经过降尺度的GRACE数据揭示，在中国各绿洲地区，人为因素是导致地下水储量减少的主要原因

《Ecological Indicators》：Downscaled GRACE data reveals anthropogenic dominance in groundwater storage decline across China’s oases

中国绿洲区地下水储量动态及人类活动与气候变化贡献分析，基于GRACE/GRACE-FO卫星数据与机器学习降尺度技术，构建0.1°高分辨率地下水储量（GWSA）和总水储量（TWSA）时空分布模型，揭示2002-2023年GWS年减少率达5.49毫米，其中84%归因于人口增长、农业扩张及城市化。研究采用两阶段广义加性模型（GAM）解析气候（降水、地表温度、ENSO指数）与人类活动（NDVI、人口、灌溉、 cropland面积、地表硬化率）交互作用，发现干旱区绿洲（如新疆、青海）GWS显著下降，而近湿润区（内蒙古、宁夏）呈现波动趋势。时空异质性分析表明，地形与土壤湿度对降尺度精度影响显著，机器学习模型选型与特征筛选关键。

　　全球水资源在全球气候变化和人类活动的双重压力下正面临严峻挑战，尤其是在干旱和半干旱地区。这些地区由于降水稀少、蒸发强烈，对水资源的依赖程度极高，且水资源的获取和管理面临巨大困难。中国西北部的干旱地区是这一问题的典型代表，其水资源总量仅为全国的3.46%，但却是重要的农业和人口聚集区。由于地下水在这些地区扮演着关键角色，研究其变化趋势及其驱动因素对于可持续水资源管理至关重要。然而，传统的地下水监测手段存在局限性，如监测井分布不均、数据时间分辨率低以及数据获取困难等问题，使得长期和大规模的地下水动态监测变得复杂。

为了解决上述问题，研究人员结合了GRACE/GRACE-FO卫星数据与机器学习技术，构建了高分辨率（0.1°）的中国绿洲总储水变化（TWS）和地下水储水变化（GWS）地图。这种方法不仅提升了数据的空间分辨率，还通过交叉验证确保了其可靠性。结果表明，经过机器学习模型优化后的数据与原始GRACE数据（0.5°分辨率）相比，与103个监测井的地下水水位变化具有更高的相关性，其中超过20%的监测井显示出显著的强相关性（>0.6）。这一成果标志着在干旱地区地下水动态监测方面取得了重要进展。

从2002年至2023年，中国绿洲地区的总储水和地下水储水均呈现出显著下降趋势，分别为每年-5.29毫米和-5.49毫米。地下水储水变化占总储水变化的84%。进一步分析表明，这种下降趋势主要由人类活动驱动，包括人口增长、耕地扩张以及城市化等。相比之下，靠近湿润地区的绿洲（如内蒙古和宁夏）则表现出地下水储水变化的波动性，其中气候和人类因素的解释力较低（R2=0.62-0.64），这表明在这些地区地下水变化受多种复杂因素影响。

通过构建一种两阶段广义可加模型（GAM），研究人员能够更精确地量化人类活动和气候变化对地下水储水变化的贡献。结果表明，78%-90%的地下水储水变化归因于人类活动，而气候变化的影响则相对较小。此外，地下水储水变化的空间异质性表明，不同区域的地下水压力存在显著差异。例如，新疆和青海的绿洲由于人类活动的高强度需求，地下水储水变化尤为显著，而过渡区域则表现出混合变化趋势。

这些发现强调了制定地区特定水资源管理策略的重要性，以应对气候变化与人类活动之间的复杂相互作用。高分辨率的TWS和GWS地图为相关利益方和政策制定者提供了详尽的水资源信息，有助于采取措施如调整产业结构、建设水利基础设施以及优化水资源管理政策和灌溉方式，以应对日益严峻的水资源管理问题。通过揭示气候变化和人类活动对地下水的影响，这项研究加深了对绿洲水资源动态的理解，并为西北干旱地区水资源管理与可持续发展提供了科学依据。

研究中采用的模型和方法具有广泛的适用性，不仅提升了地下水变化监测的精度，还为其他类似地区提供了参考。此外，该研究还指出了未来研究的方向，即结合地下水地质调查数据（如含水层渗透性、储水系数）和水资源管理政策执行强度指标（如灌溉配额、地下水开采许可制度）以建立更真实的“人-自然”耦合机制框架，从而深化对区域地下水演变过程的理解。

整体来看，这项研究通过引入高分辨率、卫星衍生的地下水储水指标，以及一个稳健的定量框架来区分和归因气候变化与人类活动对关键水资源的影响，为干旱地区的水资源管理提供了新的视角。同时，研究结果表明，虽然气候变化对地下水储水变化的影响相对较小，但随着极端干旱事件的增加，未来对地下水的依赖可能会进一步加剧，从而对水资源管理提出更高要求。因此，迫切需要加快制定和实施综合地表与地下水管理政策，以确保在气候变化和人类活动的双重压力下，绿洲地区的水资源供应可持续性。