Dynamika zakwitów fitoplanktonu w Morzu Bałtyckim – symulacje numeryczne

Dynamika zakwitów fitoplanktonu w Morzu Bałtyckim – symulacje numeryczne

M. Janecki¹, A. Nowicki¹, M. Figiela¹, L. Dzierzbicka-Głowacka¹

1Instytut Oceanologii Polskiej Akademii Nauk, Powstańców Warszawy 55, 81-712 Sopot, mjanecki@iopan.gda.pl

Wstęp

Fitoplankton, obejmujący we współczesnych oceanach tysiące gatunków, dostarcza 99%

zasobów pokarmowych dla fauny morskiej. Jego rozwój regulowany jest przede wszystkim cyklem oświetlenia oraz dostępnością nieorganicznych związków odżywczych, głównie azotanów i fosforanów (Rahm i in. 1996). Wiosną, ilość światła w Morzu Bałtyckim jest już wystarczająca do efektywnej fotosyntezy (Eilola i in. 2009). W efekcie, komórki glonów szybko się dzielą, wykorzystując bogate zapasy substancji biogenicznych skumulowanych po okresie zimowym. Światło dostępne do fotosyntezy występuje w Bałtyku przez cały rok, więc zakwit fitoplanktonu występuje jeszcze raz późnym latem i wczesną jesienią, w oparciu o zregenerowane substancje biogeniczne (Kowalewski 2015). Najbardziej intensywna produkcja glonów odbywa się w pobliżu kontynentów, szczególnie w tych strefach, gdzie ku powierzchni wynoszone są żyzne wody głębinowe (Wasmund i in. 1998).

Produkcja biologiczna jest ważnym mechanizmem związanym z obiegiem węgla pomiędzy morzem i atmosferą. Kontrola tej produkcji wymaga prowadzenia nieustannego monitoringu ekologicznego, metodami tradycyjnymi (z burty statku) oraz przy wykorzystaniu nowoczesnej techniki satelitarnej, jednak mimo zaangażowania interdyscyplinarnych grup badawczych cechuje je niewystarczająca skuteczność. Innowacyjnym sposobem jest próba rozwiązania tych problemów poprzez numeryczne metody opisujące bioproduktywność akwenów morskich. Model numeryczny, z zadowalającą dokładnością, pozwala na prognozowanie zarówno krótko- jak i długoterminowych charakterystyk ekosystemu w czasie i przestrzeni, testowanie hipotez, założeń i wielokrotnego powtarzania eksperymentu numerycznego. Zwłaszcza przy zagadnieniach na styku kilku dyscyplin, co jest regułą w badaniach oceanologicznych, modele numeryczne stają się praktycznym rozwiązaniem służącym określaniu stanu środowiska morskiego.

W niniejszej pracy wykorzystano symulacje numeryczne z trójwymiarowego modelu ekosystemu 3D CEMBS (www.cembs.pl) dla określenia sezonowych zmian biomasy fitoplanktonu w Morzu Bałtyckim. Dodatkowo pokazano różnicę w jej rozkładzie dla Bałtyku południowego, z podziałem na strefę przybrzeżną P2 (Zatoka Gdańska) i rejon otwartego morza P1 (Głębia Gdańska) (Rysunek 1).

Rysunek 1: Stacje testowe.

1. Model biologiczny

Model ekosystemu składa się z 11 głównych zmiennych: biomasy dla małych rozmiarów fitoplanktonu, dużych rozmiarów (okrzemki) i sinic, biomasy zooplanktonu, złoża rozpuszczonego i cząsteczkowego detrytusu, stężenia rozpuszczonego tlenu, a także stężenia substancji odżywczych takich jak: azotany, amoniak, fosforany i krzemiany.Moduł biologiczny opisany jest zbiorem równań mających postać równania dyfuzji turbulentnej ze składnikiem adwekcyjnym. Równanie to opisuje szybkość zmian stężeń badanych zmiennych w czasie i w przestrzeni, uwzględniając funkcję źródła i strat:

¶S

¶t + (V + w

) ×Ñ S= ¶

¶z K

¶S

¶z Ñ

Ñ ç ö

Ñ ÷+ ¶

¶x

K

i

¶S

¶x

Ñ

Ñ ç ö Ñ ÷

i-1

Ñ

^{+ F}

gdzie: S reprezentuje każdą modelową zmienną, V jest wektorem prędkości, wS jest prędkością opadania, Kz i Kx są pionowym i horyzontalnym współczynnikiem turbulentnej dyfuzji, i F_S jest biogeochemiczną funkcją reprezentującą źródła lub. Postać funkcji F_S określa się na podstawie znajomości procesów biogeochemicznych, zachodzących w środowisku morskim i ich wzajemnych powiązań. Składowe wektora prędkości przepływu, rozkłady temperatury i zasolenia zostały wyznaczone z modułu hydrodynamicznego (Dzierzbicka-Głowacka i in. 2011b, 2012a, 2012b).

