《Environmental Modelling & Software》:Multiple machine-learning estimation of groundwater levels and trends for the regional Mississippi River Valley alluvial aquifer
编辑推荐:
密西西比河河谷冲积含水层(MRVA)为美国中南部地区提供灌溉、公共和家庭用水。地下水位下降需要改善对变化条件的表征。传统的测压面制图并未使用所有可用的水位数据或量化不确定性。为解决这些限制,研究人员开发了一个数据驱动的多元机器学习(MML)框架,通过两个开源R
密西西比河河谷冲积含水层(MRVA)为美国中南部地区提供灌溉、公共和家庭用水。地下水位下降需要改善对变化条件的表征。传统的测压面制图并未使用所有可用的水位数据或量化不确定性。为解决这些限制,研究人员开发了一个数据驱动的多元机器学习(MML)框架,通过两个开源R包实现。covMRVAgen1软件将协变量与来自57,695口井的155,960个月度地下水位数据组装;mmlMRVAgen1软件训练Cubist和随机森林(Random Forest)模型,将其混合,并生成1980年1月至2022年12月期间1公里网格化的月度测压面预测。MML方法为区域尺度时空地下水预测和不确定性量化提供了方法论基础,生成具有适当经验覆盖率的90%预测限值。模型性能可接受,均方根误差(RMSE)约为4.2英尺,标准差为24.82英尺,归一化纳什-萨特克利夫效率(NNSE)为0.973。
以下是一篇关于该论文的解读文章,基于原文内容进行浓缩总结,不添加推测,并按要求保留专业术语的英文缩写、上下标格式,并避免表格形式。
**研究背景与问题**
密西西比河河谷冲积含水层(MRVA)是美国中南部重要的农业灌溉水源,支撑着约120亿美元的经济产值。然而,长期过度开采导致地下水位持续下降,威胁区域水资源可持续性。传统的水位评估方法主要依赖两种手段:一是物理基流模型,但这类模型往往过于简化,难以处理非均质含水系统中的非线性复杂性;二是测压面制图,但该方法仅使用空间分布且近乎同时的水位测量,无法利用全部历史数据,也无法量化预测不确定性。此外,数据采集存在时空异质性和异步性,不同机构收集的离散和连续水位测量难以整合分析。因此,亟需一种能够整合多样化数据、利用非线性关系、并提供一致区域尺度预测的新方法,以更全面地刻画MRVA地下水位变化趋势及其不确定性。
**研究目的与内容**
为克服上述限制,美国地质调查局(USGS)的研究人员开发了一个数据驱动的多元机器学习(MML)框架,通过两个开源R软件包(covMRVAgen1和mmlMRVAgen1)实现,旨在生成1980年1月至2022年12月期间MRVA的月度地下水位预测及不确定性量化。该框架融合了Cubist和随机森林两种决策树算法,通过混合模型和逆误差加权池化,实现区域尺度的时空连续预测,并分解预测不确定性为模型误差和统计误差。研究结果发表在《Environmental Modelling》期刊上。
**主要技术方法**
本研究采用的关键技术方法包括:1)数据整合与协变量构建:通过covMRVAgen1软件,从USGS国家水信息系统(NWIS)及州级数据库汇总57,695口井的155,960个月度水位数据,并整合约120个协变量,涵盖水文地质框架、航空电磁(AEM)数据、海洋气候指数、月度气象数据、地表水信息、时间及多阶水文位置(MOHP)等;2)模型构建与训练:使用mmlMRVAgen1软件训练Cubist(CUB)和随机森林(RFM)模型,基于奇偶年份交叉验证(近50/50分割)生成四个独立模型(CUBe、CUBo、RFMe、RFMo);3)混合池化与不确定性分解:通过逆误差加权对模型预测进行两级池化(POLe、POLo,最终POL_FIT),并分解总误差、模型误差和统计误差,生成90%预测限值。样本队列来源包括USGS NWIS和州级数据库,覆盖阿肯色、路易斯安那、密西西比、密苏里等州。
**研究结果**
**4.1 全局模型性能**
基于57,695口井的155,960个水位测量,最终池化模型(POL_FIT)的全局均方根误差(RMSE)为4.15英尺,标准差24.82英尺,归一化纳什-萨特克利夫效率(NNSE)达0.973,表明模型在重现MRVA月度地下水位变化上具有高保真度。年度RMSE的时间模式显示,1980至2022年误差约增加1.02英尺,反映了含水层漏斗加深导致的空间复杂性增加。
