A warning system of cyanobacterial blooms – Case of a small urban lake
Système de surveillance des proliférations de cyanobactéries - Application à un petit lac urbain
Résumé
Worldwide, due to climate change and environmental pressures, the occurrence of cyanobacterial blooms is increasing. Cyanobacteria can generate toxic metabolites, which can harm human health and alter aquatic ecosystems. They affect water resources used for drinking water supply or recreational activities. In order to handle the risks associated with these blooms, the World Health Organisation (WHO) recommends monitoring strategies, based on the estimation of cell biovolumes and chlorophyll-a concentrations. To comply with this regulatory framework, a continuous monitoring system including chlorophyll sensors can be deployed in the field. However, the reliability of the monitoring system needs to be validated. The monitoring of a small urban lake (Champs-sur-Marne lake, Greater Paris, France) was conducted for two consecutive years. High-frequency measurements (10-minute time step) of chlorophyll-a and phycocyanine fluorescence were recorded at several depths in one point of the lake. In parallel, field campaigns were performed on a monthly (autumn and winter) and fortnightly (spring and summer) basis. In the laboratory, phytoplankton and cyanobacteria biovolumes, chlorophyll-a and phycocyanine concentrations were measured in grab samples. These data were used to validate the measurements of the sensors. Chlorophyll time series and meteorological data were used to train a machine learning algorithm (neural network). A warning system running the neural network based on real-time sensor measurements and weather forecasts was developed. It provides a three-day forecast of the total biomass of cyanobacteria in the water body.
En raison du changement climatique et des pressions environnementales, l’observation d’efflorescences algales, en particulier cyanobactériennes, est de plus en fréquente à l’échelle globale. Les cyanobactéries peuvent générer des métabolites toxiques, susceptibles de nuire à la santé humaine et d’altérer les écosystèmes aquatiques. Elles dégradent les ressources en eau destinées à l'approvisionnement en eau potable ou aux activités récréatives. Pour améliorer la gestion des risques dus à ces efflorescences, l'Organisation mondiale de la santé (OMS) recommande des stratégies de surveillance, basées sur l’estimation des biovolumes cellulaires et les concentrations de chlorophylle-a. En accord avec ce cadre réglementaire, un système de surveillance en continu comprenant des capteurs de chlorophylle peut être déployé sur le terrain. Cependant la fiabilité des mesures d’un tel système de mesures doit être validée. Dans cet objectif, le suivi d’un petit lac urbain (lac de Champs-sur-Marne, Grand Paris, France) a été réalisé pendant deux années consécutives. Des mesures à haute fréquence (pas de temps de 10 minutes) de fluorescence de la chlorophylle-a et de la phycocyanine ont été enregistrées en plusieurs profondeurs, en un point du lac. En parallèle, des campagnes de terrain ponctuelles ont été réalisées à une fréquence mensuelle (automne et hiver) et bi-mensuelle (printemps et été). Sur les échantillons collectés, l’estimation des biovolumes phytoplanctoniques et cyanobactériens, des analyses de chlorophylle-a et de phycocyanine ont été réalisés en laboratoire. Ces données ont permis la validation des mesures des capteurs. Les séries chronologiques de Chlorophylle et de données météorologiques ont été utilisées pour alimenter un algorithme d'apprentissage automatique par réseau de neurones. Un système d’alerte basé sur l’alimentation en temps réel du réseau de neurones par les mesures des capteurs et les prévisions météorologiques a été développé. Il fournit une prévision à 3 jours de la biomasse phytoplanctonique totale ainsi que des cyanobactéries, dans le plan d’eau.