斯特林研究人员开发了人工智能传感器来跟踪有害的藻类繁殖
来自斯特灵大学的研究人员开发了一种新的远程传感器，利用人工智能(AI)分析水体的健康状况。
这种新的人工智能算法被称为“元学习方法”，它使用来自卫星的数据来更准确和有效地分析淡水资源的状况。
新的传感器能够跟踪有害藻类爆发(HABs)的生长和对当地海洋生物的毒性。
绕过这个挑战
利用卫星数据监测淡水水库并不是什么新鲜事。例如,哥白尼哨兵-3号海洋和陆地色仪目前可以通过光学色素叶绿素-a来测量浮游植物的浓度。
然而，使用叶绿素-a来检索这些数据存在一些挑战，即全球水的多样性。
“我们开发了一种绕过叶绿素-a检索的方法，使我们能够直接从遥感器的信号测量来估计水的健康状况。”
该团队使用了OLCI波段的配置在全球49个地点，包括内陆和近岸水域，产生了567次观测结果。
斯特灵自然科学学院生物科学博士Mortimer Werther说:“我们已经开发了一种绕过叶绿素-a检索的方法，使我们能够直接从遥感传感器的信号测量来估计水的健康状况。”
目前，许多环境保护机构使用水的“营养状态”——水体中生物量的总重量——来确定其健康状况。
如果水体不受控制，它会导致富营养化吗，蓝藻和HABs大量生长，这对当地环境和居民可能是致命的。
改变游戏规则?
该研究由欧盟地平线2020计划资助，由五个不同的研究机构和机构进行。这是第一次表明，机器学习算法可以从OLCI中学习到热带状态。
Werther补充说:“我们的方法比同类最先进的方法平均高出5 - 12%……它对高度受影响的富营养化和过度富营养化水域的营养状态估计精度超过90%。”
虽然这些初步结果令人鼓舞，完整的论文他补充说，他们的算法在测量中营养水域时精度较低。
中营养水域(湖泊)是静水区域的优先栖息地，具有适度的碱度和营养水平，并以水生植物和大型无脊椎动物物种的高度多样性为特点。
人工智能彻底改变了水监测
对于地表水监测，人工智能有很大的潜力，尽管算法还需要微调，但这些初步结果肯定会是该技术未来的好兆头。
藻类和HABs正成为越来越令人担忧的问题，越来越多的关键事件发生得越来越频繁。今年早些时候，Aquatech Online报道了新加坡高档的圣淘沙湾社区经历了一次藻华，粉红色的水导致了数千条鱼的死亡，并在该地区产生了一些令人不快的气味。
2020年,一个“赤潮”藻华事件发生在佛罗里达州，造成超过100只海牛、127只海豚和589只海龟以及数千条鱼死亡。
再回到2014年的俄亥俄州，伊利湖被一种叫做铜绿微囊藻的蓝绿色藻类接管，这是一种蓝藻。该州花了1.32亿美元改善水处理厂，以应对HAB。
人工智能和机器学习提供了一种解决方案，帮助更好地监测我们的淡水身体，它一直在学习。
和我们分享你的水技术故事
您有什么创新、研究成果或其他有趣的话题想与国际水技术行业分享吗?Aquatech网站和社交媒体渠道是展示你的故事的好平台!
请与我们的高级品牌营销经理联系Annelie Koomen．
你是Aquatech的参展商吗?
确保你将最新的新闻稿添加到你的参展商门户中的公司简介爱游戏ayx棋牌免费曝光。
收到关于水的最好的通讯-直接到您的收件箱!
我们承诺永远不会向您发送垃圾邮件，您可以在任何时候取消订阅!
