基于AHP与Fuzzy-AHP及GIS的孟加拉国Chattogram丘陵-海岸区地下水潜力区比较制图

《Desalination and Water Treatment》：Comparative AHP and Fuzzy-AHP Modeling with GIS for Groundwater Potential Zone Mapping in a Hilly-Coastal Region of Bangladesh

　　

摘要翻译：研究人员针对孟加拉国Chattogram丘陵-海岸地区的地下水潜力区制图，开发了一种新的层次分析法（Analytical Hierarchy Process, AHP）与模糊层次分析法（Fuzzy Analytical Hierarchy Process, Fuzzy-AHP）比较方法，并在地理信息系统（Geographic Information Systems, GIS）环境中整合AHP与Fuzzy-AHP，以降低多准则决策分析（Multi-Criteria Decision Analysis, MCDA）中准则权重的不确定性。Fuzzy-AHP识别出33%的适宜区和57%的中等地下水潜力区，并表现出更大的灵活性。研究人员通过接收者操作特征曲线（Receiver Operating Characteristic, ROC）和敏感性分析验证了模型的稳定性与稳健性。

论文解读：地下水是分布最广的可利用淡水资源，对生活、工业和农业具有关键意义。孟加拉国超过80%的水需求来自地下含水层，旱季灌溉抽水强烈；快速人口增长、城市化和集约农业使地下水资源承压，西北部等地地下水位下降，气候变异又增加气象驱动的不规则性。Chattogram District位于孟加拉国东南部孟加拉湾沿岸，为丘陵-海岸混合地形，东部为Chittagong Hill Tracts丘陵，西部为低地海岸，分布浅层非承压和深层半承压含水层，Karnaphuli、Halda和Sangu等河流控制排水；该区人口超过900万，快速城市化、高强度地下水抽取和南部沿海盐水入侵使地下水位显著下降，并具有高地表径流、强季节水位波动、复杂地形和城市水稀缺等特征。既有研究多集中于平原、三角洲或西北部，针对Chattogram复杂丘陵-海岸环境的地下水潜力区（Groundwater Potential Zone, GWPZ）研究不足；经典AHP难以处理专家判断的不确定性和模糊性，而AHP与Fuzzy-AHP在该类环境中的综合比较研究有限。为此，研究人员评估Chattogram District的GWPZ，识别10个关键水文地质、地貌和气候因子，用AHP和Fuzzy-AHP确定相对权重，生成并比较GWPZ图，并以孟加拉国水资源发展委员会（Bangladesh Water Development Board, BWDB）31口观测井地下水埋深数据，通过ROC曲线和敏感性分析验证。研究得出AHP下中等潜力区占68%、适宜区20%、较不适宜区12%，Fuzzy-AHP下中等57%、适宜33%、较不适宜10%，Fuzzy-AHP给出更大适宜区；AHP的AUC为0.738，Fuzzy-AHP为0.762，均表现良好，Fuzzy-AHP略优。该研究可为当地社区、水资源管理者和政策制定者可持续管理地下水、规划人工地下水补给和优化开采提供科学依据。

关键技术方法（不超过250字）：研究人员采用GIS支持的多准则决策分析（MCDA）框架，选取降雨、土地利用/覆被（Land Use/Land Cover, LULC）、地形湿度指数（Topographic Wetness Index, TWI）、坡度、排水密度、地貌、线密度、土壤类型、岩性和高程10个主题层；由20名来自BWDB、Chattogram WASA、Geological Survey of Bangladesh、Water Resources Planning Organization、高校和工程领域的专家按Saaty标度进行成对比较，并以几何平均聚合。AHP计算归一化权重并检验一致性；Fuzzy-AHP以三角模糊数（Triangular Fuzzy Numbers, TFNs）表达判断不确定性，经几何平均、质心去模糊化和归一化获得权重；加权叠加生成地下水潜力指数（Groundwater Potential Index, GPI）。验证队列为BWDB 31口观测井地下水埋深数据，采用ROC-AUC和逐层移除敏感性分析。

