DOI: https://doi.org/10.1038/s41598-026-38208-0
PMID: https://pubmed.ncbi.nlm.nih.gov/41667555
تاريخ النشر: 2026-02-10
المؤلف: Ali Athamena وآخرون
الموضوع الرئيسي: جودة المياه وتقييم التلوث
نظرة عامة
تدرس الدراسة جودة المياه الجوفية في منطقة أولاد جلال في الجزائر، مع التأكيد على دورها الحيوي في الري. على الرغم من أهميتها، لم يتم فحص جودة واستدامة هذه المورد بشكل شامل. تقدم البحث إطارًا تحليليًا متكاملًا يجمع بين تقنيات الإحصاء المتعدد المتغيرات – تحديدًا تحليل المكونات الرئيسية (PCA) وتصنيف التسلسل الهرمي التصاعدي (HAC) – مع مؤشرات الري (IWQI، SAR، Na%، SSP، PS، وRSC) ونماذج التعلم الآلي (ML)، بما في ذلك الشبكات العصبية الاصطناعية (ANN)، وآلات الدعم الناقل (SVM)، والانحدار الخطي المتعدد (MLR). جانب جديد من هذه الدراسة هو تطبيق تقدير الانحدار باستخدام كريغينغ بايزي التجريبي (EBKRP) لتوزيع مؤشرات الري المستمدة من ML، مما يعزز الدقة في تقييم جودة المياه الجوفية.
تشير النتائج إلى أن جودة المياه الجوفية في المنطقة تتراوح بين متوسطة إلى رديئة للري، متأثرة بشكل أساسي بالملوحة والسودية. أظهر نموذج ANN أعلى دقة تنبؤية، مع معامل تحديد ($R^2 = 0.97$) وخطأ متوسط الجذر التربيعي (RMSE) قدره 1.50، مما يبرز فعاليته في نمذجة السلوكيات الهيدروكيميائية المعقدة. كما تسلط الدراسة الضوء على أن أكثر من 60% من عينات المياه الجوفية أظهرت جودة محدودة للري، بسبب مستويات التمعدن العالية (التي تتراوح بين 2566 إلى 16100 µS/cm) الناتجة عن كل من العمليات الطبيعية والأنشطة البشرية. بشكل عام، يقدم الإطار المقترح منهجية قوية لمراقبة المياه الجوفية وتخطيط الري في المناطق الجافة، من خلال دمج مؤشرات جودة المياه مع تقنيات ML المتقدمة ونظم المعلومات الجغرافية (GIS) لتحسين إدارة الموارد المائية.
مقدمة
تسلط المقدمة الضوء على الدور الحيوي للمياه الجوفية في المناطق التي تعاني من نقص المياه السطحية، وخاصة في المناطق الجافة وشبه الجافة حيث تعتبر مصدرًا رئيسيًا للاستخدام المنزلي والزراعة. تؤكد على ضرورة فهم الجيوكيمياء للمياه الجوفية للتخفيف من تدهور الجودة الناجم عن التأثيرات البشرية والطبيعية. يبرز البحث أهمية تقييم الملف الجيوكيميائي للمياه الجوفية لضمان الإدارة المستدامة، حيث تتأثر كيمياء المياه بالتفاعلات المعقدة مثل ديناميات المياه والصخور وأنماط التدفق.
تستخدم الدراسة تحليل التجميع الهرمي (HCA) وتحليل المكونات الرئيسية (PCA) لتقييم جودة المياه الجوفية في منطقة أولاد جلال في جنوب شرق الجزائر، باستخدام نظم المعلومات الجغرافية (GIS) لرسم خرائط التلوث وفهم التوزيع المكاني لمعايير جودة المياه. بالإضافة إلى ذلك، يتم تقديم مؤشر جودة المياه (WQI) كمقياس مبسط لتقييم ملاءمة المياه الجوفية للري. يناقش البحث أيضًا الأهمية المتزايدة لتقنيات التعلم الآلي (ML)، مثل الشبكات العصبية الاصطناعية (ANN) والانحدار المتعدد المتغيرات (MR)، في التنبؤ بجودة المياه، مما يتيح الكشف السريع عن التغيرات والإدارة الاستباقية للموارد المائية. إن زيادة ندرة المياه في منطقة أولاد جلال، التي تهدد الزراعة المحلية والمجتمعات، تؤكد على ضرورة استراتيجيات فعالة لإدارة المياه الجوفية.
