《Journal of Hydrology》：Decoupling geogenic and anthropogenic drivers of groundwater natural background levels using machine learning and high-resolution maps
编辑推荐：
•为描述NBL的空间异质性，研究构建了一个结合NBL与环境因素的混合框架。•TabPFN因具备较高的预测精度和较低的不确定性，表现优于XGBoost。•地质因素（岩性、径流）与人为因素（施肥、污水排放）共同决定了区域水化学特征。•地下水环境单元反映了自然因素与人为因素的空间聚集特
- •
为描述NBL的空间异质性，研究构建了一个结合NBL与环境因素的混合框架。
- •
TabPFN因具备较高的预测精度和较低的不确定性，表现优于XGBoost。
- •
地质因素（岩性、径流）与人为因素（施肥、污水排放）共同决定了区域水化学特征。
- •
地下水环境单元反映了自然因素与人为因素的空间聚集特征。
- •
现代NBL应被视为受人类活动影响的当代基准值。
引言
地下水占地球上液态淡水的近99%，是全球水资源与粮食安全的基石（Bhalla等人，2025）。据联合国统计，全球近一半的饮用水、约40%的灌溉用水以及33%的工业用水都来自地下水（UN Water，2022）。然而，由于农业集约化、工业排放及城市化带来的广泛污染，这一重要资源正面临巨大压力（Kuang等人，2024；Wang等人，2023；Xia等人，2026）。例如，2017年至2023年间全球水质有所下降，被评为“良好”的水体比例从57%降至56%（UNEP，2024）。受污染的地下水的化学成分会与自然基准值存在显著差异，这是其典型特征之一（Jahan等人，2025）。因此，建立可靠的地下水水化学自然基准值是实现可持续地下水管理的前提，有助于监管机构制定相应的保护政策。
地下水化学基准值，即自然背景水平（NBL），指的是未受或仅受轻微人类活动影响的地下水中的化学物质含量范围（Ahmad等人，2025；Edmunds等人，2008；Gao等人，2020；He等人，2022；Molinari等人，2019；Voutchkova等人，2021）。实际上，由于人类活动的广泛影响，真正未受污染的地下水十分罕见，所以现代NBL不可避免地会受到一定程度的人类活动影响。NBL代表了区域性和时间性的基准值，是制定水质标准、开展污染评估以及确定治理目标的基础（Bondu等人，2022；Bulut等人，2020）。例如，中国和欧洲都已制定了基于NBL的地下水保护指南（EP，CEU，2006；MEE，2023）。
异常值是指那些与大多数水化学样本差异极大的极端数值，若将其保留，可能会严重偏倚统计结果。因此，必须排除具有极端水化学特征的样本。异常值筛选主要依靠统计方法或预先筛选手段（Amiri等人，2024；Parrone等人，2022）。统计方法包括格鲁布斯检验、西格玛原则、中位数绝对偏差法以及基于分位数的方法（Amiri等人，2024；Khan等人，2023；Parrone等人，2019；Wang等人，2025a；Zhang等人，2024），但目前仍缺乏选择最合适异常值检测方法的明确标准。预先筛选则通过设定浓度阈值（如硝酸盐氮浓度高于10毫克/升即可视为受人为影响）来识别受人类活动影响的样本（Parrone等人，2019；Zanotti等人，2022）。不过也有学者认为这种预先筛选方式过于主观（Gao等人，2020；Liu等人，2026）。为此，人们开发出了结合统计方法、预先筛选以及水化学分析的混合方法（He等人，2022；Liu等人，2026）。但即便如此，这类方法仍无法在复杂的水化学环境中实现动态的异常值识别与预测分析。随着环境科学进入人工智能与机器学习时代，先进技术为解决这些难题提供了前所未有的机遇（Liu等人，2024；Sun等人，2024a）。研究人员现在能够实现自动化的异常检测，从而突破传统静态统计阈值的限制（Haggerty等人，2023；Uddin等人，2024；Youn等人，2025）。例如，K近邻算法和孤立森林算法等机器学习模型在这一领域已展现出极高的应用效果（Li等人，2025；Liu等人，2026）。
