利用机器学习技术改进的干旱地区流域尺度水资源多目标优化分配

《Geography and Sustainability》：Machine learning–enhanced multi-objective optimization of basin-scale water allocation in drylands

　　陆成鹏|冯琦|李宗星|高向龙|苏英清|严欣|刘雯|宁婷婷|张聚涛
中国科学院西北生态环境资源研究院生态安全与可持续发展国家重点实验室，兰州730000，中国

**摘要**
在干旱地区，协调严格的社会经济需求与日益加剧的资源稀缺之间的矛盾是实现可持续水资源管理的关键挑战。传统模型在处理“水-生态-经济”联系中的高维部门权衡和非线性动态时往往显得力不从心。本研究提出了RF-NSGA-III-Ada框架，该框架结合了数据驱动的预测和进化优化方法。其独特之处在于：RF模块能够量化社会水文惯性，从而划定一个具有物理意义的决策空间；而NSGA-III-Ada则采用自适应参考点机制来解决多样性与收敛性之间的困境。将该框架应用于黑河河流域的案例研究后，成功优化了地表水、地下水和非常规水源的联合分配方案。结果表明，通过该框架的精确结构优化和边际替代策略，总用水量在2025年和2030年分别减少了0.553%和1.172%。重要的是，优化后的方案有效地平衡了经济效益与社会稳定性，实现了减排目标，同时没有破坏历史用水模式的连续性。这一框架为全球水资源匮乏地区解决结构刚性与发展之间的僵局提供了可扩展的解决方案。

**1. 引言**
在水资源有限的地区， optimal water allocation 对于缓解供需不平衡至关重要（Gleick 2003; Immerzeel et al., 2020）。干旱地区由于降水量低、蒸发需求高以及过度依赖地下水资源（Fu et al., 2021; Eldridge 2025; Kakosimos 2025），面临来自气候变化和人类活动的日益加剧的压力（Huang et al., 2017; Li et al., 2019; Fu et al., 2025）。灌溉范围的扩大、城市化进程的加速以及工业和服务行业需求的增长改变了流域内的水资源利用方式（Li et al., 2021; Rohde et al., 2024; Xiao et al., 2024），从而加剧了水资源短缺、地下水枯竭和生态压力（Li et al., 2022; Wang et al., 2024a）。因此，合理的水资源分配对于减少干旱地区的差异和生态脆弱性至关重要（Pan et al., 2024; Liu et al., 2025）。

在全球范围内，设计有效的水资源分配策略对于在日益加快的水文和社会经济压力下平衡经济发展、生态完整性和长期适应能力变得越来越重要（Jia et al., 2024; Ellis et al., 2025; Zhang et al., 2025）。在中国， recent reforms 已经将地表水、地下水和非常规水源的管理纳入统一管理体系。2023年发布的国家指南要求到2025年非常规水资源的利用量超过170亿立方米，正式将再生水、收集水和微咸水纳入流域规模的分配体系（Wang et al., 2024b）。额外的监管措施鼓励工业领域使用非常规水源（Liu et al., 2020），并加强其在统一分配目标中的整合（Yu and Wang 2022）。然而，统一管理的快速扩张凸显了需要更严谨的定量工具来在日益相互依赖的生态、经济和监管约束下优化水资源总量（An et al., 2022; Wang et al., 2024b; Wang et al., 2026）。

然而，水资源分配受到动态且紧密耦合的社会经济环境过程的影响，人口压力、产业结构、生态阈值和政策干预共同塑造了系统的运行方式（Zhou et al., 2015; Han et al., 2023）。在干旱的内陆河流域，这种耦合效应因年际变异性大、缓冲能力有限和空间异质性明显而更加显著，使得分配决策对供应冲击和需求变化极为敏感。传统模型往往无法协调相互冲突的目标，捕捉非线性和跨部门相互作用，也无法准确反映干旱地区水文系统的深度不确定性（Niu et al., 2023; Tu et al., 2024; Zhou et al., 2024）。因此，决策者可能面临难以实施的过于刚性的解决方案，或者过于简化的模型，这些模型掩盖了经济发展、社会稳定和生态安全之间的关键权衡。这些局限性凸显了需要先进的方法论，这些方法能够在区域水资源治理中同时实现多目标权衡，并提高透明度和稳健性（Yuan et al., 2023; Fu et al., 2024）。这类方法不仅应提高预测的真实性，还应提供可解释的决策支持，将需求演变、供应组合和政策相关约束整合在一个统一的框架内。将机器学习与多目标进化算法（MOEAs）相结合，为开发适应性强（Rezoug and Bader-el-den 2025）、数据驱动的分配策略提供了前景；这些策略能够反映水资源匮乏地区的结构复杂性和政策需求（Yan et al., 2024; Zheng and Sun 2025）。特别是，机器学习可以利用异质的社会经济信号来制定合理的需求基线，而MOEAs则可以系统地探索在多重目标和约束下的可行分配组合，从而将数据驱动的洞察转化为可行的规划方案。

