《Water》:Machine Learning Approaches for Groundwater Salinity Prediction Under Salt Dome Influence in Arid Regions
编辑推荐:
盐丘附近地下水盐渍化是干旱和半干旱平原水资源的主要威胁,导致全球水质持续下降。机器学习(machine learning, ML)为评估这一风险提供了有效途径。本研究检验了三种算法——人工神经网络(Artificial Neural Network, ANN)
盐丘附近地下水盐渍化是干旱和半干旱平原水资源的主要威胁,导致全球水质持续下降。机器学习(machine learning, ML)为评估这一风险提供了有效途径。本研究检验了三种算法——人工神经网络(Artificial Neural Network, ANN)、支持向量机(Support Vector Machine, SVM)和随机森林(Random Forest, RF)——以估算地下水盐渍化,重点关注土地利用和气候的联合作用。选择Darab Plain(伊朗)作为研究区,该区有八个盐丘影响地下水质量;研究人员估算了其2003、2013和2022年地下水中钠吸附比(sodium adsorption ratio, SAR)和电导率(electrical conductivity, EC)的空间分布及其控制因子。结果表明,随机森林模型(2003年EC的R2值为0.76,SAR的R2值为0.62)精度最高,被选为最佳模型。盐渍化区划显示,八个盐丘对邻近含水层盐度具有强烈直接影响,并沿地下水流动路径对更远含水层产生间接影响。在检验的29个变量中,训练模型的依赖图分析显示,两个共线地形高程代理变量,即地表温度和河网基准面,在几乎每个建模年份都最强解释EC和SAR;在有气候数据的年份,温度和降水也持续具有影响。鉴于该地区预计变暖趋势,地方当局和利益相关者应优先改进灌溉实践,然后再考虑预期农业生产力下降及相应人口迁移的水管理策略。
论文主体解读
研究背景:地下水(groundwater, GW)是干旱区重要可再生水资源,常用于饮用水、农业和工业,并被视为经济社会可持续发展的关键因素。近年来,GW面临污染、压力和稀缺。伊朗南部霍尔木兹组(Hormuz Formation)含200多个盐丘,120多个出露;盐丘及相关底辟系统可通过提高邻近含水层盐度而影响地表水和GW。传统地面监测站受网络不足、空间分布不均、记录误差和维护成本等限制,遥感和ML可弥补监测缺口。前人已评估盐丘对GW盐度影响,但土地利用变化在含盐丘区GW盐化中的作用尚未被研究;此前工作用ML平均输出聚焦土壤盐度单时点,而非GW盐度时间变化。故本研究比较ANN、SVM和RF在2003、2013、2022三个时间点预测EC和SAR,并用SHAP解释土地利用和气候驱动,检验RF精度、气候变量重要性和农业扩张/开采贡献三个假设。
研究人员在伊朗Fars Province的Darab Plain(面积43.96千ha,热干气候,年降水255 mm,年均温22 °C)开展研究。区内八个盐丘分为直接接触冲积层的Group A和通过盐泉及地表径流连接的Group B。结论为RF预测精度最高,盐丘对邻近含水层有直接影响,并沿地下水流动路径对更远含水层有潜在间接影响;LST和CNBL最强解释EC和SAR,气候变量亦有影响;农业扩张假说仅弱支持。其意义在于为地方管理提供灌溉实践和水管理优先序,提示需考虑农业生产力下降及人口迁移风险。
关键技术方法(≤250字):数据来源包括Fars Regional Water Authority井清单(n=127)、2024年压水监测网(35–67点)和六个气候站,以及Sentinel-2、Landsat 7 ETM+/Landsat 8 OLI和DEM。研究人员使用ANN、SVM和RF回归,经70/30划分和z-score标准化,在训练集内k折调参,以SHAP进行特征选择与解释;采用AUC、R
2、RMSE和MAE评价,并与反距离权重(inverse distance weighting, IDW)和普通克里金(ordinary Kriging)比较;另做随机5折和空间块5折交叉验证。
研究结果:
3.1 土地利用及其随时间变化:基于Google Earth Engine和Landsat影像制备2003、2013、2022年土地利用(land use, LU)图,区内有牧场、裸地、果园、农业用地和居民区五类。2003—2013农业和牧场下降,裸地增加,牧场转为果园和居民区;主要转换为牧场→裸地、裸地→农业。Khosuye Dam(2007)和Rudbal Dam(2014)提高了灌溉水可用性。耕地从60,299 ha降至49,075 ha(?18.6%),2022年恢复至63,275 ha,净增4.9%;裸地净减12.2%。Rudbal River洪峰在2014年建坝后总体衰减。温度在2013和2022较2003增1 °C,南部Dabiran站较高;降水北部较多且分布不均。
