リビア東南部アルクフラ盆地タゼルボ地域における機械学習手法を用いた地下水位変動の予測

なぜここで将来の地下水が重要なのか

世界で最も乾燥した地域のいくつかでは、地下水が農業、都市、産業を維持する唯一の水源です。リビア東南部では大規模な揚水場が深い砂漠帯水層に達し、沿岸都市へ水を送っています。本稿は、科学者たちが最新の計算ツールを使って今後二十年でこれらの地下水貯留量が異なる揚水計画のもとでどのように変化するかを見通し、意思決定者が深刻な不足や地盤沈下を回避するのに役立てる方法を説明します。

リビアの水路を支える砂漠帯水層

本研究はアル・クフラ盆地のタゼルボ揚水場に焦点を当てています。ここはサハラから長距離で化石地下水を送るマンメイドリバープロジェクトの主要供給源の一つです。降雨はほとんどなく、非常に高温なため、深いヌビアン砂岩帯水層は古代の水の貯金箱のように機能しています。2004年の大規模揚水開始以降、100本以上の生産井があり、かつては一日当たり最大で約100万立方メートルの揚水が行われました。この過剰な利用により、揚水場の一部では地下水位が最大で16メートル低下し、地盤沈下も発生しており、この水の生命線がどれだけ長く保てるかが懸念されています。

井戸記録を学習問題に変える

帯水層の将来を探るため、研究者らはタゼルボ周辺の14か所の観測井での20年分の年次地下水位測定値と、日々の揚水量記録を収集しました。さらに、岩盤の厚さや透水性など、井戸と帯水層に関する基本情報もまとめました。地下流動のすべての物理的詳細をモデル化しようとする代わりに、彼らはこの問題を時系列として扱いました：井戸の水位は過去の水位や揚水の変化に時間的にどう反応するか。こうした設定は、すべての物理過程を事前に記述しなくてもデータ内の規則性を見出せる機械学習手法に適しています。

機械が先を読む学び方

チームはガウス過程回帰の一種や長短期記憶（LSTM）といったリカレントニューラルネットワークなど、いくつかの高度な統計・機械学習手法を試しました。各手法が既知の水位をどれだけ再現できるかを、予測値と観測値の一致度や典型的な誤差の大きさなどの標準的な指標で検証しました。その結果、過去の水位と揚水量の両方を入力とする非線形自己回帰外部入力モデル（NARX）と呼ばれる時系列ニューラルネットワークが最も優れていました。比較的単純な構造でありながら、このネットワークは14井戸すべての履歴を非常に高い精度で再現しました。詳細な感度解析により、異なる井戸で異なる入力の組み合わせが利用されていることが示され、単にデータを暗記しているのではなく有意な因果パターンを捉えていることが示唆されました。

同じ帯水層の二つの異なる将来

モデルを訓練し検証した後、NARXモデルは2030年と2040年を見越して二つの揚水計画下で予測を行いました。第一の計画では、現在の低めの揚水量である一日約255,000立方メートルが維持されます。この場合、モデルは主に揚水場北部で比較的控えめな追加低下を予測しており、2024年と比べて2030年までに約2メートルの追加低下、2040年までにさらに約1.6メートルの低下を見込んでいます。帯水層の局所構造を反映して、南部の一部井戸ではわずかな回復が見られることもあります。これに対し、第二の計画は揚水量を一日400,000立方メートルに増加させると仮定しています。

水資源管理者にとっての結果の意味

高い揚水計画の下では、モデルは2030年までに揚水場の南東部と南西部で50メートルを超える非常に大きな地下水位の低下を予測し、2040年にも強く低下した状態が続くと示しています。タゼルボでの過去の経験は、強い揚水が急激な水位低下を引き起こし、揚水を減らせば部分的に回復することがあることを既に示しています。新しい予測はこの構図を支持し、帯水層が長期的な過剰利用に非常に敏感であることを強調します。一般読者にとってのメッセージは明快です：現在の低減された水準に近い揚水量を維持することが、この有限な水貯留をより長く持たせる助けになる一方で、揚水を元に戻して増やせば急激な低下、地盤沈下、そしてこの地下水に依存する地域社会への負荷増大を招くリスクが高まります。本研究は、適切に調整された機械学習ツールが、世界で最も水不足が深刻な地域の一部における持続可能な水利用計画の実務的な指針になり得ることを示しています。

引用: El Fallah, O.A., Abou El-Magd, L.M., El Kammar, M.M. et al. Forecasting groundwater level changes using machine learning techniques in Tazerbo area, Al Kufra Basin, southeast Libya. Sci Rep 16, 15383 (2026). https://doi.org/10.1038/s41598-026-37337-w

キーワード: 地下水予測, 機械学習, リビア帯水層, 水資源管理, NARXニューラルネットワーク