传统的优化方法（包括线性、非线性和动态规划）虽然建立了理论基础，但在高维、不确定和非线性环境中灵活性有限（Sethi et al., 2006; Li et al., 2009; Housh et al., 2013）。在流域规模的分配问题中，当需要同时考虑多个部门、空间单元和政策约束时，这些方法的局限性更为突出，往往导致过于严格的公式化或简化的假设（Li et al., 2009）。区间规划和随机规划在一定程度上解决了不确定性问题，但面临计算难题（Li and Guo 2014; Yue et al., 2020）。它们的实际应用常常受到指定概率分布、情景集或区间宽度的限制，而在数据稀缺和不确定性较高的情况下这些要求难以满足。像NSGA-II（Deb et al., 2002）和NSGA-III（Deb and Jain 2014）这样的多目标进化算法因其全局搜索能力和基于Pareto的优化性能而受到重视（Ye et al., 2018; Kumar et al., 2023; Zhang et al., 2025），特别是在高维情景下（Yang et al., 2024; Zhao et al., 2024; Qi et al., 2025）。与确定性规划相比，MOEAs更适合探索多样化的权衡解决方案，无需满足凸性或可微性要求，因此适用于耦合的社会水文决策空间。然而，大多数研究仍然主要关注地表水和地下水，对再生水、雨水或微咸水等非常规水源的整合较少（Feng et al., 2024; Li et al., 2024）。尽管非常规水源具有补充供应、减少污染物排放和提高资源利用效率的潜力（Habibi Davijani et al., 2016; Li et al., 2022; Wang et al., 2024a），但由于分配率低和政策激励不足，它们的利用仍然不足（Tu et al., 2024; Wang et al., 2024c）。对于干旱的内陆河流域而言，扩大非常规水源的利用可以增强系统在日益严格的取水和环境流量要求下的韧性。

为了解决传统线性模型在应对深度不确定性和高维权衡方面的局限性，本研究提出了RF-NSGA-III-Ada框架，该框架结合了数据驱动的预测和进化优化方法。通过使用随机森林（Random Forest）来划定现实的非线性决策边界，并采用自适应参考点机制解决多目标空间中的多样性与收敛性困境，该框架显著优于标准的NSGA-II和NSGA-III模型。应用于中国西北部的黑河河流域后，该框架成功实现了“人-水-土地-产业”联系中的非常规水资源替代。其成功实施为量化并解决干旱地区复杂环境和政策约束下的经济效率与社会稳定性之间的矛盾提供了可扩展的解决方案，为水资源优化提供了科学依据。

**2. 材料与方法**
**2.1 研究区域**
黑河河流域是干旱地区内陆河流系统的典型代表，其“山-绿洲-沙漠”耦合结构反映了全球干旱地区面临的水文挑战。该流域作为战略生态走廊，连接了青藏高原、河西走廊和阿尔察高原（图1）。2023年，该流域支撑了206万居民，创造了1428.7亿元的GDP，但其水资源使用仍以农业为主，占总取水量的83.88%。快速的城市扩张和绿洲农业的集约化对有限的水资源供应造成了巨大压力，导致水文连通性中断和水生生态系统的退化（Zhang et al., 2025）。这种不断加剧的压力要求综合性的分配策略，以协调水文约束与社会经济转型。因此，优先考虑再生水、矿井水等非常规水源已成为多样化供应组合的关键方法（Wang et al., 2012）。这种“人工绿洲”与“自然生态系统”之间的激烈竞争，加上该地区对非常规水源的积极采用，使得该流域成为验证能够处理经济、社会和生态目标复杂联系的优化框架的典型试验场。

