基于装袋法和提升法的集成机器学习用于东地中海地区地下水位潜力测绘：以阿尔-侯赛因河流域为例

《Physics and Chemistry of the Earth, Parts A/B/C》：Bagging and Boosting Ensemble Machine Learning-based Groundwater Potential Mapping in the Eastern Mediterranean: A Case Study of the Al-Hussain River Basin

　　•在叙利亚西部沿海地区，评估了集成机器学习模型用于地下水潜力绘制的性能。•利用生产性和非生产性井数据，开发了一个平衡的地下水清单。•随机森林算法取得了最高的准确率（95.3%），而投票集成模型获得了最高的ROC-AUC值（0.979）。•在模型框架中整合了19个影响地下水条件的因素。•地下水潜力和不确定性地图为地下水勘探和可持续管理提供了决策支持。

引言
地下水是一种基本的淡水资源，支撑着全球的人类生活、农业生产、生态系统功能和社会经济发展（Jasechko 2026; Sinshaw et al., 2026; Karandish et al., 2025）。超过25亿人依赖地下水来满足他们的日常用水需求，这凸显了水安全在其中的关键作用（Ravindiran et al., 2023）。随着水资源短缺问题的加剧以及对淡水资源的压力不断增加，地下水潜力区（GWPZ）的绘制已成为支持可持续地下水勘探和管理的重要工具。遥感和地理信息系统（GIS）的进步显著提高了通过整合多种水文地质、地形、气候和环境控制因素来表征地下水潜力的能力（Mandal et al., 2021; Dhapre et al., 2025; Salem et al., 2025; Rehman et al., 2024）。遥感能够对地球表面进行广泛且空间上一致的通知，而GIS则为整合和分析与岩性、土地利用/土地覆盖（LULC）、排水密度、高程、线性特征和地貌特征相关的主题信息提供了有效平台，所有这些因素都影响着地下水的存在和补给过程（Mandal et al., 2021; Rehman et al., 2024）。因此，已经开发了多种方法来划定GWPZ，包括多标准决策分析（MCDA）技术和机器学习（ML）算法（Chen et al., 2025; Singh et al., 2018; Jaafarzadeh et al., 2021; Saha & Gayen, 2025; Vafadar et al., 2023）。在传统方法中，分析层次过程（AHP）和多影响因素（MIF）方法因其相对简便性以及能够将专家知识纳入地下水条件因素的权重计算而得到广泛应用（Agarwal & Garg, 2016; Dey et al., 2021; Murmu et al., 2019; Pande et al., 2021）。这两种方法通过结构化的专家评估程序广泛用于估计主题因素的相对重要性（Sutradhar et al., 2021; Taheri et al., 2020; Zghibi et al., 2020）。它们的流行也与它们能够快速、经济高效且相对准确地提供地下水评估有关，同时通过系统化的专家判断减少了决策的数学复杂性（Abijith et al., 2020; Abrams et al., 2018; Das & Pal, 2019）。然而，MCDA方法本质上依赖于主观权重方案，这可能会引入不确定性并限制可重复性。此外，它们可能无法充分代表众多环境和水文地质控制因素之间的复杂非线性相互作用。机器学习提供了一个数据驱动的框架，在这个框架中可以直接从数据中学到观测到的地下水条件与其控制因素之间的关系，而无需预先定义的因子权重。先进的ML技术特别适合地下水潜力评估，因为它们可以处理大型和异构的空间数据集，识别复杂的非线性关系，减少对主观专家权重的依赖，并可能提高预测性能（Jaafarzadeh et al., 2021; Vafadar et al., 2023; Saha & Gayen, 2025）。在这种背景下，集成学习方法尤其具有前景，因为它们结合了多种决策结构以提高预测的稳定性和鲁棒性。基于装袋和提升的算法，以及互补分类器的集成组合，为研究地质、水文、地形、气候和人为控制因素之间复杂相互作用的地下水系统提供了一个有用的框架。

