Περίληψη
Η παρούσα διατριβή εξετάζει τη μικροβιακή επιβάρυνση και την οικολογική κατάσταση υδάτινων οικοσυστημάτων της Ανατολικής Μακεδονίας και Θράκης (ΑΜΘ), με ιδιαίτερη έμφαση στα ποτάμια και τα δελταϊκά συστήματα των ποταμών Έβρου και Νέστου. Η μελέτη εστιάζει στη συσχέτιση μεταξύ μικροβιολογικών δεικτών (όπως Escherichia coli, Εντερόκοκκοι, Clostridium perfringens, Salmonella spp.) και φυσικοχημικών παραμέτρων (pH, θερμοκρασία, BOD₅), με στόχο την εκτίμηση του μικροβιακού κινδύνου για τη δημόσια υγεία και την κατανόηση των επιπτώσεων περιβαλλοντικών και ανθρωπογενών πιέσεων. Η παρούσα μελέτη βασίστηκε σε εκτεταμένες εποχικές δειγματοληψίες (Άνοιξη 2022 – Χειμώνας 2023) σε ποτάμια, ρέματα, λίμνες και δελταϊκές εκβολές. Η ανάλυση των δεδομένων περιελάμβανε τόσο συμβατικές μικροβιολογικές και φυσικοχημικές μετρήσεις όσο και προηγμένες μεθοδολογίες Ποσοτικής Εκτίμησης Μικροβιακού Κινδύνου (Quantitative Microbial Risk Assessment – QMRA). Παράλληλα, εφαρμόστηκαν τεχνικές Μηχανικής Μάθησης (Machi ...
Η παρούσα διατριβή εξετάζει τη μικροβιακή επιβάρυνση και την οικολογική κατάσταση υδάτινων οικοσυστημάτων της Ανατολικής Μακεδονίας και Θράκης (ΑΜΘ), με ιδιαίτερη έμφαση στα ποτάμια και τα δελταϊκά συστήματα των ποταμών Έβρου και Νέστου. Η μελέτη εστιάζει στη συσχέτιση μεταξύ μικροβιολογικών δεικτών (όπως Escherichia coli, Εντερόκοκκοι, Clostridium perfringens, Salmonella spp.) και φυσικοχημικών παραμέτρων (pH, θερμοκρασία, BOD₅), με στόχο την εκτίμηση του μικροβιακού κινδύνου για τη δημόσια υγεία και την κατανόηση των επιπτώσεων περιβαλλοντικών και ανθρωπογενών πιέσεων. Η παρούσα μελέτη βασίστηκε σε εκτεταμένες εποχικές δειγματοληψίες (Άνοιξη 2022 – Χειμώνας 2023) σε ποτάμια, ρέματα, λίμνες και δελταϊκές εκβολές. Η ανάλυση των δεδομένων περιελάμβανε τόσο συμβατικές μικροβιολογικές και φυσικοχημικές μετρήσεις όσο και προηγμένες μεθοδολογίες Ποσοτικής Εκτίμησης Μικροβιακού Κινδύνου (Quantitative Microbial Risk Assessment – QMRA). Παράλληλα, εφαρμόστηκαν τεχνικές Μηχανικής Μάθησης (Machine Learning), όπως τα μοντέλα Gradient Boosting Regressor (GBR) και Random Forest (RF), για την πρόβλεψη συγκεντρώσεων E. coli και τον εντοπισμό κρίσιμων περιβαλλοντικών παραγόντων που καθορίζουν τον κίνδυνο.Τα αποτελέσματα κατέδειξαν ότι οι συγκεντρώσεις μικροβιολογικών δεικτών εμφανίζουν έντονες εποχικές και χωρικές διακυμάνσεις, με αυξημένες τιμές κατά τους θερμότερους μήνες. Οι συσχετίσεις μεταξύ φυσικοχημικών και μικροβιολογικών παραμέτρων (π.χ. θετική σχέση θερμοκρασίας με E. coli και Ολικά Κολοβακτηριοειδή) επιβεβαιώνουν τον καθοριστικό ρόλο των περιβαλλοντικών συνθηκών στη μικροβιακή οικολογία των υδάτων. Η QMRA αποκάλυψε υψηλές πιθανότητες μόλυνσης σε σενάρια κατανάλωσης νερού άνω των 30 mL, με ορισμένες περιοχές (π.χ. Μάνδρας, Κόσυνθος, Ερυθροπόταμος) να καταγράφουν πιθανότητες μόλυνσης >0,9 ανά επεισόδιο έκθεσης, υπερβαίνοντας κατά πολύ το όριο αποδοχής του Παγκόσμιου Οργανισμού Υγείας (1×10⁻⁴). Η Ανάλυση ευαισθησίας (PRCC) ανέδειξε ως κυριότερους παράγοντες κινδύνου τον όγκο κατάποσης, τις συγκεντρώσεις E. coli και το λοιμογόνο κλάσμα, ενώ η τεχνική Permutation Importance έδειξε ότι οι δείκτες Ολικών Κολοβακτηριοειδών, οι Εντερόκοκκοι, η θερμοκρασία και το pH είναι οι βασικοί καθοριστικοί παράγοντες για την πρόβλεψη του μικροβιακού κινδύνου. Ιδιαίτερη σημασία έχει η διαπίστωση ότι περιοχές οι οποίες κατατάσσονται (τα ύδατα) στην κατηγορία «Εξαιρετική Ποιότητα» σύμφωνα με την Οδηγία 2006/7/ΕΚ, ενδέχεται να εμφανίζουν σημαντικό μικροβιακό κίνδυνο σε πραγματικές συνθήκες έκθεσης. Το εύρημα αυτό καταδεικνύει την ανάγκη συμπλήρωσης των παραδοσιακών δεικτών ποιότητας με ποσοτικές μεθόδους αξιολόγησης κινδύνου, όπως η QMRA, προκειμένου να επιτευχθεί πιο ρεαλιστική και αξιόπιστη εκτίμηση της επικινδυνότητας για τη δημόσια υγεία. Η έρευνα υπογραμμίζει την αξία της ενσωμάτωσης εργαλείων μηχανικής μάθησης και ποσοτικής εκτίμησης κινδύνου στα προγράμματα παρακολούθησης, προσφέροντας δυνατότητες για ανάπτυξη συστημάτων έγκαιρης προειδοποίησης και πιο στοχευμένες παρεμβάσεις. Προτείνονται ως ζώνες προτεραιότητας για εντατική παρακολούθηση οι ποταμοί Μάνδρας, Κόσυνθος και Ερυθροπόταμος, λόγω της υψηλής καταγεγραμμένης επιβάρυνσης. Συνολικά, η διατριβή συμβάλλει ουσιαστικά στη γνώση της μικροβιακής οικολογίας των υδάτινων οικοσυστημάτων της Περιφέρειας ΑΜΘ, τεκμηριώνει την ανάγκη βελτίωσης της πολιτικής δημόσιας υγείας και διαχείρισης των υδάτων με πιο ολοκληρωμένα, επιστημονικά και data-driven εργαλεία και ανοίγει το δρόμο για την εφαρμογή αντίστοιχων μεθοδολογιών σε άλλα υδάτινα συστήματα στην Ελλάδα και διεθνώς.
