绘画水武器化：利用深度信念网络（DBN）和遥感技术监测赫尔曼德/希尔曼德跨境河流域的土地利用与水文变化 穆罕默德纳比·贾拉利（Mohammadnabi Jalali）、 阿里·雷扎·马萨·巴瓦尼（Ali Reza Massah Bavani）及 穆罕默德雷扎·沙巴贝吉安（Mohammadreza Shahbabegian）

《Water》：Painting Water Weaponization: A Deep Belief Network (DBN) and Remote Sensing Approach for Monitoring Land Use and Hydrological Changes in the Helmand /Hirmand Transboundary River Basin Mohammadnabi Jalali, Ali Reza Massah Bavani and Mohammadreza Shahbabegian

　　摘要 本研究探讨了上游土地利用变化以及卡马尔·汗大坝（Kamal Khan Dam）如何重塑了赫尔曼德/希尔曼德跨界河流域（Helmand/Hirmand Transboundary River Basin, HTRB）的水资源分配模式，并加剧了该地区的 hydropolitical（水政治）紧张局势。研究采用了遥感和深度学习技术来分析2012年至2024年间的土地利用变化。在对Landsat卫星图像进行辐射度量和大气校正后，利用深度信念网络（Deep Belief Network）模型进行了基于像素的分类分析。此外，还结合Sentinel-2数据分析了水文变化，特别关注了水流向戈兹扎雷洼地（Godzareh Depression）的转向情况。分类结果显示，在卡贾基大坝（Kajaki Dam）下游，农业用地大幅扩张，主要是以牺牲牧场、森林和裸土地为代价。卫星图像进一步证实，自2021年卡马尔·汗大坝投入运行以来，赫尔曼德/希尔曼德水系的水流系统被系统性地导向戈兹扎雷洼地。本研究还应用了“彩绘水”（painted water）框架，分析了1954–1980年和2010–2025年这两个关键时期HTRB的水政治动态演变。分析结果表明，该地区的水资源利用模式从以绿色水资源为主的自然流动模式转变为受基础设施控制的模式，黄色水资源（被控制但未立即消耗）和红色水资源（被控制并消耗）的数量同时增加。卡马尔·汗大坝的建成标志着一个转折点，大幅增加了阿富汗的黄色水资源储备。卫星图像的实际数据证实了这一转变，也表明该地区出现了负面的水霸权现象（negative hydrohegemony）。因此，伊朗在跨界水资源管理中的地位从历史上的稳定状态转变为高度依赖他国的状态。

1. 引言
跨界水资源的管理本质上具有政治性，并深受更广泛的地缘政治背景的影响[1]。这一现实体现在“水霸权”（hydrohegemony）的概念上，即一个国家通过分配、整合、改道和控制水资源等策略，在共享河流流域内占据主导地位[2]。根据Zeitoun和Warner（2006）[2]的观点，水霸权可以表现为两种形式：积极形式是霸权国家营造合作环境，使所有沿岸国家受益；而消极或强制性的水霸权则表现为霸权国家利用其对水资源的控制来强加自身意志，导致利益分配不公[2]。这些权力动态从根本上决定了各国在共享河流流域内的互动方式。消极水霸权可能通过将水资源作为武器或工具来体现，如Gleick（2019）所定义的那样，包括故意改道或污染水流、制造人为洪水等行为[3]。Daoudy（2020）指出，这些行为用于合法化和巩固绝对主权，使强制性的水资源控制成为展示霸权国家权力的政治手段[4]。

在多个国际河流流域中都存在消极水霸权的现象。例如，在约旦河流域，以色列通过资源捕获和控制策略维持主导地位，利用联合水资源委员会（Joint Water Committee, JWC）等机制来实现这一目的[5]，导致水资源分配不公，从而持续引发冲突。同样，在尼罗河流域，埃及的单边举措（如托什卡项目Toshka Project）阻碍了上游国家（如埃塞俄比亚和苏丹）的发展[6]。相比之下，南部非洲的奥兰治-森奎河流域（Orange–Senqu River Basin）展示了积极的水霸权：作为流域霸权的南非通过SADC协议中的利益共享机制发挥了引领作用，实现了更稳定和公平的结果[7]。尽管权力在管理水资源分配中的不确定性方面至关重要，但上游地理位置的国家仍能通过大坝建设、改道或引入污染物等方式显著影响下游社区[8]。土耳其位于底格里斯-幼发拉底河流域的霸权地位，以及其巨大的开发潜力和技术能力，使其成为消极水霸权的典型例子[8]。

伊朗因其地理位置和共享水资源的存在，与其邻国保持着复杂的关系[9]。起源于阿富汗的赫尔曼德/希尔曼德跨界河流域（HTRB）就是这一复杂性的例证[10]。在该流域建设大坝对环境和人类社区产生了直接和间接的影响：大坝开发与运营常常导致土地覆盖和土地利用的重大变化[11]。虽然大坝带来了防洪和水资源调节等好处[12,13,14]，但也增加了用水需求并威胁了生态完整性[15,16,17]。阿富汗上游的大坝建设（包括卡贾基大坝Kajaki Dam和卡马尔·汗大坝Kamal Khan Dam）引发了下游地区（尤其是伊朗的锡斯坦地区Sistan）的环境和经济危机[18]。为管理水资源，伊朗实施了如查赫尼梅赫水库（Chah Nimeh Reservoir）等项目，以供应扎博尔（Zabol）和扎赫丹（Zahedan）等城市的饮用水[19]。然而，卡马尔·汗大坝将大量水流引向戈兹扎雷洼地，破坏了查赫尼梅赫水库的水源供应，加剧了跨界水资源争端[20]。

