《Journal of Hydrology: Regional Studies》：Benchmarking traditional interpolation and machine learning methods for 3D hydrogeological modeling in complex multi-aquifer systems
编辑推荐：
研究区域：本研究聚焦于德国北部盆地柏林-勃兰登堡地区一个地质复杂的多含水层系统。该区域受多次第四纪冰川作用塑造，形成了以冰川构造变形、超深谷地、侵蚀窗口和不连续含水层为特征的异质地质架构。研究重点：研究人员提出了一种可扩展且可转移的工作流程，通过整合钻孔数据和
研究区域：本研究聚焦于德国北部盆地柏林-勃兰登堡地区一个地质复杂的多含水层系统。该区域受多次第四纪冰川作用塑造，形成了以冰川构造变形、超深谷地、侵蚀窗口和不连续含水层为特征的异质地质架构。研究重点：研究人员提出了一种可扩展且可转移的工作流程，通过整合钻孔数据和解释的地质剖面，在统一的基于标签的框架内构建高分辨率三维水文地质模型。研究人员系统地比较了传统插值技术（反距离加权和最近邻）与机器学习方法（决策树、随机森林、AdaBoost、XGBoost、k-最近邻和支持向量机），包括深度学习模型（人工神经网络（ANN）），以评估其重建复杂异质地下结构的能力。区域新水文见解：柏林-勃兰登堡多含水层系统受高度不连续的冰川结构控制，包括超深谷地、侵蚀窗口和与断层相关的不连续性，这些因素决定了含水层连通性和垂直地下水交换的潜在路径。研究结果表明，所提出的人工神经网络（ANN）能够重建关键水文地质特征，同时保持其空间连续性。该模型在测试准确率达到98%和加权F1分数为0.98方面优于本研究中评估的基准方法。通过保持含水层和弱透水层的空间连续性，重建的地质架构为未来地下水模型中水力属性物理一致赋值提供了结构基础。因此，它支持改进对控制德国北部盆地地下水流和潜在盐度迁移的结构异质性的表征。
论文解读文章
**研究背景与问题**
在地下水资源管理中，结构复杂、异质性强的多含水层系统正面临日益严峻的气候变异性和用水需求增长的压力。此类系统通常为生活、农业和工业用水提供主要水源，其可持续管理至关重要。然而，在建模中，表征地下异质性和地层连续性是一大挑战。受冰川和构造过程塑造的多含水层系统常表现出高度变化的岩性、不连续的弱透水层以及复杂构造特征（如超深谷地、侵蚀窗口和断裂带），这些特征强烈控制地下水流和溶质运移过程，尤其是含水层间的垂直交换，但在区域尺度模型中难以准确捕捉。欧洲多个大型沉积盆地（如巴黎盆地、波河盆地、潘诺尼亚盆地、埃布罗盆地、阿基坦盆地、上莱茵盆地和德国北部盆地）均存在广泛的多含水层系统，其中许多已面临中度至重度水压力。在此背景下，受冰川影响的盆地（如柏林-勃兰登堡地区）因复杂的地层架构而面临额外挑战：重复的冰川-间冰期旋回与构造变形共同创造了高度异质的地下条件，表现为不连续的弱透水层、侵蚀窗口和变化的含水层连通性，从而复杂化了地下水流、补给过程和盐度动态的预测。尽管三维（3D）水文地质建模和机器学习技术取得了进展，但现有方法常侧重于插值精度或局部案例研究，缺乏将复杂地质信息整合为一致、高分辨率三维表示以支持地下水管理应用。此外，许多数据驱动的工作流程仅产生确定性地质模型，未明确量化三维地质单元分布的不确定性，而这一要素在地质复杂的多含水层系统中至关重要，因为重建地层架构的不确定性会传播到地下水流模型并影响流动动态、管理含水层补给（MAR）和盐度迁移。
**研究目的与意义**
本研究旨在开发一个数据驱动的工作流程，用于构建高分辨率三维水文地质模型，该模型在统一框架内整合钻孔数据和解释的剖面，重点关注保持地层连续性和表征区域尺度结构复杂性。同时，研究人员引入基于交叉验证的不确定性评估，以评估模型预测的空间可靠性，为地下水管理应用提供额外见解。该工作流程具有可扩展性和可转移性，适用于复杂多含水层系统。论文发表在《Journal of Hydrology: Regional Studies》。
**主要技术方法**
研究人员采用了以下关键方法：1）数据汇编与编码：从勃兰登堡州矿业、地质与原材料局（LBGR）获取6566个钻孔和48条解释的水文地质剖面，经预处理后保留2066个钻孔，并将剖面数字化为2914个虚拟钻孔（水平间距500米，垂直分辨率1米）。2）水文地质单元编码：定义了22个单元（包括含水层、弱透水层和渗漏层），赋予唯一数字代码以支持基于标签的分类。3）空间建模与评估：在代表性子域（200 km2）中对八种方法进行基准测试，包括传统插值（反距离加权（IDW）、最近邻（NN））和机器学习（决策树（DT）、随机森林（RF）、AdaBoost、XGBoost、k-最近邻（KNN）、支持向量机（SVM））以及深度学习（人工神经网络（ANN））。模型输入仅为空间坐标（X, Y, Z），输出为单元标签，采用85%训练/15%测试的钻孔级划分和5折交叉验证。ANN为10层全连接前馈网络（神经元从4096递减至64），使用ReLU激活、Adam优化器、早停和L2正则化。4）不确定性评估：基于5折交叉验证的预测一致性，计算每个数据点的差异度（U = 1 - 最大一致数/5）。5）水力属性映射：基于区域抽水试验和粒度分析文献，为每个单元赋水力传导率（K）、储水率（Ss）和孔隙度。6）网格转换：将高分辨率模型（1亿网格单元）通过最大体积比例法降采样为MODFLOW结构化网格（约500万活动单元，水平150米，垂直8米），使用FloPy实现。
