Voor het eerst in Vietnam: AI-model gecombineerd met remote sensing om de kwaliteit van het zeewater te monitoren

Fotobijschrift — Het onderzoeksteam nam zeewatermonsters in de Halongbaai en Cua Luc. Foto: Dieu Thuy/VNA

De sociaaleconomische ontwikkeling van de afgelopen jaren heeft geleid tot veel milieu-uitdagingen in de regio Ha Longbaai en Cua Luc (provincie Quang Ninh), met name de afname van de zeewaterkwaliteit, die het endemische mariene ecosysteem bedreigt. Traditionele monitoringmethoden, zoals bemonstering en analyse ter plaatse, hebben echter veel beperkingen aan het licht gebracht wat betreft kosten, tijd en bereik. Geconfronteerd met deze realiteit hebben Vietnamese en Poolse wetenschappers samengewerkt om onderzoek te doen naar de toepassing van remote sensing en kunstmatige intelligentie (AI) bij het monitoren van de waterkwaliteit - een moderne, kosteneffectieve aanpak die continue monitoring over een groot gebied mogelijk maakt. De gezamenlijke onderzoeksmissie met codenaam QTPL01.03/23-24, gezamenlijk uitgevoerd door het Vietnam Space Center (Vietnam Academy of Science and Technology) en het Poolse Instituut voor Geofysica (Poolse Academie van Wetenschappen), draagt bij aan effectievere monitoringtools voor de bescherming van het mariene milieu in belangrijke kustgebieden.

Moderne aanpak

Volgens Dr. Vu Anh Tuan, adjunct-directeur-generaal van het Vietnam Space Center, die de leiding heeft over de missie, is dit het eerste project in Vietnam waarbij gelijktijdig gebruik wordt gemaakt van Sentinel-2-satellietgegevens, geavanceerde algoritmen voor machinaal leren en het GEE-platform (het cloud computing-platform van Google) om waterkwaliteitsparameters zoals oppervlaktetemperatuur, zwevende stoffen, chlorofyl-a en chemisch zuurstofverbruik te modelleren en te monitoren.

Op basis van de modelresultaten heeft het onderzoeksteam kaarten gemaakt van de waterkwaliteitsverdeling in ruimte en tijd. Deze kaarten helpen bij het monitoren van schommelingen en bieden vroegtijdige waarschuwingen voor vervuilingsrisico's in de Halongbaai en Cua Luc. Dit zijn twee strategische watergebieden in de provincie Quang Ninh, die niet alleen rijk zijn aan landschappelijke en ecologische waarden, maar ook een belangrijke rol spelen in de economische en toeristische ontwikkeling van de provincie. Deze kaarten kunnen worden gebruikt voor waterbeheer, ter ondersteuning van milieubescherming en ter oriëntatie op duurzame ontwikkeling van kustgebieden.

Dr. Vu Anh Tuan zei dat de nieuwigheid van het onderzoek ligt in de synthese en innovatie van remote sensing, kunstmatige intelligentie en cloud computing-technologieën om het complexe probleem van het monitoren van de waterkwaliteit in de Halongbaai op te lossen, terwijl tegelijkertijd haalbare oplossingen worden voorgesteld om de uitdaging van dataschaarste te overwinnen en diepgaande analyses met hoge praktische waarde worden geleverd. De studie stelde machine learning-modellen op en kalibreerde en testte deze om een nauwkeurigheid van meer dan 73% te bereiken. Ook werden kaarten gemaakt van de verspreiding van deze parameters per seizoen en per jaargemiddelde. Daarnaast opende het onderzoek een nieuwe aanpak voor de toepassing van remote sensing-technologie in combinatie met machine learning om de waterkwaliteit te monitoren, wat het waterbeheer in belangrijke kustgebieden effectief ondersteunt.