περισσότερα
Περίληψη σε άλλη γλώσσα
This doctoral dissertation investigates the microbial contamination and ecological status of aquatic ecosystems in Eastern Macedonia and Thrace, with a particular focus on riverine and deltaic systems of the Evros and Nestos rivers. The study emphasizes the relationships between microbiological indicators (Escherichia coli, Enterococci spp., Clostridium perfringens, Salmonella spp.) and physicochemical parameters (pH, temperature, BOD₅), aiming to assess microbial risks to public health and to understand the impacts of environmental and anthropogenic pressures. The research was based on extensive seasonal sampling (Spring 2022 – Winter 2023) across rivers, streams, lakes, and deltaic estuaries. Data analysis included both conventional microbiological and physicochemical measurements, as well as advanced methodologies of Quantitative Microbial Risk Assessment (QMRA). In parallel, Machine Learning (ML) techniques such as Gradient Boosting Regressor (GBR) and Random Forest (RF) were appli ...
This doctoral dissertation investigates the microbial contamination and ecological status of aquatic ecosystems in Eastern Macedonia and Thrace, with a particular focus on riverine and deltaic systems of the Evros and Nestos rivers. The study emphasizes the relationships between microbiological indicators (Escherichia coli, Enterococci spp., Clostridium perfringens, Salmonella spp.) and physicochemical parameters (pH, temperature, BOD₅), aiming to assess microbial risks to public health and to understand the impacts of environmental and anthropogenic pressures. The research was based on extensive seasonal sampling (Spring 2022 – Winter 2023) across rivers, streams, lakes, and deltaic estuaries. Data analysis included both conventional microbiological and physicochemical measurements, as well as advanced methodologies of Quantitative Microbial Risk Assessment (QMRA). In parallel, Machine Learning (ML) techniques such as Gradient Boosting Regressor (GBR) and Random Forest (RF) were applied to predict E. coli concentrations and to identify key environmental factors determining risk. Findings demonstrated pronounced seasonal and spatial variations in microbial indicator concentrations, with elevated values during warmer months. Correlations between physicochemical and microbial parameters (e.g., positive association of temperature with E. coli and Total Coliforms) confirmed the decisive role of environmental conditions in microbial ecology. QMRA revealed high probabilities of infection under ingestion scenarios above 30 mL, with certain locations (e.g., Mandra River, Kosynthos South and Erythropotamos–Byzantium Bridge) recording infection probabilities >0.9 per exposure event, far exceeding the World Health Organization (WHO) acceptable limit (1×10⁻⁴). Sensitivity analysis (PRCC) confirmed that ingestion volume, E. coli concentrations and the infectious fraction are the most influential parameters affecting risk, while permutation importance analysis indicated that Total Coliforms, Enterococci spp., BOD₅, temperature, pH, and seasonality are the dominant factors shaping microbial risk levels. A critical observation was that areas classified as “Excellent Quality” under the EU Bathing Water Directive 2006/7/EC may still present substantial microbial risks under realistic exposure scenarios. This finding underscores the need to complement traditional concentration-based guidelines with quantitative approaches such as QMRA, in order to achieve more realistic and reliable public health assessments. The dissertation highlights the value of integrating machine learning tools and QMRA frameworks into water monitoring programs, offering opportunities for the development of early warning systems and targeted interventions. Priority zones for intensive monitoring include the Mandra River, Kosynthos and Erythropotamos, due to their high microbial burden. Overall, this research makes a significant contribution to the understanding of microbial ecology in the aquatic ecosystems of Northeastern Greece, documenting the urgent need to enhance public health policies and water management strategies with more comprehensive, data-driven, and scientifically robust tools. Furthermore, it paves the way for applying such methodologies to other aquatic systems in Greece and internationally.
περισσότερα