Algeoppblomstring er en del av den naturlige årlige sessongvariasjonen i hav- og kystvann og spiller en viktig rolle i det marine økosystemet. Målet med dette institusjonelle doktorgradsstudiet initiert av Nansensenteret er å kunne varsle utvikling av mulige skadelige algeoppblomstringer i norske kystvann fra én til tre uker frem i tid (sesong varsler). Tidligere varsler vil gi bedre overvåkingen og mulighet for tidlig identifisering av skadelige algeoppblomstringer. Fiskeri og akvakultur næringene vil få bedre tid på å planlegge nødvendige tiltak.
Algeoppblomstring skjer når planteplankton vokser raskt i antall. Planteplankton er mikroskopiske organismer som lever i vannet og danner grunnlaget for den marine næringskjeden samt at de bidrar til karbonkretsløpet. På grunn av fotosyntesen og deres fargepigmenter endrer algene fargen på havvannet og i tilstrekkelige store mengder er algene synlige fra verdensrommet. I en studie publisert i Frontiers in Marine Science, har vi brukt en ny teknikk for å identifisere optisk homogene havområder og analysert en 21 år lang tidsserie av satellitt målinger for å undersøke variasjoner i algeoppblomstringer i Barents-, Norskehavet og i Nordsjøen. Studien ga klimatologi, trender og interårlig naturlig variasjon av framveksten av alger, det vil si når vår- og sommeroppblomstringene startet, deres intensitet, høyeste biomassen, og hvor lenge oppblomstringene varte. I løpet av de siste tyve årene har algeoppblomstringene om sommeren startet senere på året og de har vart lenger. Potensielle mekanismer som fører til den mellomårlige variasjoner, ble også undersøkt for de forskjellige havområdene. Tykkelsen på blandingslaget skiller seg ut som den viktigste faktoren for når våroppblomstringen starter og dens maksimale biomasse, og statistisk sett bidrar den til å forklare mer enn halvparten av den årlige variabiliteten. Dette baner vei for kunne benytte tykkelsen på blandingslaget til å forutsi endringer i det årlige variasjonen av algeoppblomstringer i våre havområder, ved å analysere både observasjoner og modellresultater.
Mattilsynets «Blåskjellvarsel»-tjenesten gir råd om giftstoffer i blåskjell langs hele norskekysten for å hindre sjømatforgiftning. Biomassen til Dinophysis-arten (en type alger), samt toksinkonsentrasjon, overvåkes rutinemessig lange hele norske kysten og er tilgjengelig på deres nettside. I en påfølgende studie har vi som mål å prediktere framveksten av skadelige Dinophysis oppblomstring i Nord-Norge. Hovedmålet er å anvende maskinlæringsteknikker (Support vector machine) på in-situ data fra tidligere skadelige oppblomstringer og satellittfjernmålingsdata for å utvikle et prediksjonssystem. De viktigste miljøfaktorene som er funnet å påvirke variasjoner av forekomsten av skadelige oppblomstringer for er havoverflatetemperatur, sollys (PAR-fotosyntetisk tilgjengelig stråling) og vindhastighet på overflaten. Denne statistiske metoden har blitt testet opp mot tidligere indentifiserte skadelige algeoppblomstringer. Den gir lovende resultater og er mer nøyaktig enn både klimatologiske prognoser og varslingsprognoser - opptil 3 uker fram i tid. De overnevnte miljøfaktorene ble funnet å være viktigst for å forutsi tidspunktet for oppblomstringene, mens initial biomasse er viktigst for å prediktere hvor kraftig oppblomstringen vil bli. Resultatene har blitt presentert på flere møter og en vitenskapleig artikkel er under review i Harmfull algae aviser. Denne aktiviteten har satt i gang et pilotprosjekt innenfor det norske senteret for forskningsdrevet innovasjon «Climate Futures» i samarbeid med Havforskningsinstituttet (HI). Målet er i) å utforske potensialet til verktøyet med HI, som leder overvåkingsprogrammet og skreddersy varsler til næringen og forvalting, ii) å utforske andre målinger og observasjoner som ytterligere kan forbedre nøyaktigheten av varslene, og iii) å teste hvor godt metoden virker i andre havområder.
I en tredje studie, brukes det igjen dataen fra Mattilsynets «Blåskjellvarsel»-tjenesten og bruker maskin læring til å finne ut hvilken environmental faktor påvirke hvert av skadelige algeoppblomstringen type. Modellen kan brukes til å varsle sannsynlighet til å ha en skadelige algeoppblomstringen event. En artikler utarbeides.
