L'intelligenza artificiale che migliora il monitoraggio remoto dei corpi idrici, evidenziando i cambiamenti di qualità dovuti ai cambiamenti climatici o all'inquinamento, è stata sviluppata dai ricercatori dell'Università di Stirling.

Un nuovo algoritmo, noto come metodo di meta-apprendimento, analizza i dati direttamente dai sensori satellitari, rendendo più facile per la zona costiera, responsabili dell'ambiente e del settore per monitorare problemi come le fioriture algali dannose (HAB) e la possibile tossicità nei crostacei e nei pesci.

Le agenzie di protezione ambientale e gli enti industriali attualmente monitorano lo "stato trofico" dell'acqua, la sua produttività biologica, come indicatore della salute dell'ecosistema. Grandi ammassi di alghe microscopiche, o fitoplancton, si chiama eutrofizzazione e può trasformarsi in HAB, un indicatore di inquinamento e che rappresentano un rischio per la salute umana e animale.

Si stima che gli HAB costino all'industria scozzese dei molluschi 1,4 milioni di sterline all'anno, e un singolo evento HAB in Norvegia ha ucciso otto milioni di salmoni nel 2019, con un valore diretto di oltre 74 milioni di sterline.

L'autore principale Mortimer Werther, un dottorato di ricerca Ricercatore in Scienze Biologiche e Ambientali presso la Facoltà di Scienze Naturali di Stirling, ha detto:"Attualmente, sensori montati su satellite, come l'Ocean and Land Instrument (OLCI), misurare le concentrazioni di fitoplancton utilizzando un pigmento ottico chiamato clorofilla-a. Però, il recupero della clorofilla-a attraverso la diversa natura delle acque globali è metodologicamente impegnativo.

"Abbiamo sviluppato un metodo che aggira il recupero della clorofilla-a e ci consente di stimare lo stato di salute dell'acqua direttamente dal segnale misurato dal sensore remoto".

L'eutrofizzazione e l'eccessiva eutrofizzazione sono spesso causate da un eccessivo apporto di nutrienti, ad esempio dalle pratiche agricole, scarico dei rifiuti, o la produzione di cibo ed energia. Nelle acque colpite, Gli HAB sono comuni, e i cianobatteri possono produrre cianotossine che influiscono sulla salute umana e animale. In molte località, queste fioriture sono fonte di preoccupazione per le industrie dell'acquacoltura di pesci pinna e molluschi.

Il signor Werther ha dichiarato:"Per comprendere l'impatto del cambiamento climatico sugli ambienti acquatici di acqua dolce come i laghi, molti dei quali servono come risorse di acqua potabile, è essenziale monitorare e valutare i principali indicatori ambientali, come lo stato trofico, su scala globale con alta frequenza spaziale e temporale.

"Questa ricerca, finanziato dal programma Horizon 2020 dell'Unione Europea, è la prima dimostrazione che lo stato trofico di complesse acque interne e costiere può essere appreso direttamente da algoritmi di apprendimento automatico dalle misurazioni della riflettanza OLCI. Il nostro algoritmo può produrre stime per tutti gli stati trofici sulle immagini acquisite da OLCI sui corpi idrici globali.

"Il nostro metodo supera un approccio all'avanguardia comparabile del 5-12% in media nell'intero spettro di stati trofici, in quanto elimina anche la necessità di scegliere il giusto algoritmo per l'osservazione dell'acqua. Stima lo stato trofico con una precisione superiore al 90% per acque eutrofiche e ipereutrofiche altamente colpite".