SINMOD
Havmodellen SINMOD er utviklet ved SINTEF i tett samarbeid med NTNU, UiT og andre nasjonale og internasjonale miljø, siden 1987. Det som spesielt skiller SINMOD fra andre norske- og internasjonale havmodeller er dens helhetlige tilnærming til havets økosystem. SINMOD er en koblet økosystemmodell som integrerer fysiske, kjemiske og biologiske prosesser i havet, inkludert karbonsystemet og utveksling av oksygen og CO2 med atmosfæren.
SINMOD har spesialiserte moduler for blant annet lakselus, spredning av virus, tare og maneter. I tillegg fungerer den som et fleksibelt forskningsverktøy, der nye prosesser enkelt kan iverksettes for å teste hypoteser og studere ulike scenarioer, eksempelvis «hva skjer hvis …?». En sentral drivkraft bak utviklingen har vært å forstå hvordan endringer i fysiske forhold påvirker havets økosystemer
Hydrodynamisk komponent
Den hydrodynamiske modulen er basert på Navier–Stokes-ligningene, løst ved hjelp av endelig differansemetode på et Arakawa C-rutenett. Modellens input inkluderer atmosfærisk påvirkning, ferskvannstilførsel og randbetingelser (hydrografi, tetthet, tidevannspåvirkning og strømmer).
Den første SINMOD-oppsetningen ble utviklet for Barentshavet, men modellen er senere tatt i bruk i mange områder globalt (Chile, New Zealand, Brasil og Middelhavet). Den romlige oppløsningen varierer etter region og problemstilling, og kan gå fra 20 km til 32 m horisontalt. Vertikalt benytter modellen z-lag.
Grunnleggende beskrivelse av modellen er gitt i Slagstad og McClimans (2005).
Biologiske modeller for mesozooplankton, tare, maneter og blåskjell
Parallelt med den hydrodynamiske modulen er det utviklet en økosystemmodul som simulerer de grunnleggende prosessene i det marine økosystemet. Modellen beskriver hvordan planktonproduksjon vekselvirker med blant annet nitrogen-, karbon- og oksygensyklusene i havet og hvordan denne primærproduksjonen gir grunnlag for dyreplankton og eksport av organisk material til større havdyp.
En detaljert populasjonsmodell for raudåte (Calanus), som er en av de grunnleggende artene i det pelagiske økosystemet, gjør det mulig å besvare viktige spørsmål om arter lenger opp i den marine næringskjeden. Dette gjelder naturlige variasjoner og dynamikk så vel som menneskelig påvirkning fra for eksempel fiskeri og akvakultur.
SINMOD har vært brukt i en rekke studier av nordiske og arktiske økosystem. Deler av økosystemmodulen finnes beskrevet i Wassmann et al. 2006. En oppdatert versjon av modellen for raudåte finnes i Alver et al. 2016 og Chamorro 2025.
Økosystemmodulen i SINMOD kan kobles med modeller for arter og problemstillinger som er spesielt interessante. Eksempler er akvakultur/havbruk med blåskjell (Handå et al., 2011) og tare (Broch et al., 2013) og spredning av maneter (Majaneva 2025,2026).
Detaljerte vekstmodeller for tare og andre makroalgearter kan brukes til å beregne dyrkingspotensial, å finne gode lokaliteter for akvakultur (Broch et al., 2019), eller å finne ut hvordan tare og andre arter kan inngå i akvakulturnæringen på en mest mulig bærekraftig måte. Mer om tare kan man finne under Norsk taresenter og SFI Seaweed.
Dataassimilering
Havmodeller er forbundet med usikkerhet fra blant annet romlig oppløsning, matematiske forenklinger, parameteriseringer og usikre driv- og randbetingelser. Havets ulineære og kaotiske dynamikk gjør at små feil i modellens starttilstand kan vokse gjennom prognoseperioden. En presis initialbetingelse er derfor avgjørende for treffsikre havvarsler.
Dataassimilering kombinerer observasjoner med modellens beregnede tilstand og tar hensyn til usikkerhet i både modell og målinger. SINTEF har implementert ensemblebasert dataassimilering med ensemble Kalman-filter og det åpne programvarebiblioteket PDAF. Ensemblet representerer flere plausible havtilstander og gir et rom- og tidsanslag på modellusikkerheten.
Observasjoner fra satellitter, bøyer, fartøy og autonome plattformer brukes til å oppdatere modellen og etablere et bedre utgangspunkt for videre prognoser. Usikkerhetsestimatene kan også brukes som apriori informasjon i planlegging av autonome operasjoner, for eksempel til å velge ruter og målepunkter der nye observasjoner forventes å ha størst verdi.