Suscríbete al boletín semanal

Recibe cada semana los contenidos más relevantes de la actualidad científica.

Si estás registrado

No podrás conectarte si excedes diez intentos fallidos.

Si todavía no estás registrado

La Agencia SINC ofrece servicios diferentes dependiendo de tu perfil.

Selecciona el tuyo:

Periodistas Instituciones
Si estás registrado

No podrás conectarte si excedes diez intentos fallidos.

Si todavía no estás registrado

La Agencia SINC ofrece servicios diferentes dependiendo de tu perfil.

Selecciona el tuyo:

Periodistas Instituciones

Un algoritmo detecta los cambios climáticos bruscos de la última edad de hielo

La Universidad de Córdoba participa en un proyecto europeo junto a la Agencia Espacial Europea para comprender calentamientos abruptos de la última glaciación. Los investigadores han desarrollado un algoritmo específico para interpretar los datos obtenidos en los núcleos de hielo.

El exministro de Estado para el Cambio Climático británico Greg Barker observa un núcleo de hielo de 75.000 años sostenido por el catedrático Mulvaney. /Prospección Antártica Británica (CC 2.0)

El estudio de los climas pasados es una disciplina compleja. 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.

Nuestros antepasados tuvieron que lidiar con temperaturas medias anuales de hasta seis grados más bajas a las actuales durante la última edad de hielo

A partir de muestras cilíndricas obtenidas en glaciares, los investigadores extraen valiosos datos. Para procesar toda la información que contienen estos núcleos congelados son necesarios los estudios estadísticos. Ahora, un algoritmo propuesto en un proyecto europeo en el que ha participado la Universidad de Córdoba 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, grosso modo, aproximadamente entre 110.000 años y 12.000 años antes del momento presente. 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. Aquella etapa glacial se corresponde con la expansión del Homo sapiens por todo el planeta.

Los hielos cubrieron, en su máxima extensión, grandes áreas del Hemisferio Norte: en Norteamérica, desde llegaron a los Grandes Lagos; en Europa, hasta la cuenca del Rin y las Islas Británicas. Entonces, se abrió un puente de hielo en el estrecho de Bering que permitió la colonización de América. Aunque en retroceso, aún se conservan glaciares y, en ellos, hielos milenarios de aquella época, especialmente en Groenlandia, de donde los científicos extraen los testigos cilíndricos.

La glaciación durante los casi 100.000 años de edad de hielo no fue uniforme, sino que se han detectado variaciones, algunas bruscas

La glaciación durante los casi 100.000 años de edad de hielo no fue uniforme, sino que se han detectado variaciones, algunas bruscas. 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 Universidad de Córdoba 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 un algoritmo específico para interpretar los datos obtenidos en los núcleos de hielo.

Algoritmo del registro paleoclimático

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 agrupar 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

El algoritmo considera todos los segmentos del registro paleoclimático y los intentos de encontrar características comunes dentro de los diferentes segmentos.

“Nuestro enfoque tiene la ventaja de que también puede analizar cada transición y sus propiedades estadísticas subyacentes mediante la aplicación de una etiqueta a cada segmento de la serie del clima”, explica el catedrático de la UCO César Hervás, responsable del grupo AYRNA. El algoritmo ha sido presentado en la revista Climate Dynamics.

Mediante estos datos estadísticos, se puede 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. Una de las series para este estudio es la asociada al proyecto de muestras de hielo del norte de Groenlandia (NGRIP, en sus siglas en inglés).

Entre 1999 y 2003, se extrajeron de esta zona de la isla danesa muestras de hielo inalteradas. Se emplearon como aproximación a las temperaturas atmosféricas isótopos de oxígeno-18, el segundo más abundante de este elemento. Estos isótopos informan de la temperatura en la que precipitaron desde la atmósfera en forma de nieve o lluvia.

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.

Referencia bibliográfica:

Athanasia Nikolaou, Pedro Antonio Gutiérrez, Antonio Durán, Isabelle Dicaire, Francisco Fernández-Navarro, César Hervás-Martínez. Detection of early warning signals in paleoclimate data using a genetic time series segmentation algorithm. Climate Dynamics. 44(7), 1919-1933 (2015)

Fuente: UCO
Derechos: Creative Commons
Artículos relacionados
Tres modelos matemáticos ayudan a decidir quién se vacuna primero
Carmen Olmedo, Aurora Limia, Grupo de Trabajo de Modelos Matemáticos

La vacunación en España, que prioriza a las personas más vulnerables y avanza escalonadamente por edad, se apoya en modelos matemáticos realizados por investigadores españoles que han concluido que esa es la estrategia que más muertes y hospitalizaciones evita.

Matemáticas para mejorar el tratamiento de la degeneración macular

Investigadores de la Universidad Carlos III de Madrid han creado una simulación matemática que recrea el avance de la degeneración macular asociada a la edad, una de las principales causas de ceguera. Este modelo se puede utilizar para conocer mejor cómo se origina la enfermedad y evaluar cuáles son los tratamientos más efectivos.