Investigadores de la Universidad de Stirling han desarrollado inteligencia artificial que mejora el monitoreo remoto de los cuerpos de agua, destacando los cambios de calidad debidos al cambio climático o la contaminación.

Un nuevo algoritmo, conocido como método de metaaprendizaje, analiza los datos directamente de los sensores satelitales, facilitando la zona costera, gerentes ambientales y de la industria para monitorear problemas como la proliferación de algas nocivas (HAB) y la posible toxicidad en mariscos y peces.

Las agencias de protección ambiental y los organismos industriales monitorean actualmente el 'estado trófico' del agua, su productividad biológica, como un indicador de la salud del ecosistema. Grandes racimos de algas microscópicas, o fitoplancton, se llama eutrofización y puede convertirse en FAN, un indicador de contaminación y que suponen un riesgo para la salud humana y animal.

Se estima que las FAN le cuestan a la industria del marisco escocesa 1,4 millones de libras esterlinas al año, y un solo evento de HAB en Noruega mató a ocho millones de salmones en 2019, con un valor directo de más de 74 millones de libras esterlinas.

El autor principal Mortimer Werther, un doctorado Investigador en Ciencias Biológicas y Ambientales en la Facultad de Ciencias Naturales de Stirling, dijo:"Actualmente, sensores montados en satélites, como el Instrumento Oceánico y Terrestre (OLCI), mida las concentraciones de fitoplancton utilizando un pigmento óptico llamado clorofila-a. Sin embargo, recuperar la clorofila-a a través de la naturaleza diversa de las aguas globales es metodológicamente desafiante.

"Hemos desarrollado un método que evita la recuperación de clorofila-a y nos permite estimar el estado de salud del agua directamente a partir de la señal medida en el sensor remoto".

La eutrofización y la eutrofización exagerada a menudo son causadas por un aporte excesivo de nutrientes, por ejemplo de prácticas agrícolas, descarga de residuos, o producción de alimentos y energía. En aguas impactadas, Las FAN son comunes, y las cianobacterias pueden producir cianotoxinas que afectan la salud humana y animal. En muchos lugares, estas floraciones son motivo de preocupación para las industrias de la acuicultura de peces y mariscos.

Werther dijo:"Para comprender el impacto del cambio climático en los entornos acuáticos de agua dulce, como los lagos, muchos de los cuales sirven como recursos de agua potable, es fundamental que supervisemos y evaluemos los indicadores medioambientales clave, como el estado trófico, a escala global con alta frecuencia espacial y temporal.

"Esta investigación, financiado por el programa Horizonte 2020 de la Unión Europea, es la primera demostración de que el estado trófico de las complejas aguas interiores y cercanas a la costa se puede aprender directamente mediante algoritmos de aprendizaje automático a partir de las mediciones de reflectancia OLCI. Nuestro algoritmo puede producir estimaciones para todos los estados tróficos en imágenes adquiridas por OLCI sobre masas de agua globales.

"Nuestro método supera a un enfoque de vanguardia comparable en un 5-12% en promedio en todo el espectro de estados tróficos, ya que también elimina la necesidad de elegir el algoritmo adecuado para la observación del agua. Calcula el estado trófico con más del 90% de precisión para aguas eutróficas e hipereutróficas muy afectadas ".