另一方面，阿富汗是全球温室气体排放量最低的国家之一；2018年的数据显示人均二氧化碳排放量为0.3吨[21]。报告显示，自1960年以来阿富汗年平均气温上升了0.6°C[22]。干旱和气候变化引发的洪水对阿富汗及赫尔曼德/希尔曼德水系下游地区造成了不同程度的影响[23]。这些变化及其带来的破坏预计在未来会更加严重，地震和洪水等事件会加剧这种趋势。湿地恢复是适应和应对气候变化的最重要策略。保护和恢复哈蒙国际湿地（Hamoun International Wetlands）不仅对维持当前生态系统至关重要，也对阿富汗的未来至关重要；当气候变化威胁整个生态系统、地区乃至全球时，这些湿地将成为重要的生命线[24]。

鉴于气候参数和上游活动的不确定性（包括大坝和运河等水利基础设施的建设），调整跨界水资源管理的视角变得不可避免。伊朗和阿富汗在利用赫尔曼德/希尔曼德水系方面合作失败，以及哈蒙国际湿地的丧失，将使两国面临更严重的水流波动影响[25]。此外，在河流流域建设区域大坝还可能加剧沿岸国家之间的社会经济紧张关系，影响下游地区的农业生产力和植被动态[26,27,28]。这些发展需要精心的技术规划，以防止严重的生态破坏[29,30]。伊朗-阿富汗边境沿线不可持续和缺乏协调的水资源与土地管理导致了哈蒙国际湿地的萎缩[24]，对当地生计和更广泛的社会生态系统造成了负面影响[31]。

在现代时期，人类活动极大地改变了地球的环境[30]。其中最显著的变化是土地覆盖和土地利用模式的变化，这些变化是环境变化的主要驱动因素[31,32,33,34,35]。这些变化由人口增长[36]、城市扩张[37]、农业生产集约化[38]以及对能源、食品和自然资源需求的增加[39]等因素推动。这些因素强烈影响了土壤质量、养分循环、碳储量、生物多样性[40,41,42,43]和水质[44,45,46,47]。赫尔曼德/希尔曼德跨界河流域（HTRB）的土地利用变化，加上水资源短缺、生态系统退化和资源压力加剧，带来了严峻的跨界挑战[48,49]。因此，迫切需要评估卡马尔·汗大坝和卡贾基大坝运营后的土地利用动态，以及解决流域和下游地区的公平水资源分配问题[50,51,52,53,54]。这些努力对于缓解环境和社会压力、促进跨界合作至关重要。

卫星遥感技术为大规模地理区域和特定时间范围内的土地覆盖和土地利用提供了综合和概览性数据，是研究和监测这些变化的重要进展[50,51,52,53,54]。遥感技术提供了覆盖全球范围的数据，能够监测多种气候条件下的水文变量[55]。然而，处理和整合这一海量数据需要先进的计算技术[56]。机器学习算法（如人工神经网络Artificial Neural Networks, ANNs）和随机森林Random Forests, RFs）提高了水文变量估计的准确性，并通过结合遥感和地面数据产生了更高效的结果[57,58]。利用机器学习方法，特别是时间序列模型和深度学习方法，有助于将这些数据与其他水文和气象数据集结合，开发出更准确的预测模型[59,60,61]。将遥感数据与深度神经网络Deep Neural Networks, DNNs）和复杂的混合算法相结合，可以在不同气候和水文条件下显著提高预测精度[62,63,64,65,66,67,68,69,70]。最近的研究表明，在遥感和空间数据分析中应用机器学习算法显著提高了土地利用和土地覆盖变化的检测精度和效率[70,71,72,73,74,75,76,77,78,79,80]。机器学习模型在模拟土地利用变化方面特别有效，因为它们能够综合考虑多种驱动因素，并捕捉线性和非线性现象，这是传统动态和统计模型所欠缺的能力[76,77,78,79]。人工神经网络[72]、随机森林[73]和支持向量机[74]等算法使GIS专家能够应对复杂的空间挑战，包括土地利用分类和环境监测[75,80,81,82,83]。实际应用表明，将XGBoost、SVM和CART等机器学习模型与卫星图像和GIS技术结合使用，可以提高分类精度[76,77,78,79,80]。作为一种先进的机器学习模型，深度信念网络（Deep Belief Networks, DBNs）在模拟土地利用变化方面越来越受到关注[81,82,83,84]。本研究强调了将DBNs整合到遥感应用中的潜力，以模拟和监测不同时间尺度的土地利用动态，为持续的土地利用监测提供了更准确和可靠的系统[85]。

本研究旨在评估赫尔曼德河流域的土地利用变化以及大坝建设对水资源分配的影响，重点关注2012年至2024年间卡马尔·汗大坝向戈兹扎雷洼地的水流转移情况。为此，研究采用了遥感、深度学习和地理信息系统（Geographic Information Systems, GISs）相结合的综合方法。本研究的一项关键创新是开发了一种适用于数据匮乏环境中的跨界流域监测框架[86]。另一个目标是评估Shahbazbegian和Dinar（2023）[86]提出的“彩绘水”概念的适用性，该概念作为一种分析工具，用于理解国际水资源谈判的动态，并通过回顾性分析1954–1980年和2010–2025年HTRB的水政治关系[87]。

2. 材料与方法
2.1. 案例研究：赫尔曼德/希尔曼德跨界河流域
20世纪初，阿富汗赫尔曼德河谷的农业发展受到了高度重视。这一发展的关键阶段始于1937年，当时日本工程师参与了灌溉基础设施的扩建，尤其是博格拉运河（Boghra Canal）的建设。尽管这些项目因第二次世界大战中断，但在1946年阿富汗政府邀请美国Morrison-Knudsen公司后得以恢复。该公司领导了包括大坝、运河和坎大哈机场（Kandahar Airport）在内的多个重大项目的建设，直至1959年[88]。其中心任务是建设卡贾基大坝（Kajaki Dam），这座大型土坝在20世纪50年代初得到了美国的支持，位于赫尔曼德/希尔曼德跨界河流域（HTRB）[89]。

