Fiumi Torbidi? Ho Scoperto Come Prevedere il “Fango” con Più Precisione!

Amici, parliamoci chiaro: l’acqua torbida nei fiumi è un bel grattacapo, specialmente ora che i cambiamenti climatici ci regalano piogge sempre più estreme. Gestire queste “inondazioni di fango” è una sfida globale. Per capirci qualcosa e provare a prevedere questi eventi, di solito ci si affida ai dati sui sedimenti sospesi (SS). Il problema? Misurarli con i metodi tradizionali, tipo raccogliere campioni d’acqua e analizzarli in laboratorio, porta via un sacco di tempo e non è pratico se ti serve una risposta in tempo reale. Ecco perché la relazione tra torbidità (quanto è “sporca” l’acqua) e SS è così usata. Peccato che la sua precisione dipenda tantissimo dalla dimensione delle particelle di sedimento. Un bel rompicapo, vero?

Per cercare di sbrogliare la matassa, mi sono messo all’opera (virtualmente, s’intende, calandomi nei panni dei ricercatori!) per sviluppare delle equazioni torbidità-SS che tenessero conto delle diverse frazioni di sedimento. Come? Con esperimenti in un canale artificiale a circolazione controllata, progettato per imitare le caratteristiche dei sedimenti di un fiume vero. E i risultati? Beh, direi sorprendenti! Siamo riusciti a migliorare parecchio la relazione lineare torbidità-SS, con valori di R² (un indice di quanto il modello “azzecca” la realtà) che vanno da 0.60 a 0.99, a seconda delle frazioni di sedimento. Mica male, eh?

Poi, abbiamo preso queste belle equazioni e le abbiamo messe alla prova sul campo, nell’area a monte della diga di Soyanggang, in Corea del Sud. Risultato: tassi di errore tra l’1 e il 18%. Questo studio, lasciatemelo dire, sottolinea quanto sia cruciale considerare la variabilità delle frazioni di sedimento nei modelli torbidità-SS. Facendolo, la loro accuratezza e affidabilità fanno un balzo in avanti notevole. L’approccio che abbiamo proposto è pratico, scalabile e apre le porte a un monitoraggio degli SS in tempo reale e su larga scala, contribuendo a migliorare la gestione della qualità dell’acqua in diverse condizioni fluviali.

Quando la Pioggia si Fa Cattiva: L’Origine della Torbidità

Gli eventi di torbidità, quelli che trasformano i nostri fiumi in brodi marroni, sono spesso scatenati da piogge torrenziali durante la stagione dei monsoni o da tifoni. Immaginatevi un’ondata massiccia di sedimenti che si riversa nei corsi d’acqua. Questo improvviso aumento di torbidità impedisce alle particelle fini di depositarsi, così i sedimenti sospesi (SS) vengono trasportati a valle fino ai bacini artificiali, dove contribuiscono a una torbidità prolungata. La Corea del Sud, con le sue piogge estive concentrate, è particolarmente esposta a questi problemi. Tifoni storici come Rusa (2002), Maemi (2003) ed Ewiniar (2006) hanno causato guai seri. E nonostante gli sforzi per mitigare il problema, recenti eventi di alta torbidità nel 2020, dopo i tifoni consecutivi Maysak e Haishen, non fanno che confermare l’impatto crescente dei cambiamenti climatici.

Questi eventi ci dicono che dobbiamo rivedere e migliorare le strategie di gestione della torbidità passate. L’alta prevalenza di torbidità in Corea è preoccupante, dato che il paese dipende fortemente da fiumi e bacini per l’acqua, con implicazioni per agricoltura, industria ed ecosistemi acquatici. Una gestione efficace delle dighe, specialmente a monte dei bacini, basata sulla distribuzione della torbidità, è essenziale.

Per monitorare la torbidità, le istituzioni nazionali usano principalmente la torbidità stessa e le concentrazioni di SS come indicatori. La torbidità è facile da misurare e i dati in tempo reale sono disponibili, ma le letture possono variare parecchio a seconda della composizione delle particelle e delle loro proprietà minerali. Queste variazioni nascono dalle diverse caratteristiche spettrali delle particelle, come la loro capacità di diffondere e assorbire la luce. Quindi, affidarsi solo ai dati di torbidità può portare a imprecisioni. Per questo, è fondamentale misurare regolarmente la concentrazione di SS (SSC) insieme alla torbidità. E dati SSC affidabili sono cruciali per calibrare bene le equazioni di stima della torbidità.

