Отслеживание загрязнения подземных вод до источника

Исследователи из Австралии и Индии установили, что компьютерные алгоритмы могут быть полезны для идентификации источников загрязнения подземных вод. В статье в журнале International Journal of Environment and Waste Management они объясняют, насколько сложной традиционно является задача отслеживания такого загрязнения.

Подземные воды — это крупный и экономичный источник питьевой воды как для городских, так и для сельских районов. Хотя подземные воды составляют небольшой процент от общего распределения воды на планете, они являются крупнейшим доступным резервуаром пресной воды, доступный объем которой составляет менее 0.5% всей воды на Земле. Однако подземная среда также является основным местом размещения растущих объемов бытовых и промышленных отходов. Поскольку глобальное потребление воды удваивается каждые 20 лет (более чем в два раза быстрее роста населения), проблема загрязнения подземных вод становится все более острой.

Загрязнение подземных вод происходит из различных антропогенных источников, таких как утечки из подземных резервуаров-хранилищ, химических и отходных депозитариев, свалок опасных отходов, канализаций, жидких стоков, технологических лагун, поглощающих колодцев и аварийные сбросы. Как отмечают Рави Найду из Центра оценки экологических рисков и ремедиации Университета Южной Австралии и его коллеги, «ремедиация таких загрязненных участков требует оптимальной системы принятия решений, чтобы работы были выполнены экономически эффективно и результативно. Идентификация неизвестных источников загрязнения играет важную роль в ремедиации и сдерживании распространения загрязняющего шлейфа на опасном участке».

Исследователи указывают, что надежная и точная оценка неизвестных источников загрязнения подземных вод остается сложной задачей из-за связанных с этим неопределенностей и, в большинстве случаев, недостатка адекватных данных наблюдений. Проблемой является и неоднозначная природа результатов идентификации при поиске первоначального источника загрязнителя. Ученые проверили эффективность различных оптимизационных алгоритмов, включая генетический алгоритм, искусственную нейронную сеть, метод имитации отжига и гибридные методы. Все эти методы по сути обрабатывают доступные данные, включая концентрации загрязнителей, их изменение во времени и данные мониторинга, чтобы определить потенциальный источник. Преимущество использования таких алгоритмов заключается в том, что по мере поступления новой информации следующая итерация расчетов будет приближать исследователей к источнику.