数値モデルと解釈可能な機械学習を用いた地下水取水とコンクリート地下ダム亀裂が塩水侵入に与える影響の評価

なぜ海水が私たちの地下水を脅かすのか

多くの沿岸地域では、もっとも信頼できる飲料水は河川や貯水池ではなく、淡水を蓄える砂や礫の地下層から得られます。これらの帯水層から水を過度に汲み上げたり保護構造が機能しなくなったりすると、海水が地下を通って内陸に浸入し、淡水供給を塩水化することがあります。本稿は、地下水を揚水した場合やコンクリート製の地下ダムに亀裂が生じた場合に、その隠れた塩水前線がどのように振る舞うかを探り、現代の計算モデルと機械学習ツールが沿岸帯水層の保全にどう役立つかを示します。

地下で進む塩分の静かな侵食

海岸に沿っては、海へ流れる淡水が重い塩水のくさびを自然に押し戻しています。井戸からの揚水が増えたり自然の再補給が減ったりするとこの均衡が崩れ、塩水くさびが内陸へ進み、やがて井戸やかんがい用取水口に達することがあります。技術者は時に地下ダムや遮断壁を地下に設けてこの進行を遅らせ、海水が通り抜ける経路を狭めます。しかし実際には、これらのコンクリート障壁は亀裂が入ったり意図的に開口部が設けられたりして、海水が漏れることがあります。塩水くさびの長さが揚水やこうした亀裂にどう反応するかを理解することは重要ですが、現場で直接検証するのは難しいことが少なくありません。

詳細な物理から賢い近似へ

研究者らは、まず斜面のある沿岸帯水層を対象に水の流れと塩分輸送の両方を追跡する地下水モデルで作成した、緻密に設計された438件の既存の計算シミュレーションを用いました。これらのシミュレーションでは、淡水と塩水の密度差、地下ダムの亀裂の高さと幅、ダムの高さと海岸からの距離、井戸の深さとダムからの距離、そして揚水率という8つの主要因をすべて無次元比として変化させました。各シナリオについて、モデルは帯水層深さに対する塩水くさびの相対長を出力し、海水がどれだけ内陸に達したかを簡潔に示しました。この大規模な合成データセットが機械学習モデル群の学習基盤となりました。

機械に塩水くさびを予測させる

単純な線形回帰から決定木、ランダムフォレスト、高度な手法である極端勾配ブースティングまで、6種類の学習アプローチを試しました。モデルを訓練する前に、研究チームは冗長性や統計的な偏りがないかデータを検査し、どの入力が実際に影響を持つか、あるいは複数の入力が強く相関していないかを標準的な検定で確認しました。続いて自動探索によるハイパーパラメータ調整を行い、厳密なクロスバリデーションで性能を評価しました。最も優れたのはアンサンブル系、特に勾配ブースティング方式で、シミュレーションで得られたくさび長を実務上無視できるほど小さな誤差で再現しました。

予測のブラックボックスを開く

正確な予測だけでは水管理者の要望を満たしません。どのレバーが最も重要かを理解する必要があるため、最良モデルの透明性を高める手法を用いました。各入力が特定の予測をどのように押し上げたり下げたりするかを説明するツールを適用したところ、井戸からの揚水率がくさび長に対する支配的な要因であることが示されました：揚水が大きいほど塩水はより内陸に引き寄せられます。次に重要だったのはダムの亀裂の高さで、その次が亀裂の幅と井戸とダムの距離でした。ダムの全高や海岸からの正確な位置など他の因子も役割は果たしますが、試験範囲内では影響は小さめでした。さらに、研究チームはモデルがキプロスの実在する沿岸帯水層を対象とした別の詳細シミュレーションにも一致することを確認し、元の学習ケースを超えて有効に働く可能性に自信を持ちました。

複雑な科学を実用的なツールに変える

これらの知見を使いやすくするため、研究者らは訓練済みモデルをシンプルなデスクトップおよびウェブインターフェースに組み込みました。軽量な物理ベースのシミュレーションを毎回実行する代わりに、管理者は井戸揚水、ダム形状、亀裂の大きさを表すいくつかの無次元比を入力するだけで、塩水くさびがどの程度内陸に達しそうかの推定を即座に得られます。実質的に、本研究は適切に訓練されたデータ駆動モデルが、基礎となる物理を反映しつつ、より負担の大きい数値計算に代わるものになり得ることを示しています。

沿岸の水利用者にとっての意義

本研究は、高品質なシミュレーションで訓練された機械学習により、海水の内陸侵入を迅速かつ信頼性高く予測できることを示しています。一般向けの要点は明快です：沿岸の地下水をどれだけ汲み上げるか、地下障壁をどれだけ良く設計し維持するかが、井戸が淡水を保つか塩水化するかに直接影響します。重要な設計選択や運用条件を明確にし、使いやすいソフトウェアにまとめることで、本研究は増大する圧力下にある沿岸地域の限られた淡水を守るための実践的な意思決定支援を提供します。

引用: Armanuos, A.M., Zeleňáková, M. & Elshaarawy, M.K. Assessing the impact of groundwater abstraction and concrete dam fractures on saltwater intrusion using numerical modeling and interpretable machine learning. Sci Rep 16, 8940 (2026). https://doi.org/10.1038/s41598-025-27998-4

キーワード: 塩水侵入, 沿岸帯帯水層, 地下水揚水, 地下ダム, 機械学習