Ny, billigare hjälp kan snart vara på väg för att hjälpa till att hantera ett av de största hoten som Stora barriärrevet står inför.

Det hotet är föroreningar från land som tar sig nedströms genom de många floder och bäckar som rinner ut i kustvatten längs revet.

Storleken på revet - som sträcker sig i 2, 300 kilometer längs Queenslands kust – gör det extremt svårt att få en uppfattning om vad som händer i realtid.

Nu, i samarbete med forskare vid Queensland Department of Environment and Science, forskare vid ARC Center of Excellence for Mathematical and Statistical Frontiers (ACEMS) har utvecklat statistiska prediktiva verktyg som kan leda till utplaceringen av många fler lågkostnadssensorer i dessa floder och bäckar.

"För närvarande, det finns mindre än 50 långtidsövervakningsstationer för floder som tillhandahåller information som informerar program relaterade till skyddet av Stora Barriärrevet. Det betyder att det finns tusentals kilometer av kustområden och vattendrag där vi har begränsad information, " sa Dr Catherine Leigh, en ACEMS Associate Investigator med QUTs School of Mathematical Sciences.

Det finns möjlighet att fylla i finare skala med lägre kostnadssensorer. Dock, i detta skede, lågkostnadssensorer kan ännu inte visa de två saker som är viktigast för att bestämma vattenkvaliteten. Det är direkta mått på sediment och näringsämnen. Sediment kan kväva växter och djur. Näringsämnen är viktiga för livet, men en obalans kan leda till en mängd olika problem. Vad lågkostnadssensorerna mäter är grumlighet och konduktivitet. Grumlighet är ett mått på vattnets klarhet, och ledningsförmågan återspeglar nivåerna av joner som salt i vattnet.

I forskning just publicerad i PLOS ETT , ACEMS-teamet utvecklade statistiska verktyg för att ta dessa grumlighets- och konduktivitetsdata och förutsäga nivåer av sediment och näringsämnen i vattnet.

"De är verkligen de viktigaste sakerna som vattenmyndigheter letar efter, både vad gäller deras värderingar och hur de förändras över tid, " sa Dr Leigh.

Sensordata tillhandahölls av Water Quality and Investigations (WQI) Team med Queensland Department of Environment and Science. Genom att kunna förutsäga nivåer av sediment och näringsämnen, chefer kan se till att automatisera sensorprocessen.

"Just nu, någon måste fysiskt gå till där övervakningsstationen är, få ett prov, ta tillbaka den till ett labb och testa den. Om vi ​​kan automatisera denna process med sensorerna, vi kan få mycket oftare förutsägelser om vad som händer, " sa Dr Sevvandi Kandanaarachchi, en ACEMS associerad utredare vid avdelningen för ekonometri och företagsstatistik vid Monash University.

"Att förutsäga dessa kvantiteter är viktigt eftersom om de plötsligt förändras, då är det en indikation på att något med systemet måste undersökas."

Dr Leigh hoppas att projektet kommer att leda till utbyggnaden av många fler billiga sensorer. Hon säger också att de tittar på att utveckla en app som bönder och andra markägare kan använda.

"De är måna om att se till att de inte slösar med näringsämnen, att det de använder tas upp av växterna på marken och inte hamnar i en bäck, " sade Dr Leigh. "De är också angelägna om att minska markerosion."

I arbete som publicerades tidigare i år, ACEMS- och WQI-teamen visade hur man upptäcker anomalier i sensordata. Med andra ord, de behövde sätt att visa om en sensor inte fungerade korrekt.

"Du vill veta att den data du samlar in är bra innan du går och förutspår något annat, " sa Dr Leigh.

Denna nya forskning kommer också att hjälpa till att svara på frågor som var man ska placera sensorerna, hur många behövs på vissa platser, och om de behöver flyttas runt.

"Den stora bilden är att se till att vissa saker som kan skada revet och våra floder inte hamnar i en bäck. Om de gör det, att vi kan agera i tid för att ta reda på vad som händer och varför, " sa Dr Leigh.