《Water》：Evaluation of Selected Geostatistical Methods for Interpolating Hydraulic Conductivity in Shallow Alluvial Aquifers Using Cross-Validation Statistics
编辑推荐：
水力传导率（Hydraulic Conductivity, K）对于理解浅层冲积含水层中的地下水运动至关重要。在罗马尼亚Siret–Moldova汇流区上游，该参数约束较差，因为现有的K值仅来自现有水文地质文献中报告的34口井。本研究首次提供了该浅层冲积含水层
水力传导率（Hydraulic Conductivity, K）对于理解浅层冲积含水层中的地下水运动至关重要。在罗马尼亚Siret–Moldova汇流区上游，该参数约束较差，因为现有的K值仅来自现有水文地质文献中报告的34口井。本研究首次提供了该浅层冲积含水层中K的定向地统计表征，并评估了绘制区域的空间可靠性。K值范围为9.96至171.73 m/day。由于原始数据呈正偏态，研究人员在地统计建模前对值进行了对数变换。研究人员使用全向和定向半变异函数（semivariogram）检验了空间连续性和各向异性（anisotropy）。测试了三种理论模型——球面（Spherical）、高斯（Gaussian）和指数（Exponential）——并使用交叉验证统计和预测标准误差图比较了它们的性能。高斯模型和球面模型表现出可比的性能；然而，高斯模型因产生略低的误差和更平滑的空间模式而被保留（ME = 0.0055, RMSE = 0.4870, RMSSE = 0.8697, R2 = 0.6712）。反变换后的K图显示三个主要区域：北部和东部区域数值较低，中部区域数值中等，西部区域数值最高。这一模式与西部较粗的Moldova河冲积沉积物和中部区域更不均匀的岩性条件一致。预测标准误差图指示了插值水力传导率（K）约束更可靠的区域。所得图提供了主要水力传导率区域的初步空间表示，并指出了在详细地下水流动建模或当地地下水资源评估之前需要额外K测量值的区域。
**研究背景与问题**
水力传导率（Hydraulic Conductivity, K）是控制地下水在含水层中流动的关键参数，其准确估算对于水资源评估、供水设计和污染防护至关重要。传统测定方法（如抽水试验、 slug 试验和实验室分析）虽能提供精确的局部估计，但成本高、耗时长且空间覆盖有限。地统计方法（geostatistical methods）结合地理信息系统（GIS）可通过插值将离散数据转化为连续空间面，已广泛应用于水文地质研究。然而，在罗马尼亚，此类方法在区域尺度尤其在局部数据稀缺区域的应用仍较有限。在Siret–Moldova汇流区上游的浅层冲积含水层中，K值仅来自34口观测井，空间约束差，且从未进行过定向地统计表征。为此，研究人员开展了本研究，旨在：①首次对该含水层进行定向地统计特征分析；②评估三种理论半变异函数模型（球面、高斯、指数）的插值性能；③通过交叉验证统计和预测标准误差图确定K的空间分布模式及可靠区域。
**研究内容与结论**
研究人员基于34口井的抽水试验所得K值（范围9.96–171.73 m/day），采用对数变换处理偏态分布，通过全向及定向半变异函数识别各向异性，并应用普通克里金（Ordinary Kriging）进行插值。比较了球面、高斯和指数模型，最终选用高斯模型（ME=0.0055, RMSE=0.4870, RMSSE=0.8697, R2=0.6712），因其误差略低且空间分布更平滑。反变换后的K图显示三个主要区域：西部（Moldova河附近）高值区（>150 m/day）、中部中值区（20–35 m/day）及北部/东部低值区（<20 m/day），与岩性分布一致。预测标准误差图表明西部和中部约束较好，东部需额外测量。该研究为后续地下水流动建模和资源评估提供了初步空间框架，并验证了地统计方法在数据有限且存在各向异性的浅层冲积含水层中的有效性。论文发表在《Water》。
**关键技术与方法**（不超过250字）
1. **对数变换**：对原始K值进行自然对数变换（ln(K)）以降低偏态（偏度从1.33降至0.42），使之更接近正态分布。
2. **定向半变异函数分析**：通过0°、45°、90°、135°及5°、1°步长精细分析，确定最大连续性方向为166°（范围16,744 m），并保留该角度作为各向异性参数。
3. **普通克里金插值**：基于同一各向异性结构（主范围16,744 m，次范围6,103 m，角度166°），分别拟合球面、高斯和指数三种理论模型，通过交叉验证统计（ME、RMSE、ASE、MStE、RMSSE、R2）比较性能。
4. **反距离加权（IDW）对比**：测试不同幂值，选择幂=2的IDW模型作为确定性方法对照。
