《Journal of Hazardous Materials Advances》：Data-driven simultaneous accounting of diverse agronomic and eco-hydro-climatological stressors for guiding targeted watershed restoration strategies
编辑推荐：
斯韦塔斯里·纳格|安库尔·夏尔马|艾西·特里莎|拉维莎·甘比尔|斯里尼瓦斯·拉拉帕利•基于水文生态压力因子，构建了综合型流域退化指数（WDI）。•将基于过程的SWAT模型输出与卫星获取的水文生态变量相结合。•运用基于熵的COPRAS方法，实现无偏的流域优先级划分。•识别出多种灾害
斯韦塔斯里·纳格|安库尔·夏尔马|艾西·特里莎|拉维莎·甘比尔|斯里尼瓦斯·拉拉帕利
- •
基于水文生态压力因子，构建了综合型流域退化指数（WDI）。
- •
将基于过程的SWAT模型输出与卫星获取的水文生态变量相结合。
- •
运用基于熵的COPRAS方法，实现无偏的流域优先级划分。
- •
识别出多种灾害同时发生的关键子流域。
- •
通过聚类分析确定类型，为有针对性的流域修复提供指导。
引言
日益严重的全球水资源危机与流域健康状况恶化密切相关，由于土地利用变化、生态水文气候变异以及人类活动压力加剧，全球各地的流域正面临前所未有的退化问题（Yao等人，2025；Gehlot等人，2025）。流域作为生态过程与水文过程的自然整合体，影响着下游水体的物理、化学和生物特性（Mekonnen和Hoekstra，2016；Zolghadr-Asli等人，2021）。快速的城市扩张、农业集约化、工业化以及大型水利工程打破了陆地与水体的相互作用，导致地表径流增加、泥沙量上升、营养物质污染加剧，同时地下水补给减少（Bose等人，2024）。这些人为因素会加速土壤侵蚀，使污染物进入河流，而不透水表面和森林砍伐则降低了土壤入渗能力，进而加剧洪水峰值并降低基流水平（Veettil和Mishra，2016）。在如此多因素的共同作用下，定量评估流域退化十分困难，因为众多环境参数——如地形、气候、植被、土地利用、土壤性质等——之间存在着非线性相互作用。由于数据限制、校准难度以及计算成本高等原因，传统水文模型难以在精细的空间尺度上捕捉这些复杂的跨领域相互作用（Abbaspour等人，2017；Singh，2018；Rai等人，2024）。因此，需要一种具有空间明确性、可扩展性且计算效率高的方法，能够将遥感数据、水文模拟以及强大的决策支持工具整合到一个统一的框架中，用于评估流域健康状况。
在过去十年中，研究人员从不同单一学科的角度研究流域退化问题，但很少有研究能同时考虑所有主要压力因子。例如，SWAT、HEC-HMS和MIKE-SHE等基于过程的水文模型可以模拟不同土地利用或气候情景下的径流和侵蚀情况，但这些模型往往忽略了植被健康等实时生态状况，或者假设土地覆盖始终不变，这限制了它们反映农生态动态的能力（Samimi等人，2020；Srinivas等人，2020）。相反，那些利用植被指数或土地覆盖图进行的生态和土地利用研究虽然能够识别出土地退化热点，但却很少考虑基流变化或地下水下降等水文后果。以气候为核心的研究，比如分析温度或降水变化对水资源压力的影响，往往忽视了能够调节气候影响的地形特征或土壤与水之间的相互作用（Zhu等人，2022）。这些仅考虑单一方面的方法——仅关注水文、仅关注生态或仅关注气候——往往无法把握各环境子系统之间的关键协同作用和反馈机制，因而难以用于综合性的流域管理。此外，许多流域脆弱性评估依赖于单一指标或替代指标（如坡度、排水密度或NDVI单独使用），而且往往没有通过实测的泥沙量或流量等实地数据来验证评估结果（Sharma等人，2023）。这类方法得出的结果虽然在理论上很有吸引力，但在指导保护措施方面却缺乏实际意义。
