اكتشف علماء في معهد وودز هول لعلوم المحيطات (WHOI) أن الأسماك متوسطة الحجم، مثل سمك البرومفريت كبير الحراشف، تلعب دورًا حاسمًا في ربط الشبكات الغذائية في أعماق البحار والسطح، مما يفسر سبب قضاء الحيوانات المفترسة الكبيرة مثل أسماك القرش وقتًا كبيرًا في المنطقة الشفقية للمحيط. تتبع الباحثون هذه الأسماك، التي تسكن المنطقة المتوسطة خلال النهار وتصعد للتغذية في الليل، باستخدام علامات الأقمار الصناعية لأول مرة، وكشفوا عن تحركاتها وأهميتها في النظام البيئي البحري. تسلط الدراسة، التي نُشرت هذا الأسبوع، الضوء على كيف تعمل هذه الأسماك بمثابة "حلقة مفقودة" في السلسلة الغذائية للمحيط.

تمتد المنطقة المتوسطة، والمعروفة أيضًا باسم المنطقة الشفقية، على أعماق من 200 إلى 1000 متر (650 إلى 3300 قدم) وهي منطقة ذات إضاءة خافتة من المحيط. أوضح داني ميرز، وهو عالم في WHOI، أن سمك البرومفريت كبير الحراشف والأسماك متوسطة الحجم المماثلة تقوم بهجرات عمودية يومية، وتتحرك بين المياه العميقة والسطحية. ينقل هذا السلوك الطاقة والمغذيات من السطح، حيث يغذي ضوء الشمس عملية التمثيل الضوئي، إلى أعماق المحيط، مما يدعم شبكة غذائية معقدة.

استخدم فريق البحث علامات تتبع تعتمد على الأقمار الصناعية لمراقبة تحركات سمك البرومفريت كبير الحراشف. سمح لهم ذلك بجمع بيانات حول عمق الأسماك وموقعها وسلوكها على مدى فترات طويلة. كشفت البيانات أن تحركات الأسماك تتأثر بوضوح المياه، حيث تغوص الأسماك بشكل أعمق في المياه الصافية وتبقى في المياه الضحلة في الظروف الأكثر عكارة. يشير هذا التكيف إلى أن التغيرات في الظروف المحيطية، مثل زيادة العكارة بسبب تغير المناخ، يمكن أن تؤثر بشكل كبير على سلوكها، وبالتالي، على السلسلة الغذائية للمحيط بأكملها.

قال ميرز: "هذه الأسماك متوسطة الحجم تشبه الأبطال المجهولين في المحيط". "إنها ليست جذابة مثل أسماك القرش أو الحيتان، لكنها تلعب دورًا حيويًا في الحفاظ على عمل النظام البيئي." نتائج الدراسة لها آثار على فهم توزيع وسلوك الحيوانات المفترسة الأكبر حجمًا، فضلاً عن الصحة العامة للمحيط.

يمثل استخدام علامات الأقمار الصناعية تقدمًا كبيرًا في دراسة أسماك أعماق البحار. يمكن أن تكون الطرق التقليدية، مثل شباك الجر، مدمرة ولا توفر سوى لمحة عن سلوك الأسماك. من ناحية أخرى، تسمح علامات الأقمار الصناعية للباحثين بتتبع الأسماك بمرور الوقت دون إزعاج بيئتها الطبيعية. تجمع العلامات بيانات حول معلمات مختلفة، بما في ذلك العمق ودرجة الحرارة ومستويات الإضاءة، مما يوفر صورة شاملة لموطن الأسماك وسلوكها.

سيركز البحث المستقبلي على توسيع الدراسة لتشمل أنواعًا أخرى من الأسماك متوسطة الحجم والتحقيق في تأثير تغير المناخ على سلوكها وتوزيعها. يخطط العلماء أيضًا لاستخدام الذكاء الاصطناعي (AI) لتحليل الكميات الهائلة من البيانات التي تجمعها علامات الأقمار الصناعية، مما قد يكشف عن رؤى جديدة حول التفاعلات المعقدة داخل النظام البيئي للمحيط. يتضمن تطبيق الذكاء الاصطناعي في هذا السياق استخدام خوارزميات التعلم الآلي لتحديد الأنماط والعلاقات في البيانات التي قد تفوت التحليل البشري. يمكن أن يؤدي ذلك إلى فهم أفضل لكيفية هيكلة الشبكة الغذائية للمحيط وكيف تتغير بمرور الوقت.