墨西哥锡那罗亚州瓜萨韦市沿海水井旱季与雨季灌溉水质变化速率建模

《Agronomy》：Modeling the Rate of Change in Irrigation Water Quality Between the Dry Season and Wet Season in Coastal Wells in the Municipality of Guasave, Sinaloa, Mexico

　　

本研究旨在对墨西哥锡那罗亚州瓜萨韦市沿海水井旱季与雨季间地下水灌溉水质的变化速率进行建模。研究人员采集了58份井水样本（旱季29份，雨季29份），测量了以下参数：pH、电导率（E.C.）、总溶解固体、温度、盐度、静水位、Na+、Ca2+、Mg2+、K+、Cl?、SO42?、CO32?和HCO3?。计算了原始钠吸附比（SARor）、校正SARco和调整SARad。利用皮尔逊（Pr）和斯皮尔曼系数，分别计算了旱季和雨季的普通相关性和重复测量相关性。采用配对检验和派珀图识别季节间的差异。使用多元线性回归（偏最小二乘法）对水质指标值进行建模。针对水质变化速率，获得了三个预测模型。这三个模型的皮尔逊系数值分别为：0.311（E.C. vs. SARor）、0.266（E.C. vs. SARco）和0.318（E.C. vs. SARad）。基于E.C. vs. SARor、SARco和SARad，对观测值和预测值的水质进行了数值分类。尽管这些模型未达到高效的验证标准，但该方法可为未来应用更强大的非线性预测方法奠定基础。该方法可应用于预防因使用盐碱水灌溉导致的土壤污染，有望提升墨西哥农业心脏地带的农业产量。

研究背景、存在问题与研究目的

地下水是全球重要的淡水资源，约20%用于农业灌溉。在干旱和半干旱地区，地下水因易受气候变化影响而尤为脆弱。墨西哥锡那罗亚州瓜萨韦市被誉为“墨西哥的农业心脏地带”，其经济高度依赖灌溉农业。然而，该地区地下水水质在旱季与雨季之间存在显著波动，主要受蒸发、补给稀释、矿物溶解、阳离子交换及海水入侵等多重因素影响。此前虽有研究对该区域沿海水井的灌溉水质（基于E.C. vs. SAR_or）进行评估，但尚缺乏量化旱季与雨季间水质变化速率的预测模型。因此，本研究旨在通过对29口沿海灌溉水井在两个气候季节（2025年6月雨季和2026年2月旱季）的采样分析，建立水质变化速率的多元线性回归预测模型，以期为防止盐碱水灌溉引发的土壤退化提供科学依据。

研究方法与技术路线

研究人员选取了墨西哥瓜萨韦市沿海区域的29口灌溉井，分别在雨季和旱季各采集一次水样，共获得58份样本。测量了pH、电导率（E.C.）、总溶解固体（TDSs）、温度（Temp）、盐度（Sal）、静水位（s.l.）以及Na⁺、Ca²⁺、Mg²⁺、K⁺、Cl^?、SO₄^2?、CO₃^2?和HCO₃^?等14项理化参数，并计算了三种钠吸附比（SAR_or、SAR_co、SAR_ad）。采用夏皮罗-威尔克正态性检验后，分别运用皮尔逊（Pr）和斯皮尔曼（Sr）相关系数进行普通相关性和重复测量相关性分析。通过配对t检验或威尔科克森检验识别季节间均值差异，并使用派珀图分析水化学组成。最后，以E.C. vs. SAR_or、SAR_co、SAR_ad的观测数值为因变量，以pH、Temp、s.l.、Cl^?和SO₄^2?为自变量，建立了九个多元线性回归（MLR）预测模型，涵盖旱季、雨季及两季变化速率三种情境，并通过留一法交叉验证和七项性能指标进行模型评估。

研究结果

3.1 旱季

3.1.1 理化参数空间变异性：旱季数据显示，E.C.平均值为2193 μS cm^?1，Na⁺平均浓度为23.54 mEq L^?1，SAR_or平均值为12.55。所有样品中CO₃^2?浓度均为零。

3.1.2 观测灌溉水质分类：基于E.C. vs. SAR_or分类，多数井水属于C3（高盐度危害）等级，其中8口井为C3-S2，4口井为C3-S1。

3.2 雨季

3.2.1 理化参数空间变异性：雨季数据显示，E.C.平均值降至1849 μS cm^?1，而Na⁺平均值升至38.08 mEq L^?1，SAR_or平均值升至18.51。TDSs、Temp、Sal和SO₄^2?的平均值较旱季下降，而大多数阳离子和HCO₃^?浓度上升。

3.2.2 观测灌溉水质分类：雨季水质分类中，C3等级仍占主导，但高钠风险（S4及以上）的井数有所增加。

3.3 理化变量相关性分析

3.3.1 旱季普通相关性：E.C.与TDSs（Sr=0.997）、Sal（Sr=0.933）、Na⁺（Sr=0.859）、Cl^?（Sr=0.775）和SO₄^2?（Sr=0.843）呈强正相关；SAR_or与Na⁺（Sr=0.880）和HCO₃^?（Pr=0.541）显著相关。

