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

Os rios são as artérias de uma cidade, transportando vida, resíduos e os vestígios invisíveis da indústria humana. No coração pulsante de Jacarta, o rio Ciliwung flui das terras altas através de bairros densos e zonas industriais antes de chegar ao mar. Durante décadas, cientistas sabem que este curso de água carrega metais pesados — elementos venenosos como chumbo, cádmio e mercúrio que não se decompõem e podem acumular-se na cadeia alimentar. Estes contaminantes provêm de fábricas, emissões de veículos e resíduos domésticos, representando uma ameaça silenciosa tanto para o ecossistema como para as pessoas que dependem do rio. Tradicionalmente, verificar estes venenos tem sido um processo lento e caro, que exige que os cientistas recolham amostras de água e as enviem para um laboratório para análise química. Embora seja preciso, este método é reativo; diz-nos o que aconteceu ontem, não o que poderá acontecer amanhã. À medida que as cidades crescem e os padrões climáticos mudam, há uma necessidade premente de compreender para onde estes poluentes se dirigem, permitindo que os gestores ajam antes que a qualidade da água se torne perigosa.

Uma equipa de investigadores de universidades da Indonésia, do Reino Unido e da Malásia adotou uma nova abordagem para este desafio. Em vez de esperarem pelos resultados do laboratório, utilizaram programas de computador concebidos para aprender com dados passados para prever o estado futuro do rio Ciliwung. Eles focaram-se em três metais pesados específicos: chumbo, cádmio e mercúrio. Para o fazer, reuniram registos históricos da qualidade da água de 2015 a 2023, analisando fatores que influenciam a poluição, tais como a acidez da água e a quantidade de resíduos orgânicos e partículas em suspensão. Em seguida, inseriram esta informação em dois tipos poderosos de sistemas de aprendizagem computacional. Um sistema, conhecido como Random Forest, funciona construindo muitas árvores de decisão simples e fazendo a média das suas respostas. O outro, chamado XGBoost, é um método mais avançado que constrói árvores uma após a outra, com cada nova árvore a aprender com os erros da anterior para refinar a previsão. O objetivo era ver qual sistema conseguiria melhor prever os níveis de metais tóxicos no rio de 2024 até 2030.

Os resultados mostraram que o sistema mais avançado, o XGBoost, foi o preditor superior. Ele apresentou consistentemente erros menores e capturou melhor os padrões complexos de poluição. Utilizando este modelo de melhor desempenho, os investigadores projetaram a concentração de metais pesados para os próximos anos. Estimaram que os níveis de chumbo variariam entre 14,285 e 19,483 microgramas por litro, o cádmio entre 7,413 e 9,998 microgramas por litro, e o mercúrio entre 0,227 e 0,457 microgramas por litro. Quando estes números foram comparados com os limites de segurança estabelecidos pelo governo indonésio para água utilizada em recreação e piscicultura, as projeções ofereceram um sentido de alívio cauteloso. Todos os valores previstos permaneceram abaixo dos limiares legais. No entanto, o estudo também revelou uma nuance preocupante. Embora os níveis fossem seguros, a quantidade de cádmio foi prevista para oscilar muito perto do limite máximo permitido, sugerindo que o rio está a operar com uma margem de segurança muito estreita.

Os investigadores foram cuidadosos ao explicar que estes números não são garantias de segurança futura, mas sim estimativas fundamentadas baseadas em tendências atuais. O modelo não considerou mudanças súbitas, como um novo descarte industrial massivo ou um evento climático incomum que pudesse lavar mais poluentes para o rio. O programa de computador aprendeu com o passado, portanto, se o futuro se parecer com o passado, a previsão mantém-se; se o futuro mudar drasticamente, o modelo poderá não detetar. É por isso que os autores enfatizam que o seu trabalho não deve substituir os testes laboratoriais tradicionais. Em vez disso, serve como um sistema de alerta precoce. Permite que os oficiais vejam potenciais riscos antes que se tornem emergências, ajudando-os a decidir onde focar os seus esforços de monitorização e quando apertar as regulamentações.

O estudo destaca uma mudança na forma como gerimos o nosso ambiente. Durante anos, a gestão de rios tem sido um jogo de reação, limpando a poluição depois de ela já ter causado danos. Esta nova abordagem sugere um futuro onde podemos antecipar problemas. Ao usar dados para prever tendências, os planeadores urbanos e as agências ambientais podem passar de simplesmente reagir a crises para preveni-las. A investigação confirma que, embora o rio Ciliwung cumpra atualmente os padrões de segurança, a pressão da vida urbana é constante. Os níveis de chumbo e cádmio estão numa tendência que exige vigilância. Se as fontes de poluição não forem controladas, o rio poderá rapidamente cruzar a linha do seguro para o perigoso. O trabalho serve como um lembrete de que manter um rio limpo não é apenas sobre limpar o que já lá está, mas sobre compreender as forças invisíveis que empurram os poluentes para a água, e utilizar todas as ferramentas disponíveis, da química à ciência da computação, para proteger a saúde da cidade e das suas pessoas.