传统的NBL计算方法通常基于统计学、水化学图表或特定的水文地质条件，比如分位数（如第5百分位数、第95百分位数）以及拐点法，这些方法通常能得出整个区域的NBL范围（Ahmad等人，2025；Bondu等人，2022；Chen等人，2024；Gao等人，2020；He等人，2022；Hinsby等人，2008）。然而，地形、水文条件、城市聚集程度以及经济发展水平的差异会导致水化学性质的空间变异。正因如此，这类通用化的区域范围无法反映空间异质性，也无法确定特定地点的NBL值。此外，地下水井分布不均这一问题进一步加剧了上述状况（X. Sun等人，2024）。这一局限性给弄清NBL的形成机制及其演化趋势带来了很大挑战。为弥补这一不足，我们首先将NBL划分为不同的区域，随后运用机器学习模型与空间网格重采样技术，分析NBL与其控制因素之间的复杂关系。通过这种方式，该研究将区域性的NBL范围转化为连续的空间数值和高分辨率地图，从而展现人类活动影响下NBL的空间异质性。
所提出的方法在中国四川盆地进行了验证，该地区属于典型的农业区，且人类活动压力极大（人口超过7000万）（Xu等人，2024）。此外，该地区下伏侏罗纪和白垩纪的红层以及第四纪地层，这些地质因素导致了明显的水化学差异。正是由于强烈的人类活动影响、复杂的岩性以及监测井分布不均，使得该地区成为验证所提出的NBL计算框架的理想试验场。因此，本研究的主要目标是：（1）确立用于选择最优统计模型以进行异常值识别和NBL计算的准则；（2）识别地下水水化学特征及NBL的空间分布规律；（3）开发并验证一种基于机器学习与网格重采样的高分辨率NBL预测框架；（4）明确控制大规模NBL空间分布的关键环境因素。本研究将为在地下水采样不均匀的大面积区域内建立高分辨率NBL值并分析其空间异质性提供方法论支持，进而推动可持续发展目标的实现。
章节要点
地理与水文地质概况
四川盆地位于中国西南部，青藏高原以东（图1a）。研究区域（图1b，面积为73,829平方公里）处于四川盆地西北部，其地形从西北向东南逐渐降低（图1c）。该区域西北部海拔较高，而东南部海拔较低。嘉陵江、涪江、岷江、沱江和渠江等河流自北向南流经该区域，研究区域出露的岩层为
总体水化学特征
本研究采用描述性统计方法对水化学数据进行了分析（表S3）。总体而言，地下水的pH值略呈碱性，平均值为7.38。总溶解固体含量在78毫克/升到2708.09毫克/升之间，平均浓度为573.87毫克/升。值得注意的是，有5.52%的样本的浓度超过了1000毫克/升的标准值。总硬度含量在22毫克/升到4601.40毫克/升之间，平均值为379.21毫克/升。约有22.24%的地下水样本的硬度超过了中国的标准值450毫克/升。较高的总硬度
划分地下水环境单元的意义
结论
为解决在地下水采样不均匀且研究区域范围较大的情况下NBL值存在的空间异质性问题，本研究提出了一种基于GIS的网格采样策略，并结合先进的机器学习技术，将离散的NBL值转化为高分辨率地图。主要结论如下：
（1）将空间网格重采样与机器学习模型相结合的预测框架，有效克服了采样不均匀带来的限制。与XGBoost相比，TabPFN的预测性能更为优异，
CRediT作者贡献说明
张云辉：撰写原始稿件、方法部分、资金获取情况说明、概念构思。 姚荣文：软件操作、正式分析、数据整理。 Domenico Cicchella：撰写审阅与编辑稿件、项目监督。 罗明：资源协调、实地调查工作。 Md. Galal Uddin：撰写审阅与编辑稿件、结果验证。
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。
张云辉|姚荣文|Domenico Cicchella|罗明|Md. Galal Uddin
