Ανάπτυξη νέου πλαισίου που βασίζεται στα δεδομένα για την πρόβλεψη των επιπέδων βακτηρίων στο νερό της παραλίας
Υπάρχει ολοένα και μεγαλύτερος όγκος διαθέσιμων δεδομένων — για παράδειγμα από την παρακολούθηση των μετεωρολογικών συνθηκών — που μπορεί να είναι σε θέση να τεκμηριώνουν τη διαχείριση του περιβαλλοντικού κινδύνου. Η αξιοποίηση αυτών των δεδομένων, ωστόσο, απαιτεί εξελιγμένες μεθόδους που μπορούν να συνδέσουν σύνθετα σύνολα μεταβλητών. Με άλλα λόγια, είναι δύσκολο να προβλέψουμε τη συχνότητα και τη δύναμη των φυσικών κινδύνων, δεδομένου ότι είναι λειτουργίες της αλληλεπίδρασης πολλαπλών φαινομένων.
Τα μοντέλα πρόβλεψης που βασίζονται σε δεδομένα — τα οποία χρησιμοποιούν στατιστικές σχέσεις και αλγόριθμους για να κάνουν προβλέψεις — πρέπει επίσης να βασίζονται σε δεδομένα που μπορεί να είναι ελλιπή, ασυνεπή και αραιά στην περίπτωση σπάνιων γεγονότων. Ωστόσο, μπορούν να είναι αποτελεσματικές και να βελτιωθούν με την αξιοποίηση των αυξανόμενων όγκων δεδομένων από πηγές όπως η τηλεπισκόπηση, οι σταθμοί παρακολούθησης και η δειγματοληψία. Η πρόβλεψη κινδύνων βάσει δεδομένων έχει πλέον αναπτυχθεί για τις πλημμύρες, την ατμοσφαιρική ρύπανση και την επιβλαβή άνθιση φυκών, για παράδειγμα.
Ερευνητές στις ΗΠΑ έχουν εφαρμόσει αυτή τη μέθοδο στην ψυχαγωγική ποιότητα του νερού στην παραλία. Λόγω του πιθανού κινδύνου για την υγεία που ενέχει η μόλυνση των υδάτων της παραλίας από περιττώματα, η ποιότητα του νερού παρακολουθείται σε πολλά μέρη του κόσμου για τα βακτήρια-δείκτες κοπράνων (FIB). Εάν ανιχνευθούν, ενδέχεται να υπάρχουν εντερικά παθογόνα όπως το Escherichia coli ή ο νοροϊός. Η παρακολούθηση είναι γενικά σπάνια, ωστόσο — διεξάγεται το πολύ εβδομαδιαίως και η εργαστηριακή ανάλυση διαρκεί έως και 48 ώρες. Αυτό σημαίνει ότι υπάρχει καθυστέρηση μεταξύ των βακτηρίων που ανιχνεύονται, των αποφάσεων διαχείρισης των παραλιών και της δημόσιας κοινοποίησης — και οι παρεμβάσεις μπορεί να μην αντικατοπτρίζουν καν τις τρέχουσες συνθήκες.
Στην Καλιφόρνια, όπου διεξήχθη αυτή η μελέτη, τα μοντέλα που χρησιμοποιούνται επί του παρόντος για να προβλέψουν πότε τα επίπεδα FIB θα υπερβούν τα πρότυπα ασφαλείας τείνουν να προσφέρουν μόνο πληροφορίες σχετικά με την επιμονή των βακτηρίων μετά την ανίχνευση — ή πληροφορίες σε πραγματικό χρόνο («nowcasts») — αντί να υποδεικνύουν μελλοντικές συνθήκες. Τα μοντέλα χρησιμοποιούνται σε πολλές τοποθεσίες θαλάσσιων και γλυκών υδάτων σε όλο τον κόσμο (π.χ. στις Μεγάλες Λίμνες των ΗΠΑ, το Χονγκ Κονγκ, τη Νέα Ζηλανδία και το Ηνωμένο Βασίλειο). Παρέχουν πιο συχνές και πιο ακριβείς πληροφορίες σχετικά με την ποιότητα του νερού στην παραλία από ό, τι τα προγράμματα δειγματοληψίας μόνο μπορούν να παρέχουν. Τέτοιες βραχυπρόθεσμες, αυθημερόν προβλέψεις δίνουν στους διευθυντές λίγο χρόνο για να πάρουν αποφάσεις διαχείρισης παραλιών. Θα ήταν πιο χρήσιμο να έχουμε προβλέψεις για την ποιότητα του νερού αρκετές ημέρες, αλλά μέχρι στιγμής μελέτες έχουν προσπαθήσει να προβλέψουν μόνο τα επίπεδα των βακτηρίων μέχρι και μια ημέρα μπροστά.
Χρησιμοποιώντας ιστορικές παρατηρήσεις του FIB και των περιβαλλοντικών δεδομένων από δύο τοποθεσίες της Καλιφόρνιας, Cowell Beach και Huntington State Beach — και οι δύο δημοφιλείς στους beachgoers — οι ερευνητές προσπάθησαν να αναπτύξουν μοντέλα που θα μπορούσαν να προβλέψουν αποτελεσματικά πότε τα επίπεδα βακτηρίων θα μπορούσαν να υπερβούν τα όρια ασφαλείας. (Αν και η μελέτη βασίζεται στις ΗΠΑ, η μέθοδος θα μπορούσε να εφαρμοστεί στις ευρωπαϊκές τοποθεσίες 1.)
