利用小波分解和人工神经网络，对萨斯喀彻温省西南部地区在气候变化情景下的地下水位进行预测

《Groundwater for Sustainable Development》：Groundwater level forecasting in response to climate change scenarios in southwestern Saskatchewan using wavelet decomposition and artificial neural networks

　　地下水长期预测模型研究及在Saskatchewan的应用

　　### 水文和水资源管理中的长期地下水位预测模型

在全球变暖的背景下，极端气候事件的频率和强度显著增加，其中包括长期干旱，这改变了降水模式，并威胁着地下水资源。经济开发、人口增长和土地利用变化等额外压力进一步加剧了地下水的过度开采，常常使地下水位的下降速度超过补给速率。为了在数据稀缺且地质结构复杂的地区进行可持续的地下水管理，本研究开发了一种结合人工神经网络（ANN）和小波分解（WA）的混合模型，用于预测西南萨斯喀彻温省到2100年的地下水位（GWLs）。这种模型旨在为未来的水资源管理策略提供信息，特别是在水资源管理面临挑战的区域。

### 研究背景

地下水是地球上可获取的淡水的主要来源，被广泛用于农业、工业和家庭用水。然而，由于人口增长、经济发展和土地利用变化，地下水的储量和质量变得脆弱。气候变化导致的降水模式变化加剧了干旱现象，这些极端或持续干旱事件，结合其他压力因素，使得农业和工业部门的地下水开采量超过含水层的自然补给能力。全球至少20%的含水层被认为是过度使用的，这不仅威胁着供水安全，还增加了诸如海水入侵、地面沉降和娱乐性湖泊及水库破坏等风险。因此，建立可持续的地下水管理实践变得至关重要。

### 研究区域和数据

研究区域位于加拿大萨斯喀彻温省西南部，地理范围由纬度49°至52°和经度-107.5°至-110°界定。研究分析了三个观测井：Instow井（Judith River含水层，受抽水影响）、Shaunavon井（Frenchman-Eastend含水层，受抽水影响）和Garden Head井（Frenchman-Eastend含水层，不受抽水影响）。这些井是萨斯喀彻温省观测井网络的一部分，由萨斯喀彻温水安全局（WSA）管理，数据是公开获取的。研究还利用了来自加拿大环境与气候变化部（ECCC）的CMIP6气候情景数据，这些数据经过网格化、降尺度和偏差调整，以6 km x 10 km的分辨率提供。这些数据被用于训练和验证模型，并与历史观测数据进行对比。

### 模型开发与分析

研究采用三种ANN模型进行预测：非线性自回归网络与外源输入（NARX）、非线性自回归网络（NAR）和非线性输入-输出网络（NIO）。为了提高预测的准确性，研究还引入了小波分解（WA）进行信号去噪。此外，为了量化WA-ANN模型的附加价值，研究还应用了两个基准模型：线性回归（LR）和自回归积分移动平均（ARIMA）。三种学习算法（Levenberg-Marquardt (LM)、贝叶斯正则化 (BR) 和缩放共轭梯度 (SCG)）用于训练模型，使用不同数量的神经元和延迟时间进行优化。

研究结果显示，NARX模型在使用BR算法进行训练时，对于所有井都产生了最高的预测精度。然而，WA-NIO和WA-NAR模型在数据稀疏的环境中应用仍有待探索，其性能还有提升空间。根据不同的共享社会经济路径（SSP）情景，地下水位的变化趋势也有所不同：SSP1-2.6情景下地下水位受影响最小，SSP2-4.5情景下受影响中等，而SSP5-8.5情景下则影响最严重。这些发现支持了决策制定，为应对气候变化的水资源管理计划提供了依据。

### 模型性能

研究使用了四个误差指标（r、MSE、NSE和AIC）来评估模型在训练、测试和验证期间的表现。结果显示，NARX模型在所有三个井中都表现出最高的预测准确性，其r值、MSE值和NSE值均优于其他模型。然而，WA-NIO和WA-NAR模型的预测精度相对较低，尤其是在验证阶段。这表明，对于受抽水影响的井，使用历史地下水位数据作为输入对于提高预测精度至关重要。NARX模型的高预测精度主要归功于其对非线性关系的捕捉能力，以及对降水和温度等气候参数的综合考虑。

### 未来地下水位预测

根据SSP1-2.6、SSP2-4.5和SSP5-8.5三种气候情景，研究预测了未来地下水位的变化趋势。在SSP1-2.6情景下，预计地下水位会略有上升，而在SSP5-8.5情景下，地下水位可能会显著下降。这些预测趋势表明，未来地下水位的变化将受到降水模式和人类活动的影响。研究还发现，不同井对气候变化的响应存在差异，其中Instow井和Shaunavon井受抽水影响较大，而Garden Head井则相对稳定。

### 实践意义

本研究的模型框架为全球面临地下水监测数据不足和地质复杂性的地区提供了实用的预测工具。这些工具可以在数据不完整或缺失的情况下，帮助决策者制定可持续的地下水管理策略。此外，模型还能够识别当前和潜在的地下水过度开采风险，为采取如废水回灌、低影响开发和井口及含水层补给区保护等措施提供支持。通过这些模型，水资源管理者可以更好地预测未来地下水位的变化，从而制定适应性政策，平衡水资源可持续利用与经济发展和社会需求。

### 研究局限

尽管本研究取得了显著成果，但仍存在一些局限。首先，研究仅使用了受抽水影响和不受抽水影响的观测井的数据，而没有使用实际的抽水率数据，这可能影响了模型在受抽水影响井的预测精度。其次，研究分析了三个井，分别位于两个不同的含水层，且验证了第四口井（Verlo井）的结果，这可能限制了模型在复杂含水层系统中的普遍适用性。此外，研究使用降水和温度数据作为补给和蒸散发的代理变量，忽略了土地利用/覆盖、土壤渗透能力、抽水模式和地下水管理政策等其他因素，这些因素可能会影响地下水位的预测精度。

### 结论与未来工作

本研究开发了一种混合ANN和WA模型，用于长期地下水位预测，适用于半干旱地区，如加拿大萨斯喀彻温省西南部。该模型在预测受抽水影响的井时表现出色，但对数据稀疏的井，WA-NIO和WA-NAR模型仍有改进空间。未来的研究可以考虑引入更多的物理变量，如土地利用和覆盖、太阳辐射、风速和相对湿度，以更准确地估计补给率和蒸散发。此外，可以将这些模型与三维水文地质模型结合，以模拟地下水开采场景并评估其对地下水位变化的影响。通过这些方法，可以更全面地理解和管理地下水资源，为水资源的可持续利用提供科学依据。