斯坦福大学的研究人员开发了一种创新的预测海滩水质的新方法

斯坦福大学的研究员瑞安·塞西（Ryan Searcy）从位于加利福尼亚州莫斯海滩（Moss Beach）的菲茨杰拉德海洋保护区（Fitzgerald Marine Reserve）的潮汐池中收集水样。

斯坦福大学的工程师使用48小时或更短时间内收集的水样和环境数据，开发了一种新的预测技术来预测沿海水质，这是保护公众健康和海洋经济的关键一步。

斯坦福大学的一项新研究显示，每年要减少两百万名泳滩居民因水污染造成的疾病，在当地海滩进行的水质采样可能不足两天。这项发表在《环境科学与技术》上的研究提出了一个建模框架，该模型可以在仅进行一到两天的频繁水采样后可靠地预测海滩的水质。该方法已在加利福尼亚进行了测试，可用于监视其他不受监控的沿海地区，这对于保护泳客和全球繁荣的海洋经济至关重要。

斯坦福大学土木与环境工程学教授亚历山大·勃姆说：“这项工作结合了微生物学，沿海过程和数据科学的知识，为有效管理我们最宝贵的资源之一和保护人类健康提供了一种工具。”

在海滩上测量粪便指示剂细菌（FIB）的浓度-表示存在粪便并可能导致不安全的饮水条件-确保公众的健康和安全。尽管所有海水中都含有一定程度的病原体，例如细菌或病毒，但通常会将它们稀释到无害的浓度。但是，降雨，水温，风，径流，划船废物，下水道溢流，靠近废物处理厂，动物和水禽的变化会导致水污染的涌入。暴露于这些污染物会导致许多疾病，包括呼吸道疾病和胃肠道疾病，以及游泳者的皮肤，眼睛和耳朵感染。

在加利福尼亚州840英里的大部分海岸线上，保护沿海水域和使用沿海水域的人们仍然至关重要。每年有超过1.5亿人在该州的450个海滩之一中游泳，冲浪，玩耍和娱乐，创造了超过100亿美元的收入。根据加利福尼亚州水资源控制委员会的数据，遍布全美17个县，公共污水处理厂，环境组织和数个公民科学组织的卫生机构在全州进行了水采样。但是，尽管有公众使用，但由于可访问性问题，预算资源限制或季节限制，并非所有水域都经过例行检查。

维护公共健康的另一个障碍是采样与结果之间的延迟时间（最多两天），导致海滩管理者做出反映过去水质状况的决策。当受监控的水域中细菌含量高并构成健康风险时，海滩管理员会张贴警告标志或关闭海滩。当前测试方法的延迟可能会在不知不觉中将游泳者暴露在不健康的水域中。

为了克服这些限制，研究人员将水采样和环境数据与机器学习方法相结合，以准确预测水质。尽管预测性水质模型并不是新事物，但它们通常需要开发跨越数年的历史数据。

该小组在圣克鲁斯，蒙特雷和亨廷顿海滩的海滩上，以相对较短的一到两天的时间间隔，每隔10分钟收集一次水样。在这三个地点中，测量了244个样品的FIB浓度，并标记为高于或低于该州认为安全的可接受水平。然后，研究人员在同一时间范围内收集了气象数据，例如气温，太阳辐射和风速，以及海洋学数据，包括潮汐水位，波高和水温（所有影响FIB浓度的因素）。

他们使用高频水质数据和机器学习方法，训练了计算机模型来准确预测所有三个海滩上的FIB浓度。研究人员发现，连续24小时每小时进行一次水采样-捕获了整个潮汐和太阳周期-被证明足以获得可靠的结果。从更长的时期获取框架的气象和潮汐数据，就可以对未来的水质进行至少整个季节的预测。

Searcy说：“这些结果确实为希望了解海滩水质状况的社区提供了力量。”“有了一些入门资源和一天的采样，这些社区就可以收集启动自己的水质建模系统所需的数据。”

参考：“海滩一日游：通过高频采样和数据驱动模型实现沿海水质预测”，Ryan T. Searcy和Alexandria B. Boehm，2021年1月20日，环境科学与技术。DOI：
10.1021 / acs.est.0c06742

可以公开获取的框架法规也可以用于准确预测其他污染物，例如已知会对当地水域造成严重破坏的有害藻类，金属和营养素。研究人员指出，需要进行更多分析才能更好地确定这些模型保持准确的确切时间范围，并指出，不断评估和重新训练模型仍然是准确预测的最佳实践。

Boehm还是斯坦福森林环境研究所的高级研究员，也是斯坦福水，健康与发展计划的附属机构。

这项研究得到了南加州大学海洋资助计划，美国国家海洋与大气管理局和美国商务部的支持，资助号为NA18OAR4170075。