de invierno y primavera en UEE-1 fueron similares entre sí (respectivamente de 0.92 y 0.99 mg m-3). De acuerdo con el ciclo mensual de clorofila reconstruido, el área UEE-2 presenta un amplio periodo de intenso bloom de marzo a mayo (>1.47 mg m-3), mientras que en UEE-1 el máximo anual se produce en marzo (1.05 mg m-3), siendo además menos intenso que en UEE-2 (1.57 mg m-3). Estas diferencias en el ciclo anual de la concentración superficial de la clorofila a entre UEE-1 y UEE-2 se ilustran en la Figura 3.34. En la imagen del mes de marzo, las mayores concentraciones de Capítulo II 134 clorofila aparecen asociadas a UEE-1, y menos claramente a la parte más costera de UEE-2. En contraste, en la imagen del mes de mayo, las mayores concentraciones de clorofila se asocian con UEE-2. Las diferencias de productividad registradas entre estas dos zonas ya fueron apuntadas por Baldaci et al. (2001) a partir del análisis de funciones ortogonales empíricas (EOF) realizado con imágenes de satélite de clorofila (SeaWIFS) y SST (AVHRR) de un solo año (1997-1998). Por su parte, Muñoz et al. (2015) también discriminaron las dos áreas aplicando un análisis EOF a los datos de satélite de 5 años (2005-2009) de temperatura (MODIS) y de clorofila superficiales (SeaWIFS). Así mismo, Barale et al. (2008) emplearon los datos de clorofila de 6 años (1998-2003) procedentes de la plataforma SeaWIFs para obtener las anomalías de la concentración de la clorofila a, mostrando también diferencias entre ambas áreas. Capítulo II 135 Figura 3.34. Ejemplos de los dos modos característicos de floración en el norte del mar Alborán. Concentración de clorofila a de MODIS-Aqua (mg m-3) según imágenes obtenidas el 8 de marzo de 2006 y el 8 de mayo de 2005. La hipótesis de que la zonación realizada refleja diferencias en los mecanismos que regulan el ciclo anual de la clorofila en cada una de las tres UEE descritas es reforzada por el hecho de que las tendencias de las series desestacionalizadas de la concentración superficial de la clorofila a fueron diferentes en las tres áreas. En UEE-1 y UEE-2 las tendencias fueron negativas, en contraste con lo ocurrido en UEE-3. Adicionalmente, la pendiente obtenida en UEE-2 fue más intensa (-0.037 mg m-3; P>99%), acentuándose en el periodo 2000-2011 (-0.077 mg m-3; P>98%), mientras que el valor de la pendiente en UEE-1 fue comparativamente menor (-0.019 mg m-3), y para el periodo 2000-2011 esta no fue significativa. Las diferencias en las pendientes entre Capítulo II 136 EEU-1 y EEU-2 en casi un factor de 2, son atribuibles a diferencias entre los mecanismos que modulan la productividad en ambas zonas. Los datos analizados demuestran que el jet atlántico tendió a aproximarse más a la costa durante el periodo 2000-2012. Para el mismo periodo se registró una notable tendencia negativa en la componente principal (-0.11 m s-1 año-1) y en el módulo del viento (-0.18 m s-1 año-1) en la estación meteorológica de Marbella, precisamente cuando la tendencia descendente en la concentración de la clorofila a fue mayor. El análisis pormenorizado de la implicación de ambos mecanismos en la regulación de la clorofila se evaluará en el siguiente capítulo. Las estaciones más costeras muestreadas históricamente en la bahía de Málaga (M1 y V1) quedaron fuera del dominio de las imágenes de satélite. Sin embargo, la comparación de su productividad con la del área marina adyacente (UEE-1) permite investigar si la variabilidad en la clorofila puede ser explicada por los mismos mecanismos. La serie temporal de clorofila a en las estaciones costeras M1 (UEE-4) y V1 (UEE-5) estuvieron correlacionadas significativamente con 3 de las 4 series temporales de las estaciones de muestreo integradas en UEE-1 (Tabla 3.6). Sin embargo, M1 presenta concentraciones superficiales de clorofila a in situ en verano y otoño significativamente mayores a los obtenidos en UEE-1; adicionalmente el máximo estacional en V1 ocurrió también en verano. Estos resultados indican que la concentración de clorofila a en M1 y V1 está condicionada por factores adicionales a los que modulan el ciclo estacional en UEE-1. También se observaron diferencias entre M1 y V1. En primer lugar, los valores promedio de la concentración de la clorofila a en M1 fueron mayores a los registrados en V1 (1.36 vs 0.79 mg m-3), y su máximo se registró en otoño en lugar de en verano, presumiblemente por la influencia del rio Guadalhorce. En cuanto a la evolución temporal de las dos estaciones costeras, la Capítulo II 137 concentración superficial de clorofila a en M1 presentó una tendencia negativa significativa para el periodo 1994-2011 (también detectada por Mercado et al. (2012)), a diferencia de V1, denotando también diferencias en la evolución temporal de los mecanismos que regulan la productividad en ambas estaciones. Todo ello justifica que las dos estaciones costeras hayan sido analizadas en este capítulo como unidades de evaluación diferenciadas. 