Toegang tot overvloedige, schoon, water om te drinken, recreatie en het milieu is een van de meest urgente vraagstukken van de 21e eeuw. Directe monitoring van bedreigingen voor de kwaliteit van zoet water is van cruciaal belang, maar omdat de huidige methoden duur en niet gestandaardiseerd zijn, uitgebreide datasets over de waterkwaliteit zijn zeldzaam. In de Verenigde Staten, een van de meest datarijke landen ter wereld, minder dan 1% van alle zoetwaterlichamen is ooit op kwaliteit bemonsterd.

In een nieuwe krant AquaSat:een dataset om remote sensing van waterkwaliteit voor binnenwateren mogelijk te maken, een team onder leiding van de assistent-professor Matt Ross van de Colorado State University koppelde grote openbare datasets van waterkwaliteitswaarnemingen aan satellietbeelden om de uitdagingen van het efficiënt en kosteneffectief meten van de waterkwaliteit aan te pakken.

Bedreigingen die we nog niet helemaal kunnen begrijpen

Volgens Roos, een keerpunt wetenschapper bij de afdeling Ecosystem Science and Sustainability, er zijn veel bedreigingen voor de waterkwaliteit, inclusief voedingsstoffen uit landbouwafval die algenbloei ondersteunen; sedimentatie in reservoirs die distributieproblemen veroorzaken; en opgeloste koolstof van rottende bladeren die chemische reacties onderbreekt die het water schoon en veilig houden om te drinken.

Voor het grootste gedeelte, overheidsinstanties monitoren de waterkwaliteit in de VS door wetenschappers het veld in te sturen om variabelen te meten zoals de hoeveelheid chlorofyl (van algen), concentraties van gesuspendeerd sediment, opgeloste organische koolstof, en waterhelderheid in persoon.

Maar, zoals Ross en zijn team uitleggen, veranderingen in de waterkwaliteit volledig te begrijpen en te inventariseren, een veel grotere dataset is vereist; dat op zijn beurt vereist dat steeds meer mensen veldsteekproeven doen, dat is erg duur en het is onwaarschijnlijk dat het probleem volledig wordt opgelost.

In plaats daarvan, het team suggereert dat het gebruik van teledetectie van satellietbeelden een manier kan zijn om ons begrip van variatie in waterkwaliteit op continentale schaal enorm uit te breiden, met weinig extra kosten voor bemonstering.

Satellietbeelden samenvoegen met veldmetingen

Gedurende vele decennia, wetenschappers weten dat de kleur van water ons iets vertelt over wat erin zit. Helderbruin water duidt waarschijnlijk op een rivier vol sediment. Groene wervelingen over Lake Erie laten zien dat algen groeien en chlorofyl produceren. Donkerbruin water dat tanninerijke bossen en moerassen afvoert, verandert blauw water in een theekleurig bruin vanwege de manier waarop licht interageert met bepaalde opgeloste organische koolstofverbindingen.

Beeldvormingssatellieten die in een baan om de aarde draaien, inclusief Landsat, detecteren deze kleurvariaties terwijl ze elke 16 dagen beelden van de aarde maken.

"Deze satellieten hebben de manier waarop we langetermijnveranderingen in de landbouw begrijpen fundamenteel veranderd, bossen, branden, en andere veranderingen in landbedekking, " legde Ross uit. "Echter, er is minder gebruik gemaakt van het Landsat-archief om veranderingen in de binnenwaterkwaliteit te begrijpen."

Een uitdaging bij het gebruik van Landsat-beelden om de waterkwaliteit te evalueren, is het ontbreken van een gecentraliseerde dataset die de satellietbeelden koppelt aan waarnemingen op de grond. Deze matchups, bijvoorbeeld wanneer satellieten een foto maken op dezelfde dag dat iemand een algenmonster neemt - kan worden gebruikt om algoritmen te bouwen die alleen beelden gebruiken om de waterkwaliteit vanuit de ruimte te voorspellen.

Minder dan 1, 000 van dergelijke matchups, meestal gebouwd voor individuele studies, momenteel bestaan, het vertragen van het vermogen van onderzoekers om te bouwen, toets, en grootschalige modellen toepassen om de waterkwaliteit te voorspellen voor elk wolkenvrij beeld in het Landsat-archief.

Een 'symfonie van data'

De CSU-onderzoekers bouwden een nieuwe dataset van meer dan 600, 000 matchups tussen veldmetingen van waterkwaliteit en Landsat-beelden, het creëren van wat Ross een 'symfonie van gegevens' noemt.

De gegevens over de waterkwaliteit zijn afkomstig uit twee openbare bronnen:het Waterkwaliteitsportaal, een federaal data-clearinghouse uit meer dan 400 verschillende staten, lokaal, en federale agentschappen; en LAGOS-NE, een open-wetenschappelijke dataset van metingen van de waterkwaliteit van meren voor het noordoosten van de Verenigde Staten. gecombineerd, deze datasets bieden meer dan 6 miljoen waarnemingen van de waterkwaliteit.

Met behulp van open-source software en Google Earth Engine, de auteurs hebben de waterkwaliteitsgegevens samengevoegd met het Landsat-archief van 1984-2019. Zowel de ruwe datasets als de samengevoegde matchup dataset, die ze AquaSat noemen, are now available along with the underlying code so future users can update, change, and improve it.

The authors expect that this dataset will unlock powerful new applications in remote sensing of water quality.

"We're hoping these tools will help build national-scale water quality estimates for large rivers and lakes, " said Ross. "These data would dramatically improve our understanding of water quality change at the macro-scale and allow the remote sensing community to compare methods and collectively improve our approach."

In de toekomst, Ross's team expects to go beyond the U.S. to employ these same methods to improve water quality monitoring in other places with little or no field observations.