《Journal of Hydrology: Regional Studies》:Estimating environmental water table depth of vegetation in the arid and semi-arid regions of the Balkhash Lake Basin integrating the CatBoost regression and shapley additive explanations
编辑推荐:
研究区域
中亚巴尔喀什湖流域。
研究重点
在干旱与半干旱内流盆地中,估算环境地下水埋深对于地下水资源可持续管理以及地下水依赖型陆地生态系统的保护具有基础性意义。然而,由于多种环境变量对植被与地下水埋深关系存在混合效应,该评估工作面临挑战。本研究旨在通过可
研究区域
中亚巴尔喀什湖流域。
研究重点
在干旱与半干旱内流盆地中,估算环境地下水埋深对于地下水资源可持续管理以及地下水依赖型陆地生态系统的保护具有基础性意义。然而,由于多种环境变量对植被与地下水埋深关系存在混合效应,该评估工作面临挑战。本研究旨在通过可解释机器学习解决这一问题,具体为集成CatBoost回归与Shapley加性解释(SHAP)。研究人员采用CatBoost算法构建增强型植被指数(EVI)和实际蒸散发(ET)模型,其驱动因子为3个关键水文变量:降水(PRE)、地下水埋深(WTD)和潜在蒸散发(PET),这是由于研究强调水文过程对EVI和ET的控制作用。采用SHAP解释方法,从PRE、WTD和PET的混合效应中提取WTD对EVI和ET的影响,据此指示环境地下水埋深。
区域新水文学认识
集成CatBoost回归与SHAP解释被证明是一种适用于估算干旱与半干旱内流盆地环境地下水埋深的实用方法。为保护地下水依赖型植被,WTD的SHAP依赖图中的转折点指示环境地下水埋深为8 m;当WTD高于该阈值时,WTD对EVI和ET具有正向贡献,而当超过该阈值后,EVI和ET对WTD变化不敏感。
该文发表于《Journal of Hydrology: Regional Studies》,聚焦干旱与半干旱内流盆地地下水生态阈值识别这一关键科学与管理问题。研究背景在于,地下水是干旱区维系生物多样性、生态服务功能以及区域社会经济活动的重要水源,尤其对于地下水依赖型生态系统而言,地下水埋深(WTD)决定了地下水能否通过毛管上升进入根层并支持植被生长与蒸散过程。所谓环境地下水埋深,是指一个关键生态阈值:一旦地下水位下降至该阈值以下,地下水便难以有效补给土壤根区,植被将面临明显水分亏缺。因此,识别这一阈值,是地下水资源管理、生态保护和区域水资源配置的基础。
但现有研究仍存在明显不足。以往环境地下水埋深评估,多依赖植被指数与地下水埋深之间的直接统计关系,如分数植被覆盖度、归一化植被指数或增强型植被指数与WTD之间的经验曲线。然而在真实生态—水文系统中,植被状态并非仅受地下水控制,还同时受到降水(PRE)和潜在蒸散发(PET)等因素共同影响。PRE决定水分输入,PET决定大气蒸发需求与水分胁迫强度,这些变量与WTD共同耦合,造成植被—地下水关系呈现模糊、非线性且混杂的特征,从而掩盖了地下水埋深对植被的独立作用。与此同时,实际蒸散发(ET)对地下水变化也具有敏感响应,但过往研究较少将ET与植被指数联合用于环境地下水埋深识别。正因如此,有必要引入能够分解多变量混合效应的可解释机器学习方法,以更清晰地识别生态阈值。
基于这一需求,研究人员提出一种新方法,将CatBoost回归与Shapley加性解释(SHAP)相结合,用于估算巴尔喀什湖流域干旱与半干旱区植被的环境地下水埋深。研究以增强型植被指数(EVI)表征植被生长状况,以实际蒸散发(ET)表征植被水分消耗,选取降水(PRE)、地下水埋深(WTD)和潜在蒸散发(PET)作为核心驱动因子,分别构建EVI回归模型和ET回归模型。随后通过SHAP解释框架,从PRE、WTD和PET的混合影响中提取WTD对EVI和ET的独立贡献,并以WTD响应曲线上的转折点作为生态阈值判据。研究结果表明,该方法能够有效揭示地下水埋深的阈值响应特征,识别出巴尔喀什湖流域地下水依赖型植被的环境地下水埋深为8 m。该结论对于理解区域地下水—植被耦合机制、识别潜在地下水依赖型植被分布以及制定生态保护导向的地下水管理策略具有重要意义。
研究人员主要采用了以下关键技术方法:以巴尔喀什湖流域干旱与半干旱平原天然植被样点为研究对象,基于2004—2014年多源1 km分辨率开放数据构建样本队列,共筛选188315个样点;利用土地覆盖、降水、地下水埋深、潜在蒸散发、实际蒸散发和EVI数据,分别建立CatBoost回归的EVI模型和ET模型;将样本随机划分为训练集、验证集和测试集,采用均方根误差与决定系数评估性能,并通过分裂保形预测(split conformal prediction)量化95%置信水平下的不确定性;进一步应用SHAP全局与依赖分析,分离PRE、WTD和PET对EVI、ET的独立影响,并据WTD对应SHAP曲线转折点识别环境地下水埋深。
