Su kalitesini daha etkin bir şekilde izlemek için yapay zeka

Su kütlelerinin uzaktan izlenmesini geliştiren ve iklim değişikliği veya kirlilik nedeniyle kalite değişikliklerini vurgulayan yapay zeka, Stirling Üniversitesi’ndeki araştırmacılar tarafından geliştirildi.

‘Meta-öğrenme’ yöntemi olarak bilinen yeni bir algoritma, verileri doğrudan uydu sensörlerinden analiz ederek kıyı bölgesi, çevre ve endüstri yöneticilerinin zararlı alg çiçeklenmeleri (HAB’ler) ve kabuklu deniz hayvanlarında olası toksisite gibi sorunları izlemesini kolaylaştırır. ve finfish.

Çevre koruma kurumları ve endüstri kurumları şu anda ekosistem sağlığının bir göstergesi olarak suyun ‘trofik durumunu’ – biyolojik üretkenliğini – izlemektedir. Büyük mikroskobik alg veya fitoplankton kümeleri ötrofikasyon olarak adlandırılır ve kirliliğin bir göstergesi olan ve insan ve hayvan sağlığı için risk oluşturan HAB’lara dönüşebilir.

HAB’lerin İskoç kabuklu deniz ürünleri endüstrisine yılda 1,4 milyon sterline mal olduğu tahmin ediliyor ve Norveç’teki tek bir HAB olayı, 2019’da 74 milyon sterlin üzerinde doğrudan bir değerle sekiz milyon somon balığı öldürdü.

Stirling Doğa Bilimleri Fakültesi Biyoloji ve Çevre Bilimleri alanında Doktora Araştırmacısı olan baş yazar Mortimer Werther, “Şu anda, Okyanus ve Kara Enstrümanı (OLCI) gibi uyduya monte edilmiş sensörler, klorofil adı verilen bir optik pigment kullanarak fitoplankton konsantrasyonlarını ölçer. -a. Bununla birlikte, küresel suların çeşitli doğası boyunca klorofil-a’nın elde edilmesi metodolojik olarak zordur.

“Klorofil-a alımını atlayan ve su sağlığı durumunu doğrudan uzak sensörde ölçülen sinyalden tahmin etmemizi sağlayan bir yöntem geliştirdik.”

Ötrofikasyon ve hipereutrofikasyon genellikle aşırı besin girdisinden, örneğin tarımsal uygulamalardan, atık boşaltımından veya gıda ve enerji üretiminden kaynaklanır. Etkilenen sularda HAB’ler yaygındır ve siyanobakteriler insan ve hayvan sağlığını etkileyen siyanotoksinler üretebilir. Pek çok yerde, bu çiçekler finfish ve kabuklu deniz ürünleri yetiştiriciliği endüstrilerini ilgilendiriyor.

Bay Werther şunları söyledi: “İklim değişikliğinin, çoğu içme suyu kaynağı işlevi gören göller gibi tatlı su su ortamları üzerindeki etkisini anlamak için, küresel ölçekte trofik durum gibi temel çevresel göstergeleri izlememiz ve değerlendirmemiz çok önemlidir. yüksek uzaysal ve zamansal frekansta.

“Avrupa Birliği Horizon 2020 programı tarafından finanse edilen bu araştırma, karmaşık iç ve kıyı sularının trofik durumunun doğrudan OLCI yansıtma ölçümlerinden elde edilen makine öğrenimi algoritmaları ile öğrenilebileceğinin ilk göstergesidir. Algoritmamız, görüntülerde tüm trofik durumlar için tahminler üretebilir. OLCI tarafından küresel su kütleleri üzerinden satın alındı.

“Metodumuz, su gözlemi için doğru algoritmayı seçme ihtiyacını da ortadan kaldırdığı için, tüm trofik durum yelpazesinde karşılaştırılabilir son teknoloji bir yaklaşımdan ortalama% 5-12 daha iyi performans gösteriyor. Son derece etkilenen ötrofik ve hipereutrofik sular için% 90 doğruluk. “

Ortak çalışma, araştırma ve endüstriden beş harici ortakla gerçekleştirildi: Plymouth Deniz Laboratuvarı’ndan Dr. Stefan GH Simis; Alman Havacılık ve Uzay Merkezi’nden Harald Krawczyk; İsviçre Federal Su Bilimleri ve Teknolojisi Enstitüsü’nden Dr. Daniel Odermatt; Brockmann Consult’dan Kerstin Stelzer ve Appjection’dan (Amsterdam) Oberon Berlage.