L’influenza aviaria ha colpito duramente gli elefanti marini del sud a Punta Ninfas e lungo la Península Valdés, segnando un evento senza precedenti per questa specie. Nel 2023, circa il 97% dei cuccioli nati è morto a causa di un ceppo altamente patogeno del virus, portando allo spopolamento temporaneo delle spiagge dove questa colonia prosperava fino al 2022. Questo episodio rappresenta la prima mortalità di massa documentata di Mirounga leonina legata a questo virus, con un impatto che va ben oltre la biologia, coinvolgendo gestione e tecnologia per sostenere la ripresa di una popolazione fino ad allora in crescita. Le strategie di monitoraggio si stanno quindi evolvendo, integrando dati biologici, ambientali e modelli epidemiologici per stimare i tempi di recupero e progettare interventi più efficaci, indispensabili per affrontare questa emergenza sanitaria in ambiente marino.
Danni demografici e trend di mortalità
Fino al 2022, la popolazione degli elefanti marini su circa 300 km di costa in Chubut mostrava segni di robusto recupero, con una media di 18.000 cuccioli nati negli ultimi anni. Tuttavia, il 2023 ha invertito drasticamente questo positivo andamento: la mortalità delle nuove leve ha raggiunto livelli catastrofici, intorno al 97%, comprimendo la crescita futura e riducendo sensibilmente il potenziale riproduttivo della colonia. La perdita di una coorte così ampia comporta effetti demografici di lungo termine, rimarcati da modelli epidemiologici su Marine Mammal Science che avvertono come potrebbero volerci decenni per ritorni significativi senza misure mirate di conservazione. Un simile shock zoonotico rappresenta una sfida nuova per la gestione delle risorse marine protette e per le comunità che dipendono dal tessuto ecoturistico locale.
Tecnologie e modelli per la sorveglianza integrata
Per affrontare la crisi, i ricercatori e i team di monitoraggio – tra cui WCS e CONICET – hanno implementato tecnologie avanzate come droni per la fotogrammetria, telemetria con tag biologici e sequenziamento genomico rapido per tracciare il virus e i movimenti degli esemplari. Sistemi di sorveglianza ambientale con eDNA e data integration basati su machine learning permettono oggi di combinare dati biologici e ambientali in modelli predittivi, cruciali per delineare scenari di recupero. Questi modelli tengono conto della persistenza virale, della diffusione tramite vettori aviari e della sopravvivenza degli adulti, evidenziando una ripresa che sarà graduale e richiederà investimenti in infrastrutture tecnologiche e protocolli di emergenza per la gestione delle carcasse e la limitazione dei contatti tra specie. La sinergia tra tecnologia, epidemiologia e gestione conservativa è la chiave per sostenere la resilienza di queste popolazioni marine vulnerabili.
