SciELO - Scientific Electronic Library Online

 
vol.49Evaluation of fish density influence on the growth of the spotted rose snapper reared in floating net cages using growth models and non-parametric testsEffect of 4 microalgal diets on the proximal composition, chlorophyll concentration, and total carotenoid content in Artemia franciscana author indexsubject indexsearch form
Home Pagealphabetic serial listing  

Services on Demand

Journal

Article

Indicators

Related links

  • Have no similar articlesSimilars in SciELO

Share


Ciencias marinas

Print version ISSN 0185-3880

Cienc. mar vol.49  Ensenada Jan./Dec. 2023  Epub Mar 08, 2024

https://doi.org/10.7773/cm.y2023.3384 

Artículos

¿Dónde son apropiadas las estrategias de gestión basadas en la resiliencia para los arrecifes de coral? Mapeo de las condiciones ambientales y las tendencias de la cubierta coralina en Guam y Samoa Americana

Monica M Moritsch1  * 
http://orcid.org/0000-0002-3890-1264

Miranda Foley2 

1U.S. Geological Survey, Western Geographic Science Center, Moffett Field, California, United States of America.

2Ecologic Consulting, LLC, Kailua, Hawaii, United States of America.


Resumen

Las estrategias de gestión basadas en la resiliencia están ganando atención como herramientas para la supervivencia y recuperación de corales en condiciones crecientemente estresantes. La priorización de sitios para aplicar estrategias depende de dónde los corales muestran signos de resiliencia y cómo las condiciones ambientales pueden cambiar con el cambio climático. Sintetizamos las condiciones ambientales y tendencias de cobertura de coral en Guam y Samoa Americana utilizando condiciones climáticas actuales y 2 escenarios climáticos futuros: trayectorias de concentración representativas 4.5 y 8.5. Examinamos la superposición espacial entre condiciones ambientales favorables y desfavorables y lugares en los que arrecifes de coral mantuvieron o aumentaron su cobertura en la última década. Ubicaciones que representan 4 combinaciones de las características mencionadas pueden presentar diferentes estrategias de gestión: (1) conservación/restauración de corales robustos, (2) restauración de corales en declive, (3) conservación del material genético de corales robustos/mitigación de factores estresantes y (4) ninguna estrategia clara para corales en declive. En función de estas combinaciones, estimamos áreas potenciales para implementar múltiples acciones de gestión. Bajo condiciones climáticas actuales, la conservación del material genético/mitigación de factores estresantes estaban sobrerrepresentadas en Guam: 23% del área que disminuyó a 15% en escenarios futuros. La restauración del coral estaba inicialmente subrepresentada (0%). En Samoa Americana, la superficie proporcional para cada estrategia fue constante. La restauración del coral estaba sobrerrepresentada con 54-56% del área; la conservación del material genético y mitigación de factores estresantes estaban infrarrepresentadas (9% y 11%, respectivamente). Nuestro enfoque ofrece una forma rápida de evaluar dónde aplicar medidas de gestión con datos agregados sobre grandes extensiones para complementar evaluaciones detalladas y laboriosas de la dinámica de comunidades arrecifales, especialmente si las distintas comunidades coralinas delimitan las unidades de agregación. Estos resultados pueden orientar a gestores para seleccionar sitios ecológicamente adecuados para aplicar estrategias basadas en la resiliencia.

Palabras clave: resistencia; recuperación; resiliencia; blanqueamiento coralino; cambio climático

Abstract

Resilience-based management strategies are gaining attention as tools to improve coral survival and recovery under increasingly stressful conditions. Prioritizing locations to implement these strategies depends on knowing where corals already show potential signs of resilience and how environmental conditions may shift with climate change. We synthesized environmental conditions and coral cover trends in Guam and American Samoa using present-day climate conditions and 2 future climate scenarios: Representative Concentration Pathways 4.5 and 8.5. We examined the spatial overlap between favorable and unfavorable environmental conditions and locations where coral reefs have maintained or increased coral cover over the past decade. Locations representing 4 combinations of the aforementioned characteristics may be subject to different management strategies: (1) conservation and restoration of robust corals, (2) restoration of declining corals, (3) conservation of genetic material of robust corals and stressor mitigation, and (4) no clear strategy for declining corals. We estimated areas in which multiple management actions could be performed based on these combinations. Under present-day climate conditions, the conservation of genetic material and stressor mitigation were overrepresented in Guam, comprising 23% of the study area; this declined to 15% in future climate scenarios. Coral restoration was at first underrepresented (0%). In American Samoa, the proportional area for each strategy remained consistent regardless of climate. Coral restoration was overrepresented, comprising 54% to 56% of the study area, whereas the conservation of genetic material and stressor mitigation were underrepresented (9% to 11%, respectively). Our approach offers a rapid way to assess where potential management actions could be applied based on data aggregated over large spatial extents, which can complement more detailed, labor-intensive assessments of reef community dynamics, particularly if distinct coral communities inform the boundaries of aggregation units. These results may guide managers in selecting ecologically suitable locations for implementing resilience-based management strategies for coral reefs.

Key words: resistance; recovery; resilience; coral bleaching; climate change

Introducción

Los arrecifes de coral son proveedores críticos de alimento, protección costera, oportunidades recreativas, oportunidades económicas y valor cultural (Barbier et al. 2011, Reguero et al. 2021). Los eventos de blanqueamiento de corales de la última década han infligido una grave mortalidad a los arrecifes de todo el mundo (Stuart-Smith et al. 2018, Raymundo et al. 2019, Raj et al. 2021). El estrés crónico provocado por fuentes terrestres de contaminación y sedimentación amenaza la capacidad de los arrecifes para seguir prestando estos servicios (Bruno et al. 2003, Fabricius 2005). Los episodios cada vez más frecuentes de blanqueamiento del coral representan un factor de estrés agudo que se superpone a los problemas crónicos (Heron et al. 2016). A medida que las grandes perturbaciones se hacen más frecuentes debido al cambio climático, la probabilidad de que se produzcan cambios en el ecosistema a largo plazo aumenta, lo que puede alterar la prestación de servicios de los arrecifes a las comunidades insulares (Norström et al. 2009, Pratchett et al. 2009).

Las estrategias que promueven la resiliencia climática están recibiendo atención a medida que las consecuencias de los eventos de blanqueamiento afectan cada vez más a vastas franjas del océano (Comte y Pendleton 2018). Al centrarse en la resiliencia, definida como la capacidad de resistir el cambio a un estado diferente del ecosistema o de recuperarse rápidamente al estado original tras un cambio inducido por una perturbación (Holling 1973, Kenneth et al. 2015), los gestores tratan de mantener los procesos ecológicos que permiten la supervivencia, el crecimiento, la recuperación y el reclutamiento de corales. Las estrategias de gestión basadas en la resiliencia (GBR) incluyen el trasplante de corales en refugios climáticos, la conservación de arrecifes con un historial de baja mortalidad durante episodios de blanqueamiento y el mantenimiento de poblaciones de herbívoros saludables para reducir el crecimiento excesivo de algas (Graham et al. 2013, Maynard et al. 2015, Chung et al. 2019, Mcleod et al. 2019).

Es más probable que la gestión basada en la resiliencia tenga éxito cuando se implementa en condiciones no estresantes o en poblaciones tolerantes al estrés. Las zonas que no estén sujetas a tensiones relacionadas con el clima serán cada vez más raras en el próximo siglo. Los gradientes contrastantes en el estrés por calor y la acidificación proyectados sugieren que pocos lugares serán verdaderos refugios climáticos que mantengan las condiciones del siglo XX (van Hoidonk et al. 2014). Las estrategias que gestionan y mitigan los factores estresantes locales aumentan la capacidad de los corales para resistir las consecuencias de los factores estresantes globales. Por ejemplo, reducir la contaminación por sedimentos y nutrientes de las cuencas costeras es importante para garantizar agua clara y reducir el crecimiento excesivo de algas en los arrecifes de coral, particularmente después de daños causados por eventos de blanqueamiento o tormentas (Smith et al. 2010, Risk y Edinger 2011).

Las especies de coral que experimentan una alta variabilidad de temperatura o que están expuestas regularmente a altas temperaturas pueden evolucionar para aumentar su tolerancia térmica, lo que destaca la importancia de los corales que sobreviven en condiciones ambientales subóptimas (Safaie et al. 2018, Schoepf et al. 2020). Asimismo, los taxones de coral y endosimbiontes difieren en su tolerancia a la contaminación por nutrientes y contaminantes, lo que da como resultado distribuciones espaciales variables de corales capaces de adaptarse o aclimatarse a múltiples factores estresantes (Fox et al. 2021, Nalley et al. 2021). Por lo tanto, las características de los corales influyen en qué estrategias de GBR son apropiadas para cada especie o población de coral. De hecho, las poblaciones que muestran tolerancia a condiciones estresantes a lo largo del tiempo pueden ser buenos candidatos para medidas de conservación adicionales y pueden proporcionar material genético para restaurar corales en otros lugares (Oliver y Palumbi 2011, Safaie et al. 2018). Además, los sitios que no están sujetos a condiciones ambientales estresantes o extremas pueden ser buenos lugares para medidas de restauración (Foo y Asner 2020; Tabla 1).

Tabla 1 Categorización conceptual de ejemplos de estrategias de gestión basadas en la resiliencia. Los ejemplos están organizados según 2 ejes: (1) resiliencia de los corales y (2) favorabilidad ambiental. Los 4 cuadrantes resultantes pueden estar sujetos a diferentes estrategias de gestión de arrecifes. 

Environmental favorability Coral resilience
Low or positive change, high stability Negative change, low stability
Favorable environment Conserve or restore Restore coral
Unfavorable environment Conserve coral
Genetic material
Mitigate stressors
Neither

Las evaluaciones geográficas que identifican poblaciones de coral resilientes o condiciones ambientales favorables se utilizan para informar las recomendaciones de gestión en toda la región de las islas del Pacífico, incluidas aquellas en Guam, Hawaii y la Mancomunidad de las Islas Marianas del Norte (Maynard et al. 2015, 2018; Chung et al. 2019a, b). Por lo tanto, el objetivo de este estudio fue identificar lugares en Guam y Samoa Americana donde los gestores de arrecifes podrían implementar estrategias de GBR en las condiciones actuales y en escenarios climáticos futuros.

Materiales y métodos

Áreas de estudio

Guam (13.4255° N, 144.7471° E) y Samoa Americana (14.3191° S, 170.7586° W) son islas volcánicas rodeadas de arrecifes de coral cercanos a la costa. Ambos lugares experimentaron múltiples eventos de blanqueamiento de corales durante la última década, a veces en años consecutivos. La disminución de la cubierta de coral después de un evento de blanqueamiento no se ha producido de manera uniforme en todas las islas (Raymundo et al. 2017, 2019; NOAA 2018). Ambos lugares también experimentan problemas de calidad del agua debido a las prácticas de gestión de la tierra y a las fuentes terrestres de contaminación (Houk et al. 2005, Shuler y Comeros-Raynal 2020). Geológicamente, Guam está compuesta de piedra caliza en el norte y laderas volcánicas abruptas en el sur que se queman estacionalmente, generando grandes cantidades de escorrentía de sedimentos. El desarrollo y el desmonte de tierras también están asociados con altas tasas de sedimentación (Kottermair 2012, Prouty et al. 2014). En el archipiélago volcánico de Samoa Americana, la mayor parte de la actividad humana se produce en la isla de Tutuila, mientras que las islas Manuʻa (Ofu, Olosega y Ta‘ū) al este están poco habitadas y en gran medida protegidas como parte del Parque Nacional de Samoa Americana. La remota isla Swains y el atolón Rose de Samoa Americana no se consideraron en este estudio debido a limitaciones de datos.