在东地中海地区，对可靠地下水评估的需求尤为迫切。该地区地理位置和气候复杂，处于亚洲、欧洲和非洲的交汇处。该地区的用水主要集中在灌溉上，其中很大一部分灌溉需求依赖于地下水（Salman & Mualla, 2004; Al-Shaar et al., 2026; Aw-Hassan et al., 2014）。特别是在叙利亚，地下水是家庭供水、农业和社会经济发展的关键甚至主要水源。农业占叙利亚总用水量的大约87%，而近60%的灌溉用水来自地下水，这突显了可持续地下水管理对粮食安全和区域发展的重要性（Baba et al., 2021）。然而，数十年的大量抽取地下水、依赖地下水的灌溉扩展以及不可持续的井开发导致了全国范围内的地下水位下降和含水层系统压力增加（Baba et al., 2021）。在这种情况下，叙利亚沿海地区是该国最富生产和水文重要性的区域之一。沿海盆地接收的降水量远高于大多数内陆地区，年降雨量从沿海平原的约800毫米到山区的超过1500毫米不等。因此，该地区拥有重要的地表水和地下水资源，支持着集约化的农业、城市发展和家庭供水（Faour and Fayad, 2014）。其地下水储备与多种含水层系统相关，包括冲积层、喀斯特岩和裂隙岩构造，进一步增强了该地区对国家水资源安全的重要性（Kattaa 2026）。然而，随着用水需求的增加、地下水的过度开采、水质恶化和海水入侵，这些资源面临着越来越大的压力，迫切需要改进地下水评估和管理策略（Faour and Fayad, 2014; Baba et al., 2021; Esmail et al., 2026）。自2011年叙利亚冲突爆发以来，这些压力变得更加复杂。在过去十五年中，沿海地区经历了大量的人口和社会经济变化，包括从内陆地区的大规模迁移、水资源压力的增加、机构管理能力的下降以及环境风险的增加（Faour and Fayad, 2014）。尽管面临这些压力，叙利亚西部仍然是该国农业最稳定的地区之一，这使得可靠的水资源供应变得更加重要。最近的证据还表明，冲突改变了叙利亚西北部的地下水动态和抽取模式。特别是，与冲突相关的地下水抽取和农业活动的减少与可测量的地下水恢复、泉水流量增加以及补给过程的变化有关，表明区域地下水系统对社会经济和政治动荡非常敏感（Mhanna et al., 2026）。这些变化为可持续地下水管理带来了额外的挑战，在数据稀缺和快速变化的冲突后环境中，对可靠的空间评估工具的需求更加迫切。

Al-Hussain河流域是一个特别相关的案例研究领域，因为它在水文地质复杂性、社会经济重要性和冲突后的水资源管理背景下具有特殊意义。从水文地质的角度来看，该流域包含了东地中海许多沿海流域的典型地质和地貌条件，包括冲积沉积物、裂隙和喀斯特化碳酸盐岩构造、受结构控制的地下水系统以及高渗透性的沉积单元，这些因素共同影响着地下水的存在、储存、补给和流动（Kattaa et al., 2010）。叙利亚沿海地区的地下水状况还受到岩性变异、构造结构、补给条件和显著地形梯度的控制，形成了一个适合评估先进地下水潜力绘图方法的异质水文地质系统（Baba et al., 2021; Kattaa et al., 2010）。因此，Al-Hussain河流域是一个适当的案例研究，用于评估集成ML模型，并生成与叙利亚沿海地区乃至整个东地中海地区的可持续水资源规划相关的信息。尽管这些地下水资源具有战略重要性，但在叙利亚沿海地区，GWPZ的绘制仍然研究不足。该国现有的地下水研究主要关注水文地质特征、地下水质量、含水层脆弱性和更广泛的水资源管理问题。尽管这些研究显著增加了对叙利亚地下水系统的了解，但在地质复杂、数据稀缺和人为压力不断增加的地中海沿海环境中，先进ML技术在水资源潜力绘制中的应用仍然有限。此外，对地中海地下水系统的研究通常集中在单个ML算法或传统的GIS基础方法上，而对集成学习框架（将装袋和提升算法结合在一起的统一建模策略）的关注相对较少（AlAyyash et al., 2023; Alrawi et al., 2022; Shlash Obead 2023）。因此，关于不同集成学习范式在叙利亚沿海地区及类似东地中海流域的水文地质和环境条件下的表现，以及结合互补算法是否能提高预测可靠性和减少模型特定不确定性的问题仍存在不确定性。为了填补这些空白，本研究评估并比较了四种代表互补学习策略的集成ML方法：随机森林（RF）、自适应提升（AdaBoost）、极端梯度提升（XGBoost）和投票集成（VE）框架。分析探讨了基于装袋和提升的方法单独或组合使用时，在水文地质复杂且数据稀缺的沿海流域中可靠划分地下水潜力的能力。除了比较模型性能外，该研究还整合了多个影响地下水条件的因素，并评估了预测不确定性，以提供更全面的地下水潜力评估。所得信息旨在支持叙利亚沿海地区的地下水勘探、资源规划和可持续水资源管理。更广泛地说，该研究促进了集成ML方法在环境复杂和数据稀缺的东地中海地区的应用，在这些地区，稳健的地下水评估对于气候适应力、农业可持续性和冲突后恢复越来越重要。

