Алгоритм помогает исследовать связи между химическим составом рек и окружающей средой

Методы машинного обучения могут помочь ученым лучше понять сложную химию водотоков и отслеживать более широкие экологические условия. Исследователи сообщают о новом применении алгоритма машинного обучения для анализа того, как химический состав рек меняется со временем, уделяя особое внимание колебаниям углекислого газа (CO₂) в этой сложной системе.

Ученые предполагают, что этот алгоритм можно использовать для изучения роли рек в секвестрации CO₂ и его возврате в атмосферу. Понимание этого процесса крайне важно из-за влияния этого парникового газа на глобальный климат. "Химический состав рек меняется со временем, и эти изменения могут дать нам много информации", — отмечает Сьюзан Брантли, профессор геонаук Университета Пенсильвании. Среди открытий исследователи обнаружили, что кислотные дожди снижают способность водосборного бассейна улавливать CO₂. Например, серная кислота в таких осадках может растворять силикатные материалы, что влияет на процесс секвестрации.

Основная сложность мониторинга — комплексность химии рек, с которой и помогает справиться машинное обучение. До этого ученые полагались на метод анализа смешения конечных членов (EMMA), но объяснить вариации концентраций и стока оставалось трудно. Команда разработала модель на основе неотрицательной матричной факторизации (NMF) — метода обучения без учителя, который ищет паттерны в данных. Алгоритм был протестирован на данных из обсерватории критической зоны Shale Hills в Пенсильвании, а затем проверен на водосборах East River в Колорадо и Hubbard Brook в Нью-Гэмпшире.

В настоящее время исследователи применяют алгоритм для изучения химического состава рек в регионе сланца Марселлус, где добыча методом гидроразрыва пласта могла повлиять на водотоки.