综述：水文地质学的新范式：撒哈拉以南非洲地下水评估与监测的遥感与人工智能方法批判性综述

《Remote Sensing Applications: Society and Environment》：The New Paradigm of Hydrogeology: A Critical Review of Remote Sensing and AI Approaches for Groundwater Assessment and Monitoring in Sub-Saharan Africa

　　

摘要 面对日益严峻的水资源短缺，利用遥感和机器学习技术划分地下水潜力区（GWPZ）已成为不可或缺的工具。本文批判性地回顾了 2000 年至 2025 年间这些技术的演变和应用。我们综合了现有的方法，记录了进展，应对了关键挑战，并识别了紧迫的研究机会，以指导未来可持续的地下水勘探和管理。我们的综述表明，遥感的出现及其不断进步，提供了关键的长期数据，极大地推动了 GWPZ 领域的发展。各种多光谱传感器和复杂模型的可用性在此进步中发挥了重要作用。此外，机器学习技术（如随机森林和支持向量机）和云计算平台等新兴趋势实现了有效的多源数据融合，提高了预测精度并克服了单个传感器的局限性。然而，重大挑战依然存在。地面数据的稀缺阻碍了稳健的模型验证，而缺乏高分辨率的空间和时间数据则阻碍了精确和小尺度的划分。这在撒哈拉以南非洲尤为突出，该地区仍严重缺乏研究。为了解决这些差距，我们建议未来的研究工作专注于使用空间交叉验证以获得准确的结果，评估包括数据增强在内的数据稀缺解决方案，使用可解释人工智能、混合和集成机器学习模型等高级方法以提高划分精度，并将这些方法整合到更广泛的水资源韧性框架中。

引言 地下水是支持撒哈拉以南非洲（SSA）生计、确保粮食安全和促进经济发展的关键资源，该地区的表面水往往稀缺、季节性且不可靠，占全球淡水的近 30.1%（Lapworth 等，2017；Razi 等，2024）。据估算，全球约有 24 亿人依赖地下水，显示了其作为资源的重要性（Halder 等，2021）。然而，这一关键资源的管理因对其数量、质量和空间分布数据的严重缺乏而受阻。传统的地面勘探方法成本高昂、耗时，且在该大陆广阔且通常难以进入的地形中后勤挑战巨大（Bashe，2017）。这种数据稀缺导致了不可持续的开采和信息不足的水资源规划，加剧了对气候变化和人口增长的脆弱性。例如，人口增长、经济发展和气候变化正在消耗地表水，导致全球对地下水的依赖增加（Nazemi & Madani，2017）。农业是最大消耗者，占地下水抽取量的 69%（Aranguren-Díaz 等，2024）。这种依赖在经济上至关重要，据估算每年为全球经济贡献 2100 亿至 2300 亿美元，为撒哈拉以南非洲的经济贡献 100 亿至 150 亿美元（UN Water，2022；Srivastava 等，2024）。这些数据突显了地下水在支持关键部门和维持全球经济中的关键作用。

鉴于对地下水的日益依赖，了解其分布至关重要（图 1）。气候变化通过改变降水格局并增加干旱和蒸散发（ET）等事件的频率和持续时间，加剧了水文挑战（Tran 等，2024）。这些转变导致含水层中的可用水量减少，特别是在依赖地下水补给的区域（Elhaddad 等，2024）。这意味着气候较暖的地理区域由于高温将拥有较少的地下水分布，而气候较冷的区域往往拥有较高的地下水位。地形是影响地下水动态的另一个因素。非承压含水层中不均匀的地形会影响地下水动态，因为陡峭的地形促进径流，从而限制入渗，而平缓的坡度有利于地下水补给（Zhang 等，2021a；Jia 等，2025）。因此，所有这些因素影响地下水潜力区（GWPZ）的划分。

GWPZ 由该地区的地质框架表征，这是地下水赋存、流动和储存的关键因素（Rahim 等，2025）。含水层的非均质性和各向异性会显著影响地下水及相互依赖的溶质运移过程（Zlotnik 等，2011）。此外，断层等结构特征在水文地质系统中很常见，既作为流动通道又作为屏障（Casillas-Trasvina 等，2020；Jia 等，2025）。这些断层的存在增加了含水层成分和性质的变异性，从而影响地下水（Gassiat 等，2013）。Yidana 等（2020）证明，由于对岩性（构成地质框架的一部分）与地下水赋存之间关系的理解有限，地下水资源的开发在过去几年一直是一个挑战，鉴于底层岩性的类型和性质与地下水赋存之间存在复杂关系。这表明地下水的赋存取决于原生孔隙或形成后的构造过程产生的孔隙连通性。

