DOI: https://doi.org/10.5194/bg-23-4321-2026
تاريخ النشر: 2026-06-30
المؤلف: Mohanad Abdelgadir وآخرون
الموضوع الرئيسي: النظم البيئية البحرية والساحلية
نظرة عامة
تسلط الأبحاث الضوء على فعالية دمج الاستيفاء الجيولوجي مع تقنيات التعلم الآلي لمراقبة وإدارة التوزيع المكاني للنودولارين في بحر البلطيق. يظهر نموذج الدمج المقترح دقة محسّنة في التنبؤ بحدوث النودولارين، مما يمكن أن يُفيد استراتيجيات اتخاذ القرار التي تهدف إلى التخفيف من انتشار السموم الزرقاء. من خلال توليد تقديرات مكانية لمواقع غير مأخوذة عينات منها وتنبؤات زمنية خلال ظروف أخذ عينات صعبة، يعمل النموذج كأداة قيمة للإدارة البيئية.
تشير النتائج إلى أن توزيع النودولارين يتأثر بعوامل بيئية مختلفة، بما في ذلك القرب من الشاطئ، مما قد يسهل انتشاره إلى مناطق جديدة. هذه الرؤية حاسمة لتطوير استراتيجيات الإدارة التي تركز على تقليل المغذيات وتوقع آثار تغير المناخ، حيث تسهم السيانوبكتيريا في الإثراء الغذائي وتعرض صحة الإنسان لمخاطر كبيرة. تقترح الدراسة أن الأساليب النمذجة المدمجة يمكن أن تعطي الأولوية لجهود المراقبة وتمكن من أخذ عينات استباقية في المناطق المتوقعة أن تشهد تركيزات مرتفعة من السموم الزرقاء.
مقدمة
تستعرض المقدمة انتشار ازدهار السيانوبكتيريا الخيطية في بحر البلطيق، خاصة خلال أشهر الصيف، مع هيمنة أنواع مثل *Nodularia spumigena* و *Aphanizomenon flos-aquae* و *Dolichospermum spp.* على هذه الظواهر. يشكل السم الكبدي النودولارين، الذي تنتجه *N. spumigena*، تهديدات بيئية واقتصادية كبيرة، ومع ذلك فإن العوامل التي تؤثر على التوزيع المكاني للسيانوبكتيريا وسمومها في سياق تغير المناخ لا تزال غير مفهومة جيدًا. تم استخدام منهجيات مختلفة، بما في ذلك التحليل المجهري، والاستشعار عن بعد عبر الأقمار الصناعية، والأساليب النمذجة، لدراسة هذه الازدهارات، مما يكشف أن العوامل البيئية مثل توفر المغذيات ودرجة الحرارة والملوحة تلعب أدوارًا حاسمة في ديناميات الازدهار وإنتاج السموم.
تهدف الأبحاث إلى معالجة التحديات المنهجية في التنبؤ بحدوث النودولارين من خلال دمج الطرق الجيولوجية، وتحديدًا توقع الانحدار البايزي التجريبي (EBK)، مع خوارزميات التعلم الجماعي. يسعى هذا النهج إلى تعزيز دقة التنبؤات المكانية لتركيزات النودولارين عبر بحر البلطيق، خاصة في ظل سيناريوهات تغير المناخ المتوقعة لعام 2100. من خلال الاستفادة من مجموعة من القياسات في الموقع والبيانات البيئية، تهدف الدراسة إلى تحديد المحركات وراء توزيع النودولارين وتقييم كيف يمكن أن تتغير هذه المحركات استجابةً للظروف المناخية المستقبلية، مما يوفر إطارًا قويًا لإدارة وتخفيف آثار ازدهار السيانوبكتيريا في المنطقة.
