Los niveles de CO2 atmosférico han aumentado ~10 % desde el comienzo del siglo XXI y su impacto en el clima y la biosfera son motivo de gran preocupación. El papel de los océanos en el control de los niveles de CO2 es conocido. Tanto las variaciones debidas a la temperatura del océano (bomba física), como la fijación de carbono y posterior secuestro en zonas profundas del océano realizada por el fitoplancton marino (bomba biológica) son dos de los principales mecanismos reguladores del clima. Se estima que el fitoplancton marino 50% (~50 Gt C/año) de la producción primaria global (p.e. Field et al., 1998). Si bien la contribución global de estos procesos es conocida, el funcionamiento de la bomba biológica a nivel regional es más incierto. Ello se debe a que el fitoplancton marino presenta una dinámica, plasticidad y adaptabilidad a los cambios ambientales que es difícil de predecir. Así, mientras que las zonas polares se vuelven más productivas por el calentamiento global de los océanos la contribución de otras regiones a los balances globales de CO2, particularmente la de zonas situadas en el hemisferio sur, es más controvertida. La Plataforma Norpatagónica Argentina (PNP, 35°-42°S, ~460.000 km2), abarca áreas frontales altamente productivas y concentra el mayor potencial de absorción de carbono en toda la plataforma argentina (0,015 Gt C año-1) (Kahl et al. 2017). LA PNP es un sistema oceanográfico y ecológico muy complejo, reconocida por su alta biodiversidad, relevancia ecológica y socioeconómica (pesquerías artesanales e industriales) (Lucas et al., 2055; Martinetto et al., 2020) y susceptible a una alta variabilidad climática (Grimm et al., 2000; Moreno et al. 2014).

En la presente propuesta, que se contextualiza en el ámbito de las ciencias marinas, planteamos com objetivo analizar las variaciones temporales de las comunidades fitoplanctónicas en la PNP combinando técnicas de análisis de series temporales (e.j. wavelets) e inteligencia artificial (redes neuronales) a partir de la utilización de sensores remotos. Mediante dichas técnicas se identificarán las zonas más productivas de la plataforma, los principales grupos funcionales responsables de dicha productividad y los cambios que han sufrido a lo largo de los últimos 23 años. Además, se analizará la relación existente entre la variabilidad interanual observada y los cambios en los forzamientos físicos dominantes en el área de estudio (SST, salinidad, vientos, precipitaciones, descargas de ríos) en un escenario de cambio climático (Franco et al., 2020). El uso de wavelets y redes neuronales para se ha utilizado ya con éxito en trabajos previos en el mediterráneo (Basterretxea et al., 2018).