3.4.2. Mecanismos que regulan la productividad en las diferentes áreas Comparación entre UEE-1 y UEE-2 En principio, la disminución tendencial de la concentración de clorofila a registrada tanto en UEE-1 como en UEE-2 durante el periodo 1994-2006 podría ser atribuida al descenso de la concentración de nutrientes. Sin embargo, durante el periodo 2000-2010 también se produjo una acentuada disminución de la concentración de clorofila a en UEE-2 aunque la concentración de nutrientes no varió significativamente. En el periodo 1994-2006, la concentración de fosfato disminuyó tanto en UEE-1 como en UEE-2 con tendencias negativas significativas casi idénticas (-0.0042 vs - 0.0043 µM año-1), al igual que la concentración de silicato. Sin embargo, la concentración de nitrato presentó una tendencia negativa únicamente en UEE-1. Por otro lado, la concentración de nitrato y de clorofila a estuvieron linealmente correlacionadas en UEE-1 (Tabla 3.15), algo que no ocurrió en UEE-2. Estos resultados indican que en UEE-1 la concentración de clorofila es controlada principalmente por la disponibilidad de nitrato, que de hecho es a menudo el nutriente limitante de la producción primaria en Alborán según los estudios disponibles (véase por ejemplo Mercado et al., 2007). Sin embargo, los mecanismos que controlan la clorofila en UEE- Capítulo II 138 2 parecen ser diferentes, probablemente condicionados por factores adicionales a la disponibilidad de nitrato. Esta conclusión es reforzada por el hecho de que la concentración de clorofila continuó disminuyendo en UEE-2 a pesar de que las concentraciones de nutrientes no experimentaron tendencias significativas. Si esta hipótesis es correcta, es de esperar que la susceptibilidad de las dos áreas (UEE-1 y EUU-2) a la contaminación por nutrientes sea diferente, lo que justifica que sean consideradas como dos áreas diferenciadas de gestión. Tabla 3.15. Coeficiente de correlación (Rho=Spearman; R=Pearson) de la concentración superficial de clorofila a frente a la concentración superficial de nitrato. Clorofila vs Nitrato UEE n Rho p R p 1 298 0.57 <0.001 0.38 <0.001 2 114 0.34 <0.001 0.16 n.s. Entre estos factores adicionales que condicionan diferencialmente la evolución temporal de la clorofila en UEE-1 y UEE-2 probablemente se encuentren diferencias hidrodinámicas dado que las tendencias decrecientes de la salinidad en ambas áreas presentaron diferente intensidad (-0.026 año-1en UEE-1 frente a -0.017 año-1 en UEE-2) quizás asociadas a las diferencias en la intensidad de la corriente. El viento presentó también una evolución temporal diferenciada en UEE-1 y UEE-2. Así, el módulo del viento es significativamente mayor en UEE-2 durante casi todo el año (al igual que la clorofila). Además, la componente principal de los vientos locales fue mayor de marzo a mayo en UEE-2 (estación de Marbella), al igual que los máximos anuales de la concentración superficial de clorofila a. Por otro lado, la componente principal del viento en el aeropuerto de Málaga registró una tendencia negativa en 1992-2006, que explicaría el aumento de la estratificación ocurrido en ese periodo en UEE-1. Sin embargo, en Marbella la tendencia negativa tanto del módulo como de la componente principal se registró en el periodo 2000-2010, pudiendo ser la Capítulo II 139 causa total o parcial de la tendencia registrada en la concentración superficial de la clorofila a en UEE-2. La mayor influencia del jet atlántico sobre la hidrodinámica en el área UEE-2 también podría explicar la tendencia negativa de la clorofila en el periodo 2000-2010, dado que durante ese periodo el jet tendió a acercarse más a la costa, lo que en principio podría disminuir la superficie potencialmente afectada por afloramientos asociados al viento. Según Sarhan et al. (2000), los episodios de alejamiento del jet respecto de la costa permitirían un aumento de la productividad en la costa noroccidental del mar Alborán, lo que podría tener una importancia relativa en términos de productividad de esa área similar a la de los afloramientos debidos a vientos locales. Este es el mecanismo que según Sarhan et al. (2000) podría explicar altos valores de clorofila en condiciones de salinidad superficial relativamente baja (esto es, en condiciones de no afloramiento). El área UEE-3 UEE-3 se caracterizó por presentar altos valores de concentración de clorofila a en el mes de agosto, coincidiendo con el periodo en que se suelen registrar los mínimos de clorofila en la mayor parte del área estudiada en este capítulo, y que se puede atribuir al agotamiento de los nutrientes en la capa superficial y a la estratificación. La concentración superficial de nitrato en UEE-3 también es mayor que en UEE-1 y UEE-2 en esa época del año (verano), cuando las concentraciones de fosfato y silicato también fueron altas. Paradójicamente, la salinidad superficial registrada en UEE-3 fue menor que en las otras épocas del año, e inferior significativamente a la registrada en UEE-1. En UEE-3, MLD y profundidad del IAM y SIPIC también fueron máximas en verano lo que puede ser debido a la mezcla de la capa de Agua Atlántica Superficial que forma el Capítulo II 140 jet atlántico con las aguas afloradas en verano en el mismo estrecho