De toekomst van onze rivieren: minder zuurstof door klimaatverandering

Wetenschappers waarschuwen al geruime tijd voor een afname van het zuurstofgehalte in het water als gevolg van stijgende temperaturen. Tot nu toe bleven de schattingen van de wijze waarop dit proces zich in rivieren zal ontvouwen beperkt tot lokale studies. Nu is dit probleem voor het eerst op wereldwijde schaal aangepakt, door promovendus Duncan Graham in het kader van het NWO Vidi-project onder leiding van prof. dr. Michelle van Vliet. De resultaten van hun onderzoek laten zien dat rivieren wereldwijd de komende decennia te maken zullen krijgen met een aanzienlijke daling van het zuurstofgehalte als gevolg van klimaatverandering. Hun bevindingen suggereren dat zoetwaterecosystemen te maken zullen krijgen met langere periodes van extreem lage zuurstofgehaltes (hypoxie), met mogelijk ernstige gevolgen voor het leven in het water.

Graham en zijn collega's ontwierpen een hybride model gebaseerd op een scenario dat sterk lijkt op ons huidige wereldwijde emissieroute. Ze ontdekten dat het aantal dagen met zuurstofstress (d.w.z. concentraties lager dan 5 mg per liter) tussen 2020 en 2100 zal toenemen met ruim 20 dagen per decennium  – een stijging die 70% hoger ligt dan die waargenomen is tussen 1980 en 2019. Deze dramatische verandering wordt grotendeels veroorzaakt door stijgende watertemperaturen als gevolg van klimaatverandering.

Trends in opgeloste zuurstof

Het team berekende de gemiddelde concentratie opgeloste zuurstof in rivieren in verschillende regio's met behulp van modelsimulaties die ook geëvalueerd zijn met metingen  verzameld tussen 1980 en 2019. Temperatuur en microbieel zuurstofverbruik identificeerden zij als de belangrijkste factoren die de zuurstofniveaus beïnvloeden. Beide zijn wereldwijd toegenomen, wat heeft geleid tot een algehele daling van de concentratie opgeloste zuurstof.

Machine learning en modellering

Om dit onderzoek uit te voeren, ontwierpen Graham en het onderzoeksteam een ​​hybride model dat rekening houdt met zowel natuurlijke processen als klimaatgedreven variabiliteit. Procesgebaseerde modellen zijn zeer geschikt voor het analyseren van scenario's op basis van bekende fysische en biologische processen, maar ze hebben moeite om extreme klimaatgebeurtenissen, zoals droogtes of hittegolven, weer te geven. Machine learning helpt deze beperking te overwinnen door het model beter in staat te stellen effecten van extremen te bepalen, zoals de impact van droogtes en hittegolven op opgeloste zuurstofconcentraties. Door beide benaderingen te combineren, kan het model de omstandigheden in het verleden en de toekomst nauwkeuriger weergeven.

Gevolgen voor dieren in het wild

De drastische daling van de opgeloste zuurstofconcentraties in rivieren kan ernstige gevolgen hebben voor waterdieren. Met name dreigt een toename van de frequentie van vissterfte. De gevolgen zullen echter variëren afhankelijk van de regio en de soort. Soorten die in koude en gematigde streken leven, zijn over het algemeen gevoeliger voor schommelingen in de concentraties opgeloste zuurstof, terwijl soorten in tropische streken hier doorgaans beter tegen bestand zijn. Om de effecten van dalende zuurstofgehaltes volledig te kunnen beoordelen, pleiten de auteurs voor verder onderzoek naar het aanpassingsvermogen van zoetwatervissen. 

Artikel

Duncan J. Graham, Marc F. P. Bierkens, Edward R. Jones, Edwin H. Sutanudjaja & Michelle T. H. van Vliet, ‘Climate change drives low dissolved oxygen and increased hypoxia rates in rivers worldwide’, Nature Climate Change, https://doi.org/10.1038/s41558-025-02483-y