Het veiligstellen van de zwemwaterkwaliteit na extreme stormen in Barcelona, Spanje

Belangrijkste lessen

Over de regio

Figure 1: Location of Barcelona. Image Credit: Britannica

Klimaatbedreigingen

Net als veel andere kusten in de Middellandse Zee en in Europa is de Catalaanse kust zeer kwetsbaar voor klimaatverandering vanwege de complexe wisselwerking tussen klimaat, rijke biodiversiteit en hoge menselijke activiteit. Zeespiegelstijging bedreigt laaggelegen kusten (met name delta's en estuaria) met toenemende overstromingsrisico's en zoutindringing, naast andere gevolgen. Meer frequente en intensere mariene stormen beïnvloeden kustactiva en bedreigen lokale soorten en biodiversiteit. Waterschaarste is een chronisch probleem, verergerd door klimaatverandering en toegenomen toerisme, waarbij de watervoorziening sterk afhankelijk is van riviertransfers, ontziltingsinstallaties en teruggewonnen water. De toenemende variabiliteit van de neerslag verergert plotselinge overstromingen – overstromingen die gepaard gaan met zware regenval en die zich in minder dan zes uur voordoen – en veroorzaakt schade, wat met name problematisch is in dichtbevolkte gebieden waar mariene overstromingen een extra bedreiging vormen.

Beoordeling van de gevolgen van overvolle rioleringssystemen voor de waterkwaliteit en de volksgezondheid

Figure 2: Bogatell channel discharge in Barcelona. Sampling point location. Image Credit: Google Maps

Stijgende mondiale temperaturen en frequentere extreme regenval zullen waarschijnlijk leiden tot frequentere en intensere gevallen van gecombineerde riooloverloop, waardoor verbeterde monitoring- en beheerstrategieën nodig zijn.

Gezondheidsrisico's van riooloverstorten voorspellen met realtime gegevens

Om het gezondheidsrisico voor zwemmers die aan verontreinigd zeewater worden blootgesteld in te schatten, heeft het IMPETUS-projectteam een model voor kwantitatieve microbiologische risicobeoordeling ontwikkeld en getest op een stedelijk strand in Barcelona. Door real-time milieugegevens te combineren, zoals weersomstandigheden, zeeomstandigheden en riooloverloopgebeurtenissen, voorspelt het model wanneer en waar waterkwaliteit een gezondheidsrisico vormt.

Het simuleert hoe ziekteverwekkers zich verspreiden vanaf het lozingspunt en schat de concentraties in nabijgelegen badzones. Het model houdt ook rekening met hoe omgevingsfactoren zoals stromingen, zonlicht en temperatuur de overleving van ziekteverwekkers beïnvloeden.

Dit instrument ondersteunt beter geïnformeerde, tijdige beslissingen ter bescherming van de volksgezondheid na overstorting van rioolwater en is overdraagbaar naar andere stedelijke kustgebieden die met soortgelijke uitdagingen worden geconfronteerd.

Het kwantitatieve microbiologische risicobeoordelingsmodel is een waardevolle benadering voor proactief waterkwaliteitsbeheer en het opzetten van systemen voor vroegtijdige waarschuwing. Het voorspelt het microbiologische risico voor zwemmers in verschillende situaties van gecombineerde riooloverloop en identificeert de gebieden die het grootste risico vormen.

Mireia Mesas Suárez, Eurecat (IMPETUS-projectpartner)

Figuur 3 laat zien hoe het kwantitatieve microbiologische risicobeoordelingsmodel werkt om het infectierisico van blootstelling aan micro-organismen in afvalwater te schatten.

Ten eerste verzamelt het gegevens over het weer, zeewater en riooloverloop. Vervolgens berekent het hoe ziekteverwekkers zich verspreiden en hoe waarschijnlijk het is dat ze infecties veroorzaken. De figuur maakt een onderscheid tussen de stappen in de module Berekening (in het groen), de benodigde inputgegevens (in het blauw) en de verschillende verbeteringen die in het model zijn opgenomen met betrekking tot een voorlopig model voor kwantitatieve microbiologische risicobeoordeling dat in eerdere projecten is ontwikkeld (in het rood gemarkeerd).

Dit verklaart hoe de verontreiniging zich van het lozingspunt naar het omliggende zwemwater verplaatst.

Het model bevat ook afbraakprocessen, die worden beïnvloed door omgevingsfactoren, zoals temperatuur, zonnestraling en zoutgehalte. Deze parameters kunnen de overlevings- en vervalpercentages van ziekteverwekkers aanzienlijk beïnvloeden.

Figure 3: Outline of the QMRA model workflow, upgraded items highlighted in red. Image Credit: Eurecat.