In Corea, la rete nazionale registra le SSC settimanalmente o mensilmente, mentre la torbidità è misurata ogni 10-60 minuti. I modelli di previsione della torbidità sono ampiamente usati, e una previsione accurata è cruciale per valutare le misure di riduzione della torbidità. La ricerca in questo campo va avanti da decenni. L’input chiave per questi modelli sono i dati SS, attualmente ottenuti tramite campionamento e analisi di laboratorio. Ma questo metodo ha una bassa risoluzione temporale, limitando la precisione predittiva.

Il Limite dei Vecchi Metodi e la Svolta delle Frazioni

Le relazioni convenzionali torbidità-SS si basano sulla raccolta di dati a lungo termine, ma spesso usano una singola equazione senza considerare le variazioni nella distribuzione granulometrica dei sedimenti. E qui casca l’asino! Anche nello stesso sito, i cambiamenti nella dimensione delle particelle nel tempo possono alterare questa relazione, ma gli approcci convenzionali non ne tengono conto. Storicamente, si usavano curve di relazione flusso-SS, ma le piene modificano i sedimenti del letto del fiume e le caratteristiche idrauliche, richiedendo ricalibrazioni frequenti. Ricerche recenti hanno mostrato che la relazione torbidità-SS offre una maggiore accuratezza predittiva.

Nei modelli di previsione della torbidità, come l’Aquatic Ecology Model 3D (AEM3D), la concentrazione delle particelle è stimata in base alle frazioni granulometriche. Questo suggerisce che le relazioni torbidità-SS variano a seconda della prevalenza di particelle fini. Dato che l’accuratezza di queste relazioni può diminuire a causa di eventi piovosi e condizioni sul campo, calcolare più precisamente le frazioni dei tipi di particelle (cioè argilla, limo e sabbia) potrebbe migliorare l’accuratezza.

Per un monitoraggio SS più accurato, sempre più studi utilizzano misurazioni basate su sensori come il LISST (Laser In-Situ Scattering and Transmissometry), ad esempio il LISST-200X. Tuttavia, il monitoraggio sul campo per migliorare le relazioni torbidità-SS è molto sensibile agli eventi piovosi e alle condizioni del sito, portando a tassi di errore ampiamente fluttuanti. Questa variabilità limita l’applicabilità delle misurazioni della frazione e della concentrazione dei sedimenti. Per affrontare questa limitazione, il nostro studio si è proposto di migliorare i modelli esistenti incorporando la distribuzione granulometrica dei sedimenti. Considerando le variazioni nelle frazioni di sedimento (argilla, limo e sabbia), abbiamo mirato a migliorare l’accuratezza delle stime SS basate sulla torbidità.

Nello specifico, abbiamo esaminato le frazioni di particelle misurate con il LISST-200X in un sito a monte del Lago Soyang in Corea del Sud, un luogo con una storia di problemi di torbidità. Abbiamo allestito un setup di laboratorio controllato per raccogliere dati di torbidità e sedimenti corrispondenti da campioni di particelle artificiali, con frazioni e concentrazioni specifiche basate sulle misurazioni del LISST-200X. Questi campioni sono stati fatti circolare in un canale interno per simulare condizioni di acqua carica di sedimenti. Inoltre, abbiamo usato un LISST-200X potenziato, abbinato a un sensore YSI-EXO, per misurare simultaneamente torbidità, SS e distribuzione granulometrica.

Dentro il Laboratorio: Come Abbiamo “Cucinato” i Dati

Per assicurarci dati affidabili nel canale, abbiamo ottenuto misurazioni di torbidità e SSC in condizioni controllate. Per ogni caso sperimentale, abbiamo raccolto dati continuamente a 1 Hz per circa 3 minuti dopo aver stabilizzato sia la velocità che il livello dell’acqua. I valori mediati nel tempo sono stati poi usati per l’analisi. Per valutare l’incertezza introdotta dalla turbolenza, abbiamo visualizzato la variazione dei dati con dei boxplot. I risultati hanno rivelato un aumento progressivo della SSC nei casi sperimentali, con una variabilità relativamente minore a bassi livelli di SSC. Anche se la variabilità tendeva ad aumentare a livelli di SSC più alti, le tendenze generali sono rimaste chiare e coerenti. Questo implica che la turbolenza ha avuto un impatto trascurabile sui dati misurati nelle nostre condizioni controllate.

Inoltre, per valutare l’impatto della velocità del flusso sulla relazione torbidità-SSC, abbiamo condotto misurazioni a velocità comprese tra 0.12 e 0.42 m/s. Le analisi di regressione lineare hanno rivelato cambiamenti minimi nelle relazioni torbidità-SSC all’aumentare della velocità. Al contrario, sono state osservate differenze significative nelle pendenze della regressione tra i casi con diverse frazioni granulometriche (argilla, limo e sabbia). Questi risultati suggeriscono che la distribuzione granulometrica ha avuto un’influenza maggiore sulla relazione torbidità-SSC rispetto alla velocità. Pertanto, per gli esperimenti successivi, abbiamo fissato la velocità a 0.42 m/s – una velocità rappresentativa durante le tipiche condizioni di piena – per indagare sistematicamente gli effetti delle frazioni di sedimento.

