Эксперты разработали искусственный интеллект для более эффективного мониторинга качества воды

Исследователи из Университета Стерлинга разработали алгоритм искусственного интеллекта, который улучшает дистанционный мониторинг состояния водоемов, выявляя изменения качества из-за климатических изменений или загрязнения. Новый метод, называемый мета-обучением, анализирует данные непосредственно со спутниковых сенсоров, упрощая для менеджеров прибрежных зон, экологов и промышленности отслеживание таких проблем, как вредоносное цветение водорослей и возможная токсичность моллюсков и рыбы.

Мониторинг «трофического статуса» воды — её биологической продуктивности — является ключевым индикатором здоровья экосистемы. Чрезмерное разрастание микроскопических водорослей (фитопланктона), или эвтрофикация, может перерастать в вредоносное цветение водорослей, что указывает на загрязнение и представляет риск для здоровья людей и животных. Только для шотландской индустрии моллюсков такие цветения обходятся примерно в £1.4 млн в год, а одно событие в Норвегии в 2019 году привело к гибели 8 млн лососей стоимостью свыше £74 млн.

«В настоящее время спутниковые сенсоры, такие как OLCI, измеряют концентрацию фитопланктона по оптическому пигменту хлорофилл-a. Однако, получение точных данных о хлорофилле-a в разнообразных водах мира методологически сложно, — пояснил ведущий автор Мортимер Вертер. — Мы разработали метод, который обходит необходимость получения хлорофилла-a и позволяет оценивать статус здоровья воды напрямую по сигналу, измеренному дистанционным сенсором».

Это исследование, финансируемое программой Horizon 2020 Европейского союза, впервые демонстрирует, что трофический статус сложных внутренних и прибрежных вод можно определить напрямую с помощью алгоритмов машинного обучения на основе измерений OLCI. Новый алгоритм в среднем на 5–12% превосходит современные аналогичные подходы и оценивает трофический статус с точностью свыше 90% для сильно загрязненных эвтрофных и гиперэвтрофных вод.