基于物理信息神经网络（PINN）的德州市不同气候情景下地面沉降-回弹预测研究

本研究针对地下水恢复背景下地面沉降演化预测难题，创新性地构建了自然-人工二元水循环框架，结合物理信息神经网络（PINN）技术，模拟了降水-蒸发-开采与地下水位的动态关系及水位-沉降耦合机制。研究揭示了浅层地下水对气候变化高度敏感而深层地下水受开采主导的规律，发现地下水开采会抑制水位季节波动并延长降水响应滞后达8个月，为地下水调控和地面沉降防治提供了科学依据。

　　

在地下水超采严重的华北平原，地面沉降已成为威胁城市安全和生态稳定的重大地质问题。随着南水北调工程通水和地下水禁采政策的实施，部分地区地下水位开始恢复，沉降速率减缓甚至出现回弹，形成"沉降-回弹"新常态。传统数值模型需要大量参数和精细网格，计算复杂；而机器学习方法虽预测性能强，但缺乏物理机制解释性，难以辨析自然气候变异与人为开采对沉降过程的相对贡献。

针对这一难题，首都师范大学洪慧丽教授团队在《Journal of Hydrology: Regional Studies》发表研究，以典型沉降区德州市为研究对象，创新性地开发了二元水循环框架，区分自然驱动因子（降水、蒸发）和人为驱动因子（地下水开采），并采用物理信息神经网络（PINN）方法，构建了水位预测模型（WB-RNN）和一维固结理论约束的沉降预测模型，利用气象、水文地质和InSAR变形数据，预测不同SSP-RCP情景下未来地下水位和地面沉降演变。

研究主要采用多源数据融合分析、物理信息神经网络建模、SBAS-InSAR形变监测、跨相关分析等技术方法。数据包括TerraClimate和CMIP6气象数据、德州市水资源公报开采量数据、山东省地质矿产局监测井水位数据，以及Sentinel-1A卫星SAR数据。

研究结果

4.1. InSAR结果精度验证

通过SBAS-InSAR和PS-InSAR两种方法相互验证，结果显示RMSE为2.3 mm/yr，90%的点位偏差在±10 mm/yr以内，证明了InSAR结果的准确性和一致性。研究确定了P1（当前主要沉降中心）和P2（历史沉降区）两个典型区域进行后续分析。

4.2. 地下水位和地面沉降变形模拟结果

WB-RNN模型对地下水位的模拟结果显示，深层地下水模拟效果优于浅层（NSE>0.68），浅层地下水受降水、开采和引黄灌溉等多因素影响更为复杂。固结理论约束的RNN模型在变形序列模拟中优于传统GRU-CNN模型，能更好捕捉变形的细节特征和趋势变化。

4.3. 不同SSP-RCP情景下未来地下水位和地面沉降变形预测结果

预测表明：浅层地下水对气候变化高度敏感，在SSP5-RCP8.5高排放情景下波动最显著，最大振幅达2.79 m；深层地下水短期波动小但对气候变化长期响应逐渐显现，在SSP5-RCP8.5情景下最大下降趋势达0.872 m/yr。开采条件下沉降显著增加，特别是在SSP5-RCP8.5情景下变形增长明显。

5.1. 固结理论约束-RNN结果评估

固结理论约束的RNN方法在捕捉变形细节方面优于传统GRU-CNN模型，其优势在于结合了一维固结理论，模拟了有效应力变化引起的土体压实物理过程。反演的含水层参数与地质调查报告值基本吻合，验证了方法的可靠性。

5.2. SSP-RCP情景下季节振幅和趋势特征讨论

分析表明：无开采条件下，浅层地下水趋势和波动在不同气候情景下差异明显；深层地下水趋势对气候变化响应较弱。开采条件下，浅层地下水仍对气候变化敏感但普遍下降；深层地下水趋势主要受开采影响。气候变化主要通过地下水位波动引起短期弹性变形影响沉降，而开采是长期趋势性沉降的主要驱动因素。

5.3. 不同SSP-RCP情景下地下水位和地面沉降对降水的响应

浅层地下水对降水响应快但相关性弱；深层地下水响应稳定且滞后。开采条件下响应模式显著变化，浅层地下水局部更敏感，深层普遍呈下降趋势。降水通过多含水层结构间接影响沉降，而沉降直接受开采和多层含水层水位波动影响。

研究结论与意义

该研究通过构建二元水循环框架和PINN模型，揭示了德州市地面沉降-回弹演变规律：浅层地下水对气候变化高度敏感，表现出显著季节波动；深层地下水响应缓慢但长期趋势受开采主导；地下水开采直接驱动水位下降，抑制季节波动，延长降水响应滞后达8个月；降水通过多含水层系统间接影响沉降，而开采和多层含水层水位波动是沉降-回弹变化的主要影响因素。

研究创新性地将物理机制与神经网络结合，提高了模型的解释性和预测准确性，为地下水恢复背景下地面沉降预测提供了新方法。研究成果对华北平原水资源管理和地面沉降防治具有重要指导意义，可为不同气候情景和开采政策下的地面沉降风险预警提供科学依据。

研究的局限性在于模型需要预设大量物理参数，泛化能力有待提高；未来可纳入土地利用变化等多因素，进一步完善二元水循环框架。