Nadat de afvoer van het riool stopt, neemt de hoeveelheid ziekteverwekker in het water dat door het afvoerkanaal stroomt snel af.

Dit toont aan dat de verontreiniging in het kanaal niet lang aanhoudt, zodra de overloop is geëindigd, wat belangrijk is om in te schatten hoe lang het badgebied onveilig kan blijven.

Figure 4: The model output shows the predicted concentration risk, considering the favourable scenario for sea conditions and average CSO intensity (considering 2023-2024 data). Image Credit: Eurecat.

Om u beter voor te bereiden op toekomstige extreme weersomstandigheden die van invloed zijn op de zwemwaterkwaliteit, hebben simulaties met een transport- en risicomodel scenario's onderzocht op basis van zeestromingen, windomstandigheden en gecombineerde rioollozingen. Voor elk scenario voorspelde het model de beweging en verspreiding van ziekteverwekkers, waarbij het risico voor zwemmers werd geschat en werd aangegeven hoe lang een strand onveilig zou kunnen blijven na zware regenval. Deze aanpak ondersteunt de besluitvorming en planning, aangezien klimaatverandering de frequentie van dergelijke gebeurtenissen verhoogt.

Eenmaal in zee beginnen sommige ziekteverwekkers kracht te verliezen of te sterven als gevolg van natuurlijke processen; Zonlicht helpt bijvoorbeeld bij het vernietigen van veel van hen. Warme temperaturen en het zout in zeewater beïnvloeden ook de overlevingstijd van deze ziektekiemen. Daarom varieert de persistentie van ziekteverwekkers per seizoen, wat aantoont dat de afbraakpercentages in de zomer hoger zijn als gevolg van verhoogde blootstelling aan zonlicht, wat de afbraak van ziekteverwekkers ondersteunt. De manier waarop de zee beweegt, vooral de snelheid en richting van stromingen, heeft een grote impact op hoe ziekteverwekkers zich verspreiden. Tijdens het voor- en najaar zijn de waterstromen over het algemeen sterker en dynamischer, wat helpt om verontreinigingen sneller weg te nemen en te verdunnen. Als gevolg hiervan verdwijnt het infectierisico meestal sneller in deze seizoenen.

Gebruik van bacteriële indicatoren om de risicobeoordeling te verbeteren

Om de gezondheidsrisico's van verontreinigd water beter in te schatten, verfijnde het projectteam het verband tussen algemeen gemonitorde bacteriën (gebruikt als indicatoren van vervuiling) en werkelijke ziekteverwekkende ziekteverwekkers. Door dit inzicht te verbeteren, kan het risicobeoordelingsmodel de werkelijke omstandigheden voor de gezondheid van zwemmers nauwkeuriger weergeven.

De bemonsteringscampagnes in het case study-gebied ondersteunden realtime monitoring van algemeen gemonitorde bacteriën als indicatoren, met name tijdens riooloverstortingen. Deze gegevens hebben geholpen om realistischere kaarten te maken, die laten zien waar de gezondheidsrisico’s het grootst zijn, wat op zijn beurt snellere, effectievere beslissingen over waterkwaliteit en openbare veiligheid ondersteunt, met inbegrip van vroegtijdige waarschuwingen en gerichte acties.

Economische bijdragen, uitdagingen en vooruitzichten

Het ontwikkelde systeem voor vroegtijdige waarschuwing, gebaseerd op een kwantitatief microbiologisch risicobeoordelingsmodel, helpt gezondheidsrisico's te verminderen en onnodige strandsluitingen te voorkomen door vast te stellen wanneer en waar vervuiling een bedreiging vormt. Dit voorkomt al te voorzichtige beslissingen en ondersteunt de reputatie en economie van kustgebieden die afhankelijk zijn van toerisme. Daarbij komt de oplossing zowel de volksgezondheid als lokale bedrijven ten goede.

Ondanks de resterende uitdagingen, zoals beperkte toegang tot gedetailleerde gegevens en variaties in lokale regelgeving, kan dit type instrument een sleutelrol spelen bij de ontwikkeling van systemen voor vroegtijdige waarschuwing voor de veiligheid van zwemwater. Het stelt autoriteiten in staat om op te treden voordat een situatie kritiek wordt en beschermt zowel de volksgezondheid als het milieu.

Met het oog op de toekomst zou de integratie van kunstmatige intelligentie (zoals machine learning) het systeem kunnen verbeteren door te leren van gebeurtenissen uit het verleden om infectierisico’s in toekomstige situaties beter te voorspellen, met name nuttig voor kuststeden die zich willen voorbereiden op extreme weersomstandigheden.

Samenvatting

Meer informatie

Contact