En el context de la Maremma toscana, i concretament a la província de Grosseto (Maremma grossetana) se situa la llacuna d’Obertello. És una llacuna costera de 27 km2 de superfície i una fondària màxima de 2 metres. Irene Simonetti, Claudio Lubello i Lorenzo Cappietti, del Dipartimento di Ingegneria Civile e Ambientale de la Università degli Studi di Firenze la posen com a exemple de la llacuna litoral eutròfica i antropitzada. En un article a la revista Science of the Total Environment, Simonetti et al. hi apliquen una modelització hidrodinàmica i classificadors de boscos aleatoris per predir-hi situacions d’hipòxia, és a dir de caigudes en la concentració d’oxigen dissolt. La combinació explota la sinergia entre la modelització hidrodinàmica, les mesures directes i els algoritmes de bosc aleatori. Per tal d’interpretar la predicció dels models de bosc aleatori apliquen l’explicacions additives de Shapley (SHAP). Aquest mètode reprodueix l’heterogeneïtat espacial de l’oxigen dissolt i ho fa amb una alta resolució temporal. El model és capaç de predir els nivells d’oxigen dissolt i de detectar-hi situacions d’hipòxia amb un marge de deu dies.
Hipòxia en llacunes litorals
Irene Simonetti és professora ajudant del Departament d’Enginyeria Civil i Ambiental (DICEA) de la Universitat de Florència i investigadora del Laboratorio di Ingegneria Marittima (LABIMA) d’aquest centre. Claudio Lubello és professor ordinari d’enginyeria sanitària-ambiental del DICEA. Lorenzo Cappietti és professor associat de construccions hidràuliques i marítimes i hidrologia del DICEA i investigador del LABIMA.
Com a autora corresponsal, Simonetti trameté l’article a la revista Science of the Total Environment el 7 de juny. L’editor fou Fernando Pacheco. Després d’una revisió, conclosa el 19 de juliol, l’article fou acceptat el dia 7 d’agost i publicat el 12.
La Llacuna d’Orbetello
El LABIMA treballa en el camp de la dinàmica de costes, l’enginyeria de ports i les energies renovables marines des de fa trenta anys. És en el marc d’aquestes recerques que s’ocupen de les llacunes litorals. Llacunes com la d’Orbetello es caracteritzen per trobar-se parcialment tancades, amb una renovació limitada de l’aigua i poca aportació d’aigua marina, la qual cosa les fa susceptibles de patir episodis d’hipòxia, amb el consegüent impacte sobre la fauna. De fet, la hipòxia constitueix una amenaça fonamental per a la qualitat de l’aigua arreu i d’ací l’interès de desenvolupar metodologies que la puguin monitoritzar, predir i prevenir.
Una tècnica d’aprenentatge automàtic
Simonetti et al. proposen l’ús combinat d’una tècnica d’aprenentatge automàtic amb observacions de camp i amb dades derivades d’un model numèric de bescanvi hidrodinàmic i de calor per a la predicció i previsió, amb una antelació de fins a deu dies, de situacions d’hipòxia en una llacuna literal eutròfica.
La tècnica d’aprenentatge automàtic triada és un algoritme de bosc aleatori. El bosc aleatori consisteix en la combinació d’arbres predictors, on cada arbre depèn dels valors d’un vector aleatori que és comprovat de manera independent. L’algoritme és utilitzat, entrenat i validat amb un conjunt de models fins a poder classificar nivells d’oxigen dissolt en la llacuna.
La metodologia ha estat comprovada amb la situació de la llacuna d’Orbetello
Predicció d’hipòxia a curt termini
Simonetti et al. troben que la metodologia és efectiva en la confecció d’una previsió a curt termini dels nivells d’oxigen dissolt. Aquesta avaluació és d’una resolució prou alta tant en la dimensió temporal (fins a deu dies en el futur) i en l’espai (abastant tota la llacuna).
La precisió en la classificació dels nivells d’oxigen dissolt arriba a un nivell del 91%. Quan es tracta d’identificar episodis d’hipòxia severa, quan els nivells d’oxigen dissolt davallen en qüestió d’hores per sota de 2 mg·l–, la precisió és del 86%.
Els models d’aprenentatge automàtic es troben limitats quan les dades de base són massa escasses. És el cas de les dades de la Llacuna d’Orbetello, derivades d’unes poques mesures de camp locals. La manca de dades exhaustives no permet als models de captar tota l’heterogeneïtat espacial dels nivells d’oxigen dissolt. Augmentar els punts de mesura pot ser costós. L’alternativa és complementar les dades de camp amb predictors derivats d’un model hidrodinàmic numèric.
Simonetti et al. consideren que aquesta aproximació també seria vàlida per altres ecosistemes aquàtics eutrofitzats.
Lligams:
– On the use of hydrodynamic modelling and random forest classifiers for the prediction of hypoxia in coastal lagoons. Irene Simonetti, Claudio Lubello, Lorenzo Cappietti. Sci. Total Environ. (2024).
– Laguna di Orbetello (Ramsar Sites Information Service).
Des de la Mediterrània 
[…] setmana passada visitàvem la Llacuna d’Orbetello, a la Maremma toscana, i ara saltem cap a l’altra banda […]