Forskere fra University of Vermont og Utah State University har samarbejdet om at udvikle et nyt værktøj, der har til formål at opdage lav vandkvalitet, hvilket gør det muligt for samfundene at udsende forbedrede advarsler og sikre en renere vandforsyning mere effektivt. Dette innovative værktøj bruger kunstig intelligens til at forudsige, hvornår nedbør vil introducere skadelige forurenende stoffer i søer og floder, hvilket negativt påvirker vandkvaliteten. Ifølge en pressemeddelelse fra University of Vermont har forskerne integreret den eksisterende National Water Model - som forudsiger vandføringen - med kunstig intelligens og sensor data for at forbedre forudsigelserne om vandkvalitet. “Dette nye værktøj kan implementeres over hele landet og give værdifulde forudsigelser af vandkvaliteten til en række anvendelser, " udtalte Andrew Schroth fra UVM i pressemeddelelsen. “Ved første gang at anvende National Water Model til at forudsige vandkvalitet, har vi åbnet en ny vej, der kan gavne hele landet fremadrettet. ” Turbiditet, som måler koncentrationen af partikler såsom sediment, er en kritisk faktor i vurderingen af vandkvalitet. Ved test af den nye teknologi ved Esopus Creek, en primær drikkevandskilde for New York City, viste resultaterne, at høj turbiditet førte til dårlig vandkvalitet på grund af forhøjede partikelkoncentrationer, der forstyrrede behandlingsprocesserne. Forskerne understregede, at det er afgørende at forudse høj turbiditet for at opretholde en effektiv vandforsyning. “Når overskydende sediment kommer ind i reservoirer under eller efter betydelige storme, må New York City begrænse forsyningen og ændre sine operationer, " forklarede Schroth i pressemeddelelsen. Ifølge de amerikanske centers for sygdomskontrol og forebyggelse stammer det meste af vandet fra hanerne i USA fra søer, floder, reservoirer eller grundvand. Mere end halvdelen af beboerne i Vermont er afhængige af offentlige vandforsyninger, mens resten bruger private kilder som brønde og kilder, ifølge Vermont Department of Health.

Byer som Burlington, Montpelier og Brattleboro henter vand fra vandlegemer som Lake Champlain, Berlin Pond og Pleasant Valley Reservoir for at betjene deres beboere. Forskerne sigter mod at demonstrere værktøjets evne til at forudsige fosfor- og kloridafstrømning i Lake Champlain Bassinet efter oversvømmelser eller høje vandprognoser. Denne forudsigende tilgang kan hjælpe med at opretholde rent vand ved at advare landmænd om potentiel forurening i vandforsyninger som følge af brug af vej salt eller gødning, ifølge Schroth og hans forskningspartner, Utah State forsker John Kemper. Med evnen til at overvåge vejrets påvirkninger på vandkvaliteten i realtid, vil mange samfund have glæde af dette banebrydende værktøj, bemærkede de. Schroth, Kemper og deres forskerteam fokuserer på at skabe en version af værktøjet til bred anvendelse. De to angav via e-mail, at de arbejder på at anvende værktøjet på oplande i Lake Champlain regionen, som “vil give Vermont-borgere mulighed for at modtage næsten realtids forudsigelser af vandkvaliteten for de vandløb, der løber ind i søen. ” De forventer at afslutte dette projekt senere på året. De søger også funding til at udvikle en version af værktøjet, der kan fungere på nationalt niveau, hvilket ville være en mere omfattende virksomhed. Med fortsat støtte til deres forskning håber de at have en national version operationel omkring 2027.