Per aiutare ad anticipare queste conseguenze, un gruppo di ricercatori della UConn ha sviluppato un metodo versatile di modellazione computerizzata utilizzando l’apprendimento automatico per migliorare gli sforzi esistenti per monitorare e prevedere la qualità dell’acqua del lago. Il metodo è stato recentemente pubblicato in Environmental Modeling &Software .

Marina Astitha, professoressa associata del Dipartimento di Ingegneria Civile e Ambientale e responsabile del gruppo di modellizzazione dell'atmosfera e della qualità dell'aria, spiega che la ricerca è durata cinque anni ed è una collaborazione con un'ex studentessa, Christina Feng Chang '22 Ph.D. come parte della sua tesi, e del Dipartimento di Scienze Marine e capo del gruppo di ricerca di Chimica Ambientale e Geochimica, la Professoressa Penny Vlahos.

Gli ambienti acquatici sono suscettibili all’eutrofizzazione, un processo innescato da un eccesso di nutrienti, legato soprattutto al deflusso dei fertilizzanti dalle attività agricole, che si dirigono verso gli ecosistemi acquatici e portano alla fioritura di alghe. L'aumento della crescita e l'eventuale decomposizione di questi materiali simili a piante consumano gran parte o tutto l'ossigeno disponibile, a scapito di altri organismi nell'ambiente.

Le aree prive di ossigeno o ipossiche sono soprannominate “zone morte” e possono portare alla mortalità dei pesci, a problemi di qualità dell’acqua e ad altri impatti ambientali ed economici dannosi. Astitha spiega che si prevede che questi eventi di eutrofizzazione si intensificheranno con il cambiamento climatico e che modelli come questo diventeranno più importanti a fini di monitoraggio e previsione.

I ricercatori hanno concentrato il loro studio sul bacino centrale del lago Erie, che da decenni è teatro di fioriture algali stagionali ed eventi di eutrofizzazione. La vicinanza del lago a grandi aree agricole, dove vengono utilizzati fertilizzanti, e a centri metropolitani, dove l'inquinamento atmosferico è un problema, presenta una serie unica di sfide che il team intendeva studiare.

Poiché milioni di persone dipendono dal Lago Erie per la loro acqua, la modellizzazione è stata e continua a essere determinante nel monitoraggio della qualità dell'acqua, afferma Astitha.

"In questo momento, i modelli predittivi fanno previsioni giorno per giorno, il che è molto importante, soprattutto per le persone che vivono in queste aree perché sono grandi centri abitati. L'acqua non è solo per scopi ricreativi; le persone la usano nella loro vita quotidiana ."

Tuttavia, Astitha afferma che nessun singolo modello può tenere conto di tutte le variabili che influiscono sulla qualità dell’acqua. Per risolvere questo problema, hanno iniziato a creare modelli di machine learning per integrare dati provenienti da diverse fonti e addestrare algoritmi di machine learning con osservazioni nel lago.

Astitha afferma che la loro prima pubblicazione utilizzando questo metodo si è concentrata sulla modellazione dell’apprendimento automatico della clorofilla a, un indicatore della biomassa algale e dell’eutrofizzazione, e un secondo articolo ha utilizzato la stessa metodologia ma ha esaminato l’inquinamento da nutrienti proveniente da fiumi e torrenti. Questo articolo più recente esamina i processi fisici e biologici confinati all'interno di un modello basato sulla fisica per comprendere i processi dinamici coinvolti negli eventi di eutrofizzazione.

Astitha afferma che è necessario iniziare la costruzione del modello da zero per ciascuno dei processi che stanno studiando, ma è necessario valutare i diversi processi fisici, biologici, legati al clima e umani che influiscono sull'eutrofizzazione.

Chang spiega che i processi di eutrofizzazione iniziano in primavera, quando le applicazioni di fertilizzanti sui terreni agricoli seguite da eventi piovosi possono riversare le sostanze nutritive nel lago. Durante l'estate, le acque del Lago Erie formano tre strati, uno più caldo più vicino alla superficie chiamato epilimnion, uno strato intermedio che subisce il cambiamento più drastico della temperatura dell'acqua chiamato metalimnion e uno più profondo e più fresco chiamato ipolimnion.

Lo strato di metallimnioni ospita il termoclino, dove la temperatura cambia bruscamente. In estate, durante la stratificazione, c'è poca o nessuna miscelazione tra gli strati epilimnio e ipolimnio, il che significa che le acque più profonde diventano sempre più private di ossigeno durante l'estate.

Il bacino centrale del lago è soggetto agli eventi ipossici più gravi e, per studiare questi eventi e capire cosa li causa, Astitha spiega che il modello è stato progettato per prevedere l'ossigeno disciolto (DO), che è un indicatore dell'ipossia nell'acqua, e utilizzo apparente dell'ossigeno (AOU), che è un indicatore dell'attività biologica nell'ecosistema acquatico. Per addestrare il modello hanno utilizzato 15 anni di dati raccolti tra il 2002 e il 2017.

I risultati sono stati buoni, afferma Astitha, e il modello ha previsto con precisione le condizioni DO e AOU osservate. Il modello ha inoltre identificato che la stratificazione termica, o gli strati di temperatura separati nella colonna d'acqua, rappresentavano la variabile più influente che determinava l'eutrofizzazione nell'area di studio.

"È stata una buona prova di concetto perché ci sono scarsi punti dati nel lago", dice Astitha. "Idealmente, qualsiasi modello avrebbe bisogno di una copertura lacustre più estesa, cosa che non esiste. Non è fattibile con le osservazioni puntuali che abbiamo. Tuttavia, il modello ha funzionato molto bene."

Modelli come questo diventeranno sempre più importanti per il monitoraggio della qualità dell’acqua e per supportare il processo decisionale mentre il clima continua a cambiare. Astitha afferma che si aspettano condizioni, come l'aumento della temperatura, che intensificheranno la stratificazione, esacerbando potenzialmente la quantità di nutrienti che entrano nel lago con eventi di precipitazioni estreme causati dai cambiamenti climatici.

"Quello che succede con l'ipossia è che in questo sistema naturale contengono comunque azoto e fosforo, ma quando centinaia di acri di terra vengono fertilizzati, parte di quel fertilizzante si riversa nell'acqua. Dipende dalla miscelazione o stratificazione del lago e le condizioni meteorologiche li influenzano. Concettualmente, riteniamo che il cambiamento climatico peggiorerà le cose e ora possiamo considerare ipotetici scenari futuri con il modello nelle condizioni delle simulazioni climatiche."

Astitha afferma che la ricerca futura include l'applicazione della metodologia ad altri ecosistemi di acqua dolce o marina e un'analisi più approfondita utilizzando diversi dati di proiezione dei cambiamenti climatici per studiare l'impatto degli scenari di cambiamento climatico sulla qualità dell'acqua di tali sistemi.

"Dal mio punto di vista, volevamo creare uno strumento che integri i modelli che già eseguono questa importante previsione e monitoraggio. Nell'era dell'apprendimento automatico e dell'intelligenza artificiale, stiamo cercando di integrare questo elemento e vedere quanto sia utile, che mi ha motivato ad iniziare e continuare questo lavoro."