Detección temprana y monitoreo continuo
Plancton Andino lidera el monitoreo del fitoplancton en Chile desde hace más de 26 años, a través de su programa POAS, con presencia continua en sistemas marinos y continentales del sur del país.
Nuestra aproximación combina experiencia, capital humano, tecnologías, conocimiento, metodologías clásicas, acreditadas por INN, y nos sometemos a controles de calidad por entidades extranjeras, además aplicamos tecnologías avanzadas bio-ópticas, y uso de plataformas digitales, permitiendo un diagnóstico adecuado y un seguimiento continuo de las Floraciones Algales Nocivas (FANs).
- Metodologías clásicas: Análisis de muestras de agua con células vivas o frescas, provenientes de centros de cultivo salmoneros y estaciones centinelas de monitoreo, mediante microscopía óptica, con identificación taxonómica y cuantificación celular. Series de tiempo de largo plazo que permiten contextualizar cada evento dentro de su variabilidad histórica.
- Tecnologías avanzadas: FlowCam: citómetros de flujos asociado con un láser que permite caracterizar automáticamente los morfotipos celulares con clorofila a, midiendo dimensiones y rasgos morfológicos esenciales para identificar especies nocivas. Detecta atributos biológicos que suelen pasar desapercibidos en la microscopía fotónica.
Fluorómetría de Alta Tasa de Repetición (FRRF3), Tecnología que entrega resultados de fluorescencia de la clorofila a activa (células vivas), es decir, parámetros fotoquímicos de la actividad fotosintética, tales como; eficiencia del fotosistema II, actividad y estado fisiológico de las células en bloom, permitiendo distinguir entre bloom activos y aquellos en declinación. El sistema se puede montar en línea y en tiempo real como lo muestra la figura 1.
Repetición (FRRF3).
P l a t a f o r m a ADICFito, que p r o p o r c i o n a imágenes de células del fitoplancton en la web, facilitando que el personal de los centros de cultivo identifique rápidamente las células dominantes del plancton marino y comprendan el riesgo asociado. Ver imágenes en www.ADICFito.cl.
- ADICFito es una plataforma de apoyo para el estudio e identificación de las células del plancton. Únete a la red colaborativa más avanzada para el intercambio de imágenes del plancton. Contribuye con tus descubrimientos a la comunidad científica y accede a una biblioteca digital especializada en constante crecimiento.
- Colecciones Especializadas: Plancton Andino comparte su experiencia y conocimiento mediante la creación de colecciones digitales de microalgas en la web. Además, existe una interacción con expertos que validan tus contribuciones con expertos de la comunidad. Encuentra referencias técnicas y metodologías actualizadas.
Lea el estudio completo en la página 35 en nuestra Revista InfoSALMON sobre FANs aquí
Microscopia electrónica de barrido (MEB): Aprovechando los servicios e infraestructura de la Universidad Austral de Chile, Valdivia, hemos efectuado en diferentes ocasiones análisis de células de pequeño tamaño, usando microscopia electrónica. En un caso en particular con microscopio fotónico se identificó como Thalassiosira pseudonana, pero después con imágenes del MEB se aclaró que corresponde a otras especies de diatomeas. En dicha ocasión los peces tuvieron conductas normales. Esto disminuye las incertidumbres.
confundidas con Thalassiosira pseudonana. Colectadas en cercanías
de Isla Tac, julio 2025.
Perfiles con CTDO-F Efectuamos perfiles en columna de agua con CTD-O calibrado en fabrica en Seabird Scientific en USA., y obtenemos datos continuos de temperatura, salinidad, oxígeno, densidad y fluorescencia de clorofila. Además, se puede calcular Apparent Oxygen Utilization (AOU), frecuencia de Brunt–Väisälä (N² o N), entre otras variables oceanográficas, que contribuyen a caracterizar el ambiente marino donde crecen las algas nocivas.
La frecuencia de Brunt–Väisälä (N² o N) es una medida de la estabilidad de la columna de agua. Indica qué tan difícil o fácil es que una porción de agua se desplace verticalmente debido a diferencias de densidad.
