《Journal of Hydrology》：Integration of airborne geophysical data and saltwater intrusion modeling to assess alluvial aquifer dynamics: salinization, upconing, and management implications
编辑推荐：
融合航空电磁与钻孔数据构建高分辨率地下水模型，集成MODFLOW 6模拟跨含水层地下水交换。采用迭代集合平滑法校准参数，密度变化耦合盐水入侵模型预测2025-2045年盐水上溯趋势，揭示地下水开采导致的三处 cones of depression及盐水入侵风险，提出混合机器学习-物理建模框架。
迈克尔·阿蒂亚（Michael Attia）|邵阳（Shuo Yang）|宋雨琪（Yuqi Song）|蔡Frank T.-C.（Frank T.-C. Tsai）
WSP USA公司（前所属机构：路易斯安那州立大学土木与环境工程系），美国佛罗里达州坦帕市33607
摘要
本研究利用航空电磁（AEM）调查数据，探讨了密西西比河流域冲积含水层（MRVA）中地下水流动的动态以及盐柱的迁移情况。通过将AEM数据与钻孔数据融合，建立了一个高分辨率的MRVA地下水模型，并将其应用于基于物理的建模软件MODFLOW 6中，同时结合密西西比海湾模型来模拟含水层间的地下水交换。该模型考虑了地表补给、河流与含水层的相互作用以及地下水抽取等水文因素。采用迭代集合平滑（iES）方法对模型参数进行校准，并通过空间分布误差指标评估模型性能。基于密度变化的双向耦合盐水入侵模型预测了2025年至2045年间由于地下水抽取导致的盐水逐渐上涌现象。MRVA的地质框架和初始氯化物分布是通过机器学习辅助解读AEM数据、钻孔资料和水样得到的；所有长期预测均基于物理基础的地下水流动和溶质传输模型，在混合机器学习-物理建模框架下完成。模拟结果显示，阿肯色州和路易斯安那州分别形成了三个明显的地下水下降锥。鉴于2020年的地下水抽取状况，未来25年内盐水上涌的可能性较大。本研究强调了地下水抽取对MRVA地下水位和盐度变化的显著影响，为有效的水资源管理提供了重要启示。
引言
在美国，地下水在满足各行业用水需求方面发挥着关键作用，尤其是在农业领域（Dieter等人，2018年）。作为重要的饮用水来源，地下水还具有较低的表面污染风险（Khosravi等人，2018年）。高平原含水层、密西西比河流域冲积含水层（MRVA）和中央谷地含水层是美国主要的地下水储存库，它们导致了美国大部分的地下水资源消耗（Kuang等人，2024年）。其中，MRVA在密西西比海湾地区的地下水损失最为严重，尤其是阿肯色州（Konikow，2013年）。该含水层的水主要用于灌溉水稻及其他作物以及渔业（Konikow，2013年）。了解抽取行为对地下水数量和质量的潜在影响对于科学管理至关重要。
评估含水层系统可持续性的一个基本方面是分析其入流、出流和水质（Alley和Leake，2004年；Bredehoeft，2002年）。然而，在复杂的含水层系统中，准确理解各种输入和输出因素的贡献是一项挑战。地下水建模为解决这一挑战提供了有效方法（Loucks，2000年）。准确预测地下水位对于可持续水资源管理中的决策制定至关重要（Marker等人，2017年；Siade等人，2017年；Postet等人，2019年；Kanget等人，2022年）。
模型的准确性最终取决于对地下水系统的充分了解以及足够的地质和水文地质数据，以便构建可靠的地下水流概念模型（Banks等人，2024年）。忽视含水层的复杂性可能导致模型结果误差（Dickson等人，2014年）。地质模型是地下水建模的基础，通常基于测井数据构建。然而，测井数据的体积和空间密度存在局限性（Robinson等人，2008年）。航空地球物理调查能够提高地下特征识别的精度并降低不确定性（Marker等人，2017年）。
