Yeraltı suyunun değerlendirilmesi için duyarlılık analizi ile doğrusal olmayan bir çevresel indeksin makine öğrenmesiyle modellenmesi

Ayaklarımızın Altındaki Su Neden Önemli?

Dünyanın birçok kurak bölgesinde, güney İran da dahil olmak üzere, insanlar içme ve sulama suyu için yeraltı sularına güvenir. Ancak bu gizli kaynak, yüzeyde belirgin bir uyarı olmadan yavaşça çok tuzlu veya kirli hale gelebilir. Bu çalışma, bir şehir ve yüzlerce köye su sağlayan Marvdasht akiferini inceliyor ve modern veri araçlarının suyun nerede hâlâ içilebilir olduğunu, nerede bozulduğunu ve sudaki hangi bileşenlerin en önemli olduğunu nasıl izleyebileceğini gösteriyor.

Birçok Ölçümü Tek Bir Açık Skora Dönüştürmek

Yeraltı suyu sodyum, kalsiyum, magnezyum, klorür ve sülfat gibi çözünmüş mineraller ve tuzların bir karışımını içerir. Bunların her biri sağlık ve boru aşınması üzerinde farklı etkiler yapar ve onlarca kuyudan gelen uzun sayı tablolarını okumak hızla bunaltıcı hale gelir. Bunu basitleştirmek için araştırmacılar Yeraltı Suyu Kalite İndeksi (GWQI) kullandılar. Bu indeks, Dünya Sağlık Örgütü yönergelerini referans alarak suyun rutin olarak ölçülen 11 özelliğini tek bir puanda birleştirir. Düşük puanlar mükemmel suyu, yüksek puanlar ise çok tuzlu veya içme için uygun olmayan suyu işaret eder.

Kuyular Akifer Hakkında Ne Anlatıyor?

On yıl boyunca toplanan 70 kuyudan elde edilen verileri kullanan ekip, Marvdasht akiferinin büyük ölçüde baskı altında olduğunu buldu. Örneklerin sadece yaklaşık dörtte biri, içme için iyi kabul edilen düşük toplam çözünmüş madde (TDM) seviyelerine sahipti; bu, genel tuzluluk ölçüsüdür. Tüm örnekler “sert” veya “çok sert” kategorilerindeydi; bu da yüksek kalsiyum ve magnezyum seviyeleri anlamına geliyor. Barajla beslenen ve kalkerden geçen akiferin kuzey kısmı hâlâ çoğunlukla iyi ila mükemmel su gösteriyor. Ancak su güneye doğru hareket ettikçe, jips açısından zengin kayalardan daha fazla tuz çözüyor ve tarımsal ile kentsel geri akışlarla karışarak önemli ölçüde daha tuzlu ve ev kullanımı için daha az uygun hale geliyor.

Suda En Önemli Bileşenleri Bulmak

Yeraltı suyundaki her kimyasal güvenlik üzerinde aynı etkiye sahip değildir. Çalışma, bir duyarlılık analizi kullanarak basit bir soru sordu: indeksten tek bir bileşen çıkarılırsa, genel skor ne kadar değişir? Cevap açıktı. Tuzluluğun ölçüleri olan toplam çözünmüş madde ve elektriksel iletkenlik, yeraltı suyu kalite indeksinde en büyük kaymaları tetikledi. Klorür, sodyum ve su sertliği de önemli sürücülerdi. Buna karşılık potasyum ve bikarbonat gibi özellikler yalnızca küçük bir rol oynadı. Bu, bu akiferde artan tuzluluk ve ilişkili iyonların yeraltı suyunun içilebilir olmaktan çıktığının ana uyarı işaretleri olduğu anlamına geliyor.

Bilgisayarlara Su Kalitesini Tahmin Etmeyi Öğretmek

Her yeni örnek için bir indeks hesaplamak ve ayrıntılı haritaları elle güncellemek yavaş ve pahalı olabilir. Süreci hızlandırmak için araştırmacılar, mevcut su kimyası verilerini kullanarak üç tür bilgisayar modelini eğittiler — yapay sinir ağları, destek vektör makineleri ve rastgele ormanlar. Eğitildikten sonra, bu modeller ölçülen iyonlar ve tuzlardan doğrudan yeraltı suyu kalite indeksini tahmin edebilir; henüz indeksi hesaplanmamış yer ve zamanlar için bile. Üç model arasında sinir ağı modeli öne çıktı: indeksi son derece yüksek doğruluk ve düşük hatayla yeniden üretti ve farklı kimyasalların genel kaliteyi etkileme biçimindeki karmaşık, doğrusal olmayan ilişkiyi yakaladı.

Bu İnsanlar ve Politika İçin Ne Anlama Geliyor?

Sakinler ve karar vericiler için mesaj iki yönlü. Bir yandan, Marvdasht akiferinin güney ve güneydoğu kesimlerinde geniş alanlarda yeraltı suyunun zaten içme için çok tuzlu ve sert olduğu ve bu eğilimin yerel jeoloji ile insan faaliyetleriyle yakından bağlantılı olduğu görülüyor. Öte yandan çalışma, basit, kolay anlaşılır bir indeksi makine öğrenmesi ve dijital haritalarla birleştirmenin bu değişiklikleri verimli şekilde izlemenin ve yüksek riskli bölgeleri belirlemenin mümkün olduğunu gösteriyor. Pratik açıdan bakıldığında, bu yaklaşım kuyuların yönetimi, kirliliğin sınırlandırılması ve kurak bölgelerde her damlası değerli olan temiz su için alternatif tedariklerin planlanması açısından maliyet-etkin bir erken uyarı sistemi sunuyor.

Atıf: Azma, A., Liu, Y. & Alemu, E.T. Machine learning modelling of a nonlinear environmental index with sensitivity analysis for groundwater assessment. Sci Rep 16, 14595 (2026). https://doi.org/10.1038/s41598-026-44906-6

Anahtar kelimeler: yeraltı suyu kalitesi, su tuzluluğu, makine öğrenmesi, su kaynakları, akifer izleme