赫尔曼德/希尔曼德跨界河流域（HTRB）的地理范围大致为：82%位于阿富汗境内，15%位于伊朗境内，3%位于巴基斯坦境内，经度介于59–69°E，纬度介于29–34°N之间[90]。该流域的水文状况受到两座主要大坝的影响：位于阿富汗北部的卡贾基大坝（Kajaki Dam）和靠近伊朗-阿富汗边境的卡马尔·汗大坝（Kamal Khan Dam）[91]。卡贾基大坝位于坎大哈西北方向约115英里处[88]，其建造目的是为了提高水力发电能力并促进水资源调配。在卡马尔汗大坝建成之前，赫尔曼德-希兰德河（HTRB）的水流遵循自然路径流向锡斯坦平原。这条河流最终会溢流入横跨伊朗和阿富汗边境的哈穆恩国际湿地[89]。历史上，大洪水常常会淹没伊朗的哈穆恩国际湿地，多余的水分通过希莱河流入戈兹扎雷洼地[90]。卡马尔汗大坝距离查哈尔博拉克18公里，距离扎兰吉95公里，是一座高20米、长度约2公里的分流结构，它将赫尔曼德-希兰德河流系统的部分水量引向戈兹扎雷洼地，直接影响伊朗锡斯坦地区的水资源供应[91]。由于阿富汗内政安全问题，该大坝的建设曾多次暂停，最终分阶段重新启动：第一阶段始于2011年，第二阶段于2012年开始并于2015年初完成，第三阶段因安全问题有所延迟，但最终在2017年恢复施工，大坝于2021年投入使用[92]。近年来，该大坝的运行改变了赫尔曼德-希兰德河的水流方向，使其改道流入戈兹扎雷洼地[89]。这种改变显著减少了伊朗锡斯坦地区的水资源供应，对下游生态系统和跨界水资源分配产生了影响[93]。研究区域范围包括赫尔曼德-希兰德河的流域范围以及卡贾基大坝和卡马尔汗大坝的直接影响范围（图1）。研究重点是通过卫星图像和机器学习技术，定量分析大坝运行对土地利用变化和水文状况的影响，以评估其对环境和水利政治的影响。

2.2 六阶段数据分析框架
本研究分为六个主要阶段进行，每个阶段都旨在确保全面分析。

2.1 卫星数据采集与预处理
本研究使用了2020年和2024年的Landsat 8和9 OLI/TIRS图像，以及2012年的Landsat TM/ETM+图像，这些数据来自美国地质调查局（USGS）的EarthExplorer数据库（表1）。选择这些时间点是为了对应卡贾基大坝和卡马尔汗大坝建设与运行的关键时期。为提高光谱数据质量并减少大气影响，对图像进行了辐射校正和大气校正处理，将数字值转换为表面反射率[94,95,96]。

2.2.2 训练数据收集
通过视觉分析和高分辨率卫星图像（通过Google Earth获取），识别出主要土地利用类型的训练样本，包括城市、农业用地、牧场、森林、水体和荒地[97,98,99]。

2.2.3 深度信念网络（DBN）用于图像分类
在R语言中实现了一个深度信念网络（DBN）模型，用于从卫星图像中分类土地利用类型[100]。该模型以光谱带作为输入，并生成像素级的土地利用分类图。DBN在土地利用分类方面非常有效，因为它能够结合无监督学习和监督学习方法，自动从图像中提取光谱和空间特征。与传统技术（如支持向量机SVM）相比，DBN通常具有更高的分类精度[101,102]。此外，结合Gabor滤波等预处理技术和先进的优化算法可以进一步提高分类精度[81]。

2.2.4 模型精度评估
使用混淆矩阵评估分类模型的精度和性能，提供总体精度和类别特定精度指标，从而验证专题地图的结果[103]。还计算了每个类别的精确度、召回率和F1分数[104,105,106,107]。绘制了接收者操作特征（ROC）曲线，并计算了每个类别的曲线下面积（AUC），以总结模型的区分能力，AUC值越高表示性能越好[108,109,110,111]。所有分析均在R语言中进行。

2.3 土地利用变化检测
通过比较2012–2020年和2020–2024年之间的分类结果，使用R语言创建了热图，直观展示土地利用变化率，突出显示快速变化和相对稳定的区域。为了监测水文变化并追踪水流向戈兹扎雷洼地的过程，还使用了欧洲航天局（ESA）2020年、2022年和2024年的Sentinel-2卫星图像（表1）。这些图像经过几何校正和大气校正，以确保时间上的一致性。处理后的地图清楚地显示，大坝投入运行后，大部分河水被引向戈兹扎雷洼地，导致流入伊朗下游的水量大幅减少。

2.4 绘制水概念：跨界河流域分析框架
“绘制水”概念为跨界河流域分析提供了一种创新的水利政治框架。该方法根据水文特征、管理可行性及其在人类活动中的作用对水资源进行分类，有助于深入理解共享水资源的国家之间的水利政治动态。

2.4.1 方法论基础
基于Shahbazbegian和Dinar（2023）[86]提出的方法，跨界流域的“绘制水”计算明确整合了人为因素和环境因素，尽管由于分析的情景性质，某些水文细节被省略。该模型考虑了人类活动，如水捕获能力（WCC），这取决于在水坝和基础设施上的投资，以及受社会经济发展驱动的上游水资源需求（UWD）。然而，像降雨-径流动态、蒸发或季节性水文变化等更细致的环境过程并未在精细层面进行建模。相反，自然流量（ND）被视为一个常量输入，基于长期平均值，而气候相关的不确定性则通过敏感性分析来探讨，而不是通过详细的水文模拟。这种简化使模型能够专注于水资源的政治分配和协商，但同时也认识到，加入更详细的水文模型可以提高精度，特别是在气候变化的情况下。