de Gibraltar. No obstante, este mecanismo requiere un estudio posterior más detallado. Unidades costeras (UEE-4 y UEE-5) en comparación con UEE-1 Las series temporales de clorofila a para las áreas UEE-4 y UEE-5 muestran patrones de variabilidad diferentes respecto a UEE-1. Así, las unidades costeras presentan los máximos valores estacionales de clorofila en verano u otoño, en lugar de en primavera. Este comportamiento podría deberse a la influencia de los aportes continentales de nutrientes en verano probablemente debido a los vertidos de aguas residuales, e incluso en otoño a través de la escorrentía superficial o del caudal del río. Por otro lado, los procesos de afloramiento impulsados por el viento pueden resultar más importantes en las unidades costeras. Prueba de ello es que las salinidades estacionales promedio en las unidades costeras son mayores a las obtenidas en UEE-1. En este sentido, la concentración superficial de nitrato en invierno y primavera fue mayor en UEE-5 que en UEE-4, quizás por su mayor exposición a los vientos de poniente. No obstante, la concentración promedio de fosfato en UEE-4 fue mayor que en UEE-5 durante todo el ciclo anual, lo que en principio no puede ser atribuido a diferencias en las variables hidrológicas. A esto se añade el hecho de que las concentraciones de silicatos promediadas estacionalmente en las dos estaciones costeras fueron similares entre sí, y mayores a las de las otras áreas, lo que sugiere que la mayor concentración de fosfatos frente a la ciudad de Málaga podría estar relacionado con los aportes antropogénicos, aunque no es descartable que estos procedan también de la resuspensión del sedimento dada la intensidad de los procesos de mezcla vertical por la acción del oleaje en estas estaciones. Bibliografía 243 Maritorena, S., Siegel D.A. (2005), Consistent merging of satellite ocean color data sets using a bio-optical model. Remote Sensing of Environment 94(4), 429–440. Matheron G. (1962). Traité de géostatistique appliquée. Editions Technip. McQuatters-Gollop A., Gilbert A.J., Mee L.D., Vermaat J.E., Artioli Y., Humborg C. , Wulff F. (2009). How well do ecosystem indicators communicate the effects of anthropogenic eutrophication? Estuarine Coastal Shelf Science 82, 583-596. Mercado J.M., Cortés D., Ramirez T., Gómez F. (2012). Decadal wakening of the windinduced upwelling reduces de impact of nutrient pollution in the Bay of Málaga (western Mediterranean Sea). Hidrobiologia 680, 91-107. Mercado J.M., Gómez F., Putzeys S., Salles S., Yebra L., Cortés D. (2013). A new method based on satellite imagery to evaluate the eutrophication at MSFD scale in the Alboran Sea. 40th CIESM Congress, At Rapp. Comm. int. Mer Médit., 40. Mercado J.M., Cortés D., García A., Ramírez T. (2007). Seasonal and inter-annual changes in the planktonic communities of the northwest Alboran Sea (MediterraneanSea). Progress in Oceanography 74, 273-293. Mercado J.M., Yebra L., Cortés D., Beken C., Simboura M., Moncheva S., Alonso A., Gómez F., Salles S., Sánchez A., Valcarcel N. (2015). Designing joint monitoring programs for the MSFD Eutrophication assessment based on the monitoring strategy of UNEP/MAP (Barcelona Convention). In Alemany F., Kalliopi P., Louisa G., Nikos S. (eds), Plans for the design of Joint Monitoring Programs in the Mediterranean and Black Sea regions adapted to MSFD requirements. - IRIS-SES project. Bibliografía 244 Michelakaki M., Kitsiou D. (2005). Estimation of anisotropies in chlorophyll a spatial distributions based on satellite data and variography. Global NEST Journal 7(2), 204-11. Millot C. (1987). Circulation in the Western Mediterranean Sea. Oceanologica Acta 10 (2), 143-149. Minas H.J., Coste B., LeCorre P., Minas M., Raimbault P. (1991). Biological and geochemical signatures associated with the water circulation through the Strait of Gibraltar and in western Alboran Sea. Journal of Geophysical Research 96, 87558771. Monterey G., Levitus S. (1997). Seasonal Variability of Mixed Layer Depth for the World Ocean. NOAA Atlas NESDIS 14, U.S. Government Printing Office, Washington, D.C., 96 pp. 87 figs. Morel A., Prieur L. (1977). Analysis of variations in ocean color. Limnology and Oceanography 22(4), 709-722. Morel A., Gentili B. (2009). A simple band ratio technique to quantify the colored dissolved and detrital organic material from ocean color remotely sensed data. Remote Sensing of Environment 113(5), 998-1011. Muñoz M., Reul A., Plaza F., Gómez-Moreno M.L., Vargas-Yáñez M., Radríguez V., Rodríguez J. (2015). Implication of regionalization and connectivity analysis for marine spatial planning and coastal management in the Gulf of Cadiz and Alboran Sea. Ocean and Coastal Management, 1-15. National Academy of Sciences (2003). Clean coastal waters: understanding and reducing the effects of nutrient pollution. Washington: National Academy Press. Bibliografía 245 Naumann E. (1919). Nagra synpunkter angaende limnoplanktons okologi Med sarskild hansyn till fytoplankton. Svensk Bot Tidskr 13, 129-63. Navarro G., Alvain S., Vantrepotte V., Huertas I.E. (2014). Identification