《Journal of Hydrology》：Developing the fusion of MODFLOW simulation and data-driven approaches for river-aquifer recharge modeling
编辑推荐：
为解决传统数值模型在模拟复杂河流-含水层相互作用时计算成本高、数据需求大的问题，研究人员将MODFLOW数值模拟与多元自适应回归样条（MARS）、高斯过程回归（GPR）、最小二乘支持向量回归（LSSVR）和随机森林（RF）等机器学习算法相结合，开发了一种预测含水层-河流补给的混合方法。该方法应用于伊朗北部古兰（Guilan）含水层，结果表明GPR模型预测性能最优（测试集NSE为0.9762），且能有效评估不同管理方案，可使含水层蒸发和排水量减少高达30%。此研究为复杂水文系统模拟与高效水资源管理提供了新框架。
水是生命之源，也是农业、工业和生态系统的命脉。在干旱半干旱地区，地表水（SW）与地下水（GW）之间复杂而精妙的相互作用，直接决定着水资源的可持续性。然而，理解和管理这种交互绝非易事：一方面，传统的现场测量或环境示踪方法耗时费力，难以大规模应用；另一方面，基于物理过程的数值模拟（如著名的MODFLOW）虽然能够精细刻画水流运动，但通常需要海量数据和巨大的计算资源，在数据稀缺的发展中国家尤其受到限制。更棘手的是，人类活动如上游筑坝和过度开采地下水，正在打破河流与含水层之间天然的平衡，使得精确量化河流对含水层的补给（river-aquifer recharge）变得前所未有地重要和困难。有没有一种方法，既能保留物理模型的机理优势，又能像“学霸”一样从数据中快速学习、精准预测，从而为水资源管理者提供既快速又可靠的决策工具？
这正是发表在《Journal of Hydrology》上的一项研究所要探索的前沿方向。为了应对上述挑战，以Zahra Kayhomayoon为首的研究团队将目光投向了机器学习（ML）这片沃土。他们巧妙地将传统的地下水数值模拟“老将”MODFLOW，与包括多元自适应回归样条（MARS）、高斯过程回归（GPR）、最小二乘支持向量回归（LSSVR）和随机森林（RF）在内的多位数据驱动“新星”结合起来，旨在开发一种全新的混合建模框架。研究的目标是，先利用MODFLOW获取可靠的河流-含水层交互模拟数据，再将这些数据作为“教材”训练各种机器学习模型，最终让机器学习模型能够仅用少数几个关键变量（地形、地下水位、地表补给），就能快速、准确地预测河流对含水层的补给量。这一创新思路的核心在于，用计算密集但精确的物理模型来生成高质量的“训练数据”，从而克服了纯数据驱动模型在复杂水文系统中常面临的数据质量和机理理解不足的问题；同时，训练好的机器学习模型又能摆脱物理模型对长期、连续观测数据和强大算力的依赖，实现快速预测和情景分析，堪称“鱼与熊掌兼得”的典范。
为了验证这一思路，研究人员选择了伊朗北部古兰含水层作为“试验田”。该含水层面积约1000平方公里，是一个单层、潜水型含水层，南接高地，北临里海，发源于高地的塞菲德鲁德河（Sefidroud river）贯穿其中。这里农业发达，水稻是主要作物，需水量巨大。虽然年降雨量较高（约750毫米），但由于农业季节用水集中，以及含水层地下水位高导致的强烈蒸发和人工排水，水资源管理面临严峻挑战。精确评估河流与含水层之间的交换，对于该区域的水平衡和生态健康至关重要。研究团队首先收集了气象、地质、土地利用、地下水观测井、开采井、河流信息等数据，在GMS（Groundwater Modeling System）软件环境中使用MODFLOW 2000版代码建立了古兰含水层的地下水流动模型。模型在稳态（2011年10月）和瞬态（2011-2013年）两种情况下进行了校准和模拟，校准目标包括使模拟与观测地下水位误差在许可范围内（≤1.5米），并使模拟的水量平衡各组分与区域地下水报告差异小于30%。接着，他们从校准好的MODFLOW模型中，提取了研究区域内位于塞菲德鲁德河沿线的每个模型单元格的顶部高程（Top Elevation）、地下水位（Groundwater Level, GWL）、地表对含水层的补给量（Surface Recharge）以及计算得到的河流-含水层补给量（River-Aquifer Recharge）共142组数据样本。其中，河流-含水层补给量被设定为机器学习模型预测的目标变量，而前三个变量则作为输入特征。最后，研究团队用这142组数据分别训练和测试了MARS、GPR、LSSVR和RF四种机器学习模型，以评估它们预测河流补给量的能力。