2.4.2 绘制水的特点
“绘制水”概念与其他颜色编码的水资源分类方式不同，例如水面足迹、绿色/蓝色/灰色水和虚拟水。“绿色/蓝色/灰色水”关注水资源来源和质量（如土壤湿度、地表水和受污染的水），而虚拟水和水面足迹关注产品中的嵌入水和消费模式。“绘制水”则侧重于水资源的政治可协商性和控制性，而不是其物理状态或用途。具体分类如下：
- **绿色水**：不可捕获的水流，自动流向下游国家。
- **黄色水**：可捕获但未立即使用的水，作为谈判的基础。
- **红色水**：已被捕获并消耗的水，可用于谈判。

2.4.3 绘制水的应用
“绘制水”框架通过引入一种策略性和以决策为中心的视角，补充了现有的分析框架，适用于水资源外交和冲突解决，而不仅仅是水文学或资源核算。它适用于分析上游-下游的权力动态、谈判策略和水资源政治风险。

2.4.4 适用案例
本研究将“绘制水”概念应用于1954–1980年和2010–2025年两个时期的赫尔曼德-希兰德跨界河流域（HTRB），以评估这一概念在分析伊朗和阿富汗之间水利政治关系中的实用性。绘制水各组分的计算遵循既定公式：总可用水量（AW）是自然流量（ND）和支流流入量的总和；绿色水是指超出上游国家捕获能力的剩余水量；黄色水是已被捕获但未立即使用的水；红色水是已被捕获并在国内消耗的水。水捕获能力（WCC）通过外国直接投资、GDP、外援和水坝项目预算等经济指标估算，并通过单位成本转换为实际容量[84]。

2.4.5 数据来源
1956–1980年的数据来自USGS报告中的卡贾基大坝和阿尔甘达布大坝的观测流量数据。2010–2025年的流量数据结合时间序列预测和随机森林算法以及卫星图像进行估算。2010–2025年的水捕获能力根据卡贾基大坝、德莱大坝和卡马尔汗大坝的现有容量确定。卡马尔汗大坝在运行前的容量设为零，运行后则反映了引向戈兹扎雷洼地的水量。尽管数据存在局限性，该方法仍提供了该流域“绘制水”变化的全面概述。

2.5 结果与讨论
3.1 基于DBN的2012年、2020年和2024年的土地利用变化
2012年的土地利用地图（图3a）覆盖了阿富汗南部和西南部至伊朗东部锡斯坦地区，提供了赫尔曼德-希兰德跨界河流域（HTRB）生态状况和水资源管理挑战的全面视图。2012年，研究区域的北部和东部主要由牧场组成，其间散布着森林和农业用地。相比之下，南部和西部地区主要为荒地，农业活动局限于沿河的狭窄地带。卡贾基大坝位于北部水资源丰富且农业生产力较高的区域，而建在干旱的西南部的卡马尔汗大坝周围主要是荒地，仅有沿河的一条狭窄的耕地带。南部荒地的普遍存在反映了HTRB的干旱和半干旱气候。这种沿河分布的农业用地模式凸显了该地区对地表水的完全依赖。北部和中部流域的牧场集中进一步表明了该地区的生态脆弱性。主要大坝卡贾基大坝位于北部上游，卡马尔汗大坝位于伊朗-阿富汗边境附近，突显了阿富汗（上游）水资源管理对伊朗下游土地利用模式的关键影响。

3.2 土地利用变化
2012年（图3a）、2020年（图3b）和2024年（图3c）的土地利用变化对比显示，HTRB经历了显著变化。2012年以牧场和森林为主的区域到2020年大部分转化为农田，体现了大坝在确保灌溉用水和提高农业生产力方面的作用。2020年，卡贾基大坝附近的农业面积明显扩大，表明大坝在恢复干旱地区土地方面的有效性。随后，2024年这种趋势进一步增强，证实了大坝在稳定农业发展水资源方面的关键作用。然而，牧场和森林转化为农田的做法引发了生物多样性丧失、生态系统功能受损以及对有限自然资源的压力增加的担忧。这些变化与Arfa等人（2025）[116]的研究结果一致，他们认为土地利用和土地覆盖变化是HTRB农业活动增加的主要驱动因素。此外，2024年卡马尔汗大坝附近水体的增加反映了大坝在恢复干旱土地方面的直接影响。这种流向戈兹扎雷洼地的改道政策违反了1951年赫尔曼德-希兰德条约第五条的规定[19]，表明阿富汗的水资源管理策略正在向单边利用方向转变，这具有区域性和跨界影响。戈扎雷赫洼地作为一个封闭的盆地，其蒸发率极高，导致大量水资源流失，从而浪费了哈姆恩跨界流域（HTRB）中的宝贵资源。此外，这种水资源的分流极大地减少了流入哈蒙跨国湿地和伊朗锡斯坦低地的水量[46]。综合这三张地图可以看出，水资源分配和水流改道导致了阿富汗境内土地利用类型的集中变化，同时阻碍了水资源向伊朗的流动。这些变化的直接后果是上游用水量增加，进而导致下游流量减少。这一结果与Hajihosseini等人（2019年）[48]的研究发现一致，他们指出在赫尔曼德/希尔曼德跨界河流域（HTRB）扩大灌溉面积每年会使下游流量减少数亿立方米。Noorali等人（2025年）[49]的研究也指出，包括水体、植被覆盖和土壤变化在内的土地利用变化直接影响着该流域的水政治动态。

尽管发生了干旱，但阿富汗的耕地面积显著增加，这与政治变革的开始相吻合，而这些政治变革反映了深远的社会经济转变。根据图4显示，2012年至2024年间，土地利用发生了显著变化：农业用地稳步扩张，增长了超过27%；建成区在2020年前迅速扩张，但到2024年略有减少，总体净增长率为47%；而裸露土地则持续减少，减少了超过27%，表明其被转用于其他用途。草原面积也稳步增加，增长了近15%。

