Varje år kommer tusentals människor till Monterey Bay för att se sjöfåglarnas matande frenesi, sjölejon, och knölvalar. Men varför gör vissa kustområden, som Monterey Bay, bli mekka för både människor och vilda djur? En ny datormodell av MBARI-forskarna Monique Messié och Francisco Chavez kan förutsäga platserna för biologiska hotspots runt om i världen, använder bara grundläggande information om de lokala vindarna, strömmar, och koncentrationer av nitrat, som fungerar som ett gödningsmedel för marina alger. Messié och Chavez publicerade nyligen en beskrivning av sin nya modell i tidskriften Geofysiska forskningsbrev .

Monterey Bay är en hotspot för valar och andra marina djur, delvis på grund av dess stora svärmar av ansjovis och krill. Ansjovis och krill är rikligt med eftersom detta område försörjer många mindre djur som copepoder, samt mikroskopiska alger som kiselalger. Kiselalgerna växer kraftigt på våren, när det är mycket nitrat i vattnet. Detta nitrat kommer från djupt vatten som förs upp mot ytan när starka nordvästvindar driver ytvatten bort från stranden - en process som kallas uppströmning.

Även om uppväxthändelser vanligtvis bara varar några dagar, deras biologiska effekter kan fortsätta i veckor eller månader, eftersom kiselalgerblomningar tillåter djurplankton som copepoder och krill att föda, växa, och reproducera. Under denna tid, havsströmmar kan bära både kiselalger och djurplankton dussintals kilometer bort från kusten.

Så det korta svaret om Monterey Bay är att det är en hotspot på grund av uppströmning. Så mycket kan förutsägas med hjälp av befintliga modeller. Men Messiés modell är ovanlig eftersom den visar i detalj var djur (i det här fallet, copepoder) kommer sannolikt att samlas i och runt uppväxtområden.

Att använda en datormodell för att reproducera denna process är en enorm utmaning. De flesta datormodeller av havet är extremt komplexa, som innehåller många olika faktorer om fysiska och ibland biologiska processer som sker på olika djup.

I kontrast, Messiés nya modell är relativt enkel. Ändå gör den ett förvånansvärt bra jobb med att förutsäga detaljerade lägen för kända hotspots runt flera av världens viktigaste uppväxtområden.

Kärnan i modellen är nitrat, ett viktigt näringsämne för kiselalger och många andra mikroskopiska marina alger (även känd som växtplankton). Många växtplankton behöver nitrat för att växa. Men kiselalger förökar sig bara när det finns mycket nitrat i det solbelysta ytvattnet.

Saknar detaljerade data om nitratkoncentrationer vid avlägsna uppväxtcentra, Messié och hennes kollegor använde allmän information om mängden tillgängligt på djupt vatten i de olika uppväxtområdena, kombinerat med information om de lokala vindarna som för detta nitrat upp mot ytan.

Modellen tar också hänsyn till havsströmmar. "En av de saker vi lärde oss när vi skapade den här modellen, "Messié noterade, "var hur viktiga havsströmmar var för att flytta nitrat och alger i havet. Först försökte vi göra våra egna beräkningar av strömmar från generaliserad information om vindar, men vi använde så småningom ett befintligt datalager som gav uppskattningar av havsströmmar baserade på satellitdata."

Forskarna kontrollerade först modellens resultat mot fältdata som samlats in utanför centrala Kaliforniens kust av MBARI, National Oceanic and Atmospheric Administration (NOAA), och California Cooperative Oceanic Fisheries Investigations (CalCOFI).

Enligt Messié, "Modellen gjorde ett bra jobb med att simulera övergripande mönster för växtplanktons succession, och skillnader mellan befolkningar på land och till havs." Till exempel, modellen förutspådde toppkoncentrationer av copepods cirka 50 till 100 kilometer från kusten - ett fenomen som observerades av CalCOFI zooplanktonundersökningar i regionen.

De copepod-hotspots som förutspåddes av modellen matchade också krill-hotspots som identifierats under NOAA:s fältundersökningar. Krill tenderar att leva på djupare vatten än copepoder, där de kanske inte påverkas lika mycket av ytströmmar. Av denna anledning, forskarna var till en början förvånade över att krill skulle hamna i de områden som förutspåtts som hotspots för copepoder. Men fyndet är vettigt när man tänker på att biologiska hotspots ofta är värd för många olika typer av djur (sjöfåglar, sjölejon, och puckelryggar, till exempel).

Messié konstaterar att så länge de exakt kan simulera verkliga förhållanden, mindre, enklare modeller har flera fördelar jämfört med större modeller. För en sak, de tar mycket mindre datortid att köra (vissa stora modeller tar dagar eller veckor att köra, även på superdatorer). Mindre modeller kan köras mer eller mindre i realtid för att studera befintliga förhållanden och händelser medan de fortfarande inträffar. De är också relativt lätta att modifiera för att testa konkurrerande vetenskapliga hypoteser.

På den negativa sidan, Messiés nuvarande modell är endast designad för att simulera förhållanden under en hel uppväxtsäsong (vår och sommar i centrala Kalifornien). Dessutom, den kan inte identifiera hotspots som bildas på grund av andra nitratkällor än lokal uppströmning. (Faralloneviken, strax utanför San Francisco Bay, kan vara en sådan plats).

Messié, Chavez, och flera medarbetare vid University of California, Santa Cruz, fick nyligen 700 $, 000, treårigt anslag från NASA för att utöka den befintliga modellen så att den kan spåra eller förutsäga utvecklingen av hotspots månad för månad.

De hoppas också få reda på hur väl deras modellerade hotspots för zooplankton matchar kända hotspots för valar och sjöfåglar. Om svaret är "mycket bra" kan modellen användas för att förutsäga var valar och sjöfåglar samlas vid olika tider på året. Detta kan hjälpa forskare att studera djuren och bevarandegrupper i hopp om att skydda dem, för att inte tala om allmänheten som vill veta de bästa tiderna och platserna för att titta på vilda djur.

Messié och Chavez senaste tidning visar att, även i datormodeller, liten kan ibland vara vacker.