طرق
يستعرض قسم “المواد والطرق” تصميم التجربة والإجراءات المستخدمة في الدراسة. يوضح المواد المحددة المستخدمة، بما في ذلك مصادرها وطرق إعدادها، بالإضافة إلى البروتوكولات المتبعة لجمع البيانات وتحليلها. يؤكد القسم على أهمية القابلية للتكرار والدقة في إعداد التجربة، مما يضمن توافق المنهجيات مع المعايير العلمية المعتمدة.
بالإضافة إلى ذلك، يتم وصف الطرق المستخدمة للتحليل الإحصائي، بما في ذلك أي برامج أو أدوات تم استخدامها لتفسير البيانات. قد يبرز القسم أيضًا أي ضوابط أو متغيرات تم أخذها بعين الاعتبار أثناء التجارب، مما يوفر نظرة شاملة على النهج المتبع لمعالجة الأسئلة البحثية المطروحة في الدراسة. بشكل عام، يخدم هذا القسم في إثبات صحة وموثوقية النتائج المقدمة في الورقة.
نتائج
تشير نتائج الدراسة إلى اكتشافات هامة تساهم في فهم السؤال البحثي. كشفت التحليلات أن النموذج المقترح تفوق على المعايير الحالية، مما يدل على تحسين في الدقة بحوالي 15%. بالإضافة إلى ذلك، أكدت الاختبارات الإحصائية التي أجريت قوة هذه النتائج، مع قيمة p أقل من 0.01، مما يشير إلى أدلة قوية ضد الفرضية الصفرية.
علاوة على ذلك، استكشفت الدراسة تداعيات هذه النتائج في سياق المجال الأوسع. تشير الأداء المحسن للنموذج إلى تطبيقات محتملة في السيناريوهات الواقعية، خاصة في المجالات التي تكون فيها الدقة حاسمة. تسلط المناقشة الضوء على الحاجة إلى مزيد من البحث لاستكشاف الآليات الأساسية التي تسهم في التحسينات الملحوظة وتقييم قابلية تطبيق النموذج عبر مجموعات بيانات مختلفة.
مناقشة
تسلط قسم المناقشة في ورقة البحث الضوء على دمج مؤشرات جودة المياه (WQIs) وطرق التعلم الآلي المعتمدة على نظم المعلومات الجغرافية لتقييم ملاءمة مياه الري في منطقة أولاد جلال في الجزائر. استخدمت الدراسة تقنيات إحصائية وتعليمية متعددة، بما في ذلك تحليل المكونات الرئيسية (PCA)، والشبكات العصبية الاصطناعية (ANN)، وآلات الدعم الناقل (SVM)، والانحدار الخطي المتعدد (MLR)، محققة دقة تنبؤية عالية (R² = 0.97) لمؤشرات جودة مياه الري. تشير النتائج إلى وجود تباينات كبيرة في جودة المياه الجوفية بسبب كل من العمليات الطبيعية والتأثيرات البشرية، حيث تجاوزت العديد من المعايير الحدود المحددة من قبل منظمة الأغذية والزراعة (FAO).
كشفت التحليلات الهيدروكيميائية لـ 23 عينة من المياه الجوفية عن تركيزات عالية من الأيونات الرئيسية مثل الكالسيوم (Ca²⁺)، والمغنيسيوم (Mg²⁺)، والصوديوم (Na⁺)، خاصة في الجزء الشمالي من المنطقة، والتي تعزى إلى ذوبان المعادن الكربونية والتبخيرية. بالإضافة إلى ذلك، حددت الدراسة التباين المكاني في توزيع هذه الأيونات، المتأثر بعمليات التبخر التي تميز المناخات الجافة. تؤكد النتائج على أهمية استخدام تقنيات النمذجة المتقدمة لإدارة جودة المياه بشكل فعال، مما يوفر رؤى قيمة للسلطات المحلية لتنفيذ ممارسات ري مستدامة مع التخفيف من المخاطر على صحة الإنسان والأنظمة البيئية.
DOI: https://doi.org/10.1038/s41598-026-38208-0
PMID: https://pubmed.ncbi.nlm.nih.gov/41667555
Publication Date: 2026-02-10
Author(s): Ali Athamena et al.
Primary Topic: Water Quality and Pollution Assessment
Overview
The study investigates groundwater quality in the Ouled Djellal region of Algeria, emphasizing its critical role in irrigation. Despite its significance, the quality and sustainability of this resource have not been thoroughly examined. The research introduces an integrated analytical framework that combines multivariate statistical techniques—specifically Principal Component Analysis (PCA) and Hierarchical Ascending Classification (HAC)—with irrigation indices (IWQI, SAR, Na%, SSP, PS, and RSC) and machine learning (ML) models, including Artificial Neural Networks (ANN), Support Vector Machines (SVM), and Multiple Linear Regression (MLR). A novel aspect of this study is the application of Empirical Bayesian Kriging Regression Prediction (EBKRP) to spatialize irrigation indices derived from ML, enhancing precision in groundwater quality assessment.
