《Science of The Total Environment》:Uncertainty-aware MAR planning with spatially explicit data-driven weighting
编辑推荐:
本研究聚焦于葡萄牙南部的萨杜河与里贝拉-多阿连特茹河流域(Ribeira do Alentejo River Basins),旨在开发一种不确定性认知的数据驱动框架,以支持管理式地下水回补(Managed Aquifer Recharge, MAR)的适宜性制
本研究聚焦于葡萄牙南部的萨杜河与里贝拉-多阿连特茹河流域(Ribeira do Alentejo River Basins),旨在开发一种不确定性认知的数据驱动框架,以支持管理式地下水回补(Managed Aquifer Recharge, MAR)的适宜性制图与规划决策。研究区域属于地中海气候区,面临季节性水资源短缺、农业灌溉需求旺盛及地下水过度开采等挑战,使得MAR成为一种具有前景的水资源管理策略。
研究人员与利益相关方共同确定了影响MAR适宜性的关键因素,包括含水层地球化学(Aquifer Geochemistry, AGC)、含水层几何形态(Aquifer Geometry, AGM)、含水层岩性(Aquifer Lithology, ALT)、含水层储水能力(Aquifer Storage Capacity, ASC)、包气带厚度(Vadose Zone Thickness, VZT)、地形坡度(Land Slope, LSL)、土地利用(Soil Occupation, SOC)、土壤质地(Topsoil Texture, TST)以及给水度(Specific Yield, SYS)。这些准则被整合于基于地理信息系统(Geographic Information System, GIS)的多准则决策分析(Multicriteria Decision Analysis, MCDA)框架中。
尽管GIS-MCDA方法已广泛应用于MAR筛选,但多数研究依赖于确定性的准则权重和单一适宜性估计,难以充分反映空间异质性和数据变异性。为克服这一局限,研究人员提出了一种不确定性认知的GIS-MCDA框架,采用基于Moran's I空间自相关分析的间距随机抽样(Stratified Stochastic Sampling)方法,生成多种权重实现方案。具体而言,通过Moran's I correlogram确定各准则的有效空间自相关范围,以平均值(约30 km)作为空间分块依据,将研究区划分为16个空间独立区块;进而采用分层随机抽样(设抽样比例f=0.05),直至所有空间位置至少被覆盖一次,最终生成224组代表性子集。每组子集分别采用基于相关性的准则重要性通过准则间相关性(Criteria Importance Through Intercriteria Correlation, CRITIC)方法和基于主成分分析(Principal Component Analysis, PCA)的方法计算准则权重,并将权重不确定性传播至MCDA框架中。
研究结果表明,PCA方法的权重分布标准差(0.033–0.073)显著大于CRITIC方法(0.0007–0.0023),表明前者对准则重要性的变化更为敏感。在适宜性指数(Suitability Index, SI)方面,两种方法均识别出研究区西部和南部-中部为高度适宜区域,主要集中在Margem Esquerda da Bacia do Tejo-Sado等给水度较高的潜水含水层分布区;而东部及东北部因含水层几何形态评分较低、多为多层含水层结构,适宜性普遍较低。研究区78%(PCA法)和65%(CRITIC法)的面积呈现低至中等适宜性(SI < 0.6)。通过整合两种方法的输出,研究构建了概率超限地图(Probability-of-Exceedance Maps)和一致性诊断图,将研究区划分为稳健MAR候选区(Robust MAR Candidates, RMC,两类方法均判定为适宜)、条件适宜区(Method Disagreement Areas, MDA,方法间存在分歧)及低适宜性或高不确定性区(Low-Suitability Locations, LSL),为分级决策提供了依据。
该框架的意义在于:一是将空间自相关显式纳入数据驱动权重生成过程,减少了空间聚类导致的偏差;二是通过多种统计指标(均值、标准差、95%置信区间、混淆指数、概率超限值)量化了权重不确定性对适宜性评估的影响;三是提供了可迁移的筛选级方法论,支持在数据不确定性和空间异质性条件下的循证MAR规划。与Martins等(2024)的前期确定性研究相比,本框架显著增强了对空间变异性和不确定性的表征能力,超越了单一最优估计的局限。