Puntuación de favorabilidad ambiental

Evaluamos patrones geográficos en las condiciones ambientales para identificar áreas favorables para el crecimiento y la supervivencia de los corales. Reunimos capas de datos espaciales con resolución suficiente (≤10 km) para evaluar la variación ambiental alrededor de las islas (Tabla S1). Dividimos las condiciones ambientales en 2 categorías, “gestionadas” e “influidas globalmente”, para diferenciar las condiciones sujetas a gestión o que están fuera de su control. Las condiciones ambientales gestionadas fueron aquellas influenciadas por mecanismos de gestión típicos hasta la escala espacial de la isla, incluidas las concentraciones de clorofila (un indicador de la escorrentía de nutrientes terrestres), la biomasa de peces, la biomasa de herbívoros, la turbidez (un indicador de la escorrentía de sedimentos terrestres), contaminación de origen oceánico y cubierta de macroalgas. Las condiciones ambientales influenciadas globalmente fueron aquellas que estaban fuera del control de los administradores a escala insular. Estas condiciones requieren cooperación global para lograr cambios sustanciales o no pueden controlarse e incluyen concentraciones de calcita (un indicador de la acidez del océano), irradiancia de la superficie del océano, estrés térmico (grados de calentamiento por semana) y energía de las olas (Tabla S1). Excluimos del análisis la capa de contaminación oceánica de Samoa Americana porque no mostró variabilidad espacial y no contribuyó a nuestro objetivo de discernir diferencias espaciales en las condiciones ambientales.

Siguiendo el enfoque de Maynard et al. (2018), escalamos cada variable ambiental linealmente de 0 a 1 en ArcMap 10.7 (Environmental Systems Research Institute, Inc.), donde 0 representa las condiciones menos favorables para el crecimiento y la supervivencia de los corales y 1 representa las condiciones más favorables (Fig. 1). Se escaló cada jurisdicción por separado. Cada celda ráster representó un punto de datos con diversos atributos ambientales (NGuam = 299, NAS = 7,766). Controlamos la covariación entre variables con un análisis de componentes principales (ACP) utilizando el paquete ‘FactoMineR’ (Lê et al. 2008) en R v. 4.1 (R Core Team 2021). Realizamos ACP separados para las condiciones manejadas y globalmente influenciadas (Material complementario, Tablas S2, S3). Cambiamos la escala lineal de los componentes principales (CP) de 0 a 1 en función de los valores mínimo y máximo, donde 1 representa las condiciones más favorables. Promediamos estos 2 CP para obtener una puntuación general de favorabilidad ambiental (Fig. 1). Los valores con puntuaciones de favorabilidad ambiental en el percentil 20 superior sirvieron como heurística para “condiciones ambientales altamente favorables”.

Figura 1 Descripción general de los métodos utilizados para evaluar los patrones espaciales de favorabilidad ambiental y resiliencia de los corales. Este proceso se repitió para cada escenario climático. Los puntos negros en el globo representan las ubicaciones de estudio: Guam (izquierda) y Samoa Americana (derecha). PCA es análisis de componentes principales; PC, componente principal. 

Supusimos que todas las variables de entrada tenían el mismo peso al contribuir a las puntuaciones de las condiciones gestionadas y globalmente influenciadas. Por lo tanto, ponderamos por igual la influencia de estos 2 conjuntos de condiciones en el crecimiento y la supervivencia de los corales. El grado en que los factores estresantes ambientales afectan sinérgicamente a los ecosistemas de arrecifes de coral es específico de la ubicación (Ateweberhan et al. 2013, Houk et al. 2014), lo que dificulta la aplicación de ponderaciones variables en nuestras áreas de estudio. Sin embargo, evaluaciones anteriores de la resiliencia de los arrecifes de coral también han ponderado todas las condiciones ambientales por igual, incluidos los factores estresantes climáticos y antropogénicos (Maynard et al. 2015, 2018). Buscamos tener en cuenta la correlación potencial (Tablas S4-S7) entre variables ambientales a través del ACP, reduciendo el número de dimensiones basadas en variables que aumentaron o disminuyeron de manera coordinada (Bastazini et al. 2007, Jales-Cavalcanti et al. 2015, Moritsch 2018).

Además de examinar los patrones en las condiciones climáticas actuales, repetimos este proceso para 2 escenarios climáticos futuros a partir de modelos climáticos globales que representan las condiciones en 2100. El escenario 1, el escenario de emisiones intermedias, supuso que las emisiones de gases de efecto invernadero se estabilizarían a mediados de siglo, correspondientes a la trayectoria de concentración representativa (TCR) 4.5. El escenario 2, el peor escenario de las emisiones, suponía que las emisiones de gases de efecto invernadero continuarían sin disminuir, lo que corresponde a TCR 8.5 (Riahi et al. 2011, Thomson et al. 2011). Para los escenarios climáticos futuros, reemplazamos la capa de estrés térmico actual con una capa del momento proyectado del blanqueamiento severo anual bajo TCR 4.5 o TCR 8.5 como indicador del estrés térmico futuro (van Hoidonk et al. 2016, PNUMA 2017). Agregamos la erosión del suelo debido al aumento del nivel del mar (ANM) como otra condición futura que podría impactar negativamente a los corales al reducir la disponibilidad de luz para la fotosíntesis de los simbiontes o al aumentar la sedimentación fisiológicamente dañina (Field et al. 2011, Storlazzi et al. 2011, Weber et al. al. 2012, Bessell-Browne et al. 2017). Medimos la proximidad a suelos fácilmente erosionables, que el ANM inundaría bajo TCR 4.5 y TCR 8.5, como un indicador de la gravedad de los efectos del ANM (Material suplementario, estimaciones de erosión relacionadas con el ANM). Las proyecciones de las otras condiciones influenciadas globalmente (concentraciones de calcita, irradiancia y energía de las olas) no estaban disponibles en una resolución espacial lo suficientemente fina como para discernir patrones geográficos dentro de las jurisdicciones, por lo que utilizamos los puntajes climáticos actuales para estas 3 condiciones para ambos escenarios climáticos futuros. También supusimos que las condiciones gestionadas seguirían siendo las mismas en todos los escenarios porque no se disponía de proyecciones sólidas sobre cómo podrían cambiar estas condiciones.

Caracterización de la resiliencia de los corales

Utilizamos datos de cobertura de coral existentes del Programa Nacional de Vigilancia de Arrecifes de Coral de la Administración Nacional Oceanográfica y Atmosférica (NCRMP, NOAA, por sus siglas en inglés) para medir 2 aspectos de la resiliencia de los corales: la capacidad de recuperar la cubierta de coral rápidamente y la capacidad de resistir los cambios en la cubierta de coral a lo largo del tiempo. Los estudios de buzos del NCRMP registraron la cobertura de coral con múltiples métodos y sitios de muestreo. Estos estudios excluyeron la zona plana del arrecife, lo que resultó en una subrepresentación de la complejidad de la dinámica de la cobertura coralina en los sitios del arrecife. Para Guam, los estudios de 2009 a 2017 se agregaron en 10 sectores de tamaño variable que representaron similitudes ecológicas en el sustrato, las comunidades de coral y la cobertura bentónica (Oliver et al. 2020a; Fig. 2a). Excluimos datos de 2016, cuando grandes tormentas impidieron un muestreo adecuado para varios sectores. Para Samoa Americana, utilizamos 11 sectores de gestión costera definidos por la NOAA (NOAA 2018) como unidades para medir las tendencias de la cobertura de coral (Fig. 2b,c). Los límites del Santuario Marino Nacional de Samoa Americana influyeron en los límites de los sectores, donde áreas geográficamente separadas del santuario se convirtieron en sus propios sectores. Todos los nombres de los sectores siguieron las convenciones de nomenclatura establecidas por la NOAA. Excluimos el sector Tutuila Aunu‘u B debido a datos insuficientes, dejando un total de 10 sectores. Los promedios anuales a nivel de sector, que fueron requeridos debido al diseño de muestreo espacialmente variable del NCRMP, no fueron conducentes a identificar poblaciones de coral resilientes a escalas por debajo de kilómetros.

*Tutuila Aunnu B data excluded due to insufficient data

Figura 2 Porcentaje medio de cobertura de coral por sector y mapa de sectores para (a) Guam y (b) Samoa Americana según datos agregados anuales del National Oceanographic and Atmospheric Administration National Coral Reef Monitoring Program. Las líneas de tendencia están representadas en rojo. Los sectores de Guam no tienen nombre y se les asigna números asignados arbitrariamente. Los muestreos de Guam en 2016 y del sector de Samoa Americana Tutuila Aunu‘u B (etiquetado como sector 0) en todos los años se excluyeron del análisis debido a datos insuficientes. Los colores del mapa representan sectores únicos. Los nombres de los sectores de Samoa Americana son: (1) Ofu y Olosega, (2) Ta‘ū abierto, (3) Ta‘ū santuario, (4) Tutuila Aunu‘u A, (5) Tutuila Fagalua, (6) Tutuila Fagatele, (7) Noreste de Tutuila abierto, (8) Noroeste de Tutuila abierto, (9) Sureste de Tutuila abierto, (10) Suroeste de Tutuila abierto. Los arrecifes planos, dragados, lagunas, arrecifes traseros y áreas intermareales están excluidos de la vista. 

Cuantificamos si la cubierta de coral estaba aumentando, un indicador potencial de recuperación posterior a la perturbación, o si su permanencia era estable, un indicador potencial de resistencia a la perturbación, calculando una puntuación de cambio de coral y una puntuación de estabilidad de coral para cada sector (Fig. 1). Sin información detallada sobre el momento en que ocurren los factores estresantes, no pudimos determinar definitivamente si la cubierta de coral demostró resiliencia. Las puntuaciones de cambio y estabilidad de los corales tomaron en cuenta la composición de especies o la biodiversidad por sector, ya que esta información no estaba disponible. Estas puntuaciones se calcularon basándose únicamente en los datos de la cobertura de coral; no se tomaron en cuenta condiciones ambientales para calcular esta puntuación.

La puntuación de cambio en el coral (Ecuación 1) caracteriza los sectores según su capacidad para aumentar rápidamente la cobertura de coral sin grandes fluctuaciones.

Ecuación 1. Puntuación de cambio en el coral

Puntuación de cambio en el coral = Signo de la pendiente de la cobertura del coral × slopeRMSE.

Al utilizar la pendiente de la línea de tendencia de la cobertura de coral a lo largo del tiempo, los aumentos rápidos (pendiente positiva) de la cobertura de coral dieron como resultado puntuaciones positivas más altas, mientras que las disminuciones rápidas (pendiente negativa) dieron como resultado puntuaciones negativas más bajas. Varios sectores exhibieron líneas de tendencia con pendientes no significativas (P > 0.05), aunque todavía sugirieron trayectorias divergentes para la cobertura de coral. En lugar de eliminar estos sectores debido a su falta de importancia, incorporamos la raíz cuadrada media del error (RMSE, por sus siglas en inglés) como término para reflejar la confianza limitada en la dirección de la tendencia en estos sectores. Dividimos la pendiente de la línea de tendencia del sector por su RMSE de modo que los sectores con alta variabilidad en la cobertura de coral recibieron puntuaciones más cercanas a cero que los sectores con baja variabilidad, lo que indica trayectorias positivas o negativas más débiles. Transformamos el resultado mediante raíz cuadrada para minimizar el impacto de los valores atípicos en las puntuaciones, de modo que el rango de las puntuaciones de cambio en el coral fue similar para Guam y Samoa Americana.