**2.2 方法**
本研究开发了一个集成式的RF-NSGA-III框架（图2），该框架将数据驱动的预测与自适应多目标优化相结合，以支持干旱河流域的可持续水资源分配。该框架结合了：
（i）随机森林（Random Forest，RF）代理模型，用于生成特定部门、依赖于情景的水需求基线；
（ii）改进的NSGA-III-Ada优化器，用于在水电文、社会经济和政策约束下处理高维权衡。RF模块以顺序和紧密耦合的方式运行，刻画部门间的非线性用水响应，而NSGA-III-Ada利用这些预测来制定平衡经济、社会和生态目标的帕累托最优分配方案。整个方法论确保了数据驱动预测、多目标搜索和受约束决策细化之间的逻辑一致性，使模拟的未来水资源需求系统地融入到流域规模的分配决策中。

**2.2.1 使用随机森林代理进行水资源需求预测**
为了建立稳健的部门水资源需求基线，构建了一个RF代理模型来近似水使用的非线性、多驱动响应。RF集成预测的过程如下：
\[公式省略\]
每个树通过随机特征子集进行自助采样训练。节点分割通过MSE来最小化不纯度：
\[公式省略\]
信息增益 \(Gain(S,A)\) 定义为：
\[公式省略\]
最优属性 \(A*\) 选择为：
\[公式省略\]
叶子节点的预测过程如下：
\[公式省略\]

针对农业、工业、服务业、城市生活用水和农村生活用水等特定部门，使用2019–2022年的面板数据（来自权威统计资料，如《甘肃发展年鉴》和省级水资源公报）训练了相应的RF模型。为严格防止时空泄漏，采用了时间序列分割策略：2022年作为独立测试集，而对2019–2021年的数据采用两倍滚动法（即用2019年的数据预测2020年，再用2019–2020年的数据预测2021年）。为了减少过拟合，对超参数进行了保守的网格搜索（例如，树的数量 ? [20, 80]，最小叶大小 ? [5, 12]），最优配置详见补充材料中的表S2。此外，为了量化不确定性，使用不同的随机种子为每个部门训练了30个独立模型。通过比较这30次运行的训练和测试指标（MSE、MAE和R2）验证了模型的稳健性（例如，农业测试的R2约为0.90，详见补充材料中的表S3）。

