Verborgen meertjes in zee: nieuwe rekenmethode ontrafelt hun waterbeweging

Op sommige eilanden liggen bijzondere meren die met de zee zijn verbonden, maar toch bijna volledig afgesloten zijn. Denk aan een kom water die via kleine scheuren in het gesteente in verbinding staat met de oceaan. Deze zogenoemde 'marine lakes' zijn kleine, kwetsbare ecosystemen met hun eigen dieren en planten. Maar hoe goed zuurstof en voedingsstoffen zich door zo'n meer verspreiden, is lastig te meten.

Onderzoekers hebben nu een nieuwe wiskundige methode ontwikkeld om die verspreiding veel nauwkeuriger in kaart te brengen. Dat is belangrijk, want het bepaalt of een marine lake genoeg zuurstof houdt voor het leven daarin.

Waarom is dit lastig?

Water in zo'n meer mengt niet overal even snel. Wind, getijden en zelfs bewegingen van vissen en ander leven (dat heet biomenging) zorgen voor beweging in het water. Hoe sterk die menging is op elke diepte, wordt uitgedrukt in een getal: de diffusiecoëfficiënt. Dat getal kun je niet direct meten. Je moet het afleiden uit andere gegevens, zoals temperatuur en zoutgehalte op verschillende dieptes.

Precies dat deed het onderzoeksteam. Ze bouwden een wiskundig model dat, uitgaande van temperatuur- en zoutmetingen, terugrekent hoe sterk het water op elke diepte mengt. Dit soort terugrekenen heet in de wiskunde een 'inverse probleem': je kent het resultaat (de metingen) en zoekt de oorzaak (de menging).

Hoe testten ze het?

Eerst probeerden de onderzoekers hun methode uit op nagemaakte, kunstmatige data. Zo konden ze checken of de methode ook goed werkt als de metingen niet perfect zijn, bijvoorbeeld door meetruis. De methode bleek daar goed tegen bestand.

Daarna pasten ze de methode toe op echte metingen uit een bestaand marine lake. Het resultaat kwam overeen met wat je op basis van natuurkunde zou verwachten: op plekken waar het water sterk gelaagd is, met duidelijke verschillen tussen warmer en kouder of zouter en zoeter water, vonden ze een kleinere diffusiecoëfficiënt. Dat betekent dat het water daar minder goed mengt. Dat is logisch, want gelaagd water verzet zich als het ware tegen vermenging.

De onderzoekers vergeleken hun aanpak ook met een andere, modernere methode die gebruikmaakt van kunstmatige intelligentie (zogeheten physics-informed neural networks). Beide methodes hebben voor- en nadelen, maar de nieuwe wiskundige aanpak bleek in dit geval goed te werken en gaf inzicht dat overeenkwam met natuurkundige verwachtingen.

Voor wetenschappers die deze bijzondere ecosystemen bestuderen, biedt deze methode wel een concreet hulpmiddel. Met betrouwbaardere schattingen van watermenging kunnen ze beter voorspellen hoe zuurstof en voedingsstoffen zich verspreiden, en dus ook beter inschatten hoe kwetsbaar een marine lake is voor bijvoorbeeld temperatuurstijging of veranderende getijden.

Bron: Adjoint-based Inversion for the Diffusion Coefficient in Marine Lake Models