Ajuste Fino de Algoritmos de Estrés Térmico para Optimizar Predicciones Globales de Mortandad Masiva de Corales

Las oleadas de calor marinas cada vez más intensas amenazan la persistencia de muchos ecosistemas marinos. Los episodios de blanqueamiento masivo de corales mediado por estrés térmico han llevado a una mortalidad coralina catastrófica en todo el mundo. Monitorear y prever de manera remota tales respuestas bióticas al estrés térmico es clave para una gestión efectiva de los ecosistemas marinos. El métrico de Semanas de Calentamiento (DHW), diseñado para monitorear el riesgo de blanqueamiento de corales, refleja la duración e intensidad de los eventos de estrés térmico y se calcula acumulando anomalías de SST (HotSpot) en relación con un umbral de estrés durante una ventana móvil de 12 semanas. A pesar de las mejoras significativas en los conjuntos de datos de SST subyacentes, aún faltan revisiones correspondientes del umbral de HotSpot y la ventana de acumulación. Aquí, afinamos el algoritmo operativo DHW para optimizar las predicciones de blanqueamiento de corales utilizando los SST satelitales de 5 km (CoralTemp v3.1) y un conjunto de datos global de blanqueamiento de corales (37,871 observaciones, Administración Nacional Oceánica y Atmosférica). Después de desarrollar 234 algoritmos de DHW de prueba con diferentes combinaciones de umbrales de HotSpot y ventanas de acumulación, comparamos su capacidad de predicción de blanqueamiento utilizando modelos jerárquicos bayesianos espaciotemporales y análisis de sensibilidad-especificidad. Se alcanzó un rendimiento máximo de DHW utilizando umbrales de HotSpot menores o iguales a la media máxima de la climatología de SST mensuales (MMM) y ventanas de acumulación de 4 a 8 semanas. Esta nueva configuración predijo correctamente hasta 310 observaciones de blanqueamiento adicionales a nivel global en comparación con el algoritmo operativo de DHW, una tasa de aciertos mejorada del 7.9%. Dado el impacto perjudicial de las oleadas de calor marinas en los ecosistemas, los algoritmos de estrés térmico también podrían ajustarse para otros sistemas biológicos, mejorando la precisión científica y permitiendo la gobernanza de los ecosistemas.