Sayısal modelleme ve yorumlanabilir makine öğrenmesi kullanarak yeraltı suyu çekimi ve beton baraj çatlaklarının tuzlu su sızıntısına etkisinin değerlendirilmesi

Deniz suyunun gizli sularımızı neden tehdit edebileceği

Birçok kıyı topluluğu için en güvenilir içme suyu kaynakları nehirler veya rezervuarlardan değil, tatlı yeraltı suyunu depolayan kum ve çakıl katmanlarından gelir. Bu akiferlerden aşırı su çekildiğinde veya koruyucu yapılar işlevini yitirdiğinde, deniz suyu yeraltından iç bölgelere doğru ilerleyip tatlı suyu tuzlandırabilir. Bu makale, yeraltı suyu çekildiğinde ve beton bir yeraltı barajında çatlaklar oluştuğunda o gizli tuzlu su cephesinin nasıl davrandığını inceliyor ve modern bilgisayar modelleri ile makine öğrenmesi araçlarının kıyı akiferlerini korumada yöneticilere nasıl yardımcı olabileceğini gösteriyor.

Yeraltında tuzlu suyun sessiz ilerleyişi

Kıyı boyunca, denize doğru akan tatlı yeraltı suyu doğal olarak daha yoğun tuzlu suya karşı bir kamış (wedge) iterek geriletir. Kuyulardan yapılan pompaj artarsa veya doğal beslenme azalırsa, bu denge bozulur ve tuzlu su kamışı iç bölgelere doğru ilerleyebilir; sonunda kuyulara ve sulama girişlerine ulaşabilir. Mühendisler bazen bu ilerleyişi yavaşlatmak için yüzey altına yeraltı barajları veya kesme duvarlar inşa eder; bunlar deniz suyunun hareket edebileceği yolu daraltır. Ancak gerçek hayatta bu beton bariyerler çatlayabilir veya kasıtlı açıklıklarla inşa edilebilir, böylece bazı deniz suyu kaçakları oluşur. Tuzlu su kamışının uzunluğunun pompaj ve bu tür çatlaklara nasıl tepki verdiğini anlamak hayati önem taşır, ancak sahada doğrudan test etmek zor olabilir.

Detaylı fiziksel modellerden akıllı kestirmelere

Yazarlar, su akışı ve tuz taşımasını izleyen bir yeraltı suyu modeliyle oluşturulmuş eğimli bir kıyı akiferinin 438 dikkatle tasarlanmış bilgisayar simülasyonundan oluşan mevcut bir setle işe başladılar. Bu simülasyonlarda sekiz anahtar faktörü, tümü basit oranlar halinde ifade edilerek değiştirdiler: tatlı ve tuzlu su arasındaki yoğunluk farkı, yeraltı barajındaki çatlağın yüksekliği ve genişliği, barajın yüksekliği ve sahile olan uzaklığı, kuyunun derinliği ve baraja uzaklığı ile pompaj hacmi. Her senaryo için model, akifer derinliği ile karşılaştırıldığında tuzlu su kamışının göreli uzunluğunu üretti; bu, deniz suyunun iç bölgelere ne kadar ulaştığını ölçen özlü bir göstergedir. Bu büyük sentetik veri seti, bir dizi makine öğrenmesi modelinin eğitimi için zemin sağladı.

Makinelere tuzlu kamışı tahmin etmeyi öğretmek

Altı farklı öğrenme yaklaşımı test edildi; bunlar basit doğrusal regresyondan karar ağaçları, rastgele ormanlar ve aşırı gradyan artırma (extreme gradient boosting) gibi daha esnek tekniklere kadar uzanıyordu. Bu modelleri eğitmeden önce ekip, hangi girdilerin gerçekten etkili olduğunu ve bazı girdilerin birbirine çok yakın hareket edip etmediğini görmek için verideki gereksizliği ve istatistiksel sapmaları standart testlerle kontrol etti. Ardından her modelin iç ayarlarını ince ayarlamak için otomatik bir arama stratejisi kullandılar ve performansı katı çapraz doğrulamayla değerlendirdiler. Açık ara kazanan, özellikle gradyan‑artırma yaklaşımı olmak üzere topluluk (ensemble) modelleri ailesiydi; bu yöntem simüle edilen kamış uzunluklarını pratikte ihmal edilebilecek kadar küçük hatalarla yeniden üretti.

Tahminlerin kara kutusunu açmak

Sadece doğru tahminler su yöneticileri için yeterli değildir; hangi değişkenlerin en çok etkilediğini de anlamaları gerekir. En iyi performans gösteren modeli daha şeffaf kılmak için yazarlar, her bir girdinin belirli bir tahmini yukarıya veya aşağıya nasıl ittiğini açıklayan araçlar kullandılar. Bu açıklamalar, kuyudan pompalanan su hızının kamış uzunluğu üzerinde baskın kontrol olduğunu gösterdi: daha yüksek pompaj tuzlu suyu daha iç bölgelere çeker. Bunu çatlağın barajdaki yüksekliği izledi; ardından genişlik ve kuyu ile baraj arasındaki mesafe geldi. Barajın genel yüksekliği veya sahilden tam konumu gibi diğer faktörler de test edilen aralıklarda rol oynuyordu ancak daha az etkiliydi. Ekip ayrıca modellerinin Kıbrıs’taki gerçek bir kıyı akiferi için hazırlanmış ayrı bir ayrıntılı simülasyon setiyle eşleşebildiğini doğrulayarak modelin orijinal eğitim vakalarının ötesinde de işe yarayabileceğine güven verdi.

Karmaşık bilimi kullanılabilir araçlara dönüştürmek

Bu bulguları erişilebilir kılmak için yazarlar, eğitilmiş modeli basit masaüstü ve web arayüzleri içine sardılar. Artık fiziksel açıdan yoğun simülasyonlar çalıştırmak yerine, bir yönetici kuyu pompajı, baraj geometrisi ve çatlak boyutunu temsil eden birkaç boyutsuz oran girebilir ve tuzlu su kamışının iç bölgelere ne kadar ilerleyeceğine dair anlık bir tahmin alabilir. Çalışma, özetle, dikkatle eğitilmiş veri‑odaklı bir modelin çok daha zorlu sayısal hesaplamaların yerine geçebileceğini, buna karşın alttaki fiziksel olguları hala yansıtmayı sürdürebileceğini gösteriyor.

Kıyı su kullanıcıları için bunun anlamı

Bu çalışma, deniz suyunun iç bölgelere doğru sürünerek ilerleyişinin yüksek kaliteli simülasyonlarla eğitilmiş makine öğrenmesi kullanılarak hızla ve güvenilir biçimde öngörülebileceğini gösteriyor. Bir uzman olmayan için ana mesaj basit: kıyı yeraltı suyunu ne kadar güçlü pompaladığımız ve yeraltı bariyerlerini ne kadar iyi tasarlayıp bakımını yaptığımız, kuyuların tatlı mı kalacağı yoksa tuzlu mu olacağı üzerinde doğrudan etkiye sahiptir. Hangi tasarım tercihleri ve işletme koşullarının en çok önem taşıdığını vurgulayarak ve bu bilgiyi kullanımı kolay yazılımlarda paketleyerek, çalışma kıyılardaki kıt tatlı suyu korumak için pratik bir karar desteği sunuyor.

Atıf: 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

Anahtar kelimeler: tuzlu su sızması, kıyı akiferi, yeraltı suyu pompalama, yeraltı barajı, makine öğrenmesi