演算法為跟蹤地下水污染提供了預警系統

演算法為跟蹤地下水污染提供了預警系統

地下水污染是一個日益普遍的環境問題。最重要的行動方針往往涉及長期監測。但是，當污染物的羽狀物很大、複雜且長期存在時，或者像風暴這樣的意外事件可能會導致污染物水平的突然變化，而周期性採樣可能會忽略這些變化時，監測這些變化的最經濟有效的方法是什麼呢?

美國能源部勞倫斯伯克利國家實驗室(Berkeley Lab)和薩凡納河國家實驗室(Savannah River National Laboratory)的科學家們開發了一種低成本的方法，可以使用常用的感測器實時監測污染物。他們的研究「利用卡爾曼過濾器對地下水污染進行現場監測」最近發表在《環境科學與技術》雜誌上。

「傳統的監測方法包括每年或每季度採集水樣，並在實驗室里進行分析，」負責這項研究的伯克利實驗室研究員晴子溫賴特(Haruko Wainwright)說。「如果出現異常或極端事件，你可能會錯過可能增加污染物濃度或潛在健康風險的變化。」我們的方法允許使用代理測量進行持續的現場監測，這樣我們就可以實時跟蹤羽流運動。她補充說:「自動原位數據分析可以使用機器學習方法遠程快速分析。」「它可以作為一個早期預警系統——我們可以檢測污染物濃度的突然變化。」這些變化或多或少表明需要對修復策略進行干預，理想情況下，這將導致改進和成本效益更高的清理工作。

近年來，環境監測變得越來越重要，因為補救方法已經從密集的地下水處理和土壤清除轉移。溫賴特說:「密集的清理會對環境造成很多負面影響，包括空氣污染、大量使用能源和產生廢物。」「因此，專家們開始考慮從這種非常密集的修復模式轉變為一種更可持續的修復模式，或稱『綠色修復』，因此我們不僅從污染層面考慮，還考慮凈環境影響。」然而，隨著時間的推移，對大量污染物的長期監測可能代價高昂。更重要的是，目前的長期監測策略沒有考慮天氣的突然或逐漸變化，如大雨事件，可能會影響羽流行為。當考慮到諸如金屬或放射性核素污染等持久性羽流時，這方面特別重要。

新方法從感測器開始跟蹤水質變數，這些變數被認為是污染物水平的可靠指標。為了進行這項研究，研究人員跟蹤了薩凡納河(Savannah River)的地下水中氚和鈾238的含量。薩凡納河是美國能源部管理的南卡羅來納的一個前核武器生產基地。對於這個地點，他們測量了酸度(或pH)水平和比電導(一種測量電導的方法);這些變數被確定為氚和鈾238濃度的可靠指標。來自多個感測器的數據被輸入卡爾曼濾波器以估計污染物濃度。卡爾曼濾波器不是一個物理濾波器，而是一個數學演算法，它可以整合混合的時間序列數據來進行估計。它廣泛應用於交通預測和遙感等領域。

利用來自薩凡納河遺址的歷史數據，研究人員發現他們的技術提供了過去20年羽流行為的可靠信息，表明這種新方法作為快速評估污染物羽流穩定性的長期監測策略具有重要的前景。與傳統方法相比的另一個優點是，它可以減少人工地下水採樣和實驗室分析的頻率，從而降低監測成本。Wainwright是地下水污染和環境數據分析的專家，他說這種方法可以用於地表和地下水。它還可能被用於跟蹤地下水中常見的其他金屬、放射性核素和有機化合物，如砷、鉻和燃料。「現在有很多不同類型的感測器可用，感測器網路和快速統計分析很簡單，」她說。「我們可以將所有類型的原位感測器組合在一起，並利用這個框架實時地對目標污染物濃度進行數據集成。」她補充說:「改善監測技術對保護公眾健康和生態至關重要。如果監測得當，人們會感到安全。我們的技術是一種監測這種可持續修復的方法——有效且廉價。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！