地下水埋深对煤矿疏排水强度的空间响应：来自中国神木市的证据

《Results in Engineering》：Spatial response of groundwater table depth to coal-mine dewatering intensity: evidence from Shenmu City, China

　　

煤矿疏排水代表了半干旱采煤区一种强烈的人为地下水排泄过程，但其对区域地下水埋深的影响仍缺乏约束。研究人员将神木市103座煤矿的年疏排水量和矿区面积数据与3303口监测井的地下水埋深记录相结合。基于面积疏排水强度识别高强度疏排水煤矿。构建了两个欧氏距离指标：d_strong，代表各监测井到最近的高强度疏排水煤矿的直线距离；d_all，代表各监测井到全部103座煤矿中最近煤矿的直线距离。这些指标用于表征地下水埋深与煤矿邻近度之间的距离衰减关系。位于面积疏排水强度前四分位的26座高强度疏排水煤矿贡献了神木市煤矿疏排水总量的80.9%，表明区域煤矿疏排水量强烈集中于这一群体。这些煤矿主要集中分布于研究区中北部，与地下水埋深较大的区域相吻合。采用d_strong识别时，区域统计转变距离约为20 km，而采用d_all识别时约为15 km。因此，忽略疏排水强度差异将导致估计的统计转变距离偏短。这些发现为识别半干旱采煤区关键扰动源、优化地下水监测网络和划定保护边界提供了定量依据。

**论文解读：神木市地下水埋深对煤矿疏排水强度的空间响应研究**

**一、研究背景与意义**

水资源短缺是半干旱地区日益重要的生态约束。在中国西部生态脆弱型煤炭生产基地，水资源本底有限，而大规模煤炭开采可通过覆岩破坏、采动裂隙发育和矿井疏排水等过程扰动区域地下水系统，加剧采煤与水资源保护之间的矛盾。煤矿通常需要进行超前疏降和持续排水以保障安全生产，这种排水活动破坏了天然地下水均衡，导致地下水位下降，并可能促进地表生态退化。与降水、蒸散发等自然因素驱动的地下水位波动不同，煤矿疏排水往往具有持续性、高强度性和强烈人为性特征，其空间影响范围取决于煤矿的集群分布以及排水系统的布局，并可形成降落漏斗、改变地下水流场和空间格局。

煤矿疏排水对地下水系统的影响主要受疏排水强度和水文地质条件控制。疏排水强度决定人为排泄通量的大小，而水文地质条件则控制地下水位扰动的传播距离。矿区含水层通常因断裂、层理和岩性差异而呈现非均质性，多矿同时排水产生的叠加影响范围可能偏离理论估计值。在密集开采区，多座煤矿的联合效应很少呈现简单的线性叠加，少数关键煤矿可能主导区域地下水变化。然而，现有区域尺度的煤矿疏排水研究仍缺乏可检验、可复现的方法来识别主导扰动源及其影响范围。两方面不足尤为突出：其一，区域分析常将扰动源等同对待，当关键煤矿未被明确识别时，这种简化会低估影响范围；其二，煤矿疏排水影响的经验阈值缺乏约束，利用密集观测构建距离衰减关系并检验其统计显著性的研究甚少，影响范围的经验边界仍不确定。

针对上述问题，研究人员以陕西省神木市为研究区开展了系统分析。神木市位于鄂尔多斯高原与黄土丘陵沟壑区的过渡带，是中国典型的富煤缺水地区。该区域属典型半干旱气候，年均降水量约400 mm，潜在蒸发量超过2000 mm，水资源持续亏缺。神木市煤层埋藏浅、厚度大，适宜大规模机械化开采。随着采掘范围扩大，覆岩破坏形成导水裂隙网络，地下水沿裂隙向下漏入采空区，导致矿井涌水量增加和矿区周围地下水位持续下降。密集的煤矿开发、持续的疏排水活动、高密度地下水监测网络以及相对完整的矿井疏排水统计资料，使神木市适合开展区域数据驱动分析。该研究旨在检验两个问题：高强度疏排水煤矿是否与更大的地下水埋深相关；考虑疏排水强度后，识别的统计转变距离是否发生变化。研究成果为半干旱采煤区关键疏排水源识别、区域地下水监测网优化和风险筛查提供了定量依据。

**二、主要技术方法**

该研究使用了以下关键技术方法：基于面积疏排水强度指数（I_i = Q_i/A_i）的煤矿分类方法，采用上四分位数阈值将103座煤矿划分为高强度疏排水煤矿（26座）和低强度疏排水煤矿（77座）；经验累积分布函数（ECDF）分析用于比较不同疏排水强度煤矿周围地下水埋深的整体分布特征；基于ArcGIS Pro最近邻分析构建两个欧氏距离指标——监测井到最近高强度疏排水煤矿的距离（d_strong）和到全部煤矿中最近煤矿的距离（d_all）；不连续分段线性回归模型用于识别地下水埋深-距离关系中的统计突变点，并采用残差自助法（10,000次重采样）量化突变点不确定性；模型比较采用R²、均方根误差（RMSE）、赤池信息准则（AIC）和贝叶斯信息准则（BIC）；空间自相关分析采用全局莫兰指数（Global Moran's I）并配合999次置换检验；核密度估计和普通克里金插值用于空间模式可视化和空间自相关评估。数据来源包括：神木市水利局提供的2022年103座煤矿年度疏排水量和3303口监测井的地下水埋深及井口高程数据（2022年5-6月单次观测）；全球能源监测（GEM）发布的全球煤矿追踪系统（GCMT）提供的煤矿名称、地理坐标和矿区面积数据；行政边界和数字高程模型（DEM）等基础地理数据。研究中还测试了前20%（21座）和前30%（31座）的敏感性分类方案。

