Den här satellitbilden visar en skadlig algblomning över Lake Erie i oktober 2011. Kredit:Florida Institute of Technology
Skadliga algblomningar (HAB) är växtplanktonkolonier som kan skada akvatiska ekosystem och människors hälsa. Fisken dör, skaldjursstängningar och motvilja bland konsumenter att äta skaldjur som ofta orsakas av dessa blomningar kostar USA i genomsnitt 4,6 miljarder dollar årligen.
En ny studie som involverar Florida Tech visar att en ny maskininlärningsmetod som använder globala klimatmönster kan förbättra säsongsbetonade förutsägelser av HAB. Denna förbättring kan innebära mer tid för beslutsfattare att överväga och anta korrekta planering och begränsningsstrategier, såsom restriktioner vid skörd, och hjälpa till att övervaka toxiner i skaldjur för att hålla kontaminerade produkter borta från marknaden, rapporterar forskarna.
"Förbättrad säsongsbetonad förutsägelse av skadliga algblomningar med hjälp av storskaliga klimatindex", publicerad idag i tidskriften Communications Earth and Environment , fann att inmatning av globala klimatmönster i ett maskininlärningsbaserat ramverk förbättrade säsongsbetonad förutsägelse av HABs över Lake Erie. Forskarna fann också att användningen av klimatmönsterdata gjorde att den förbättrade säsongsförutsägelsen kunde slutföras tidigare än vanligt.
"Alla framsteg i förståelsen och förutsägelsen av HABs kan göra en betydande inverkan i USA och runt om i världen", säger Pallav Ray, meteorolog och docent i havsteknik och marin vetenskap vid Florida Tech och medförfattare till studien .
Konventionellt utförs HAB-förutsägelser med hjälp av information om kemikalier från industrier och jordbruksmark som transporteras in i vattendrag genom avrinning. HAB-förutsägelser som använder dessa kemiska data som huvuddrivkraft har dock visat sig vara mindre exakta under extrema blomningsår. Den nya forskningen fann att när en uppsättning klimatmönster användes i en ny maskininlärningsmetod tillsammans med dessa kemiska data, förbättrades HAB-prediktionsnoggrannheten dramatiskt över Lake Erie.
Ett växande antal vattendrag, inklusive Indian River Lagoon, påverkas allvarligt av överdriven näringsbelastning. Lake Erie påverkas vid sin vattendelare på grund av närvaron av stora tillverkningsanläggningar och omfattande jordbruksmarker. Detta har lett till allt större och djupare blomningar under de senaste decennierna.
Studien fann också att de storskaliga strukturerna i havsatmosfären skiljer sig tydligt under milda HAB-år jämfört med svåra HAB-år, vilket tyder på påverkan av storskalig cirkulation på den säsongsbetonade utvecklingen av HAB över Lake Erie.
"Dessa resultat förväntas hjälpa till att förlänga ledtiden och förbättra den säsongsbetonade förutsägelsen av HAB inte bara i Lake Erie utan även i andra vattendrag runt om i världen där kemiska data kanske inte är tillgängliga", sa Ray.
Huvudförfattaren Mukul Tewari, en atmosfärsforskare vid IBM Thomas J. Watson Research Center i Yorktown Heights, New York, sa att forskningen också belyser vikten och värdet av att ha ett varierat forskarlag. "Alla betydande framsteg i HABs förutsägelse kräver tvärvetenskapligt samarbete mellan experter inom HABs, klimatvetenskap, maskininlärning och beräknings- och datavetenskap," sade han. + Utforska vidare