La Dimensione Conta Eccome!

Per valutare l’impatto della dimensione delle particelle sulla relazione torbidità-SS, abbiamo condotto un esperimento preliminare con campioni classificati per dimensione utilizzando setacci da 400 (< 38 μm), 100 (75–150 μm) e 60 (150–250 μm) mesh. Le rispettive frazioni argilla:limo:sabbia erano 0.21:0.66:0.13, 0.12:0.81:0.08 e 0.06:0.57:0.37. L'equazione di regressione torbidità-SS per il campione più piccolo (setaccio da 400 mesh) ha mostrato un R² di 0.99. Per le frazioni più grandi (100 e 60 mesh), i valori di R² erano rispettivamente 0.93 e 0.86. È emerso chiaramente che la relazione tra SSC e torbidità è più forte per dimensioni di particelle più piccole. Per particelle più grandi, invece, una maggiore irregolarità e variabilità nelle misurazioni – causata dal movimento e dalla sedimentazione delle particelle all’interno del percorso ottico del LISST-200X – ha portato a deviazioni di concentrazione maggiori. Inoltre, la pendenza della relazione è più ripida per le particelle più piccole, suggerendo che, a parità di concentrazione, le particelle più piccole diffondono la luce in modo più efficace e quindi hanno un impatto maggiore sulla torbidità. Questo risultato sottolinea l’importanza della dimensione e della frazione delle particelle nella relazione torbidità-SS.

Abbiamo poi analizzato sei casi con diverse composizioni di frazioni argilla:limo:sabbia. Inizialmente, considerando tutti i dati insieme senza classificazione per frazione, la relazione appariva generalmente lineare, ma con un R² di 0.602, indicando una correlazione relativamente debole e quindi un’equazione poco adatta per applicazioni pratiche. La distribuzione sparsa dei dati suggeriva che applicare una singola equazione torbidità-SS a tutti i casi potrebbe non catturare adeguatamente la relazione a causa della variabilità intrinseca nella composizione delle frazioni di sedimento.

Segmentando il dataset in base alle frazioni granulometriche, l’influenza della composizione del sedimento sulle relazioni torbidità-SS è diventata più evidente. Il valore di R² per ogni campione basato sulla frazione variava tra 0.900 e 0.976, dimostrando un’elevata accuratezza. Tuttavia, c’era una considerevole variazione nei dati SS. Per affrontare questo problema, sono stati applicati un filtro mediano e una tecnica di mediazione temporale ai dati. Il filtro mediano ha ridotto efficacemente l’elevata variabilità, mentre la mediazione temporale ha prodotto risultati comparabili o leggermente migliori. Pertanto, il metodo di mediazione temporale si è dimostrato più efficace nel tenere conto della variabilità dei dati SS, confermandosi come una tecnica di correzione ottimale. Dopo la correzione con mediazione temporale, sono stati osservati valori di R² elevati, compresi tra 0.959 e 0.989, per ciascuna frazione granulometrica.

Dalla Teoria alla Pratica: La Prova del Nove sul Campo

L’applicabilità della relazione torbidità-SS derivata è stata valutata utilizzando dati di campo raccolti nell’area a monte del Lago Soyang. I dati sono stati raccolti durante eventi piovosi. A causa dell’elevata torbidità in alcune misurazioni, che superava l’intervallo misurabile del LISST-200X, le equazioni derivate sono state validate utilizzando cinque set di dati applicabili. Le equazioni di relazione, adattate per corrispondere a condizioni di frazione di particelle simili ai casi sperimentali, hanno mostrato un tasso di errore compreso tra 0.01 e 0.18. La frazione 0.00:0.70:0.30, che corrispondeva strettamente al Caso 1 degli esperimenti (0.05:0.75:0.20), ha mostrato un’accuratezza relativamente alta, mentre la frazione 0.20:0.60:0.20, simile al Caso 2 (0.20:0.74:0.10), ha anch’essa dimostrato un’elevata accuratezza con un tasso di errore di 0.02.

Questo studio mirava a migliorare la relazione torbidità-sedimenti sospesi (SS) incorporando la variabilità della frazione di sedimento nel modello. Sebbene la validazione sul campo sia stata limitata (solo tre giorni di raccolta dati), l’applicazione della relazione migliorata ha prodotto un tasso di errore tra 0.02 e 0.18, e l’applicabilità della relazione è risultata elevata, in particolare nei casi con frazioni di sedimento simili.

