milan米兰体育官网专家开发人工智能以更有效地监测水质

milan米兰体育的研究人员开发了人工智能，可以增强对水体的远程监控，突出显示气候变化或污染导致的质量变化。

一种称为“元学习”方法的新算法直接分析来自卫星传感器的数据，使沿海地区、环境和行业管理者能够更轻松地监测有害藻华 (HAB) 以及贝类和有鳍鱼类可能产生的毒性等问题。

环境保护机构和行业机构目前监测水的“营养状态”（其生物生产力），将其作为生态系统健康状况的指标。大群的微小藻类或浮游植物被称为富营养化，可以转化为 HAB，这是污染的指标，对人类和动物健康构成风险。

HAB 据估计每年给苏格兰贝类行业造成 140 万英镑的损失，2019 年挪威的一次 HAB 事件导致 800 万条鲑鱼死亡，直接价值超过 7400 万英镑。

挑战

主要作者、milan米兰体育官网自然科学学院生物与环境科学博士研究员 Mortimer Werther 表示：“目前，安装在卫星上的传感器，例如海洋和陆地仪器 (OLCI)，使用一种称为叶绿素-a 的光学色素来测量浮游植物浓度。然而，在全球不同的自然界中检索叶绿素-a 水域在方法论上具有挑战性。

“我们开发了一种绕过叶绿素-a 检索的方法，使我们能够直接根据远程传感器测量的信号估计水的健康状况。”

生物与环境科学学院的 Mortimer Werther 领导了这项研究。

富营养化和过度富营养化通常是由过量的营养输入引起的，例如农业实践、废物排放或粮食和能源生产。在受影响的水域中，有害细菌很常见，蓝藻可能产生影响人类和动物健康的蓝藻毒素。在许多地方，这些水华引起了有鳍鱼类和贝类水产养殖业的关注。

监控和评估

Werther 先生表示：“为了了解气候变化对湖泊等淡水水生环境的影响（其中许多湖泊都是饮用水资源），我们必须在全球范围内以高时空频率监测和评估关键环境指标，例如营养状况。

“这项由欧盟地平线 2020 计划资助的研究首次证明，可以通过 OLCI 反射率测量的机器学习算法直接了解复杂内陆和近岸水域的营养状况。我们的算法可以根据 OLCI 在全球水体上获取的图像对所有营养状况进行估算。

“我们的方法在整个营养状态范围内的性能比同类最先进的方法平均高出 5-12%，因为它还无需选择正确的水体观测算法。对于受影响严重的富营养化和超富营养化水域，它对营养状态的估计准确度超过 90%。”

这项合作研究是与来自研究和工业界的五位合作伙伴共同进行的：Stefan G.H.来自普利茅斯海洋实验室的 Simis；来自德国航空航天中心的 Harald Krawczyk；来自瑞士联邦水产科学技术研究所的 Daniel Odermatt 博士；来自 Brockmann Consult 的 Kerstin Stelzer 和来自 Appjection（阿姆斯特丹）的 Oberon Berlage。

在此处阅读全文