**2.2.2 使用改进的NSGA-III-Ada算法进行多目标水资源分配**
传统的NSGA-III算法存在初始化不规律、早期探索能力弱和精英压力下降的问题。为了解决这一问题，我们开发了NSGA-III-Ada，该算法整合了改进的初始化、自适应重组和分阶段变异机制。(1) 基于余弦的好节点初始化：通过映射一个余弦分布的好节点集（GNS）来构建一个准均匀的初始种群：[Math Processing Error]X=Lower+R×(Upper?Lower)，其中[X]表示决策变量向量，[Upper]和[Lower]代表决策空间的边界，[R]是一个用于缩放的随机矩阵。GNS结构定义为：[Math Processing Error]rm,d=mod(2cos(2πd)/m,1≤m≤m1≤d≤N，[rm,d]表示优化维度[d]中的好节点[m]，[N]代表优化目标的数量。从而得到初始种群矩阵：[Math Processing Error]P=|r1?1,r2?1,?,rm?1|，并对其进行缩放：[Math Processing Error]X=Lower+P×(Upper?Lower)。这提高了早期对决策空间的覆盖率并减少了初始化的敏感性。(2) 快速非支配排序和参考点关联：超平面参考点（具有[N]个目标和[q]个分区）保持多样性：[Math Processing Error]K=(N+q?1)/q。目标归一化使用理想点：[Math Processing Error]fd′(x)=fd(x)?fdmin，x∈Mt，以及轴截距：[Math Processing Error]fd″(x)=fd′(x)ad?fdmin，d=1,2,?,N，其中[fd″(x)是归一化后的目标值，[fd′(x)是[fd(x)]的移位目标值，[x]是迭代阶段[t]中的种群[Math Processing Error]M中的一个个体，[fdmin]是最小目标向量，[ad]是使用成就量化函数计算得到的轴截距。(3) 带有后期精英选择的自适应SBX交叉：模拟二进制交叉（SBX）生成后代：[Math Processing Error]hi1=1/2×[(1+α)·qi1+(1?α)·qi2]，[hi2=1/2×[(1?α)·qi1+(1+α)·qi2]，其中[qi1]和[qi2]是父代个体，[hi1]和[hi2]是交叉后代，[α]是SBX中的分布参数，其确定方式为：[Math Processing Error]α={(2v)^(1/(1+ε}}/(1/(2?2v))，v≤0.5，v>0.5，[v]是在[0, 1]区间内均匀分布的随机数，[ε]是用户定义的控制后代相似性的分布参数。引入自适应精英选择（AE）机制：[Math Processing Error]t120%），而较窄的包络（±5%）则限制了优化潜力。因此，±10%代表了平衡效率增益与社会经济稳定性的最佳可行性阈值。(3) 水量平衡：为了避免因过于严格的供需平衡约束而导致的运作不可行性，本研究在总水量分配中加入了相对于预测需求的±10%的容忍度。这一设计与RF模型的预测一致，同时保持了必要的运作灵活性：([Math Processing Error](1?δ)∑_j=1^J D^kj≤∑_z=1^z∑_j=1^J x_kz_j≤(1+δ)∑_j=1^J D^kj)，其中[D^kj]是RF模型预测的水量需求，δ是设定的容忍系数为10%。非负性 ([Math Processing Error]x_kz_j≥0)。综合RF-NSGA-III-Ada工作流程确保了水资源的物理可行性、政策一致性和部门平衡的流域级分配结果。2.3. 数据来源：为了支持RF预测和NSGA-III-Ada分配模型，汇编了社会经济、部门和水电数据集。年度农业、工业、服务部门和生活用水需求数据来自《甘肃发展年鉴》、《内蒙古统计年鉴》和《祁连县统计年鉴》（2020–2024年），并结合了《甘肃省水资源公报》中的用水强度数据。农业指标包括有效灌溉面积、灌溉强度和灌溉用水效率；工业和服务部门的数据包括部门产出值和用水强度；生活用水变量涵盖了人口、城镇化率、人均消费量和管道泄漏率。生态分配使用总人口和人均生态配额进行估算。水文条件、地下水位抽取限制和未来供应能力从主要规划文件中数字化，包括甘肃省黄河流域节水计划和嘉峪关市及张掖市的十五五水资源规划。这些数据被转化为定义地表水调度、地下水上限和基于基础设施的供应上限的数值约束。基于情景的非传统水资源可用性预测（回收水、微咸水、矿井排水和大气水）来自国家冰川、冻土和沙漠科学数据中心（https://www.ncdc.ac.cn/portal/metadata），包括多来源水资源供应（2035年、2050年）和可再生水资源可用性数据集（2016年、2035年、2050年）。所有数据集首先通过单位标准化、时间序列插值和跨来源一致性检查进行 harmonization。然后通过简化的特征工程工作流程派生变量，捕捉用水需求的结构动态，包括部门增长率、多年平滑项、滞后的社会经济和水文指标以及灌溉效率指标。缺失值使用特定于变量的程序进行填充，例如人口记录的线性插值、灌溉面积轨迹的样条平滑以及工业产出的约束回归。所有预测因子在空间上与县级边界对齐，转换为年度分辨率，并在RF训练和与NSGA-III-Ada优化结合之前进行归一化。这种预处理系统确保了跨部门的可比性，并保留了在复杂干旱条件下建模总水量分配所需的关键非线性信号。3. 结果 3.1. NSGA-III-Ada算法的性能评估：与标准Zitzler–Deb–Thiele (ZDT)和Deb–Thiele–Laumanns–Zitzler (DTLZ)测试套件进行基准测试，确认了人口塑造、开发增强和探索加强的自适应整合从根本上改善了算法在非凸和多模态景观中的表现。30次实验评估了反向代际距离（IGD）、间距（SP）和超体积（HV），揭示了每种单独增强的不同机制——GNS稳定了分布，ES加速了压力，DE拓宽了搜索范围——而它们各自的局限性，如过早收敛或波动性，在集成时得到了明显缓解。因此，NSGA-III-Ada在稳定性方面始终优于所有比较算法，这一点通过最小化标准差得到了证明（补充材料中的表S5）。此外，它在收敛-多样性平衡方面表现最佳，显著减少了IGD（例如ZDT1的47.39%），提高了解决方案的均匀性（间距指数）高达67.61%，并在多个复杂多模态函数（如ZDT2和DTLZ6）上增强了综合收敛性（超过60%）（补充材料中的表S6）。这些证据表明，算法的性能提升不是特定于数据集的，而是由机制驱动的，使其特别能够导航由RF模块定义的“稳定性受限”的非线性决策空间。通过有效解决高维目标中的多样性-收敛性困境，该算法确保了在黑河盆地内识别出物理上可行的“边际替代”路径，从而克服了农业惯性与生态工业发展之间刚性冲突的计算障碍。3.2. 2025年和2030年的用水预测：预测表明用水模式具有结构性持续性，表明盆地的需求系统受到稳健的社会水文惯性的支配，而非短期弹性（图3）。这反映了RF模型捕捉盆地发展模型中固有的非线性“锁定效应”：历史基础设施的高特征重要性（例如有效灌溉面积）抑制了需求对参数微小波动的敏感性，确认盆地已进入“饱和阶段”，此时用水对标准政策变化的响应变得不敏感。因此，2025年和2030年的预测显示部门比例与2022年几乎相同：农业灌溉仍占据主导地位（>80%），稳定了盆地的消费结构；生态需求保持在8.5%以上；工业用水稳定在5%左右。农业和农村住宅用水的预测下降反映了灌溉效率提升对农村人口减少的缓慢抵消，而城市和第三产业部门的稳定增长与地区不可改变但逐渐的城市化趋势相一致。图3显示了2025年和2030年黑河盆地的用水预测。空间模式进一步展示了由资源禀赋和功能分区驱动的明显的“核心-边缘”特征。工业用水需求主要集中在嘉峪关的工业枢纽（约占盆地总量的76%）。这种集中度验证了工业用水的“引力机制”，即既定资产（如钢铁加工设施）创造了抵抗空间扩散的需求自我增强循环。与此同时，生活和第三产业需求集中在嘉峪关-甘州-苏州的城市经济走廊沿线，受到人口聚集和服务部门增长的推动。相反，农业灌溉在流域中形成了广泛的“基础层”。这种分布受到“人工绿洲”（生产空间）和周围“沙漠矩阵”之间严格分离的物理限制，使得农业用水在空间上趋于刚性，限制了大规模跨区域重新分配的潜力。预测轨迹显示，盆地的需求结构显示出显著的路径依赖性和相当的稳定性。局部城市增长和广泛的农业义务的相互制约意味着传统需求侧管理（如进一步收紧配额）的边际效用正在减弱。仅依赖需求压缩可能会遇到基本生存和生产需求所设定的“硬性下限”。因此，有效缓解水资源压力需要特定的供给侧干预措施——特别是优化非传统水资源的替代使用，以补充保护工作。通过引入非传统水资源作为灵活变量来应对严格的资源约束，系统可以有效地缓解区域发展对水资源消耗的压力。3.3. 2025年和2030年的最佳水资源分配方案：对于每个县，综合得分最高的解决方案被视为推荐配置（图4）。2025–2030年的变化主要反映在供水来源组成（地表水、地下水和非常规水）上，2030年的方案在多个县表现出更明显的来源替代，而整体分配模式仍然受到水量平衡和增长/路径依赖性限制的约束。2025至2030年的变化主要体现在水源构成的变化上（包括地表水、地下水和非常规水资源），2030年的方案在多个县显示出更加明显的来源替代现象，而整体分配模式仍受到水量平衡和增长/路径依赖性的限制。下载：下载高分辨率图片（815KB）下载：下载全尺寸图片

