基于机器学习的半干旱农业区地下水位预测：来自摩洛哥塞斯盆地SHAP、PELT和Mann–Kendall分析的启示

《Sustainability》：Machine Learning-Based Groundwater Level Forecasting in a Semi-Arid Agricultural Area: Insights from SHAP, PELT, and Mann–Kendall Analyses in the Sa?ss Basin, Morocco

　　

研究人员提出了一种创新框架，结合水文气候和农业环境预测因子（包括硝酸盐浓度和归一化植被指数(NDVI)）以及降雨量、温度和蒸散发等气候因子，以预测摩洛哥塞斯盆地的测压管水位变化。研究对八种机器学习(ML)模型进行了基准测试，并使用沙普利加和解释(SHAP)评估了特征重要性，以确保模型的透明度和可解释性。同时，应用PELT算法检测结构性变点，并使用Sen斜率估计器和Mann–Kendall检验量化长期趋势。极度随机树(ET)模型取得了最佳性能(R² = 0.92)，其中降雨量是最具影响力的预测因子，其次是硝酸盐浓度，证实了水文化学指标在地下水预测中的附加值。变点分析揭示了20世纪80年代和90年代的显著下降，随后自2000年代末起出现幅度较小的波动。至2050年的预测表明，在有利的补给条件下，盆地中部将出现部分稳定，而在持续受到地下水开采压力的边缘地区，预计将继续下降。这些发现为半干旱农业区地下水资源的可持续管理提供了一个稳健且可转移的决策支持工具。

地下水是全球最大的淡水来源，但受过度开采、人口增长和气候变化等因素影响，许多地区的地下水正快速下降。在北非等干旱和半干旱地区，水资源短缺已成为影响经济、社会和生态平衡的重大挑战。摩洛哥塞斯盆地自20世纪80年代以来经历了连续干旱期，加上不受控制的地下水开采，导致严重的过度开采，年水资源赤字约为-100 Mm³/年，地下水位以每年约3米的速度持续下降。尽管机器学习(ML)等数据分析技术改善了地下水监测，但以往研究很少将水文气候和农业变量与机器学习、可解释人工智能及统计时间序列分析相结合来研究半干旱农业区的地下水动态。因此，研究人员开展了这项研究，旨在开发一个集成的地下水位(GWL)预测和时间分析框架，全面理解塞斯盆地的地下水动态并支持可持续管理。研究得出，集成模型预测性能优越，降雨是最重要的预测因子，地下水位普遍下降且未来存在空间异质性。该研究为半干旱农业区地下水的可持续管理提供了稳健的决策支持工具，具有重要意义，论文发表在《Sustainability》期刊上。

研究人员从塞斯盆地Sebou水利盆地机构(SHBA)数据库选取了14口水井的月度地下水位时间序列数据。主要关键技术包括：使用线性插值预处理缺失值；应用改进的Mann–Kendall检验(MMKT)和Sen斜率估计器评估水位变化趋势；使用修剪精确线性时间(PELT)算法检测变点；构建并对比了多元线性回归(LR)、随机森林(RF)、极度随机树(ET)、梯度提升(GB)、极端梯度提升、支持向量回归(SVR)、K近邻(KNN)和多层感知机(MLP)等八种机器学习模型；采用沙普利加和解释(SHAP)量化各预测因子对模型输出的贡献，并对至2050年的地下水位进行预测。

研究结果
3.1. 变量的描述性统计：通过对建模变量的描述性统计分析得出，地下水位的变异性适中；硝酸盐浓度和归一化植被指数(NDVI)分布较分散；而温度和降雨量高度稳定，反映了塞斯盆地半干旱气候特征。
3.2. 回归模型性能比较：通过对比观测值和预测值得出，基于树的集成方法（如RF、ET、GB和XGBoost）表现出更紧密的聚集和更高的准确性，其中ET和XGBoost表现最佳，而线性模型存在显著偏差。
3.3. 模型性能的泰勒图分析：通过泰勒图综合评估得出，基于集成的GB、XGBoost和ET表现优越，具有高相关性和低均方根误差(RMSE)，而LR和SVR等性能较弱。
3.4. 残差的分位数-分位数分析：通过对残差的正态性检验得出，集成模型在中心区域表现良好，而线性模型在尾部存在显著偏差，表明极端值未被完全捕捉。
3.5. 残差分布比较：通过分析残差相对于零的分布得出，RF、ET和XGBoost的残差紧密集中在零附近且偏差低，而线性模型、SVR和KNN分布较广且误差较大。
3.6. 基于SHAP的环境变量重要性解释：通过SHAP分析得出，降雨量是影响预测的最重要因子，其次是硝酸盐和温度，潜在蒸散发(PET)中等，NDVI影响最弱，表明水文气候变量是预测的主要驱动力。
3.7. 统计分析：通过Mann–Kendall检验和Sen斜率估计得出，14口井中13口显示出显著的地下水位下降趋势，仅well12呈显著上升趋势。变点检测揭示了20世纪80、90年代和2000年代初的显著下降期。至2050年的预测表明，盆地中部在有利的补给条件下部分稳定，而边缘地区持续下降。

在讨论部分，研究人员总结了地下水的重要性及预测方法、ML算法的应用、模型性能与关键预测因子、地下水下降与干旱期识别、未来趋势以及可持续管理启示。研究证实了集成模型的优越性，并强调了降雨量在地下水波动中的主导作用。此外，研究指出了模型假设与局限性，建议采取空间差异化的管理策略。

研究结论部分翻译如下：本研究证明了结合统计趋势分析和机器学习模型的综合方法框架在理解和预测塞斯盆地地下水位动态方面的有效性。改进的Mann–Kendall检验和Sen斜率估计器以及八种机器学习算法的应用，为历史变化和地下水位的未来演变提供了稳健的见解。在评估的模型中，极度随机树(ET)模型取得了最佳的预测性能（R² = 0.92），根据SHAP分析，降雨量被确定为最具影响力的预测因子。使用PELT算法进行的变点检测揭示了显著的时间波动，突出了与气候压力和加剧的地下水开采相关的加速枯竭期，特别是在20世纪80年代、90年代和2000年代。研究结果表明，大多数监测井的地下水位广泛下降，这主要归因于密集的地下水开采和反复发生的干旱条件。未来的预测突显了盆地内强烈的时空变异性，在重度开采的西部地区表现为在退化水平上的稳定，而在中心地带则表现为更适度或部分恢复的趋势，该地带的地质渗透性和有利的补给条件部分抵消了人为压力。总体而言，这些结果强调迫切需要采取前瞻性和综合性的地下水管理策略，结合可靠的监测系统、严谨的统计评估和高级预测建模。这种方法对于减轻水需求和气候变化的影响，并确保塞斯盆地地下水资源为子孙后代长期可持续利用至关重要。