2. Fitoplankton

W warunkach naturalnych, gdzie z reguły istnieją straty zewnętrzne, wyznacza się tempo wzrostu netto glonów. Oblicza się je na podstawie różnicy między tempem produkcji i tempem strat. Na tempo strat wpływa wiele procesów, które przebiegają z różną prędkością, w zależności od warunków fizycznych, jak i cech charakterystycznych dla struktury populacji oraz behawioralnych i metabolicznych procesów zwierzęcych. Biomasa fitoplanktonu jest uwarunkowana głównie produkcja pierwotną, która określa ilość przyswajanego węgla w czasie fotosyntezy. Procesy określające straty wewnętrzne i zewnętrzne są związane z oddychaniem fitoplanktonu, wyżeraniem przez zooplankton i jego śmiertelnością oraz sedymentacją.

3. Rezultaty

Rysunki 2a 2b ilustrują wiosenny zakwit fitoplanktonu otrzymany z modelu. Pokazuje on, że symulowany zakwit zaczyna się na w okolicach Skagerrak i Kattegat wcześniej niż w Bałtyku Właściwym. Kiedy wiosenny zakwit rozpoczyna się w Bałtyku Właściwym to najpierw rozwija się on w strefie przybrzeżnej i południowej części akwenu, a potem rozprzestrzenia się w kierunku północnym.

Rysunek 2: Koncentracja fitoplanktonu 25 marca 2012 (a) oraz 25 maja 2012 (b).

Pod koniec wiosny/wczesnym latem zakwit zaczyna się w Zatoce Fińskiej i Morzu Botnickim a potem pojawia się w Zatoce Botnickiej. Latem natomiast obserwujemy zakwit sinic i to głównie w strefie brzegowej. W drugiej części roku, we wrześniu i październiku, zakwit o mniejszym już natężeniu pojawia się w całym Morzu Bałtyckim (Rysunek 3). Biomasa fitoplanktonu odzwierciedla dostępność substancji biogenicznych, pokazując silny spadek ich stężenia w okresie wiosennego zakwitu.

Rysunek 3: Koncentracja fitoplanktonu 25 października 2012.

Biomasa fitoplanktonu w Zatoce Gdańskiej była najwyższa w warstwie powierzchniowej i osiągnęła maksimum w połowie kwietnia. Skorelowane z zakwitem fitoplanktonu ubożenie wody w składniki odżywcze rozpoczyna ograniczanie wzrostu planktonu. W lecie (lipiec i sierpień) biomasa fitoplanktonu jest niższa niż wiosną, co najprawdopodobniej wynika z niedoboru tych składników. Wczesną jesienią ma miejsce większy wzrost biomasy fitoplanktonu. To prawdopodobnie jest związane ze wzrostem stężenia substancji biogenicznych jako rezultat mieszania wód w głębszych warstwach akwenu. W grudniu, kiedy biomasa fitoplanktonu spadła do początkowego poziomu ze stycznia i lutego, kończy się sezon wegetacyjny.

Na rysunku 4 widać, że biomasa fitoplanktonu na Zatoce Gdańskiej (stacja P2) była około dwa razy wyższa niż na Głębi Gdańskiej (Rysunek 5, stacja P1). Sytuacja ta jest spowodowana stężeniem składników odżywczych w pobliżu ujścia Wisły (gdzie ich wpływ na wartości badanych zmiennych biologicznych jest bardzo widoczny) jak również przez temperaturę wody, która była wyższa na stacji P2 niż na P1.

Biomas fitoplanktonu wzrasta do wartości około 70 mmol C m^-3 w połowie kwietnia, ale spada do 1 mmol C m^-3 i 5 mmol C m^-3 odpowiednio na stacjach P1 i P2 pod koniec czerwca.

Stosunkowo wysoka wartość pokarmu jest utrzymana również w lecie.

Koncentracja dostępnego pokarmu w górnej warstwie utrzymuje się prawie na tym samym poziomie od czerwca do listopada.

Rysunek 4: Roczny cykl biomasy fitoplanktonu (mały fitoplankton, okrzemki, sinice) na Zatoce Gdańskiej (stacja P2) w roku 2011.