Op weg naar een brede inzet over de zeeën

Dr. Vu Anh Tuan voegde eraan toe dat de studie gebruikmaakte van gegevens van de Sentinel-2-satelliet (MSI-sensor) uit de periode 2019-2023, gecombineerd met actuele meetgegevens van het Department of Natural Resources and Environment van de provincie Quang Ninh en de National Oceanic and Atmospheric Administration (VS) om de waterkwaliteit in het onderzoeksgebied te voorspellen. In totaal werden 78 satellietbeelden verwerkt en geanalyseerd op het cloud computing-platform van Google. Vervolgens werden machine learning-algoritmen zoals Random Forest, Boosted Regression en AdaBoost Regression toegepast om de waterkwaliteitsindicatoren te voorspellen.

Volgens Dr. Vu Anh Tuan identificeerde de studie ook belangrijke spectrale banden op basis van Sentinel-2-satellietbeelden, wat bijdroeg aan de optimalisatie van machine learning-modellen en het minimaliseren van toekomstige kosten voor dataverzameling. Op basis van de modelresultaten ontwikkelde het onderzoeksteam ruimtelijk-temporele kaarten van de waterkwaliteitsverdeling, die helpen bij het monitoren van schommelingen en het vroegtijdig waarschuwen voor vervuilingsrisico's in de Halongbaai. Deze kaarten kunnen worden gebruikt bij waterbeheer, ter ondersteuning van milieubescherming en ter oriëntatie op duurzame ontwikkeling van kustgebieden.

Met betrekking tot de volgende onderzoeksrichting zei Dr. Vu Anh Tuan dat het onderzoeksteam in de komende tijd voorstelt om de frequentie van observatie en bemonstering te verhogen en AI verder te integreren met satellietbeeldgegevens om de nauwkeurigheid van de berekeningsparameters te verbeteren. Met name de uitbreiding van de integratie van verschillende soorten satellietgegevens (momenteel heeft het team tests uitgevoerd op 3 soorten satellieten) zal helpen de observatiefrequentie te verhogen en deze niet alleen te beperken tot 4 waterkwaliteitsparameters, maar kan worden uitgebreid tot 5, 6 of meer. Een van de volgende belangrijke richtingen is dat het team dit onderzoek breed zal inzetten in de Vietnamese zeeën. Hoewel elke zee zijn eigen kenmerken heeft, kunnen berekeningsmethoden met hetzelfde platform en onderzoekskader worden aangepast om nauwkeurige en geschikte resultaten te verkrijgen. Het uiteindelijke doel is dat het team een uitgebreid systeem zal opzetten om de zeewaterkwaliteitsparameters continu te monitoren en te bewaken. Het systeem zal belangrijke informatie verstrekken aan planners en tijdige waarschuwingen geven over waterverontreiniging, met name de gevolgen voor de aquacultuur en andere mariene economische sectoren.

Bij de evaluatie van de resultaten van dit onderzoek zei universitair hoofddocent dr. Pham Quang Vinh, lid van de Acceptance Council van de Vietnamese Academie voor Wetenschap en Technologie, dat het onderzoeksteam, door de toepassing van AI in onderzoek naar het watermilieu te bevorderen, nieuwe algoritmen heeft gebruikt om remote sensing-gegevens te verwerken in onderzoek naar kustwateren. Dit is een typisch voorbeeld van effectieve wetenschappelijke samenwerking met een gezamenlijke publicatie van beide partijen in het SCIE Q1-tijdschrift – een internationaal tijdschrift van hoge kwaliteit. Daarmee wordt bijgedragen aan de bevordering van de samenwerking op het gebied van wetenschappelijk onderzoek tussen Vietnam en Polen, wat nieuwe ontwikkelingsrichtingen voor beide landen opent.

Bron: https://doanhnghiepvn.vn/cong-nghe/lan-dau-tien-tai-viet-nam-mo-hinh-ai-ket-hop-vien-tham-giam-sat-chat-luong-nuoc-bien/20250619075954419

Reactie (0)