研究区域
Al-Hussain河流域是位于叙利亚西部沿海盆地系统南中部的一个湿润农业流域，涵盖 Tartous 和 Hama 省，面积约为331平方公里。地理上，该流域位于东经35°49′至36°21′和北纬34°59′至35°05′之间（图1）。它从西部的地中海延伸到东部的沿海山脉，南侧与 Al-Ghmaqa 河流域接壤，东侧与 Marqya 河流域相邻。

多重共线性分析
首先使用皮尔逊相关分析法研究了19个影响地下水条件的因素之间的关系，以识别潜在的线性关联和冗余。所得的相关矩阵（图4）显示，大多数成对关系的强度为弱到中等，表明所选的因素通常代表了地质、地形、水文、水文地质、气候、环境和人为因素的不同维度。

讨论
地下水潜力绘制为地下水勘探和可持续水资源管理提供了重要基础，特别是在地中海沿海地区，那里的地下水系统受到地形、地质、水文过程、气候变异性、农业用水需求和人类活动的强烈影响。在Al-Hussain河流域，XGBoost、AdaBoost、RF 和 VE 的比较应用表明，这些方法能够有效地进行地下水潜力评估。

结论
本研究证明了集成ML方法在叙利亚西部沿海数据稀缺的地中海流域 Al-Hussain河流域中的有效性。整合了19个影响地下水条件的因素（包括地形、水文、水文地质、地质、气候、环境和人为因素）来开发四种ML模型：随机森林（RF）、自适应提升（AdaBoost）、极端梯度提升（XGBoost）和投票集成（VE）。

作者贡献声明
Hazem Ghassan Abdo：撰写 – 审稿与编辑、数据管理、概念化。
Tarig Ali：撰写 – 原稿。
Rabin Chakrabortty：撰写 – 审稿与编辑、资源管理。
Sahar Mohammed Richi：可视化、软件开发、方法论、正式分析。
Soumya Paramanik：撰写 – 原稿、验证。
Javed Mallick：撰写 – 审稿与编辑、撰写 – 原稿、软件开发。
Hoang Thi Hang：撰写 – 审稿与编辑、撰写 – 原稿、正式分析。

未引用的参考文献
Armstrong and Collopy, 1992; Chen et al., 2017; Gayen et al., 2020; Kattan, 2026; Shlash and Obead, 2023。

参与同意
不适用

出版同意
不适用

伦理批准
不适用

数据可用性
支持本研究结果的数据可向 corresponding author 请求获取。

遵守伦理标准
无披露潜在利益冲突

利益冲突声明
作者声明没有已知的竞争性财务利益或个人关系可能影响本文所述的工作。

致谢
作者感谢 King Khalid 大学的研究与研究生院通过项目编号 RGP.2/265/47 的大型研究项目资助了这项工作。