**4.2 单井模型性能**
各独立模型(CUBe、CUBo、RFMe、RFMo)的井点平均RMSE约4.0–4.2英尺,平均偏差接近零。池化模型(POLe、POLo)的RMSE降至3.94–4.05英尺,表明混合模型降低了方差,增强了鲁棒性。最终池化产品POL_FIT的误差最低(RMSE 3.93英尺),优于单一模型。
**4.3 区域模型性能**
按六个地理分区评估,Delta区因采样强度最高(SI=8.88)而RMSE最低(POL_FIT RMSE 3.24英尺);Grand Prairie区尽管采样强度较高(SI=3.29),但因存在陡峭的漏斗梯度,RMSE最高(5.33英尺);Atchafalaya区采样稀疏(SI=1.26),RMSE为4.85英尺。区域性能受控于数据密度和水文地质特征,模型选择影响较小。
**4.4 协变量重要性**
Cubist和随机森林的协变量重要性排序高度一致,最重要的预测因子为水文地质位置(MOHP)和航空电磁(AEM)衍生属性,其次为时间变量(YEAR)。气象变量、气候指数和滞后流量因季节交互和相关稀释作用重要性较低。区域信息未作为类别协变量,但模型仍能捕捉区域差异,表明框架识别了物理意义明确的预测因子。
**4.5 代表性时间序列预测**
选取Well E(Boeuf区)和Well j(Delta区)展示预测效果。Well E的长期下降和不对称季节性被模型成功捕获;Well j因受局部河流-含水层交换影响,预测值系统性偏低,但不确定性区间覆盖了观测值,突出了模型对局部效应的局限。Star 2、3、4网格单元的预测显示,模型能刻画Grand Prairie区自1990年代后的持续下降,但Star 4在1997年后出现系统性偏高偏差,表明模型在局部极端梯度区存在偏差。
**4.6 示例测压面与深度预测**
1988年4月与2018年4月的测压面对比显示了三个主要漏斗(Grand Prairie、Cache、Delta)的形成与扩大,深度降幅达数十英尺。504个月度表面(13个预测主题,共6552个表面)的生成,提供了统一的区域地下水动态可视化基础。
**4.7 总误差与模型误差**
总误差的空间分布显示,Grand Prairie区及研究区东北角(伊利诺伊、田纳西、肯塔基边界附近)误差最大(约3–6英尺),后者因测量密度低。通过PDQ4分布校准的90%预测限值,结合NHG单元内地面高程变异,实现了覆盖155,960个实测值的经验有效覆盖。模型误差与统计误差的分解是本文的创新点,提供了模型形式与数据稀疏性对预测不确定性的空间诊断。
**4.8 长期单调水位变化**
基于Sen-Theil中位数斜率(1981–2022年)的“趋势面”显示,MRVA大部分区域地下水位持续下降,三个主要漏斗区域下降最剧烈;密西西比Delta南部预测有上升趋势,可能与局部补给有关。该趋势面无需线性假设,可重复且空间一致。
**4.9 与传统测压面比较**
将2018年4月的MML预测区间与McGuire et al. (2023)的传统测压面比较,发现部分区域估计值落入MML预测区间内,部分区域偏高或偏低。差异源于数据纳入方法和时间背景不同,MML框架提供了不确定性比较的透明手段。
**讨论与结论**
**讨论部分**:研究指出,MML框架作为物理基流模型的统计补充,具有区域一致性、计算高效和不确定性量化优势,但不能替代物理模型。局限性包括:无法预测未来(缺乏用水协变量)、不施加质量守恒等物理约束、预测为统计关联而非因果推断、稀疏数据区不确定性增大、未考虑测量误差、算法不确定性非物理不确定性、未完整传播地面高程误差、不确定性层不反映物理可行性。模型应谨慎解释为统计工具,而非物理模拟。
**结论部分**:本研究通过开源软件covMRVAgen1和mmlMRVAgen1,实现了数据驱动的多元机器学习(MML)框架,整合155,960个水位测量和120个协变量,生成了1980–2022年MRVA的月度地下水位预测及不确定性量化。最终池化预测的RMSE约4.15英尺,标准差24.8英尺,不依赖高性能计算资源。关键贡献在于混合Cubist-随机森林策略的运营化实现,提供了时空显式预测及统计、模型形式和总误差层,并利用奇偶年份训练分拆的算法发散诊断评估预测可靠性。框架模块化设计使其可迁移至其他区域含水层(如Chicot含水层),支持长期趋势识别、数据缺口定位、监测网络优化及地下水可利用性评估。MML软件旨在补充物理基流模型,而非替代,通过提供区域一致的水位估计、快速探索性诊断和不确定性可视化,助力水可利用性评估、监测策略和含水层状态沟通。未来纳入用水信息协变量可进一步实现地下水位的预测能力。