Ocena wpływu poboru wód gruntowych i pęknięć betonowej tamy podziemnej na napływ wód słonych za pomocą modelowania numerycznego i interpretowalnego uczenia maszynowego

Dlaczego woda morska może zagrażać naszym ukrytym zasobom

Dla wielu społeczności przybrzeżnych najbardziej niezawodne źródło wody pitnej nie pochodzi z rzek czy zbiorników, lecz z podziemnych warstw piasku i żwiru magazynujących słodką wodę gruntową. Gdy zbyt dużo wody jest wypompowywane z tych akwiferów lub gdy zawiodą konstrukcje ochronne, woda morska może podziemnie wnikać w głąb lądu i zamieniać zasoby słodkie w słone. Artykuł ten bada, jak zachowuje się czoło tej ukrytej słonej wody podczas pompowania wód gruntowych i gdy betonowa tamę podziemna rozwija pęknięcia, oraz pokazuje, jak nowoczesne modele komputerowe i narzędzia uczenia maszynowego mogą pomóc zarządcom chronić akwifery przybrzeżne.

Cichy postęp słonej wody pod ziemią

Wzdłuż wybrzeża słodka woda gruntowa płynąca w kierunku morza naturalnie wypiera klin cięższej wody słonej. Jeśli zwiększy się pompowanie ze studni lub spadnie naturalne zasilanie, ta równowaga zostaje zaburzona i klin słonej wody może przesunąć się w głąb lądu, ostatecznie docierając do studni i ujęć nawadniających. Inżynierowie czasem budują tamy podziemne lub ściany odcinające poniżej powierzchni, aby spowolnić ten napływ, zawężając drogę, którą może przemieszczać się woda morska. W praktyce jednak betonowe zapory mogą pękać lub być wznoszone z celowymi otworami, pozwalając na przesiąkanie części wody morskiej. Zrozumienie, jak długość klina słonej wody reaguje na pompowanie i takie pęknięcia, jest kluczowe, lecz trudno to bezpośrednio przetestować w terenie.

Od szczegółowej fizyki do sprytnych skrótów

Autorzy zaczęli od istniejącego zbioru 438 starannie zaprojektowanych symulacji komputerowych pochylonego akwiferu przybrzeżnego, stworzonych za pomocą modelu przepływu wód gruntowych śledzącego zarówno przepływ wody, jak i transport soli. W tych symulacjach zmieniali osiem kluczowych czynników, wszystkie wyrażone jako proste stosunki bezwymiarowe: kontrast gęstości między wodą słodką a słoną, wysokość i szerokość pęknięcia w tamie podziemnej, wysokość tamy i odległość od brzegu, głębokość studni i odległość od tamy oraz tempo pompowania. Dla każdego scenariusza model wygenerował względną długość klina słonej wody w stosunku do głębokości akwiferu, kompaktową miarę tego, jak daleko wniknęła woda morska. Ten duży syntetyczny zbiór danych posłużył jako poligon treningowy dla zestawu modeli uczenia maszynowego.

Nauka maszyn przewidywania słonego klina

Przetestowano sześć różnych podejść uczących, od prostego regresji liniowej po bardziej elastyczne techniki, takie jak drzewa decyzyjne, lasy losowe oraz zaawansowana metoda zwana ekstremalnym wzmacnianiem gradientowym. Przed trenowaniem modeli zespół sprawdził dane pod kątem redundancji i statystycznych zawiłości, używając standardowych testów, by zobaczyć, które wejścia mają rzeczywisty wpływ i czy niektóre poruszają się zbyt skorelowane. Następnie zastosowali zautomatyzowaną strategię poszukiwania, aby dopracować wewnętrzne ustawienia każdego modelu i ocenili wydajność za pomocą rygorystycznej walidacji krzyżowej. Jasnym zwycięzcą okazała się rodzina modeli zespołowych, szczególnie podejście gradient‑boosting, które odtworzyło długości symulowanego klina z błędami tak małymi, że można je uznać za praktycznie pomijalne.

Otwarcie czarnej skrzynki prognoz

Samo dokładne przewidywanie nie wystarcza dla zarządców zasobów wodnych, którzy muszą też rozumieć, które dźwignie mają największe znaczenie. Aby uczynić najlepiej działający model bardziej przejrzystym, autorzy zastosowali narzędzia wyjaśniające, które pokazują, jak każde wejście przesuwa daną prognozę w górę lub w dół. Te objaśnienia wykazały, że dominującym czynnikiem kontrolującym długość klina jest tempo pompowania ze studni: silniejsze pompowanie ściąga słoną wodę dalej w głąb lądu. Na drugim miejscu znalazła się wysokość pęknięcia w tamie, następnie jego szerokość i odległość między studnią a tamą. Inne czynniki, takie jak ogólna wysokość tamy czy dokładne położenie względem brzegu, również miały wpływ, ale były mniej istotne w badanych zakresach. Zespół potwierdził także, że ich model potrafi dopasować się do osobnego zestawu szczegółowych symulacji dla rzeczywistego akwiferu przy cypryjskim wybrzeżu, co daje pewność, że może działać poza pierwotnymi przypadkami treningowymi.

Przekształcanie złożonej nauki w użyteczne narzędzia

Aby udostępnić te wnioski, autorzy opakowali wytrenowany model w proste interfejsy desktopowe i webowe. Zamiast uruchamiać ciężkie symulacje oparte na fizyce, zarządca może teraz wpisać kilka bezwymiarowych stosunków — reprezentujących pompienie wód, geometrię tamy i rozmiar pęknięcia — i natychmiast uzyskać estymację, jak daleko w głąb lądu prawdopodobnie sięgnie klin słonej wody. W istocie badanie pokazuje, że starannie wytrenowany model oparty na danych może zastąpić znacznie bardziej wymagające obliczenia numeryczne, zachowując jednocześnie zgodność z leżącą u podstaw fizyką.

Co to oznacza dla użytkowników wód przybrzeżnych

Praca dowodzi, że powolny marsz wód morskich w głąb lądu można szybko i wiarygodnie prognozować za pomocą uczenia maszynowego wytrenowanego na wysokiej jakości symulacjach. Dla laika kluczowe przesłanie jest proste: to, jak intensywnie pompujemy wodę gruntową przy wybrzeżu i jak dobrze projektujemy oraz utrzymujemy podziemne bariery, bezpośrednio wpływa na to, czy studnie pozostaną słodkie, czy stają się słone. Wyróżniając, które decyzje projektowe i warunki eksploatacyjne mają największe znaczenie, oraz pakując tę wiedzę w łatwe w użyciu oprogramowanie, badanie oferuje praktyczne narzędzie pomocnicze do ochrony cennej słodkiej wody w regionach przybrzeżnych pod rosnącym naciskiem.

Cytowanie: 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

Słowa kluczowe: napływ wód słonych, akwifer przybrzeżny, pompowanie wód gruntowych, domena podziemna, uczenie maszynowe