Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Variability and Trends of Phytoplankton in the Baltic Sea and Kattegat-Skagerrak
Perfomers of environmental monitoring, Government Agencies, SMHI.
Perfomers of environmental monitoring, Government Agencies, SMHI.
Perfomers of environmental monitoring, Government Agencies, SMHI.
Responsible organisation
2015 (English)Report (Other academic)
Abstract [en]

The aim of the report is to describe results from analyses of time series of phytoplankton data from the Swedish marine monitoring programs. One issue is if it is possible to describe environmental change with the current sampling frequency. The three main aims are: (I) to investigate the statistical strength of time series of phytoplankton biomass, (II) to investigate the variability of species composition between stations and (III) to investigate the temporal variability regarding species composition. Results indicate how long time series are needed to detect change at a certain level. Also the variability in biodiversity is shown with some examples.  

To quantify the biomass of phytoplankton different parameters may be investigated, e.g. chlorophyll content and the biovolume of phytoplankton. Chlorophyll a is designated in directives for describing the environmental status of the seas as an indicator for eutrophication. Sampling for chlorophyll is usually made using two different methods in the seas surrounding Sweden. Samples are collected using a hose, normally from 0-10 m depth, or by sampling at discrete depths, e.g. 1, 5 and 10 m. No difference was observed when comparing data from the hose sampling with depth-averaged data from the discrete depths. Thus the data from hose-sampling can be used together with the data based on sampling at discrete depths. To investigate if chlorophyll a works as a proxy for phytoplankton biomass data on total biovolume of phytoplankton, based on cell counts and cell volume estimates, was compared to chlorophyll a data. The data set include data from 1983 to 2014. A large part of the data emanates from 2010 and later. In the investigated data set there is a significant, but weak, correlation between chlorophyll a and total biovolume (n= 3119, p <0.01, R2 = 0.439).  

Results about the statistical strength (power) of the time series of total biovolume of phytoplankton indicate that it on average takes 23 years to detect a change of 1% (p<0.01, power = 80%). A change of 10% is detected after 7 years and a change of 40% is detected in 5 years. Results regarding the statistical strength of time series of chlorophyll a show that it on average takes 33 years to detect a change of 1%. A change of 10% is detected after 14 years and a change of 40% in 7 years. Please note that these figures are based on data from monitoring programs that include the variability observed. When the data set was divided into geographical areas called the type areas it was evident that the amount of available data in the different type areas varies a lot. In some areas there is not enough data to carry out an analysis of the statistical strength. Another conclusion is that there is substantially less data on phytoplankton biodiversity and biomass based on cell counts and cell volume estimates compared to the amount of data on chlorophyll a.  

Data was also split according to sea basins to show the statistical strength in the data if sampling frequency continues as up to now. To detect a change of Swedish Agency for Marine and Water Management report 2015:33  8 5% of chlorophyll a with the power of 80% the number of years needed if the present sampling frequency continues is on average:

- The Kattegat-Skagerrak: 16 years

- The Sound and the Southern Baltic Proper: 11 years

- The Baltic Proper: 7->50 years

- The Bothnian Sea: 19-41 years

- The Bothnian Bay: 13-35 years  

To investigate differences in biodiversity, data from intense sampling campaigns made in the period 2010-2012 was used. The sampling was made at a much larger number of locations compared to the normal monitoring program. Results of cluster analysis (Euclidian distance) on the species composition show that weekly sampling describes the natural variability in phytoplankton biodiversity well while sampling once a month does not resolve the natural variability in biodiversity. When investigating the spatial variability, i.e. the differences in species composition between stations, results indicate that samples from the same water mass, e.g. the southern Kattegat, are similar. The differences in closely located bays and fjords are large in regard to plankton biodiversity.

Abstract [sv]

