A data-constrained framework for marine biogeochemistry modeling with applications to the Paranaguá estuarine complex

Abstract

Resumo: Nas últimas duas décadas, modelos matemáticos e computacionais tornaram-se uma das principais ferramentas usadas no estudo da dinâmica de sistemas marinhos, permitindo que pesquisadores testem hipóteses e investiguem situações de interesse no presente, pas sado e futuro- antes impossíveis sem campanhas ocenográficas. Estas incluem o estudo de mudanças climáticas, previsão da qualidade da água, fluxos de nutrientes, risco de proliferação de algas nocivas e gestão de portos e estuários, dentre outros. Em geral, o desenvolvimento de modelos que representem de forma confiável o ambiente de interesse é uma tarefa complicada e de alto custo computacional, dificultando a aplicação destes modelos em ambientes específicos, como plumas e complexos estuarinos- tais como o de Paranaguá, na costa paranaense. Além disso, modelos biogeoquímicos possuem vários parâmetros a serem calibrados para região de interesse, em geral ajustados empirica mente, com base em heurísticas e inferências à partir de dados disponíveis, devido ao alto custo computacional envolvido nas simulações. Neste trabalho, propomos avançar o estado da arte do desenvolvimento e calibração de modelos biogeoquímicos, dentro do con texto brasileiro, com três contribuições. Primeiro, desenvolvemos um modelo conceitual para a dinâmica nutriente-fitoplâncton do Complexo Estuarino do Paranaguá (CEP) um dos primeiros modelos desenvolvidos no Brasil para a região. O modelo é simples e de baixo custo computacional, acessível a qualquer laptop doméstico. Em seguida, o trabalho propõe uma abordagem de calibração sistemática para modelos biogeoquímicos marinhos utilizando conjuntos de dados traçadores das regiões de estudo e otimização. Finalmente, apresentamos uma aplicação prática desta abordagem ao modelo do CEP, onde a calibração de modelo é realizada utilizando dados in-situ de traçadores. O resul tado mostra que o modelo, apesar de simples, é capaz de reproduzir as observações desde que propriamente calibrado, demonstrando o poder do uso de técnicas de otimização mesmo em modelos concentuais. Como possibilidades futuras, observamos que tanto o modelo quanto a abordagem são generalizáveis, permitindo calibração multiparâmetro, variação sazonal de parâmetros e modelos bioquímicos acoplados a modelos hidrodinâmi cos de maior fidelidade, com potencial de automação via aprendizado de máquina

Abstract: Over the last two decades, mathematical and computational models have become one of the primary tools used in the study of marine biogeochemical systems, enabling re searchers to test hypotheses and to investigate scenarios of interest in the present, past, and future– previously impossible without dedicated oceanographic expeditions. These include the study of climate change, water quality prediction, nutrient flows, harmful algal bloom risk, and port and estuarine management, among others. In general, de veloping models that reliably represent the environment of interest is a complex and computationally expensive task, which hinders the application of these models in spe cific environments, such as plumes and estuarine complexes– such as the Paranaguá Estuarine Complex (PEC) on the Paraná State coast, in Southern Brazil. Furthermore, biogeochemical models have several parameters that need to be calibrated for the region of interest, which are generally tuned empirically, based on heuristics and inferences from available data, due to the high computational cost involved in the simulations. In this work, we propose advancing the state of the art in the development and calibration of ma rine biogeochemical models, within the Brazilian context, with three main contributions. First, we developed a conceptual model for the nutrient-phytoplankton dynamics of the PEC– one of the first models developed in Brazil for the region. The model is simple and computationally inexpensive, accessible to any home laptop. Next, the work pro poses a systematic calibration approach for marine biogeochemical models using tracer datasets from the study regions and optimization. Finally, we present a practical appli cation of this approach to the PEC model, where model calibration is performed using in-situ tracer data. The results show that the model, despite its simplicity, is capable of reproducing the observations provided it is properly calibrated, demonstrating the power of using optimization techniques– even in a conceptual model setting. As future opportunities, we note that both the model and the approach are generalizable, enabling multi-parameter calibration, seasonal variation of parameters, and biochemical models coupled with higher-fidelity hydrodynamic models, with further automation potential via machine learning