Tecnologia Científica

Pesquisadores de Stanford desenvolvem uma nova maneira de prever a qualidade da água da praia
Usando amostras de água e dados ambientais coletados ao longo de 48 horas ou menos, os engenheiros de Stanford desenvolvem uma nova técnica preditiva para prever a qualidade da água costeira
Por Michelle Horton - 22/01/2021


Praia do Sancho, em Noronha: - Reprodução 

Menos de dois dias de amostragem da qualidade da água nas praias locais pode ser tudo o que você precisa para reduzir as doenças entre milhões de banhistas todos os anos devido à água contaminada, de acordo com uma nova pesquisa de Stanford. O estudo, publicado na Environmental Science & Technology , apresenta uma estrutura de modelagem que prevê de forma confiável a qualidade da água nas praias após apenas um ou dois dias de amostragens frequentes de água. A abordagem, testada na Califórnia, pode ser usada para controlar áreas costeiras não monitoradas, o que é fundamental para proteger o bem-estar dos banhistas e as economias oceânicas prósperas em todo o mundo.

“Este trabalho combina conhecimento de microbiologia, processos costeiros e ciência de dados para produzir uma ferramenta para gerenciar com eficácia um de nossos recursos mais preciosos e proteger a saúde humana”, disse a autora sênior Alexandria Boehm , professora de engenharia civil e ambiental de Stanford .

A medição das concentrações de bactérias indicadoras fecais (FIB) - que denotam a presença de matéria fecal e podem levar a condições inseguras da água - nas praias garante a saúde e a segurança do público. Embora toda a água do oceano contenha algum grau de patógenos, como bactérias ou vírus, eles geralmente são diluídos em concentrações inofensivas. No entanto, mudanças na precipitação, temperatura da água, vento, escoamento, resíduos de barco, transbordamento de esgoto pluvial, proximidade de estações de tratamento de resíduos, animais e aves aquáticas podem levar a um influxo de contaminação da água. A exposição a esses contaminantes pode causar muitas doenças, incluindo doenças respiratórias e gastrointestinais, além de infecções de pele, olhos e ouvidos em nadadores.

Proteger as águas costeiras e as pessoas que as usam continua sendo essencial para grande parte dos 840 quilômetros de costa da Califórnia. Mais de 150 milhões de pessoas nadam, surfam, mergulham e brincam em uma das 450 praias do estado anualmente, gerando mais de US $ 10 bilhões em receita. De acordo com o Conselho de Controle de Recursos Hídricos do Estado da Califórnia , agências de saúde em 17 condados, estações de tratamento de esgoto de propriedade pública, grupos ambientais e vários grupos de ciência cidadã realizam amostragem de água em todo o estado. No entanto, nem todas as águas são verificadas rotineiramente devido a problemas de acessibilidade, restrições de recursos orçamentários ou a temporada, apesar de seu uso pelo público.

Outro obstáculo para salvaguardar a saúde pública está no intervalo de tempo entre a amostragem e os resultados - até dois dias - levando os administradores de praia a tomar decisões que refletem as condições anteriores de qualidade da água. Quando as águas monitoradas contêm altos níveis de bactérias e representam um risco para a saúde, os administradores de praia colocam sinais de alerta ou fecham as praias. O atraso nos métodos de teste atuais pode, sem saber, expor os nadadores a águas pouco saudáveis.

Para superar essas limitações, os pesquisadores combinaram amostragem de água e dados ambientais com métodos de aprendizado de máquina para prever com precisão a qualidade da água. Embora os modelos preditivos de qualidade da água não sejam novos, eles geralmente requerem o desenvolvimento de dados históricos que abrangem vários anos.

A equipe usou amostras de água coletadas em intervalos de 10 minutos ao longo de um período de tempo relativamente curto de um a dois dias nas praias de Santa Cruz, Monterey e Huntington Beach. Entre os três locais, 244 amostras foram medidas para concentrações de FIB e marcadas como acima ou abaixo do nível aceitável considerado seguro pelo estado. Os pesquisadores então coletaram dados meteorológicos, como temperatura do ar, radiação solar e velocidade do vento, juntamente com dados oceanográficos, incluindo nível da maré, alturas das ondas e temperatura da água (todos os fatores que influenciam as concentrações de FIB) no mesmo período.

Usando dados de qualidade de água de alta frequência e métodos de aprendizado de máquina, eles treinaram modelos de computador para prever com precisão as concentrações de FIB em todas as três praias. Os pesquisadores descobriram que a amostragem de água de hora em hora por 24 horas seguidas - capturando todo o ciclo das marés e solares - provou ser suficiente para resultados confiáveis. Alimentar a estrutura com dados meteorológicos e de marés de períodos mais longos resultou em futuras previsões da qualidade da água que eram confiáveis ​​por pelo menos uma estação inteira.

“Esses resultados são realmente empoderadores para as comunidades que querem saber o que está acontecendo com a qualidade da água em suas praias”, disse Searcy. “Com alguns recursos para começar e um dia de amostragem, essas comunidades poderiam coletar os dados necessários para iniciar seus próprios sistemas de modelagem da qualidade da água.”

O código da estrutura, que é acessível ao público , também pode ser desenvolvido para previsões precisas de outros contaminantes, como algas, metais e nutrientes prejudiciais que podem causar estragos nas águas locais. Os pesquisadores apontam que mais análises são necessárias para determinar melhor o período de tempo exato em que esses modelos permanecem precisos e observam que avaliar e treinar continuamente os modelos continua sendo uma prática recomendada para previsões precisas.

Boehm também é membro sênior do Stanford Woods Institute for the Environment e afiliado do Stanford Program on Water, Health & Development .

O estudo foi financiado pelo Programa de Concessão do Mar da Universidade do Sul da Califórnia, pela Administração Oceânica e Atmosférica Nacional e pelo Departamento de Comércio dos EUA, número de concessão NA18OAR4170075.

 

.
.

Leia mais a seguir