Машинное обучение для анализа пресной воды

Исследователи из Сиракузского университета и Техасского университета A&M применили модель машинного обучения для изучения того, где и в какой степени деятельность человека способствует гидрогеохимическим изменениям, таким как рост солёности и щёлочности в реках США.

Понимание процессов, влияющих на солёность и щёлочность, имеет важные экологические последствия. Избыточная солёность делает воду непригодной для питья и вредит экосистемам, в то время как щёлочность может нейтрализовать кислотность воды и поглощать атмосферный CO₂, играя ключевую роль в углеродном цикле и смягчении изменения климата.

Команда использовала данные 226 пунктов мониторинга рек по всей территории США, где непрерывные измерения качества воды велись не менее 30 лет. Модель оценила 32 фактора водосбора: от гидрологии, климата и геологии до химии почв и землепользования. Модели определили, что деятельность человека, такая как применение дорожной соли (с показателями плотности населения и доли искусственных покрытий), является основным фактором засоления рек. В то же время рост щёлочности был в основном связан с естественными процессами, такими как локальные климатические и гидрогеологические условия, включая сток и свойства почв.

«Щёлочность — критический компонент углеродного цикла, — говорит Тао Вэнь. — Хотя мы обнаружили, что естественные процессы являются основными драйверами подщелачивания, эти природные факторы всё ещё могут быть изменены человеком». Результаты исследования могут помочь в будущих работах по усиленному выветриванию горных пород — методу удаления углерода из атмосферы.