5. **预测标准误差图**：用于评估插值不确定性，识别高可靠性区域和需补充数据的区域。
数据来源：罗马尼亚Siret水流域管理局提供的34口观测井（位于Roman–Gher?e?ti–Mirce?ti区域，面积180.6 km2）的抽水试验K值，井深5–30 m，筛管段0.8–6.45 m，含水层厚度1.5–6.9 m，岩性为第四纪砂砾石沉积。
**研究结果**
**3.1 水力传导率的地统计分析**
原始K值呈右偏态（偏度1.33），对数变换后偏度降至0.42，均值3.68，中位数3.55，更接近正态分布，适用于地统计建模。
**3.2 趋势分析**
对数变换后ln(K)的X–Z平面显示微弱倒U形趋势，Y–Z平面近乎平坦，无强趋势，故未进行去趋势处理。
**3.3 实验半变异函数与各向异性**
- **3.3.1 全向半变异函数**：显示正空间自相关，半方差随距离增加。
- **3.3.2 定向半变异函数**：各方向空间连续性差异显著，最大范围出现在166°（16,744 m），且165°–170°区间范围相似，表明存在宽泛的优先连续性扇区，最终保留166°作为代表性角度。
**3.4 理论半变异函数模型与选择**
高斯模型（块金0.234，基台0.907）拟合最平滑，球面模型（块金0.122，基台0.860）中等，指数模型（块金0，基台0.859）简单。
**3.5 交叉验证与模型选择**
高斯模型RMSE最低（0.4870），R2最高（0.6712），ASE（0.5735）与RMSE接近，MStE（-0.0024）接近0，RMSSE（0.8697）接近1，综合表现略优于球面模型，显著优于IDW（RMSE=0.5511，R2=0.5882）。
**3.6 与IDW方法对比**
IDW（幂=2）的ln(K)图显示较强局部效应，空间连续性较差。
**3.7 预测水力传导率区域与预测标准误差图**
- **球面模型**：预测图显示北部低值（2.29–2.58 ln(K)）和西部高值（4.68–5.14 ln(K)），误差图东部偏高（0.84–0.99）。
- **高斯模型**：预测更平滑，误差幅度略低（0.18–0.21），东部仍为高值区（0.73–0.96）。
- **指数模型**：空间分布更破碎，最大误差更高（0.89–1.03）且范围更广。
**3.8 水力传导率空间插值**
最终选用高斯模型进行反变换，得到K值（m/day）空间分布图：西部>150 m/day，中部20–35 m/day，北部/东部<20 m/day，与岩性（粗冲积物vs细粒沉积物）一致。
**讨论与结论**
讨论部分指出：对数变换降低了高K值影响；定向半变异函数揭示K沿166°方向（与Moldova和Siret河冲积物走向一致）存在各向异性；高斯模型因略低误差和更平滑分布被选中；K空间模式受岩性控制，高值区对应粗粒沉积物，低值区对应细粒沉积物；预测标准误差图显示西部和中部约束较好，东部需补充数据。研究局限性包括34个K值分布不均、抽水试验方法差异、未量化原始K值不确定性和未进行独立验证。
结论部分翻译：利用定向半变异函数和普通克里金分析了Siret–Moldova汇流区上游浅层冲积含水层的水力传导率（K）。K值呈现各向异性结构，最长范围在166°（16,744 m），表明存在165°–170°之间的优先连续性扇区。该代表性角度被纳入最终克里金插值，表明K并非随机分布，而是至少部分遵循冲积沉积物的组织。原始数据集呈正偏态，主要由于几个高K值记录在渗透性较高的区域。因此，在变差函数建模前对数据进行了对数变换；变换后偏度从1.33降至0.42，减小了极端值对半变异函数和插值面的影响。高斯模型和球面模型表现出可比的预测性能，而所有三个普通克里金模型均优于IDW。高斯模型因结合了略低的误差统计量和更平滑的空间表示而被保留用于最终插值，其ME = 0.0055，RMSE = 0.4870，RMSSE = 0.8697，R2 = 0.6712。最终K图显示研究区域西部和东北部之间的对比：高于150 m/day的值出现在Moldova河附近（粗冲积物），而北部和东部K值低于20 m/day（细粒沉积物主导）。该空间模式表明岩性似乎在控制水力传导率方面起重要作用，而定向各向异性反映了冲积体的连续性。对于Roman–Gher?e?ti–Mirce?ti区域，本研究提供了基于地统计建模的首张详细定向水力传导率图。由于该图基于分布在180.6 km2面积上的34个K值，绘制区域应视为初步空间表征而非最终边界，并可在获得更多K数据后细化。通过将166°方向纳入插值，该图更真实地反映了冲积含水层的各向异性结构。该图为水文地质概念化、对比K区域识别和额外测量规划提供了初步空间框架，并为未来地下水流动建模和地下水资源评估提供了初步基础。预测标准误差图反映了现有K值分布的局限性，突出了需要额外K数据的高不确定性区域以及插值结果更可靠的区域。该工作流程也可应用于其他K数据有限且预期存在各向异性的浅层冲积含水层。
