Il nuovo studio dei ricercatori della Stanford University ha evidenziato che non più di due giorni di campionamento della qualità dell’acqua marina lungo le spiagge locali potrebbero essere tutto ciò che serve ogni anno per ridurre le malattie tra milioni di bagnanti a causa dell’acqua contaminata.
Lo studio, pubblicato nella rivista Environmental Science & Technology, presenta un modello che prevede in modo affidabile la qualità dell’acqua delle spiagge dopo solo un giorno o due di frequente campionamento. Il metodo, testato in California, potrebbe essere utilizzato per tenere sotto controllo le aree costiere altrimenti non monitorate, che è la chiave per proteggere il benessere dei frequentatori delle spiagge e le economie oceaniche fiorenti in tutto il mondo.
Alexandria Boehm, scienziata americana presso il Dipartimento di ingegneria civile e ambientale della Stanford University, responsabile dello studio, ha detto:
«La nostra ricerca combina la conoscenza della microbiologia, processi costieri e scienza dei dati per produrre uno strumento per gestire efficacemente una delle nostre risorse più preziose e proteggere la salute umana».
Misurare le concentrazioni di batteri indicatori di inquinamento fecale (FIB) – che denotano la presenza di materia fecale e possono portare a condizioni di acqua non sicure – sulle spiagge garantisce la salute e la sicurezza del pubblico. Sebbene tutta l’acqua dell’oceano contenga un certo grado di agenti patogeni, come batteri o virus, essi sono tipicamente diluiti a concentrazioni innocue. Tuttavia, i cambiamenti nelle precipitazioni, la temperatura dell’acqua, il vento, il deflusso, i rifiuti nautici, lo straripamento delle fogne, la vicinanza agli impianti di trattamento dei rifiuti, gli animali e gli uccelli acquatici possono portare ad un afflusso di contaminazione dell’acqua.
L’esposizione a questi contaminanti per i nuotatori può causare molti disturbi, tra cui malattie respiratorie e gastrointestinali, insieme a infezioni della pelle, degli occhi e delle orecchie. La protezione delle acque costiere e delle persone che le usano rimane essenziale per gran parte di 1.350 km di costa della California: ogni anno più di 150 milioni di persone nuotano, fanno surf, si immergono e giocano in una delle 450 spiagge dello Stato, generando oltre 10 miliardi di dollari di entrate.
California State Water Resources Control Board riporta che le agenzie sanitarie di 17 contee, gli impianti di trattamento delle acque reflue di proprietà pubblica, i gruppi ambientalisti e diversi gruppi di scienza dei cittadini (citizen-science) effettuano il campionamento delle acque in tutto lo Stato. Tuttavia, non tutte le acque sono regolarmente controllate a causa di problemi di accessibilità, limiti di risorse di bilancio o la stagione, nonostante il loro uso da parte del pubblico.
È emerso che un altro ostacolo alla salvaguardia della salute pubblica è il tempo – fino a due giorni – che intercorre tra il campionamento e i risultati, ciò porta i gestori delle spiagge a prendere decisioni che rispecchiano le condizioni precedenti della qualità dell’acqua: le acque monitorate quando contengono alti livelli di batteri e rappresentano un rischio per la salute, i gestori delle spiagge espongono cartelli di avvertimento o chiudono le spiagge. Il ritardo degli attuali metodi di analisi potrebbe esporre inconsapevolmente i bagnanti ad acque malsane.
I ricercatori per superare queste limitazioni hanno combinato il campionamento dell’acqua e i dati ambientali con metodi di apprendimento automatico per prevedere accuratamente la qualità dell’acqua. I modelli predittivi della qualità dell’acqua anche se non sono nuovi, generalmente hanno richiesto dati storici che coprono diversi anni per essere sviluppati.
Il team ha usato campioni d’acqua raccolti a intervalli di 10 minuti in un periodo relativamente breve di uno o due giorni sulle spiagge di Santa Cruz, Monterey e Huntington Beach. Tra i tre siti, 244 campioni sono stati misurati per le concentrazioni di batteri indicatori di inquinamento fecale (FIB) e contrassegnati come sopra o sotto il livello accettabile ritenuto sicuro dallo Stato. I ricercatori hanno poi raccolto dati meteorologici come la temperatura dell’aria, la radiazione solare e la velocità del vento insieme a dati oceanografici tra cui il livello delle maree, l’altezza delle onde e la temperatura dell’acqua (tutti fattori che influenzano le concentrazioni di FIB) nello stesso arco di tempo.
I ricercatori utilizzando i dati di qualità dell’acqua ad alta frequenza e metodi di apprendimento automatico, hanno addestrato modelli informatici per prevedere con precisione le concentrazioni di FIB in tutte e tre le spiagge. Hanno scoperto che il campionamento orario dell’acqua per 24 ore di fila (monitorando un intero ciclo solare e di marea) si è dimostrato sufficiente per ottenere risultati affidabili. Alimentando la struttura con dati meteorologici e di marea da periodi di tempo più lunghi, hanno ottenuto previsioni future sulla qualità dell’acqua che erano affidabili per almeno un’intera stagione.
Ryan Searcy ricercatore della Stanford University ha detto:
«Questi risultati sono davvero importanti per le comunità che vogliono sapere cosa sta succedendo con la qualità dell’acqua nella loro spiaggia, con alcune risorse per iniziare e un giorno di campionamento, queste comunità potrebbero raccogliere i dati necessari per avviare i propri sistemi di valutazione della qualità dell’acqua».
Il codice sorgente del software per prevedere la qualità dell’acqua marina lungo le coste, in fase di elaborazione è pubblicamente accessibile su GitHub (è un servizio di hosting per progetti software utilizzato dagli sviluppatori, che caricano il codice sorgente dei loro programmi e lo rendono scaricabile dagli utenti), potrebbe anche essere sviluppato per previsioni accurate di altri contaminanti come alghe nocive, metalli e sostanze nutritive note per devastare le acque locali. I ricercatori sottolineano che sono necessarie ulteriori analisi per determinare meglio l’intervallo di tempo esatto in cui questi modelli rimangono accurati, evidenziando che la valutazione e la riqualificazione continua dei modelli rimane una buona pratica per le previsioni accurate.