在研究结果部分,论文首先报告了“3.1. EVI and ET regression models”。研究人员构建的EVI与ET两个CatBoost回归模型均表现出可靠精度。EVI模型在训练、验证和测试阶段的均方根误差均约为0.03,决定系数分别达到0.70、0.64和0.65;不确定性分析显示其不确定性带宽为0.10,95%置信区间覆盖率为94.79%,与预设置信水平接近。ET模型表现与EVI模型相当,训练、验证和测试阶段均方根误差分别为14.16 mm、14.82 mm和14.14 mm,决定系数分别为0.64、0.59和0.61;其不确定性带宽为42.93 mm,95%置信区间覆盖率为95.06%。这些结果说明,在仅输入PRE、WTD和PET三个变量的前提下,CatBoost模型能够较好刻画区域植被状态与蒸散行为。SHAP汇总图进一步表明,PRE是影响EVI和ET变化的首要因素,其次为PET,最后为WTD。定量上,PRE、PET和WTD分别解释了EVI总变异的约53%、35%和12%,以及ET总变异的约43%、41%和16%。
随后论文在“3.2. Environmental water table depth of groundwater-dependent vegetation”中给出了核心发现。研究人员通过SHAP依赖图分别分析PRE、WTD和PET对EVI及ET的独立作用,发现与原始数据中的模糊相关相比,SHAP显著提升了变量效应的可辨识性。对PRE而言,当年降水量低于200 mm时,SHAP值多为负且接近于0,说明降水贡献有限,植被和蒸散过程更可能依赖地下水;当PRE超过250 mm时,SHAP值显著、单调上升,表明更高降水明显促进植被生长和实际蒸散。对PET而言,其SHAP值随PET增加而下降:当PET低于1500 mm时,PET对EVI和ET仍有正向作用,但随着PET增大,这种作用减弱;当PET超过1800 mm时,SHAP值降至0以下并继续下降,表明较强的大气蒸发需求对植被和ET产生不利影响。
最关键的是WTD的独立响应分析。研究人员发现,在排除了PRE和PET混合影响后,WTD对EVI和ET呈现一致的阈值型效应:随着地下水位下降、WTD增大,WTD对应的SHAP值持续降低;当WTD超过8 m后,SHAP值趋近于0,并对进一步加深地下水埋深表现出不敏感。这表明,当地下水较浅且WTD小于8 m时,地下水能够通过毛管上升补给植被根层,从而对植被生长和实际蒸散发挥正向作用;而当地下水埋深大于8 m时,地下水与根层失去有效水力联系,难以继续支撑植被用水与蒸散过程。EVI模型与ET模型在WTD响应曲线上的转折点均一致指向8 m,因此研究将8 m认定为该区域地下水依赖型植被的环境地下水埋深。
讨论部分首先强调了该方法在区域生态保护中的应用意义。研究人员认为,CatBoost在较少输入变量条件下仍能取得与其他复杂模型相当的精度,说明聚焦关键水文控制变量是一种有效且更简洁的建模思路。采用官方默认超参数也提高了模型过程的可重复性、可验证性和可比性。与此同时,SHAP有效提取了WTD对EVI和ET的独立影响,验证了在多变量共同作用背景下识别地下水生态阈值的可行性。研究进一步指出,巴尔喀什湖流域地下水依赖型植被的环境地下水埋深为8 m,据此可将WTD小于8 m的区域视为潜在地下水依赖型植被分布区。空间上,这类植被主要沿Ili河、Karatal河、Aksu河、Lepsy河和Ayaguz河,以及巴尔喀什湖周边分布,尤其集中于湖泊北部平原。这一识别结果与已有基于遥感的方法总体一致,但本研究进一步给出了明确的地下水埋深生态阈值。
在局限性与未来研究方面,论文明确指出,本研究仍受制于数据不确定性以及地下水依赖型植被水分利用策略尚不清晰等问题。此外,本研究给出的环境地下水埋深是基于多年平均状态得到的静态阈值,尚未揭示湿季与旱季之间的季节动态差异。未来应更新实地观测数据,降低降水、地下水埋深和蒸散发栅格数据的不确定性;并应采用季节或月尺度时间序列数据,探究环境地下水埋深的动态变化特征;同时有必要通过原位观测厘清植被对降水与地下水的利用策略,以及地下水对总实际蒸散发的贡献。
研究结论部分可译为:针对环境地下水埋深估算中的知识空缺,特别是在水资源短缺加剧地下水开发与地下水依赖型陆地生态系统保护矛盾的背景下,集成CatBoost与SHAP的可解释机器学习在识别地下水埋深生态阈值方面表现出良好性能。在巴尔喀什湖流域干旱与半干旱区,基于CatBoost算法构建的EVI和ET回归模型能够利用PRE、WTD和PET较准确地模拟EVI和ET。SHAP解释有效表征了PRE、WTD和PET对EVI和ET变化的独立影响。当WTD增加至8 m之前,WTD对EVI和ET具有正向作用,因为浅层地下水能够通过毛管上升到达植被根层,并缓解降水稀少带来的不利影响;当WTD超过8 m时,由于地下水与植被根层失去联系,EVI和ET对地下水位下降不再敏感。EVI与ET对WTD的阈值响应共同表明,8 m是该区域的环境地下水埋深。潜在地下水依赖型植被主要分布于Ili河、Karatal河、Aksu河、Lepsy河和Ayaguz河沿线,以及巴尔喀什湖周边区域。总体而言,该方法可作为从多环境变量混合效应中提取WTD对EVI和ET影响、并评估地下水依赖型植被环境地下水埋深的实用工具,有助于决策者在干旱内流盆地中平衡自然系统与社会经济系统的用水需求。