Rysunek 5: Roczny cykl biomasy fitoplanktonu (mały fitoplankton, okrzemki, sinice) na Głębi Gdańskiej (stacja P1) w roku 2011.

4. Podsumowanie

Złożoność przebiegu procesów hydrofizycznych i biologicznych w środowisku morskim sprawia, że ich rozpoznanie uwzględniające aktualny stan badań, wymaga stosowania nowoczesnych technik badawczych – modelowania matematycznego i symulacji komputerowych. Badania w morzu, dające najbardziej wiarygodne informacje o mechanizmach i procesach wymagają długoletnich, kompleksowych i kosztownych obserwacji in situ, w różnych warunkach hydrometeorologicznych dla zebrania odpowiedniej

„statystyki” sytuacji, niezbędnej dla adekwatnej oceny stanu środowiska oraz ewentualnych jego zmian. Dużą pomoc stanowią wyniki zdalnych pomiarów satelitarnych, jednak nawet umiejętna interpolacja tych wyników określa tylko zmiany zachodzące w górnej warstwie kolumny wody w morzu. Najczęściej są one interpolowane na obszary głębsze, więc obarczone niemałym błędem, gdyż ekosystem Bałtyku posiada silnie uwarstwioną strukturę pionową.

Modele matematyczne mają rzecz jasna określone ograniczenia wynikające ze stanu wiedzy o poszczególnych procesach, o metodach parametryzacji ich wzajemnych powiązań oraz o możliwościach adekwatnej ich realizacji w postaci modelu. Powyższe fakty wyjaśniają powszechne obecnie stosowanie modeli matematycznych i symulacji komputerowych jako nowych metod rozpoznania praw rządzących światem przyrody.

Dzięki przeprowadzonym symulacjom uzyskaliśmy reprezentatywny obraz dynamiki sezonowych zmian zakwitów fitoplanktonu dla południowego części Morza Bałtyckiego.

Pozwoliły one zarówno na jakościowe jak i ilościowe określenie skali zjawiska. Porównanie uzyskanych wyników z pomiarami in-situ cechuje wysoka korelacja. Gwarancja poprawnego działania modelu stanowi obietnicę otrzymania satysfakcjonujących i wiarygodnych wyników dla symulacji długoterminowych z uwzględnieniem różnych scenariuszy zmian klimatycznych oraz założeń dotyczących rozwoju ekonomicznego.

Badania zostały sfinansowane z projektu Satelitarna Kontrola Środowiska Morza Bałtyckiego – SatBałtyk realizowanego w ramach Programu Operacyjnego Innowacyjna Gospodarka (nr projektu POIG.01.01.02-22-011/09). Obliczenia wykonano na komputerach Centrum Informatycznego Trójmiejskiej Akademickiej Sieci Komputerowej.

Literatura

Rahm L., Conley D., Sandén P., Wulff F., Stålnacke P., 1996, Time series analysis of nutrient inputs to the Baltic Sea and changing DSi:DIN ratios, Mar. Ecol. Prog. Ser. 130, 221-228 Eilola K., Meier H.E., Almroth E., 2009, On the dynamics of oxygen, phosphorus and

cyanobacteria in the Baltic Sea” A model study, Journal of Marine Systems 75, 163-184 Kowalewski M., 2015, The flow of nitrogen into the euphotic zone of the Baltic Proper as a

result of the vertical migration of phytoplankton: An analysis of the long-term observations and ecohydrodynamic model simulation, Journal of Marine Systems, 145, 53-68

Wasmund N., Nausch G., Matthäus W., 1998, Phytoplankton spring blooms in the southern Baltic Sea – spatio-temporal development and long-term trends, Journal of Plankton Research, Vol.20, 1099-1117

Moore J. K., Doney S. C., Fung I. Y., Glover D. M., Kleypas J. A., 2002, An intermediate complexity marine ecosystem model for the global domain, Deep-Sea Res. II, vol. 49, 403- 462

Dzierzbicka-Głowacka L., Jakacki J., Janecki M., Nowicki A., 2011, Variability in the distribution of phytoplankton as affected by changes to the main physical parameters in the Baltic, Oceanologia, 53 (1-TI), 449-470

Dzierzbicka-Głowacka L., Jakacki J., Janecki M., Nowicki A., 2012a, The Baltic Sea coupled ice-ocean model, Proceedings 5th Chaotic Modeling and Simulation International Conference. Athenes, Greece, 189-196

Dzierzbicka-Głowacka L., Jakacki J., Janecki M., Nowicki A., 2013a, Activation of the operational ecohydrodynamic model (3D CEMBS) – the hydrodynamic part, Oceanologia, 55 (3), 519-541