Pour aider à anticiper ces conséquences, un groupe de chercheurs d'UConn a développé une méthode de modélisation informatique polyvalente utilisant l'apprentissage automatique pour améliorer les efforts existants pour surveiller et prédire la qualité de l'eau des lacs. La méthode a été récemment publiée dans Environmental Modeling &Software. .

Marina Astitha, professeure agrégée au Département de génie civil et environnemental et chef du groupe de modélisation de l'atmosphère et de la qualité de l'air, explique que la recherche a duré cinq ans et est une collaboration avec une ancienne étudiante, Christina Feng Chang '22 Ph.D. dans le cadre de sa thèse, et du Département des sciences marines et chef du groupe de recherche en chimie de l'environnement et géochimie, le professeur Penny Vlahos.

Les environnements aquatiques sont sensibles à l’eutrophisation, un processus déclenché par un excès de nutriments, principalement lié au ruissellement d’engrais provenant des activités agricoles, qui se dirigent vers les écosystèmes aquatiques et conduisent à la prolifération d’algues. L'augmentation de la croissance et la décomposition éventuelle de ces matières végétales consomment une grande partie ou la totalité de l'oxygène disponible, au détriment des autres organismes de l'environnement.

Les zones privées d'oxygène ou hypoxiques sont surnommées « zones mortes » et peuvent entraîner la mortalité des poissons, des problèmes de qualité de l'eau et d'autres impacts environnementaux et économiques néfastes. Astitha explique que ces événements d'eutrophisation devraient s'intensifier avec le changement climatique et que des modèles comme celui-ci deviendront plus importants à des fins de surveillance et de prévision.

Les chercheurs ont concentré leur étude sur le bassin central du lac Érié, qui connaît depuis des décennies des proliférations d'algues saisonnières et des phénomènes d'eutrophisation. La proximité du lac avec de grandes zones agricoles, où des engrais sont utilisés, et des centres métropolitains, où la pollution de l'air est un problème, présente un ensemble unique de défis que l'équipe souhaitait étudier.

Alors que des millions de personnes dépendent du lac Érié pour leur eau, la modélisation a joué et continue de jouer un rôle déterminant dans la surveillance de la qualité de l'eau, explique Astitha.

"À l'heure actuelle, les modèles prédictifs effectuent des prévisions au jour le jour, ce qui est très important, en particulier pour les habitants de ces zones, car ce sont de grands centres de population. L'eau n'est pas seulement destinée à des fins récréatives; les gens l'utilisent dans leur vie quotidienne. ."

Cependant, Astitha affirme qu'aucun modèle unique ne peut prendre en compte toutes les variables qui ont un impact sur la qualité de l'eau. Pour résoudre ce problème, ils ont commencé à créer des modèles d'apprentissage automatique pour intégrer des données provenant de différentes sources et entraîner des algorithmes d'apprentissage automatique avec des observations dans le lac.

Astitha explique que leur première publication utilisant cette méthode s'est concentrée sur la modélisation par apprentissage automatique de la chlorophylle a, un indicateur de la biomasse algale et de l'eutrophisation, et qu'un deuxième article a utilisé la même méthodologie mais a examiné la pollution par les nutriments des rivières et des ruisseaux. Cet article le plus récent examine les processus physiques et biologiques confinés dans un modèle basé sur la physique pour comprendre les processus dynamiques impliqués dans les événements d'eutrophisation.

Astitha dit qu'ils doivent repartir de zéro pour chacun des processus qu'ils étudient, mais il est nécessaire d'évaluer les différents processus physiques, biologiques, liés aux conditions météorologiques et humains qui ont un impact sur l'eutrophisation.

Chang explique que les processus d'eutrophisation commencent au printemps, lorsque les applications d'engrais sur les terres agricoles suivies de pluies peuvent évacuer les nutriments dans le lac. Pendant l'été, les eaux du lac Érié forment trois couches :une couche plus chaude, plus proche de la surface, appelée épilimnion, une couche intermédiaire qui subit le changement de température de l'eau le plus drastique, appelée métalimnion, et une couche plus profonde et plus froide appelée hypolimnion.

La couche de métalimnion abrite la thermocline, où la température change brusquement. En été, pendant la stratification, il y a peu ou pas de mélange entre les couches de l'épilimnion et de l'hypolimnion, ce qui signifie que les eaux les plus profondes deviennent de plus en plus privées d'oxygène tout au long de l'été.

Le bassin central du lac est sujet aux événements hypoxiques les plus graves, et pour étudier ces événements et comprendre ce qui les motive, Astitha explique que le modèle a été conçu pour prédire l'oxygène dissous (OD), qui est un indicateur de l'hypoxie dans l'eau, et l'utilisation apparente de l'oxygène (AOU), qui est un indicateur de l'activité biologique dans l'écosystème aquatique. Ils ont utilisé 15 années de données collectées entre 2002 et 2017 pour entraîner le modèle.

Les résultats étaient bons, explique Astitha, et le modèle a prédit avec précision les conditions d'OD et d'AOU observées. Le modèle a également identifié que la stratification thermique, ou les couches de température distinctes dans la colonne d'eau, était la variable la plus impactante à l'origine de l'eutrophisation dans leur zone d'étude.

"C'était une bonne preuve de concept car il y a peu de points de données dans le lac", explique Astitha. "Idéalement, tout modèle aurait besoin d'une couverture lacustre plus étendue, ce qui n'est pas le cas. Ce n'est pas réalisable avec les observations ponctuelles dont nous disposons. Néanmoins, le modèle a très bien fonctionné."

Des modèles comme celui-ci deviendront de plus en plus importants pour la surveillance de la qualité de l’eau et pour soutenir la prise de décision à mesure que le climat continue de changer. Astitha dit qu'ils s'attendent à ce que des conditions, telles que l'augmentation de la température, intensifient la stratification, tout en exacerbant potentiellement la quantité de nutriments entrant dans le lac avec des précipitations extrêmes causées par le changement climatique.

"Ce qui se passe avec l'hypoxie, c'est que dans ce système naturel, ils contiennent de toute façon de l'azote et du phosphore, mais lorsque des centaines d'acres de terre sont fertilisés, une partie de cet engrais s'infiltre dans l'eau. Cela dépend du mélange ou de la stratification du lac. , et les conditions météorologiques les influencent. Conceptuellement, nous pensons que le changement climatique va aggraver les choses, et nous pouvons désormais envisager des scénarios futurs hypothétiques avec le modèle dans les conditions des simulations climatiques. "

Astitha affirme que les recherches futures comprendront l'application de la méthodologie à d'autres écosystèmes d'eau douce ou marins et une analyse plus approfondie utilisant différentes données de projection du changement climatique pour étudier l'impact des scénarios de changement climatique sur la qualité de l'eau de ces systèmes.

« De mon point de vue, nous voulions créer un outil qui complète les modèles qui effectuent déjà ces prévisions et cette surveillance importantes. À l'ère de l'apprentissage automatique et de l'intelligence artificielle, nous essayons d'intégrer cet élément et de voir à quel point il est utile. ce qui m'a motivé à commencer et à poursuivre ce travail."