Modeling Water Quality Parameters in Laga Dadi Reservoir, Ethiopia: An Integrated Remote Sensing and Machine Learning Approach

Zoetwaterreservoirs zijn de stille levensaders van moderne steden; ze slaan de regen en het afvoerwater op dat uiteindelijk het water uit de kranen vormt. Het veilig houden van dit water vereist constante waakzaamheid, maar voor veel gemeenschappen is de traditionele manier om de kwaliteit te controleren een langzame, dure strijd. Het houdt in dat teams naar de waterkant gaan om flessen te verzamelen, deze naar een laboratorium te brengen en dagenlang te wachten op de resultaten. Tegen de tijd dat de gegevens arriveren, kunnen de omstandigheden van het water alweer veranderd zijn, en de methode kan slechts een paar plekken tegelijk controleren, waardoor grote delen van het reservoir onbewaakt blijven. In de afgelopen jaren zijn wetenschappers naar de hemel gaan kijken voor hulp, door gebruik te maken van satellieten die in een baan om de aarde draaien om foto's van waterlichamen te maken. Deze satellieten vangen licht op dat van het oppervlak reflecteert, en omdat verschillende stoffen in het water — zoals modder, algen of opgeloste gassen — licht op unieke manieren reflecteren, kunnen onderzoekers computer modellen gebruiken om te raden wat er in het water zit zonder ooit een voet op de oever te hebben gezet. Deze aanpak is bijzonder essentieel in ontwikkelingsregio's waar de middelen voor frequente veldtesten schaars zijn, omdat het een manier biedt om het volledige beeld van de gezondheid van een meer te zien, in plaats van slechts een paar geïsoleerde punten.

In de hooglanden van Ethiopië dient het Laga Dadi-reservoir als een cruciale bron van drinkwater voor Addis Abeba, maar het staat onder toenemende druk van nabijgelegen boerderijen, nederzettingen en veranderende weerpatronen. Een onderzoeksteam zette zich in om het probleem van het monitoren van deze vitale hulpbron op te lossen door een klein aantal fysieke watermonsters te combineren met geavanceerde satelliettechnologie. Ze richtten zich op drie belangrijke indicatoren voor de gezondheid van het water: opgeloste zuurstof, die vissen en ander leven nodig hebben om te overleven; nitraat, een nutriënt dat schadelijk kan worden bij een overmaat; en troebelheid, een maatstaf voor hoe troebel het water is door zwevende deeltjes. In plaats van uitsluitend te vertrouwen op de arbeidsintensieve methode van het verzamelen van water op vijf specifieke locaties, gebruikten de onderzoekers beelden van de Sentinel-2 satelliet van de Europese Ruimtevaartorganisatie. Ze verwerkten deze beelden met behulp van een krachtig cloud-gebaseerd computersysteem genaamd Google Earth Engine, waardoor ze enorme hoeveelheden gegevens snel konden verwerken en bewolkte dagen konden filteren om heldere uitzichten op het reservoir te vinden.

Het team verzamelde eerst watermonsters van vijf locaties verspreid over het reservoir en analyseerde deze in een laboratorium om nauwkeurige, 'ground-truth' metingen te krijgen. Vervolgens koppelden ze deze metingen aan de exacte satellietbeelden die op dezelfde dagen waren genomen. Door deze gekoppelde gegevens in statistische modellen te voeren, leerden ze een computer om de relatie te herkennen tussen de kleur van het water die vanuit de ruimte wordt gezien en de chemische condities die in het laboratorium zijn gemeten. De resultaten waren verrassend effectief. Het computermodel leerde het niveau van nitraat te voorspellen met een zeer hoge statistische fit, hoewel de onderzoekers waarschuwen dat dit resultaat voorzichtig moet worden geïnterpreteerd vanwege het kleine aantal monsters, wat een risico op overfitting met zich meebrengt. Het deed ook een zeer goed werk bij het schatten van de opgeloste zuurstof en een solide werk bij het voorspellen van de troebelheid. Het model identificeerde dat bepaalde kleuren licht, met name in de rode en nabij-infrarode delen van het spectrum, de meest betrouwbare aanwijzingen waren voor het bepalen van de zuurstofniveaus, terwijl het ultra-blauwe licht de beste indicator was voor hoe troebel het water was.

Wat deze aanpak zo significant maakt, is dat het deze hoge niveaus van nauwkeurigheid bereikte met slechts vijf bemonsteringspunten, een aantal dat normaal gesproken als te klein zou worden beschouwd voor een dergelijke complexe taak. De onderzoekers ontdekten dat de waterkwaliteit in Laga Dadi niet uniform is; het verandert aanzienlijk afhankelijk van waar je kijkt en van het jaargetijde. De door hun model gegenereerde kaarten toonden aan dat het water nabij de dam en in de zuidwestelijke hoek over het algemeen meer zuurstof bevat, waarschijnlijk omdat het water daar beter circuleert. In contrast hiermee waren de gebieden waar rivieren in het reservoir stromen vaak troebeler en droegen ze hogere hoeveelheden sediment aan, vooral tijdens het regenseizoen. De nitraatniveaus vertoonden een dynamisch patroon, waarbij ze vaak ophopen nabij de randen van het reservoir waar afstromend water van het land het reservoir binnenkomt, terwijl ze nabij de dam tijdens bepaalde seizoenen lager bleven.

Om hun nieuwe methode betrouwbaar te maken, vergeleken de onderzoekers hun satellietgebaseerde voorspellingen met historische registers die door de lokale waterautoriteit worden bijgehouden. Voor troebelheid en nitraat volgden de schattingen van het model de historische gegevens die bij het reservoir zijn verzameld nauwgezet, zelfs wanneer de timing van de satellietafbeelding iets verschilde van de historische monstername. Deze validatie suggereert dat de methode robuust genoeg is om te worden gebruikt voor voortdurende monitoring. De studie benadrukt dat, hoewel de satellietbeelden niet door wolken heen kunnen kijken en het model afhankelijk is van de specifieke omstandigheden van dit ene reservoir, de techniek een praktisch, goedkoper alternatief biedt voor waterbeheerders. Het biedt een manier om het gehele reservoir continu in de gaten te houden, waarbij problematische plekken zoals sedimentophoping of pieken in voedingsstoffen worden opgemerkt terwijl ze gebeuren, in plaats van te wachten tot er een boot arriveert. Voor een stad als Addis Abeba, waar waterzekerheid van groot belang is, biedt dit vermogen om de onzichtbare veranderingen in het water van bovenaf te zien een krachtig nieuw instrument voor het beschermen van de volksgezondheid en het beheren van een kostbare hulpbron.