Forecasting Analysis of Heavy Metal Concentrations in the Ciliwung River Using Random Forest and Xgboost Methods

Rivieren zijn de slagaders van een stad; ze dragen leven, afval en de onzichtbare sporen van menselijke industrie met zich mee. In het bruisende hart van Jakarta stroomt de Ciliwung-rivier vanuit de hooglanden door dichtbevolkte wijken en industriële zones voordat deze de zee bereikt. Al decennia lang weten wetenschappers dat deze waterweg zware metalen vervoert—giftige elementen zoals lood, cadmium en kwik die niet afbreken en kunnen accumuleren in de voedselketen. Deze verontreinigingen komen voort uit fabrieken, voertuigemissies en huishoudelijk afval, wat een stille dreiging vormt voor zowel het ecosysteem als de mensen die afhankelijk zijn van de rivier. Traditioneel gezien is het controleren op deze gifstoffen een traag, kostbaar proces waarbij wetenschappers watermonsters moeten verzamelen en naar een laboratorium moeten sturen voor chemische analyse. Hoewel dit nauwkeurig is, is deze methode reactief; het vertelt ons wat er gisteren is gebeurd, niet wat er morgen zou kunnen gebeuren. Terwijl steden groeien en klimaatpatronen veranderen, is er een dringende behoefte om te begrijpen waar deze vervuilende stoffen naartoe gaan, zodat beheerders kunnen ingrijpen voordat de waterkwaliteit gevaarlijk wordt.

Een team onderzoekers van universiteiten in Indonesië, het Verenigd Koninkrijk en Maleisië heeft een nieuwe aanpak voor deze uitdaging gekozen. In plaats van te wachten op laboratoriumresultaten, gebruikten zij computerprogramma's die ontworig zijn om te leren van gegevens uit het verleden om de toekomstige staat van de Ciliwung-rivier te voorspellen. Ze richtten zich op drie specifieke zware metalen: lood, cadmium en kwik. Hiervoor verzamelden zij historische gegevens over de waterkwaliteit van 2015 tot 2023, waarbij ze keken naar factoren die vervuiling beïnvloeden, zoals de zuurgraad van het water en de hoeveelheid organisch afval en zwevende deeltjes. Vervolgens voedden zij deze informatie aan twee krachtige soorten computerleersystemen. Het ene systeem, bekend als Random Forest, werkt door veel eenvoudige beslissingsbomen te bouwen en hun antwoorden te middelen. Het andere, genaamd XGBoost, is een meer geavanceerde methode die bomen één na elkaar bouwt, waarbij elke nieuwe boom leert van de fouten van de vorige om de voorspelling te verfijnen. Het doel was om te zien welk systeem beter de concentraties giftige metalen in de rivier kon voorspellen van 2024 tot 2030.

De resultaten toonden aan dat het meer geavanceerde systeem, XGBoost, de superieure voorspeller was. Het maakte consequent kleinere fouten en legde de complexe patronen van vervuiling beter vast dan zijn tegenhanger. Met behulp van dit best presterende model projecteerden de onderzoekers de concentratie van zware metalen voor de komende jaren. Ze schatten dat de loodwaarden zouden variëren tussen 14,285 en 19,483 microgram per liter, cadmium tussen 7,413 en 9,998 microgram per liter, en kwik tussen 0,227 en 0,457 microgram per liter. Wanneer deze cijfers werden vergeleken met de veiligheidslimieten die door de Indonesische overheid zijn vastgesteld voor water gebruikt voor recreatie en viskweek, boden de projecties een voorzichtige geruststelling. Alle voorspelde waarden bleven onder de wettelijke drempels. De studie onthulde echter ook een zorgwekkende nuance. Hoewel de niveaus veilig waren, werd voorspeld dat de hoeveelheid cadmium heel dicht bij de maximaal toegestane limiet zou blijven hangen, wat suggereert dat de rivier met een zeer kleine veiligheidsmarge opereert.

De onderzoekers waren zorgvuldig in hun uitleg dat deze cijfers geen garanties zijn voor toekomstige veiligheid, maar eerder onderbouwde schattingen gebaseerd op huidige trends. Het model hield geen rekening met plotselinge veranderingen, zoals een massale nieuwe industriële lozing of een ongewone weersgebeurtenis die meer vervuilende stoffen in de rivier zou kunnen spoelen. Het computerprogramma leerde van het verleden, dus als de toekomst op het verleden lijkt, houdt de voorspelling stand; als de toekomst drastisch verandert, pakt het model dit mogelijk niet op. Dit is waarom de auteurs benadrukken dat hun werk de traditionele laboratoriumtests niet moet vervangen. In plaats daarvan dient het als een vroeg waarschuwingssysteem. Het stelt functionarissen in staat om potentiële risico's te zien voordat ze uitlopen op noodsituaties, wat hen helpt te beslissen waar ze hun monitoringinspanningen moeten richten en wanneer ze de regelgeving moeten aanscherpen.

De studie benadrukt een verschuiving in hoe we ons milieu beheren. Jarenlang was rivierbeheer een spel van reactie, waarbij vervuiling werd opgeruimd nadat het al schade had veroorzaakt. Deze nieuwe aanpak suggereert een toekomst waarin we problemen kunnen voorzien. Door gegevens te gebruiken om trends te voorspellen, kunnen stadsplanners en milieuorganisaties bewegen van simpelweg reageren op crises naar het voorkomen ervan. Het onderzoek bevestigt dat de Ciliwung-rivier momenteel weliswaar aan de veiligheidsnormen voldoet, maar dat de druk van het stedelijk leven constant is. De niveaus van lood en cadmium vertonen een trend die waakzaamheid vereist. Als de bronnen van vervuiling niet worden gecontroleerd, kan de rivier snel de grens van veilig naar gevaarlijk overschrijden. Het werk dient als een herinnering dat het schoonhouden van een rivier niet alleen gaat over het opruimen van wat er al is, maar over het begrijpen van de onzichtbare krachten die vervuilende stoffen in het water duwen, en het gebruiken van elke beschikbare tool, van chemie tot computerwetenschap, om de gezondheid van de stad en haar mensen te beschermen.