Llegar a su playa favorita solo para descubrir que está cerrada debido a la contaminación bacteriana puede ser un fastidio. Pero aún peor sería nadar sin saberlo en aguas contaminadas con materia fecal, una posibilidad muy real, dado que los métodos de detección actuales pueden requerir hasta 24 horas para obtener resultados. Ahora, investigadores que informan en la revista ACS Ciencia y tecnología ambiental han identificado modelos informáticos que proporcionan previsiones precisas a corto plazo, o "nowcasts, "de la calidad del agua de la playa.

El número de cierres de playas debido a microbios fecales ha aumentado en los últimos años. En los EE.UU., Las playas de la región de los Grandes Lagos ocupan un lugar destacado entre las que presentan los peores problemas. Según el Departamento de Calidad Ambiental de Michigan, 30 playas en el estado estaban cerradas o tenían advertencias asociadas a ellas a principios de julio de 2018 debido a los altos niveles de bacterias. Recoger muestras de agua y luego analizarlas en el laboratorio lleva tiempo, incluso con técnicas modernas, lo que pone a los nadadores en riesgo de infección con desagradables bichos estomacales mientras se realizan las pruebas. Pero las simulaciones por computadora para predecir la calidad del agua son complejas y no siempre confiables. Jie Niu y Mantha S. Phanikumar se preguntaron si podrían identificar modelos informáticos más simples que pudieran predecir con precisión las condiciones actuales de la playa a partir de datos pasados.

Los investigadores compararon las capacidades de cinco modelos informáticos para pronosticar los niveles bacterianos en cuatro sitios en el sur del lago Michigan. Los modelos variaron en el número de parámetros de entrada, de solo niveles pasados ​​de bacterias en los sitios, a datos más complejos, como la lluvia diaria, temperatura del agua y turbidez del agua. El equipo descubrió que los dos mejores modelos incorporaron niveles bacterianos pasados ​​y varios de los otros parámetros. Sin embargo, un nuevo modelo desarrollado por los investigadores también funcionó bien. Este enfoque, que combinó dos técnicas llamadas transformada de ondículas y análisis de redes neuronales artificiales, solo requería datos bacterianos del pasado, sin entradas adicionales. Los investigadores concluyeron que el nuevo modelo es una herramienta potencialmente útil para la gestión de playas, especialmente cuando no se dispone de datos detallados sobre las condiciones de la playa.