3.3.2 雨季普通相关性：E.C.与Cl^?（Sr=0.906）相关性最强；SAR_or与pH（Sr=0.741）和Na⁺（Sr=0.860）显著相关，但与Ca²⁺（Sr=?0.625）和Mg²⁺（Sr=?0.389）呈负相关。

3.3.3 重复测量相关性（雨季-旱季差值）：E.C.变化与TDSs（0.977）和SO₄^2?（0.773）变化高度相关；SAR_or变化与Na⁺变化（Sr=0.671）显著相关。

3.4 配对检验

17项理化参数中，仅有4项（Sal、Ca²⁺、Cl^?、CO₃^2?）的旱季与雨季均值差异不显著；其余13项均存在显著季节变化，其中pH、Temp、s.l.、Na⁺、Mg²⁺、K⁺、HCO₃^?、SAR_or和SAR_ad在校正后仍具显著性。

3.5 水化学组成

3.5.1 旱季：29份样品中，18份为碳酸氢钠型水，8份为氯化物硫酸钠型水，另有少数镁钙硫酸盐氯化物型和镁钙碳酸氢盐型水。

3.5.2 雨季：碳酸氢钠型水增至22份，氯化物硫酸钠型水减至5份，表明雨季补给促进了Na⁺的溶解与重富集。

3.6 水质预测模型

研究人员给出了九个MLR模型（公式6-14），分别对应旱季、雨季及两季变化速率的三种水质指标（E.C. vs. SAR_or、SAR_co、SAR_ad）。

3.7 预测模型验证

3.7.1 交叉验证：Q² cum值范围从?6.780到0.200，多数模型为负值，表明模型不具备高效预测能力。

3.7.2 性能测试：观测值与预测值的皮尔逊相关系数介于0.173至0.720之间，RMSE介于1.751至2.583，NSE介于0.071至0.739。仅有旱季模型（E.C. vs. SAR_ad）表现相对较好（Pr=0.720，NSE=0.739），但整体而言模型验证效率不足。

讨论与结论

讨论指出，旱季与雨季水质参数的增减模式反映了不同的水文地球化学过程：雨季E.C.、TDSs等的下降归因于降水补给带来的稀释作用；而Na⁺、HCO₃^?及SAR值的升高则源于矿物溶解、土壤盐分淋洗、阳离子交换及海水混合等非均匀响应。约73%的样品呈现高盐度危害（C3级），仅适宜灌溉耐盐作物如苜蓿、小麦等。为避免高钠化风险（S4级），建议仅在雨季使用此类水源。相关性分析显示，旱季水质主要受蒸发和微弱补给控制，雨季则受淋洗和溶解过程主导。配对检验表明，E.C.、TDSs等八个参数对季节性补给的稀释效应不敏感。派珀图揭示，碳酸氢钠型水在雨季增多，反映补给驱动的Na⁺溶解；而氯化物硫酸钠型水减少，归因于低流量期难溶离子的沉淀及Cl^?的再分布。尽管建立的九个MLR模型因交叉验证Q² cum为负值而不具备高效预测能力，但该方法为未来应用随机森林、极端梯度提升等非线性机器学习算法提供了框架基础。

研究结论翻译：为了基于E.C. vs. SAR_or、SAR_co和SAR_ad的关系对旱季和雨季的灌溉水质进行分类和预测，研究人员在两个季节从29口井的水样中测量了17项理化参数。研究在墨西哥锡那罗亚州瓜萨韦市沿海区域进行。非碱性pH导致良好的养分有效性，这也是所有CO₃^2?测量值为零的主要原因。雨季E.C.、TDSs、Temp、Sal和SO₄^2?的下降归因于稀释作用和静水位深度的降低。雨季评估钠化度的参数（Na⁺、Ca²⁺、Mg²⁺、HCO₃^?、SAR_or、SAR_co和SAR_ad）升高是由于矿物溶解、土壤盐分淋洗、阳离子交换和海水混合所致。约四分之三的总样品呈现高盐度危害（C3分类）；即这些水仅推荐用于灌溉苜蓿、小麦、燕麦和大麦。为避免高钠化风险（S4分类），建议仅在雨季使用这些水。水质下降显著依赖于蒸发效应、微弱补给、土壤淋洗、阳离子交换和盐分溶解。当存在单一依赖关系（如E.C. vs. SO₄^2?）时，水质一致性较高。E.C.、TDSs、Sal、Ca²⁺、Cl^?、SO₄^2?、CO₃^2?和SAR_co的均值对雨季补给的稀释效应不显著敏感。以碳酸氢钠型和氯化物硫酸钠型为主的水化学组成表明，源自水岩相互作用的含NaCl和SO₄^2?卤水的存在，指示地下水中Na⁺、SO₄^2?和Cl^?的浓度既不显著依赖于旱季的蒸发，也不依赖于雨季发生的淋洗、稀释或溶解过程。研究提供了九个用于灌溉的井水水质预测模型。预测旱季和雨季水质变化速率的方法此前尚未在锡那罗亚州应用。尽管这些模型缺乏预测效率，但该方法可作为未来应用其他更具非线性捕捉能力的强大预测方法的基础。该方法可应用于世界任何地区，从而在不损害土壤结构稳定性的前提下帮助提高作物产量。