通过遥感SWAT模拟与可解释机器学习方法评估露天煤矿复垦地表的水文重组情况

《Scientific Reports》：Hydrological reorganization of reconstructed land surfaces in an open pit coal mine assessed through remote sensing SWAT simulation and interpretable machine learning

　　

摘要

露天煤矿开采及其后的恢复工作可以改变地表形态、土地利用结构以及水文连通性，但在水文响应单元尺度上，对于恢复后的矿区水文响应的了解仍不够充分。本研究通过整合遥感技术、SWAT模拟、跨时期水文响应单元匹配、机器学习分类以及SHAP解释方法，为穆里煤田的巨虎沟矿区构建了一个嵌套式的水文响应单元尺度分析框架。研究建立了代表2006年开采前状况、2014年开采后状况以及2024年恢复后状况的三种情景，以2014年的水文响应单元作为各阶段比较的基准。研究考虑了四组由遥感/GIS数据得出的驱动因素，包括地形重构、土地利用结构变化、景观格局以及结构重组/连通性。在原始分辨率的SWAT水文响应单元配置下进行多次分组验证后，发现LATQ指标在开采阶段和恢复阶段的准确率分别为0.89±0.04和0.86±0.03，而SURQ指标的对应准确率为0.80±0.05和0.76±0.07。然而，当将三份数字高程模型数据统一到约12.49米的网格分辨率并重新计算地形预测因子后，LATQ指标的准确率下降至0.74±0.05和0.73±0.04，而SURQ指标的准确率则保持在0.79±0.05和0.74±0.07。在统一分辨率的分析中，地形因素仍然是影响LATQ指标的最主要因素，平均坡度变化仍位居各项因素之首，但坡度范围和坡度变异性等因素的排序则受分辨率影响较大。因此，LATQ与坡度之间的关系应被视为一种与分辨率相关的模型关联，而非三种独立地形控制因素存在的证据。此外，加入嵌套背景变量并未在多次分组验证中带来一致的改进效果，这说明仅基于水文响应单元的对比与加入嵌套背景变量的对比，应被视为对尺度相关信息增益的探索性测试，而非水文过程存在尺度依赖性的确凿证据。这些研究结果为分析受扰动和恢复后的矿区中具有特定过程特征的水文重组现象提供了可重复的模型化分析框架，同时也强调了在缺乏实地验证的情况下需谨慎解读研究结果。