人口压力、食品安全需求、对农业的经济依赖、气候变化、极端干旱和风暴，加上跨境河流流域缺乏参与式治理，再加上人类活动如土地利用变化、大规模的水坝建设和森林砍伐等因素，共同造成了HTRB地区的水文和社会经济干旱问题。这些情况给城市和农业供水带来了重大挑战，同时也增加了下游沙尘暴的发生频率。

总体而言，主要趋势是裸露土地减少并转化为农业用地、草原和水体，而森林变化则不够稳定。这一模式表明，对土地资源的主要压力来自农业扩张和与人类活动相关的土地利用方式，导致裸露土地减少和森林覆盖不稳定。这一过程的直接后果是上游用水量增加，进而导致下游流量下降。这一结果与Hajihosseini等人（2019年）[48]的研究结果一致，他们发现赫尔曼德/希尔曼德河流域灌溉面积的扩大每年使下游流量减少数亿立方米，不仅威胁到伊朗的水资源安全，还使哈蒙跨国湿地陷入严重的生态危机。

3.2. 2012年、2020年和2024年土地利用分类的DBN模型评估
2012年DBN模型性能的评估（图5a）显示，根据标准化混淆矩阵，建成区类别的错误分类最为严重，有62.6%的样本被错误识别。相比之下，森林类别的准确率达到85.2%。该模型在区分森林、耕地和裸露土地方面表现出较强的能力，但在区分建成区、草原和水体类别时存在困难。评估指标也证实了这一趋势：森林类别获得了最高的分数（精确度=0.85，召回率=0.75，F1值=0.80），而建成区的指标最低（精确度=0.70，召回率=0.70，F1值=0.70）。值得注意的是，所有类别的AUC值均保持在0.85以上，其中森林类别的最高为0.922，水体类别最低为0.886。草原、耕地和建成区的分类准确率最高（大约77%），而水体类别的准确率最低（69.6%）。总体而言，2012年的DBN模型表现令人满意，尤其在区分森林和耕地方面表现突出，尽管建成区和水体类别仍存在问题。

到2020年（图5b），标准化混淆矩阵显示出明显改进，尤其是耕地（87%）、森林（84.4%）和建成区（82.6%）的准确率提高。然而，水体（68.3%）和草原（68.7%）的分类仍然具有挑战性。评估指标也显示，耕地（F1=0.87）和森林（F1=0.84）是表现最好的类别，而成建区和裸露土地的F1值介于0.81–0.82之间。水体（F1=0.72）和草原（F1=0.71）的F1值最低。所有类别的AUC值普遍较高（介于0.889到0.913之间），其中森林（0.913）和裸露土地（0.911）的表现最好。尽管建成区的AUC值最低（0.889），但其结果仍然可以接受。分类准确率显示，建成区（81.7%）、耕地（80.5%）和森林（81.0%）是最可靠识别的类别，而草原（76.5%）和水体（75.9%）的错误率较高。

2024年（图5c），DBN模型相比前几年有了显著进步。标准化混淆矩阵显示，裸露土地（90.5%）、建成区（88.7%）和耕地的准确率较高。虽然森林（82.2%）和草原（79.5%）的错误分类率适中，但水体类别的准确率提高到71.1%，尽管仍是最难区分的类别。评估指标进一步证实了这一趋势：建成区（精确度=0.90，召回率=0.88，F1值=0.89）和裸露土地（精确度=0.86，召回率=0.86，F1值=0.88）的得分最高，其次是耕地（精确度=0.86，召回率=0.85，F1值=0.86）和森林（精确度=0.82，召回率=0.82，F1值=0.82）。草原（精确度=0.80，召回率=0.85，F1值=0.82）和水体（精确度=0.71，召回率=0.83，F1值=0.77）仍然是模型中最难区分的类别。所有类别的AUC值均保持较高（介于0.888到0.918之间），其中裸露土地（0.918）和水体（0.904）的分离能力最强，而森林（0.888）的AUC值最低。分类准确率确认，建成区（86.4%）和裸露土地（86.2%）是DBN模型识别最准确的类别，而森林（82.2%）和水体（83.1%）的准确率略低但仍然令人满意。

总体而言，DBN模型在这三个研究时期的性能持续显著提升，到2024年时分类准确率达到了稳定和可靠的水平。尽管如此，该模型在区分水体和草原类别方面仍面临挑战，这两个类别的准确率始终最低。然而，DBN在土地利用分类方面的表现稳健可靠，与以往的研究结果一致[117,118,119,120,121]。

3.3. 2012年、2020年和2024年DBN模型在土地利用分类中的比较评估
2012年、2020年和2024年DBN模型性能的比较评估（图6）显示，包括准确率、AUC、F1值和Kappa系数在内的关键指标呈现出一致上升趋势。2012年，模型的准确率为0.75，AUC为0.902，F1值为0.739，Kappa系数为0.696，表现较为中等。到2020年，准确率提升至0.80，F1值增加到0.787，Kappa系数上升至0.757，AUC值保持在0.901。这一进展表明，尽管模型的区分能力（AUC）从一开始就较强，但随着模型的不断发展，其他性能指标也稳步提高。2024年，DBN模型达到了最佳性能，准确率为0.85，F1值为0.837，Kappa系数为0.815。AUC值稳定在0.900，显示出该模型在整个研究期间始终具有较高的区分土地利用类别的能力。这些结果证实，尽管各年的AUC值保持稳定且较高，但模型的整体准确率、可靠性和分类一致性都取得了显著提升。总体而言，DBN模型从2012年的中等效果发展到2024年的强大且可靠的分类工具，这与先前研究关于DBN在土地利用和土地覆盖分类方面的潜力相符[122,123,124]。

