Waterkwaliteit in tijden van AI

Waterkwaliteit wordt traditioneel gemeten met periodieke watermonsters. Die aanpak is betrouwbaar. Veranderingen tussen meetmomenten blijven echter deels buiten beeld. Nieuwe sensoren, realtime monitoring en kunstmatige intelligentie maken het mogelijk om waterkwaliteit continu en op grotere schaal te volgen. Wat betekent dat voor de manier waarop we de kwaliteit van het water meten, interpreteren en bewaken?

Geschreven door Kees Jan van Kesteren

Precies dit zijn vragen waar Inez Dinkla en Martijn Wagterveld zich mee bezighouden bij Wetsus, het wetenschappelijke onderzoeksinstituut voor watertechnologie in Leeuwarden. Dinkla is lid van het research management team en programmamanager Monitoring & Quality. Wagterveld is themacoördinator op datzelfde gebied. Daarnaast is hij mede-initiatiefnemer van aqa.earth. Deze startup werkt aan nieuwe manieren om waterkwaliteit in realtime inzichtelijk te maken.

‘Wij gaan uit van een holistische benadering met nieuwe methoden als toevoeging’

Voor het meten van de waterkwaliteit gelden duidelijke regels. “De controle van drinkwater is gebonden aan hele strakke wettelijke afspraken”, zegt Dinkla. “Dat geldt ook voor het controleren van de kwaliteit van oppervlaktewater, al wordt daar met een andere frequentie en op andere parameters gecontroleerd. Bij industrieel water hangt de procedure af van het productieproces.”

Dynamische ontwikkelingen
De huidige aanpak biedt volgens Dinkla en Wagterveld slechts beperkt zicht op de kwaliteit van het water. Wagterveld: “We missen dynamische ontwikkelingen. Dat komt enerzijds omdat er slechts een beperkt aantal parameters wordt geanalyseerd en anderzijds omdat de meeste monsters uit de grote waterlichamen komen. Terwijl we vooral variatie in de waterkwaliteit in de kleinere lichamen zien.”

“Stel, er is een leidingbreuk en je vermoedt een microbiologische besmetting”, legt Dinkla uit. “Tot nu moet je dan watermonsters nemen, die naar het laboratorium sturen en soms een aantal dagen wachten op een uitslag. Terwijl de nieuwe ontwikkelingen maken dat er veel snellere methodes beschikbaar zijn, waarvan er nog maar een paar geaccepteerd zijn.”

Die nieuwe methodes zijn niet alleen fijn voor verantwoordelijke overheden om bijvoorbeeld waarschuwingen aan omwonenden te kunnen geven, denkt Wagterveld. “Als onduidelijk is waar de oorzaak van de vervuiling vandaan komt, kun je dat met de nieuwe methodes sneller vaststellen en vervolgens een oplossing zoeken.”

Nieuwe methodes
De nieuwe aanpakken maken het dus mogelijk om water vaker, op meerdere parameters en op meer plaatsen te meten. Denk daarbij aan een combinatie van aan bestaande parameters als temperatuur, zuurgraad, zuurstof en troebelheid. Ook wordt er gewerkt aan sensoren die met licht verschillende stoffen in het water kunnen herkennen. 

Ook kunnen meerdere sensoren gecombineerd worden in één meetstation. Daarmee kan bijvoorbeeld de aanwezigheid van voedingsstoffen en verontreinigingen continu worden gevolgd. Door sensoren te verbinden met digitale systemen kunnen meetgegevens vrijwel direct worden doorgestuurd en samengevoegd met andere informatie, zoals weergegevens, satellietbeelden en bestaande meetresultaten. 

Met zulke meetsystemen wordt al volop geëxperimenteerd. Dinkla: “Als Wetsus zijn we bijvoorbeeld betrokken bij een Europees project in Kopenhagen, Zürich en Barcelona. Bij dit project worden verschillende sensoren en methoden getest om in een stedelijke omgeving de invloed van effluent op de waterkwaliteit te meten. Dit heeft al veel concrete resultaten opgeleverd.”

Kunstmatige intelligentie
Kunstmatige intelligentie en data-analyse spelen in de methodes die nu worden ontwikkeld een belangrijke rol bij het interpreteren van de verzamelde data. Wagterveld: “AI is in dit geval echt de gamechanger als het gaat om het inzetten van dataverwerking om voorspellingen te doen en te komen tot datagedreven modellen.”

Dinkla merkt dat kunstmatige intelligentie er ook heel goed in is om grote hoeveelheden metingen te vergelijken en afwijkingen te herkennen die niet direct opvallen. “Dat leidt weer tot nieuwe kennis en daarmee weer tot scherpere keuzes bij het kiezen van de parameters die je wilt meten in het water. En dat raakt voor mij wel de essentie.”

‘We kunnen steeds meer meten en dat leidt tot de vraag: wat willen we meten en tot hoever willen we zuiveren?’

“We kunnen steeds meer meten”, vervolgt ze. “Het lukt om steeds kleinere verontreinigingen te vinden en we weten steeds beter dat langdurige blootstelling aan geringe hoeveelheden van die verontreinigingen ook schadelijk kan zijn. Door AI kunnen we bovendien steeds meer met die gegevens doen. Dat leidt uiteindelijk wel tot de vraag: wat willen we meten en tot hoever willen we zuiveren?”

Multidisciplinair
Dat is uiteindelijk een politieke beslissing, vindt Dinkla. Maar aan de wetenschappelijke kant benadrukt ze het belang van een multidisciplinaire aanpak. “Machinelearning is nu een buzzword. Maar de machine kan niet leren als de uitkomsten worden gevoed en begrepen zonder kennis van de watersystemen. Zowel chemische als biologische kennis, bedoel ik dan. De ontwikkelingen gaan snel en de potentie is enorm. Maar we zullen moeite moeten blijven doen om die verschillende werelden bij elkaar te blijven brengen. En dat is ook nodig, bijvoorbeeld om ons drinkwater, waarvan de bronnen steeds verder vervuilen, ook in de toekomst te blijven zuiveren tot het gewenste niveau.”

Ondanks de potentie en de dalende kostprijs raken de snellere methoden slechts langzaam ingeburgerd, constateert Dinkla. “Het is echt een ding om ze wettelijk toegelaten te krijgen. We zien wel steeds vaker dat de snellere methodes ingezet worden als earlywarning-tool. Die maken het mogelijk sneller en beter in actie te komen dan voorheen mogelijk was.” 

“Het blijft moeilijk om de juiste partijen te overtuigen”, denkt ook Wagterveld. “Terwijl dit voor gemeenten, waterschappen en drinkwaterbedrijven echt kansen biedt. Voor de volledigheid: wij pleiten er niet voor om die traditionele systematiek overboord te gooien. Juist niet. Wij gaan uit van een holistische benadering, waarbij de nieuwe methoden een toevoeging zijn en geen vervanging. Validatie door metingen in het laboratorium zal nodig blijven.”