详细内容或原文请订阅后点击阅览
新的机器学习框架改善了西澳地下水补给估算
一项新研究揭示了一个基于机器学习的框架，该框架使用卫星数据准确估算珀斯盆地的地下水补给量，特别关注 Gnangara 地下水系统。 Gnangara 含水层系统位于西澳大利亚南部，是该地区最关键的水资源之一，但也是最容易受到气候变化影响的资源之一。
来源:Scimex期刊/会议：水资源研究
期刊/会议：研究：论文
研究： 论文组织：格里菲斯大学、CSIRO
组织：媒体发布
来自：格里菲斯大学
格里菲斯大学领导的一项新研究揭示了一个基于机器学习的框架，可以准确估算珀斯盆地的地下水补给量，特别关注 Gnangara 地下水系统。
Gnangara 含水层系统位于西澳大利亚南部，是该地区最关键的水资源之一，但也是最容易受到气候变化影响的资源之一。
Gnangara 系统位于珀斯盆地内，该盆地为珀斯提供了 35%-50% 的饮用水，并支持农业和采矿等关键行业。
地下水补给是地表水（例如雨水、河流或湖泊）补充地下水储量的过程。
降水量和补给量的减少，加上持续下降的预测，给管理这一重要资源带来了重大挑战。
这项研究由格里菲斯大学澳大利亚河流研究所博士候选人 Ikechukwu Kalu 领导，利用重力恢复和气候实验 (GRACE) 卫星数据，将先进的随机森林回归模型与地下水储量异常相结合，以克服当前空间分辨率的限制。
通过将 GRACE 数据缩小到 0.05°（~5 公里）的精细分辨率，研究人员获得了 Gnangara 系统的可靠补给估计值，这是一个相对较小的校准点，面积约为 2,200 平方公里。
“这种改进的 GRACE 数据使我们能够跟踪 Gnangara 系统的地下水变化并更准确地估计补给量，”格里菲斯大学 ARC DECRA 研究员、该研究的合著者 Christopher Ndehedehe 博士说。
了解珀斯盆地复杂含水层系统（包括浅层、利德维尔和 Yarragadee 含水层）内的地下水动态一直是一项长期挑战。