Short-term variability of picoplankton across wind-shear region south of Gran Canaria

Máster en Oceanografía

Short-term variability and trophic interactions within planktonic community in subtropical waters of he Canary Islands (Northeast atlantic)

ES]Los giros subtropicales abarcan grandes áreas del océano donde la productividad del ecosistema se sostiene a través del reciclado de materia y energía. En estas aguas, la interacción entre la disponibilidad de recursos y la presión de los niveles tróficos superiores determina la dinámica de la comunidad planctónica. Sin embargo, en aguas subtropicales, el conocimiento de la variabilidad temporal o el papel de los diferentes componentes de la comunidad dentro de la red trófica es bastante limitado. En esta tesis se evalúa la variabilidad a corto plazo de los diferentes componentes de la comunidad planctónica. El picoplancton dominó la comunidad salvo durante la época productiva, en la que los organismos autótrofos de mayor tamaño desempeñaron un papel destacado. Nuestros resultados muestran como la variabilidad estacional está relacionada con fuerzas “bottom-up”, mientras que los procesos “top-down” dominan a una escala de tiempo más corta. Encontramos que el microzooplancton ejerce un gran impacto sobre la comunidad microbiana, en organismos tanto autótrofos como heterótrofos. Además, observamos un acoplamiento muy estrecho entre estos consumidores y sus presas. Otro mecanismo que regula la estructura planctónica es la depredación de los migradores verticales sobre el zooplancton. Así, la variabilidad del mesozooplancton epipelágico está controlada por un ciclo de depredación vinculado a la iluminación de la luna. En este trabajo realizamos una simulación de esta variabilidad con la que se obtuvieron valores de mortalidad comunitaria de los que derivamos el flujo de carbono activo hacia la zona mesopelágica. Estos valores calculados de transporte activo de carbono son del mismo orden de magnitud que el flujo gravitacional en aguas subtropicales. En el Atlántico noreste la comunidad marina también podría estar influenciada por las tormentas de polvo sahariano que ocurren con gran frecuencia en la zona. En este sentido, se estudió la respuesta de la comunidad planctónica en un período de deposición de polvo atmosférico de gran intensidad, en el año 2010, sin observar una clara respuesta en términos de producción primaria. Por el contrario, la biomasa de diatomeas y mesozooplancton sí se vio aumentada en gran medida tras el paso de una fuerte tormenta de polvo del Sáhara, mientras que los organismos autótrofos de menor tamaño se vieron afectados negativamente. Los resultados de esta tesis suponen una contribución importante para entender la dinámica planctónica tan compleja en los ecosistemas subtropicales, y además, pone de manifiesto la necesidad de llevar a cabo muestreos oceanográficos a escalas de tiempo más cortas.

Short-term variability of picoplankton across the wind-shear region south of Gran Canaria

[EN]We have studied the short-term variability -at temporal scale of days and spatial scale of 5 km- of the hydrographic field, organic and inorganic nutrients, chlorophyll and picoplanktonic abundances, across a 40 Km section crossing a frontal system south of Gran Canaria, where anticyclonic eddies in early-stages of formation and convergent fronts have been widely reported in the past. Each cruise consisted in a 3-4 daily-repeated section, and was carried out at the same period of the year (May) during two consecutive years (2011 and 2012). The main goal of our study was to analyze the picoplankton response to short-term variability at scales not considered in regular oceanographic samplings, even in regions with complex hydrographic fields.

Short-term wind power forecast based on cluster analysis and artificial neural networks

[EN]In this paper an architecture for an estimator of short-term wind farm power is proposed. The estimator is made up of a Linear Machine classifier and a set of k Multilayer Perceptrons, training each one for a specific subspace of the input space. The splitting of the input dataset into the k clusters is done using a k-means technique, obtaining the equivalent Linear Machine classifier from the cluster centroids...