Para el puntaje de estabilidad del coral (Ecuación 2), caracterizamos los sectores según su capacidad para mantener niveles estables de cobertura de coral a lo largo del tiempo sin grandes fluctuaciones.

Ecuación 2. Puntuación de estabilidad del coral

Stability score = Inmean coral coverRMSE ×slope+1.

Los sectores con una cobertura coralina media más alta durante todo el periodo de muestreo recibieron puntuaciones más altas que los sectores con una cobertura coralina media más baja. Al dividir por la pendiente y el RMSE, los rápidos aumentos o disminuciones en la cobertura de coral o la alta variabilidad alrededor de la línea de tendencia dieron como resultado puntuaciones bajas. Transformamos de forma logarítmica natural la salida para minimizar el impacto de los valores atípicos en las puntuaciones.

Para facilitar las comparaciones entre los puntajes de favorabilidad ambiental entre sectores con dinámicas similares en la cobertura de coral, realizamos un análisis de conglomerados utilizando los puntajes de estabilidad y cambio en el coral de cada sector para identificar grupos con puntajes estadísticamente similares. Utilizando la función kmeans del paquete ‘cluster’ (Maechler et al. 2023) en R, seleccionamos el número óptimo de grupos en función de caídas precipitadas en la suma de cuadrados dentro del grupo (Fig. S1). Esta función también evaluó la membresía del grupo para cada sector (Fig. S1).

Identificación de áreas de superposición entre la resiliencia de los corales y las condiciones ambientales favorables

Calculamos el área de superposición entre condiciones ambientales altamente favorables y grupos de sectores de coral con tendencias de cobertura similares utilizando el método del centro de celda para convertir todas las celdas de la cuadrícula ráster en cuadrados de la misma área. Identificamos la intersección espacial entre los polígonos resultantes que representan puntuaciones de favorabilidad ambiental ≥0.80 y los polígonos sectoriales en ArcMap 10.7 (ESRI). También identificamos las intersecciones entre sectores con puntuaciones de favorabilidad ambiental <0.80. Con base en esta superposición, encontramos el área en cada cuadrante correspondiente a las posibles acciones de gestión enumeradas en la Tabla 1 para determinar la proporción de cada jurisdicción que podría estar sujeta a diferentes estrategias de la GBR. Utilizamos una prueba de chi cuadrado para determinar si estas proporciones eran significativamente diferentes de lo esperado al azar.

Resultados

Favorabilidad ambiental

Bajo las condiciones climáticas actuales, la zona nororiental de Guam presentó la mayor favorabilidad ambiental. Esta área tuvo puntajes de favorabilidad ambiental de intermedios a altos para las condiciones manejadas (0.50 a 0.80) y puntajes de favorabilidad ambiental altos para las condiciones influenciadas globalmente (>0.75). Las puntuaciones más bajas para las condiciones gestionadas (0.22 a 0.35) se concentraron en el lado occidental de la isla alrededor del puerto de Apra. En contraste, los puntajes más bajos para las condiciones influenciadas globalmente (≤0.30) se ubicaron en el cuadrante suroeste de la isla. Se encontraron puntuaciones altas de favorabilidad ambiental (≥0.70) en la mitad norte de Guam, y puntuaciones bajas (0.10 a 0.35) en el lado suroeste (Fig. 3a).

Figura 3 Puntajes de condiciones gestionadas, condiciones influenciadas globalmente y favorabilidad ambiental en Guam para (a) el clima actual, (b) el escenario de emisiones intermedias y (c) el peor escenario de emisiones. Las puntuaciones de las condiciones gestionadas se mantuvieron iguales en todos los escenarios climáticos futuros. Los colores rojos corresponden a una menor preferencia y peores condiciones para los corales. Los colores azules corresponden a una mayor preferencia y mejores condiciones para los corales. 

En el escenario de emisiones intermedias y en el peor escenario de emisiones, este patrón se invirtió. Las condiciones influenciadas globalmente fueron más favorables a lo largo del lado suroeste, en gran parte porque se prevé que esta parte de la isla experimentara estrés térmico capaz de provocar un blanqueamiento anual severo en un futuro más lejano que en el lado norte. Los puntajes de favorabilidad ambiental relativa más altos se produjeron en el suroeste y el norte, aunque las diferencias entre los sitios con mejor y peor puntaje no fueron tan pronunciadas como las obtenidas con el clima actual (Fig. 3b,c).

Bajo las condiciones climáticas actuales en Samoa Americana, las puntuaciones de favorabilidad ambiental para las condiciones gestionadas fueron las más bajas (0.00 a 0.40) en el lado sureste de Tutuila, mientras que las puntuaciones intermedias (0.35 a 0.65) se encontraron alrededor del lado suroeste, y las puntuaciones más altas se detectaron alrededor del lado noroeste (>0.65). Las islas Manuʻa tuvieron puntuaciones relativamente altas (>0.65) en condiciones de manejo, con la excepción de una pequeña zona en la esquina suroeste de Ofu (Fig. 4a). Este patrón reflejó una confluencia de condiciones relativamente benignas para múltiples variables ambientales contribuyentes, sin que ninguna condición determinara la ubicación de las puntuaciones altas. En contraste, las puntuaciones más altas para las condiciones influenciadas globalmente (>0.70) se concentraron alrededor del lado suroeste de Tutuila. Las puntuaciones más bajas (0.10 a 0.40) se encontraron a lo largo del extremo oriental de Tutuila y se acentuaron por el alto estrés térmico en los alrededores. Las islas Manuʻa exhibieron una combinación de puntuaciones altas y bajas en condiciones influenciadas globalmente. Los puntajes de favorabilidad ambiental resultantes fueron moderadamente bajos (≤0.40) alrededor del extremo oriental de Tutuila y moderadamente altos (>0.65) en todos los demás lugares (Fig. 4). Estos patrones fueron similares para el escenario de emisiones intermedias y el peor escenario de emisiones (Fig. 4b,c).

Figura 4 Puntajes de condiciones gestionadas, condiciones influenciadas globalmente y favorabilidad ambiental en Samoa Americana para (a) el clima actual, (b) el escenario de emisiones intermedias y (c) el peor escenario de emisiones. Las puntuaciones de las condiciones gestionadas se mantuvieron iguales en todos los escenarios climáticos futuros. Los colores rojos corresponden a una menor favorabilidad y peores condiciones para los corales. Los colores azules corresponden a una mayor favorabilidad y mejores condiciones para los corales. 

Cambio y estabilidad de los corales

En Guam, las puntuaciones de cambio de coral más negativas se ubicaron alrededor del extremo sur de la isla. Las puntuaciones de cambio en el coral más positivas se identificaron en los lados sureste y noroeste, lo que refleja ganancias graduales en la cobertura de coral desde 2009 (Figs. 2a, 5a). El lado suroeste tuvo los puntajes más bajos de estabilidad de coral, lo que refleja fuertes disminuciones en la cubierta de coral acercándose a cero. Los puntajes más altos de estabilidad de coral se observaron a lo largo del lado sureste y cerca de la bahía de Agana (Fig. 5b), donde algunos de los porcentajes más altos de cubierta de coral persistieron a lo largo del tiempo (Fig. 2). Los sectores formaron 3 grupos con distintas tendencias en cuanto a cobertura: un grupo estable alrededor de los lados norte y este de la isla; un grupo con una cobertura cada vez mayor en el lado noroeste, que exhibió puntuaciones positivas de cambio en el coral y puntuaciones bajas de estabilidad de coral; y un grupo de cobertura en declive en el lado suroeste, que tuvo puntuaciones negativas de cambio de coral y puntuaciones bajas de estabilidad de coral (Fig. 6a). Las puntuaciones de cambio y estabilidad del coral explicaron el 72.0% de la variación entre grupos (suma de cuadrados entre grupos: 8.567; suma total de cuadrados: 11.901).

Figura 5 (a) Puntaje de cambio en el coral y (b) puntaje de estabilidad de coral por sector. Los rojos corresponden a valores más bajos y los azules corresponden a valores más altos. Los sectores de Guam no tienen nombre y se hace referencia a ellos mediante números asignados arbitrariamente. Los nombres de los sectores de Samoa Americana son: (1) Ofu y Olosega, (2) Ta‘ū abierto, (3) Ta‘ū santuario, (4) Tutuila Aunu‘u A, (5) Tutuila Fagalua, (6) Tutuila Fagatele, (7) noreste de Tutuila abierto, (8) noroeste de Tutuila abierto, (9) sureste de Tutuila abierto, (10) suroeste de Tutuila abierto. Los arrecifes planos, dragados, lagunas, arrecifes traseros y áreas intermareales están excluidos de la vista. Límites del sector coralino de Guam basados en los límites de Oliver et al. (2020a). Los colores corresponden a las puntuaciones de cambio y estabilidad del coral. Los sectores de Guam no tienen nombre y se hace referencia a ellos mediante números asignados arbitrariamente. Sectores de coral para Samoa Americana basados en los límites del National Coral Reef Monitoring Program de la NOAA. No a escala.  

Figura 6 Agrupación de sectores para (a) Guam y (b) Samoa Americana. Los sectores se trazan en función de las puntuaciones de cambio y estabilidad. El análisis de conglomerados determinó la pertenencia al grupo, que se muestra mediante elipses y colores correspondientes a los polígonos sectoriales en los mapas. El azul indica el grupo de bajo cambio/alta estabilidad (alta resiliencia). El amarillo indica el grupo de cambio positivo/baja estabilidad (resiliencia moderada). El café indica el grupo de cambio negativo/baja estabilidad (baja resiliencia). Los arrecifes planos, dragados, lagunas, arrecifes traseros y áreas intermareales están excluidos de la vista. 

En Samoa Americana, el lado noreste de Tutuila y el sector desprotegido de Ta‘ū tuvieron las puntuaciones positivas más altas de cambio en el coral debido a ganancias relativamente altas en la cubierta de coral desde 2010 (Fig. 5a). El suroeste de Tutuila, Aunu&apos;u, Ofu y Olosega tuvieron puntuaciones positivas bajas de cambio en el coral, lo que refleja ligeros aumentos en la cobertura de coral, mientras que el resto de los sectores tuvieron puntuaciones negativas de bajas a moderadas para el cambio en el coral debido a disminuciones en la cubierta de coral (Fig. 2b, 5a). Por el contrario, el suroeste de Tutuila tuvo las puntuaciones más altas de estabilidad de coral, ya que la cubierta de coral siguió siendo la más alta de los 10 sectores. Aunu‘u, Ofu y Olosega tuvieron puntuaciones de estabilidad de coral moderadamente altas, manteniendo una alta cobertura de coral en niveles más bajos o con mayor variabilidad (Figs. 2b, 5b). El noroeste de Tutuila, el sureste de Tutuila y el sector desprotegido de Ta‘ū tuvieron puntuaciones de estabilidad de coral moderadamente bajas, mientras que las puntuaciones bajas de estabilidad de coral en los 3 sectores protegidos (Santuario de Ta‘ū, Fagalua y Fagatele) fueron el resultado de disminuciones relativamente pronunciadas o altas variabilidad en la cobertura de coral (Figs. 2b, 5b). Aquí, los sectores formaron 2 grupos distintos: un grupo estable con puntuaciones bajas de cambio en el coral y puntuaciones altas de estabilidad de coral alrededor del suroeste de Tutuila, noreste de Tutuila, Aunu‘u y la mayor parte de las islas Manu‘a y un grupo de cobertura en declive con puntuaciones negativas de cambio de coral y bajas puntuaciones de estabilidad de los corales en el noroeste de Tutuila, el sureste de Tutuila, el sur de Ta‘ū, la bahía de Fagalua y la bahía de Fagatele (Fig. 6b). Las puntuaciones de cambio y estabilidad explicaron el 75.3% de la variación entre grupos (suma de cuadrados entre grupos: 9.608; suma total de cuadrados: 12.759; Fig. 6).

