Die Berechnungsmethode geht von Beobachtungen aus rückwärts, um Flussverschmutzer aufzuspüren

Eine neue Berechnungsmethode, die von Forschern der Universität Oxford und des Imperial College London entwickelt wurde, nutzt eine innovative neue Technik, um die Quellen von Flussschadstoffen aufzuspüren. Die Methode kann von Beobachtungen verschmutzten Flusswassers aus rückwirkend angewendet werden – was sie zu einem einfachen Ansatz macht, der landesweit ausgeweitet werden könnte.

In einer Fallstudie identifizierte das Modell die Quelle eines schädlichen Neonicotinoid-Pestizids – das für die landwirtschaftliche Verwendung verboten ist – in einem seltenen Kreidebach-Lebensraum. Auch Oxford-Forscher haben sich entwickelt www.sewagemap.co.uk, ein beliebtes Tool, das von der Öffentlichkeit häufig verwendet wird, um mit Abwasser verschmutzte Flüsse in Echtzeit zu identifizieren.

Die letzten Monate haben gesehen nationaler Aufschrei über Wasserunternehmen, die zulassen, dass die Abwasserverschmutzung in Flüssen akzeptable Grenzwerte überschreitet. In Kombination mit der Verschmutzung durch landwirtschaftliche Düngemittel und Chemikalien hat dies dazu geführt, dass derzeit nur 14 % der Flüsse in England einen „guten“ ökologischen Zustand haben. Bisher gibt es jedoch keine zuverlässige Methode zur Identifizierung der wahrscheinlichen Quellen der Flussverschmutzung, sodass es nahezu unmöglich ist, das Problem wirksam anzugehen.

Eine Forschungsstudie Das von Wissenschaftlern der Universität Oxford gemeinsam verfasste Projekt bietet nun einen neuen Ansatz. Hierbei kommt die „inverse Modellierung“ zum Einsatz, die rückwärts von Beobachtungen der Verschmutzung in Flüssen ausgeht und diese auf die wahrscheinliche Quelle zurückführt. Der Artikel wird in der Zeitschrift veröffentlicht Wissenschaft der gesamten Umwelt.

Dies steht im Gegensatz zu aktuellen „Vorwärtsmodellierungsmethoden“, die von einem angenommenen Satz von Schadstoffquellen ausgehen und vorwärts laufen, um die letztendliche Verteilung und Reichweite der Schadstoffe abzuschätzen. Allerdings weist dies mehrere kritische Mängel auf – nämlich, dass die potenziellen Quellen im Voraus bekannt sein müssen und dass es oft auf großen Annahmen und unsicheren Daten basiert.

Der Co-Leiter der Studie, Dr. Alex Lipp (Department of Earth Sciences & Merton College, University of Oxford), sagte: „Der erste Schritt zur Eindämmung eines verschmutzten Flusses besteht darin, herauszufinden, wo das Problem liegt. Diese neuen mathematischen „inversen“ Methoden liefern ein Ziel.“ „Eine Möglichkeit, allein anhand von Überwachungsdaten zu bestimmen, wo und wie Schadstoffe in Flussnetze gelangen.“

Die neue Technik wurde am Fluss Wandle, einem Kreidebach im Südwesten Londons, getestet was zu lokaler Empörung über die jüngste Abwasserentsorgung geführt hat. Kürzlich wurde im Fluss Wandle das Neonicotinoid-Pestizid Imidacloprid entdeckt, obwohl der Einsatz auf Feldern im Vereinigten Königreich seit 2018 illegal ist.

Mithilfe der neuen inversen Modellierung kamen die Forscher zu dem Schluss, dass das Imidacloprid im Fluss Wandle überwiegend aus einem kleinen Teil des Flusses stammt, der den Abfluss einer Kläranlage enthält.

Co-Hauptautor Dr. Gareth Roberts (Department of Earth Science & Engineering, Imperial College London) sagte: „Dies unterstützt die Idee, dass Imidacloprid in unseren Flüssen durch seine Verwendung als Haustiermedikament, durch das Eindringen in die Kanalisation, nachdem es in die Kanalisation gespült wurde, entstehen kann.“ Umgehung der Beseitigung in Kläranlagen.“

Bürger werden aufgerufen, „Flusswächter“ zu werden

Nachdem Dr. Lipp die Leistungsfähigkeit des Ansatzes der inversen Modellierung unter Beweis gestellt hat, ist er daran interessiert, dass dieser skaliert wird und letztendlich zu einem Schlüsselelement der Zukunft der Wasserqualitätsüberwachung wird.