**研究结果**
**4.1 模型性能评估**
研究人员在子域中生成了各方法的3D网格表示。ANN在独立测试集上达到训练准确率0.97、测试准确率0.98和加权F1分数0.98，优于其他方法（测试准确率0.90-0.96，F1分数约0.91）。混淆矩阵显示ANN在22个单元上的分类准确率在94.46%至99.50%之间，对角线优势明显，表明对主导和稀有单元均有良好区分能力。定性评估显示，ANN重建的单元边界更连续，能捕捉超深谷地和侵蚀窗口等特征，而IDW、NN和DT出现明显不连续性和伪影。
**4.2 计算性能**
ANN在子域训练约需30分钟，全域约5小时（基于HPC系统GPU并行），其他方法在子域内数分钟即可完成。ANN的计算成本较高但受益于GPU并行化。
**4.3 选定建模方法**
基于定量指标和定性评估，研究人员选定ANN作为全域重建方法。ANN一致地再现了复杂地下结构，包括超深冰川谷地和侵蚀窗口相关的不连续性，且训练与测试准确率差异小，表明泛化能力稳定。
**4.4 重建的水文地质模型**
ANN模型成功再现了地层过渡、超深谷地和鲁珀尔粘土侵蚀窗口等关键特征。代表性剖面与解释的地质剖面高度一致（图6）。近邻分析显示，约77%的网格单元位于观测约束500米以内，23%远离观测，需谨慎解释。
**4.5 不确定性评估**
交叉验证不确定性分析显示，大部分区域不确定性低（0.0-0.2），中等不确定性（0.2-0.4）出现在单元过渡带、异质沉积区和数据密度较低区域，高不确定性（>0.4）仅限局部。不确定性空间分布与地质复杂性相关：连续地层和密集数据区不确定性低，结构复杂区预测变异大。
**4.6 水力属性空间分布**
水力传导率（K）范围1.16×10
-9 m/s至4.50×10
-4 m/s，均值2.05×10
-5 m/s，标准差1.07×10
-4 m/s；储水率（Ss）范围1.00×10
-5 m
-1至2.50×10
-4 m
-1，均值1.80×10
-4 m
-1，标准差5.00×10
-5 m
-1。抽水试验与粒度分析估计的K值吻合良好。
**4.7 地下水模型网格**
转换后的MODFLOW网格包含30层、611行、501列，约500万活动单元（图9）。在降采样过程中，部分薄层单元（如褐煤）因体积占比不足50%而消失，但主要含水层和弱透水层连续性得以保留。局部剖面显示逆冲构造（如鲁珀尔粘土覆盖年轻地层），这与区域地质框架一致，源于极端冰川构造作用。
**讨论与结论**
**讨论**
ANN模型有效捕捉了复杂多含水层系统的结构特征，包括不连续弱透水层、超深谷地和侵蚀窗口，这归因于其学习非线性空间关系的能力。其他方法在重现复杂结构时存在局限性，表现为不连续、平滑伪影或不真实过渡。定量指标与视觉分析（如剖面和3D网格）及不确定性模式的结合，对于确保地质合理性至关重要，因为仅靠指标可能掩盖边界处横向连贯性的系统损失，而后者直接影响垂直泄漏、捕获区和盐度迁移。基于交叉验证的不确定性评估表明，预测可靠性受数据可用性和地质复杂性共同控制，低不确定性对应良好约束的地层和密集数据，高不确定性位于结构复杂区域。该工作流程适用于类似地质条件（如冰川低地、三角洲、构造变形盆地和海岸平原），建议先在代表性子域测试（准确率>90%可扩展至全域，<80%需补充数据）。局限性包括：依赖输入数据质量；未包含克里金法（因标准形式不适用于强异质性区域）；水力属性基于文献值未校准。未来工作应整合校准、敏感性分析和动态模拟。
**结论**
本研究开发了一个数据驱动的工作流程，用于在结构复杂多含水层系统中构建高分辨率三维水文地质模型。通过整合钻孔数据和解释剖面，在统一框架内生成了流域尺度的详细地下地层表示。结果表明，深度神经网络建模方法比八种传统插值或替代机器学习方法更有效地捕获了复杂地质结构，包括不连续弱透水层、超深谷地和侵蚀窗口。定量评估指标与定性地质评估的结合对于确保预测准确性和地质合理性至关重要。交叉验证不确定性评估提供了预测可靠性的空间显式度量，突出了受结构复杂性和数据限制影响的区域，这一关系通过剖面比较得到进一步证实。所得到的水文地质模型，结合映射的水力属性并转换为数值地下水模型网格，为未来的流动和运移模拟（包括管理含水层补给和盐度动态相关应用）提供了坚实基础。总体而言，该工作流程为复杂地质环境中的水文地质建模提供了一种可转移和可扩展的方法，通过结合数据驱动方法、不确定性评估和地质验证，提高了区域水资源管理地下水模型的可靠性和适用性。