Síntesis de la resiliencia coralina y la favorabilidad ambiental para la implementación de estrategias de GBR

En ambos sitios, la superposición de condiciones ambientales altamente favorables y sectores estables disminuyó en escenarios climáticos futuros. La mitad norte de Guam exhibió la mayor superposición en las condiciones climáticas actuales y en ambos escenarios climáticos futuros (Fig. 7). La superposición disminuyó de 54.1 km2 en las condiciones climáticas actuales a 29.6 y 30.5 km2 en el escenario de emisiones intermedias y en el peor escenario de emisiones, respectivamente (Fig. 7b,c). La superposición entre sectores con cobertura creciente y condiciones altamente favorables fue considerablemente menor que la de los sectores estables y se limitó a <8.0 km2 en el lado noroeste de la isla para todos los climas considerados (Fig. 7). Los sectores en declive no se superpusieron con condiciones altamente favorables en las condiciones climáticas actuales, pero esto aumentó a 4.0 y 4.9 km2 cerca del extremo sur de la isla en el escenario de emisiones intermedias y el peor escenario, respectivamente (Fig. 7).

Figura 7 Mapa de superposición en las áreas de Guam de alta favorabilidad ambiental (verde claro) y alta resiliencia coralina (azul oscuro) para (a) el clima actual, (b) el escenario de emisiones intermedias y (c) el peor escenario de emisiones. Límites de cuencas hidrográficas incluidos como referencia (WERI 2021). Los arrecifes planos, dragados, lagunas, arrecifes traseros y áreas intermareales están excluidos de la vista. 

En Samoa Americana, sectores estables y condiciones muy favorables se superpusieron alrededor de los lados sur y suroeste de Tutuila y el lado occidental de Ofu (Fig. 8a) bajo condiciones climáticas actuales. En ambos escenarios climáticos futuros, esta superposición se desplazó para incluir menos área del lado sur de Tutuila y más área del oeste de Ofu. La superposición disminuyó de 207.5 km2 bajo las condiciones climáticas actuales a 179.2 y 190.1 km2 en el escenario de emisiones intermedias y el peor escenario de emisiones, respectivamente (Fig. 8b,c). Los sectores estables fuera de condiciones muy favorables constituían la mayor parte de la superficie de las aguas de Samoa Americana en todos los escenarios climáticos (839.9 a 868.3 km2). Los sectores en declive se superpusieron con 134.1 km2 de las condiciones altamente favorables bajo las condiciones climáticas actuales, los cuales se concentraron alrededor del sector noroeste de Tutuila (Fig. 8a). Esta área aumentó en escenarios climáticos futuros y permaneció concentrada en el noroeste de Tutuila (Fig. 8b,c).

Figura 8 Mapa de superposición en las áreas de alta favorabilidad ambiental (verde claro) y alta resiliencia de los corales (azul oscuro) de Samoa Americana para (a) el clima actual, (b) el escenario de emisiones intermedias y (c) el peor escenario de emisiones. Los límites de las cuencas hidrográficas se incluyen como referencia (Wright 2016a, 2016b). Los arrecifes planos, dragados, lagunas, arrecifes traseros y áreas intermareales están excluidos de la vista. 

En Guam, el área adecuada para la conservación de la cobertura de coral estable o en aumento disminuyó en escenarios climáticos futuros. Bajo condiciones climáticas actuales, esta área comprendió el 23% de los 238.7 km2 del área de estudio de Guam y estuvo sobrerrepresentada espacialmente en comparación con lo que se esperaba al azar (χ2 < 0.0001, g.l. = 1, P = 0.0049). En ambos escenarios climáticos futuros, el área para la representación de esta estrategia disminuyó de 15.1% a 15.4% del área de estudio (Fig. 9a) y no fue significativamente diferente de lo que se esperaba al azar (emisiones intermedias: χ2 = 0.2209, g.l. = 1, P = 0.3616; peor escenario de emisiones: χ2 = 0.1455, g.l. = 1, P = 0.2971). Una estrategia de restauración para la cobertura de coral en declive estuvo representada por una proporción muy pequeña del área de estudio (<3%) en todos los escenarios climáticos. Se podrían aplicar estrategias para conservar el material genético o mitigar los factores estresantes en la mayor proporción de Guam (52% a 60% del área de estudio; Fig. 9a).

Figura 9 Área de sectores para (a) Guam y (b) Samoa Americana que corresponden a las estrategias de gestión descritas en la Tabla 1 en función de las tendencias en la cobertura de coral y las puntuaciones de favorabilidad ambiental. 

En Samoa Americana, las proporciones de las áreas en las que se podría aplicar cada conjunto de estrategias de GBR (Tabla 1) fueron similares (variando en <3%) en todos los escenarios climáticos (Fig. 9b). Las áreas para aplicar las estrategias de conservación de poblaciones de coral estables, conservación de material genético y mitigación de factores estresantes para la disminución de la cobertura de coral en condiciones favorables fueron similares y ocuparon cada una del 9% al 13% del área de estudio (1,556.9 km2). La estrategia de gestión de restaurar la cobertura de coral en declive podría aplicarse en el área más grande, la cual comprende del 54% al 56% del área de estudio. Esta estrategia estuvo consistentemente sobrerrepresentada, mientras que la conservación del material genético y la mitigación de los factores estresantes estuvieron subrepresentadas (9% a 11%; clima actual: χ2 < 0.0001, g.l. = 1, P < 0.0001; emisiones intermedias: χ2 < 0.0001, g.l. = 1, P < 0.0001; peor escenario de emisiones: χ2 <0.0001, g.l. = 1, P < 0.0001; Fig. 9b). A pesar de exhibir proporciones consistentes entre las áreas estratégicas, Samoa Americana mostró mayores desplazamientos geográficos con respecto a dónde podrían aplicarse estas estrategias en escenarios climáticos futuros en comparación con los de Guam (Figs. 7-9).

Discusión

Nuestros resultados resaltan áreas donde corales que muestran 2 características de resiliencia potenciales, cambio positivo y estabilidad, coexisten con condiciones ambientales favorables tanto ahora como en múltiples escenarios climáticos futuros. Las evaluaciones de resiliencia anteriores en la región de las islas del Pacífico concuerdan parcialmente con los patrones geográficos identificados en este estudio. En Guam, los puntajes de favorabilidad ambiental fueron más altos alrededor de la mitad norte de la isla (Fig. 3), lo que se alineó con los sitios altamente resilientes que Maynard et al. (2018) identificaron con puntuaciones escaladas para la cobertura de coral, la diversidad de coral, el reclutamiento de coral, la resistencia al blanqueamiento, la cobertura de macroalgas, la biomasa de peces herbívoros y la variabilidad de temperatura. La costa noroeste de Guam también es un centro de importancia para la biodiversidad marina, lo que sugiere que las estrategias de GBR en esta área podrían aportar beneficios adicionales a otros taxones además de a los corales (Dobson et al. 2021). Los sectores coralinos estables en Samoa Americana se alinearon parcialmente con los resultados de una evaluación de resiliencia anterior que incorporó la diversidad y el desempeño de los corales durante eventos de blanqueamiento pasados (Oliver et al. 2020a), particularmente alrededor de las islas Manuʻa (Fig. 6). Sin embargo, alrededor de Tutuila, los sectores estables econtrados en este estudio fueron diferentes a los identificados por Oliver et al. (2020a), quienes encontraron que solo el sector noroeste de Tutuila exhibía una resiliencia de media a alta según las puntuaciones promedio escaladas de diversidad de corales, biomasa de peces herbívoros, cobertura de macroalgas, diversidad de corales juveniles, agotamiento de la pesca, resistencia al blanqueamiento, enfermedades de los corales y variabilidad de la temperatura. Esta divergencia ilustra que examinar los cambios relacionados con el clima en la estructura de la comunidad y las funciones de los ecosistemas podría complementar nuestro enfoque indiferente a las especies, generando una imagen más completa de la resiliencia de los ecosistemas, ya que la tolerancia al estrés de los corales varía según el taxón y la etapa de la historia de vida (McCowan et al. 2012, Nalley et al. 2021).

Las grandes diferencias en las proporciones relativas de las estrategias de GBR aplicables entre las 2 jurisdicciones (Fig. 9) podrían haber sido impulsadas por la mayor superposición de condiciones altamente favorables con sectores de coral en declive en Samoa Americana, lo cual creo un área más grande potencialmente adecuada para la restauración (Figs. 7, 8), mientras que la restauración no surgió como una estrategia generalizada en Guam (Fig. 9). Los principios de la GBR sugieren que la restauración tiene más éxito en áreas con bajo estrés ambiental en comparación con las áreas circundantes (Mcleod et al. 2019). Por el contrario, la gran cantidad de superficie de Guam adecuada para la conservación de material genético o la mitigación de factores estresantes sugiere que contiene varios sectores resistentes a condiciones desafiantes. Se ha documentado que la exposición repetida a la variabilidad ambiental y al estrés aumenta los resultados positivos después de eventos de perturbación graves. Por ejemplo, los corales expuestos a temperaturas del agua variables mantienen una mayor eficiencia fotosintética y exhiben tasas de supervivencia más altas durante eventos de estrés por calor que los corales que viven en temperaturas del agua menos variables. Estas diferencias pueden atribuirse a clados de simbiontes y a los propios corales (McClanahan et al. 2007, Oliver y Palumbi 2011).

Fortalezas y limitaciones de este enfoque

Los promedios sectoriales de los datos agregados del NCRMP de la NOAA no nos permitieron incorporar explícitamente la estructura de la comunidad coralina en nuestro enfoque. Los límites del sector en Samoa Americana se basaron en las unidades de gestión de la NOAA y estuvieron influenciados en gran medida por los límites de las áreas protegidas. El desacuerdo entre nuestros resultados y los de Oliver et al. (2020a) con respecto a qué sectores de Samoa Americana mostraron signos de resiliencia podría deberse al hecho de que las rupturas en la estructura comunitaria no estaban estrechamente alineadas con los límites del sector. Por el contrario, la estructura de la comunidad coralina sirvió para limitar los sectores de Guam, lo que posiblemente explique la concordancia comparativamente mejor entre nuestros resultados y los de Maynard et al. (2018). Esto sugiere que usar las similitudes en la estructura de la comunidad para establecer los límites de las unidades de agregación puede mejorar el uso de métricas de cobertura de coral en evaluaciones de resiliencia en las que los estudios repetidos de la composición de la comunidad son espacialmente limitados o están ausentes.