监测地下水的赋存、流动和潜力区至关重要，特别是考虑到预计的气候变化对长期资源可持续性构成重大挑战（Munday 等，2017）。此外，Damanani 等（2024）的研究强调，灌溉占地下水抽取量的 60% 至 70%，这对资源构成了更多威胁，而人为因素通常会降低其质量。同样，预计的气候变化条件，如降雨和 ET 的季节性，影响浅层含水层中地下水的存在（Wu 等，2019）。这对地下水补给的时间和可用性等因素产生重大影响，从而改变其支持依赖水服务的能力并维持生态稳定性。鉴于这些挑战，评估 GWPZ 的有效方法至关重要。迄今为止，有几种评估 GWPZ 的方法，主要是地面和遥感（RS）方法。然而，这些方法缺乏良好的记录。

虽然地面方法是地下水探测的基准（Ahamed 等，2022），但它们在广阔且通常难以进入的地区存在后勤限制，这使得 RS 成为具有成本效益的大规模空间评估和监测的必需工具（Suryawanshi 等，2023）。RS 技术提供了关于关键地下水控制因素的必要数据，这些因素影响了地下水的赋存和入渗（Souissi 等，2018；Ahmed 等，2021）。RS 技术的发展随着时间的推移显著改善，使得能够准确检测和区分关键水文地质指标，如植被胁迫和土壤湿度（Ahmad 等，2021），从而改善地下水勘探和监测。

遥感、机器学习和云计算平台的最近进展改变了 GWPZ 制图，特别是在撒哈拉以南非洲（SSA）等数据稀缺地区。虽然早期的综述综合了该领域的关键组成部分，但很少有研究提供所有三个领域的全面和批判性整合，特别是纳入机器学习算法的最新进展（Ahmed 等，2024；Abdulhamid & Dimyati，2025；Andalu 等，2025）。整合这些领域以在 SSA 绘制 GWPZ 的研究仍然有限。这种特定地区研究的稀缺性构成了本综述的基础。本综述通过提供综合性的综合来解决这一差距，整合 RS、ML 和云计算方法，并考察它们在 SSA 多样地理和气候环境中的协同使用。

SSA 的特征是多样的水文地质和气候条件。这些包括风化结晶基底、火山、未固结和固结环境，其中基底环境覆盖约 40% 的陆地面积（MacDonald & Davis，2000；Ohenhen 等，2023）。这些环境存在于湿润热带、半干旱和干旱气候区。这种水文地质和气候的多样性对地下水的赋存以及 RS 和 ML 方法在 GWPZ 划分中的有效性有重大影响。此外，SSA 各国对地下水评估的制度能力各不相同。这些差异体现在监测网络的可用性和功能、国家数据仓库的范围、为地下水监测分配的资金资源以及政策上（Braune & Xu，2008；Sterckx 等，2019）。这影响了在国家和区域范围内使用高级 RS 和 ML 方法所需的地面真值数据的可用性。由于气候、水文地质和制度能力的这些差异，本综述考察了具有在 SSA 地区应用潜力的全球和大陆背景下的新兴趋势、实际应用和大规模、近实时 GWPZ 制图的机会。

这项工作弥合了方法论的差距，为未来研究提供了路线图，并支持实际操作采用，从而为从事地下水制图和可持续水资源管理的研究人员和从业者提供了一个独特且有价值的参考。综述首先考察了传统和地理空间技术在 GWPZ 划分中的应用及其优缺点。随后，综述评估了遥感在这些区域划分中的应用进展和趋势。新兴技术被详细探讨，涵盖机器学习算法、云计算平台的作用以及这些技术的集成用于 GWPZ 划分。综述强调了其新颖贡献，并提出了一种综合 GWPZ 制图的概念框架。最后，论文解决了当前的局限性，并概述了未来的研究机会以及该领域进步的路线图。

章节片段 方法论 这篇批判性文献综述评估了关于应用遥感（RS）、机器学习（ML）和云计算平台（CCPs）在撒哈拉以南非洲（SSA）绘制地下水潜力区（GWPZ）的文献。通过综合方法识别并选择了 2000 年至 2025 年发表的相关同行评审文献。

地下水潜力区划分的传统与地理空间技术 GWPZ 的划分是复杂的，这是由于对各种环境、地形和气候因素缺乏共同理解，由区域变异性引起（Castillo 等，2022）。这种复杂性要求对现有技术进行批判性评估，以确定最适合不同环境的方法，特别是在如 SSA 这样的数据稀缺地区。基于地球物理、地质和水文地质原理的传统技术仍然被广泛使用，因为它们