Limiti e Prospettive Future: La Strada è Ancora Lunga (ma Promettente!)

Certo, il nostro setup sperimentale differisce dalle condizioni di confine aperto nei fiumi naturali, ma è stato progettato per analizzare l’influenza della variabilità della frazione di sedimento sulle misurazioni della torbidità piuttosto che replicare i processi reali di trasporto dei sedimenti. Poiché le relazioni torbidità-SS possono variare a seconda della distribuzione granulometrica formatasi in diverse condizioni, considerare le composizioni delle frazioni di sedimento gioca un ruolo cruciale nel migliorare l’accuratezza della stima SS basata sulla torbidità.

Una delle sfide chiave è la variazione temporale nella distribuzione granulometrica dei sedimenti dovuta a cambiamenti idrodinamici e geomorfologici, particolarmente pronunciata durante le piene. Le relazioni convenzionali spesso assumono una composizione costante dei sedimenti sospesi, il che può portare a una ridotta accuratezza. Questo studio ha confermato che incorporare i dati sulla frazione di sedimento migliora l’accuratezza della stima, ma è necessario un monitoraggio sul campo a lungo termine in diverse condizioni idrologiche per convalidare l’affidabilità della metodologia proposta.

Oltre alla frazione di sedimento e alla distribuzione granulometrica, altri fattori ambientali possono influenzare gli eventi di torbidità e il trasporto di sedimenti sospesi. Questi includono:

• Velocità del flusso: determina il comportamento di risospensione e sedimentazione delle particelle.
• Temperatura dell’acqua: influenza la flocculazione e l’aggregazione dei sedimenti.
• Contenuto di materia organica: può introdurre ulteriore variabilità nelle misurazioni della torbidità.
• pH: influenza la carica superficiale dei sedimenti e il comportamento di aggregazione.

Sebbene questo studio si sia concentrato principalmente sulla variabilità della frazione di sedimento, questi fattori aggiuntivi meritano ulteriori indagini. Poiché la maggior parte di questo studio è stata condotta in un canale a ricircolo controllato, sono necessari ulteriori studi di monitoraggio e applicazione sul campo per generalizzare i risultati a eventi di torbidità reali in ambienti fluviali naturali. Per affrontare i limiti dei sensori ottici in condizioni di elevata torbidità, prevediamo di utilizzare il LISST-200X Path Reduction Module (PRM), che riduce il percorso ottico e consente misurazioni a concentrazioni di sedimenti sospesi più elevate.

Conclusioni (Temporanee, la Scienza non si Ferma Mai!)

In sintesi, abbiamo stabilito sperimentalmente equazioni che esprimono la relazione tra torbidità e SS basate sulla composizione della frazione di particelle per migliorare le equazioni comunemente usate. Abbiamo utilizzato un sistema di monitoraggio della torbidità basato su sensori con una migliore risoluzione temporale, superando i limiti dei metodi tradizionali di misurazione SS. Ecco i principali risultati:

• L’analisi di campioni con diverse granulometrie ha mostrato che la relazione torbidità-SS varia con la dimensione delle particelle, con una torbidità maggiore per particelle più piccole a parità di concentrazione.
• Confrontando la relazione torbidità-SS convenzionale (calcolata sull’intero dataset) con relazioni specifiche per caso (basate sulla frazione), l’approccio specifico per caso ha mostrato una tendenza lineare molto più chiara.
• La variabilità della SSC, probabilmente dovuta al movimento continuo e alla sedimentazione delle particelle attraverso il percorso ottico del LISST-200X, è stata affrontata confrontando due metodi di correzione: un filtro mediano e una tecnica di mediazione temporale. Entrambi si sono dimostrati efficaci, ma la mediazione temporale è risultata più adatta.
• La validazione con dati di campo dal lago Soyang, seppur limitata, ha dimostrato un’accuratezza relativamente alta, indicando che le equazioni derivate sono adatte per l’uso pratico.

Insomma, tenere conto della “grana” dei sedimenti fa davvero la differenza. È un passo avanti importante per capire e gestire meglio le nostre preziose risorse idriche, soprattutto in un mondo che cambia così velocemente!

Per chi fosse curioso dei dettagli tecnici, gli esperimenti sono stati condotti in un canale a ricircolo interno (lunghezza 12m, larghezza 0.3m, altezza 0.3m) con pendenza fissa e portata massima di 0.42 m/s. Abbiamo usato loess (argilla rossa) commerciale, setacciato per ottenere diverse granulometrie. Per le misurazioni, ci siamo affidati al sensore LISST-200X (per distribuzione granulometrica e concentrazione) e al YSI-EXO (per la torbidità), posizionati strategicamente nel canale.

Fonte: Springer