Kystvann er noen av de mest produktive marine økosystemer. Med klimaendringene blir kystvann varmere og mørkere, og det er uklart hva de økologiske konsekvensene vil bli. I dette prosjektet vil vi studere hvordan beitegrunnlaget til den pelagiske fisken (sild, brisling, makrell m.fl.) vil kunne endres som følge av disse to klimapåvirkningene. Pelagisk fisk bruker primært synet i jakten etter mat, og størrelsen og synligheten på byttedyr (dyreplankton) kan være viktigere enn selve mengden byttedyr for et effektivt fødeinntak (Aarflot et al. 2020, MEPS). Både oppvarming og formørking forventes å påvirke størrelsesstrukturen i planktonsamfunnet, som har kort livssyklus og responderer raskt på endringer i miljøet. I prosjektet vil vi studere historiske planktonprøver ved hjelp av ny teknologi samt videreutvikle en økosystemmodell, for å øke forståelsen for hvordan temperatur og lysforhold påvirker størrelsen i planktonsamfunnene langs Norskekysten – både historisk og i et fremtidsperspektiv. Hvis fisken blir dårligere til å utnytte beitegrunnlaget kan dette gi et fortrinn for geléplankton (maneter) som ikke er avhengig av lys og planktonstørrelse i jakten etter mat. Vi vil derfor også se nærmere på konkurranseforholdet mellom fisk og geléplankton i utvalgte fjorder og mulighetene for et regimeskifte mot mer maneter og mindre fisk i fremtiden.
De to første årene har prosjektet fokusert på metodeutvikling, datainnsamling/-generering og prøveprosessering. Vi har nå et grundig kvalitetssikret «treningssett» på ca. 25 000 bilder av dyreplankton og andre partikler (fiber, alger m.m.) manuelt gjenkjent og sortert av taksonomiske eksperter. Dette brukes til å trene maskinlæringsmodeller i automatisk klassifisering av nye bilder fra dyreplankton-prøver. Videre har vi opparbeidet 615 historiske planktonprøver fra perioden 1996–2023 med FlowCam-teknologi, som har generert bilder av rundt 10 millioner dyreplankton. Vi har også utviklet en CNN (convolutional neural network) modell som har økt nøyaktigheten i bildeklassifisering fra (i snitt) 87 til 93 %. Dette arbeidet vil fortsette i 2025-2026, og vi vil eksperimentere med ulike modeller og klassifiserings-strukturer samt opparbeide enda flere planktonprøver. I juni 2025 deltok prosjektet på en felles workshop med planktonforskere og maskinlæringseksperter fra en rekke institusjoner for å diskutere muligheter og utfordringer knyttet til bildeklassifisering av plankton; bildeteknologier, maskinlæringsmetoder, dataflyt, applikasjoner m.m.
Gjennom prosjektet har vi montert en lyssensor på et forskningsskip som har regelmessig (ca. 10 ganger per år) overvåkning i fjorder på Vestlandet, slik at vi nå samler inn data både på lys i vannsøylen samt overflatelys på disse toktene. Vi har også samlet inn CDOM målinger (n > 8000) fra ulike institusjoner og publiseringer, som blir viktige for å kunne forbedre parametriseringen av lys i økosystemmodeller for kystmiljø.
På modellerings-siden har vi nå ferdigstilt implementeringen av en modell utviklet og publisert av DTU Aqua med høyoppløst størrelsesstruktur i plante- og dyreplankton, som en 1D vannsøyle-modell tilpasset norske kystmiljø. Vi har implementert modellen som en åpen kildekode i FABM (Fortran-based Framework for Aquatic Biogeochemical Models) og vil arbeide videre med å koble denne inn i et 3D modellsystem ved Havforskningsinstituttet (NORWECOM.E2E).
Sommeren 2024 ble prosjektet etter søknad formelt tilknyttet FNs havtiår, og prosjektleder presenterte resultater fra prosjektet så langt i Forskningsrådets seminar om Norges innsats halvveis inn i Havforskningstiåret. Prosjektet jobber aktivt med formidling, både fagfellevurdert og populærvitenskapelig, og har bidratt til utviklingen av et konsept for en fysisk planktonutstilling gjennom et samarbeid med Fiskerimuseet i Bergen. To studenter har begynt på masteroppgave tilknyttet prosjektet ila. 2025, en på metodisk sammenligning av FlowCam mot andre data fra dyreplanktonprøver, og en på maskinlæringsalgoritmer for automatisk bildeklassifisering av dyreplankton.
Coastal waters are some of the most productive marine ecosystems. Ocean warming and increased light attenuation (reduced penetration of light into the water) are two climate change associated stressors impacting coastal waters, and the ecological implications are unknown. Both stressors may affect the size structure and dynamics within planktonic communities, which is important for fish foraging efficiency and energy transfer from primary production to higher trophic levels. Also, the optical foraging environment for fish may be impaired, potentially leading to ecosystem regime shifts. In PELAGIC, we will utilize stored zooplankton samples collected over a 30-year period and expose them to modern technology, establishing a novel dataset on the size structure of zooplankton in coastal waters. The data will be used to advance our understanding of how the quality of prey for pelagic fish (e.g., herring, sprat, mackerel) varies over spatial and environmental gradients and is affected under climate change. Furthermore, we will collect new light observations from Norwegian fjords and perform a theoretical assessment of the potential for increased dominance of jellyfish (at the expense of fish) as these waters gets darker. Ecosystem models are vital tools for assessing potential future states of marine ecosystems under climate change, but existing large-scale global and regional models do not resolve plankton communities in realistic dimension. With PELAGIC, we will develop an ecosystem model with more realistic plankton size structure and dynamics, and an improved light environment necessary for modelling plankton dynamics in coastal waters. Using this tool, we will assess how future plankton communities will be affected by ocean warming and coastal water darkening and potential consequences for the energy transfer to higher trophic levels in the ecosystem.
