Nowcasting strand vandkvalitet

At ankomme til din yndlingsstrand kun for at opdage, at den er lukket på grund af bakteriel forurening, kan være en nederdel. Men endnu værre ville det uden at vide det være at svømme i vand forurenet med fækalt materiale - en meget reel mulighed, i betragtning af, at de nuværende detektionsmetoder kan tage op til 24 timer at opnå resultater. Nu, forskere, der rapporterer i ACS-tidsskriftet Miljøvidenskab og -teknologi har identificeret computermodeller, der giver nøjagtige kortsigtede prognoser, eller "nowcasts, " af strandvandskvaliteten.

Antallet af strandlukninger på grund af fækale mikrober er steget de seneste år. I USA, Strande i Great Lakes-regionen rangerer højt blandt dem med de værste problemer. Ifølge Michigan Department of Environmental Quality, 30 strande i staten blev enten lukket eller havde meddelelser forbundet med dem i begyndelsen af ​​juli 2018 på grund af høje bakterieniveauer. At indsamle vandprøver og derefter analysere dem i laboratoriet tager tid, selv med moderne teknikker, hvilket sætter svømmere i risiko for infektion med grimme mavefeber, mens testen pågår. Men computersimuleringer til at forudsige vandkvaliteten er komplekse og ikke altid pålidelige. Jie Niu og Mantha S. Phanikumar spekulerede på, om de kunne identificere enklere computermodeller, der nøjagtigt kunne forudsige nuværende strandforhold ud fra tidligere data.

Forskerne sammenlignede fem computermodellers evner til nu at afgive bakterieniveauer på fire steder i det sydlige Michigan-sø. Modellerne varierede i antallet af inputparametre, kun fra tidligere niveauer af bakterier på stederne, til mere komplekse data, såsom daglig nedbør, vandtemperatur og vandturbiditet. Holdet fandt ud af, at de to bedste modeller inkorporerede tidligere bakterieniveauer og flere af de andre parametre. Imidlertid, en ny model udviklet af forskerne klarede sig også godt. Denne tilgang, som kombinerede to teknikker kaldet wavelet transform og kunstig neural netværksanalyse, krævede kun bakterielle data fra fortiden, uden yderligere input. Forskerne konkluderede, at den nye model er et potentielt nyttigt værktøj til strandforvaltning, især når detaljerede data om strandforhold ikke er tilgængelige.