of dominant Phytoplankton Functional Types in the Mediterranean Sea based on a regionalized remote sensing approach. Remote Sensing of Environment 152, 557-575. Niiler P.P., Kraus E. (1977). One-dimensional models of the upper ocean. In Krauss, E. (ed.), Modelling and Prediction of the Upper Layers of the Ocean. Pergamon Press, NY, 1443-1472. Nijboer R.C., Verdonschot P.F.M. (2004). Variable selection for modelling effects of eutrophication on stream and river ecosystems. Ecological Modelling 177, 17-39. Nixon S.W. (1995). Coastal marine eutrophication: a definition, social causes, and future concerns. Ophelia 41, 199–219. Nixon S.W. (2009). Eutrophication and the macroscope. Hydrobiologia 629, 5-19. O’Reilly J.E., Maritorena S., Mitchell B.G., Siegel D.A., Carder K.L., Garver S.A., Kahru M., McClain C. (1998). Ocean color chlorophyll algorithms for seaWiFS. Journal of Geophysical Research 103(C11), 24937-24953. O’Reilly J.E. y 24 coautores (2000). SeaWiFS Postlaunch calibration and validation analyses, part 3. NASA Tech. Memo. 2000-206892 11, S. B.Hooker and E. R. Firestone, Eds., pp. 3-8, NASA Goddard Space Flight Center, Greenbelt, Maryland. Osborne J. W. (2008). Best Practices in Quantitative Methods, Sage Publications, Inc., p. 273. Bibliografía 246 Palialexis P., Tornero V., Barbone E., Gonzalez D., Hanke G., Cardoso A.C., Hoepffner N., Katsanevakis S., Somma F., Zampoukas N. (2014). In-Depth Assessment of the EU Member States’ Submissions for the Marine Strategy Framework Directive under articles 8, 9 and 10. JRC 88072. ISBN 978-92-79-35273-7. 153 pp. Parrilla G., Kinder T.H. (1987). Oceanografía física del Mar de Alborán. Boletín del Instituto Español de Oceanografía 4 (1), 133-165. Pearson K. (1895). Notes on regression and inheritance in the case of two parents. Proceedings of the Royal Society of London 58, 240-242. Pearson K. (1901). On Lines and Planes of Closest Fit to Systems of Points in Space. Philosophical Magazine 2 (11), 559-572. Pérez-Ruzafa A., Gilabert J., Gutiérrez J.M., Fernández A.I., Marcos C., Sabah S. (2002). Evidence of a planktonic food web response to changes in nutrient input dynamics in the Mar Menor coastal lagoon, Spain. Hydrobiologia 475/476, 359-369. Pérez-Ruzafa A., Fernández A.I., Marcos C., Gilabert J., Quispe J.I., García-Charton J.A. (2005). Spatial and temporal variations of hydrological conditions, nutrients and chlorophyll a in a Mediterranean coastal lagoon (Mar Menor, Spain). Hydrobiologia 550, 11-27. Perkins H., Kinder T., La Violette P.E. (1990). The Atlantic inflow in the western Alboran Sea. Journal of Physical Oceanography 20, 242-263. Primpas I., Karydis M., Tsirtsis G. (2008). Assessment of clustering algorithms in discriminating eutrophic levels in coastal waters. Global Nest Journal 10, 359-65. Bibliografía 247 Primpas I., Karydis M., (2010). Improving statistical distinctness in assessing trophic levels: the development of simulated normal distributions. Environmental Monitoring and Assessment 169(1-4), 353-365. Prins T., van der Muelen M., Boon A., Simboura N., Sangaris C., Borja A., Menchaka I. (2013). Coherent geographic scales and aggregation rules. Analytical report. DELTARES, 1207879-000-ZKS-0014, 61 pp Ramírez T., Cortés D., Mercado J.M., Vargas-Yáñez M., Sebastián M., Liger E. (2005). Seasonal dynamics of inorganic nutrients and phytoplankton biomass in the NW Alboran Sea. Estuarine Coastal and Shelf Science 65, 654-670. Reul A., Rodríguez V., Jiménez-Gómez F., Blanco J.M., Bautista B., Sarhan T., Guerrero F., Ruíz J., García-Lafuente J. (2005). Variability in the spatio-temporal distribution and size-structure of phytoplankton across an upwelling area in the NWAlboran Sea (W-Mediterranean). Continental Shelf Research 25, 589-608. Riso R.D., Le Corre P., L’Helguen S., Morin P. (2004). On the presence of a cadmiumrich subsurface water mass in the western Mediterranean and its influence on the distribution of cadmium in the surface waters. Marine Chemistry 87(1-2), 15-22. Rodríguez J., Blanco J.M., Jiménez-Gómez F., Echevarria F., Gil J., Rodríguez V., Ruiz J., Bautista B., Guerrero F. (1998). Patterns in the size structure of the phytoplankton community in the deep fluorescence maximum of the Alborán Sea (southwestern Mediterranean). Deep-Sea Research I: Oceanographic Research Papers 45, 15771593. Bibliografía 248 Rodríguez J., Tintoré J., Allen J.T., Blanco J.M., Gomis D., Reul A., Ruíz J., Rodríguez V., Echevarría F., Jiménez-Gómez F. (2001). Mesoscale vertical motion and the size structure of phytoplankton in the ocean. Nature 410, 360-363. Rodríguez V., Blanco J.M., Jiménez-Gómez F., Rodríguez J., Echevarría F., Guerrero F. (1997). Distribución espacial de algunos estimadores de biomasa fitoplanctónica y material orgánico particulado en el mar de Alborán, en condiciones de estratificación térmica (julio de 1993). Publicaciones Especiales del Instituto Español de Oceanografía 24, 53-64. Rousseeuw P.J. (1987). Silhouettes: A Graphical Aid to the Interpretation and Validation of Cluster Analysis. Journal of Computational and Applied Mathematics 