区域耦合SWAT–MODFLOW模型中基于数据空间反演的不确定性信息监测网络设计

《Journal of Hydrology》：A data-space inversion framework for uncertainty-informed monitoring network design in a regional coupled SWAT–MODFLOW model

　　

区域地下水管理在耦合地表水–地下水（SW–GW）系统中受多尺度地质非均质性、地下水力属性分布知识有限以及控制河流–含水层交换与地下水水头动态的流动过程表征不完整等因素影响而存在不确定性。这些不确定性影响技术与运行风险评估，例如含水层意外枯竭、河流基流损失以及监测网络设计不当。尽管将模型集合条件化于河流流量与地下水水头等观测可改善预测性能，但野外观测往往稀疏、不确定且获取成本高昂。因此，不确定性信息监测网络设计需要识别哪些观测能最大程度降低预测不确定性，以及哪些观测可能提供冗余信息。数据价值（DW）分析评估观测改善参数估计或降低模型预测不确定性的程度，为评估现有与预期观测对复杂水文地质系统预测可靠性的贡献提供定量框架。DW分析与信息价值（VoI）概念密切相关，后者评估额外信息如何在不确定性下改善决策。通常考虑三类：现有数据价值（EDW），评估移除当前观测时预测不确定性的增加；额外数据价值（ADW），量化预期观测带来的预期不确定性降低；参数数据价值（PDW），评估降低模型参数不确定性的收益。在监测应用中，观测的价值不仅取决于其类型与密度，还取决于其位置、空间相关性、水力连通性以及与目标预测的关系。以往研究采用多种方法评估水文地质及相关地下系统中的DW。一阶二阶矩（FOSM）方法计算高效，但在高度参数化与非线性系统中可能因依赖围绕校准参数集的局部线性化而可靠性降低。随机与贝叶斯方法提供更完整的概率不确定性处理，但通常需要大量正演模型评估，对大型集成模型计算需求大。基于集合的方法，包括概率配点、集合卡尔曼滤波与集合平滑，从模型实现间的变异性估计不确定性，已用于若干DW应用。然而，集合更新仍可能受高斯假设、数值不稳定性以及在非均质系统中保持真实水力连通性困难的影响。近期集成水文研究开始比较不同观测类型的价值，表明水文地质非均质性、水力连通性与预测尺度强烈影响观测价值。尽管有这些进展，在表征区域水文地质非均质性的计算需求大的流域尺度耦合SW–GW模型中，不确定性信息监测网络设计仍具挑战性。这一挑战源于河流流量与地下水水头观测约束耦合系统的不同组分，而未来数据获取的价值取决于预测不确定性所在位置、观测与目标预测的水力连接方式、含水层结构如何控制信息传递，以及哪些不确定含水层属性继续控制预测不确定性。因此，监测网络设计需要一个框架，能够高效评估观测移除与候选添加情景，同时不过度简化地下水系统的空间结构。数据空间反演（DSI）为计算需求大的耦合SW–GW模型中的预测与DW分析提供了合适框架，因为它利用模拟观测与目标预测之间的集合导出关系直接条件化预测。与模型空间反演不同，DSI不需要估计或历史拟合物理模型参数。一旦生成了物理合理的模拟观测与预测集合，观测数据即可用于直接在数据空间中更新预测。该数据空间条件化的数值成本主要取决于观测与预测向量的维度及集合大小，而非构建物理模型所用的参数数量。因此，DSI可支持具有复杂高维参数场的模型，同时允许评估大量观测移除与候选添加情景而无需重复参数条件化或耦合模型模拟。近期研究已将这些能力应用于地下水与耦合SW–GW系统中的DW分析。Delottier等（2023）将DSI与线性DW分析相结合，评估合成集成地表–地下模型中的现有与预期监测信息。Qasemipour等（2026）随后将DSI应用于流域尺度SWAT + gwflow模型，评估河流流量与地下水水头观测对地下水水头预测不确定性的影响。该研究中，地下水水头观测被集体评估，而线性DW分析仅针对选定预测位置进行演示；预期观测评估与现有地下水水头观测的个体价值也被确定为未来研究方向。其他近期耦合模型研究使用线性方法比较了不同观测类型的价值。综上，这些研究表明区域监测网络评估仍存在空白：在以强水力连通性为特征的高度非均质河流–含水层系统中，跨多个地下水水头预测目标对现有观测组、个体监测井与预期监测位置进行联合评估。保持这种物理复杂性很重要，因为耦合SW–GW系统中的不确定性强烈受含水层非均质性、水力连通性与河流–含水层交换影响。过度简化的模型表征可能使预测不确定性估计产生偏差并低估局部观测的价值。美国俄亥俄州西南部的大迈阿密河流域（GMRW）为这一分析提供了合适环境，因为该流域内地下水资源主要由大迈阿密埋谷含水层（GMBVA）供给，该含水层为密集管理的冰川冲积砂砾沉积与低渗透性冰碛物互层含水层。河网与埋谷含水层之间的强水力连通性产生空间变化的河流–含水层交换，包括诱发入渗与瞬态河岸蓄水，这对市政、农业与工业供水很重要。