3.4. 不同时期土地利用变化率的热图
热图（图7）展示了2012–2020年和2020–2024年间土地利用变化率的差异，突出了近年来哪些土地利用类型的转变加剧或减弱。最显著的负面变化发生在森林覆盖上，其面积减少了32.7%，主要是由于被转化为农业用地（+25.8%）。此外，森林向水体的转化增加了17.9%，表明森林生态系统面临越来越大的压力。森林类别的变化最为明显，不同地区的波动范围从正面（+17.9%）到负面影响（?32.7%）不等，反映了退化和恢复压力的多样性。建成区也发生了显著的变化，尤其是向农业用地的转化（?8.1%）。建成区的趋势呈现出对比性，一些地区显著扩张（+18.8%），而另一些地区则出现急剧下降（?18.7%），表明 Urban growth 或土地利用政策发生了变化。裸露土地向草原的转化大幅增加（+19.3%），表明这两个类别之间存在动态交换。裸露土地的变化既有正面影响也有负面影响（+19% vs. ?19.3%），可能是由人类活动和自然过程共同作用的结果。与水相关的变化在不同地区有所不同，某些地区（如卡贾基大坝上游和戈扎雷赫洼地）出现了正向增长（+14.4%），而在卡马尔汗大坝下游则出现了负面下降（?6.1%），这受到气候变率和水资源管理实践的影响。这些结果表明，在2020–2024年期间，森林面临更大压力，大面积土地被转化为农业用地和水体，而裸露土地、草原和建成区之间也发生了动态的相互作用。这些模式与之前的全球研究[125,126]的结果一致，这些研究指出森林砍伐和森林向农业用地的转化是全球最显著的土地利用变化之一。HTRB地区裸露土地、森林、草原和农业用地之间的动态变化反映了全球土地利用变化的普遍趋势。

3.5. 利用卫星图像评估卡马尔汗大坝向戈扎雷赫洼地的水资源分流情况（2020年、2022年和2024年）
2020年1月（图8a）至2022年2月（图8b）的Sentinel卫星图像显示，卡马尔汗大坝运行后水流模式发生了显著变化。2020年的图像显示，在大坝蓄水之前，大部分径流流向东方和东南方，有一部分继续流向伊朗边境。然而，2022年2月的图像清楚地表明，卡马尔汗大坝后保留的水资源被分流至戈扎雷赫洼地，形成了大片水体。2022年9月（图8c）至2024年5月（图8d）之间的Sentinel图像进一步证明了大坝下游的水文变化：水主要被引向戈扎雷赫洼地，而不是自然地向西方和西南方向流向伊朗。2022年9月的图像显示戈扎雷赫洼地形成了大量水体，证实了大规模的水流分流和滞留现象。到2024年5月，这些水体的空间范围扩大，表明洼地内的径流集中程度增加，流向伊朗的跨境水流实际停止。总体而言，Sentinel卫星图像不仅验证了该地区的主要水文变化，还表明被调 water 已将 Godzareh 低地转变为一个巨大的蒸发汇，导致大量 water 的损失，这种强烈的蒸发作用使整个流域的水文连通性严重受损，尤其是削弱了阿富汗与伊朗下游地区之间的自然水文联系。因此，伊朗跨界地区的生态平衡和生计受到了严重影响。这些结果与 Maleki 等人（2024年）的研究结论一致 [89]，他们指出，在 Kamal Khan 大坝投运后，流入伊朗 Chah Nimeh 水库的水量急剧减少，2020年至2023年间平均水位下降了约54%。事实上，作为被调 water 的主要接收地，Godzareh 低地经历了显著的蒸发损失，导致大量储存的水分蒸发殆尽。Kamal Khan 大坝建设后实施的水资源管理措施不仅破坏了阿富汗与伊朗下游地区之间的水文连通性，还因 Godzareh 的强烈蒸发而导致了大量的水资源损失。Maleki 等人（2024年）[89] 的研究也证实了这一点，他们发现 Godzareh 低地的平均日蒸发率比 Chah Nimeh 水库高出约5毫米/天，并且在大坝投运后，Godzareh 的总蒸发量呈上升趋势。

此外，我们对水文气候指数的分析进一步证明了人类活动的影响。结果显示，特别是在 Kamal Khan 大坝周边，潜在蒸散量（PET）显著增加，加剧了水资源的损失。同时，Palmer 干旱严重程度指数（PDSI）在2020年后出现了极端波动，这表明上游国家对 Hirmand/Helmand 水文系统具有主导作用。有关 Helmand/Helmand 水文系统水文气候指标的更多证据见补充文件。

总体来说，阿富汗正在系统性地将 Helmand/Helmand 水文系统的自然历史流量引向封闭的 Godzareh 低地，实际上将其从水文循环中移除。这种行为本质上是霸权的，并将 water 转变为一种霸权资源。这种方法利用水资源短缺作为政治手段，从而破坏了跨界水资源安全与生态可行性。这些结果与 Akbari 等人（2021年）[127] 的研究结果一致，他们强调了上游水流调节对 Hamoun 国际湿地干化的影响。

Helmand 跨界河流 basin（HTRB）在伊朗和阿富汗之间的演变是一个引人注目的案例研究，展示了水治理方式从自然流量制度向基础设施主导的控制系统转变的过程。“Painted Water”框架通过将水分为红色（受控制且被消耗）、黄色（受控制但未立即消耗）和绿色（不受控制的自然流量）三种类别，有效地反映了该流域水文平衡的逐步破坏。如图9所示，1954年至1980年的历史轨迹标志着这一人为转变的初期阶段，这一转变始于 Kajaki 大坝的建成和 Boghra 灌溉渠道的完工。在此期间，该流域首次出现从绿色流量主导向红色和黄色流量增加的显著转变，为后续的基础设施驱动的水资源占用奠定了基础。

