Obwohl zahlreiche Seen auf der ganzen Welt in den letzten Jahrzehnten einen Anstieg der jährlichen Durchschnittstemperatur verzeichneten, ist es immer noch schwierig, die langfristigen Auswirkungen der Erwärmung auf Gewässer mit unterschiedlichen physikalischen und chemischen Eigenschaften und vielfältigen Lebensgemeinschaften abzuschätzen.
Die Erforschung dieser Auswirkungen ist nicht nur für Fische, Makrowirbellose oder aquatische Makrophyten von entscheidender Bedeutung, sondern auch für planktonische Organismen, die die Grundlage des aquatischen Nahrungsnetzes bilden und einen erheblichen Einfluss auf Stoffkreisläufe haben.
Trotz der breiten Palette hochentwickelter Techniken, die zur Untersuchung dieser wichtigen Gruppe entwickelt wurden, ist es aufgrund der typischerweise schnellen Dynamik dieser Gemeinschaften immer noch eine schwierige Aufgabe aufzuklären, wie miteinander verbundene Umweltfaktoren die Planktonfunktion steuern.
Die Überwachung auf der Grundlage regelmäßiger Feldarbeiten ist ein wesentlicher Bestandteil der Forschung an aquatischen Systemen, aber sie ist auch zeitaufwändig und laborintensiv, sodass der Probenahmeaufwand sowohl räumlich als auch zeitlich begrenzt ist. In gewisser Weise ist das so, als würde man einer Streaming-Serie mit mehreren Staffeln folgen, indem man sich nur ein paar Schnappschüsse aus jeder Episode anschaut und versucht, zu erraten, was die eigentliche Geschichte ist.
Wir brauchen komplementäre Ansätze, um unsere Fähigkeit zu verbessern, die ökologischen Auswirkungen des Klimawandels einzuschätzen, abzuschätzen oder vorherzusagen. Numerische Modelle sind vielversprechende Kandidaten für diese Rolle und gewinnen zunehmend an Bedeutung in der ökologischen Forschung. Im Allgemeinen beschreiben solche Modelle grundlegende Zusammenhänge in Form mathematischer Gleichungen, die auf aktuellen Daten und wissenschaftlichen Erkenntnissen basieren. Zu solchen Zusammenhängen zählen beispielsweise das Artenwachstum als Funktion der Nahrungsverfügbarkeit oder die Abhängigkeit der Photosyntheseaktivität von Pflanzen von der Lichtintensität.
Die Stärke der Modellierung liegt in der Möglichkeit, computergenerierte Simulationen über Veränderungen in einer Bevölkerung, Gemeinschaft oder einem Ökosystem und ihrer Umgebung im Raum und/oder in der Zeit zu erstellen und so dabei zu helfen, Kausalitäten hinter Naturphänomenen zu finden. Während also Feld- und experimentelle Beobachtungen Daten über eine Reihe vorübergehender Zustände und Bedingungen liefern, zielt die Modellierung auf die Prozesse ab, die zeitliche Veränderungen in diesen Zuständen und Bedingungen hervorrufen.
In einer ungarisch-griechischen Zusammenarbeit untersuchte Károly Pálffy, Forscher der Plankton-Ökologie-Gruppe des Instituts, die Dynamik planktonischer Algen (Phytoplankton, wichtige Primärproduzenten aquatischer Lebensräume) mithilfe eines ökologischen Modellierungsansatzes. Das Papier ist veröffentlicht im Tagebuch Limnologie und Ozeanographie.
Bei der Analyse einer Datenreihe über den Plattensee in Ungarn in seiner vorherigen Studie stellte er fest, dass der langfristige Anstieg der jährlichen mittleren Wassertemperatur mit zunehmenden saisonalen Schwankungen in der Phytoplanktonzusammensetzung einherging (zunehmende saisonale Variabilität), was auf einen Rückgang der Ökosystemstabilität hindeuten könnte . Etwas ganz Ähnliches konnten er und seine Kollegen auch in einem Mesokosmen-Experiment nachweisen, was die Frage aufwirft, ob es einen allgemeineren Zusammenhang zwischen der Erwärmung und der Dynamik planktonischer Algen gibt.
Das neu entwickelte Modell ermöglichte es, Veränderungen des Phytoplanktons auf Artenebene unter verschiedenen Temperaturszenarien zu simulieren.
Die Ergebnisse der Simulationen stimmten mit den vorherigen Beobachtungen überein. Eine erhöhte Durchschnittstemperatur verursachte ausgeprägtere saisonale Veränderungen in der Zusammensetzung des Phytoplanktons, aber das Ausmaß dieser Auswirkungen hing auch stark davon ab, wie die Gemeinschaften anorganische Nährstoffe erhielten, die für ihr Wachstum unerlässlich waren.
Demnach hatten das Verhältnis der beiden wichtigsten Stickstoff und Phosphor sowie die zeitlichen Schwankungen des Nährstoffangebots erheblichen Einfluss auf die Wirkung der Erwärmung. Dies steht in enger Übereinstimmung mit neueren Studien, die darauf hinweisen, wie wichtig es ist, die Nährstoffbelastungsbedingungen (den sogenannten trophischen Zustand eines Gewässers) bei der Bewertung der Auswirkungen des Klimawandels auf aquatische Ökosysteme zu berücksichtigen.
Neben den Nährstoffen beeinflusste auch der anfängliche Artenreichtum der simulierten Gemeinschaften ihre Reaktion auf die Erwärmung. Aus methodischer Sicht ist dies ein wichtiges Ergebnis, da es darauf hindeutet, dass die Auswahl einer angemessenen Anzahl von Arten bei der Planung von Experimenten zum Klimawandel auf kommunaler Ebene von entscheidender Bedeutung sein kann.
Das Papier beleuchtet auch, welche langfristigen Folgen eine Erhöhung der saisonalen Variabilität des Phytoplanktons für die Stabilität haben kann.
Bei höheren Durchschnittstemperaturen traten saisonale Extreme in der Zusammensetzung der Gemeinschaften stärker hervor, was zu einer Verschiebung der Gemeinschaften zu einer insgesamt geringeren Gleichmäßigkeit führte.
Auf einer längeren Zeitskala erhöhten erhöhte Temperaturen auch die Wahrscheinlichkeit eines Artenverlusts und lieferten eine mathematische Erklärung für die Rolle der Erwärmung bei der Verringerung der Stabilität der Planktongemeinschaft und damit bei der Veränderung der Funktion des aquatischen Ökosystems. Die Forschungsgruppe plant, das Modell weiter auszubauen, um die Simulation der Auswirkungen des Klimawandels sowohl im räumlichen Kontext als auch auf der Ebene des planktonischen Nahrungsnetzes zu ermöglichen.
Mehr Informationen:
Károly Pálffy et al., Kombinierter Effekt von Erwärmung, Nährstoffen und Artenpoolgröße auf die saisonale Variabilität der Phytoplanktonzusammensetzung: Eine Modellierungsperspektive, Limnologie und Ozeanographie (2024). DOI: 10.1002/lno.12548
Bereitgestellt von Ökológiai Kutatóközpont