使用地球化学与机器学习方法预测加纳北部卡拉加区地下水氟化物含量

这对日常饮用水为何重要

在许多农村社区，即使看起来最清澈的井水也可能悄然含有足以损害牙齿、削弱骨骼并危及长期健康的氟化物。本研究聚焦于加纳北部的卡拉加区——一个儿童常以地下水为日常饮水的地区。研究者试图回答两个紧迫的问题：地下水中氟化物在哪些地方最危险？能否用简单的现场测量和现代数据工具预测这些高风险区域？

干旱地表下的隐秘化学过程

卡拉加位于厚厚的古老砂岩与泥岩层上，这些岩层像巨大的海绵一样储存雨水于地下。这些岩石也含有含氟矿物。随着水缓慢渗透，它溶解岩石的一部分，并沿途吸收氟。团队从社区钻孔采集了34个地下水样，并与来自附近地区的152个旧样本合并分析。他们发现氟含量从极低到超过世界卫生组织安全限值的四倍以上不等，约六分之一的样本超出该指南。大多数水体属于富钠与碳酸氢根的“软咸”型，但最严重的氟含量出现在既咸又氯化物含量高的水样，表明蒸发浓缩和可溶盐类的溶解在加剧氟浓缩。

岩石—水相互作用如何促使氟累积

通过详细的化学分析和计算机模型，研究者追踪了水中不同成分如何协同释放岩石中的氟。高pH值（更碱性）、低钙和较高的总溶解固体含量都会促使氟以溶解状态存在，而不是固定在矿物中。所有样本在化学上都“倾向”于溶解方解石以外的含氟矿物（如萤石），证实地下环境适合释放氟。数据模式表明，富钠的咸水——尤其受蒸发岩层影响的水——往往会去除水中的钙并增加总体矿物含量，从而在长距离地下流动路径上创造有利于氟累积的条件。

让数据学习风险条件

由于化学过程复杂且非线性，团队转向机器学习——一种能从数据中学习模式的计算方法——来在不直接使用氟测量值的情况下预测氟含量。相反，他们仅使用“盲于氟”的输入变量，如pH、电导率、主要离子以及来自地球化学模型的若干输出。经多种算法测试后，基于神经网络的模型表现最佳，能解释氟变异的一大部分。在各模型中传达出相同结论：总体盐度（总溶解固体与离子强度）和pH比任何单一离子更为关键。换言之，水的总体“强度”和碱性比单看钠或钙的数值更能指示氟的危险性。

用于现场筛查的简单评分

基于这些洞见，研究者构建了一个“流动性指数”——一个估算给定水样倾向释放氟的单一分数，同样在构建时不使用任何测得的氟值。该指数结合四个要素：岩石风化信号、水体距形成萤石的距离（溶解潜势）、pH以及若存在氟时的活度。每个组成部分经过尺度化与加权，高分表示更高的不安全氟可能性。在与实际氟数据对照测试时，该指数能很好地区分安全与不安全的井。关键是，它可用标准现场测量和常规实验室检测计算，使其对地区供水主管和社区组织切实可行。

对社区与政策意味何在

对卡拉加及类似地区居民而言，研究表明危险的氟含量并非随机出现；它们与可识别的岩性、咸且碱性的水体以及特定的水化学模式有关。通过将传统的地下水科学与现代机器学习结合，作者提供了一个实用的预警工具，可以在人员生病之前标记高风险井。地方当局可据此优先在流动性指数得分高的社区开展检测与处理，尽可能混兑更安全水源，并选择与当地水化学相适应的除氟方法。在加纳之外，同一框架也可适配到其他易受氟影响的地区，帮助将看不见的地下化学过程转化为可操作的安全饮水指导。

引用: Sunkari, E.D., Abdul-Wahab, D., Gutiérrez, M. et al. Geochemical and machine learning approaches to groundwater fluoride prediction in Karaga District, Northern Ghana. Sci Rep 16, 10610 (2026). https://doi.org/10.1038/s41598-026-45867-6

关键词: 地下水 氟化物, 加纳 卡拉加区, 机器学习, 地球化学 建模, 饮用水 风险