Een team van onderzoekers van de Universiteit van Washington en de National Oceanic and Atmospheric Administration (NOAA) heeft een nieuw model ontwikkeld dat beter kan voorspellen hoe walvissen door hun oceaanhabitat reizen. Het model maakt gebruik van een combinatie van oceanografische gegevens en gegevens over het volgen van walvissen om te identificeren welke factoren het belangrijkst zijn voor walvissen wanneer ze migreren of foerageren.

Het vermogen om walvisbewegingen te voorspellen is belangrijk voor natuurbehoudsinspanningen, omdat het kan helpen om gebieden te identificeren waar de kans op walvissen het grootst is en dus bescherming nodig hebben. Het kan ook helpen om te begrijpen hoe walvissen omgaan met menselijke activiteiten, zoals scheepvaart en visserij.

Het nieuwe model is een aanzienlijke verbetering ten opzichte van eerdere modellen en zal naar verwachting een waardevol instrument zijn voor het behoud en beheer van walvissen.

Hoe het model werkt

Het nieuwe model combineert gegevens uit twee hoofdbronnen:

* Oceanografische gegevens: Dit omvat informatie over de oceaanomgeving, zoals de watertemperatuur, het zoutgehalte en de stroming.

* Volggegevens van walvissen: Dit omvat gegevens over de bewegingen van walvissen, die worden verzameld met behulp van satelliettags of andere volgapparatuur.

Het model gebruikt deze gegevens om te identificeren welke factoren het meest gecorreleerd zijn met walvisbewegingen. Het model zou bijvoorbeeld kunnen vaststellen dat de kans groter is dat walvissen reizen in gebieden met bepaalde watertemperaturen of in gebieden met sterke stroming.

Zodra het model de belangrijkste factoren heeft geïdentificeerd, kan het worden gebruikt om te voorspellen waar de kans op walvissen op een bepaald moment het grootst is. Deze informatie kan worden gebruikt om kaarten van de walvishabitat te maken, die kunnen worden gebruikt om beslissingen over natuurbehoud en beheer te onderbouwen.

Voordelen van het nieuwe model

Het nieuwe model heeft verschillende voordelen ten opzichte van eerdere modellen. Ten eerste maakt het gebruik van een uitgebreidere dataset, die meer oceanografische gegevens en gegevens over het volgen van walvissen omvat. Hierdoor kan het model subtielere relaties tussen walvisbewegingen en omgevingsfactoren identificeren.

Ten tweede is het nieuwe model flexibeler dan eerdere modellen. Het kan worden gebruikt om walvisbewegingen in verschillende omgevingen te voorspellen, en kan worden aangepast aan nieuwe gegevens zodra deze beschikbaar komen.

Ten derde is het nieuwe model gebruiksvriendelijker dan eerdere modellen. Het is gemakkelijk toegankelijk en kan worden gebruikt door een verscheidenheid aan belanghebbenden, waaronder natuurbeschermers, managers en het grote publiek.

Conclusie

Het nieuwe model ontwikkeld door de Universiteit van Washington en NOAA is een aanzienlijke verbetering ten opzichte van eerdere modellen voor het voorspellen van walvisbewegingen. Er wordt verwacht dat het model een waardevol instrument zal zijn voor inspanningen op het gebied van het behoud en beheer van walvissen, en het heeft het potentieel om een ​​echt verschil te maken voor de bescherming van deze iconische dieren.