20, 53-65 Ruíz J., Echevarría F., Font J., García E., Blanco J.M., Jímenez-Gómez F., Prieto L., González-Alaminos A., García C.M., Cipollini P., Snaith H., Bartual A., Rodríguez V. (2001). Surface distribution of chlorophyll, particles and gelbstoff in the Atlantic jet of the Alboran Sea: from submesoscale to subinertial. Journal of Marine Systems 29, 277-292. Sánchez-Garrido J.C., Naranjo C., Macias D., Garcia-Lafuente J., Oguz T. (2015). Modeling the impact of tidal flows on the biological productivity of the Alborán Sea. Journal of Geophysical Research (in press). DOI:10.1002/2015JC010885. Santoleri R., Volpe G., Marullo S., Buongiorno Nardelli D. (2008). Open waters optical remote sensing of the Mediterranean Seas. Remote Sensing of the European Seas, Springer, The Netherlands, 103-116. Bibliografía 249 Sarhan T., García-Lafuente J., Vargas M., Vargas J.M., Plaza P. (2000). Upwelling mechanisms in the northwestern Alborán Sea. Journal of Marine Systems 23, 317331. Saulquin B., Fablet R., Mangin A., Mercier G., Antoine D., Fanton d'Andon O. (2013). Detection of linear trends in multisensor time series in the presence of autocorrelated noise: Application to the chlorophyll‐a SeaWiFS and MERIS data sets and extrapolation to the incoming Sentinel 3‐OLCI mission. Journal of Geophysical Research: Oceans 118(8), 3752-3763. Savenkoff C., Chanut J.P., Vézina A.F. (1995). Distribution of biological activity in the Lower St Lawrence Estuary as determined by multivariable analysis. Estuarine Coastal and Shelf Science 40, 647-664. SCOR-UNESCO (1966). Determination of Photosynthetic Pigments in Seawater. Report of Working Group 17. Monographs on Oceanographic Methodology, no. 1. UNESCO, París. Sen P.K. (1968). Estimates of the regression coefficient based on Kendall's tau. Journal of the American Statistical Association 63, 1379-1389. Shanmugam P., Ahn Y.H., Ram P.S. (2008). SeaWiFS sensing of hazardous algal blooms and their underlying mechanisms in shelf-slope waters of the Northwest Pacific during summer. Remote Sensing of Environment 112, 3248-3270. Signorini S.R., Franz B.A., McClain C.R. (2015). Chlorophyll variability in the oligotrophic gyres: mechanisms, seasonality and trends. Frontiers in Marine Science 2(1), 1-11. Bibliografía 250 Smirnov N. (1948). Table for estimating the goodness of fit of empirical distributions. Annals of Mathematical Statistics 19, 279-281. Spearman C. (1904). The proof and measurement of association between two things. American Journal of Psychology 15, 72-101. Steele J.H. (1974). The structure of marine ecosystems. Cambridge: Harvard University Press. Stramski D., Reynolds R.A., Babin M., Kaczmarek S., Lewis M.R., Röttgers R., Sciandra A., Stramska M., Twardowski M.S., Franz B.A., Claustre H. (2008). Relationships between the surface concentrations of particulate organic carbon and optical properties in the eastern South Pacific and eastern Atlantic Oceans. Biogeosciences 5, 171-201. Stratford K., Williams R.G. (1997). A tracer study of the formation, dispersal, and renewal of Levantine Intermediate Water. Journal of Geophysical Research 102, C6, 12539-12549. Sverdrup H.U., Munk W.H. (1947). Wind sea and swell: Theory of relations for forecasting. H.O. Pub. 601, US Navy Hydrographic Office, Washington, DC, 44 pp. Theil H. (1950). A rank-invariant method of linear and polynomial regression analysis, Parts I, II, III, Procedings of the Royal Nederlands Academy of Sciences 53: 386-392, 521-525, 1397-1412. Thienemann A. (1918). Untersuchungen über die Beziehung zwischen dem Sauerstoffgehalt des Wassers und der Zusammensetzung der Fauna in norddeutschen Seen. Archiv für Hydrobiologie (Supplementband) 12, 1-65. Bibliografía 251 Tintoré J., Gomis D., Alonso S., Parrilla G. (1991). Mesoscale dynamics and vertical motion in the Alboran Sea. Journal of Physical Oceanography 21, 811-823. Tintoré J., LaViolette P.E., Blade I., Cruzado A. (1988). A study of an intense density front in the eastern Alboran Sea: the Almeria-Oran front. Journal of Physical Oceanography 18, 1348-1397. Tsirtsis G., Karydis M. (1998). Evaluation of phytoplankton community indices for detecting eutrophic trends in the marine environment. Environmental Monitoring and Assessment 50(3), 255-69. UNEP/MAP (2003). Eutrophication Monitoring Strategy of MED POL. MAP Technical Report Series WG.231/14, Athens, 37 pp. UNEP/MAP (2007). Eutrophication Monitoring Strategy for the MED POL (REVISION). UNEP(DEPI)/MED WG.321/Inf.5. Athens, 14 pp. UNEP/MAP (2012). Approaches for definition of GES and setting targets for the “pollution” related ecological objectives in the framework of the Ecosystem Approach. UNEP(DEPI)/MED WG.372/3, Athens, 26 pp. Unesco (1981). The Practical Salinity Scale 1978 and the International Equation of State of Seawater 1980. Unesco technical papers in marine science 36, 25pp. Unesco (1983). Algorithms for computation of fundamental properties of seawater. Unesco technical papers in marine science 44, 53pp. Vargas-Yáñez M., Plaza F., García-Lafuente J., Sarhan T., Vargas J.M., Vélez-Belchi P. (2002). About the