图4. 2025年和2030年海河盆地的水资源分配计划。与2022年的基准情况相比，优化后的方案在部门消耗和供应构成方面都发生了显著变化（图5a）。这些变化主要是通过调整供应端组合实现的，表现为传统地表水和地下水取用量的战略性减少以及非常规水资源的快速增加（2025年增加6.121%；2030年增加17.166%）。需求端的重新分配相对保守，灌溉用水量仅略有下降，表明优化方案优先考虑逐步提高效率，同时避免对绿洲农业造成破坏性影响——这是干旱盆地规划中的常见制约因素（例如，食品安全考虑）。生态用水量大幅增加，这与规划情景下该盆地的水文生态优先级一致。到2030年，工业用水需求将急剧上升，这体现了基于当地规划目标的假设，即工业活动将持续扩张，从而在未来对水资源需求产生更大压力。从空间上看，这些解决方案基本上保持了既定的功能分区——嘉峪关地区的工业集中、金塔-苏州走廊的生态恢复优先区以及中游县落的广泛农业生产——同时提高了区域内的效率，而没有重塑基本的社会经济结构（图5b）。总体而言，这些模式表明，只要非常规供应能力和生态用水量持续扩大，通过增量且策略性对齐的调整就可以实现整个盆地的可持续发展。