النتائج
تشير نتائج تحليل الاستيفاء الجيولوجي إلى تأثيرات تفاعلية كبيرة تؤثر على حدوث النودولارين المكاني، مدفوعة بشكل أساسي بمؤشرات بيئية من مجموعة بيانات كوبرنيكوس الأوروبية. كشفت الانحدارات الخطية البايزية عن تفاعلات ملحوظة بين الملوحة ودرجة الحرارة والمسافة إلى الشاطئ، بالإضافة إلى تفاعلات بين الفوسفات (PO₄) والملوحة ودرجة الحرارة والمسافة إلى الشاطئ، مع عامل باي (BF₁₀) أكبر من 1 وR² قدره 0.23. بالإضافة إلى ذلك، أكدت تحليلات الانحدار الخطي العادي والمتعدد وجود ارتباط إيجابي كبير مع درجة الحرارة والمسافة إلى الشاطئ (p < 0.05) وارتباط سلبي مع الملوحة (p < 0.001). دعمت نتائج ANOVA هذه النتائج، مشيرة إلى تأثيرات كبيرة للملوحة وPO₄ ودرجة الحرارة، من بين أمور أخرى، على وفرة النودولارين. تنبأت الاستيفاءات الجيولوجية بزيادة حدوث النودولارين في مناطق مختلفة، بما في ذلك بحر غوتلاند الشرقي، وبحر البلطيق الشمالي، وحوض أركونا، والتي تُعزى إلى تفاعلات بين المتغيرات البيئية. ومن الجدير بالذكر أن مناطق مثل كاتيغات وأجزاء من خليج بوثنيان تم التنبؤ بأنها ستشهد توزيعًا منخفضًا أو عدم وجود النودولارين على الرغم من حدوثه المقاس. كما أشار التحليل إلى أن وفرة *Nodularia spumigena* أثرت بشكل كبير على توزيع النودولارين (ANOVA، F = 8.51، p < 0.001). تشير التنبؤات المستقبلية في ظل سيناريوهات تغير المناخ (SSP5-8.5) لعام 2100 إلى مزيد من الزيادات في حدوث النودولارين استجابةً للعوامل البيئية، مع تسليط الضوء بشكل خاص على دور النترات (NO₃) في هذه الديناميات (ANOVA، F = 25.33، p < 0.0001).
المناقشة
في هذه الدراسة، بحثنا في حدوث النودولارين وتوزيع *Nodularia spumigena* عبر بحر البلطيق من خلال دمج البيانات الملاحظة مع المتغيرات البيئية المستمدة من برامج المراقبة ومنتجات نموذج كوبرنيكوس عالية الدقة. تم تنسيق مجموعة بيانات شاملة تتكون من 139 عينة من 54 موقعًا في إطار مكاني مشترك، مما مكن من تطبيق تقنيات الاستيفاء البايزي التجريبي، والاستيفاء المشترك، وتقنيات النمذجة الجماعية للتنبؤ بالتوزيعات الحالية والمستقبلية للنودولارين و*N. spumigena*. تم تقييم أداء النموذج بدقة باستخدام التحقق المتقاطع، والانحدار البايزي، وANOVA، وGLM، وPCA، وطريقة أهمية المتغيرات LMG، مما يكشف أن العوامل البيئية مثل الملوحة ودرجة الحرارة وتركيزات المغذيات تؤثر بشكل كبير على أنماط السموم.
تشير النتائج إلى أن كل من الأساليب الجيولوجية وتعلم الآلة تعطي توقعات قابلة للمقارنة بشأن توزيع النودولارين، مما يشير إلى أن دمج هذه المنهجيات يعزز دقة التنبؤ. ومن الجدير بالذكر أن النموذج حدد مناطق ذات تركيز عالٍ من النودولارين استجابةً للمتغيرات البيئية، خاصة في بحر غوتلاند الشرقي والغربي، وبحر البلطيق الشمالي، وحوض أركونا. تؤكد النتائج على أهمية مراعاة العوامل الجغرافية، مثل المسافة إلى الشاطئ، في جهود النمذجة المستقبلية، حيث تكشف عن أنماط غير متوقعة في حدوث النودولارين، خاصة في المناطق البحرية التي تعاني من نقص المغذيات. بشكل عام، تسلط الدراسة الضوء على الدور الحاسم للمتغيرات غير الحية في تشكيل ازدهارات السيانوبكتيريا وتؤكد على الحاجة إلى استراتيجيات فعالة لإدارة المغذيات للتخفيف من مخاطر السموم المستقبلية في بحر البلطيق.
DOI: https://doi.org/10.5194/bg-23-4321-2026
Publication Date: 2026-06-30
Author(s): Mohanad Abdelgadir et al.
Primary Topic: Marine and coastal ecosystems
Overview
The research highlights the effectiveness of integrating geostatistical interpolation with machine-learning techniques to monitor and manage the spatial distribution of nodularin in the Baltic Sea. The proposed model combination demonstrates enhanced accuracy in predicting nodularin occurrence, which can inform decision-making strategies aimed at mitigating the spread of cyanotoxins. By generating spatial estimates for unsampled locations and temporal predictions during challenging sampling conditions, the model serves as a valuable tool for environmental management.