遥感在 GWPZ 划分中的进展与趋势 地下水动态的复杂性带来了重大挑战，需要先进技术和创新方法（Ibrahim 等，2024）。RS 已成为地下水资源管理和制图的关键，特别是在原位数据仍然有限的半干旱和干旱地区（Machiwal 等，2011）。与地表水系统相比，地下水系统通常反应更慢，并表现出对气候变化的显著时间滞后，这些延迟

机器学习算法（MLA）在 GWPZ 划分中的应用 机器学习算法（MLAs）已成为划定 GWPZ 的强大工具，提供了数据驱动的方法，因为它们在 various 科学应用中展示了巨大潜力（Gómez-Escalonilla 等，2022；Seifu 等，2023）。MLAs 与计算统计密切相关，专注于通过基于计算机的分析进行预测（Praba 等，2021）。地下水系统的复杂性，在其中完全代表所有水文地质过程

本综述的新颖贡献 虽然 RS、ML、CCPs 和新兴 AI 技术在 GWPZ 划分中的演变和当前能力已在前几节中讨论过。本节具体说明了这些进展，并提出了本综述相对于更广泛文献的新颖贡献。

最近的实证研究证明了在数据稀缺环境中 RS、ML 和 CCP 集成进行水资源制图的可行性。例如，对湿地动态的多时相 RS 和 ML 分析以及

当前 GWPZ 制图中的方法论挑战 综述的文献表明，过去二十年间 GWPZ 制图方法有了进展。尽管有显著的方法论进步，研究 GWPZ 制图仍然依赖地理空间技术（即 AHP）以及个别或集成 ML 模型。虽然 ML 模型展示了强大的预测性能，但当数据有限时，模型容易过拟合。这是 SSA 的一个重大问题，尽管数据稀缺性未被充分解决

综合 GWPZ 制图的概念框架 为了解决当前 GWPZ 制图方法中发现的方法论和操作局限性，特别是在数据稀缺地区，本综述提出了一个集成 RS、ML 和 CCPs 的概念框架（图 4）。该框架代表了从传统方法的转变，通过提供一个集成系统，结合多源数据、基于云的处理、高级机器学习建模和连续验证。

该框架识别了常用的数据输入

局限与挑战 通过集成 RS 和 ML 划分 GWPZ 存在几个局限。虽然它们已被广泛使用，但这些挑战可归类为数据相关问题、方法论局限性和验证约束。来自 Landsat、Sentinel 和其他卫星数据集的卫星影像经常受云覆盖、低空间分辨率或时间不一致性的影响（Roy 等，2008；Heimhuber 等，2018），导致特征提取中的潜在错误。

结论 本综述批判性地评估了使用 RS 和 ML 划分 GWPZ 中 RS 的进展、挑战和新兴差距。

遥感（RS）和机器学习（ML）的进展为解决与地下水潜力区（GWPZ）划定相关的局限性提供了关键解决方案。诸如 Landsat 8 OLI、Sentinel 1 和 2 以及 GRACE 等卫星数据集已被广泛用于 GWPZ 制图。然而，诸如空间和时间分辨率、云覆盖以及高级多光谱和高光谱影像高昂的成本等局限性，使得...... CRediT 作者贡献声明
Timothy Dube：写作 – 审查与编辑、验证、监督、调查、资金获取、形式分析。Boitumelo L. Maxala：写作 – 原稿撰写、可视化、验证、方法论、调查、资金获取、概念化
未引用参考文献 Adagunodo et al., 2018; Adesola et al., 2023; Agyemang, 2022; Alao and Abubakar, 2025; Al-Ozeer et al., 2021; Alshehri et al., 2025; Archer et al., 2009; Aslam et al., 2024; Bianchi et al., 2020; Braune and Xu, 2019; Casillas-Trasvina et al., 2022; Cooper and Hiscock, 2025; Farooq et al., 2022; Faroughi et al., 2023; Getahun, 2024; Ghosh, 2021; Gómez-Escalonilla et al., 2022a; Goward et al., 2006; Granata and Di Nunno, 2025; Guo et al., 2023; Hussein et al., 2023; Ismail et al., 2025; Kundu et
伦理声明 本综述未涉及人类受试者、动物实验或任何敏感个人数据。因此，不需要机构审查委员会或伦理委员会的伦理批准。所有使用的数据均来自公开可用的二手来源。
利益冲突声明 ? 作者声明，他们没有已知的竞争财务利益或个人关系可能会影响本文报告的工作。
致谢 本文作者谨向 Mastercard 基金会学者计划表示感激，感谢其为本项目提供资金。同时，真诚感谢 Kabelo Mabule Mothapo 先生在审阅本文期间付出的宝贵时间和提出的深刻反馈。
Boitumelo L. Maxala | Timothy Dube
西开普大学水资源研究所，南非开普敦