## 论文解读
### 一、研究背景与问题
管理式地下水回补(MAR)作为实现联合国可持续发展目标(SDG6.4、SDG6.5、SDG6.6等)及欧盟《水框架指令》(WFD)和《地下水指令》(GWD)战略工具,在国际政策框架中的战略地位日益凸显。MAR通过增加含水层储水量、缓冲季节性水资源波动、稳定地下水生态流量、缓解海水入侵与土地沉降等多重途径,为水资源安全与气候适应提供支撑。然而,MAR选址需综合考量水文地质、土壤特性、地形地貌及水源可得性等多重复杂因素,传统方法常难以有效整合多源异构信息。
多准则决策分析(MCDA)与地理信息系统(GIS)的结合为MAR适宜性评估提供了系统框架,但现有研究存在明显局限:一是多数研究采用专家赋权等主观权重方案,虽通过利益相关方参与有所缓解,但仍引入显著主观性;二是现有数据驱动方法(如主成分分析PCA、熵权法、相关性赋权等)虽减少了专家依赖,但普遍生成确定性的单一适宜性地图,未能充分刻画空间异质性和权重不确定性;三是即便少数研究采用蒙特卡洛模拟等随机方法传播权重不确定性,也未能显式考虑空间自相关对权重生成的影响,导致空间聚集观测过度代表、冗余信息难以消除。因此,亟需开发能够将空间结构直接嵌入数据驱动、不确定性认知权重方案的新型框架。
葡萄牙南部的萨杜河与里贝拉-多阿连特茹河流域正是面临此类挑战的典型区域。该区域属地中海气候,降水高度集中于冬季,夏季潜在蒸散发超1000 mm,水资源负平衡持续4–6个月;农业用水占主导,地下水依赖度高,而气候变化导致降水呈下降趋势、蒸散发上升,水库蓄水量锐减。尽管该区域具备实施MAR的地质条件(如Margem Esquerda da Bacia do Tejo-Sado等砂岩孔隙含水层),但前期确定性研究(Martins et al., 2024)仅通过单次敏感性分析扰动权重,未能处理空间变异与不确定性传播问题。
### 二、关键技术方法
研究采用四阶段技术框架:第一阶段为数据准备与标准化,基于利益相关方咨询确定9项准则,采用极差标准化转换至0.1–1区间,并通过约束掩膜排除禁止区,以500 m分辨率重采样;第二阶段为核心创新环节,基于Moran's I correlogram分析确定各准则有效空间自相关范围,以均值约30 km划分16个空间块,进行分层随机抽样(抽样比例f=0.05)生成224组代表性子集,分别采用CRITIC和PCA方法计算权重;第三阶段为适宜性指数计算,通过加权线性组合生成多组MAR适宜性地图;第四阶段为不确定性量化,输出统计矩、概率超限地图及一致性诊断等。技术实现依托RStudio环境,使用prcomp、correlog、raster等程序包。
### 三、研究结果
**准则统计结构与线性关系**:皮尔逊(Pearson)和斯皮尔曼(Spearman)相关分析显示,含水层几何形态与给水度相关性最高(0.80),反映含水层厚度、延伸性及高渗透层对水力特性的控制作用;多数准则对间相对差异R
ij小于0.1,表明以线性关系为主,支持PCA应用。
**分层空间抽样的代表性与收敛性**:迭代至224次实现全覆盖,前100次迭代覆盖率达99.4%;小提琴图显示各准则分布的四分位数和中位数在不同迭代阶段高度一致,与全数据集匹配良好,证明抽样策略有效平衡了空间异质性表征。
**准则权重变异特征**:CRITIC方法中,含水层储水能力(ASC,中位数0.163)和表层土壤质地(TST,0.159)权重最高,源于其标准差大且与其他准则相关性弱;PCA方法权重离散度显著更大,给水度(SYS,中位数0.164)权重最高,VZT变异最大。两种方法差异体现互补视角:CRITIC强调 lithology 相关变异,PCA更敏感于含水层几何形态的突变。
**适宜性空间格局与不确定性**:均值适宜性方面,两种方法均识别西部和南部-中部为高度适宜区,对应Margem Esquerda da Bacia do Tejo-Sado等主要含水层系统;东部及东北部适宜性低。标准差和混淆指数显示,不确定性集中于东北部过渡带及均值中等而变异高的区域。PCA方法的标准差和混淆指数全域高于CRITIC,反映其对多元交互作用的敏感性。阈值SI=0.6的概率超限地图显示,高概率区与低不确定性区空间耦合,低概率区需进一步调查。两种方法差异在20%分位数处最大(相对差异72%),60%分位数以上差异小于10%,表明中高适宜区方法收敛性好。一致性地图将约50%的稳健MAR候选区与灌溉区或5 km缓冲区内区域空间耦合。
### 四、讨论与结论
研究表明,确定性"最优估计"适宜性制图不足以支持稳健决策,权重假设的微小变化可导致MCDA结果的显著差异。所提出的不确定性认知框架通过将空间自相关显式纳入权重生成过程,有效减少了空间聚集导致的冗余和偏差。CRITIC方法提供稳定、可解释的结果,适合风险规避型决策;PCA方法捕获更广泛的变异,支持探索性规划。两种方法的结合通过一致性地图区分了稳健适宜区与敏感分歧区,概率超限地图进一步量化了决策置信度。
研究局限性包括:未显式传播输入数据(如插值误差、测量不确定性)的误差;采用加权线性组合假设完全可补偿性;未纳入水源可得性、经济社会因素等;非线性关系未被捕捉。框架具备良好的可迁移性,未来可扩展至非线性降维、拉丁超立方抽样及综合可行性评估。