Wetenschappers van de Oregon State University hebben een tool gemaakt die de stroomsnelheid van Arctische rivieren kan voorspellen met een verrassende mate van nauwkeurigheid op basis van de samenstelling en de overvloed aan bacteriën in het water.

Hun succesvolle "genohydrologische" benadering is belangrijk omdat veel Arctische rivieren afgelegen en behoorlijk ruig zijn, waardoor de inzet van flowmeters om het water te meten gevaarlijk en duur is. Ze geloven ook dat hun model het potentieel heeft om zich aan te passen aan afgelegen rivieren over de hele wereld.

De resultaten van de studie zijn gepubliceerd in het tijdschrift Onderzoek naar waterbronnen .

"Er is een seizoensgebondenheid in de microbiële gemeenschappen in deze rivieren en naarmate de rivieren stijgen en dalen met de seizoenen, dat microbiële profiel verandert, " zei Byron Crump, een ecoloog en biogeochemicus bij OSU's College of Earth, Oceaan, en Atmosferische Wetenschappen en co-auteur van de studie. "Deze rivieren kunnen enkele van dezelfde taxa delen, of soorten bacteriën, maar de overvloed van de taxa is anders en verandert met de stroom."

De onderzoekers richtten zich op zes Arctische rivieren:de Kolyma, Lena, Mackenzie, ob, Yenisey en Yukon - en verzamelden watermonsters uit de mond. Na extractie van bacterieel DNA uit de monsters, ze braken de genetische code af en isoleerden een segment dat het 16S-rRNA-gen wordt genoemd. Het segment wordt gevonden in alle bacteriën, de wetenschappers zeggen, maar bevat variaties die kunnen worden gebruikt om verschillende bacteriestammen te identificeren.

Ze vonden 148 stammen - ook bekend als operationele taxonomische eenheden - waarvan er negen werden gevonden in ten minste vijf van de zes Arctische rivieren.

"Om voorspellingen te doen over de stroom, we zochten naar welk type bacterie werd gevonden bij verschillende niveaus van afscheiding, " zei Stephen Goed, een hydroloog bij OSU's College of Agricultural Sciences en hoofdauteur van het onderzoek. "Vervolgens hebben we gekeken naar de bacteriën uit de rivier die we wilden voorspellen en schatten we de afvoer op basis van deze eerder vastgestelde relatie tussen stroming en bacterie-overvloed."

Met behulp van 33 jaar afvoermetingen van de rivieren, Good en zijn collega's creëerden een algoritme dat de stroom van de rivieren kan schatten op basis van het microbiële profiel. Toen ze het testten met modellen van rivierstroming die uitsluitend waren gebaseerd op neerslag en stroomgebied, ze ontdekten dat hun microbe-algoritme 20 procent nauwkeuriger was.

"Als we stroommeters in de rivier plaatsen, we zullen betere metingen krijgen, maar dat is in veel gevallen niet eenvoudig, "Crump zei. "De hydrologische gemeenschap heeft een andere methode nodig om de stroming te helpen voorspellen, naast de helling, neerslag, geomorfologie en klimaat, en dit door Stephen (Good) ontwikkelde algoritme lijkt effectief te zijn - en heeft het potentieel om nog beter te zijn."

Good zei dat de volgende stap in het onderzoek is om andere factoren in zijn complexe model op te nemen, inclusief neerslag, en om te zien of de methode toepasbaar is op andere riviersystemen.

"De bacteriën die we hebben geïdentificeerd, zijn waarschijnlijk te vinden in andere rivieren, hoewel niet noodzakelijk in dezelfde hoeveelheid, dus het model zal moeten worden aangepast, Goed gezegd. "We zijn bezig met het bekijken van deze methode in heel West-Oregon, en we proberen al neerslag in het proces op te nemen."