Una fortaleza de nuestro enfoque es que utiliza datos agregados como los reportados por las agencias de monitoreo gubernamentales. La recopilación e interpretación de datos de la comunidad de coral, si bien ofrece información valiosa sobre la dinámica de los ecosistemas, requiere más tiempo y experiencia que analizar la cobertura de coral sin tener en cuenta las especies. Las puntuaciones de cambio y estabilidad de los corales proporcionan métricas para comparar las tendencias de la cobertura de coral a lo largo del tiempo y son fácilmente repetibles. Además, es fácil superponer espacialmente estas métricas con variables ambientales para revelar alineaciones en posibles impulsores. Sin embargo, estas puntuaciones no captan los matices del cambio comunitario posterior a los disturbios. Por ejemplo, tras repetidos eventos de blanqueamiento, un conjunto de especies de rápido crecimiento y baja diversidad puede recolonizar un conjunto anteriormente diverso. Alternativamente, un conjunto de especies de crecimiento más lento y tolerantes al calor puede ser todo lo que sobreviva (van Woesik et al. 2011, Guest et al. 2012). Estas puntuaciones tampoco reflejan las implicaciones para las comunidades de peces e invertebrados. No sugerimos que este enfoque deba reemplazar las encuestas comunitarias. Más bien, nuestro enfoque complementa estas encuestas que requieren mucha mano de obra al proporcionar una forma rápida de evaluar las tendencias de todo el sector.

Implicaciones para la gestión

Al seleccionar sitios para implementar la GBR, muchos gestores prefieren centrarse en áreas con condiciones deseables para taxones específicos en múltiples escenarios climáticos. Estas preferencias se basan en el supuesto de que es más probable que en estos lugares se obtengan resultados positivos, en términos de función del ecosistema y biodiversidad, independientemente de la incertidumbre que rodea la gravedad de los impactos del cambio climático (Moilanen et al. 2006, Polasky et al. 2011, Neuman et al. 2019). En este sentido, Guam puede mostrar una mayor coherencia geográfica a la hora de aplicar estrategias de GBR que Samoa Americana a medida que el clima continúa cambiando. Por el contrario, las proporciones de estrategias de GBR aplicables siguieron siendo similares en Samoa Americana, aunque se produjeron cambios geográficos más importantes con respecto a dónde deberían implementarse (Figs. 7-9). Independientemente, para ambas jurisdicciones, las estrategias de GBR descritas en este estudio (Tabla 1) podrían ser adecuadas en >75% de sus sectores (Fig. 9).

La falta de proyecciones climáticas a escala fina plantea un desafío para evaluar los impactos potenciales de las condiciones ambientales futuras sobre el crecimiento y la supervivencia de los corales. Por ejemplo, las proyecciones de la temperatura de la superficie del mar del Coupled Model Intercomparison Project (CMIP6) solo estaban disponibles con una resolución de 0.5 grados (Krasting et al. 2018) en el momento del análisis, lo que representa pequeños territorios insulares con solo unas pocas celdas. Solo para 2 variables influenciadas globalmente, el estrés térmico y la erosión relacionada con el ANM, estaban disponibles las proyecciones futuras con suficiente resolución para ser incluidas en el análisis de escenarios climáticos futuros. En particular, el inicio proyectado del blanqueamiento severo anual difirió en menos de una década entre el escenario de emisiones intermedias y el peor escenario de emisiones, lo que probablemente contribuyó a la similitud en las puntuaciones de favorabilidad ambiental. En la región de las islas del Pacífico, muchas acciones de gestión marina se consideran a escala de cuencas individuales, que normalmente tienen <10 km de costa (Comeros-Raynal et al. 2019), lo que demuestra un desajuste entre las escalas espaciales de las proyecciones climáticas disponibles y el detalle necesario para las decisiones de gestión local. A medida que la resolución de las proyecciones climáticas de menor escala mejore para más variables, esta evaluación podría repetirse para proporcionar mayores matices a escala local.

Hemos destacado áreas que pueden ser adecuadas para conservar poblaciones de coral robustas existentes, restaurar corales y mitigar factores de estrés ambiental. Estas consideraciones ecológicas se pueden agregar a consideraciones socioeconómicas y logísticas para determinar estrategias de GBR apropiadas a nivel local (Oliver et al. 2020c), lo cual ayuda a los gestores de arrecifes y a las partes locales interesadas a tomar decisiones que faciliten respuestas adaptativas al cambio climático.

Agradecimientos

Cualquier uso de nombres comerciales, de empresas o de productos tiene fines descriptivos únicamente y no implica respaldo por parte del gobierno de los EE. UU. Este trabajo fue financiado por el U.S. Geological Survey Pacific Islands Climate Adaptation Science Center, apoyado en parte por la Pacific Islands Regional Ocean Data Sharing Initiative y coordinado por el Pacific Islands Ocean Observing System (PacIOOS) con financiamiento de la Administración Nacional Oceanográfica y Atmosférica (concesión #NA16NOS0120024). Los autores agradecen a Tom Oliver y Kurt Ingeman por los datos del sector coralino y sus comentarios sobre el desarrollo de las puntuaciones de cambio y estabilidad; a Jim Potemra, Bernardo Vargas-Angel, David Burdick y Curt Storlazzi por sus comentarios sobre el proceso de modelado de resiliencia; a Michael Ackerman por compartir datos del proyecto American Samoa Coral Drivers; a Melissa Iwamoto y PacIOOS por el apoyo administrativo y logístico; y a Cynthia Derosier y Trent Fish por el apoyo técnico durante los talleres de retroalimentación con gestores costeros. Agradecemos a las siguientes agencias por sus comentarios sobre la presentación del mapa: Guam Bureau of Statistics and Planning, Guam Department of Agriculture, University of Guam Marine Laboratory, Guam Port Authority, Commonwealth of the Northern Mariana Islands Bureau of Environmental and Coastal Quality, American Samoa Coral Reef Advisory Group, American Samoa Department of Commerce, NOAA Office of Coastal Management, NOAA Pacific Islands Fisheries Science Center, National Marine Sanctuary of American Samoa y National Park of American Samoa.

REFERENCIAS

Assis J, Tyberghein L, Bosch S, Verbruggen H, Serrão EA, de Clerck O, Tittensor D. 2018. Bio‐ORACLE v2.0: Extending marine data layers for bioclimatic modelling. Global Ecol Biogeogr 27:277-284. [ Links ]

Ateweberhan M, Feary DA, Keshavmurthy S, Chen A, Schleyer MH, Sheppard CRC. 2013. Climate Change Impacts on coral reefs: synergies with local effects, possibilities for acclimation, and management implications. Mar Pollut Bull. 74(2):526-539. https://doi.org/10.1016/j.marpolbul.2013.06.011 [ Links ]

Aucan J. 2018. Effects of Climate Change on Sea Levels and Inundation Relevant to the Pacific Islands. Pacific Marine Climate Change Report Card: Science Review 2018:43-49. [ Links ]

Barbier EB, Hacker SD, Kennedy C, Koch EW, Stier AC, Silliman BR. 2011. The value of estuarine and coastal ecosystem services. Ecol Monogr. 81(2):169-193. https://doi.org/10.1890/10-1510.1 [ Links ]

Bastazini CV, Munduruca JFV, Rocha PLB, Napoli MF. 2007. Which environmental variables better explain changes in anuran community composition? A case Study in the Restinga of Mata de São João, Bahia, Brazil. Herpetologica. 63(4):459-471. https://doi.org/10.1655/0018-0831(2007)63[459:WEVBEC]2.0.CO;2 [ Links ]

Bessell-Browne P, Negri AP, Fisher R, Clode PL, Duckworth A, Jones R. 2017. Impacts of turbidity on corals: the relative importance of light limitation and suspended sediments. Mar Pollut Bull . 117(1-2):161-170. https://doi.org/10.1016/j.marpolbul.2017.01.050 [ Links ]

Bruno JF, Petes LE, Harvell CD, Hettinger A. 2003. Nutrient enrichment can increase the severity of coral diseases: effect of nutrients on coral disease severity. Ecol Lett. 6(12):1056-1061. https://doi.org/10.1046/j.1461-0248.2003.00544.x [ Links ]

Chung AE, Wedding LM, Green AL, Friedlander AM, Goldberg G, Meadows A, Hixon MA. 2019. Building coral reef resilience through spatial herbivore management. Front Mar Sci. 6:98. https://doi.org/10.3389/fmars.2019.00098 [ Links ]

Chung AE, Wedding LM, Meadows A, Moritsch MM, Donovan MK, Gove J, Hunter C. 2019. Prioritizing reef resilience through spatial planning following a mass coral bleaching event. Coral Reefs. 38(4):837-850. https://doi.org/10.1007/s00338-019-01812-w [ Links ]

Comeros-Raynal MT, Lawrence A, Sudek M, Vaeoso M, McGuire K, Regis J, Houk P. 2019. Applying a ridge-to-reef framework to support watershed, water quality, and community-based fisheries management in American Samoa. Coral Reefs . 38(3):505-520. https://doi.org/10.1007/s00338-019-01806-8 [ Links ]

Comte A, Pendleton LH. 2018. Management strategies for coral reefs and people under global environmental change: 25 years of scientific research. J Environ Manage. 209:462-474. https://doi.org/10.1016/j.jenvman.2017.12.051 [ Links ]

Dobson G, Johnson I, Kowal V, Rhodes K, Lussier B, Byler K. 2021. Guam Costal Resilience Assessment. Prepared for the National Fish and Wildlife Federation. Ashville (NC): University of North Carolina Asheville National Environmental Modeling and Analysis. 63 p. [ Links ]

Fabricius KE. 2005. Effects of terrestrial runoff on the ecology of corals and coral reefs: review and synthesis. Mar Pollut Bull . 50(2):125-146. https://doi.org/10.1016/j.marpolbul.2004.11.028 [ Links ]

Field ME, Ogston AS, Storlazzi CD. 2011. Rising sea level may cause decline of fringing coral reefs. Trans Am Geophys Union. 92(33):273-274. https://doi.org/10.1029/2011EO330001 [ Links ]

Foo SA, Asner GP. 2020. Sea surface temperature in coral reef restoration outcomes. Environ Res Lett. 15(7):074045. https://doi.org/10.1088/1748-9326/ab7dfa [ Links ]

Fox MD, Nelson CE, Oliver TA, Quinlan ZA, Remple K, Glanz J, Smith JE, Putnam HM. 2021. Differential resistance and acclimation of two coral species to chronic nutrient enrichment reflect life‐history traits. Funct Ecol. 35(5):1081-1093. https://doi.org/10.1111/1365-2435.13780 [ Links ]

Graham NAJ, Bellwood DR, Cinner JE, Hughes TP, Norström AV, Nyström M. 2013. Managing resilience to reverse phase shifts in coral reefs. Front Ecol Environ. 11(10):541-548. https://doi.org/10.1890/120305 [ Links ]

Guest JR, Baird AH, Maynard JA, Muttaqin E, Edwards AJ, Campbell SJ, Yewdall K, Affendi YA, Chou LM. 2012. Contrasting patterns of coral bleaching susceptibility in 2010 suggest an adaptive response to thermal stress. PLoS ONE. 7(3):e33353. https://doi.org/10.1371/journal.pone.0033353 [ Links ]

