Random Forest-Based Prediction of Geothermal Heat Flow in the Arabian-Nubian Shield: A Multi-Proxy Satellite Geophysical Approach

Der verborgene Thermostat der Erde

Stellen Sie sich die Erde nicht nur als einen festen Fels vor, auf dem wir gehen, sondern als einen riesigen, langsam köchelnden Eintopftopf. Tief im Inneren ist der Planet noch immer heiß von seiner Entstehung vor Milliarden von Jahren, und er gibt diese Hitze ständig nach oben zur Oberfläche ab. Diese unsichtbare Wärme wird als „terrestrischer Wärmefluss“ bezeichnet. Für die meisten von uns ist diese Wärme nur ein Hintergrundrauschen, aber für Wissenschaftler und Energieunternehmen ist sie eine potenzielle Goldgrube. Wenn man einen Ort findet, an dem die Erde schnell genug Wärme abgibt, kann man diese Energie in Elektrizität umwandeln, um Städte mit Strom zu versorgen oder Wasser für die Entsalzung zu erhitzen – und das alles, ohne fossile Brennstoffe zu verbrennen.

Der schwierige Teil ist, dass die Erde ein wenig wie eine Geheimnisbox ist. Wir können nicht tief genug bohren, um das ganze Bild zu sehen, daher haben wir nur ein paar „Thermometer“ (Messungen), die hier und da in den Boden gesteckt wurden. An vielen Orten, insbesondere über dem riesigen Arabisch-Nubischen Schild (einem massiven Landstreifen, der Teile Ägyptens, Saudi-Arabiens und darüber hinaus abdeckt), sind diese Thermometer unglaublich selten. Es ist, als würde man versuchen, die Temperatur eines ganzen Ozeans zu erraten, indem man ein Thermometer in nur ein paar zufällige Pfützen steckt. Um dies zu lösen, greifen Wissenschaftler zu einem cleveren Trick: Sie nutzen die Hinweise, die die Erde an ihrer Oberfläche hinterlässt – wie die Form des Bodens, die Stärke ihres Magnetfeldes und die Tiefe der Erdkruste –, um zu erraten, was sich tief unter der Erde abspielt. Hier kommt maschinelles Lernen ins Spiel, das wie ein superintelligenter Detektiv fungiert, der die Verbindung zwischen Oberflächenhinweisen und tief liegender Hitze herstellen kann.

Die Geschichte der Arbeit: Einem Roboter beibringen, die Hitze der Erde zu lesen

In dieser Studie beschlossen ein Team von Forschern unter der Leitung von Menna Haggag, Mohamed Sobh und Hosni H. Ghazala, eine „Kristallkugel“ für geothermische Energie für den gesamten Arabisch-Nubischen Schild zu bauen. Da sie nicht genügend direkte Wärmemessungen hatten, um eine Karte von Hand zu zeichnen, brachten sie einen Computer-Algorithmus namens Random Forest Regression bei, das Raten für sie zu übernehmen. Betrachten Sie diesen Algorithmus nicht als eine einzelne kluge Person, sondern als eine riesige Menge von 490 verschiedenen „Entscheidungsbäumen“ (einer Art von Computermodell). Jeder Baum in der Menge betrachtet die Daten etwas anders, und dann lassen sich alle für die endgültige Antwort aussprechen. Dieser Ansatz der „Schwarmintelligenz“ hilft dabei, Fehler zu vermeiden, die ein einzelnes Modell machen könnte.

Das Team fütterte diese digitale Menge mit einer Diät aus sechzehn verschiedenen Arten von „Hinweisen“, die aus Satelliten und globalen Datenbanken stammen. Diese Hinweise beinhalteten Dinge wie die Tiefe der Grenze zwischen Erdkruste und Erdmantel (die Moho), die Dicke der Gesteinshülle der Erde (die Lithosphäre), die Geschwindigkeit seismischer Wellen, die durch den Boden wandern, und sogar die Form des Landes selbst. Bevor sie den Computer lernen ließen, verwendeten sie einen speziellen Filter namens Isolation Forest, um seltsame, fehlerhafte Datenpunkte zu identifizieren und zu entfernen, die wie Fehler aussah, um sicherzustellen, dass der Computer nur von der Wahrheit lernt.