3.2 机器学习建模验证:RF在所有研究年份精度最高,SVM次之,ANN最低;SAR性能普遍低于且变异大于EC,尤其2022年。RF对EC的R
2为0.76/0.67/0.71(2003/2013/2022),对SAR为0.62/0.50/0.24,优于IDW和普通克里金。井清单水位中位数37 m与压水监测网31.6 m接近,构成独立现场交叉核验。
3.3 EC和SAR的空间分布:RF预测显示,2003年高EC出现在Korsia、Khosuye和Gaztavileh盐丘附近,尤其Zarrin Dasht Plain;2013年南部Shahrpir附近也升高。Gaztavileh盐丘影响南部低坡和农业地,Darabgerd盐丘位于中部并沿地下水流动路径增加盐度。SAR在2003年以Bayonuj、Gaztavileh和Khosuye附近中心区最高,2013—2022南部Zarrin Dasht Plain也升高。Dabiran盐丘直接连接平原,形成盐沼,邻近地下水为氯化物主导;EC和SAR增加表明其通过盐性地表水流影响,而非地下或地下流污染。Darab(Korsia)盐丘位于流动起点,但未通过地下流影响平原。该空间结论基于RF预测图及超过预测误差阈值的点对差异。
3.4 地下水盐度建模有效准则:SHAP分析六个EC/SAR数据集中,LST和CNBL始终排第一、第二;在气候数据可用年份,温度和降水居EC和SAR前五;距果园、距城市、亮度指数(brightness index)和盐度指数(salinity index)也常入前五。LST和CNBL几乎完全共线(Spearman r=?0.995至?1.00),应视为一个高程相关信号,表现为低海拔平原采样点与高海拔边缘点的阶梯式分离,需现场验证。较高温度和较低降水与较高预测盐度一致。距果园和城市近处预测盐度低,远处趋于平台;亮度指数和盐度指数与盐度正相关。AUC与预测—实测比较显示RF多数最佳,SVM在部分分类较好,ANN较弱。
讨论总结:
4.1 模型比较:RF多数组合R
2较高、误差较低,支持假设1,并与Abedi et al.和Shami et al.在本区域的结论一致;但仅比较三类模型且无重复重采样,排名应视为测试条件下指示性而非定论。SAR精度低于EC,研究人员归因于SAR有效范围较窄和测量噪声较大。
4.2 假设评估:假设1获支持;假设2获支持,但SHAP仅表明预测变量与模型输出关联,不直接证明物理机制;LST与CNBL共线表明高程—气候梯度比单个变量更重要。假设3仅弱支持:耕地2003—2013下降、2022恢复后仅比2003高4.9%,净变化较温和,2013年后恢复与水库增加灌溉水一致。盐丘和蒸发岩仍是主要候选盐源,盐溶解可增加Na、Cl和SO
4;与Zarei et al.、Asadpour、Hamlin等报道一致,但地下交换机制仍需水流方向、水力梯度和水化学/同位素证据。
4.3 空间泛化:随机划分下R
2为正,但空间块交叉验证在全部六个年份—目标组合中产生负R
2,说明模型对远离采样点位置泛化能力差;预测图应视为采样点插值,而非远距离验证估计。未来需更空间分布采样或地统计协同克里金、空间随机效应模型。
4.4 机制解释的局限:SHAP和预测变量相关性不能证明蒸发浓缩、盐层溶解或开采驱动咸水入侵等机制;共线变量尤需谨慎。需结合地下水流和溶质运移模型及独立水文地质/水化学证据。
4.5 挑战与前进方向:现场验证仅2024年六个月,无法对2003、2013、2022进行长期验证;空间异质性可能被全平原模型掩盖;未来应将ML与地下水流动或溶质运移模型耦合,进行真正情景预测。
研究结论(翻译):本研究通过应用三种机器学习算法——ANN、SVM和RF——估算2003、2013和2022年EC和SAR空间分布,评估Darab Plain盐丘对地下水质量的影响。总体上,RF取得最高预测精度,2003年EC的R
2为0.76、SAR的R
2为0.62,因此被选为最佳模型。盐度图揭示的空间格局与八个盐丘对邻近含水层的直接影响以及对更远含水层沿地下水流动路径的潜在间接影响一致;然而这些机制需要独立水文地质确认。SHAP分析显示,LST和CNBL——两个与地形高程梯度相关的强共线变量——在几乎每个建模年份都是EC和SAR最具影响的预测因子。在有气候数据时,温度和降水也持续具有影响,其关系与蒸发驱动盐浓缩相容。鉴于区域预计变暖趋势,应优先改进灌溉实践。地方当局和利益相关者也应制定水管理策略,以预期农业生产力潜在下降及相应人口迁移风险。不过,如讨论所述,所报告模型精度应结合修订中发现的限制来解释;特别是空间交叉验证下模型性能较随机交叉验证急剧下降。未来研究应优先开展空间验证,收集直接水化学或同位素证据以检验所提出的盐化机制,并在整个建模链中传播遥感输入的不确定性。