-
Figura 4. Un par de células de diatomeas céntricas de pequeño tamaño con filamentos. N baja; agua muy estratificada, Capas bien diferenciadas en densidad. Implica estabilidad vertical, poca mezcla y alta probabilidad de retención de microalgas. • N alto: agua mezclada o inestable. La densidad cambia poco con la profundidad y las masas de agua se mezclan más fácilmente.
- Integración de datos: Toda esta información se integra en línea con datos meteorológicos, oceanográficos y modelos, alimentando un sistema de inteligencia artificial entrenado para pronosticar blooms en barrios productivos específicos (2, 10, 17 y 32). Esta integración permite pasar del monitoreo descriptivo a un sistema de alerta temprana operacional.
- Colaboraciones: Desde hace más de dos años, trabajamos junto a la empresa emergente RetinaLab en el desarrollo de sistemas de monitoreo remoto y análisis automatizado, en una estrategia de innovación abierta orientada a encontrar soluciones aplicables a las condiciones reales de la acuicultura chilena.
- Biología Molecular. Con el objeto de utilizar técnicas moleculares para la identificación de las especies nos apoyamos con la institución de UK, llamada CEFAS y con la empresa chilena Codebreaker.
- Harbor Branch Oceanographic Institution: Tenemos un programa colaborativo con esta institución perteneciente a la Florida Atlantic University, en Forth Pierce, Florida, para investigar aplicaciones de tecnologías en el monitoreo en tiempo real de las FANs; a modo de ejemplo; usando imágenes multiespectrales satelitales del color del mar, técnicas holográficas in situ e instrumentación bio-óptica aplicado en la acuicultura.
obtenidas y calculadas; Temperatura y Salinidad. , AOU, Fluorescencia de Clor a,
y Oxígeno Disuelto y el ultimo grafico de Frecuencia de Brunt–Väisälä.
Predicción y capacidad de anticipación
La predicción de las FANs se basa en la integración de datos oceanográficos, biológicos y ambientales, los cuales son consolidados en tiempo real en la plataforma Azure de Microsoft. Esta infraestructura nos permite procesar grandes volúmenes de datos, entrenar modelos predictivos y generar alertas tempranas.
Nuestro modelo de machine learning BloomPredictor ha demostrado alguna capacidad de anticipación en escenarios reales. Por ejemplo:
- En 2022, logró anticipar con aproximadamente 48 horas de antelación una floración de Pseudochattonella verruculosa, permitiendo activar protocolos preventivos.
- En el bloom de Heterosigma ocurrido en el Archipiélago de Chiloé el mismo año, el sistema levantó una alerta naranja cuando el evento estaba en situación más crítica , en alerta roja. Este caso evidenció la importancia de combinar los modelos predictivos con interpretación experta, y refuerza nuestro enfoque de mejora continua de las metodologías, especialmente aumentado la frecuencia en espacio y tiempo.
En términos operativos, nuestras herramientas buscan entregar ventanas de anticipación de entre 24 y 72 horas, dependiendo de la especie y del régimen oceanográfico local, lo que es crítico para la planificación de medidas de mitigación y resguardo productivo.
Validación científica y operacional
Plancton Andino respalda sus soluciones con evidencia científica, técnica y operacional. Recientemente, presentamos cinco trabajos en la conferencia internacional ICHA 2025, abordando:
1 Saez S. et al. 2025. ADICFito: A Platform for Public Engagement and AI-Supported Taxonomic Awareness in HAB Monitoring. Clasificación de imágenes de fitoplancton mediante inteligencia artificial y de apoyo al monitoreo de algas nocivas.
2 Latorre L. et al. 2025. Identification of Pseudo-nitzschia species using rRNA (Nanopore technology) in Southern Chile. Aplicación de análisis de ARNr para identificación precisa de especies nocivas del género Pseudo-nitzschia, diatomeas productoras de VAM.
3 Clément A. et al. 2025. Evaluating 37 Years of Harmful Algal Blooms in Southern Chile. Un completo estudio de series de tiempo sobre la dinámica de las FANs, analizando aspectos de sesgo estadístico y percepciones de las personas de los blooms.
