Daniel Broullón Durán

Daniel Broullón Durán

Bueu, 1988

Graduado en Ciencias del mar (2015) y doctor en Ciencias Marinas, Tecnología y Gestión (2022) por la Universidade de Vigo con la tesis “Neural networks and the seawater CO₂ system. From the global ocean to the Ría de Vigo”, dirigida por Fiz Fernández Pérez (IIM) y Rosa Reboreda Bouza (IIM).

¿Por qué optaste por cursar la carrera de Ciencias del Mar?

Tras haber trabajado durante cuatro años de submarinista recolectando navajas en la Ría de Pontevedra, y teniendo en cuenta que la mayor parte de mi familia ha trabajado en el mar y mi pasión innata por los océanos, era la opción ideal.

¿De dónde viene tu vocación científica? ¿Ha influido alguien en ella?

Creo que todos nacemos con vocación científica. Cuando cursaba primaria, me encantaba ir a la biblioteca de mi pueblo y pedir fotocopias de páginas de libros sobre los grandes inventos de la historia y sus inventores. En la carrera esa vocación se reafirmó esencialmente a través de la lectura de artículos científicos asociados al océano. Yo también quería aportar mis granos de arena a la ciencia.

¿Por qué, una vez concluida la carrera, optaste por realizar la tesis doctoral?

Principalmente por las ganas de contribuir al avance de la sociedad generando nuevo conocimiento.

¿Cómo decidiste el tema de tu tesis doctoral? 

El cambio climático y, en concreto, la acidificación oceánica son una de las grandes problemáticas de nuestros días. Cuando comprendí los grandes impactos asociados a este proceso generado por el ser humano sobre las distintas especies que habitan la Tierra, en mi cabeza únicamente estaba la idea de intentar ayudar a solucionar este problema.

¿Cuáles eran los principales objetivos de tu tesis y de qué contexto partías?

Por una parte, la tesis trataba de reflejar el estado medio de los océanos en las últimas décadas a través de la generación de climatologías globales de variables que reflejan o contribuyen a analizar el proceso de acidificación oceánica, uno de los impactos generados por las emisiones antropogénicas de CO2 a la atmósfera. Por otro lado, se planteaba que la segunda parte de la tesis analizara este tipo de variables en la Ría de Vigo, para mostrar “el estado de salud” de la ría y cuál podría ser su porvenir. Para alcanzar estos objetivos de ambas partes de la tesis, pretendía ponerse en valor una herramienta muy potente del campo de la inteligencia artificial y no muy utilizada en estudios de oceanografía: las redes neuronales artificiales.

Antes de la realización de la tesis existían ya climatologías que mostraban el estado de los océanos. Sin embargo, presentaban ciertas carencias (baja resolución espacial, únicamente algunas representaban la superficie del océano, altos errores en algunas áreas…) que necesitaban ser solventadas. En la parte relativa a la Ría de Vigo, los estudios que evaluaban el proceso de acidificación eran escasos y necesitaban aportarse nuevos y robustos resultados para mostrar el estado actual de la ría e inferir su evolución.

¿Cuáles han sido los principales resultados alcanzados?

A nivel del océano global, se generaron climatologías de variables asociadas al proceso de acidificación oceánica con la ayuda de las redes neuronales. Se mejoraron los errores que presentaban los métodos de generación de climatologías que existían previos a la tesis, se aumentó la cobertura de las climatologías previas, así como su resolución espacial y temporal. Las climatologías permitieron mostrar el estado de todos los océanos del planeta, asociado al proceso de acidificación oceánica.

En la Ría de Vigo, se encontró que la zona interna se está acidificando a una velocidad mayor que la zona externa. Además, se pudo inferir que probablemente en la década de los 70 del presente siglo, los organismos marinos que habitan esas zonas van a estar sometidos a condiciones críticas para su supervivencia debido a los niveles de pH que se alcanzarán y, sobre todo, a la baja concentración que se espera del ion carbonato de calcio, que es de gran importancia para que muchos organismos generen sus estructuras (mejillones, almejas, navajas…).