Halpern BS, Frazier M, Potapenko J, Casey KS, Koenig K, Longo C, Lowndes JS, Rockwood RC, Selig ER, Selkoe KA, Walbridge S. 2015. Spatial and temporal changes in cumulative human impacts on the world’s ocean. Nat Commun 6:7615 [ Links ]

Heron SF, Maynard JA, van Hooidonk R, Eakin CM. 2016. Warming trends and bleaching stress of the world’s coral reefs 1985-2012. Sci Rep. 6(1):38402. https://doi.org/10.1038/srep38402 [ Links ]

Holling CS. 1973. Resilience and stability of ecological systems. Annu Rev Ecol Syst. 4(1):1-23. https://doi.org/10.1146/annurev.es.04.110173.000245 [ Links ]

Houk P, Benavente D, Iguel J, Johnson S, Okano R. 2014. Coral reef disturbance and recovery dynamics differ across gradients of localized stressors in the Mariana Islands. PLoS ONE . 9(8):e105731. https://doi.org/10.1371/journal.pone.0105731 [ Links ]

Houk P, Didonato G, Iguel J, van Woesik R. 2005. Assessing the effects of non-point source pollution on American Samoa’s coral reef communities. Environ Monit Assess. 107(1-3):11-27.https://doi.org/10.1007/s10661-005-2019-4 [ Links ]

Jales-Cavalcanti M, do Nascimento-Feitosa FA, Koening ML, Flores-Montes MJ, de Araújo-Filho MC, Araújo-da Silva R. 2015. Phytoplankton biomass dynamics and environmental variables around the Rocas Atoll Biological Reserve, South Atlantic. Brazilian J Oceanogr. 63(4):443-454. https://doi.org/10.1590/S1679-87592015093906304 [ Links ]

Jenness J, Houk P. 2014. UOGML Wave Energy ArcGIS Extension. Mangilao: University of Guam Marine Laboratory. [ Links ]

Kenneth RNA, Marshall PA, Abdulla A, Beeden R, Bergh C, Black R, Eakin CM, Game ET, Gooch M, Graham NAJ. 2015. Operationalizing Resilience for Adaptive Coral Reef Management under Global Environmental Change. Global Change Biol. 21(1):48-61. https://doi.org/10.1111/gcb.12700 [ Links ]

Kottermair M. 2012. Piti-Asan Watershed Management Plan. Mangilao (Guam): Water and Environmental Research Institute (WERI) of the Western Pacific-University of Guam. Technical Report No.: 138. [ Links ]

Krasting JP, John JG, Blanton C, McHugh C, Nikonov S, Radhakrishnan A, Rand K, Zadeh NT, Balaji V, Durachta J, et al. 2018. NOAA-GFDL GFDL-ESM4 Model Output Prepared for CMIP6 CMIP: Earth System Grid Federation. https://doi.org/10.22033/ESGF/CMIP6.1407 [ Links ]

Lê S, Josse J, Husson F. 2008. FactoMineR: A Package for Multivariate Analysis. J Stat Softw, 25(1):1-18. https://doi.org/10.18637/jss.v025.i01. [ Links ]

Maechler M, Rousseeuw P, Struyf A, Hubert M, Hornik K. 2023. cluster: Cluster Analysis Basics and Extensions. R package v. 2.1.5. [ Links ]

Maynard J, Johnson S, Burdick DR, Jarrett A, Gault J, Idechong J, Miller R, Williams GJ, Heron SF, Raymundo L. 2018. Coral reef resilience to climate change in Guam in 2016. NOAA Technical Memorandum CRCP. 29:1-51. https://doi.org/10.7289/V5/TM-CRCP-29 [ Links ]

McClanahan TR, Ateweberhan M, Muhando CA, Maina J, Mohammed MS. 2007. Effects of climate and seawater temperature variation on coral bleaching and mortality. Ecol Monogr . 77(4):503-525. https://doi.org/10.1890/06-1182.1 [ Links ]

McCowan DM, Pratchett MS, Baird AH. 2012. Bleaching susceptibility and mortality among corals with differing growth forms. Proceedings of the 12th International Coral Reef Symposium; 9-13 Jul 2012, vol. 9. Cairns (Australia). 6 p. [ Links ]

Mcleod E, Anthony KRN, Mumby PJ, Maynard J, Beeden R, Graham NAJ, Heron SF, Hoegh-Guldberg O, Jupiter S, MacGowan P, et al. 2019. The future of resilience-based management in coral reef ecosystems. J Environ Manage . 233:291-301. https://doi.org/10.1016/j.jenvman.2018.11.034 [ Links ]

Moilanen A, Runge MC, Elith J, Tyre A, Carmel Y, Fegraus E, Wintle BA, Burgman M, Ben-Haim Y. 2006. Planning for robust reserve networks using uncertainty analysis. Ecol Modell. 199(1):115-124. https://doi.org/10.1016/j.ecolmodel.2006.07.004 [ Links ]

Moritsch MM. 2018. Ecological causes and consequences of sea star wasting syndrome on the Pacific coast [dissertation]. [Santa Cruz (CA)]: Univesity of California Santa Cruz. 184 p. [ Links ]

Moritsch MM. 2021. Favorability of environmental conditions for coral reefs in Guam and American Samoa under multiple climate scenarios: U.S. Geological Survey data release. https://doi.org/10.5066/P9N32V3M [ Links ]

Nalley EM, Tuttle LJ, Barkman AL, Conklin EE, Wulstein DM, Richmond RH, Donahue MJ. 2021. Water quality thresholds for coastal contaminant impacts on corals: a systematic review and meta-analysis. Sci Total Environ. 794:148632. https://doi.org/10.1016/j.scitotenv.2021.148632 [ Links ]

NASA Ocean Biology Distributed Active Archive Center (DAAC). 2020. Earth Science Data and Information System (ESDIS): NASA; [accessed 2021 May 03]. https://oceandata.sci.gsfc.nasa.gov/directaccess/MODIS-Aqua/. [ Links ]

Neuman KK, Stein RW, Eyster CR, Gardali T. 2019. Climate-Smart Conservation of Beaches and Dunes for Western Snowy Plover Recovery in Monterey Bay, California. Petaluma (CA): Point Blue Conservation Science. Report No.: F15AC00642. [ Links ]

NOAA. 2018. US Coral Reef Monitoring Data Summary. NOAA Technical Memorandum CRCP . 31:1-224. https://doi.org/10.25923/G0V0-NM61 [ Links ]

NOAA. 2020. Coral Reef Watch Version 3.1. Daily Global 5 km Satellite Coral Bleaching Degree Heating Week Product, 1985-2020. College Park (Maryland, USA): NOAA Coral Reef Watch; [accessed 2021 Jan 10]. https://coralreefwatch.noaa.gov/product/5km/index_5km_composite.php. [ Links ]

NOAA Digital Coast. 2017. Digital Coast Sea Level Rise Viewer. 1-8. https://coast.noaa.gov/slr/. [ Links ]

Norström AV, Nyström M, Lokrantz J, Folke C. 2009. Alternative states on coral reefs: beyond coral-macroalgal phase shifts. Mar Ecol Prog Ser. 376:295-306. https://doi.org/10.3354/meps07815 [ Links ]

Oliver TA, Barkley H, Couch C, Kindinger T, Williams I. 2020b. Downscaling ecological trends from the spatially randomized datasets of the National Coral Reef Monitoring Program. NOAA Technical Memorandum NMFS-PIFSC.106:59. https://doi.org/10.25923/2FEF-8R42 [ Links ]

Oliver TA, Danika K, Hospital J, Maynard J, Dieter T. 2020a. Coral Reef Resilience and Social Vulnerability to Climate Change: American Samoa. Honolulu (HI): NOAA Pacific Islands Fisheries Science Center. [ Links ]

Oliver TA, Hospital J, Brainard R. 2020c. Spatial prioritization under Resilience Based Management: evaluating trade-offs among prioritization strategies. NOAA Technical Memorandum NMFS-PIFSC . 105:47. https://doi.org.10.25923/XDF2-T259 [ Links ]

Oliver TA, Palumbi SR. 2011. Do fluctuating temperature environments elevate coral thermal tolerance? Coral Reefs . 30(2):429-440. https://doi.org/10.1007/s00338-011-0721-y [ Links ]

[PacIOOS] Pacific Islands Ocean Observing System. 2022. Projects: Coral Reef Resilience in Guam and American Samoa; [accessed 2022 February 1]. http://www.pacioos.hawaii.edu/projects/coral-resilience-guam-amsam/. [ Links ]

[PIFSC] NOAA Pacific Islands Fisheries Science Center, [CRCP] NOAA Coral Reef Conservation Program, and [ESA-CCI] European Space Agency Climate Change Initiative. 2021a. Chlorophyll-a Long-term Mean, 1998-2018. American Samoa: [PacIOOS] Pacific Islands Ocean Observing System. [ Links ]

[PIFSC] NOAA Pacific Islands Fisheries Science Center, [CRCP] NOAA Coral Reef Conservation Program, and [ESA-CCI] European Space Agency Climate Change Initiative. 2021b. Turbidity (Kd490) Long-term Mean, 1998-2018. American Samoa: [PacIOOS] Pacific Islands Ocean Observing System. [ Links ]

[PIFSC] NOAA Pacific Islands Fisheries Science Center, [CRCP] NOAA Coral Reef Conservation Program, and [ESA-CCI] European Space Agency Climate Change Initiative. 2021d. Wave Power Long-term Mean, 2002-2012. American Samoa: [PacIOOS] Pacific Islands Ocean Observing System . [ Links ]

[PIFSC] NOAA Pacific Islands Fisheries Science Center, [CRCP] NOAA Coral Reef Conservation Program, and [ESA-CCI] European Space Agency Climate Change Initiative. 2021c. Photosynthetically Active Radiation (PAR) Long-term Mean, 2003-2018. American Samoa: [PacIOOS] Pacific Islands Ocean Observing System . [ Links ]

Polasky S, Carpenter SR, Folke C, Keeler B. 2011. Decision-making under great uncertainty: environmental management in an era of global change. Trends Ecol Evol. 26(8):398-404. https://doi.org/10.1016/j.tree.2011.04.007 [ Links ]

Pratchett M, Heron S, Mellin C, Cumming G. 2009. Recurrent mass-bleaching and the potential for ecosystem collapse on Australia’s Great Barrier Reef. In: Canadell J, Jackson R (eds.), Ecosystem Collapse and Climate Change. Vol. 241, Ecological Studies (Analysis and Synthesis). Cham (Switzerland): Springer Nature. p. 1492-1499. [ Links ]

Prouty NG, Storlazzi CD, McCutcheon AL, Jenson JW. 2014. Historic impact of watershed change and sedimentation to reefs along west-central Guam. Coral Reefs . 33(3):733-749. https://doi.org/10.1007/s00338-014-1166-x [ Links ]

Raj KD, Aeby GS, Mathews G, Williams GJ, Caldwell JM, Laju RL, Bharath MS, Kumar PD, Arasamuthu A, Asir NGG, Wedding LM, Davies AJ, Moritsch MM, Patterson-Edward JK. 2021. Coral reef resilience differs among islands within the Gulf of Mannar, southeast India, following successive coral bleaching events. Coral Reefs . 40(4):1029-1044. https://doi.org/10.1007/s00338-021-02102-0 [ Links ]

Raymundo LJ, Burdick D, Hoot WC, Miller RM, Brown V, Reynolds T, Gault J, Idechong J, Fifer J, Williams A. 2019. Successive bleaching events cause mass coral mortality in Guam, Micronesia. Coral Reefs . 38(4):677-700. https://doi.org/10.1007/s00338-019-01836-2 [ Links ]