4 Correa N. et al. 2025. Real-Time Monitoring of Harmful Algae: SAMS Validation Against Optical Microscopy and FlowCam Technologies. Este trabajo realizado en conjunto con los inventores del SAMS (= Self-driven Algae Monitoring System) de Retina Lab y los profesionales expertos de Plancton Andino, con el fin de demostrar de las bondades de este sistema robótico y automático de monitoreo en tiempo real de fitoplancton.
5 Jorquera A. et al. 2025 BloomPredictor: Integrating AI and Ecological Data for Harmful Algal Bloom Risk Prediction. Validaciones del modelo BloomPredictor en escenarios reales. Estos resultados respaldan científicamente el desempeño de nuestras soluciones y su impacto en la toma de decisiones operativas.
Estos estudios demuestran que nuestras herramientas no solo funcionan en condiciones de laboratorio, sino que son aplicables en entornos operativos reales, apoyando la toma de decisiones en contextos de alta incertidumbre. El impacto se ha medido en la toma de decisiones operativas, con el feedback de los clientes y métricas de análisis.
Impacto en la gestión del riesgo
Hemos desarrollado el FAN INDEX, un algoritmo e indicador de riesgo que calcula el valor integrado en la columna de agua, considerando efectos sinérgicos y la abundancia de algas nocivas, además utiliza la proporción de valores críticos de las especies nocivas, con factores de ponderación, abundancia del fitoplancton total y de las algas nocivas (Clément et al 2018). Este índice apoya a gerencias y equipos productivos en:
- Comparar niveles de riesgo en base a un valor estándar que incluye efectos sinérgicos.
- Priorización de acciones en los distintos centros con mapas temáticos en línea.
- Escalas de alertas; verde, amarillas y rojas. Activación de protocolos de contingencia.
Los principales atributos de Plancton Andino son la experiencia, conocimiento científico y técnico del problema biológico, entregando calidad y confiabilidad de la información, especialmente en escenarios críticos, a través del POAS, Programa Oceanografico y Ambiental en Salmónidos. Este programa informa de la distribución espacio temporal de las abundancias de algas nocivas, de unos 60 centros semanales, en la marco región sur. Sus resultados son compartidos en portales específicos, usando inteligencia de negocios y en una aplicación para Smartphones. Los informes periódicos permiten informar a los clientes de aquellos lugares con más riesgos. Lo anterior está conectado a métricas de análisis e indicadores.
Se han llevado a cabo diversas experiencias tanto con proveedores de ingeniería enfocados en medidas de mitigación como con empresas salmoneras. Consideramos que una gestión de riesgos efectiva requiere optimizar estas actividades a través de múltiples ensayos en el mar para validar las medidas de mitigación, especialmente desde el enfoque ingenieril, así como incorporar estrategias para proteger las branquias mediante alimentos especializados. Es importante destacar que cada centro de cultivo presenta características particulares, debido a variaciones en cohortes, biomasa y condiciones logísticas u operativas; por ello, resulta fundamental disponer de planes de mitigación adaptados específicamente a cada centro.
Los principales atributos de Plancton Andino son la experiencia, conocimiento científico y técnico del problema biológico, entregando calidad y confiabilidad de la información, especialmente en escenarios críticos, a través del POAS, Programa Oceanografico y Ambiental en Salmónidos. Este programa informa de la distribución espacio temporal de las abundancias de algas nocivas, de unos 60 centros semanales, en la marco región sur. Sus resultados son compartidos en portales específicos, usando inteligencia de negocios y en una aplicación para Smartphones. Los informes periódicos permiten informar a los clientes de aquellos lugares con más riesgos. Lo anterior está conectado a métricas de análisis e indicadores.
Se han llevado a cabo diversas experiencias tanto con proveedores de ingeniería enfocados en medidas de mitigación como con empresas salmoneras. Consideramos que una gestión de riesgos efectiva requiere optimizar estas actividades a través de múltiples ensayos en el mar para validar las medidas de mitigación, especialmente desde el enfoque ingenieril, así como incorporar estrategias para proteger las branquias mediante alimentos especializados. Es importante destacar que cada centro de cultivo presenta características particulares, debido a variaciones en cohortes, biomasa y condiciones logísticas u operativas; por ello, resulta fundamental disponer de planes de mitigación adaptados específicamente a cada centro.
