Tillgång till rikligt, rena, vatten att dricka, rekreation och miljö är en av 2000-talets mest angelägna frågor. Att direkt övervaka hot mot sötvattenkvaliteten är ytterst viktigt, men eftersom nuvarande metoder är dyra och inte standardiserade, omfattande vattenkvalitetsdatauppsättningar är sällsynta. I USA, ett av de mest datarika länderna i världen, färre än 1 % av alla sötvattenförekomster har någonsin tagits för kvalitet.

I ett nytt papper, AquaSat:en datauppsättning för att möjliggöra fjärranalys av vattenkvalitet för inre vatten, ett team ledt av Colorado State University biträdande professor Matt Ross matchade stora offentliga datamängder med vattenkvalitetsobservationer med satellitbilder för att hantera utmaningarna med att mäta vattenkvaliteten effektivt och kostnadseffektivt.

Hot som vi inte helt kan förstå – ännu

Enligt Ross, en vattendelare vid Institutionen för ekosystemvetenskap och hållbarhet, det finns många hot mot vattenkvaliteten, inklusive näringsämnen från jordbruksavrinning som stöder algblomning; sedimentering i reservoarer som orsakar distributionsutmaningar; och löst kol från sönderfallande löv som avbryter kemiska reaktioner som håller vattnet rent och säkert att dricka.

För det mesta, myndigheter övervakar vattenkvaliteten i USA genom att skicka forskare till fältet för att mäta variabler som mängden klorofyll (från alger), koncentrationer av suspenderat sediment, löst organiskt kol, och vattenklarhet personligen.

Men, som Ross och hans team förklarar, att fullt ut förstå och inventera förändringar i vattenkvaliteten, en mycket större datauppsättning krävs; som i sin tur kräver att fler och fler människor gör fältprovtagning, vilket är mycket dyrt och osannolikt att helt lösa problemet.

Istället, teamet föreslår att användning av fjärranalys från satellitbilder kan vara ett sätt att avsevärt utöka vår förståelse av variation i vattenkvalitet på kontinental skala, med liten extra kostnad för provtagning.

Sammanfoga satellitbilder med fältmätningar

Under många decennier har forskare har känt till att vattens färg säger oss något om vad som finns i det. Ljust solbrunt vatten indikerar sannolikt en flod full av sediment. Gröna virvlar över Erie -sjön visar alger som växer och producerar klorofyll. Mörkbrunt vatten som dränerar tanninrika skogar och träsk gör blått vatten till ett tefärgat brunt på grund av hur ljus interagerar med vissa lösta organiska kolföreningar.

Avbildar satelliter som kretsar runt jorden, inklusive Landsat, upptäcker dessa färgvariationer när de tar bilder av jorden var 16:e dag.

"Dessa satelliter har i grunden förändrat hur vi förstår långsiktiga förändringar inom jordbruket, skogar, bränder, och andra ändringar av markskydd, " förklarade Ross. "Men, det har använts mindre av Landsat -arkivet för att förstå förändringar av inre vattenkvalitet. "

En utmaning med att använda Landsat-bilder för att utvärdera vattenkvaliteten är avsaknaden av en centraliserad datauppsättning som parar satellitbilderna med observationer på marken. Dessa matchningar - till exempel när satelliter tar en bild samma dag som någon tar ett algprov - kan användas för att bygga algoritmer som använder bilder endast för att förutsäga vattenkvalitet från rymden.

färre än 1, 000 sådana matchups, mestadels byggd för individuella studier, finns för närvarande, saktar ner forskarnas förmåga att bygga, testa, och tillämpa storskaliga modeller för att förutsäga vattenkvaliteten för varje molnfri bild i Landsat-arkivet.

En "symfoni av data"

CSU -forskarna byggde en ny datauppsättning med mer än 600, 000 matchningar mellan vattenkvalitetsfältmätningar och Landsat-bilder, skapa vad Ross kallar en "datasymfoni".

Vattenkvalitetsdata kom från två offentliga källor:Water Quality Portal, ett federalt dataklareringshus från mer än 400 olika stater, lokal, och federala byråer; och LAGOS-NE, en öppen vetenskapsuppsättning av sjövattenkvalitetsmätningar för nordöstra USA. Kombinerad, dessa datauppsättningar ger mer än 6 miljoner observationer av vattenkvalitet.

Med hjälp av programvara med öppen källkod och Google Earth Engine, författarna slog samman vattenkvalitetsdata med Landsats arkiv från 1984-2019. Både rådatauppsättningarna och den sammanslagna matchningsdatauppsättningen, som de kallar AquaSat, är nu tillgängliga tillsammans med den underliggande koden så att framtida användare kan uppdatera, förändra, och förbättra den.

The authors expect that this dataset will unlock powerful new applications in remote sensing of water quality.

"We're hoping these tools will help build national-scale water quality estimates for large rivers and lakes, " said Ross. "These data would dramatically improve our understanding of water quality change at the macro-scale and allow the remote sensing community to compare methods and collectively improve our approach."

I framtiden, Ross's team expects to go beyond the U.S. to employ these same methods to improve water quality monitoring in other places with little or no field observations.