为了解决这些局限性，多准则决策分析（MCDM）框架在流域优先级划分中越来越受到重视。AHP、TOPSIS、VIKOR和CRITIC–PCA等方法被用来结合地形、水文和土地利用指标（Shah和Pan，2024）。然而，大多数MCDM应用存在两个主要缺陷（Srinivas等人，2018）。首先，通常由专家意见确定的主观权重可能会引入偏差和不一致性，尤其是当某些准则缺乏实证依据时（Zolghadr-Asli等人，2021）。其次，尽管这些框架整合了多层信息，但仍然无法同时纳入水文、气候、农生态和地形相关指标。例如，基于形态学的优先级划分研究往往依赖从数字高程模型中得到的静态指标（如高差比、分叉比），而没有考虑动态的气候或植被状况（Nag等人，2020）。虽然统计工具如PCA有时会被用来降低维度，但它们仍易受多重共线性的影响，且优先级划分的逻辑缺乏透明度。在另一极端，PAWS或DHSVM等先进的基于过程的模式虽然能够对水文过程进行详细模拟，但需要大量的输入数据、复杂的校准过程以及庞大的计算资源，因此并不适用于大规模或数据匮乏的流域（Guse等人，2020）。简而言之，现有的方法要么通过忽略不同领域之间的相互依赖关系而简化了退化过程，要么在分析上过于复杂，却无法产生对决策有用的结果。
为弥补这些不足，本研究提出了一种综合性的、以数据为驱动的脆弱性评估框架，该框架同时纳入了涵盖水文、气候、农生态和地形相关压力因子的20个环境指标。所提出的方法利用经过校准的SWAT模型来模拟关键水文输出（如径流、泥沙负荷、营养物质输送量），再结合高分辨率遥感数据得到的植被健康指标（如NDVI、VCI）、气候压力指标（如SPI、SPEI）以及地形脆弱性指标（如坡度、高差），通过基于熵加权的复杂比例评估法对这些指标进行综合，从而客观地对98个子流域进行排序。熵方法确保指标权重是根据数据的变化程度确定的，这样可以减少主观判断带来的偏差，避免多重共线性问题。与传统基于PCA或主观判断的MCDM模型相比，所提出的框架具有三大优势：第一，它将多个领域的模型数据与观测数据相结合；第二，它在保持物理现实性的同时具备较高的计算效率；第三，它能够提供透明且可扩展的优先级排序结果，可应用于其他流域。
本研究为复杂河流流域的流域健康评估和优先级划分提供了一种新颖且实用的方法框架。该研究的主要贡献包括：
- 1.
提出了一种基于水文、气候、农生态和地形相关指标的综合性、跨领域的流域退化评估方法。
- 2.
将经过校准的SWAT模型与来自Landsat系列卫星观测的高分辨率遥感指标相结合，实现了基于过程的水文模拟与基于观测的环境信息的整合。
- 3.
采用基于熵加权的COPRAS方法，作为一种客观且可扩展的多准则决策方法，用于对子流域进行透明的优先级排序。
- 4.
在印度纳尔马达河上游流域的98个子流域中证明了该框架的适用性，能够识别出空间上的退化模式，为恢复规划提供优先级参考。
通过将高分辨率地理空间建模与强大的决策支持框架相结合，该研究为数据匮乏且环境脆弱的地区提供了具有可推广性的气候适应性流域管理方法。
章节要点
研究区域
本研究选择印度纳尔马达河上游流域作为案例，来展示所提出的方法。纳尔马达河发源于中央邦的阿马尔坎塔克高原，向西流经印度中部，最终注入阿拉伯海（见图1）。这条河流全长超过1,300公里，是农业、水电供应和居民生活的重要水源，支撑着数百万人的生计（Mishra等人，2021）。该流域地形多样，
SWAT模型的校准与验证
为确保用于指标计算的水文模拟结果的可靠性，本研究对SWAT模型进行了校准和验证，验证所使用的每日流量数据来自中央水利委员会旗下的三个监测站——丁多里、莫哈冈和马诺特，这三个站点分别代表上游、中游和下游的区域，便于对整个流域的模型性能进行空间评估。模拟时间跨度为1980年至2023年，其中包括3年的准备期（1980–1982年）、校准期
结论
本研究通过基于熵加权的复杂比例评估法以及COPRAS决策方法，构建了一个整合水文、气候、农生态和地形指标的多领域流域退化评估框架。该框架将基于过程的水文模拟与遥感数据及地形相关变量相结合，能够对空间上的退化模式进行一致且定量的评估，同时充分考虑各种有利因素和
CRediT作者贡献说明
斯韦塔斯里·纳格：写作——审稿与编辑，写作——初稿撰写，可视化，验证，软件应用，方法设计，数据整理，概念构建。安库尔·夏尔马：写作——初稿撰写，软件应用，方法设计，研究实施，数据整理，概念构建。艾西·特里莎：写作——初稿撰写，软件应用，方法设计，数据整理，概念构建。拉维莎·甘比尔：写作——初稿撰写，软件应用，方法设计。斯里尼瓦斯·拉拉帕利：写作——审稿与编辑，可视化，
利益冲突声明
作者声明不存在任何可能影响本文研究结果的已知财务利益冲突或个人关系。
