La UCO participa en un algoritmo para prever desastres ambientales

Un girasol solitario en mitad de una sequía.
La Universidad de Córdoba participa en un proyecto europeo junto a la Agencia Espacial Europea para comprender calentamientos abruptos de la última glaciación

La Universidad de Córdoba (UCO) participa en un proyecto europeo, junto a la Agencia Espacial Europea, para comprender calentamientos abruptos de la última glaciación, en este caso mediante el desarrollo de un algoritmo que ayuda a detectar los cambios climáticos bruscos sucedidos durante la última edad de hielo.

Según ha informado la UCO a través de una nota de prensa, el estudio de los climas pasados es una disciplina compleja, ya que, en ausencia de registros como los existentes en la actualidad, los científicos deben buscar testigos para conocer aquellos climas. El hielo conservado en glaciares de montaña y en el Polo Sur es uno de estos indicadores que permiten reconstruir las condiciones del planeta, especialmente de los últimos periodos glaciales.

A partir de muestras cilíndricas obtenidas en glaciares, los investigadores extraen valiosos datos y para procesar toda la información que contienen estos núcleos congelados son necesarios los estudios estadísticos, y ahora el citado algoritmo propuesto en un proyecto europeo en el que ha participado la UCO puede ayudar a conocer mejor cómo evolucionó el clima en la última etapa glacial, al caracterizar los cambios bruscos que entonces se produjeron.

La última edad de hielo se desarrolló aproximadamente entre 110.000 años y 12.000 años antes del momento presente y, desde entonces, la humanidad vive en un periodo de temperaturas relativamente apacibles. En contraste, nuestros antepasados tuvieron que lidiar con temperaturas medias anuales de hasta seis grados más bajas a las actuales durante la última edad de hielo. De la misma, aunque en retroceso, aún se conservan glaciares, y en ellos hay hielos milenarios de aquella época sobre todo en Groenlandia, de donde los científicos extraen los testigos cilíndricos.

De esta forma se ha detectado que la glaciación, durante los casi 100.000 años de edad de hielo, no fue uniforme, sino que se produjeron variaciones, algunas bruscas. Así, por medio de los isótopos de agua conservados en los testigos de hielo se han descubierto abruptos calentamientos sucedidos en espacio de décadas que eran continuados por un enfriamiento gradual.

Estos eventos se denominan 'Dansgaard-Oeschger' y sus causas aún no están del todo claras para los paleometeorólogos. Para ayudar a esclarecer qué sucedió en estos periodos, miembros del grupo de investigación Ayrna de la UCO e investigadores de la Agencia Espacial Europea (ESA, por sus siglas en inglés) han colaborado en un proyecto europeo Ariadna sobre paleoclimatología. Los investigadores han desarrollado el mencionado algoritmo específico para interpretar los datos obtenidos en los núcleos de hielo.

ALGORITMO

El trabajo propone un algoritmo de partición automática de una serie temporal de paleoclimatología en segmentos, utilizando un algoritmo genético y un método de agrupamiento de los segmentos en función de las características estadísticas que tienen éstos. El procedimiento de agrupación se emplea para asimilar segmentos similares (teniendo en cuenta para cada segmento seis características estadísticas). El algoritmo considera todos los segmentos del registro paleoclimático y los intentos de encontrar características comunes dentro de los diferentes segmentos.

Mediante estos datos estadísticos se pueden determinar las características que tienen los segmentos de la serie de eventos 'Dansgaard-Oeschger' que, desde hace 60.000 años, se han detectado como periodos de glaciación.

RESULTADOS EXPERIMENTALES

Los resultados experimentales muestran que los algoritmos desarrollados aplicados a los datos de paleoclimatología pueden determinar los periodos de cambios climáticos bruscos de la serie temporal y descubrir que en estos periodos aumenta de forma no lineal el error cuadrático medio de la recta de tendencia de la serie, así como la varianza de la serie, de forma tal que la dinámica de la serie cambia de forma brusca.

Este tipo de algoritmos de detección automática de sucesos extremos en series temporales tiene una gran aplicación en todo tipo de modelos de series temporales caóticas o difíciles de estructurar, dada su no estacionalidad. Un ejemplo son las series financieras asociadas a los índices bursátiles.

Etiquetas
stats