seasonal variability of the Alboran Sea circulation. Journal of Marine Systems 35, 229-248. Bibliografía 252 Vargas Yáñez M., Chasles A., Berthelemot A., Ramírez T., et al. (2005). Proyecto Ecomálaga 1992-2001. Parte I: oceanografía física. Informes Técnicos del Instituto Español de Oceanografía 183, 73pp. Vargas-Yáñez M., Otros 20 autores (2008). Cambio Climático en el Mediterráneo español. Editado por Instituto Español de Oceanografía, 171 pp., Madrid. Vargas-Yáñez M., Moya F., Tel E., García-Martínez M.C., Gueber E., Bourgeon M. (2009). Warming and salting of the Western Mediterranean during the second half of the 20th century: Inconsistencies, unknowns and the effect of data processing. Scientia Marina 73(1), 7-28. Vargas-Yáñez M., Moya F., García-Martínez M.C., Tel E., Zunino P., Plaza F., Salat J., Pascual J., López-Jurado J-L., Serra M. (2010a). Climate Change in the Western Mediterranean Sea 1900-2008. Journal of Marine Systems 82, 171-176. Vargas-Yáñez M., Otros 20 autores (2010b). Cambio Climático en el Mediterráneo español. Segunda edición actualizada. Editado por Instituto Español de Oceanografía, 176 pp., Madrid. Vélez-Belchí P., Tintoré J. (2001). Vertical velocities at an ocean front. Scientia Marina 65 (1), 291-300. Vélez-Belchí P., Vargas-Yáñez M., Tintoré J. (2005). Observation of a westernAlboran gyre migration event. Progress in Oceanography 66 (2-4), 190-210. Venables, W. N. and Ripley, B. D. (2002). Modern Applied Statistics with S. New York: Springer. Anexos 259 Tabla 8.10. Tendencias de la salinidad superficial (año-1). UEE T INI T FIN NT A DT PEND SEN P 1 1992 10 2012 12 76 20 97 0,0009 -0,0002 0,97 1992 10 2006 11 53 14 97 -0.0273 -0.0263 0.001 2000 1 2012 12 51 13 92 0.0307 0.0216 <0.01 2 1992 10 2010 4 65 17 98 -0,0084 -0,0075 0,23 1992 10 2006 11 53 14 97 -0.0179 -0.0170 0.02 2000 1 2010 4 40 10 94 0.0033 0.0022 0.90 3 1992 10 2010 4 65 17 98 -0,006 -0,0049 0,33 1992 10 2006 7 52 14 97 -0.0167 -0.0152 0.03 2000 1 2010 4 40 10 94 0.0049 0.0050 0.72 4 1992 10 2012 12 68 20 108 0,0024 0,0021 0,87 1992 10 2006 11 49 14 104 -0.0293 -0.0256 0.02 2000 1 2012 12 47 13 100 0.0293 0.0227 0.05 5 1992 10 2010 4 63 17 101 -0,0086 -0,0046 0,51 1992 10 2006 11 50 14 102 -0.0286 -0.0289 0.02 2000 1 2010 4 41 10 91 0.0229 0.0292 0.03 6. Velocidad geostrófica superficial Tabla 8.11. Estacionalidad de la componente zonal de la velocidad geostrófica superficial (m s-1). La velocidad es perpendicular a la línea entre el par de estaciones EST, y por tanto puramente zonal en las radiales P y V. El convenio de signos es positivo hacia el este y negativo hacia el oeste. La profundidad de referencia Zr en metros. Leyenda: como en anteriores, excepto EST. UEE EST Q1* Q2 Q3 Q4 Zr 1,4 M2M3 0.06±0.08 (3) 0.10±0.16 -0.05±0.17 0.03±0.17 82 1,5* V2V3 0.15±0.18 (c) 0.10±0.22 -0.06±0.23 (a) 0.06±0.27 92 2* P2P3 0.19±0.15 (d-1) 0.23±0.24 (d) 0.14±0.24 0.00±0.25 (ab) 100 Tabla 8.12. Tendencias de la velocidad superficial de la corriente geostrófica (m s-1 año-1). UEE C EST T INI T FIN NT A DT PEND SEN P 1 1 M2M3 1992 10 2010 4 67 17 95 0.0012 -0.0015 0.66 1992 10 2006 11 53 14 97 -0.0080 -0.0100 0.04 2000 1 2010 4 42 10 89 0.0083 0.0024 0.85 1 1 V2V3 1992 10 2010 4 67 17 95 0.0050 0.0050 0.30 1992 10 2006 11 54 14 95 0.0039 0.0050 0.56 2000 1 2010 4 41 10 91 0.0101 0.0107 0.34 2 2 P2P3 1992 10 2010 4 66 17 97 0.0001 0.0040 0.42 1992 10 2006 11 54 14 95 -0.0024 1.4E-4 0.96 2000 1 2010 4 40 10 94 0.0092 0.0164 0.15 Anexos 260 7. Velocidad, ángulo y distancia a costa del jet atlántico Tabla 8.13. Estacionalidad promedio del módulo de la velocidad, ángulo desde el este y distancia a la costa del jet de agua Atlántica a su entrada en el mar Alborán (1993-2012). Distancia perpendicular a la línea de costa frente a Estepona. JET VAR Q1 Q2 Q3 Q4 Unid. VELOCIDAD* 31.7±9.7 (b**c**d**) 36.6±8.2 (a**d**) 36.5±9.7 (a**d**) 34.7±10.6 (a**b**c**) cm s-1 ÁNGULO* 5.8±22.6 (b**c**d) 15.1±13.2 (a**d) 14.6±13.3 (a**d**) 6.1±17.9 (ab**c**) Grados DISTANCIA* 31.9±25.5 (b**c**) 20.6±14.8 (a**d**) 21.0±15.8 (a**d**) 31.4±21.1 (b**c**) Km Tabla 8.14. Tendencias de la velocidad y del ángulo de entrada del jet atlántico en el mar Alborán (19932012). JET ATLÁNTICO VARIABLE T INI T FIN NT A DT PEND SEN P Unid. VELOCIDAD* 1993 1 2012 12 7257 20 1 -0.0394 -0.0384 0.06 1993 1 2006 12 5065 14 1 -0.1284 -0.1169 <0.001 cm s-1 año -1 2000 1 2012 12 4701 12 1 0.0322 0.0177 0.64 ÁNGULO* 1993 1 2012 12 7257 20 1 0.2503 0.1807 <0.001 1993 1 2006 12 5065 14 1 0.2575 0.1033 0.06 Grad. año -1 2000 1 2012 12 4701 12 1 0.242 0.293 <0.001 DISTANCIA* 1993 1 2012 12 7257 20 1 -0.3063 -0.2264 <0,001 1993 1 2006 12 5065 14 1 -0.2901 -0.1139 0.07 Km año -1 2000 1 2012 12 4701 13 1 -0.3291 -0.3576 <0.001 Anexos 261 8. Espesor de la capa de mezcla y profundidad de la picnoclina permanente Tabla 8.15. Estacionalidad de la mezcla vertical. Profundidad de la capa de mezcla MLD (m) y profundidad de la picnoclina permanente PICNO (m). MLD (m) UEE Q1 Q2 Q3 Q4 1 26±13 (b*c**-45*) 10±5 (a*) 5±4 (a**d**) 17±14 (c**-5) 2 21±12 (bc**) 9±4 (a) 5±3 (a**d*) 12±9 (c*) 3 33±19 (b*c**d-4*5*) 