同位素水文学与机器学习联用揭示高强度灌溉区地下水补给机制及其可持续管理策略

本研究针对灌溉密集型区域地下水数量和质量下降问题，创新性地结合环境同位素(δ18O/δ2H)、人工神经网络(ANN)和水文化学模型，系统解析了印度北部地下水补给源（降水、河流入渗、灌溉回归流IRF和渠道补给）及其时空分异特征。研究发现IRF贡献存在季节性差异（Kharif期蒸发损失29%，Rabi期20%），并构建了首个整合ANN与同位素数据的多含水层系统分析框架，为干旱区水资源管理提供了数据驱动的新范式。

　　

在全球农业耗水量占淡水总量70%的背景下，灌溉密集型区域的地下水系统正面临前所未有的压力。印度北部作为"印度粮仓"，其地下水水位以年均4cm的速度持续下降，同时伴随盐碱化和农用化学品污染。更严峻的是，气候变化导致降水模式改变，使得52%的全球灌溉扩张发生在已面临水资源压力的区域。这种恶性循环引发关键科学问题：如何精准识别多源补给贡献？灌溉活动如何通过非传统补给路径（如灌溉回归流IRF）影响含水层？传统水文方法难以解析这些复杂过程，亟需创新方法论突破。

中国地质调查局水文地质环境地质调查中心的研究团队在《Geoscience Frontiers》发表的研究，开创性地将稳定同位素指纹(δ18O/δ2H)、氘盈余(d-excess=δ²H-8×δ¹⁸O)与自组织映射神经网络(SOM)相结合，对印度哈里亚纳邦冲积含水层系统展开多维度解析。研究团队采集了45组水样（含地下水、河流、渠道及灌溉水），运用同位素比率质谱(IRMS)测定同位素组成，通过Rayleigh蒸发模型量化不同耕作期(Kharif/Rabi)的IRF贡献，并构建5×5神经元SOM网络整合7维参数（同位素、Cl^-、EC、井深、距河距离）。

4.1 水化学特征揭示补给异质性
地下水EC值(267-2391μS/cm)呈现显著空间分异，近河区域呈现低EC(<500μS/cm)与低Cl^-(<25mg/L)，而灌溉区则出现高EC(>1500μS/cm)与高Cl^-(>55mg/L)，暗示不同补给源的混合作用。pH梯度（6.9-8.0）进一步印证了人为活动对地下水化学场的改造。

4.2 同位素指纹解码补给源
δ¹⁸O空间分布图显示：东部近河区域同位素显著偏负（-9‰至-7.5‰），与雅穆纳河水同位素特征重叠；西部灌溉区则富集至-5‰，且伴随d-excess锐减（1-4‰）。蒸发线分析发现浅层地下水（<100m）斜率仅5.1，显著低于当地大气水线(LMWL)斜率7.9，证实IRF的强烈蒸发信号。

4.3 同位素模型量化季节性IRF
通过建立两组蒸发线(LRL-1/LRL-2)，结合Rayleigh分馏方程反演，揭示Kharif期（夏季）蒸发损失达29%（湿度88%），而Rabi期（冬季）仅20%（湿度98%）。该模型首次量化了耕作制度对补给效率的影响，为灌溉调度提供理论依据。

4.4 SOM神经网络识别混合过程
SOM组分平面图显示：d-excess与δ¹⁸O/Cl^-呈镜像分布，节点聚类分析识别出3类端元——河流端元（高d-excess>10‰）、降水端元（d-excess 6-10‰）和IRF端元（d-excess<4‰）。值得注意的是，距河3km外的浅层井呈现"高Cl^-+低d-excess"组合，揭示IRF的污染迁移范围。

4.5 概念模型构建管理框架
研究提出的三维概念模型显示：东部存在河流主导的快速补给带（渗透速率>1m/d），西部形成IRF驱动的缓速补给区（渗透速率<0.3m/d）。运移时间估算表明，IRF污染物可能需2-5年进入含水层，这为污染预警系统建设提供关键参数。

这项研究通过多学科交叉方法，首次实现灌溉区地下水补给源的"指纹识别-机器学习-过程量化"全链条解析。其创新性体现在：①建立δ¹⁸O-Cl^--d-excess三元诊断指标体系；②开发适用于半干旱区的IRF季节性贡献算法；③验证ANN在水文混合模型中的优越性。实际应用中，该成果可直接指导"精准灌溉区划"，建议在距河3km内限制高耗水作物种植，而在IRF主导区推广滴灌技术。未来研究可扩展至包气带溶质运移模型，并耦合气候变化情景预测，为全球粮食安全与水资源可持续管理提供更强大的决策工具。