Microbiological water quality in drinking water distribution systems: from monitoring to management

Abstract The importance of monitoring drinking water distribution systems (DWDSs) has been stressed in recent guidance and regulations due to their relevance for the quality of drinking water at the consumers’ taps. Besides possible intrusions and chemical leaching from pipes, microbial communities within DWDSs have been linked to potential public health issues (i.e., favoring pathogens survival), management (i.e., biocorrosion) and organoleptic (i.e., taste&odor compounds) nuisances. Current monitoring practices are limited by the complexity of DWDS which, coupled with the lack of data and intrinsic uncertainties, hamper their effectiveness. Given this difficulty, the degree of microbiological variability in both space and time is not yet well characterized. However, as several regulations rely on the concept of “no abnormal changes”, a clear understanding of these variations and their relevance for public health and DWDSs operations is needed. To further improve DWDSs management, a clearer understanding of their microbiome is critical. In fact, while drinking water monitoring campaigns usually focus exclusively on bacteria, they are not the only members of the DWDSs microbiome, as also archaea, eukaryotes and viruses are present and play a role in shaping water quality both with respect to its microbiological and chemical quality. The goal of this PhD project is to contribute to the understanding of DWDSs microbiology, improving strategies to design monitoring campaigns and the understanding of the DWDSs microbiome and its spatio-temporal variability. Within this framework, sampling campaigns, simulations and literature data were used to (i) describe microbiological and microbiologically-related water quality variability in DWDSs, (ii) characterize the members of the DWDSs microbiome, and (iii) test monitoring strategies aimed to capture such variability with minimum information requirements. Firstly, a new procedure for the evaluation of the performances of monitoring locations within DWDSs (i.e. the ability to detect an alteration of the water quality) has been developed to take into account the impact of water demand variability and to focus predominantly on the most impacting water quality alteration events thanks to an initial hydraulic-based importance assessment and the generation of synthetic water demands. Comparisons with traditional validation strategies highlighted how the most impacting events, despite being detected more easily and in less time, were still linked with higher consumption of altered water. Not accounting water demand variability led to an overestimation of the detection likelihood. In addition, the results showed the importance of dilution and minimum detectable concentrations on the expected performances. This procedure was applied to 12 DWDSs where monitoring locations were selected using graph-based methods. This dataset was, first, used to understand the role of topology in quality alterations detection. Secondly, the data was used to identify the best graph-based methods as a function of DWDS topology and the number of monitoring locations selected. The performance of the methods selected was validated using an additional DWDS. Secondly, two algorithms were developed to automatically optimize sampling times to target daily maximum concentrations or maximum concentration variations. Their performances were compared to traditional schemes using two synthetic scenarios and real-world data. The two algorithms, relying on the multi-armed bandit framework, provided a more accurate representation of the target concentrations using a lower number of samples than traditional schemes. Only when having previous information led fixed-time sampling to achieve better performances than the two algorithms, highlighting their applicability when no previous information is available. Finally, practical guidance to aid the adoption of these algorithms was provided. To characterize the temporal variability of the microbiological quality within DWDSs, a monitoring campaign was performed in an unchlorinated system for 5 months using high-frequency online flow cytometry and plate culturing. Analysis of the cytometric fingerprints allowed to detect daily and seasonal variations both in the cells’ concentrations and in the phenotypical characteristics of microbial communities which were linked to fluctuations in local water demands and chemical-physical water quality. In the absence of notable seasonal variations, daily fluctuations in both concentrations and microbial communities were comparable to those occurring across multiple weeks and showed reproducible patterns. Plate cultures allowed to detect less than 1% of the total cells, not allowing to properly discern the patterns observed through flow cytometry. Finally, different scenarios, simulating different monitoring campaigns, were obtained from the flow cytometry data, assessing the impact of monitoring choices on the variability observable and providing guidance for future campaigns. To better characterize DWDSs microbiomes and facilitate the analysis of the eukaryotes present, a benchmark of the tools used for eukaryotic-focused metagenomics was performed, leading to the development of a dedicated workflow named EUKsemble and in guidelines for eukaryotic genome reconstruction. This workflow was applied to the metagenomes derived from 81 DWDSs. The analysis of this data highlighted generally low (i.e., < 1%) eukaryotic content, indicating an under-representation in current data. Nonetheless, their relative abundance was affected both by source water type and residual disinfectant concentrations. In addition, positive correlations between the α- and β-diversity of eukaryotes, prokaryotes (i.e., bacteria and archaea) and viruses highlighted the effect of current management strategies on the entire microbiome. Finally, the effect of disinfection strategies, source water type and climate on their detection in DWDSs was estimated for several groups of co-occurring eukaryotic taxa. Finally, the effect of drinking water distribution on chemical water quality was assessed thanks to a monitoring campaign spanning multiple locations within an unchlorinated DWDS over a whole year. Natural organic matter (NOM) characteristics, estimated through PARAFAC analysis of fluorescence data and absorbance indexes, highlighted the variability of groundwater sources and the different fate during treatment presented by distinct NOM fractions. Within the DWDS, NOM characteristics were primarily shaped by the treatment plants outlets, even though local variations suggested the importance of “last meter” before the consumers’ taps. In addition, our results highlighted how, in the presence of multiple treatment plants, sampling locations might receive water from different sources, possibly in contrast with what predicted by hydraulic models, stressing the need to experimentally validate water sources using conservative parameters.