根据图10，2010年至2025年的当代时期这一趋势变得更加明显，2021年 Kamal Khan 分流大坝的完工成为一个关键转折点。这一基础设施的发展极大地改变了阿富汗的水战略地位，显著增加了其黄色水量储备——这些水虽然受控制，但不一定在国内被消耗。同时，由于农业扩张、人口增长和国家粮食安全需求，阿富汗对红色水量的需求也上升了。当前研究通过卫星图像分析发现，特别是在 Kajaki 大坝下游地区，随着农业用地的扩展，对红色水量的依赖日益增加。红色和黄色水量的双重增长创造了一个比早期“Painted Water”概念所描述的更复杂的水政治格局。实际上，现在这种框架更适用于描述各种水用途和谈判在相互交叉点上的情况，而不是三个独立的类别。这种演变的影响超越了技术水核算的范畴，揭示了该地区负面水霸权的出现。阿富汗作为上游沿岸国的地理优势，加上技术能力和国际支持，使其能够单方面采取行动，使伊朗作为下游国家处于不利地位。Kamal Khan 大坝的建成尤其增强了阿富汗利用 water 作为强制手段的能力，从而将水文控制武器化。这代表了从合作性水资源治理向更加不对称的权力动态的转变，伊朗的历史水资源安全日益岌岌可危。1973年条约缺乏有效的实施机制和保障，进一步加剧了这种不平衡，使得伊朗对上游决策几乎没有影响力。

然而，分析也指出了方法论上的局限性，尤其是数据相关挑战和概念假设对结论的影响。尽管存在这些限制，“Painted Water”框架在揭示基础设施发展如何重塑跨界水资源关系方面仍具有重要的分析价值，它将原本由自然流量模式管理的可协商资源转变为受人类干预控制的具有政治色彩的资产。

尽管本研究使用“Painted Water”框架对 HTRB 的水政治动态进行了全面分析，但其发现和计算受到一些方法论限制的影响，特别是数据相关挑战和概念假设。面临的最大挑战是可靠观测数据的稀缺性和异质性。对于历史时期（1954-1980年），虽然使用了 USGS 提供的 Kajaki 和 Arghandab 大坝的流量数据，但这些数据仅代表观测估计值，并未涵盖流域的所有水文参数。对于当代时期（2010-2025年），我们缺乏统一且长期的自然流量数据集，这一问题更加严重。为了解决这一缺口，我们结合时间序列预测和随机森林算法以及卫星图像来估算自然流量。虽然这种方法具有创新性，并代表了最佳替代方案，但它本身存在与统计模型相关的不确定性，无法完全复制直接连续现场测量的准确性。依赖建模数据而非观测数据可能导致在“Painted Water”计算中产生误差传播。

此外，本研究基于一些关键假设，这些假设简化了复杂的水文现实。最明显的是，自然流量的变化被视为基于长期历史平均值的标准化值，以便于分析。实际上，河流流量受到气候变化、年际降水量波动以及干旱和洪水等极端事件的显著影响。将自然流量简化为恒定基线的做法可能会在估算绿色、黄色和红色水量的相对比例时引入系统误差，尤其是在水文压力或丰度异常的时期。这种假设未能充分考虑气候变异性不仅影响水资源的绝对数量，还影响水在不同类别之间的转换动态。

此外，包括 Kajaki 大坝、Dahla 大坝和 Kamal Khan 分流大坝在内的主要基础设施的取水率是从这些设施的总当前储量和调水量估算得出的。Kamal Khan 大坝在2021年投运前的容量被设为零；投运后，假设其代表了流入 Godzareh 低地的水量。尽管这种方法在实际操作中有一定依据，但也有可能低估或高估水基础设施的实际运行容量和效率。大坝很少以理论最大容量运行，因为存在沉积物积聚、维护需求、运行限制以及不同的水资源管理优先级。此外，这种方法没有充分考虑未来可能的基础设施发展或现有设施的修改，这些因素可能会进一步改变“Painted Water”的构成。

“Painted Water”框架的概念应用本身也引入了解释上的挑战。虽然该框架通过将水分为红色（受控制且被消耗）、黄色（受控制但未立即消耗）和绿色（不受控制的自然流量）三种类别提供了有价值的分析清晰度，但这些分类之间的界限在实践中并不总是明确的。修正后的方法认识到，“Painted Water”类别更像是重叠的圆圈，而非严格的层级结构，其可协商性取决于具体的用途和政治背景。这种复杂性意味着将水分配到特定类别需要做出判断，这些判断可能无法完全反映水资源治理和竞争需求的复杂现实。尽管存在这些限制，本研究结合历史数据、遥感、土地利用分类、水文变化和“Painted Water”框架的方法论提供了一个关于 Helmand/Helmand 水文系统水政治动态演变的稳健且基于实证的概览。多种数据来源和分析技术的结合增强了研究结果的可信度，特别是关于负面水霸权的出现以及伊朗水资源安全状况日益脆弱的情况。