Raymundo LJ, Burdick D, Lapacek V, Miller R, Brown V. 2017. Anomalous temperatures and extreme tides: Guam staghorn Acropora succumb to a double threat. Mar Ecol Prog Ser . 564:47-55. https://doi.org/10.3354/meps12005 [ Links ]

R Core Team. 2021. R: A Language and Environment for Statistical Computing. Vienna (Austria): R Foundation for Statistical Computing. https://www.R-project.org. [ Links ]

Reguero BG, Storlazzi CD, Gibbs AE, Shope JB, Cole AD, Cumming KA, Beck MW. 2021. The value of US coral reefs for flood risk reduction. Nature Sustainability. 4:688-698. https://doi.org/10.1038/s41893-021-00706-6 [ Links ]

Riahi K, Rao S, Krey V, Cho C, Chirkov V, Fischer G, Kindermann G, Nakicenovic N, Rafaj P. 2011. RCP 8.5-A scenario of comparatively high greenhouse gas emissions. Climatic Change. 109(1-2):33-57. https://doi.org/10.1007/s10584-011-0149-y [ Links ]

Risk MJ, Edinger E. 2011. Impacts of sediment on coral reefs. In: Hopley D (ed.), Encyclopedia of Modern Coral Reefs , Encyclopedia of Earth Sciences Series. Dordrecht (Netherlands): Springer Netherlands. p. 575-586. [ Links ]

Safaie A, Silbiger NJ, McClanahan TR, Pawlak G, Barshis DJ, Hench JL, Rogers JS, Williams GJ, Davis KA. 2018. High frequency temperature variability reduces the risk of coral bleaching. Nat Commun . 9(1):1671. https://doi.org/10.1038/s41467-018-04074-2 [ Links ]

Schoepf V, Jung MU, McCulloch MT, White NE, Stat M, Thomas L. 2020. Thermally variable, macrotidal reef habitats promote rapid recovery from mass coral bleaching. Front Mar Sci . 7:245.https://doi.org/10.3389/fmars.2020.00245 [ Links ]

Shuler CK, Comeros-Raynal M. 2020. Ridge to reef management implications for the development of an open-source dissolved inorganic nitrogen-loading model in American Samoa. Environ Manage. 66(3):498-515. https://doi.org/10.1007/s00267-020-01314-4 [ Links ]

Smith JE, Hunter CL, Smith CM. 2010. The effects of top-down versus bottom-up control on benthic coral reef community structure. Oecologia. 163(2):497-507. https://doi.org/10.1007/s00442-009-1546-z [ Links ]

Soil Survey Staff. 2020. Gridded Soil Survey Geographic (gSSURGO) Database for American Samoa and Guam; [accessed 2021 January 06]. https://gdg.sc.egov.usda.gov/. [ Links ]

Storlazzi CD, Elias E, Field ME, Presto MK. 2011. Numerical modeling of the impact of sea-level rise on fringing coral reef hydrodynamics and sediment transport. Coral Reefs . 30(S1):83-96. https://doi.org/10.1007/s00338-011-0723-9 [ Links ]

Stuart-Smith RD, Brown CJ, Ceccarelli DM, Edgar GJ. 2018. Ecosystem restructuring along the Great Barrier Reef following mass coral bleaching. Nature. 560(7716):92-96. https://doi.org/10.1038/s41586-018-0359-9 [ Links ]

Swanson DW, Bailey H, Schumacher B, Ferguson M, Vargas-Ángel B. 2018. Ecosystem Sciences Division standard operating procedures: Data collection for rapid ecological assessment benthic surveys. NOAA Technical Memorandum NMFS-PIFSC -71:63. [ Links ]

Thomson AM, Calvin KV, Smith SJ, Kyle GP, Volke A, Patel P, Delgado-Arias S, Bond-Lamberty B, Wise MA, Clarke LE, et al. 2011. RCP4.5: a pathway for stabilization of radiative forcing by 2100. Climatic Change . 109(1-2):77-94. https://doi.org/10.1007/s10584-011-0151-4 [ Links ]

[UNEP] United Nations Environment Programme. 2017. Coral Bleaching Futures: Downscaled Projections of Bleaching Conditions for the World’s Coral Reefs , Implications of Climate Policy and Management Responses. Nairobi (Kenya): United Nations Environment Programme. 71. [ Links ]

Van Hooidonk R, Maynard JA, Manzello D, Planes S. 2014. Opposite latitudinal gradients in projected ocean acidification and bleaching impacts on coral reefs. Global Change Biol . 20(1):103-112. https://doi.org/10.1111/gcb.12394 [ Links ]

Van Hooidonk R, Maynard J, Tamelander J, Gove J, Ahmadia G, Raymundo L, Williams G, Heron SF, Planes S. 2016. Local-scale projections of coral reef futures and implications of the Paris Agreement. Sci Rep . 6(1):39666. https://doi.org/10.1038/srep39666 [ Links ]

Van Woesik R, Sakai K, Ganase A, Loya Y. 2011. Revisiting the winners and the losers a decade after coral bleaching. Mar Ecol Prog Ser . 434:67-76. https://doi.org/10.3354/meps09203 [ Links ]

Weber M, de Beer D, Lott C, Polerecky L, Kohls K, Abed RMM, Ferdelman TG, Fabricius KE. 2012. Mechanisms of damage to corals exposed to sedimentation. Proc Natl Acad Sci. 109(24). https://doi.org/10.1073/pnas.1100715109 [ Links ]

[WERI] Water and Environmental Research Institute of the Western Pacific. 2016. Watersheds, Major - Southern Guam. Dataset. Distributed by Pacific Islands Ocean Observing System; [accessed 1 August 2023]. [ Links ]

Williams G, Maynard J. 2019. Human and natural drivers of coral reef resilience to climate-induced coral bleaching in Guam; identifying potential climate refugia. Final report for Grant No. NA18NOS4820106. [ Links ]

Wright DJ. 2016. Watersheds, Minor - Tutuila, American Samoa. Dataset. Distributed by Pacific Islands Ocean Observing System; [accessed 2022 August 01]. [ Links ]

Wright DJ. 2016. Watersheds, Major - Manua, American Samoa. Dataset. Distributed by Pacific Islands Ocean Observing System; [accessed 2022 August 01]. [ Links ]

Disponibilidad de datos

Las capas del SIG están disponibles para descargar (Moritsch 2021; https://doi.org/10.5066/P9N32V3M). Los mapas están disponibles en un visor web interactivo en el sitio web de PacIOOS (PacIOOS 2022; http://www.pacioos.hawaii.edu/projects/coral-resilience-guam-amsam/).

Traducido al español por Claudia Michel-Villalobos.

Metodos suplementarios

Procesamiento ráster

Todos los rásteres se proyectaron en el sistema de coordenadas apropiado (WGS UTM 55N para Guam, WGS UTM 2S para Samoa Americana) y se alinearon en una cuadrícula única para cada jurisdicción en ArcMap 10.7 (ESRI). Cambiamos la escala de los rásteres a una resolución espacial común apropiada para la jurisdicción. En Guam, la autocorrelación espacial dentro de la composición de la comunidad coralina disminuye después de 2,300 m (Williams y Maynard 2019). Usamos esta distancia para informar nuestra elección de resolución. Debido a que necesitábamos que cada sector ecológico estuviera representado por al menos un píxel de ancho, elegimos 1,150 m (la mitad de la distancia de autocorrelación espacial) para la resolución de salida, de modo que los sectores más pequeños aún estuvieran representados por separado de sus vecinos más grandes y al mismo tiempo manteniendo unidades que anidadas con la distancia de autocorrelación.

Para Samoa Americana, una búsqueda bibliográfica no reveló ningún estudio que documente la distancia de la autocorrelación espacial. Las conversaciones preliminares con los gestores resaltaron una preferencia por conjuntos de datos con una resolución <1 km para atender los objetivos de gestión a escala de bahía. Ya se habían generado varios conjuntos de datos ambientales con una resolución de 500 m (http://www.pacioos.hawaii.edu/projects/coral-drivers-amsam; Tabla S1). Para aumentar la relevancia para la gestión y la compatibilidad de nuestros datos con esas capas, optamos por utilizar una resolución de 500 m para esta jurisdicción. Cuando la resolución nativa de los rásteres ambientales no coincidía con la resolución elegida de los mapas de resiliencia (1,150 m para Guam, 500 m para Samoa Americana), volvimos a muestrear los rásteres utilizando el método del vecino más cercano para preservar mejor los valores de los datos originales. Los datos de los polígonos, como la cobertura media de macroalgas en cada sector, se convirtieron en rásteres que coincidían con la resolución de salida utilizando el método de centros de células.

Estimaciones de la erosión del suelo relacionada con el aumento del nivel del mar

Encontramos la superposición entre los suelos SSURGO del USDA con mayor probabilidad de erosión (Soil Survey Staff 2020) y áreas que se inundarían con 61 cm (2 pies) y 91 cm (3 pies) de aumento del nivel del mar (SLR). Encontramos polígonos de la base de datos SSURGO con los siguientes tipos geomórficos: llanura costera, llanuras aluviales, llanuras de valles, fondos de valles, pantanos, depresiones, fondos de cuencas y rellenos. Todas estas son áreas de baja pendiente (≤5%). Utilizamos estimaciones de la NOAA sobre inundaciones por mareas extremas provocadas por el aumento del nivel del mar de NOAA Digital Coast (2017). Si bien estos no se correspondían exactamente con el SLR esperado en la trayectoria de concentración representativa (TCR) 4.5 u 8.5 (Aucan 2018), elegimos las alturas disponibles más cercanas en los incrementos de 30.5 cm (1 pie) mapeados por la NOAA. Usamos la función Costo de distancia en ArcMap para producir un ráster de distancia sobre el agua desde estos polígonos erosionables hasta todas las celdas de agua.

Llenando píxeles vacíos cercanos a la costa en datos de detección remota

Los datos sobre el color del océano pueden ser poco fiables en entornos cercanos a la costa debido a la escorrentía de sedimentos. En Samoa Americana, los píxeles cercanos a la costa ya habían sido enmascarados e interpolados en la zona costera para conjuntos de datos de clorofila a, turbidez, irradiancia y energía de las olas (NOAA PIFSC et al. 2021a-d). Los conjuntos de datos de color del océano de Guam (NASA Ocean Biology DAAC 2020) tenían píxeles cercanos a la costa enmascarados, pero no rellenados mediante interpolación. Utilizamos el método de Estadísticas Focales en ArcMap para calcular la media de un radio de 3 celdas en un vecindario circular alrededor de los píxeles cercanos a la costa que faltan para estimar los valores cercanos a la costa de clorofila a y turbidez (Tabla 1).

Análisis de componentes principales

Seleccionamos componentes principales (CP) con valores propios ≥1 (Tabla S2, S3). Las variables cargadas en la CP con valores propios <1 se omitieron de análisis posteriores. Para determinar cargas variables para cada CP (Tabla S2, S3), utilizamos un límite de >0.4 o <-0.4. Las variables con valores moderados podrían estar asociadas a múltiples CP. Al cambiar la escala de la PC, asignamos 1 a las mejores condiciones para los corales y 0 a las peores. Por ejemplo, para las condiciones gestionadas de Guam, CP1 consistió en clorofila, cubierta de macroalgas, contaminación y turbidez, todas las cuales aumentaron en favorabilidad (Tabla S2). Los coeficientes de correlación entre variables en el mismo análisis de componentes principales se enumeran en la Tabla S4-S7.

