Mô hình và nền tảng AI
Chương trình Mô hình hóa Máy tính Giúp Cải thiện Nỗ lực Bảo tồn Rạn San hô

Một nhóm các nhà nghiên cứu tại Đại học British Columbia Okanagan đã phát triển một chương trình mô hình hóa máy tính giúp các nhà khoa học dự đoán ảnh hưởng của thiệt hại do biến đổi khí hậu và kế hoạch phục hồi đối với các rạn san hô trên toàn thế giới.
Theo Tiến sĩ Bruno Carturan, đây là một bước quan trọng trong cuộc chiến chống lại biến đổi khí hậu, đang giết chết nhiều loài san hô và góp phần vào sự sụp đổ của các hệ sinh thái rạn san hô hoàn chỉnh. Tuy nhiên, các rạn san hô cực kỳ phức tạp, khiến việc nghiên cứu ảnh hưởng của sự tàn phá và tái tạo trở nên khó khăn.
Vấn đề với Thí nghiệm Thế giới Thực
Thí nghiệm trong thế giới thực không thực tế vì các nhà nghiên cứu sẽ phải thao túng và làm gián đoạn các khu vực rộng lớn của rạn san hô, các thuộc địa san hô và quần thể động vật ăn cỏ. Sau đó, họ sẽ phải theo dõi các thay đổi về cấu trúc và đa dạng sinh học trong nhiều năm.
Tiến sĩ Carturan gần đây đã hoàn thành nghiên cứu tiến sĩ của mình tại Khoa Khoa học Irving K. Barber.
“Không cần phải nói, việc thực hiện các thí nghiệm sẽ làm gián đoạn các rạn san hô tự nhiên là không đạo đức và nên tránh, trong khi sử dụng các bể thủy sinh lớn là không khả thi,” Tiến sĩ Carturan nói. “Vì những lý do này, không có thí nghiệm nào như vậy đã được thực hiện, điều này đã hạn chế khả năng dự đoán đa dạng sinh học của san hô và sự bền vững liên quan của rạn san hô.”
Nghiên cứu mới nhất của Tiến sĩ Carturan đã được công bố trên Frontiers in Ecology and Evolution.
Tạo ra Các Cộng đồng San hô
Ông đã sử dụng các mô hình để tạo ra 245 cộng đồng san hô, với mỗi cộng đồng có một tập hợp duy nhất gồm 9 loài và chiếm một diện tích 25 mét vuông. Các mô hình được thiết kế để đại diện cho các thuộc địa san hô và các loài tảo khác nhau phát triển, cạnh tranh và sinh sản cùng nhau trong khi bị ảnh hưởng bởi khí hậu.
Tiến sĩ Carturan cho biết tất cả các thành phần chính của các mô hình, bao gồm cả đặc điểm của loài, đều được thông tin bởi dữ liệu thực tế từ 800 loài khác nhau.
Đội ngũ đã mô phỏng các kịch bản khác nhau như sóng mạnh hoặc nhiệt độ cao trước khi đo độ bền của mỗi rạn san hô mô hình. Họ đã ghi lại bất kỳ thiệt hại, thời gian phục hồi và chất lượng của môi trường sống 10 năm sau khi bị xáo trộn.
Những mô phỏng và kịch bản này đã dẫn đội ngũ đến việc phát hiện ra rằng các cộng đồng đa dạng hơn là bền vững nhất, nghĩa là chúng có khả năng phục hồi tốt hơn từ thiệt hại và có chất lượng môi trường sống tốt hơn 10 năm sau khi bị xáo trộn.
“Các cộng đồng đa dạng hơn có khả năng có một số loài rất quan trọng đối với sự bền vững,” Tiến sĩ Carturan nói. “Những loài này có đặc điểm cụ thể – chúng morphologically phức tạp, cạnh tranh và có khả năng phục hồi tốt. Khi có mặt trong một cộng đồng, những loài này đã duy trì hoặc thậm chí tăng chất lượng của môi trường sống sau khi bị xáo trộn. Ngược lại, các cộng đồng không có những loài này thường bị chi phối bởi tảo có hại vào cuối.”
Ông cũng cho biết rằng đa dạng sinh học của san hô quyết định sức mạnh và sức khỏe tương lai của rạn san hô.
“Điều gì độc đáo với nghiên cứu của chúng tôi là kết quả của chúng tôi áp dụng cho hầu hết các cộng đồng san hô trên thế giới. Bằng cách đo lường ảnh hưởng của đa dạng sinh học đối với sự bền vững trong hơn 245 cộng đồng san hô khác nhau, phạm vi đa dạng sinh học có khả năng trùng với đa dạng sinh học thực tế được tìm thấy trong hầu hết các rạn san hô.”
Nghiên cứu mới này cũng cung cấp một khuôn khổ để quản lý thành công các hệ sinh thái này và hỗ trợ việc phục hồi rạn san hô bằng cách tiết lộ cách độ bền của các cộng đồng san hô có thể được quản lý với các thuộc địa được thiết lập của các loài có đặc điểm bổ sung.
“Đây là một kết luận rất thực tế và buồn rằng chúng ta có thể mất những loài quan trọng này vào một ngày nào đó,” Tiến sĩ Carturan kết luận. “Mô hình của chúng tôi có thể được sử dụng để thí nghiệm và có thể xác định xem việc mất những loài này có thể được bù đắp bằng những loài khác, kháng hơn, có thể ngăn chặn sự sụp đổ cuối cùng của rạn san hô.”