11±8 (a*) 8±5 (a**) 13±14 (a) 4 9±3 (13*) 7±4 6±5 11±7 5 10±5 (13*) 7±5 7±6 8±6 (1) PICNO (m) UEE Q1 Q2 Q3 Q4 1 45±18 (b**c**-4**5**) 17±8 (a**d**) 16±8 (a**d**) 37±13 (b**c**-4**5**) 2 35±12 (bc**-4*5*) 20±13 (a) 14±7 (a**d) 28±15 (c-45) 3 59±30 (bc**d-4**5**) 27±18 (a-45*) 21±20 (a**) 35±55 (a) 4 11±6 (1*2**3**) 11±6 (3) 12±6 12±6 (12**) 5 12±7 (1*2**3**) 10±6 (3*) 12±7 12±7 (12**) Tabla 8.16. Tendencias en la profundidad de la capa mezclada, MLD (m). UEE T INI T FIN NT A DT PEND SEN P 1 1992 10 2012 12 76 20 97 0,0259 -0,0483 0,65 1992 10 2006 11 53 14 97 0.0177 -0.0276 0.88 2000 1 2012 12 51 13 92 0.2385 5E-5 0.97 2 1992 10 2010 4 64 17 100 -0,0526 -0,1999 0,20 1992 10 2006 11 53 14 97 0.2158 -0.0730 0.71 2000 1 2010 4 39 10 96 -0.3445 -0.3098 0.36 3 1992 10 2010 4 65 17 98 0,053 0,0246 0,86 1992 10 2006 7 52 14 97 0.1499 0.0383 0.83 2000 1 2010 4 40 10 94 0.1852 0.0519 0.90 4 1993 5 2012 7 60 19 117 -0,008 0 0,84 1993 5 2006 11 42 13 117 -0.060 -0.100 0.50 2000 5 2012 7 40 12 111 0.0981 0 0.95 5 1992 10 2010 4 58 17 110 -0,0928 -0,1253 0,25 1992 10 2006 7 44 14 114 -0.0814 -0.0569 0.65 2000 1 2010 4 38 10 98 -0.1378 -0.1649 0.27 Anexos 262 Tabla 8.17. Tendencias en la profundidad de la picnoclina, PICNO (m). UEE T INI T FIN NT A DT PEND SEN P 1 1992 10 2012 12 77 20 95 -0,4828 -0,4725 0,04 1992 10 2006 11 54 14 95 -0.2662 -0.3368 0.37 2000 1 2012 12 51 13 92 -0.8286 -0.6490 0.13 2 1992 10 2010 4 66 17 97 0,2915 0,252 0,33 1992 10 2006 11 54 14 95 0.7390 0.5503 0.12 2000 1 2010 4 40 10 94 -0.5074 -0.1321 0.86 3 1992 10 2010 4 67 17 95 10.992 0,5631 0,31 1992 10 2006 11 54 14 95 1.9859 0.6702 0.18 2000 1 2010 4 41 10 91 1.9101 1.1934 0.37 4 1992 10 2012 12 76 20 97 0,1193 0,0228 0,51 1992 10 2006 11 54 14 95 0.2277 0.0858 0.47 2000 1 2012 12 50 13 94 0.0947 0.0114 0.68 5 1992 10 2010 4 68 17 94 0,223 0,1866 0,12 1992 10 2006 11 54 14 95 0.3221 0.2307 0.16 2000 1 2010 4 42 10 89 0.0847 0.0464 0.80 9. Gradiente de densidades en la picnoclina Tabla 8.18. Estacionalidad del gradiente de densidades en la picnoclina (Kg m-3 m-1). UEE Q1* Q2 Q3* Q4* 1* 0.042±0.016 (c**d*-4**5**) 0.058±0.016 (c**) 0.103±0.032 (a**b**d-4) 0.065±0.021 (a*c-4*) 2* 0.032±0.010 (b*c**d-4) 0.057±0.017 (a*) 0.083±0.031 (a**) 0.059±0.031 (a) 3* 0.039±0.010 (c**d*-4**5**) 0.059±0.019 (c) 0.107±0.062 (a**b) 0.073±0.048 (a*-4*) 4* 0.016±0.013 (b*c**-12**3**) 0.043±0.019 (a*) 0.073±0.050 (a**d-2) 0.035±0.021 (c-2*3*) 5* 0.018±0.010 (bc**d*-2**3**) 0.041±0.021 (a) 0.075±0.046 (a**) 0.057±0.052 (a*) Anexos 263 Tabla 8.19. Tendencias en el gradiente de densidad en la picnoclina (SIPIC-Kg m-3 m-1 año-1). UEE T INI T FIN NT A DT PEND SEN P 1 1992 10 2012 12 77 20 95 0,001 0,0008 0,03 1992 10 2006 11 54 14 95 0.0028 0.0023 <0.001 2000 1 2012 12 51 13 92 -6E-4 -3E-4 0.59 2 1992 10 2010 4 66 17 97 0,0009 0,001 0,06 1992 10 2006 11 54 14 95 0.0020 0.0021 <0.01 2000 1 2010 4 40 10 94 -8E-4 -7E-4 0.49 3 1992 10 2010 4 67 17 95 0,0007 0,0004 0,48 1992 10 2006 11 54 14 95 0.0025 0.0016 0.08 2000 1 2010 4 41 10 91 -0.0042 -0.0014 0.18 4 1992 10 2012 12 76 20 97 0,0001 -0,0001 0,92 1992 10 2006 11 54 14 95 0.0018 7E-4 0.20 2000 1 2012 12 50 13 94 -0.0020 -0.0013 0.16 5 1992 10 2010 4 68 17 94 0,0018 0,0017 0,01 1992 10 2006 11 54 14 95 0.0033 0.0027 <0.01 2000 1 2010 4 42 10 89 8E-4 0.0011 0.34 10. Interfaz Atlántico-Mediterránea Tabla 8.20. Estacionalidad de la profundidad de la Interfaz Atlántico-Mediterránea, IAM (m). UEE Q1 Q2 Q3* Q4 1* 58±21(b) 29±24(cd**) 41±13(d*3) 62±12(b**c*) 2* 59±24 35±23(d) 46±15 60±18(b) 3 60±24 51±16 69±19.23(1) 82±60 Tabla 8.21. Tendencias de la profundidad de la interfaz Atlántico-Mediterránea (m año-1). UEE T INI T FIN NT A DT PEND SEN P 1 1992 10 2012 4 62 19 115 0,304 0,279 0,62 1992 10 2006 7 47 14 107 1.200 1.174 0.10 2000 5 2012 4 38 12 115 -0.691 -0.608 0.31 2 1992 10 2009 10 44 17 141 0,573 0,629 0,30 1992 10 2006 7 38 14 132 0.570 0.481 0.55 2000 1 2009 10 25 10 142 -0.236 0.308 0.82 3 1992 10 2009 10 27 17 229 17.02 0,592 0,50 1992 10 2006 11 24 14 214 2.971 0.940 0.38 2000 5 2009 10 14 9 245 2.295 0.310 0.91 Anexos 264 11. Profundidad del máximo subsuperficial de la fluorescencia Tabla 8.22. Estacionalidad de la profundidad del máximo sub-superficial de la fluorescencia, MSF (m). UEE Q1* Q2 Q3* Q4* 1* 21.5±5.5 (c) 30.3±20.7 36.8±12.5 (a*-4**5) 29.7±9.0 (4*5*) 2 21.2±9.2 20.4±7.8 25.8±8.5 23.6±9.1 3 29.5±11.4 (4*5*) 28.1±19.46 26.9±16.4 42.7±67.5 4 15.7±8.7 (3*) 14.7±8.4 18.4±8.5 (1**) 16.4±8.8 (1*) 5* 16.9±7.2 (3*) 15.0±7.5 (c) 22.5±4.7 (b-1) 17.4±8.1 (1*) Tabla 8.23. Tendencias del máximo sub-superficial de la fluorescencia (m año-1). UEE T INI T FIN NT A DT PEND SEN P 1 1993 5 2012 12 71 20 101 -0,193 -0,222 0,45 1993 5 2006 11 48 14 103 0.658 0.546 0.23 2000 1 2012 12 51 13 92 -0.596 -0.547 0.25 2 1993 5 2010 4 59 17 105 0,286 0,243 0,20 1993 5 2006 11 47 14 105 0.684 0.644 <0.01 2000 1 2010 4 40 10 94 -0.653 -0.733 0.16 3 1993 5 2010 4 60 17 103 0,582 -0,074 0,88 1993 5 2006 11 47 14 105 2.238 0.473 0.48 2000 1 2010 4 41 10 91 0.536 -0.450 0.64 4 1993 5 2012 12 70 20 102 0,043 0 0,90 1993 5 2006 11 48 13 103 0.197 