L’importanza del monitoraggio degli acquedotti è stata sottolineata recentemente a causa della loro importanza per la qualità dell’acqua potabile ai consumatori. A parte intrusioni e rilascio di sostanze da parte delle tubazioni, le comunità microbiche presenti all’interno degli acquedotti sono state associate a potenziali problemi per la salute pubblica (e.g., la sopravvivenza di patogeni), gestionali (e.g., biocorrosione) e organolettici. Strategie di monitoraggio attuali sono limitate dalla complessità dei sistemi acquedottistici che, assieme alla mancanza di dati e a variabilità intrinseche di questi sistemi, riducono la loro efficacia. Date queste difficoltà, l’estensione della variabilità microbiologica sia spaziale che temporale non è tuttora ben caratterizzata. Questo è importante dato che molte legislazioni sulla qualità dell’acqua potabile fanno riferimento al concetto di “variazioni anomale”. Per migliorare la gestione di queste infrastrutture è anche necessaria una miglior comprensione del microbiota presente. Infatti, mentre le campagne di monitoraggio nella maggior parte dei casi si focalizzano esclusivamente su batteri, questi sono sono gli unici membri del microbiota presente in questi sistemi data la presenza e l’effetto sulla qualità dell’acqua di archaea, eucarioti e virus. L’obiettivo di questo dottorato è di contribuire alla comprensione della microbiologia presente negli acquedotti, migliorando sia strategie per realizzare campagne di monitoraggio, sia la caratterizzazione del microbiota presente e della sua variabilità. Per ottenere ciò sono state svolte sia campagne di monitoraggio, dati di letteratura e simulazioni per (i) descrivere la variabilità della qualità sia microbiologica e sia legata ad aspetti microbiologici, (ii) caratterizzare i membri del microbiota e (ii) testare strategie di monitoraggio per cogliere tali variabilità richiedendo meno informazioni possibili. Innanzitutto, è stata sviluppata una nuova procedura per la valutazione delle performance (i.e., la capacità di rilevare variazioni di qualità dell’acqua) di sistemi di monitoraggio in acquedotto che tenga in considerazione la variabilità della richiesta idrica e che si focalizzi principalmente sulle variazioni di qualità potenzialmente più impattanti, grazie ad delle simulazioni idrauliche preliminari e alla generazione di pattern di richiesta idrica sintetici. Il confronto con metodi di validazione tradizionali ha mostrato come gli eventi più impattanti, anche se sono rilevati con probabilità più alta e in meno tempo, risultano in ogni caso in consumi maggiori di acqua dalla qualità alterata. Trascurare la variabilità della richiesta idrica porta ad una sovrastima della probabilità di rilevamento stimata. Inoltre, i risultati hanno mostrato l’importanza per la qualità del monitoraggio della diluizione in rete e della minima concentrazione misurabile. Questa procedura è stata applicata a 12 acquedotti dove i luoghi di monitoraggio sono stati scelti tramite metodi basati sulla teoria dei grafi. Questi dati sono stati usati per capire il ruolo della topologia delle reti nell’influenzare le performance di rilevamento e per identificare i metodi basati sulla teoria dei grafi che fornissero prestazioni migliori. I metodi identificati sono poi stati validati su una rete addizionale. Successivamente, sono stati sviluppati due algoritmi per ottimizzare automaticamente i momenti di campionamento per tracciare le concentrazioni massime giornaliere o le variazioni massime giornaliere. Le loro performance sono state confrontate con metodi tradizionali su due scenari sintetici e dei dati reali. I due algoritmi, basati sul algoritmi multi-armed