研究结果：3.1 参数重分类与加权适宜性得分：通过将10个主题层重分类为1—5适宜性并乘以AHP与Fuzzy-AHP归一化权重，得出AHP中降雨、岩性、LULC和TWI最重要，Fuzzy-AHP中降雨、TWI、LULC和线密度较高；降雨在AHP中权重为0.25、在Fuzzy-AHP中为0.32，TWI在Fuzzy-AHP中为0.17，LULC和线密度在Fuzzy-AHP中均为0.10。3.2 基于AHP的地下水潜力区：通过AHP加权叠加制图得出，Chattogram以中等潜力区为主，面积2882.2 km²、占68%；适宜区877.4 km²、占20%；较不适宜区503.8 km²、占12%；适宜区主要位于降雨、岩性、LULC、低高程和缓坡有利处，差区主要位于丘陵高海拔、陡坡和高径流区。3.3 基于Fuzzy-AHP的地下水潜力区：通过Fuzzy-AHP加权叠加制图得出，中等潜力区2414.7 km²、占57%，适宜区1395.1 km²、占33%，较不适宜区452.8 km²、占10%，极适宜区仅0.1002 km²、近可忽略；适宜区增加与Fuzzy-AHP给予降雨、TWI和线密度更高权重有关，极适宜类因模糊权重和自然断点分类后上尾像素少而空间范围极小。3.4 AHP与Fuzzy-AHP地下水潜力图的比较评估：通过面积百分比比较得出，两模型均以中等潜力区为主，但Fuzzy-AHP使适宜区由20%增至33%、中等区由68%降至57%、较不适宜区由12%降至10%；AHP权重结构直接清晰，Fuzzy-AHP更适合处理专家判断不确定性，输出更灵活。3.5 基于ROC-AUC分析的模型验证：通过31口BWDB井地下水埋深数据，以埋深≤20 m为potential、>20 m为non-potential进行ROC-AUC验证，AHP的AUC为0.738、Fuzzy-AHP为0.762，均高于0.70；ΔAUC=0.024较小，不应解释为Fuzzy-AHP具有显著更高的预测可靠性，且未进行正式统计检验，样本量小和井位空间聚集使AUC仅代表区域相对模型精度。3.6 敏感性分析：通过逐层移除并重归一化剩余权重比较低、中、高潜力区面积变化，AHP高潜力区受坡度、地貌、高程、土壤类型和岩性影响较大，移除坡度使高潜力区减少49.99%、移除地貌减少48.55%；3.6.1 AHP模型敏感性分析表明该模型受地形和地质控制强；3.6.2 Fuzzy-AHP模型敏感性分析表明高潜力区受地貌、坡度、高程、土壤类型、岩性和排水密度显著影响，移除地貌减少75.67%、坡度减少74.82%、高程减少69.96%、土壤类型减少69.65%、岩性减少67.63%、排水密度减少66.68%，说明尽管降雨先验权重最高，GWP空间分布仍受降雨与坡度、地貌、排水密度、土壤和岩性交互控制。3.7 与既往基于AHP/FAHP的地下水研究比较：通过比较研究区、AUC、参数数量与参数类型得出，本研究使用10个因子，较既往7—9个因子更全面解释Chattogram复杂丘陵-海岸水文地质；AUC受地形复杂度、验证样本数、变量选择和数据质量影响，AHP 0.738与Fuzzy-AHP 0.762在区域尺度表现良好，Fuzzy-AHP略优，表明模糊加权在固定成对比较不能完全表达地下水赋存时具有作用。

讨论部分总结：讨论强调Fuzzy-AHP的主要优势在于显式处理语言不确定性并略微改善权重区分，而非显著提高总体预测能力；敏感性分析显示先验权重与各层对最终分类图的空间影响并不相同；31口BWDB井样本量较小、井位可能空间聚集且未对AUC差异做正式统计检验，因此AUC结果应作为区域相对模型精度而非局部性能解释；与既往研究比较时，地形复杂度、验证样本、变量选择和数据质量均会影响AUC。研究结论翻译：该研究探索了基于GIS的AHP与Fuzzy-AHP在孟加拉国Chattogram District地下水潜力区识别中的应用，制备、重分类、加权并加权叠加了降雨、LULC、TWI、坡度、排水密度、地貌、线密度、土壤类型、岩性和高程10个地下水控制因子；AHP结果为68%中等、20%适宜、12%较不适宜，Fuzzy-AHP结果为57%中等、33%适宜、10%较不适宜，表明Fuzzy-AHP产生更大适宜地下水潜力区；两模型经31口BWDB观测井验证均表现良好，AUC分别为0.738和0.762，AUC差异不大，说明模糊加权的主要作用在于降低准则加权不确定性而非显著提高总体预测能力；敏感性分析识别出地貌、坡度、高程、岩性、土壤类型和排水密度显著影响最终地下水潜力图，是Chattogram丘陵-海岸水文地质的关键参数。总体上，GIS支持的AHP与Fuzzy-AHP地下水潜力区制图有效，在复杂水文地质环境中Fuzzy-AHP可作为灵活可靠的输出；所制图件可用于安全地下水勘探、人工地下水补给规划和Chattogram District地下水资源管理；未来应纳入季节和年际地下水时间数据，并考虑将机器学习与GIS支持的AHP和Fuzzy-AHP模型结合，以提高预测精度并促进动态地下水潜力评估。