研究取得了丰富而明确的成果。首先，地下水数值模拟结果显示，MODFLOW成功再现了古兰含水层的水文动态。稳态模拟显示地下水位从南部高地（最高约25米）向北部里海沿岸（最低约-20米）递减。校准后的含水层水力传导系数（Hydraulic Conductivity）在南部粗粒物质区最高（达35米/天），在北部细粒物质区最低（约4米/天）。给水度（Specific Yield）的校准值则在4%到24%之间变化。通过54口观测井的数据验证，模型在稳态和瞬态下的均方根误差（RMSE）分别为0.84米和1.19米，平均绝对误差（MAE）分别为0.77米和0.96米，表明模拟效果良好。此外，模型模拟的年蒸发量约为15±1.5百万立方米（MCM），与报告的约13 MCM接近；模拟的排水量约为81±5 MCM/年，虽略低于报告的105 MCM/年，但仍在可接受范围内。基于此可靠模拟，研究进一步分析了管理方案：模拟表明，通过在地下水位浅的区域（如东南部蒸发强烈区）增加控制性地下水开采（每年15-20 MCM），使地下水位埋深降至5米以下，每年可减少5-8 MCM的蒸发损失。同样，在受人工排水影响的西部区域，通过控制开采维持地下水位在排水沟深度（2-2.5米）以下，也能显著减少排水损失。这为通过调整作物模式、提升灌溉效率等综合措施来优化区域水资源管理、甚至有助于恢复临近的安扎利湿地（Anzali wetland）提供了量化依据。
其次，也是最核心的发现，是关于四种机器学习模型在预测河流-含水层补给量方面的性能对比。评估指标包括均方误差（MSE）、均方根误差（RMSE）、平均绝对误差（MAE）、纳什效率系数（NSE）、散射指数（SI）和威尔莫特指数（WI）。在所有模型中，高斯过程回归（GPR）表现最为出色。在测试数据集上，GPR取得了MSE 0.0001 MCM/月、RMSE 0.0096 MCM/月、MAE 0.0037 MCM/月、NSE 0.9762、SI 0.0917、WI 0.9938的优异结果。这表明GPR能够非常精确地复现MODFLOW模拟的补给量，且预测不确定性低。LSSVR的表现次之但也很接近GPR，而MARS和RF（尤其是RF）的性能则相对较差，RF模型在预测极值（最大和最小值）时存在明显的低估现象。通过泰勒图（Taylor diagram）和散点图可以直观看到，GPR的预测点最接近代表MODFLOW“观测值”的红色参考点，其数据分布（小提琴图和箱线图）也与MODFLOW结果最为吻合。此外，MARS模型还输出了一个包含12个基函数的显式回归方程，揭示了输入变量（顶部高程、地下水位、地表补给）与目标变量（河流补给）之间复杂的非线性关系，为理解其相互作用机制提供了可解释的数学见解。
综上所述，本研究成功开发并验证了一种将物理机理模型MODFLOW与数据驱动机器学习模型相融合的新方法，用于模拟和预测河流-含水层补给。研究证实，在古兰含水层的案例中，高斯过程回归（GPR）是预测补给量的最佳机器学习模型，其预测精度高、不确定性可控。这一“MODFLOW-ML”混合框架的核心价值在于，它大幅降低了对长期、详尽观测数据的依赖和计算成本。一旦通过短期的、高精度的数值模拟获得了足够多的“训练数据”，训练好的机器学习模型（特别是GPR）就可以仅利用少数易于获取的关键变量（地形、水位、地表补给），快速、高效地对河流-含水层交互进行长期预测和不同管理情景的评估，为水资源管理者提供了一个强大的决策支持工具。研究还通过MODFLOW模拟，定量指出了通过控制性开采来降低浅层地下水区的蒸发和排水损失、从而提升水资源利用效率和生态可持续性的可行路径。这项研究不仅为古兰含水层的水资源管理提供了具体方案，其提出的方法论框架也具有普适性，可推广至世界其他面临类似问题的类似含水层系统，标志着在水文模拟与人工智能交叉领域迈出了坚实的一步。