下载：下载高分辨率图片（1MB）下载：下载全尺寸图片

图5. 2025年和2030年海河盆地的水资源供需结构及各部门/水源的特定增长率。

吉尼系数被引入来评估水资源满足度、社会可接受性和利益分配的公平性（详见补充材料中的表S7）。优化后的方案在需求满足方面几乎实现了完美公平（吉尼系数约为0.001），确保所有县的水资源分配严格符合随机森林（RF）预测的需求，无论经济规模如何。相反，社会可接受性的公平性显著下降（2025年的吉尼系数上升至0.6188），凸显了优化方案对不同地区带来的异质适应性成本。与此同时，经济效益、产出效率和生态表现的吉尼系数保持在较高水平（分别约为0.45、0.31和>0.45），这是由于区域功能分区和发展差异造成的。这些指标共同证明了该框架在尊重既定经济地理格局的同时，能够公平满足不同地区的多样化水资源需求的能力。

3.4. 优化方案的鲁棒性验证

多情景扰动实验量化了随机森林预测误差和参数不确定性对优化结果的传播影响，确认了系统的结构性韧性。具体来说，实验设计包括16种不同的情景：四种全球性扰动，涉及整个流域范围内的同步需求波动（±10%、±20%）；八种局部扰动，分别对甘州区农业用水和嘉峪关市工业用水进行±10%和±20%的调整；以及四种针对高台县农业灌溉非常规水资源可用性的供应端扰动（±10%、±20%）。从16种扰动情景（S1-S16；详见补充材料中的表S8）得出的敏感性系数显示了系统的非对称响应和不同的适应机制。全球性扰动（S1-S4）表明，经济效益对需求低估非常敏感（敏感性系数>1.0），在水量减少的情况下收缩幅度较大，而产出效率在受限条件下有所提高，体现了系统的“效率增强”能力。局部扰动（S5-S12）显示了不同的结构行为：甘州地区的农业波动在里面得到缓解，整个流域的传播效应较小（系数<|0.5|），而嘉峪关市的工业波动引发了显著的跨部门重新分配，形成了明确的“工业-服务/城市生活”水资源再分配链条（系数高达1.77）。此外，非常规水资源供应的扰动（S13-S16）证实，尽管供应增加未能因使用限制而提升经济效益，但它们带来了显著的“减排红利”（负系数），主要通过环境效益和传统水资源的替代增强了系统的鲁棒性。

讨论

4.1. 流域规模水资源分配的机制性权衡

甘州区作为该流域社会水文系统的代表，因其结构同质性而被选中——该地区具有以农业为基础的经济结构（超过80%），同时面临不断扩大的城市核心区的竞争。2025年，该区的优化结果揭示了耦合系统中固有的权衡：经济效益与污染物排放之间的正相关关系表明了发展与环境保护之间的持续紧张关系；而效益与产出效率之间的关系（图6a）表明，部门容量上限最终限制了重新分配带来的边际收益（Li等人，2022年；Zhou等人，2024年）。在这种背景下，综合方案位于多维权衡前沿的中心位置，实现了最平衡的协同效应（图6b）。其百分位数排名——经济效益21.34%、效率84.81%、排放48.82%、结构调整7.23%、供应利用3.44%——表明了充分的供应利用、较低的结构破坏性和可控的环境压力。值得注意的是，“水资源利用率”——这一计算后的指标定义为优化方案中分配的总水量与随机森林模型预测的总需求之比——在这一情景下接近100%，证实该方案充分利用了可用的承载能力。

图6. 帕累托最优解与其他优化方案的并行坐标图。这种配置验证了所提出的“稳定性约束”优化逻辑：通过将结构调整限制在最小范围内以尊重流域的社会水文惯性，该方案利用边际替代策略将经济效率与淡水依赖性有效分离。具体来说，它优先考虑增量来源替代和部门内部的效率提升，而不是可能挑战现有基础设施和制度安排的破坏性重新分配。这种设计通过保持渐进的转型同时实现可测量的系统性能提升，从而提供了一种务实的方法来协调严格的农业基础与工业生态现代化之间的系统冲突。更广泛地说，结果表明，只要非常规供应能力和生态用水量持续扩大，通过有针对性和策略性对齐的调整可以实现显著的可持续性提升。