阿蒂亚和蔡（Attia和Tsai，2024a，b）展示了航空电磁（AEM）调查在估算MRVA大规模氯化物分布方面的潜力。高浓度的溶解固体会增加水处理成本，并加速管道、热水器和泵等基础设施的腐蚀。随着浓度升高，水处理可能变得不经济，用户需要寻找替代水源（Lindaman，2024年）。井中的氯化物浓度测量数据在时间和空间上往往较为有限，且受含水层复杂性的影响较大（Hill和Tiedeman，2007年）。然而，关于当前盐水入侵情况的有限信息使得盐水入侵建模和地下水管理变得困难（Herckenrath等人，2013年）。AEM调查提供了一种可扩展且经济高效的方法，能够在可行的时间范围内绘制大范围的氯化物分布图（Attia和Tsai，2024a；Attia等人，2025年）。
盐水入侵模型常用于预测随时间变化的盐柱空间范围。随着UZF-RT3D的发展，非饱和带流动与反应传输的耦合得到了显著改进，该模型将MODFLOW的非饱和带流动（UZF）模块与RT3D（三维反应传输）多物种反应传输引擎相结合（Bailey等人，2013年）。最近，MODFLOW 6通过地下水传输（GWT）模块引入了完全模块化的传输功能（Langevin等人，2022年），实现了流动和传输的无缝耦合。MODFLOW 6–GWT支持平流、扩散、衰减、吸附和源汇混合等过程，同时提供了更稳定的数值结果和灵活的网格结构（如四叉树网格和非结构化网格）。
为研究MRVA中的地下水下降锥和盐柱扩散情况，本研究采用了基于物理的、密度依赖的地下水流动和盐水入侵模型，使用并行化的MODFLOW 6（Langevin等人，2022年；Langevin等人，2017年）以及非结构化网格和模型分割技术。MODFLOW 6的地下水传输模块提供了双向紧密耦合的流动和传输解决方案，非常适合通过平流和扩散过程模拟由密度驱动的非反应性盐度传输。以2020年的地下水抽取状况为基准，预测未来25年的发展趋势，从而评估地下水资源的可持续性。本研究提供了MRVA盐柱迁移的区域动态分布图，从水量和盐度两个角度进行了可持续性评估。
研究区域
MRVA由沙层、淤泥层和粘土层交替组成，其中含有淡水，位于密西西比海湾区域（Clark和Hart，2009年）。它是密西西比冲积平原（MAP）下最浅的含水层（Asquith等人，2020年），如图1所示，覆盖了美国的七个州。MAP从密西西比海湾含水层系统（MEAS）的起点向南延伸，并与沿海低地含水层系统相连（Martin
方法论
本研究整合了阿蒂亚和蔡（Attia & Tsai，2025；Attia & Tsai，2024a）利用机器学习辅助方法解读得到的岩性及氯化物浓度模型，将其纳入基于物理的高分辨率三维地下水模型中，并在并行化的MODFLOW 6中实现（Langevin等人，2017年）。该模型用于研究在长期地下水抽取、自然补给和排放影响下的地下水状况。
模型校准与验证结果
通过RMSE、STDV和NSE评估了模型在所有监测井中的表现。在校准期间（2004–2009年），表现最佳的模型在1,140个观测井中的平均RMSE为4.49米，STDV为4.52米。验证期间的RMSE为7.49米，STDV为7.21米。校准阶段的NSE值为0.80，验证阶段的NSE值为0.66（图6），表明模拟结果与实际数据高度一致
结论
本研究提出了一种混合建模框架，将机器学习辅助的AEM解读与基于物理的地下水流动和溶质传输模型相结合。数据驱动的方法提升了地下地质和水质特征的描述能力，而基于物理的模型提供了可靠的长期预测结果。通过这一框架，我们对MRVA地区的地下水状况和盐度动态有了深入理解。
未引用参考文献
Attia和Tsai，2024年；Attia和Tsai，2024年；Hao，2015年；Kuang，2024年；Saucier，1989年。
CRediT作者贡献声明
迈克尔·阿蒂亚（Michael Attia）：撰写 – 审稿与编辑、初稿撰写、可视化、验证、软件开发、方法论研究、概念构思。邵阳（Shuo Yang）：撰写 – 审稿与编辑、初稿撰写、软件开发、方法论研究、概念构思。宋雨琪（Yuqi Song）：撰写 – 审稿与编辑、初稿撰写、验证、研究、概念构思。蔡Frank T.-C.（Frank T.-C. Tsai）：
利益冲突声明
作者声明不存在可能影响本文研究的已知财务利益或个人关系。
致谢
本研究部分得到了美国地质调查局（Grant/Cooperative Agreement No. G21AC10765和G21AP10577）以及美国国家科学基金会（Award No. 2019561）的支持。路易斯安那州立大学（LSU）的高性能计算中心和LSU计算与技术中心为本研究提供了超级计算资源。同时感谢匿名审稿人的宝贵意见和建议。