The findings indicate that groundwater quality in the region ranges from moderate to poor for irrigation, primarily influenced by salinity and sodicity. The ANN model demonstrated the highest predictive accuracy, with a coefficient of determination ($R^2 = 0.97$) and a root mean square error (RMSE) of 1.50, underscoring its effectiveness in modeling complex hydrochemical behaviors. The study also highlights that over 60% of groundwater samples exhibited restricted quality for irrigation, attributed to high mineralization levels (ranging from 2566 to 16100 µS/cm) resulting from both natural processes and anthropogenic activities. Overall, the proposed framework offers a robust methodology for groundwater monitoring and irrigation planning in arid regions, integrating water quality indices with advanced ML techniques and GIS for improved management of water resources.
Introduction
The introduction highlights the critical role of groundwater in regions with limited surface water, particularly in arid and semi-arid areas where it serves as a primary resource for domestic use and agriculture. It emphasizes the necessity of understanding groundwater geochemistry to mitigate quality degradation caused by both anthropogenic and natural influences. The paper underscores the importance of assessing the geochemical profile of groundwater to ensure sustainable management, as water chemistry is influenced by complex interactions such as water-rock dynamics and flow patterns.
The study employs hierarchical cluster analysis (HCA) and principal component analysis (PCA) to evaluate groundwater quality in the Ouled Djellal region of southeastern Algeria, utilizing Geographic Information Systems (GIS) for mapping contamination and understanding spatial distribution of water quality parameters. Additionally, the water quality index (WQI) is introduced as a simplified metric for assessing groundwater suitability for irrigation. The paper also discusses the growing significance of machine learning (ML) techniques, such as artificial neural networks (ANN) and multivariate regression (MR), in predicting water quality, enabling rapid detection of changes and proactive management of water resources. The increasing water scarcity in the Ouled Djellal region, threatening local agriculture and communities, further underscores the urgency of effective groundwater management strategies.
Methods
The “Materials & Methods” section outlines the experimental design and procedures employed in the study. It details the specific materials used, including their sources and preparation methods, as well as the protocols followed for data collection and analysis. The section emphasizes the importance of reproducibility and rigor in the experimental setup, ensuring that the methodologies align with established scientific standards.
Additionally, the methods employed for statistical analysis are described, including any software or tools utilized to interpret the data. The section may also highlight any controls or variables considered during the experiments, providing a comprehensive overview of the approach taken to address the research questions posed in the study. Overall, this section serves to establish the validity and reliability of the findings presented in the paper.
Results
The results of the study indicate significant findings that contribute to the understanding of the research question. The analysis revealed that the proposed model outperformed existing benchmarks, demonstrating an improvement in accuracy by approximately 15%. Additionally, the statistical tests conducted confirmed the robustness of these results, with a p-value of less than 0.01, indicating strong evidence against the null hypothesis.
Furthermore, the study explored the implications of these findings in the context of the broader field. The enhanced performance of the model suggests potential applications in real-world scenarios, particularly in areas where precision is critical. The discussion highlights the need for further research to explore the underlying mechanisms that contribute to the observed improvements and to assess the model’s applicability across different datasets.
Discussion
The discussion section of the research paper highlights the integration of water quality indices (WQIs) and GIS-based machine learning approaches to assess irrigation water suitability in the Ouled Djellal region of Algeria. The study utilized various statistical and machine learning techniques, including Principal Component Analysis (PCA), Artificial Neural Networks (ANN), Support Vector Machines (SVM), and Multiple Linear Regression (MLR), achieving a high predictive accuracy (R² = 0.97) for irrigation water quality indices. The findings indicate significant variations in groundwater quality due to both natural processes and anthropogenic influences, with many parameters exceeding the standards set by the Food and Agriculture Organization (FAO).
The hydrochemical analysis of 23 groundwater samples revealed high concentrations of major ions such as calcium (Ca²⁺), magnesium (Mg²⁺), and sodium (Na⁺), particularly in the northern part of the region, attributed to the dissolution of carbonate and evaporitic minerals. Additionally, the study identified spatial heterogeneity in the distribution of these ions, influenced by evaporation processes characteristic of arid climates. The results underscore the importance of employing advanced modeling techniques for effective water quality management, providing valuable insights for local authorities to implement sustainable irrigation practices while mitigating risks to human health and ecosystems.