4.2. 综合分配方案的系统级表现

2025年，对极端分配方案的分析揭示了严重的系统权衡，最大化特定目标不可避免地会导致不可持续的扭曲，详见总结表S9（补充材料）。与单目标方案相比，综合方案一致地提高了经济效益和产出效率（2025年：+2.518%、+2.926%；2030年：+1.966%、+2.144%），同时减少了污染物排放（2025年：?0.577%；2030年：?2.552%）。随后的区域评估（补充材料中的表S10-S11）表明，虽然经济效益方案在甘州等枢纽地区提升了效益（高达6.74%），但加剧了环境压力（排放增加9.09%）并使社会稳定成本增加了122.08%。相反，产出效率方案在以农业为主导的地区提高了产出指标（例如，林泽区减少了6.65%），而最小化排放的方案虽然实现了显著减排（齐连区减少了16.12%），但需要经济上的妥协（甘州区减少了5.06%）。这些极端的成果证实，追求单一目标优化不可避免会导致“帕累托极端”（Niu等人，2023年；Jia等人，2024年；Yan等人，2025年）。相比之下，综合方案——优于保守的社会公平方案——在所有地区实现了最平衡的协同效应：它确保了适度的经济增长（+0.65%至+6.08%），同时实现了有效的污染控制（例如，甘州区减少了2.30%）并稳定了水资源使用。这证明了系统范围内的协调能力，和谐了发展、生态和稳定之间的矛盾需求。部门和区域流量分析进一步突显了综合方案的优越实用性（图7）。与迫使水资源向居民和第三产业部门不公平转移的经济效益方案不同，综合方案采取了“稳定性约束”策略，主要将水资源从工业部门重新分配到居民和生态部门。这种增量重组与干旱流域政策框架中发现的主要转型路径一致（Zhou等人，2024年）。此外，通过尊重流域的社会水文惯性，这种策略验证了“边际替代”的有效性：适度的、以效率为导向的调整——结合非常规水源——可以将经济稳定性与淡水依赖性分离（Hu等人，2016年；Yuan等人，2023年）。尽管由于完全利用供应量，综合方案无法完全阻止排放增长（Lyu等人，2022年；Yang等人，2024年），但其环境代价相对于在类似供应限制下运行的极端方案要小得多。这证实了该框架成功识别了一条平衡历史使用模式与现代化需求的“中间道路”。

4.3. 可持续流域转型的政策启示

根据模型揭示的“核心-边缘”需求结构，保护策略必须在空间上进行差异化，而不是统一实施。观察到的效率-排放-经济动态突显了在高需求部门（特别是农业和工业）加强保护的必要性（Li和Gao，2024年）。对于嘉峪关这样的工业枢纽，模型指出其存在高强度的水资源聚集，政策应从简单的数量控制转向“效率驱动的替代”，要求内部循环利用以将增长与淡水使用脱钩。相反，对于中游县的农业“基础层”，推广先进的灌溉技术和扩大城乡节水计划对于减少刚性基础负荷至关重要（Wang等人，2023年；Grano，2025年）。在流域尺度上，上下游之间的相互依赖性强调需要协调的分配规则和共同管理机制，以平衡生态恢复与社会经济发展（Wang等人，2025年；Han等人，2026年）。鉴于跨部门重新分配引发了潜在的不稳定性成本，建议建立能够平衡生态恢复与社会经济发展的共同管理机制。在中国西北部的干旱地区——那里融雪、地下水和生态流量紧密相关——加强跨区域补偿、生态流量保障和透明的利益共享机制可以提升公平性，同时提高海河上游-中游-下游的水文韧性（Gao等人，2025年）。

更广泛地说，海河盆地观察到的治理挑战——特别是刚性农业需求与灵活工业增长之间的摩擦——在许多干旱地区普遍存在（Zou等人，2024年）。中国的新兴实践——特别是生态补偿方案——提供了可移植的制度模板。可扩展的要素包括分层的生态流量阈值和与绩效评估挂钩的流域级配额系统（Wang等人，2024b；Guo等人，2025年；Zhao等人，2026年）。重要的是，我们敏感性分析中发现的“损失厌恶”特性表明，跨区域补偿机制必须将地方激励与流域规模的生态目标对齐，以克服对重新分配的抵制。非常规水资源在最优方案中的关键作用——通过扰动分析中显著的“减排红利”得到证实——突显了多样化供应的战略必要性（Zhai等人，2021年；Robbins等人，2022年；Wang等人，2024d；Cooper等人，2025年）。为了弥合宏观规划与工程可行性之间的差距，建议采取具体的实施措施。第一阶段（2025年前）建立针对嘉峪关已识别工业集群的“局部替代配额”，强制使用回收水，几乎是释放下游流量的淡水，并对敏感部门实施严格的“负面清单”。第二阶段（2030年前）通过中期农业试点和严格的土壤监测来解决农业的刚性问题，而跨区域的生态补偿应参考模型推导出的边际机会成本进行。最后，一个嵌入了提出的RF-NSGA-III-Ada框架的智能治理架构，包括流域数字孪生和实时分配平台，将增强对气候极端事件的韧性（Kim和Bartos，2024年；Xu，2024年）。这些措施共同展示了实现经济开发、生态稳定和水资源安全协同优化的路径（图8）。

