イスラエルにおける地下水塩害のための AI ドライブ予測モデル

arXiv:2602.07478v1 告知タイプ：新規 要旨：世界的な多くの地域で、地下水の塩分増加と汚染は深刻な課題であり、水資源の劣化を引き起こしています。本作業の目的は、地下水塩害の根因要因に対する包括的な理解を構築し、塩分の主要な気象、地質、および人類的な動向を同定することです。私たちは異なる潜在共変量のデータセットを統合し、ランダムフォレスト（RF）、XGBoost、ニューラルネットワーク、長期短期記憶（LSTM）、畳み込みニューラルネットワーク（CNN）、および線形回帰（LR）を含む機械学習に基づく予測モデルの堅固な枠組みを作成しました。さらに、递归特徴除去（RFE）を踏まえて、全局的感度分析（GSA）および説明可能な AI（XAI）に基づく SHapley Additive exPlanations（SHAP）が使用され、スコア重要度を推定し、塩害の動向に関する洞察を提供するために利用されました。私たちが因果分析を行った際、Double machine learning を使用してさまざまな予測モデルを通じて、イスラエル全域での地下水塩分の影響のある動向として、気象（降水量、温度）、地質（河川からの距離、塩水塊からの距離、TWI、海岸線距離）、および人類的（農地面積、処理下水）共変量が特定されました。XAI 分析も、塩分の不可欠な人類的動向として処理下水（TWW）を特定し、その重要性は文脈に依存しますが、脆弱な水文気候的環境では決定的です。私たちのアプローチは、国レベルでの塩害メカニズムに対するより深い洞察を提供し、AI モデルの不確実性を低減させ、塩分に対処するための個別化された戦略の必要性を浮き彫りにします。

arXiv:2602.07478v1 Announce Type: new Abstract: Increasing salinity and contamination of groundwater is a serious issue in many parts of the world, causing degradation of water resources. The aim of this work is to form a comprehensive understanding of groundwater salinization underlying causal factors and identify important meteorological, geological and anthropogenic drivers of salinity. We have integrated different datasets of potential covariates, to create a robust framework for machine learning based predictive models including Random Forest (RF), XGBoost, Neural network, Long Short-Term Memory (LSTM), convolution neural network (CNN) and linear regression (LR), of groundwater salinity. Additionally, Recursive Feature Elimination (RFE) followed by Global sensitivity analysis (GSA) and Explainable AI (XAI) based SHapley Additive exPlanations (SHAP) were used to estimate the importance scores and find insights into the drivers of salinization. We also did causality analysis via Double machine learning using various predictive models. From these analyses, key meteorological (Precipitation, Temperature), geological (Distance from river, Distance to saline body, TWI, Shoreline distance), and anthropogenic (Area of agriculture field, Treated Wastewater) covariates are identified to be influential drivers of groundwater salinity across Israel. XAI analysis also identified Treated Wastewater (TWW) as an essential anthropogenic driver of salinity, its significance being context-dependent but critical in vulnerable hydro-climatic environment. Our approach provides deeper insight into global salinization mechanisms at country scale, reducing AI model uncertainty and highlighting the need for tailored strategies to address salinity.