基于碳排放预测2050年典型流域人类活动对地下水储量的影响机制研究

针对人类活动对地下水影响的量化难题，中国科学院团队创新性地利用碳排放指标构建机器学习模型（CNN/RF/XGBoost/SVR），预测了莱茵河谷、五大湖等典型流域2050年地下水储量变化（R2达0.916-0.995），揭示长江流域需强化保护措施。该研究为全球地下水可持续管理提供了方法论突破。

　　

在全球淡水资源日益紧张的背景下，地下水作为支撑50%饮用水和40%农业灌溉的关键资源，其可持续性面临严峻挑战。过度开采导致的地面沉降、生态恶化等问题日益凸显，但人类活动对地下水影响的量化始终是科学界的难题——传统研究多聚焦自然因素，却忽视了工业排放、农业生产等复杂人为因素的动态影响。这一认知空白使得长江流域等地区的地下水管理长期缺乏精准预测工具。

为破解这一困局，中国科学院的研究团队独辟蹊径，将碳排放作为人类活动的"晴雨表"，构建了碳-地下水机器学习预测体系。研究选取纬度跨度小的四大典型流域（莱茵河谷RV、五大湖盆地GLB、珠江流域PRC和长江流域YZRC），整合2003-2018年0.5°×0.5°网格的碳排放（EDGAR v6.0数据集）与地下水储量（GLDAS_CLSM025数据）数据，通过卷积神经网络（CNN）、随机森林（RF）、极限梯度提升（XGBoost）和支持向量回归（SVR）四种算法建模。结果显示，支持向量回归（SVR）在三个流域的预测精度最高（R²达0.995），而XGBoost在五大湖流域表现最优（R²=0.949），模型精度显著超越既往91项相关研究。

主要技术方法
研究通过空间聚合将原始数据统一至0.5°网格尺度，采用自助法（Bootstrap）进行不确定性分析。构建7种碳排放情景（含IPCC 1.5°C/2°C路径和碳中性场景CNS），利用敏感性分析量化农业土壤（AGS）、道路交通（TRO_noRES）等14类碳排放源对地下水的影响。验证阶段选取与珠江流域自然条件相似的东南河流域进行模型外推测试，平均相对误差14.7%。

研究结果

1. 人类活动对地下水储量的影响机制
   碳排放与地下水消耗量呈现显著正相关（自工业革命以来增长300%），敏感性分析揭示农业和交通碳排放对长江流域地下水负面影响最显著（-5.9%至-17.16%）。

2. 基于碳排放的地下水预测
   碳中性场景（CNS）下，莱茵河谷地下水储量增幅最大（9.26%±5.1%），而长江流域在所有情景中持续下降，其中IPCC1.5W情景跌幅达17.16%±16.7%。空间分布显示：森林覆盖区（如长江流域中部）因碳汇耗水导致储量锐减，沿海区域则可能受海水入侵影响出现异常升高。

3. 现有保护措施的局限性评估
   长江流域现有水利工程（如三峡工程、引江济汉）仅能挽回1.32%的地下水损失，农业低效用水是核心矛盾。模型预测显示，即便最优情景下，2040年前仍无法逆转储量下降趋势。

结论与意义
该研究开创性地建立了碳排放-地下水响应模型，首次实现人类活动对地下水影响的定量预测。发表于《Research》的这项成果不仅揭示了长江流域需紧急优化农业用水效率，更提出碳排放结构调整可协同实现碳中和与地下水保护。方法论层面，将离散的人类活动通过碳排放指标系统整合，为全球水资源管理提供了可推广的范式。未来研究可进一步探索新能源基础设施对地下水循环的影响机制。