Η μελέτη βασίστηκε σε εβδομαδιαία και ανά εβδομάδα δειγματοληπτικά δεδομένα για τα βακτήρια E. coli και Enterococcus από τον Απρίλιο έως τον Οκτώβριο την περίοδο 2007-2021. Τα δεδομένα για το περιβάλλον περιελάμβαναν πληροφορίες σχετικά με τα κύματα και τη θερμοκρασία του νερού από την παρακολούθηση των σημαδιών, καθώς και ακριβείς παλιρροϊκές προβλέψεις από την Εθνική Υπηρεσία Ωκεανών και Ατμόσφαιρας (NOAA). Σχεδόν 270 περιβαλλοντικές μεταβλητές συμμετείχαν στην ανάπτυξη του μοντέλου, εκλεπτυσμένες σε λιγότερες, οι περισσότερες σχετικές μεταβλητές καθώς προχωρούσε η κατάρτιση του μοντέλου — για παράδειγμα, διαπιστώθηκε ότι το επίπεδο παλίρροιας ήταν ιδιαίτερα σημαντικό.
Οι ερευνητές χρησιμοποίησαν τέσσερις τύπους μοντέλου μηχανικής μάθησης (π.χ. «τυχαίο δάσος», «μηχανή με ενίσχυση κλίσης»), το οποίο εργάστηκε για να βελτιώσει τη σημασία κάθε μεταβλητής για την πρόβλεψη του κατά πόσον οι παραλίες θα υπερβούν τα κανονιστικά πρότυπα για το FIB. Διερευνήθηκαν συνολικά 384 μοντέλα πρόβλεψης.
Σημείωσαν ότι είναι ζωτικής σημασίας να εξεταστεί η χρονική υστέρηση μεταξύ ορισμένων περιβαλλοντικών παραγόντων των υψηλότερων επιπέδων βακτηρίων. Για παράδειγμα, η βροχόπτωση θα μπορούσε να διαρκέσει έξι ημέρες για να οδηγήσει σε μολυσμένες απορροές που φτάνουν στην παραλία. Άλλοι οδηγοί είχαν πιο άμεσες επιπτώσεις.
Για την αξιολόγηση της απόδοσης των μοντέλων, οι προβλέψεις τους για ιστορικά χρονικά πλαίσια συγκρίθηκαν με προηγούμενες μετρήσεις βακτηρίων. Τα ευρήματα έδειξαν ότι ορισμένοι τύποι μοντέλων είχαν τη μεγαλύτερη ικανότητα πρόβλεψης και συνολικά εκτελέστηκαν καθώς και μοντέλα σε πραγματικό χρόνο και η υπάρχουσα μέθοδος που χρησιμοποιείται στην Καλιφόρνια για την πρόβλεψη της ποιότητας του νερού στην παραλία σε σύντομο χρονικό διάστημα.
Το κύριο πλεονέκτημα των μοντέλων πρόβλεψης είναι ότι μπορούν να προβλέψουν αποτελεσματικά την υπέρβαση των ορίων των βακτηρίων τρεις ημέρες νωρίτερα, αξιοποιώντας συχνά ελεγχόμενα περιβαλλοντικά δεδομένα που είναι συχνά διαθέσιμα μέσω του διαδικτύου, όπως το επίπεδο παλίρροιας ή οι βροχοπτώσεις. Οι ερευνητές λένε ότι αυτή η μελέτη αποδεικνύει ότι αυτές οι παράμετροι, οι οποίες επηρεάζουν τη μοίρα των βακτηρίων και τη μεταφορά στο περιβάλλον, μπορούν να χρησιμοποιηθούν για την πραγματοποίηση τριήμερων προβλέψεων. η ενσωμάτωση αυτού του εργαλείου στη διαχείριση των παραλιών θα μπορούσε να καταστήσει δυνατή την καλύτερη διαχείριση των κινδύνων. Οι προβλέψεις θα μπορούσαν επίσης να τροφοδοτήσουν προδραστικές δειγματοληψίες εάν προβλεφθούν τυπικές υπερβάσεις. Επιπλέον, το πλαίσιο θα μπορούσε να επεκταθεί και σε άλλα φαινόμενα, όπως η άνθιση φυκών.
Υποσημειώσεις:
- Βρίσκεται σε εξέλιξη αναθεώρηση της οδηγίας για τα ύδατα κολύμβησης (EUR-Lex — 32006L0007 — EN). Μάθετε περισσότερα σχετικά με την εν εξελίξει επανεξέταση και τη διαδικασία διαβούλευσης στη δικτυακή πύλη Πείτε την άποψή σας.
Πηγή:
Searcy, R.T. και Boehm, A.B. (2022) Γνωρίστε Πριν πάτε: Πρόβλεψη ποιότητας νερού στην παραλία με βάση τα δεδομένα. Περιβαλλοντική Επιστήμη & Τεχνολογία. Διατίθεται από: https://doi.org/10.1021/acs.est.2c05972