„Eine Anwendung dieses Ansatzes, die mich sehr interessiert, ist die Analyse von Citizen-Science-Daten“, fügte Dr. Lipp hinzu. „Bürgerinitiativen erstellen mittlerweile häufig fantastische, hochdichte Datensätze zu Schadstoffen wie Phosphor und Nitrat in Flüssen, und dieser umgekehrte Ansatz könnte genutzt werden, um diese Daten in umsetzbare Erkenntnisse umzuwandeln.“

Bürgerdaten wurden bereits im Rahmen der nationalen Flusskampagnen genutzt. Beispielsweise stellten Bürgerwissenschaftler von River Action bei Wasserqualitätstests entlang der Themse im Vorfeld der Henley Royal Regatta hohe Konzentrationen an E. coli-Bakterien fest. Dieser neue Modellierungsansatz könnte ehrenamtliche „Flusswächter“ in die Lage versetzen, gezielter gegen Umweltverschmutzer vorzugehen.

CEO von Flussaktion James Wallace sagte: „Wiederholungstäter wie die Wasserversorgungsunternehmen und die industrielle Landwirtschaft versuchen oft, den Schwarzen Peter abzuwälzen, indem sie anderen die Schuld für den Dreck geben, den sie ungehindert in unsere Flüsse fließen lassen. Aber Modellierungsansätze wie dieser neue Algorithmus könnten letztendlich eine Legion von Menschen befähigen.“ Bürgerwissenschaftler durchqueren das Vereinigte Königreich, um die Quellen der Verschmutzung zu lokalisieren, sodass sich die Täter nirgendwo verstecken können.

„Das Potenzial neuer Methoden und Citizen Science muss nun von der Umweltbehörde bei der Strafverfolgung von Umweltverschmutzern und den daraus resultierenden Strafen weiter untersucht werden, ergänzt durch angemessene staatliche Mittel im kommenden Haushalt, um die Regulierungsbehörde in die Lage zu versetzen, das Gesetz durchzusetzen. Die Macht der Umweltverschmutzung verbessern.“ Die Überwachung sendet eine starke Botschaft: Verschmutzen Sie auf eigene Gefahr und nicht aus Profitgründen.“

Mit Daten einen Unterschied machen

Die neue Studie baut auf Dr. Lipps datengesteuertem Ansatz zur Bewältigung der „Flusskrise“ auf. Im Jahr 2023 entwickelte er zusammen mit seinem Mitarbeiter Jonathan Dawe beim British Antarctic Survey www.sewagemap.co.ukeine kostenlose Open-Source-Website, die Echtzeitinformationen über Flussabschnitte anzeigt, die von unbehandelten Abwassereinleitungen im Themsebecken betroffen sein könnten.

Dies geschieht mithilfe eines Modells, das Echtzeit-Abwasserabflüsse mit den flussabwärts gelegenen Abschnitten des Flusses verknüpft. Die Website ist bereits bei Wildschwimmgruppen und Bürgerwissenschaftlern beliebt, die damit in Echtzeit lokale Flüsse identifizieren, die mit Abwasser verschmutzt sind.

Jeremy Watson, ein Outdoor-Schwimmer in London, der SewageMap regelmäßig nutzt, sagte: „Mit SewageMap ist es einfach, eine vernünftige Schätzung des Abwasserzustands in einem Fluss an einer bestimmten Stelle für den Tag zu erhalten, an dem Sie schwimmen möchten. Ich zum Beispiel Nach einer sonnigen Woche überprüfte ich es und es zeigte sich nur eine Verschüttung, 90 km flussaufwärts, also ging ich in der Nähe von Hampton Court Palace schön schwimmen.

„Als ich nach ein paar nassen Tagen noch einmal nachsah, stellte sich heraus, dass es plötzlich Dutzende von verschütteten Abwässern flussaufwärts gab – also ging ich stattdessen ins Schwimmbad! Es ist ein großes Privileg, etwas zu finden, das dem öffentlichen Bedürfnis nach Informationspräsentation weitestgehend gerecht wird.“ Für mich ist es auch toll zu sehen, dass die Software von einem Team offen zugänglich gemacht wird, das die Energie und den Enthusiasmus hat, neue Mitwirkende willkommen zu heißen.“

Das zugrunde liegende Modell von Sewage Map basiert auf öffentlichen Daten, die von Thames Water über Abwassereinleitungen veröffentlicht wurden. Da derzeit keine anderen Wasserversorger diese Informationen zugänglich machen, kann das Modell noch nicht auf den Rest des Vereinigten Königreichs übertragen werden. Dr. Lipp kam zu dem Schluss: „Deshalb ist es so wichtig, dass Wasserunternehmen dem Beispiel von Thames Water folgen und Umweltdaten in einem zugänglichen Format veröffentlichen, damit die Öffentlichkeit und Wissenschaftler sie nutzen können.“

Die Fallstudie am Fluss Wandle lautete „Verwendung konvexer Optimierung zur effizienten Zuordnung von Tracer- und Schadstoffquellen aus Punktkonzentrationsbeobachtungen“. veröffentlicht In Wasserressourcenforschung.