As águas do Lago Erie parecem brilhar em verde nesta imagem tirada pelo espectrorradiômetro de imagem de resolução moderada (MODIS) no satélite Aqua da NASA. Crédito:Imagem da NASA cortesia LANCE/EOSDIS MODIS Rapid Response Team da NASA GSFC Os ecossistemas aquáticos são ambientes complexos que podem ser afetados por muitas variáveis, incluindo o clima, as atividades biológicas dos organismos que neles vivem e a poluição antropogénica por nutrientes. A influência que estas variáveis podem ter nos ecossistemas aquáticos também pode depender das características do corpo hídrico, como temperatura e profundidade. Estes processos interligados podem ficar desequilibrados, com consequências devastadoras.
Para ajudar a antecipar essas consequências, um grupo de pesquisadores da UConn desenvolveu um método versátil de modelagem computacional usando aprendizado de máquina para aprimorar os esforços existentes para monitorar e prever a qualidade da água do lago. O método foi publicado recentemente em Environmental Modeling &Software .
Departamento de Engenharia Civil e Ambiental e Chefe do Grupo de Modelagem de Qualidade Atmosférica e do Ar, Professora Associada Marina Astitha, explica que a pesquisa levou cinco anos para ser realizada e é uma colaboração com uma ex-aluna, Christina Feng Chang '22 Ph.D. como parte de sua dissertação, e do Departamento de Ciências Marinhas e Chefe do grupo de pesquisa em Química Ambiental e Geoquímica, Professora Penny Vlahos.
Os ambientes aquáticos são suscetíveis à eutrofização, um processo desencadeado pelo excesso de nutrientes, principalmente ligado ao escoamento de fertilizantes das atividades agrícolas, que chegam aos ecossistemas aquáticos e levam à proliferação de algas. O aumento do crescimento e eventual decomposição destes materiais semelhantes a plantas consomem muito ou todo o oxigénio disponível, em detrimento de outros organismos no ambiente.
As áreas privadas de oxigénio ou hipóxicas são apelidadas de “zonas mortas” e podem levar à mortalidade de peixes, problemas de qualidade da água e outros impactos ambientais e económicos prejudiciais. Astitha explica que se espera que estes eventos de eutrofização se intensifiquem com as alterações climáticas e que modelos como este se tornarão mais importantes para efeitos de monitorização e previsão.
Os pesquisadores concentraram seu estudo na bacia central do Lago Erie, que tem experimentado proliferação sazonal de algas e eventos de eutrofização há décadas. A proximidade do lago com grandes áreas agrícolas, onde são utilizados fertilizantes, e com centros metropolitanos, onde a poluição do ar é uma preocupação, apresenta um conjunto único de desafios que a equipe pretendia estudar.
Com milhões de pessoas dependendo do Lago Erie para obter água, a modelagem tem sido e continua a ser fundamental no monitoramento da qualidade da água, diz Astitha.
“Neste momento, os modelos preditivos fazem previsões do dia-a-dia, o que é muito importante, especialmente para as pessoas que vivem nestas áreas porque são grandes centros populacionais. ."
No entanto, Astitha afirma que nenhum modelo único pode contabilizar todas as variáveis que impactam a qualidade da água. Para resolver isso, eles começaram a construir modelos de aprendizado de máquina para integrar dados de diferentes fontes e treinar algoritmos de aprendizado de máquina com observações no lago.
Astitha diz que sua primeira publicação usando este método se concentrou na modelagem de aprendizado de máquina da clorofila a, um indicador de biomassa de algas e eutrofização, e um segundo artigo usou a mesma metodologia, mas analisou a poluição por nutrientes de rios e córregos. Este artigo mais recente analisa os processos físicos e biológicos confinados num modelo baseado na física para compreender os processos dinâmicos envolvidos em eventos de eutrofização.
Astitha diz que eles devem começar do zero a construção do modelo para cada um dos processos que estão estudando, mas é necessário avaliar os diferentes processos físicos, biológicos, climáticos e humanos que impactam a eutrofização.
Chang explica que os processos de eutrofização começam na primavera, quando as aplicações de fertilizantes em terras agrícolas seguidas de chuvas podem liberar os nutrientes para o lago. Durante o verão, as águas do Lago Erie formam três camadas, uma mais quente mais próxima da superfície chamada epilimnion, uma camada intermediária que sofre a mudança mais drástica na temperatura da água chamada metalimnion, e uma mais profunda e fria chamada hipolimnion.
A camada metalímnio abriga a termoclina, onde a temperatura muda abruptamente. No verão, durante a estratificação, há pouca ou nenhuma mistura entre as camadas epilímnio e hipolímnio, o que significa que as águas mais profundas tornam-se cada vez mais privadas de oxigénio durante o verão.
A bacia central do lago é propensa aos eventos hipóxicos mais graves, e para estudar esses eventos e entender o que os causa, Astitha explica que o modelo foi projetado para prever o oxigênio dissolvido (OD), que é um substituto para a hipóxia na água, e utilização aparente de oxigênio (AOU), que é um proxy para a atividade biológica no ecossistema aquático. Eles usaram 15 anos de dados coletados entre 2002 e 2017 para treinar o modelo.
Os resultados foram bons, diz Astitha, e o modelo previu com precisão as condições observadas de DO e AOU. O modelo também identificou que a estratificação térmica, ou as camadas de temperatura separadas na coluna de água, foi a variável mais impactante que impulsionou a eutrofização na área de estudo.
“Foi uma boa prova de conceito porque existem poucos dados no lago”, diz Astitha. "Idealmente, qualquer modelo precisaria de uma cobertura mais extensa do lago, o que não existe. Não é viável com as observações pontuais que temos. No entanto, o modelo funcionou muito bem."
Modelos como este tornar-se-ão cada vez mais importantes para a monitorização da qualidade da água e para apoiar a tomada de decisões à medida que o clima continua a mudar. Astitha diz que espera que condições, como o aumento da temperatura, intensifiquem a estratificação, ao mesmo tempo que exacerbam potencialmente a quantidade de nutrientes que entram no lago com eventos extremos de precipitação causados pelas alterações climáticas.
"O que acontece com a hipóxia é que, neste sistema natural, eles contêm nitrogênio e fósforo de qualquer maneira, mas quando centenas de acres de terra são fertilizados, parte desse fertilizante é drenado para a água. Depende da mistura ou estratificação do lago , e as condições climáticas influenciam isso. Conceitualmente, pensamos que as mudanças climáticas irão piorar as coisas, e agora podemos considerar cenários futuros hipotéticos com o modelo dentro das condições das simulações climáticas."
Astitha diz que pesquisas futuras incluem a aplicação da metodologia a outros ecossistemas de água doce ou marinhos e uma análise mais aprofundada usando diferentes dados de projeção de mudanças climáticas para investigar o impacto dos cenários de mudanças climáticas na qualidade da água desses sistemas.
"Do meu ponto de vista, queríamos construir uma ferramenta que complementasse os modelos que já fazem essa importante previsão e monitoramento. Na era do aprendizado de máquina e da inteligência artificial, estamos tentando trazer essa peça e ver como ela é útil, o que me motivou a iniciar e continuar este trabalho."
