Geosci. Front. | 埃及锡瓦绿洲应用无监督机器学习和三维重力反演建模进行含水层表征与盐化成因分析

本研究针对埃及锡瓦绿洲地下水盐化问题，综合运用无监督机器学习和三维重力反演建模技术，对复杂的多含水层系统进行表征。研究背景是干旱绿洲环境中，深部努比亚砂岩含水层与浅部第三系碳酸盐岩含水层通过断层系统相互作用，加之高盐度地表湖泊潜在的渗漏，构成了复杂的水文地质条件。研究目的是通过整合测井数据与重力数据，客观划分岩相、识别控制地下水流动的构造特征，并建立综合三维模型，以分析含水层特性与地下水水质的关系。研究结论表明，自组织映射（SOM）算法在岩相分类和薄含水层分辨上优于K均值算法；重力分析揭示了主导的NE-SW、NW-SE及E-W向构造线，控制着地下水流动；三维反演模型估算基底深度在2.5-4 km之间。综合分析指出，绿洲南部构造复杂程度低、盐度低，是未来淡水开采的有利区域，而中部和东北部因浅部裂缝导致高盐度地表水渗漏，属于高风险区。该综合方法为类似干旱环境的可持续地下水管理提供了可移植的框架。