为保持这一区域水文地质框架，地下水模型采用俄亥俄州自然资源部（ODNR）开发的空间分布水力传导度场，该场反映了埋谷含水层的广泛地质填图与水文地质表征。本研究的集合条件化量化了水力传导度有效量级的不确定性，同时保持填图的区域水文地质架构。因此，在该环境中预测地下水水头动态需要一种方法，能够高效评估观测价值，同时保留含水层非均质性与水力连通性的影响。受这一空白驱动，本研究提出：在具有强水力连通性的高度非均质河流–含水层系统的 adopted 水文地质表征中，哪些现有与预期观测能最大程度降低地下水水头预测不确定性，以及哪些参数不确定性控制剩余预测不确定性？为解决这一问题，研究人员使用GMRW的耦合SWAT–MODFLOW模拟先验集合应用基于DSI的DW框架，并以FOSM提供PDW的补充评估。对于DW计算，地下水水头预测不确定性在85个现有监测井位置进行评估。分析评估现有观测与19个候选位置额外地下水水头观测如何降低这一确定预测目标集的不确定性。DSI直接在数据空间中条件化预测，用于量化河流流量记录、地下水水头观测与个体监测井的EDW。ADW用于对19个未来网络扩展候选位置进行排序，FOSM提供补充线性基准以评估PDW并识别控制剩余预测不确定性的含水层参数，特别是给水度（Sy）与水力传导度（K）。这些分析共同提供了EDW、ADW与PDW的区域性、预测特定评估，同时保持埋谷河流–含水层系统填图的区域水文地质结构。本文结构如下：第2节介绍耦合SWAT–MODFLOW建模框架及不确定性与DW分析方法；第3节介绍预测不确定性量化、EDW分析、ADW分析与PDW分析结果；第4节讨论对不确定性信息监测网络设计的启示；第5节总结主要发现。

研究背景方面，区域地下水管理在耦合地表水–地下水（SW–GW）系统中面临多尺度地质非均质性、地下水力属性分布知识有限以及河流–含水层交换与地下水水头动态流动过程表征不完整带来的不确定性。这些不确定性影响含水层枯竭、河流基流损失与监测网络设计不当等技术与运行风险评估。尽管将模型集合条件化于河流流量与地下水水头观测可改善预测性能，但野外观测稀疏、不确定且成本高，因此不确定性信息监测网络设计需识别能最大程度降低预测不确定性的观测并识别冗余信息。数据价值（DW）分析为评估现有与预期观测对预测可靠性贡献提供定量框架，包括现有数据价值（EDW）、额外数据价值（ADW）与参数数据价值（PDW）。以往一阶二阶矩（FOSM）方法计算高效但依赖局部线性化，随机与贝叶斯方法计算需求大，基于集合的方法受高斯假设与数值稳定性影响。近期研究开始比较不同观测类型价值，但在计算需求大的流域尺度耦合SW–GW模型中，联合评估现有观测组、个体监测井与预期监测位置仍存在空白。数据空间反演（DSI）利用集合导出的模拟观测与目标预测关系直接条件化预测，计算成本主要取决于观测与预测向量维度及集合大小，而非参数数量，因而适合评估大量监测情景。大迈阿密河流域（GMRW）的大迈阿密埋谷含水层（GMBVA）具有强河流–含水层水力连通性与空间非均质水力传导度，为分析提供合适环境。研究旨在回答在 adopted 水文地质表征中哪些现有与预期观测能最大程度降低地下水水头预测不确定性，以及哪些参数不确定性控制剩余预测不确定性。研究人员开展了基于DSI的DW分析，使用耦合SWAT–MODFLOW先验集合，以FOSM补充PDW评估，得出DSI-based DW分析为耦合SW–GW系统中评估现有观测与预期监测位置提供了高效框架；河流流量观测对地下水水头预测不确定性提供最强组级约束；地下水水头观测提供河流流量无法完全替代的局部含水层信息且信息集中于少数井；ADW分析表明监测扩展应 targeted 而非均匀，候选井w87、w89、w86与w92提供最大预期不确定性降低；FOSM-based PDW表明剩余地下水水头预测不确定性主要受Sy与HKmult控制，因此额外监测应与改善含水层属性表征相结合。研究意义在于为区域监测网络设计提供预测特定的决策支持基础。关键技术方法方面，研究构建耦合SWAT–MODFLOW模型，采用PESTPP-IES迭代集合平滑器条件化13个可调参数，生成550个先验实现并经质量控制保留480个后验实现；应用DSI基于先验模拟集合构建模拟观测与地下水水头预测的经验协方差关系并以主成分分析（PCA）降维；采用FOSM作为线性基准评估PDW；使用Spearman秩相关进行基于集合的敏感性分析；采用K-means空间留出交叉验证评估ADW排序稳健性。样本队列来源为GMRW的85个现有地下水水头监测井与19个候选监测井，河流流量观测来自USGS gauge 03274000，抽水数据来自Miami Conservancy District（MCD），含水层属性来自ODNR数据集。