华南丘陵区淡水供给服务流的“过去-未来”视角：基于流域路径与机器学习预测的跨尺度动态模拟

针对快速城市化背景下淡水供给服务供需失衡问题，本研究创新性整合流域路径与机器学习（ML）技术，构建了跨流域淡水服务流动态模拟框架。通过分析2000-2020年华南丘陵区水盈余/赤字时空格局（如太湖流域严重缺水），识别34条关键流径，并证实随机森林（R2>0.8）预测优势，为SDG6目标实现提供科学工具。

　　

随着全球城市化进程加速，淡水供给服务（Freshwater Provision Services）的供需矛盾日益凸显。华南丘陵区作为中国水资源最丰富的区域之一，却因亚热带季风气候的季节性波动和高达68%的城镇化率，面临着复杂的水资源管理挑战。传统研究多聚焦静态供需评估，而忽视服务流的动态传递过程，导致跨流域协同治理缺乏科学依据。

为破解这一难题，研究人员开展了一项融合多学科方法的创新研究。通过构建“过去-未来”分析框架，首次将流域层级划分、河流路径模拟与机器学习预测相结合。研究发现2000-2020年间，钱塘江、瓯江和闽江流域北部持续水盈余（最高达1.5×10⁵ m³/km²的1.68倍），而太湖流域则长期缺水。研究团队创新性地将服务流分为三类，识别出34条关键传输路径，并证实随机森林模型（Random Forest）在预测精度（R²>0.8）上显著优于传统水文模型。这项发表于《Environmental Impact Assessment Review》的成果，为跨流域水资源优化配置提供了可量化的决策工具。

关键技术方法包括：（1）基于InVEST模型和土壤水评估工具（SWAT）量化水供给；（2）运用服务路径归因网络（SPANs）模拟流径；（3）整合15个二级流域、48个三级流域的层级划分；（4）采用随机森林等ML算法进行2025/2030年预测。

【Spatiotemporal dynamics of supply-demand】
通过五年度间隔分析发现，70.7%区域水供给呈增长趋势（3.01×10⁵-8.5×10⁵ m³/km²），而需求增速达供给的2.3倍，导致空间错配加剧。

【Spatiotemporal heterogeneity of flows】
降水与潜在蒸散发是主要驱动因子，2010年后西北太平洋低层大气环流变化显著影响汉江流域降水格局。

【Conclusion】
该框架突破传统静态评估局限，首次实现大尺度服务流动态预测。提出的三级流域分类体系（基于盈余量与流径方向）和ML预测范式，为SDG6目标下的水治理提供新思路。研究强调，未来需关注人工智能与水文模型的深度融合，以应对气候变化下的水资源管理挑战。