Rapporten syftar till att beskriva resultat från analys av tidsserier från marina miljöövervakningsprogram i Sverige med avseende på växtplankton. En övergripande fråga är om den svenska miljöövervakningen kan fånga upp förändringar med nuvarande provtagningsfrekvens. De tre huvudsyftena är att: (I) analysera statistisk styrka för tidsserier av växtplanktonbiomassa, (II) analysera hur statistiskt lika stationer är med avseende på artsammansättning och (III) analysera tidsmässig variabilitet vad gäller artsammansättning. Resultaten kan ge en fingervisning om hur långa mätserier som krävs beroende på vilken fråga som skall besvaras, d.v.s. vilken storlek på förändring över tid som behöver detekteras. Resultaten ger även inblick i hur stor variabiliteten i växtplanktons biodiversitet är mellan stationerna, eller enklare utryckt hur lika stationer är.  För att kvantifiera hur mycket växtplankton som finns kan olika parametrar undersökas, exempelvis klorofyll och biovolym. Klorofyll är specificerat i direktiv för att beskriva miljöstatus i havet som en indikator för eutrofiering. Klorofyllprovtagning sker med huvudsakligen två olika metoder i haven runt Sverige. Prover tas dels med slang, normalt 0-10 m, och dels med vattenhämtare från fasta djup. När medelvärden från provtagning vid fasta djup jämfördes med data från slangprovtagning kunde ingen skillnad påvisas. En slutsats är att klorofylldata baserad på slangprovtagning kan användas tillsammans med medelvärdesbildade data från fasta djup. För att undersöka om klorofyll a fungerar som en så kallad proxy (~ersättare) för växtplanktonbiomassa jämfördes data på total biovolym av växtplankton med mängden klorofyll a i ett datamaterial från 1983 till 2014. En stor del av data kommer från 2010 och senare. I det undersökta datamaterialet finns en signifikant, men svag, korrelation mellan växtplanktonbiomassa, mätt som biovolym, och klorofyll a. (n= 3119, p <0.01, R2 = 0.439).  Resultat gällande statistisk styrka på tidsserier av total biovolym av växtplankton visar att det i medeltal tar 23 år att upptäcka en förändring på 1% (p<0.05, power = 80%). En förändring på 10% upptäcks på 7 år och en förändring på 40% på 5 år. Resultat gällande statistisk styrka på tidsserier av klorofyll a visar att det i medeltal tar 33 år att upptäcka en förändring på 1%. En förändring på 10% upptäcks på 14 år och en förändring på 40% på 7 år. Det är värt att notera att dessa siffror är baserade på verkliga data från miljöövervakningen och den variabilitet som finns i datamaterialet. När data delades upp i olika geografiska områden enligt den så kallade typindelningen av kustvatten visade det sig att datamängden i de olika typerna varierar stort. Det innebär att det i vissa områden i stort sett saknas dataunderlag för att göra en analys av statistisk styrka. En annan slutsats är att det finns en betydligt mindre mängd data gällande växtplanktons biodiverstitet och biomassa baserat på cellräkning och cellvolymsbestämningar jämfört med mängden data på klorofyll a.  Data delades även in havsområdesvis för att visa vilken statistisk säkerhet datamaterialet ger om provtagningar fortsätter med samma frekvens som hittills. För att upptäcka en förändring på 5% i klorofyll med en statistisk säkerhet på 80% krävs det i medeltal:   Kattegatt-Skagerrak: 16 års data  Öresund och södra Egentliga Östersjön: 11 års data  Egentliga Östersjön: 7-> 50 års data  Bottenhavet: 19-41 års data  Bottenviken: 13-35 års data  För att undersöka skillnader i biodiversitet användas data från de så kallade kampanjårs-studierna som genomfördes under perioden 2010 - 2012. Då genomfördes provtagning av växtplankton på betydligt fler stationer än i de normala övervakningsprogrammen. Resultat av klusteranalys (Euclidian distance) på artsammansättning visar att en provtagningsfrekvens på en gång i veckan fångar den naturliga variationen i biodiversitet. Provtagning en gång i månaden fångar inte den naturliga variabiliteten i biodiversitet. När det gäller rumslig upplösning så har stationer inom samma vattenmassa, t.ex. södra Kattegatt, ungefär samma artsammansättning. När det gäller stationer nära kusten, finns betydande skillnader i biodiversitet mellan prover insamlade i närliggande vikar och fjärdar/fjordar. 

Place, publisher, year, edition, pages
Göteborg, 2015. , p. 34
Series
Havs- och vattenmyndighetens rapport ; 2015:33
Keywords [en]
phytoplankton, marine monitoring program, species composition, biodiversity, chlorophyll, biovolume, Baltic Sea, Kattegat-Skagerrak
Keywords [sv]
Östersjön, växtplankton, miljöövervakning, provtagning, klorofyll, biovolym, artsammansättning
National Category
Environmental Sciences
Research subject
Finance, National; Coast and Sea, Phytobentic communities; Environmental Objectives, A Balanced Marine Environment, Flourishing Coastal Areas and Archipelagos
Identifiers
URN: urn:nbn:se:havochvatten:diva-101ISBN: 978-91-87967-19-1 (print)OAI: oai:DiVA.org:havochvatten-101DiVA, id: diva2:1368102
Available from: 2019-11-06 Created: 2019-11-06 Last updated: 2019-11-06

Open Access in DiVA

fulltext(1551 kB)1 downloads
File information
File name FULLTEXT01.pdfFile size 1551 kBChecksum SHA-512
be5823ae248e1c29b80f3d508a212bdda19424910dc22b5b900e4ce2e290fbaf6d9ce2df7aba1d2774a8dae1c30019337e0fc1da3b38a8ac4a1b1a71067efaca
Type fulltextMimetype application/pdf

By organisation
SMHI
Environmental Sciences

Search outside of DiVA

GoogleGoogle Scholar
Total: 1 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

isbn
urn-nbn

Altmetric score

isbn
urn-nbn
Total: 5 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf