Een nieuw Open Access-onderzoek in npj Climate and Atmospheric Science laat voor het eerst in een directe modeltest zien dat meetgegevens van gemerkte haaien de seizoensgebonden oceaanvoorspellingen kunnen verbeteren. In de retrospectieve experimenten zijn de fouten in de voorspelde oppervlaktetemperatuur in individuele dynamische oceaangebieden met wel 40 procent afgenomen.
De dieren werden niet specifiek naar meetroutes geleid. 18 blauwe haaien en een kortvin-mako bewogen zich vrij door de noordwestelijke Atlantische Oceaan en registreerden diepte en temperatuur met satellietzenders. Omdat haaien vaak fronten, draaikolken en andere dynamische gebieden bezoeken, verzamelden ze gegevens precies daar waar conventionele meetsystemen gaten kunnen vertonen.
8.242 temperatuurprofielen uit de noordwestelijke Atlantische Oceaan
Het onderzoeksteam rustte de haaien in oktober 2021 uit met SPLASH-10 satellietzenders nabij Cape Cod. In april 2022 zonden de 19 dieren in totaal 8.242 diepte-temperatuurprofielen uit met 58.947 gekoppelde metingen. Samen hadden ze 2.635 zenddagen.
De meetpunten strekten zich uit over ongeveer 20 graden breedtegraad en 40 graden lengtegraad in de Atlantische Oceaan. De diepste geregistreerde duik was 1.976 meter. De sensoren registreerden temperaturen tussen de 3,9 en 33,9 graden Celsius. De haaien zorgden niet alleen voor posities aan het oppervlak, maar ook voor driedimensionaal inzicht in de waterkolom.
Een deel van de haaiengegevens ging rechtstreeks het model in
Voor de daadwerkelijke test voerden de onderzoekers 1.329 van de profielen in maandelijkse initialisaties van een seizoensklimaatmodel in. Vervolgens vergeleken ze voorspellingen met en zonder haaiengegevens met behulp van satellietobservaties en een gevestigde oceaanheranalyse.
Het effect was vooral duidelijk in kust-, plat- en continentale-hellinggebieden. Daar veranderen temperatuurfronten en stromingen op relatief kleine ruimtelijke schalen, terwijl een grofweg opgelost model dergelijke processen slechts in beperkte mate kan weergeven. Bij individuele vergelijkingen verminderde aanvullende initialisatie met haaiengegevens de fouten in de oppervlaktetemperatuur met wel 40 procent.
Het effect bleef soms weken tot maanden merkbaar, ook al werden de profielen alleen tijdens korte startperioden in het model opgenomen. Niet alleen het aantal metingen was belangrijk. Over sommige maanden zou een bredere ruimtelijke spreiding belangrijker kunnen zijn dan veel dicht bij elkaar gelegen profielen.
Van de orkaanbelofte naar de eerste modeltest
Haitauchen rapporteerde in 2025 over het idee om haaien als mobiele dataleveranciers voor betere orkaan- en weersvoorspellingen. Destijds lag de nadruk vooral op het potentieel: roofvissen die over grote afstanden trekken, zouden temperatuurgegevens moeten opleveren van delen van de oceaan die moeilijk toegankelijk zijn.
Het nieuwe werk is een belangrijke stap van dit idee naar een meetbaar resultaat. Het bewijst echter niet dat de zendergegevens al zijn gebruikt om een specifiek orkaanspoor of de intensiteit van een individuele storm beter te voorspellen. Seizoenstemperatuurvoorspellingen voor de oceaan werden getest. Dergelijke verbeterde initiële gegevens zouden op de lange termijn ook weer- en stormmodellen kunnen ondersteunen, maar hiervoor zijn verdere, gerichte experimenten nodig.
Waarom haaien conventionele meetsystemen kunnen aanvullen
Satellieten observeren voornamelijk het oceaanoppervlak. Argo sondes, onderzoekscruises en autonome zweefvliegtuigen leveren gegevens uit de diepte, maar bestrijken niet elk dynamisch kust- en platgebied even goed. Getagde dieren kunnen aanvullende profielen doorgeven van gebieden die ze uit eigen beweging bezoeken.
Haaien vervangen deze meetnetten niet. Hun waarde ligt in de aanvulling op deze netwerken. Gegevens die worden gegenereerd bij ecologische telemetrieprojecten kunnen na kwaliteitscontrole ook worden opgenomen in oceaanmodellen. De onderzoekers verwijzen naar internationale programma’s als Animal Telemetry Network en AniBOS, die diergegevens op termijn willen integreren in mondiale observatiesystemen.
Nog geen operationeel voorspellingssysteem
Het onderzoek is nadrukkelijk een proof of concept. Het gebruikt gegevens van slechts 19 haaien uit één seizoen en één oceaangebied. Het gebruikte model werkt met een resolutie van ongeveer één graad en kan veel kleinschalige stromingsprocessen niet direct oplossen. Bovendien werden de evaluaties met terugwerkende kracht uitgevoerd en niet als een dagelijkse operationele voorspellingsdienst.
Voor langdurig gebruik zijn meer dieren, langere tijdreeksen, gestandaardiseerde sensoren en een gegevensstroom nodig die gemeten waarden vrijwel in realtime controleert en distribueert naar weer- en oceaandiensten. Alleen dan kan worden getest hoe betrouwbaar de aanpak werkt in verschillende jaren en regio’s.
Het eerste directe experiment levert nog steeds een duidelijk resultaat op: haaien documenteren niet alleen hun eigen trekroutes. Hun duiken kunnen ook waarnemingslacunes in de oceaan dichten en voorspellingsmodellen meetbaar verbeteren.
