Water-Well Siting in Hard-Rock Areas: Identifying Promising Targets Using a Probabilistic Approach

A probabilistic approach to groundwater exploration, using Bayesian statistics, was evaluated in three different settings in hard rock in Botswana and Ghana. Various existing data sources were evaluated for groundwater availability and integrated into a GIS to produce posterior probability maps for subsequent selection of target areas for detailed investigations. The groundwater indicators integrated were 1) lineaments interpreted from remote-sensing data and topographic maps, 2) vegetation anomalies, 3) drainages, and 4) bedrock geology. Probabilities of groundwater occurrence were assigned to the datasets based on expert opinions. The resulting probability maps were tested against capacities from existing wells, showing high-to-medium positive correlation for two areas and no correlation for the third area. Critical parts of the approach, with large impact on the final results, were the assignment of probabilities to the datasets and the influence widths of interpreted lineaments. However, a probabilistic approach, using Bayesian statistics was found to be a powerful methodology to identify targets for groundwater exploration in hard-rock terrain. The most valuable aspects of the approach were that it allows the incorporation of professional judgment and subsequent updating when additional data become available.

Une approche probabiliste de l'exploration de l'eau souterraine recourant aux statistiques bayésiennes, a été mise en oeuvre dans trois configurations différentes, dans des roches de socle au Botswana et au Ghana. Différentes sources de données ont été prises en compte pour évaluer les ressources en eau souterraine et ont été intégrées dans un SIG, pour établir ensuite des cartes de probabilité d'existence, afin de sélectionner des zones tests pour des études détaillées. Les indicateurs intégrés d'eau souterraine étaient les suivants: 1) les linéaments tirés des données de télédétection et de cartes topographiques, 2) les anomalies de végétation, 3) les drainages, 4) la géologie du socle. La probabilité de présence d'eau souterraine était fixée par des ensembles de données basées sur l'avis d'experts. Les cartes de probabilité ainsi construites ont été testées à partir des caractéristiques de puits existants, montrant une corrélation positive forte à moyenne dans deux secteurs et nulle dans le troisième. Les points critiques de cette approche, à un fort impact sur les résultats finaux, ont été l'attribution de probabilité aux ensembles de données et la largeur d'influence des linéaments interprétés. Cependant, une approche probabiliste s'appuyant sur des statistiques bayésiennes, s'est révélée être une méthodologie puissante pour identifier des sites pour la recherche d'eau souterraine dans des formations de socle. Les aspects les plus intéressants de cette approche ont été le fait qu'elle permet d'introduire l'avis de professionnels et de réactualiser les données, après contrôle de validité.

Se evaluó el comportamiento de un tratamiento probabilista para la exploración de aguas subterráneas, usando estadística Bayesiana, en tres zonas de rocas duras en Botswana y Ghana. Se analizaron diversas bases de datos en términos de disponibilidad de aguas subterráneas, y se integraron en un GIS para producir mapas de probabilidad a posterior, con el objetivo de seleccionar áreas para un posterior estudio de detalle. Los indicadores de agua subterránea integrados en los mapas fueron: 1) alineamientos interpretados a partir de datos de sensores remotos y mapas topográficos, 2) anomalías en la vegetación, 3) drenajes, y 4) geología del sustrato rocoso. Las probabilidades de existencia de aguas subterráneas se asignaron a la bases de datos según las opiniones de expertos. Los mapas de probabilidad resultantes se probaron frente a los valores de capacidades de pozos existentes, resultando en una correlación positiva media-alta para dos de las áreas y en la ausencia total de correlación para la tercera. La parte más crítica del método, con un gran impacto en los resultados finales, fue la asignación de probabilidades a los bancos de datos y la anchuras de influencia de los alineamientos interpretados. Sin embargo, sí se pudo ver que el tratamiento probabilista, usando estadística Bayesiana, era una herramienta poderosa para identificar los objetivos de exploración de aguas subterráneas en rocas duras. El aspecto más valioso de esta metodología es que permite la incorporación de juicios profesionales y la subsiguiente puesta al día cuando se dispone de datos adicionales.

Authors and Affiliations

1. Department of Geology, Chalmers University of Technology, S-412 96 Göteborg, Sweden, SE

   Per Sander

Reprints and permissions