Supporting tools for the integrated management of drinking water reservoirs contaminated by cyanobacteria and cyanotoxins

Hovedmålsettingen med prosjektet BLOOWATER var å utvikle et beslutningsstøttesystem for offentlige vannforsyninger og aktuelle myndigheter slik at disse kan være forberedt og reagere ved en påvist risiko for oppblomstring av giftproduserende cyanobakterier i råvannskilder for drikkevannsproduksjon. Cyanobakterier, også kjent som blågrønnalger, kan raskt vokse opp under gunstige miljøforhold og produsere og slippe ut giftstoffer som er skadelige for mennesker. Forekomsten av oppblomstringer av cyanobakterier forekommer i økende grad i innsjøer på grunn av utslipp av næringsstoffer som kommer fra menneskelige aktiviteter, samt på grunn av klimaendringer. Selv om det kan gå år mellom hvert utbrudd, kan effektene for de som berøres være svært ødeleggende. Derfor er det viktig så raskt som mulig å kunne forutsi når, hvor og hvor kraftige slike oppblomstringer av giftproduserende cyanobakterier vil kunne oppstå, slik at det kan treffes nødvendige og adekvate nødtiltak. Prosjektet hadde derfor som mål å utvikle et system for overvåking på vannet og fra luften kombinert med en prognosemodell som kan bidra til å gi tidlige advarsler om potensielle kommende oppblomstringer av cyanobakterier til både operatørene på det lokale vannverket og lokale myndighetene. Klorofyllinnholdet i cyanobakteriene og annet fytoplankton kan fortelle mye både om hvor mange de er og, med visse begrensninger, hva slags type alger det er snakk om. Det var derfor naturlig å analysere klorofyllinnholdet nærmere med de ulike analyseteknikkene prosjektet hadde tilgjengelig. Det ble funnet en relativt sterk korrelasjon mellom klorofyllanalysene gjort direkte i vannprøver og de basert på multispektralanalyse av bilder tatt med satellitter. Selv om det var svakere korrelasjon med måledataene fra de dronebaserte sensorene, gjorde disse det mulig å identifisere cyanobakterier spesifikt på overflaten av Albanosjøen i Italia. Både prosessbaserte (PB) modeller og modeller basert på maskinlæring (ML) ble vurdert for å se om de var egnet til å forutse oppblomstringer av cyanobakterier. Historiske dataserier fra innsjøer i Italia, Sverige og Norge med tidligere oppblomstringer ble brukt som inngangsdata i modellene. Dessverre var ingen av modelltilnærmingene i stand til å simulere tidspunktet for algeoppblomstring med tilstrekkelig nøyaktighet til å tjene som varsel til vannverk om potensialet for en kommende oppblomstring. Men siden beslutningsstøttesystemet som skulle utvikles gjennom prosjektet var helt avhengig av at modellene ga tilstrekkelig nøyaktige varslinger, strandet dessverre den videre utviklingen av systemet etter at kun rammeverk for innholdet og arkitekturen var bestemt på grunn av dette. Et negativt resultat er imidlertid fortsatt av verdi, og dette var en av de første omfattende evalueringene av både PB- og ML-modeller for bruk i operasjonelle prognoser og vil uten tvil være til nytte for andre. Modelleringsmetodene som ble utviklet og testet i BLOOWATER kan uansett være nyttige for å evaluere sesongmessige endringer i total algebiomasse, og det viste seg at ML-modellering var godt egnet til å simulere utviklingen i konsentrasjonen av løst oksygen, tett koblet til algenes aktivitet, med direkte konsekvenser for innsjø- og reservoarøkologien. Det er også viktig at tiltakene er klare til bruk når de trengs, og at de vil være effektive mot den faktiske trusselen så lenge den er til stede. Prosjektet skulle derfor også i labskalatester sammenligne effektiviteten til konvensjonelle teknologier med effektiviteten til nyere teknologier som polymerforbedret ultrafiltrering brukt til produksjon av drikkevann som barriere mot toksiner produsert av cyanobakterier. Det ble kjørt en rekke tester i laboratorieskala for å se hvor effektivt membraner med ulike poreåpninger (NF og lav UF) holdt tilbake toksiner med ulike størrelse (mikrocystein, MC>cylindrospermopsin, CYN>saxitoxin, STX>anatoxin-a, ATX) under ulike driftsbetingelser. Ikke uventet viste det seg at membranen med en poreåpning som var mindre enn den minste av toksinene var mest effektiv til å fjerne alle toksinene, men STX og ATX ble ikke fjernet effektivt av noen av membranene. Det ble også gjort forsøk med kjemisk felling med jernbaserte koagulanter og kitosan i forkant av membranfiltreringen for å se om det var mulig å lage større aggregater av toksiner og annet materiale i vannet som lettere kunne fjernes av membranen. Det var kun MC og CYN som lot seg flokkulere, så fjerningen av STX og ATX var like svak. Det har vært lite fokus på å analysere for STX og ATX i norske drikkevannskilder til nå, men resultatene indikerer at det vil kunne være viktig å få en bedre oversikt over disse i norske vannforekomster. Norsk institutt for vannforskning (NIVA) var eneste norske partner. De andre partnerne var italienske National Agency for New Technologies, Energy and Sustainable Economic Development, italienske Marche Polytechnic University og svenske Uppsala universitet.