The findings indicate that the distribution of nodularin is influenced by various environmental factors, including proximity to shore, which may facilitate its expansion into new areas. This insight is crucial for developing management strategies focused on nutrient reduction and anticipating the impacts of climate change, as cyanobacteria contribute to eutrophication and pose significant health risks. The study suggests that the combined modeling approaches can prioritize surveillance efforts and enable proactive sampling in regions predicted to experience elevated cyanotoxin concentrations.
Introduction
The introduction outlines the prevalence of filamentous cyanobacterial blooms in the Baltic Sea, particularly during summer months, with species such as *Nodularia spumigena*, *Aphanizomenon flos-aquae*, and *Dolichospermum spp.* dominating these occurrences. The hepatotoxin nodularin, produced by *N. spumigena*, poses significant ecological and economic threats, yet the factors influencing the spatial distribution of cyanobacteria and their toxins in the context of climate change remain poorly understood. Various methodologies, including microscopic analysis, satellite remote sensing, and modeling approaches, have been employed to study these blooms, revealing that environmental factors such as nutrient availability, temperature, and salinity play critical roles in bloom dynamics and toxin production.
The research aims to address the methodological challenges in predicting nodularin occurrence by integrating geostatistical methods, specifically Empirical Bayesian Kriging (EBK) regression prediction, with ensemble learning algorithms. This approach seeks to enhance the accuracy of spatial predictions of nodularin concentrations across the Baltic Sea, particularly under climate change scenarios projected for 2100. By utilizing a combination of in-situ measurements and environmental data, the study intends to identify the drivers of nodularin distribution and assess how these may shift in response to future climatic conditions, thereby providing a robust framework for managing and mitigating the impacts of cyanobacterial blooms in the region.
Results
The results of the geostatistical interpolation analysis indicate significant interaction effects influencing the spatial occurrence of nodularin, primarily driven by environmental predictors from the European Copernicus dataset. Bayesian linear regression revealed notable interactions between salinity, temperature, and distance to shore, as well as between phosphate (PO₄), salinity, temperature, and distance to shore, with a Bayes factor (BF₁₀) greater than 1 and an R² of 0.23. Additionally, ordinary and multiple linear regression analyses confirmed a significant positive correlation with temperature and distance to shore (p < 0.05) and a negative correlation with salinity (p < 0.001). ANOVA results further supported these findings, highlighting significant effects of salinity, PO₄, and temperature, among others, on nodularin abundance. Geostatistical interpolation predicted increases in nodularin occurrence in various regions, including the Eastern Gotland Sea, Northern Baltic Proper, and Arkona Basin, attributed to interactions among environmental variables. Notably, areas such as Kattegat and parts of Bothnian Bay were predicted to have low or no nodularin distribution despite measured occurrences. The analysis also indicated that the abundance of Nodularia spumigena significantly influenced nodularin distribution (ANOVA, F = 8.51, p < 0.001). Future predictions under climate change scenarios (SSP5-8.5) for the year 2100 suggest further increases in nodularin occurrence in response to environmental factors, particularly highlighting the role of nitrate (NO₃) in these dynamics (ANOVA, F = 25.33, p < 0.0001).
Discussion
In this study, we investigated the occurrence of nodularin and the distribution of *Nodularia spumigena* across the Baltic Sea by integrating observational data with environmental variables derived from monitoring programs and high-resolution Copernicus model products. A comprehensive dataset comprising 139 samples from 54 locations was harmonized into a common spatial framework, enabling the application of empirical Bayesian kriging, co-kriging, and ensemble modeling techniques to predict current and future distributions of nodularin and *N. spumigena*. Model performance was rigorously evaluated using cross-validation, Bayesian regression, ANOVA, GLM, PCA, and the LMG variable importance method, revealing that environmental factors such as salinity, temperature, and nutrient concentrations significantly influence toxin patterns.
The findings indicate that both geostatistical and machine learning approaches yield comparable predictions regarding nodularin distribution, suggesting that integrating these methodologies enhances prediction accuracy. Notably, the model identified areas of high nodularin concentration in response to environmental variables, particularly in the Eastern and Western Gotland Sea, Northern Baltic Proper, and Arkona Basin. The results underscore the importance of considering geographical factors, such as distance to shore, in future modeling efforts, as they reveal unexpected patterns in nodularin occurrence, particularly in nutrient-depleted offshore areas. Overall, the study highlights the critical role of abiotic variables in shaping cyanobacterial blooms and emphasizes the need for effective nutrient management strategies to mitigate future toxin risks in the Baltic Sea.