bandit, sono in grado di fornire una migliore rappresentazione della concentrazione target utilizzando meno campioni che i metodi tradizionali. Solo nel caso in cui si avessero informazioni preliminari campionare ad ore prefissate ottiene risultati migliori, evidenziando le potenzialità di questi algoritmi in casi in cui sono assenti informazioni. Per aiutare il loro utilizzo, una guida pratica per il loro utilizzo è stata fornita. È stata poi svolta una campagna di monitoraggio in un acquedotto non disinfettato usando citometria di flusso ad alta frequenza e colture batteriche per poter caratterizzare la variabilità temporale della qualità microbiologica. L’analisi dei dati citometrici ha permesso di identificare variazioni giornaliere e stagionali sia nelle concentrazioni batteriche sia nelle caratteristiche fenotipiche delle comunità che sono state associate a variazioni locali della richiesta idrica e della qualità chimico-fisica dell’acqua. In assenza di variazioni stagionali, le fluttuazioni giornaliere sono risultate confrontabili a quelle a distanza di diverse settimane e hanno mostrato dei pattern stabili. Le colture batteriche hanno permesso di rilevare meno dell’1% delle cellule totali, non permettendo di osservare i trend mostrati dalla citometria di flusso. Per concludere, sono stati simulati diversi scenari alternativi di monitoraggio, permettendo di valutare l’impatto di scelte nella pianificazione del monitoraggio e offrendo una guida per studi futuri. Per migliorare la caratterizzazione del microbiota all’interno degli acquedotti e facilitare l’analisi degli eucarioti presenti, è stato effettuato un benchmark degli strumenti utilizzabili per analisi metagenomiche focalizzate su eucarioti che ha portato a sviluppare un workflow dedicato chiamato EUKsemble e a fornire delle indicazioni per la ricostruzione di genomi eucariotici. Questo workflow è stato applicato a metagenomi derivanti da 81 acquedotti mostrando generalmente un basso (< 1%) contenuto di eucarioti, indicando la loro sotto-rappresentanza nei dati disponibili attualmente. In ogni caso, la loro abbondanza relativa ha dimostrato variazioni dovute sia al tipo di fonte che alla concentrazioni di disinfettante. In aggiunta, sono state identificate correlazioni positive tra la beta diversità di eucarioti, procarioti (e.g., batteri e archaea) e virus, sottolineando l’effetto della gestione acquedottistica su tutto il microbiota. Per concludere è stato identificato l’effetto di strategie di disinfezione, tipo di fonte e clima sulla rilevazioni di vari gruppi di microorganismi eucariotici. Per concludere, è stata realizzata una campagna di monitoraggio per valutare l’effetto delle reti acquedottistiche sulla qualità chimica dell’acqua in un sistema non disinfettato grazie al monitoraggio di svariati luoghi durante l’arco di un anno. Le caratteristiche dei composti organici naturali sono state stimate tramite analisi PARAFAC dei dati di fluorescenza e indici di assorbanza, evidenziando la variabilità delle acque di falda e il diverso effetto dei vari trattamenti su frazioni distinte dei composti organici. Durante la distribuzione le caratteristiche delle sostanze orgnaniche sono risultate principalmente stabili e legate alla qualità dell’acqua in uscita dalle centrali di trattamento. Variazioni locali hanno però evidenziato il ruolo dell’”ultimo metro” prima del consumo. Inoltre, i risultati hanno mostrato come, in caso di presenza di più centrali di trattamento i punti di monitoraggio all’interno di una rete possono ricevere acqua da diverse fonti che necessita un controllo sperimentale dato che queste variazioni non sono previste da modelli idraulici di rete.