At prosjektet ikke kom i mål med hovedmålsettingen om et funksjonelt verktøy som skulle kunne identifisere algeoppblomstringer så tidlig at det ville gitt mulighet å sette inn tiltak raskt nok, gjør at også den potensielle betydningen av det gjennomførte arbeidet har blitt vesentlig svekket. Men prosjektet har uansett bidratt til å styrke kunnskapsnivået på flere områder, kanskje spesielt innen utvikling av metoder og arbeidsflyt ved bruk av maskinlæring til å predikere oppblomstringer. Også det at verken filtrering med NF- eller lav-UF-membraner alene, kjemisk felling alene eller i kombinasjon med UF eller MF-filtrering ser ut til å være gode barrierer mot de minste cyanotoksinene; saxitoxin (STX) og anatoxin-a (ATX) er viktige bidrag. Hvordan mikrocystein påvirkes i ulike behandlingsprosesser er godt dokumentert, men det er gjort betydelig færre studier med CYN, STX og ATX. Funnene vil således kunne få betydning ved risikovurdering av råvannskilder hvor man kan forvente oppblomstringer av cyanobakterier som produserer denne typen toksiner, j.fr. det nye EU-direktivet 2020/2184 «Drinking water — essential quality standards», som er ment å understøtte risikovurderingen av vannforsyningssystemene. Det har også vært noe begrenset med feltforsøk med fokus på fjerning av cyanotoksiner i pilotskala, og spesielt med miljøvennlige alternative teknologier som PEUF. De regionale miljømyndighetene i området der pilotskalaanlegget ble testet ut (Castreccioni-sjøen) har vist stor interesse for den nye teknologien og resultatene som ble fremskaffet. Selv om det har vært relativt få hendelser med oppblomstringer med giftproduserende cyanobakterier i Norge, er det en økende oppmerksomhet rundt denne utfordringen, j.fr. VKM-rapporten 2021:13 «Cyanobakterier og cyanotoksiner i norske drikkevannskilder». I all hovedsak er det mikrocystein som det blir analysert for, men det er grunn til å tro/håpe at det blir mer fokus på å analysere også for saxitoksin og anatoxin-a på bakgrunn av dokumentasjonen gjort i dette prosjektet.

The BLOOWATER project develops a decision support system (DSS) for public water supplies and agencies to prepare and respond to the risk of cyanotoxins in drinking water. The project aims to develop a support tool based on a multiple barrier-approach that integrate innovative monitoring techniques, responsive surveillance strategies and bloom/toxin-specific treatment measures at the waterworks. The project intends to create forecasting models and systems of surveillance and early warning of toxic blooms. Accordingly, source water monitoring and system observations can inform a water system’s decisions about if and when to start cyanotoxin monitoring in raw water, when and how to adjust treatment plant operations, and when to communicate with external stakeholders and the citizens. This will be useful for various stakeholders and in particular for waterworks operations. Concerning the treatment processes, polymer-enhanced ultrafiltration (PEUF) is proposed to remove both cyanobacteria and cyanotoxins from the raw water. The biopolymer chitosan is used to complex the cyanotoxins together with other natural organic matter prior to the ultrafiltration unit thereby improving their removal. NIVA provides historic data from previous cyanobacterial blooms in Norwegian freshwaters for the mechanistic modelling as a part of the development of forecast systems. NIVA coordinate the work related to the treatment technologies targeting cyanotoxins, review and test appropriate reference treatment systems among conventional technologies (e.g. nanofiltration). For the treatment testing, selected cyanobacterial cultures are provided from NIVA’s extensive Culture Collection of Algae. NIVA contributes to the development and optimization of PEUF treatment systems by investigating membrane biofouling over the full length of a UF membrane to predict the fouling caused by algae and algal organic matter to reduce maintenance costs. NIVA contributes also with national data for the DSS.