Применение искусственного интеллекта для прогнозирования соотношений изотопов δ¹⁸O и δ²H в осадках Ирака при изменяющихся климатических условиях

Почему скрытые отпечатки дождя важны

В засушливых странах, таких как Ирак, каждая капля дождя на вес золота. Но дождь делает больше, чем просто пополняет реки и резервуары — он несёт химический «отпечаток», который раскрывает, откуда пришла вода, как формировались облака и даже как меняется климат. В этом исследовании показано, как современные методы искусственного интеллекта умеют «читать» такие отпечатки и превращать обычные метеорологические данные в важные подсказки для управления скудными водными ресурсами в условиях потепления.

Тайные подписи воды

Дождевая вода состоит не только из H₂O. Крошечные вариации в типах атомов кислорода и водорода — так называемые стабильные изотопы — работают как природные трассеры. Двумя из наиболее полезных являются δ¹⁸O и δ²H. Их значения меняются в зависимости от температуры, путей прохождения штормов, высоты и испарения, давая учёным представление о том, где зародилась вода и как она перемещалась через атмосферу и ландшафт. Традиционно измерение этих изотопов требует специализированного лабораторного оборудования и аккуратного отбора проб, что может быть дорого и сложно поддерживать на больших территориях и в долгие сроки.

Отслеживание дождя по разнообразному ландшафту

Ирак служит естественной лабораторией для этой работы, поскольку его климат варьируется от прохладных гор на северо-востоке до жарких сухих пустынь и низменных равнин в центре и на юге. Более 70% территории страны являются аридными или полуаридными, и количество осадков может сильно различаться от региона к региону. Чтобы отразить это разнообразие, исследователи использовали данные с 34 метеостанций, разбросанных по стране, за 14 лет — с 2010 по 2024 год. Эти станции предоставили измерения изотопов вместе с повседневными метеопоказателями, такими как количество осадков, температура воздуха, относительная влажность и высота над уровнем моря. В совокупности они сформировали редкую долгосрочную картину того, как климат и география влияют на изотопный состав дождя в Ираке.

Обучение машин чтению дождя

Вместо того чтобы опираться только на лабораторные измерения, команда задала новый вопрос: может ли искусственный интеллект научиться прогнозировать δ¹⁸O и δ²H, используя лишь стандартные метеоданные? Они испытали шесть популярных методов машинного обучения, включая машины опорных векторов, нейронные сети, методы градиентного бустинга и технику, называемую случайным лесом, которая строит множество решающих деревьев и усредняет их результаты. Набор данных был разделён на обучающую и тестовую выборки, а исследователи применили аккуратную стратегию, называемую увеличением данных (data augmentation) — добавление небольших реалистичных вариаций во входные параметры — чтобы помочь моделям лучше обобщать на новые условия, а не просто запоминать исходные значения.

Выдающаяся модель и её выводы

Из всех подходов модель случайного леса показала наилучшие результаты. Она объясняла около 90% вариации значений изотопов и сохраняла относительно низкие ошибки предсказания, значительно превосходя более простые методы, такие как машины опорных векторов. При построении графика предсказаний модели против фактических измерений изотопов точки выстраивались близко к идеальной прямой один к одному, что свидетельствует о том, что система улавливает основные закономерности поведения изотопов дождя. Модель также показала, какие метеофакторы имеют наибольшее значение: количество осадков и температура воздуха оказались самыми сильными влияниями, за ними следуют высота и относительная влажность. Эти ранжирования хорошо согласуются с физическим пониманием того, как формируются, падают и испаряются капли дождя в разных климатах.

От компьютерного кода к реальным водным решениям

Доказав, что соотношения изотопов можно надёжно оценивать по рутинным метеоданным, это исследование открывает путь к созданию плотных, непрерывных карт «отпечатков» дождя по всему Ираку — даже в районах или годах, где не собирали изотопные пробы. Такие карты могут помочь учёным прослеживать, как дождевая вода просачивается в водоносные горизонты, питает реки или теряется из-за испарения, и давать ценные подсказки о том, как изменение климата перестраивает водный цикл. Для лиц, принимающих решения в аридных и полуаридных регионах, модели на базе ИИ, подобные этой, предлагают практичный и экономичный инструмент для долгосрочного планирования водных запасов, защиты ресурсов и лучшего понимания того, как сегодняшние штормы сформируют завтрашние ресурсы.

Цитирование: Maliki, A.A., Al-Naji, A., Lami, A.K.A. et al. Employing artificial intelligence to predict δ¹⁸O and δ²H isotope ratios in precipitation in Iraq under changing climate patterns. Sci Rep 16, 1296 (2026). https://doi.org/10.1038/s41598-026-35047-x

Ключевые слова: изотопы осадков, искусственный интеллект, водные ресурсы, климат Ирака, случайный лес