La Antártica como ecosistema acústico y sus amenazas

 

Ruido antropogénico en la Antártida. Tomado de https://alegriamarineros.com/wp-content/uploads/2023/03/antartida_el_doblon_03.jpg

La Antártica representa uno de los ecosistemas marinos más productivos del planeta, especialmente durante la temporada estival, cuando el hielo se retrae y florece el fitoplancton, base de la cadena alimentaria del krill antártico (Euphausia superba). Este pequeño crustáceo, a su vez, sustenta a numerosos depredadores superiores, incluyendo a varias especies de ballenas.

Durante las últimas décadas, el Océano Austral ha experimentado una transformación significativa. El aumento de la temperatura del mar, el retroceso del hielo estacional y el cambio en la distribución de presas han alterado profundamente el equilibrio ecológico. Además, la intensificación del tráfico marítimo polar, tanto científico como turístico, ha introducido un nuevo componente: el ruido antropogénico submarino.

Este ruido, generado por motores, sonares y actividad industrial, tiene el potencial de interferir con las señales naturales emitidas por los cetáceos. Tal interferencia puede generar enmascaramiento acústico, dificultando la comunicación entre individuos, desorientación, alteraciones en el comportamiento reproductivo o incluso abandono de hábitats clave. Por ello, comprender cómo responden acústicamente las ballenas a estos cambios es urgente y de alto valor para la conservación.

Pese al creciente interés en la ecología acústica marina, la Antártica continúa siendo una región poco explorada desde la perspectiva bioacústica, debido a su lejanía, condiciones extremas y altos costos logísticos. La mayoría de los estudios existentes se centran en latitudes más templadas, mientras que el comportamiento vocal de cetáceos en el Océano Austral, especialmente en lo referente a patrones espectro-temporales y correlaciones ambientales, permanece escasamente documentado.

Además, el análisis bioacústico tradicional, basado en observación y clasificación manual de espectrogramas, presenta limitaciones frente al gran volumen de datos generados por dispositivos de grabación pasiva. En este sentido, la integración de técnicas computacionales y modelado matemático, como el análisis multivariado, modelos de predicción o algoritmos de clasificación acústica basados en aprendizaje automático, representa una oportunidad metodológica de gran potencial.