Análisis de la variabilidad estacional e interanual en las dos últimas décadas de la producción primaria en el mar peruano mediante el uso de un modelo basado en datos satelitales y observaciones

La producción primaria (PP) es crucial para el ecosistema marino y el secuestro de carbono en los océanos. Este proceso es muy sensible a cambios ambientales y climáticos, por lo que su estimación y estudio temporal y espacial son vitales para entender los ecosistemas marinos y sus transformaciones. A pesar de numerosas investigaciones, no existe un método óptimo para estimar la PP. Los datos satelitales permiten monitorear la PP a gran escala durante largos periodos, aunque se limitan mayormente a la capa superficial del océano, con escasa evidencia que respalde la disminución exponencial de la PP con la profundidad. El uso de datos in situ de parámetros fotosintéticos en modelos basados en datos satelitales mejora el rendimiento de los modelos de PP. Se utilizó un modelo bio-óptico para calcular la producción primaria integrada (PPI) en el Sistema de Afloramiento de Humboldt (3°S – 20°S) dentro de las 200 millas náuticas, usando datos de cruceros de investigación y satelitales desde 1988 hasta 2021. Se usaron datos in situ para crear modelos de perfiles de clorofila-a mediante distribución gaussiana y se agruparon con el método k-means en 12 perfiles típicos. Luego, se predijeron estos perfiles usando datos satelitales con el método random forest, estimando la distribución vertical de la clorofila-a. Utilizando el modelo propuesto por Demarcq et al. (2008), se transformó la clorofila-a a unidades de carbono mediante estimaciones de luz para calcular la PPI. La PPI promedio es de 40 molC m-2 y-1, concentrada en tres zonas cerca de la costa: Puerto Pizarro, entre Chicama y Chimbote, y desde Callao hasta Pisco. El análisis reveló patrones estacionales significativos, con picos en primavera y verano y mínimos en invierno y otoño. También se observó variabilidad interanual relacionada con ENSO (El Niño-Oscilación del Sur), con una disminución de la PPI durante eventos El Niño y mayores concentraciones en Chicama, Chimbote y Pisco. La PPI interanual no muestra una tendencia marcada y no es significativa.

Primary production (PP) is crucial for the marine ecosystem and carbon sequestration in the oceans. This process is highly sensitive to environmental and climatic changes, making its estimation and temporal and spatial study vital for understanding marine ecosystems and their transformations. Despite numerous studies, there is no optimal method for estimating PP. Satellite data allow for large-scale monitoring of PP over long periods, although they are mainly limited to the ocean's surface layer, with little evidence supporting the exponential decrease of PP with depth. The use of in situ data on photosynthetic parameters in satellite-based models improves PP model performance. A bio-optical model was used to calculate integrated primary production (IPP) in the Humboldt Current System (3°S – 20°S) within the 200 nautical mile zone, using research cruise and satellite data from 1988 to 2021. In situ data were used to create chlorophyll-a profiles through Gaussian distribution and were grouped using the k-means method into 12 typical profiles. These profiles were then predicted using satellite data with the random forest method, estimating the vertical distribution of chlorophyll-a. Using the model proposed by Demarcq et al. (2008), chlorophyll-a was converted to carbon units through light estimates to calculate IPP. The average vertically IPP is 40 molC m-2 yr-1, concentrated in three coastal areas: Puerto Pizarro, between Chicama and Chimbote, and from Callao to Pisco. The analysis revealed significant seasonal patterns, with peaks in spring and summer and lows in winter and fall. Interannual variability related to ENSO (El Niño-Southern Oscillation) was also observed, with a decrease in IPP during El Niño events and higher concentrations in Chicama, Chimbote, and Pisco. The interannual IPP does not show a marked trend and is not significant.