Tabla S1 Fuentes de datos ambientales utilizados en el cálculo de los puntajes de favorabilidad ambiental. GU = Guam, AS = Samoa Americana. RCP 4.5 corresponde al escenario de emisiones intermedias. RCP 8.5 corresponde al peor escenario de emisiones. Continúa en la siguiente página. 

Variable Place Description Units Scenario Source Dates Original resolution
Managed variables
Chlorophyll GU Chlorophyll a annual mean mg·m-3 All (NASA Ocean Biology DAAC 2020) 1997-2018 4.80 km
Chlorophyll AS Chlorophyll a annual mean mg·m-3 All (PIFSC et al. 2021a) 1998-2018 5.40 km
Herbivore Biomass GU, AS Herbivore biomass from NCRMP surveys g·m-2 All (Swanson et al. 2018) 2015-2017 Point
Fish biomass GU, AS Total reef fish biomass from NCRMP surveys (excluding sharks and rays) g·m-2 All (Swanson et al. 2018) 2015-2017 Point
Turbidity GU Total organic and inorganic matter held in solution and suspension in the water column kd490 (KD4) All (NASA Ocean Biology DAAC 2020) 2003-2020 4.00 km
Turbidity AS Total organic and inorganic matter held in solution and suspension in the water column kd490 (KD4) All (PIFSC et al. 2021b) 1998-2018 0.50 km
Ocean-based pollution GU Pollution coming from commercial shipping and ports, based on shipping volume and modeled plumes within 100 km from ports Index-based All (Halpern et al. 2015) 2003-2011 0.93 km
Macroalgal cover GU, AS Average percent cover of macroalgae by sector in NCRMP surveys Percent All (Swanson et al. 2018) 2009-2018 Polygon
Globally influenced variables - present
Calcite GU, AS Mean monthly calcite concentration mmol·m-3 All (Assis et al. 2018) 2000-2014 7.00 km
Irradiance AS Photosynthetically available radiation (PAR) E·m-2·d-1 All (PIFSC et al. 2021c) 2013-2018 0.50 km
Irradiance GU Photosynthetically available radiation (PAR) E·m-2·d-1 All (NASA Ocean Biology DAAC 2020) 2002-2019 4.60 km
Cumulative thermal stress GU, AS Average monthly maximum Degree Heating Weeks (oC above the maximum monthly mean per week, cumulative over the prior 12 weeks) Degree heating weeks (°C) Present-Day Climate (NOAA Coral Reef Watch 2020) 2013-2020 5.00 km
Wave energy GU Mean daily wave energy along shoreline based on wind direction, wind speed, and fetch length, created with University of Guam Marine Lab Wave Energy ArcGIS Extension J·m-3 All (Jenness and Houk 2014) 2014 0.33 km
Wave energy AS Long term mean cumulative annual wave power based on Wave Watch III global wave model data and coastline analysis of wave exposure MW·hr-1·m-1 All (PIFSC et al. 2021d) 2002-2012 0.50 km
Globally influenced variables - future
Future thermal stress GU, AS Year of annual severe bleaching using RCP 4.5 and RCP 8.5 sea surface temperature projections Year RCP 4.5, RCP 8.5 (van Hooidonk et al. 2016; UNEP 2017) 2015 4.80 km
Sea-level rise GU, AS 2100 projections for sea-level rise heights of 2ft (~RCP 4.5 = 0.57 m) and 3ft (~RCP 8.5 = 0.76 m) m RCP 4.5, RCP 8.5 (NOAA Digital Coast 2017) 2100 3.00 m
Soil type GU, AS Erosion-prone soil geomorphic types Polygon RCP 4.5, RCP 8.5 (Soil Survey Staff 2020) 2020 10.00 m

Tabla S2 Valores propios del componente principal (CP) y cargas variables para Guam. El letrero indica la dirección de carga en la CP. Las variables de entrada se escalaron en función de la favorabilidad para el crecimiento y la supervivencia del coral de 0 (peor) a 1 (mejor) antes del análisis, de modo que la dirección de la carga represente la favorabilidad en lugar de la direccionalidad de las condiciones ambientales mismas. SLR indica el aumento del nivel del mar. 

Managed PC1 PC2
Eigenvalues 1.88 1.59
% Variation 31.40 26.50
Loading variables Chlorophyll (+)
Macroalgae (+)
Pollution (+)
Turbidity (+)
Fish biomass (+)
Herbivore biomass (+)
Globally influenced (Present-Day Climate) PC1
Eigenvalues 2.07
% Variation 44.10
Loading variables Calcite (+)
Thermal stress (-)
Irradiance (+)
Globally influenced (Intermediate Emissions, RCP 4.5) PC1 PC2 PC3
Eigenvalues 1.66 1.11 1.05
% Variation 33.30 22.10 20.90
Loading variables Calcite (+) Irradiance (+) Bleaching date (+) Calcite (+)
SLR-erosion (+)
Globally Influenced (worst-case emissions, RCP 8.5) PC1 PC2
Eigenvalues 1.74 1.28
% Variation 34.70 25.60
Loading variables Calcite (+)
Irradiance (+)
Bleaching date (+)
SLR-erosion (+)

Tabla S3 Valores propios del componente principal (CP) y cargas variables para Samoa Americana. El letrero indica la dirección de carga en la CP. Las variables de entrada se escalaron en función de la favorabilidad para el crecimiento y la supervivencia del coral de 0 (peor) a 1 (mejor) antes del análisis, de modo que la dirección de la carga represente la favorabilidad en lugar de la direccionalidad de las condiciones ambientales mismas. SLR indica el aumento del nivel del mar. 

Managed PC1 PC2
Eigenvalues 2.53 1.27
% Variation 50.60 25.40
Loading variables Chlorophyll (+)
Herbivore biomass (+)
Macroalgae (+)
Turbidity (+)
Fish biomass (+)
Globally influenced (Present-Day Climate) Eigenvalues 1.76 1.00
% Variation 44.10 25.10
Loading variables Calcite (-)
Thermal stress (+)
Irradiance (+)
Wave power (+)
Globally influenced (Intermediate Emissions, RCP 4.5) Eigenvalues 1.49 1.31
% Variation 29.90 26.20
Loading variables Bleaching date (+)
Calcite (-)
Irradiance (+)
SLR-erosion (+)
Wave power (+)
Globally influenced (Worst-case Emissions, RCP 8.5) Eigenvalues 1.48 1.34
% Variation 29.60 26.70
Loading variables Bleaching date (+)
Calcite (-)
Irradiance (+)
SLR-erosion (+)
Wave power (+)

Tabla S4 Matriz de correlación de variables ambientales gestionadas para Guam. 

Chlorophyl Fish biomass Herbivore biomass Macroalgae Pollution Turbidity
Chlorophyl 1.000 -0.091 0.026 0.381 0.401 0.270
Fish biomass -0.091 1.000 0.586 0.048 -0.013 0.149
Herbivore biomass 0.026 0.586 1.000 -0.018 -0.052 -0.101
Macroalgae 0.381 0.048 -0.018 1.000 0.303 0.041
Irradiance -0.477 -0.254 -0.257 -0.594 -0.261 -0.098
Pollution 0.401 -0.013 -0.052 0.303 1.000 0.321
Turbidity 0.270 0.149 -0.101 0.041 0.321 1.000

Tabla S5 Matriz de correlación para variables ambientales influenciadas globalmente para Guam. Las variables para RCP 4.5 (escenario de emisiones intermedio) no se utilizaron en el mismo análisis de componentes principales que RCP 8.5 (escenario de emisiones en el peor de los casos). El estrés térmico actual tampoco se utilizó en los escenarios climáticos futuros. 

Calcite Present thermal stress Irradiance Wave power Bleaching RCP 4.5 Bleaching RCP 8.5 Erosion RCP 4.5 Erosion RCP 8.5
Calcite 1.000 -0.166 0.491 -0.323 0.157 0.424 -0.023 -0.057
Present thermal stress -0.166 1.000 -0.776 0.293 0.359 0.386 0.435 0.433
Irradiance 0.491 -0.776 1.000 -0.155 -0.173 -0.079 -0.312 -0.312
Wave power -0.323 0.293 -0.155 1.000 -0.037 -0.080 0.379 0.394
Bleaching RCP 4.5 0.157 NA -0.173 -0.037 1.000 NA -0.040 NA
bleaching RCP 8.5 0.424 NA -0.079 -0.080 NA 1.000 NA 0.134
erosion RCP 4.5 -0.023 NA -0.312 0.379 -0.040 NA 1.000 NA
erosion RCP 8.5 -0.057 NA -0.312 0.394 NA 0.134 NA 1.000

Tabla S6 Matriz de correlación para variables ambientales gestionadas en Samoa Americana. 

Fish biomass Herbivore biomass Chlorophyll Turbidity Macroalgae
Fish biomass 1.000 0.376 0.093 0.051 -0.034
Herbivore biomass 0.376 1.000 -0.432 -0.414 -0.208
Chlorophyll 0.093 -0.432 1.000 0.913 0.574
Turbidity 0.051 -0.414 0.913 1.000 0.590
Macroalgae -0.034 -0.208 0.574 0.590 1.000

Tabla S7 Matriz de correlación para variables ambientales influenciadas globalmente en Samoa Americana. Las variables para RCP 4.5 (escenario de emisiones intermedias) no se utilizaron en el mismo PCA que RCP 8.5 (escenario de emisiones en el peor de los casos). El estrés térmico actual tampoco se utilizó en los escenarios climáticos futuros. 

Bleaching RCP4.5 Bleaching RCP8.5 Calcite Present thermal stress Erosion RCP4.5 Erosion RCP 8.5 Irradiance Wave power
Bleaching RCP4.5 1.000 NA -0.266 NA -0.110 NA -0.216 -0.214
Bleaching RCP8.5 NA 1.000 -0.279 NA NA -0.165 -0.220 -0.136
Calcite -0.266 -0.279 1.000 0.478 -0.165 -0.160 0.275 0.067
Present thermal stress -0.304 -0.225 0.478 1.000 0.005 -0.015 0.328 0.188
Erosion RCP4.5 -0.110 NA -0.165 NA 1.000 NA -0.032 0.228
Erosion RCP 8.5 NA -0.165 -0.160 NA NA 1.000 -0.066 0.257
Irradiance -0.216 -0.220 0.275 0.328 -0.032 -0.066 1.000 0.005
Wave power -0.214 -0.136 0.067 0.188 0.228 0.257 0.005 1.000

Figura S1 (a) Resultados del análisis de conglomerados de kmeans de Guam para un número óptimo de conglomerados y (b) membresía del sector dentro de los conglomerados. (c) Resultados del análisis de conglomerados de Samoa Americana (AS) para un número óptimo de conglomerados y (d) membresía del sector dentro de los conglomerados. Se utilizaron caídas precipitadas en la suma de cuadrados para determinar el número óptimo de grupos. Los números dentro de las parcelas para (b) y (d) se refieren a los sectores correspondientes. 

Recibido: 06 de Octubre de 2022; Aprobado: 30 de Julio de 2023; Publicado: 28 de Diciembre de 2023

Creative Commons License This is an open-access article distributed under the terms of the Creative Commons Attribution License