4.4. 基于数字孪生的多源水资源分配与治理框架局限性及未来发展方向

首先，数据限制和环境不确定性限制了该模型的动态适应性。由于受限于可验证的水资源使用数据（2019-2022年），该框架假设水文条件是静态的，并未模拟湿润年、正常年份和干旱年份之间的转换或极端事件，这可能导致在气候变率增加的情况下低估了水资源分配的波动性（Liu等人，2025年）。此外，未来社会经济轨迹的不确定性可能会影响需求预测，并降低优化结果的稳定性，特别是在对气候敏感的干旱地区（Wang等人，2025年）。

其次，社会水文耦合的程度仍有待深化。尽管该框架整合了总量控制和公平性考虑，但它基本上将社会经济驱动因素（如人口、土地利用）视为外生的模拟情景，而不是内生的决策变量。因此，“人-水-土地-产业-城市”之间的相互作用（例如土地利用规划和农业配额）尚未被纳入模型（Jalilov等人，2025年）。虽然RF模块利用这些驱动因素来制定基准，但由于缺乏动态优化参数（如灌溉配额或人口阈值）的反馈机制，限制了进行全面系统规划的能力。

第三，从宏观策略到微观实施的过渡面临工程和数据方面的差距。在非常规水资源方面，该模型更注重供需平衡而非项目层面的评估；它没有明确考虑基础设施限制（如管道网络容量）、边际技术成本或水质风险（如重金属），这意味着结果仅代表一种战略方向，而非可立即实施的计划（Wang等人，2024a；Yang等人，2025年）。此外，由于缺乏县级能源数据，无法明确设定碳排放限制，这限制了当前准确量化水资源与碳排放协同效益的能力。

未来的研究将通过将通用环流模型（CMIP6）与物理水文过程相结合，将时间范围扩展到中长期（例如2035-2050年）。这将使框架能够模拟十年尺度的演变轨迹，并在深度气候不确定性下评估资源配置风险。为了解决外生社会经济驱动因素的局限性，我们计划将当前的优化引擎与基于代理的模型或系统动力学相结合。这种整合将内化人类适应（如农民的作物选择、迁移）与政策干预之间的协同反馈机制，从而在“人-水”关系中形成一个闭环。此外，研究目标将扩展到水-能源-食物-碳综合体系，明确量化脱碳和节水的协同效益。最终，通过从静态优化转向动态适应型政策路径，该框架将支持制定能够根据不断变化的气候和社会经济现实进行调整的稳健、无悔的路线图。

5. 结论

本研究开发了RF-NSGA-III-Ada，这是一个基于机器学习的多目标优化框架，用于“水-生态-经济”综合体系中的协调决策。通过将随机森林需求预测与自适应NSGA-III优化策略相结合，该框架能够捕捉非线性系统关系，并在竞争性水资源使用、生态和经济目标下识别出平衡的分配方案。在海河盆地的应用表明，优化的水资源分配可以减轻资源压力，同时提高经济和环境绩效，表明在干旱的内陆河流流域，可以通过科学调整各个部门和水源之间的关系来实现可持续发展，而无需进行破坏性的结构变革。总体而言，RF-NSGA-III-Ada为水资源短缺地区提供了一个实用且可移植的决策支持工具，帮助政策制定者管理权衡，提高分配效率，并在环境不确定性增加的情况下促进可持续的协同优化。

未引用的参考文献：
Jalilov等人，2024年；Jia等人，2025年

CRedI作者贡献声明：
Lu Chengpeng：撰写 – 审阅与编辑、撰写 – 原稿、可视化、方法论、调查、形式分析、数据管理、概念化。
Feng Qi：撰写 – 审阅与编辑、调查。
Li Zongxing：撰写 – 审阅与编辑、调查、资金获取。
Gao Xianglong：可视化、调查、数据管理。
Su Yingqing：可视化、调查、数据管理。
Yan Xin：调查、数据管理。
Liu Wen：调查、数据管理。
Ning Tingting：调查、数据管理。
Zhang Jutao：调查。