Was sie fanden:
Nachdem das Modell trainiert worden war, erzeugte der Computer eine glatte, kontinuierliche Wärmekarte für die gesamte Region und füllte die Lücken, in denen keine Messungen existierten. Die Ergebnisse waren überraschend genau. Als sie das Modell gegen die wenigen realen Messungen testeten, die sie hatten, erreichte es einen Wert von 0,92 (auf einer Skala, auf der 1,0 perfekt ist), was bedeutet, dass es 92 % der Variationen in den realen Daten erklärte. Der durchschnittliche Fehler betrug nur 20,4 mW m⁻², was eine sehr geringe Fehlermarge für ein so riesiges Gebiet ist.

Die Karte enthüllte drei unterschiedliche „thermische Nachbarschaften“:

1. Die heißen Zonen: Entlang des Roten-Meer-Rifts und des Afar-Dreiecks ist der Wärmefluss extrem hoch und reicht von über 80 bis 200 mW m⁻². Dies ist der Ort, an dem die Erdkruste dünner wird und der heiße Mantel näher an die Oberfläche rückt, was ihn zu einem idealen Standort für geothermische Kraftwerke mit hoher Energie macht.
2. Die warmen Zonen: Unter den alten präkambrischen Schilden (dem felsigen Herzstück der Region) ist die Hitze moderat und liegt zwischen 60 und 80 mW m⁻². Dies ist immer noch heiß genug, um nützlich zu sein, insbesondere wenn es Risse im Gestein gibt, die die Wärme zirkulieren lassen.
3. Die kühlen Zonen: Auf der stabilen Arabischen Plattform im Osten sinkt der Wärmefluss unter 60 mW m⁻². Hier ist die Erdkruste dick und tief, was wie eine schwere Decke wirkt, die die Hitze weit unten gefangen hält.

Das „Warum“ hinter der Karte:
Die Forscher haben nicht nur ein hübsches Bild erstellt; sie haben herausgefunden, war Warum die Hitze dort ist, wo sie ist. Indem sie den Computer fragten, welche Hinweise am wichtigsten waren, entdeckten sie, dass die zwei größten Faktoren, die den Wärmefluss kontrollieren, die Tiefe der Moho (wie tief die Kruste ist) und die Tiefe der Lithosphären-Asthenosphären-Grenze (wie tief die Gesteinshülle ist) sind. Vereinfacht gesagt: Je dünner die Erdschale ist, desto näher kommt der superheiße Mantel der Oberfläche und desto heißer wird es. Dies bestätigt, dass die tektonische Dehnung des Roten Meeres der Hauptmotor ist, der die hohe Hitze in diesem Gebiet antreibt.

Während die tiefe Struktur die Bühne bereitet, hebt die Studie hervor, dass vulkanische Zentren und Störungsnetze als Liefersystem fungieren. Obwohl das endgültige, effizienteste Modell auf den obersten 12 Prädiktoren basierte (wobei die Nähe zu Vulkanen als primärer Treiber ausgeschlossen wurde), bestätigte die Analyse, dass Gebiete, in denen hoher Wärmefluss mit dichten Bruchnetzwerken zusammenfällt, „Hochenthalpie-Korridore“ bilden. Dies sind die „Sweet Spots“, an denen die Hitze tatsächlich über Fluidzirkulation an die Oberfläche gelangen kann. Die Forscher nutzten eine separate topografische Analyse (CET), um diese dichten Bruchnetzwerke zu detektieren, und bewiesen damit, dass diese Merkmale wesentliche Ziele für die Suche nach nutzbarer Energie sind, auch wenn sie nicht die statistisch wichtigsten Treiber in der endgültigen Wärmeflussberechnung waren.

Wie sicher sind sie?
Die Autoren sind sehr zuversichtlich in ihre Karte für die Gebiete, für die sie Vergleichsdaten haben, und merken an, dass die Vorhersagen des Modells fast perfekt mit den realen Messungen übereinstimmen. Sie weisen jedoch vorsichtig darauf hin, dass in Gebieten mit sehr wenigen Messungen (wie einigen Teilen der tiefen Wüste) die „Unsicherheit“ höher ist. Sie haben sogar eine spezielle „Konfidenzkarte“ erstellt, die genau zeigt, wo der Computer mit hoher Sicherheit rät und wo er sich etwas unsicherer ist. Sie schlagen vor, dass die Forscher in den „Zonen mit hoher Unsicherheit“ vorsichtig sein sollten und möglicherweise mehr lokale Daten sammeln müssen, bevor sie tief graben.

Letztendlich überreicht diese Arbeit den Energieplanern eine neue, hochauflösende Karte, die eine datenarme Wüste in einen klaren Leitfaden dafür verwandelt, wo nach sauberer, erneuerbarer geothermischer Energie zu suchen ist, was den Ländern in der Region helfen kann, sich in Richtung einer grüneren Zukunft zu bewegen.