0.172 0.59 2000 1 2012 12 50 13 94 -0.128 -0.095 0.70 5 1993 5 2010 4 61 17 102 -0,319 -0,385 0,06 1993 5 2006 11 47 14 105 -0.211 -0.334 0.23 2000 1 2010 4 42 10 89 -0.515 -0.552 0.13 Anexos 265 12. Viento local Tabla 8.24. Estacionalidad de la componente principal y del módulo de la velocidad del viento (m s-1). COMPONENTE PRINCIPAL DEL VIENTO (m s-1) UEE EST Q1* Q2 Q3* Q4* 1,4,5* 6155A 6.2±11.1 (b**c**- 2**) 3.3±8.7 (a**c**d**) 1.2±7.6 (a**b**d**- 2**) 6.8±10.3 (b**c**- 2**) 2,3* 6076O/X -2.4±12.9 (b**- 1**) 2.3±12.2 (a**c**d**) -0.9±10.0 (b**- 1**) -1.8±11.7 (b**- 1**) MÓDULO DEL VIENTO (m s-1) UEE EST Q1* Q2* Q3* Q4* 1,4,5* 6155A 10.3±8.2 (b**c**d-2**) 7.8±6.2 (a**c**d**- 2**) 6.5±5.3 (a**b**d**- 2**) 9.8±8.2 (ab**c**- 2*) 2,3* 6076O/X 11.3±8.7 (b**c**d*- 1**) 10.7±8.9 (a**c**- 1**) 8.6±7.6 (a**b**d**- 1**) 10.2±8.1 (a*c**- 1*) Tabla 8.25. Tendencias del módulo y de la componente principal del viento (m s-1 año-1). COMPONENTE PRINCIPAL (m s-1 año-1) UEE C EST T INI T FIN NT A DT PEND SEN P 1,4,5 1 6155A 1992 1 2012 12 7523 21 1 -0.0696 -0.0607 <0.001 1992 1 2006 12 5476 15 1 -0.0947 -0.0786 <0.001 2000 1 2012 12 4604 13 1 -0.0219 -0.0210 0.46 2,3 2,5 6076O/X 1992 1 2012 12 6807 21 1 -0.0372 -0.0241 0.22 1992 1 2006 12 4808 15 1 -0.0163 -0.0216 0.54 2000 1 2012 12 4319 13 1 -0.1299 -0.1104 <0.01 MÓDULO (m s-1 año-1) UEE C EST T INI T FIN NT A DT PEND SEN P 1,4,5 1 6155A 1992 1 2012 12 7523 21 1 0.0246 0.0381 <0.001 1992 1 2006 12 5476 15 1 0.0084 0.0270 0.08 2000 1 2012 12 4604 13 1 0.0169 0.0309 0.14 2,3 2,5 6076O/X 1992 1 2012 12 6807 21 1 -0.1281 -0.0783 <0.001 1992 1 2006 12 4808 15 1 -0.0038 0.0177 0.42 2000 1 2012 12 4319 13 1 -0.2715 -0.1826 <0.001 13. Altura significante del oleaje Tabla 8.26. Estacionalidad de la altura significante del oleaje en la bahía de Málaga (m). VAR Q1 Q2 Q3 Q4 Hs* (1993-2012) 0.51±0.47 (cd**) 0.42±0.28 (cd**) 0.38±0.19 (abd**) 0.40±0.35 (a**b**c**) Anexos 266 Tabla 8.27. Tendencias de la altura significante del oleaje, Hs (m año-1). VAR T INI T FIN NT A DT PEND SEN P U OLAS* 1993 1 2012 12 7000 20 1 0.0011 0 0.26 m año-1 1993 1 2006 12 4877 14 1 -0.0021 -0.0018 0.02 2000 1 2012 12 4559 13 1 0.0050 0.0038 <0.001 14. Pluviosidad y caudal del río Guadalhorce Tabla 8.28. Estacionalidad de las variables ambientales. (#= estacionalidad obtenida a partir de valores acumulados mensuales). VAR Q1 Q2 Q3 Q4 U PLU#* (1995-2012) 55.6±59.1 (b*c**) 23.3±30.0 (a*cd**) 11.2±26.5 (a**bd**) 77.9±71.9 (b**c**) L m-2 mes -1 CAU#* (1994-2012) 64208±91363 (b*c**) 21221±34121 (a*c) 4615±7562 (a**bd**) 36326±54142 (c**) m-3 mes -1 Tabla 8.29. Tendencias de la pluviosidad y el caudal. Tendencias obtenidas a través de los valores acumulados mensuales. VAR T INI T FIN NT A DT PEND SEN P UNID PLU# 1995 1 2012 12 216 18 30 0.0328 0 0.99 L m-2 mes-1 año-1 1995 1 2006 12 144 10 30 -0.2739 0 0.99 2000 1 2012 12 156 13 30 0.0682 0.114 0.72 CAU# 1994 1 2012 12 228 19 30 228 269 0.32 m3 mes-1 año-1 1994 1 2006 12 156 13 30 -1982 -581 0.25 2000 1 2012 12 156 13 30 3526 1387 <0.01 Anexos 267 8.2. ANEXO II. Tablas de valores empleados para realizar las proyecciones de la década 2000-2010 a la década 2010-2020. UEE-1 Tabla 8.30. Promedios estacionales para el periodo 2000-2010 de las variables incluidas en el modelo propuesto para UEE-1. E1 y E2 son los dos escenarios, mostrando las tendencias en las unidades de cada variable por año. nitra20 fos20 sil20 tem20 sal20 sipic msf wt1_2 cw1_2 cau3 ola2 Q1 0,626 0,111 1,166 15,09 36,70 0,048 23 8,59 5,03 4330 0,442 Q2 0,388 0,087 0,489 16,36 37,05 0,063 33 5,96 2,10 4680 0,371 Q3 0,281 0,091 0,624 19,51 36,85 0,126 37 6,91 -0,19 268 0,320 Q4 0,240 0,071 0,803 18,76 36,59 0,076 27 4,40 2,31 1866 0,382 E1 -0,034 -0,0042 -0,061 - -0,0263 0,0023 - - -0,079 - -0,004 E2 0,034 0,0042 0,061 - 0,0263 -0,0023 - - 0,079 - 0,004 UEE-2 Tabla 8.31. Promedios estacionales para el periodo 2000-2010 de las variables incluidas en el modelo propuesto para UEE-2. E1 y E2 son los dos escenarios, mostrando las tendencias en las unidades de cada variable por año. nitra20 sil20 tem20 sal20 msf wt2_2 cw2_2 vc2 ola2 jetU3 jdi3 Q1 0,946 1,301 15,164 36,72 20 8,09 -1,20 0,173 0,383 28,7 9,9 Q2 1,247 0,927 16,069 37,10 24 11,29 2,66 0,198 0,374 33,0 -5,8 Q3 0,571 0,810 18,722 36,81 26 6,30 -2,38 0,060 0,318 36,7 -1,4 Q4 0,335 0,993 19,127 36,58 26 7,69 5,29 -0,1 0,208 33,3 3,3 E1 - -0,052 - -0,017 0,644 -0,183 -0,110 - -0.004 -0.12 - E2 - 0,052 - 0,017 -0,644 0,183 0,110 - 0.004 0.12 - COSTA Tabla 8.32. Promedios estacionales para el periodo 2000-2010 de las variables incluidas en el modelo propuesto para COSTA. E1 y E2 son los dos escenarios, mostrando las tendencias en las unidades de cada variable por año. nitra20 fos20 sil20 tem20 msf wt1_2 cw1_2 vc1 cau3 ola2 Q1 0.940 0.137 1.362 14.97 16.5833 8.81 6.51 0.143 3888 0.386 Q2 1.023 0.139 1.027 16.26 16.1333 6.17 1.95 0.023 4625 0.369 Q3 0.177 0.111 0.826 20.08 20.0625 6.56 -1.17 -0.013 269 0.307 Q4 0.700 0.142 1.247 18.95 16.8824 4.22 3.06 0.024 1272 0.283 E1 -0.059 - -0.105 0.154 - - -0.079 - - -0.004 E2 0.059 - 0.105 -0.154 - - 0.079 - - 0.004