未来的研究可以从加强地面验证、持续的水文监测、纳入气候预测情景以及改进“Painted Water”框架等方面获益，以便更好地应对跨界水资源系统的时间和空间变异性。第3.6.2节提出了研究方向和管理建议，特别是针对水文数据问题和“Painted Water”模型的静态性质，为未来的研究和实际治理指明了方向。一个主要的研究方向是将“Painted Water”框架与先进的水文和气候模型动态整合。未来的研究应为现有决策支持系统（如 WEAP 或 SWAT）开发一个能够纳入气候变化预测和自然流量季节变化的“Painted Water”模块，从而将模型从诊断工具发展为战略规划的预测工具。此外，“Painted Water”概念的界限也可以进一步完善。Qanbari 和 Shahbazbegian（2025年）展示了应用这一框架重新审视国际水法原则的价值，建议未来的研究应探讨如何利用该框架澄清诸如公平合理利用等有争议的法律规范[128]。例如，上游黄色水量的增加是否需要重新评估下游的公平使用标准？这种跨学科方法架起了水政治与法律研究的桥梁。从管理和谈判的角度来看，“Painted Water”概念为所有沿岸国家提供了战略路线图。对于下游国家而言，一个关键建议是主动增强其水资源安全。这包括投资需求侧管理、提高用水效率以及开发替代水源（如废水再利用），以减少对黄色和红色水量的依赖。在国内层面，这提高了韧性；在国际层面，这使它们的谈判地位从脆弱变为更有影响力的地位。对于上游国家而言，负责任地管理黄色水量意味着将其作为共享的战略资产进行利益分享，而不仅仅是作为强制工具。创建正式机制，让下游国家为上游基础设施或能源项目做出贡献，以换取可靠的黄色水释放，可以促进合作共赢的结果[86]。如决策支持模型所探讨的那样，这些模型有助于国际和跨界水资源谈判[129]，将这种战略视角与正式的决策支持工具和谈判方法（如多标准分析）相结合，可以制度化合作管理。最终，该框架的最大潜力在于其能够重新塑造跨界水资源外交。未来的工作应专注于在流域组织和条约机制中制度化“彩色水资源”概念。未来的协议是否可以包含认可不同类型水资源的条款，并为管理绿色水流和谈判黄色水资源制定不同的合作规则？此外，“彩色水资源”提供了一个新颖的指标，用于跟踪和激励合作。监测下游国家需求中由安全绿色水资源满足的比例，可以作为衡量可持续发展目标（SDG）指标6.5.2进展的一个具体、具有政治意义的指标。通过明确和可操作的共有河流的水政治维度，“彩色水资源”概念与Shahbazbegian和Dinar以及Qanbari（2023, 2025, 2026）[86,128,129]提出的方法论和法律见解相结合，为走向可持续和公平的流域管理提供了强有力的跨学科指南。4. 结论本研究的结果表明，赫尔曼德/希尔曼德水系统的用水分配模式发生变化，特别是在卡马尔汗大坝建成后，直接减少了流向伊朗的水量，并从根本上改变了该流域的水政治格局。深度学习网络（DBN）在监测时空土地利用变化方面表现出高度准确性（Kappa = 0.815，AUC = 0.90，F1 = 0.837），尤其是在区分农业用地和森林用地方面，尽管在区分水体与牧场用地时仍存在一些挑战。结果突显了卡贾基大坝和卡马尔汗大坝的建设与运行所带来的重大变化。在卡贾基大坝区域，农业用地的扩张（27%）是以牺牲牧场、森林和裸露土地为代价的，这表明水资源管理对重塑土地利用模式有直接影响。两个时期（2012-2020年和2020-2024年）之间的土地利用变化率差异也显示了森林用地的最高风险变性，不同地区的增幅（高达+17.9%）和降幅（-32.7%）表明森林生态系统正面临日益增加的压力。此外，与水相关的变化从某些地区的积极增长（+14.4%）（如卡贾基大坝上游和戈兹扎雷洼地）到卡马尔汗大坝下游的负增长（-6.1%）不等，这受到了气候变异性和水资源管理的影响。Sentinel卫星图像证实，将水流引向戈兹扎雷洼地引发了该地区水文系统的根本变化。这些水体的积聚不仅由于高温蒸发导致资源严重流失，还破坏了河流的自然连续性。将“彩色水资源”框架应用于赫尔曼德/希尔曼德跨界河流域（HTRB）揭示了从基于自然水流的治理向以基础设施为主导的控制系统的重要转变。从1954年到1980年的历史轨迹，始于卡贾基大坝的启用和Boghra灌溉渠道的完工，标志着该流域首次显著偏离以绿色水资源为主的情况，转向了红色和黄色水资源占比的增加。2010年至2025年的当代时期，这一趋势进一步加剧，2021年卡马尔汗大坝的完工成为了一个关键转折点。阿富汗的水资源开发政策引发了双重转变：通过增强储水和调水能力大幅增加了黄色水资源的储备，同时由于人口增长和粮食安全需求推动了农业扩张，红色水资源的消耗也急剧增加。通过Sentinel-2卫星图像的实证验证，2020年、2022年和2024年在戈兹扎雷洼地形成了大面积的水体，这代表了绿色水资源向受控黄色水资源的巨大转变。红色和黄色水资源类别的双重增加创造了比简单层级分类更为复杂的水政治格局，更准确地描述为各种水资源用途和谈判在交叉点上发生的重叠情况。综合来看，“彩色水资源”分析，结合稳健的遥感证据和土地利用分类数据，证实了HTRB出现了负水霸权现象。这一确认意味着赫尔曼德/希尔曼德跨界河流域（HTRB）过去由自然水流模式主导的相对稳定时代已经结束；该流域现在展现了受基础设施驱动的不对称权力动态。尽管存在限制，“彩色水资源”框架在揭示基础设施发展如何将跨界水资源从可协商的资源转变为受人为干预控制的具有政治意义的资产方面具有显著的分析价值。为防止日益复杂和脆弱的水资源分类的固化，威胁区域稳定，两国必须紧急重新调整其战略。未来不仅需要技术解决方案，还需要向承认“彩色水资源”类别演变性质的合作治理机制的根本转变，并优先考虑公平分配共享水资源，而不是单方面占有。如果没有这样的重新调整，该流域有可能陷入长期危机，其特征是水资源更加稀缺、外交紧张局势加剧以及负水霸权的巩固。补充材料以下支持信息可在以下网址下载：https://www.mdpi.com/article/10.3390/w18101117/s1：用于计算跨界河流中“彩色水资源”属性的方程式；框S2：估算参数的简化假设；第S1节：赫尔曼德/希尔曼德跨界河流域的水文气候指数变化，包括材料和方法、结果及讨论和参考文献。图S1. 赫尔曼德/希尔曼德流域水文气候指数（PDSI）的时空趋势分析和统计显著性；图S2. 赫尔曼德/希尔曼德流域水文气候指数（PET）的时空趋势分析和统计显著性；图S3. 赫尔曼德/希尔曼德流域的水文气候和植被指数（a. PDSI和b. PET）的研究。参考文献[25,130,131,132,133,134,135,136,137,138,139,140,141]见补充材料。