Новые роботизированные приборы будут предоставлять данные в реальном времени о "красном приливе" в заливе Мэн

Новый роботизированный сенсор, развернутый Океанографическим институтом Вудс-Хоул (WHOI) в прибрежных водах залива Мэн, может изменить подход к мониторингу и управлению вредоносным цветением водорослей (ВЦВ), или "красными приливами", в Новой Англии. Первый прибор был запущен в конце прошлого месяца, а второй будет развернут поздней весной.

Эти данные станут важным дополнением к еженедельным прогнозам по "красному приливу" в реальном времени, которые в этом году распространяются среди более чем 150 менеджеров прибрежных ресурсов и рыболовства в шести штатах, а также федеральных агентств, таких как NOAA, FDA и EPA. Данные с сенсора также планируется добавлять в регулярные обновления на сайте Northeast PSP.

Два сенсора, известные как Environmental Sample Processors (ESP), представляют собой молекулярные лаборатории в корпусе размером с кухонное ведро. В заливе Мэн ESP, установленные на океанских буях, будут обнаруживать и оценивать концентрацию двух видов водорослей, вызывающих ВЦВ, и одного из производимых ими потенциально смертельных токсинов. Первый вид — Alexandrium fundyense — производит токсины, вызывающие паралитическое отравление моллюсками (PSP). Второй — диатомовая водоросль Pseudo-nitzschia — вызывает амнестическое отравление моллюсками (ASP). Данные передаются на берег в реальном времени.

«Этот пилотный проект продемонстрирует способность ESP предоставлять точные и критически важные данные региональным управляющим ресурсами. Это отличный пример сотрудничества федеральных, академических и отраслевых организаций для защиты здоровья населения», — говорит Грег Дусетт из NOAA's National Centers for Coastal Ocean Science (NCCOS), разработавший сенсор на токсин PSP.

Развернутый в прошлом месяце прибор «ESPchris» будет проводить отбор проб около 45 дней. «ESPdon» будет запущен в конце мая и продолжит работу еще 45 дней или до конца цветения. В долгосрочной перспективе, с увеличением количества ESP, ученые рассчитывают ассимилировать эти данные в прогностическую модель, аналогично тому, как метеослужба использует метеорологические наблюдения.