研究结果方面，3.1不确定性分析中，PESTPP-IES条件化对参数收缩不均匀，Ss、CN2与HKmult收缩最强，分别达77.0%、75.9%与72.7%；最终集合河流流量NSE在条件化期为0.762、验证期为0.772；DSI表示河流流量NSE在条件化期为0.860、验证期为0.881，地下水水头RMSE为8.5 m，与物理模型后验性能相近；地下水水头预测不确定性在85井网络从1.28 m降至0.831 m，约降低35%；后验预测不确定性呈明显空间变异，井密与水力连通区不确定性较低，中东部、边缘与边界区不确定性较高。3.2 DSI-based DW分析中，EDW分析表明移除180个月河流流量观测使平均后验地下水水头预测方差增加93.9%，远大于移除85个地下水水头观测的9.5%；个体井中w76、w75、w67与w70的EDW最高，分别为1.07%、0.99%、0.99%与0.92%；ADW分析表明19个候选井均产生非负方差降低，w87最高为3.79%，其次w89为3.41%、w86为2.79%、w92为1.76%；空间留出分析保持相同候选井排序（Spearman ρ=1.00），添加全部19个候选观测使平均预测标准差从0.6175降至0.5725 m，降低7.30%；南部与东部为优先扩展区。3.3 FOSM-based DW分析中，FOSM基准支持DSI关于河流流量为最强组级约束的主要发现，FOSM移除河流流量使方差增加157.7%，移除地下水水头观测增加2.5%；个体井EDW排序DSI与FOSM呈中度显著一致（Spearman ρs=0.571，p<0.001）；PDW分析表明Sy降低不确定性使后验预测方差降低69.4%，HKmult降低49.9%，为仅有的超过5%实用价值阈值的参数。3.4监测网络启示中，综合EDW、ADW与PDW结果提出四项监测优先事项：维持河流流量观测；优先持续监测高价值现有井w76、w75、w67与w70；未来扩展优先最高排名候选井w87、w89、w86与w92；监测扩展与改善含水层属性表征相结合。讨论部分总结指出，观测贡献取决于其与确定预测的关系及监测网络已有信息，添加观测在重现相似水文响应时改善有限；河流流量高EDW反映月径流记录包含的流域尺度信息，在GMBVA强水力连通埋谷含水层中尤为重要；地下水水头观测提供互补局部信息，其不均匀EDW反映水文地质环境、水力连通性与井间冗余差异；ADW高值位置出现在剩余预测不确定性较高且预期观测与预测目标强相关处，新井应依据预期预测不确定性降低贡献而非仅几何间距选择；PDW结果表明Sy与HKmult为主要参数控制，SWAT参数PDW较低不表示流域过程不重要而可能已被河流流量观测约束或对选定水头预测影响较小；集合条件化参数约束不均匀，HKmult后验5th–95th分位范围为0.41–2.16，剩余参数不确定性以不同方式进入两种DW方法；DSI与贝叶斯证据学习（BEL）及机器学习代理模型相关，但代理模型用于DW分析需保持观测、预测与相关含水层响应之间的联合关系；结果仍条件于先验分布、观测误差假设、确定预测目标与 adopted 参数化，未来应发展基于水文相或空间变化的K与Sy表征并评估更多河流 gauges 与采样频率。结论部分翻译如下：本研究开发了基于DSI的DW框架，用于量化与降低流域尺度耦合SW–GW系统中的地下水水头预测不确定性。该框架使用先验SWAT–MODFLOW模拟集合直接在数据空间中评估EDW与ADW，并以FOSM作为PDW分析的补充基准。主要结论为：1. 基于DSI的DW分析为耦合SW–GW系统中评估现有观测与预期监测位置提供了高效框架，同时保留基于集合的预测不确定性。2. 对于确定预测目标，河流流量观测对地下水水头预测不确定性提供最强组级约束；其高EDW反映月径流记录包含的流域尺度信息，包括补给、径流生成、基流退水与河流–含水层交换。3. 地下水水头观测仍然重要，因为它们提供河流流量无法完全替代的局部含水层信息；现有水头网络的信息内容集中于选定井，尤其是w76、w75、w67与w70。4. ADW分析表明监测扩展应 targeted 而非均匀；候选井w87、w89、w86与w92提供最大预期地下水水头预测不确定性降低，并确定未来网络扩展优先区。5. 基于FOSM的PDW表明剩余地下水水头预测不确定性主要受Sy与HKmult控制；因此额外监测应与改善含水层属性表征相结合，尤其是储水与水力传导度。总体而言，这些发现应在区域建模框架范围内解释：单层可转换地下水层表征区域横向对比但不显式解析垂向水力梯度、水文地层分层或深度依赖连通性；水力传导度不确定性由施加于固定填图模式的域范围乘子（HKmult）表示，而DW估计描述85口井的长期平均水头并依赖 adopted 参数化与观测误差假设；未来研究应使用多层模型与更空间灵活的水力传导度表征评估排序稳定性。