**三、主要研究结果**

**3.1 煤矿疏排水强度分类及空间格局**

神木市面积疏排水强度呈强烈偏态分布。位于上四分位的26座煤矿贡献了煤矿疏排水总量的80.9%，表明区域疏排水集中于少数高强度煤矿。煤矿主要集聚于研究区中北部，高强度面积疏排水强度区域也主要分布于中北部。地下水埋深总体呈现自西北向东南逐渐变浅的趋势：西北部和中部地下水埋深较大，普遍超过10 m；东南部较浅，通常小于5 m。高强度疏排水煤矿集群与地下水埋深较大区域在空间上密切相关，而浅埋深区域主要与低强度疏排水煤矿相关。

**3.2 不同疏排水强度煤矿周围的地下水响应**

围绕高强度疏排水煤矿的地下水埋深分布范围较广，主要在0-30 m之间，变异性显著；而低强度疏排水煤矿周围地下水埋深集中于0-10 m，分布较窄。经验累积分布函数分析显示，高强度疏排水煤矿周围地下水埋深的中位数约为10 m，第80百分位数约为20 m；低强度疏排水煤矿周围地下水埋深中位数约为4 m，第80百分位数约为8 m；全部煤矿对应的中位数约为5 m，第80百分位数约为15 m。高强度疏排水煤矿周围的埋深分布向更大深度偏移，而低强度煤矿周围向更浅深度偏移，表明较高的面积疏排水强度与较大的周边地下水埋深相关联。

**3.3 地下水埋深对疏排水强度的距离衰减响应及阈值识别**

在两种距离指标下，地下水埋深均随距离增大而减小。对于d_strong，在高强度疏排水煤矿0-20 km范围内，平均地下水埋深相对稳定在9.35-10.75 m，各组间无显著差异（P > 0.05）；超过20 km后显著变浅至5.37 m（P < 0.001），区域统计转变距离约为20 km。对于d_all，在煤矿0-15 km范围内，平均地下水埋深保持在8.16-9.02 m，无显著组间差异；超过15 km后显著降低至4.55 m，区域统计转变距离约为15 km。

分段回归模型识别出明确的结构突变点：d_strong的突变点为19.98 km（残差自助法95%置信区间：19.30-21.03 km），d_all的突变点为14.96 km（95%置信区间：14.30-15.41 km），两者相差约5 km。模型比较显示，两种距离指标下分段回归模型的R²高于、RMSE、AIC和BIC值均低于对应的简单线性模型。敏感性分析表明，采用前20%分类时突变点仍为19.98 km，但采用前30%分类时降至14.69 km。全局莫兰指数显示，地下水埋深观测值存在显著正空间自相关（I = 0.4663，置换P = 0.001），d_strong和d_all分段模型的残差中也仍存在显著正空间自相关（I值分别为0.4111和0.4325，P = 0.001），表明基于距离的模型仅能解释部分空间变异，仍有实质性残差空间结构存在。

**四、讨论与结论**

讨论部分指出，面积疏排水强度（Q/A）作为区域相对指数，将疏排水量按矿区面积归一化，更适合用于区域疏排水源的排序，而非量化单个煤矿的绝对影响。上四分位数阈值应视为操作性分类标准而非通用截断值。高强度疏排水煤矿的识别结果与断裂介质中优先流的概念一致——流动通常集中在少数高连通性优先路径中，其水力控制作用远超其面积比例。神木市高强度疏排水煤矿以井工开采和长壁开采为主，在浅埋深、全垮落法管理顶板条件下，长壁开采可诱发覆岩变形、裂隙扩展和导水裂隙带发育，当导水裂隙带连通上部含水层与采空区时，矿井涌水量增大、局部地下水流场改变、疏排水量增加。但该研究直接证实的是高强度疏排水与较大地下水埋深之间的区域统计关联，覆岩扰动、导水裂隙带发育等被解释为已有研究支持的合理放大机制而非本研究直接验证的因果机制。

关于距离衰减模式，研究人员强调19.98 km和14.96 km应被理解为2022年5-6月调查条件下的区域统计转变距离，而非地下水影响的固定物理半径。欧氏距离未考虑非均质含水层结构、实际地下水流路径或地质屏障，因此这些值应作为区域监测和风险筛查参考而非固定水文地质半径。约20 km的阈值大于部分先前研究估计的采煤区影响范围，但这是由于响应变量和空间尺度不同所致。例如，山西平朔矿区基于植被物候识别的扰动范围约11-12 km代表植被生态响应的边界而非地下水埋深变化的直接边界；内蒙古宝日希勒露天矿的单一矿山降落漏斗最大影响半径约8 km，而本研究基于103座煤矿和3303口监测井识别的是区域统计转变距离。

研究结论为：神木市煤矿疏排水强度高度不均匀，面积疏排水强度前四分位的26座高强度疏排水煤矿贡献了疏排水总量的80.9%，区域地下水排泄通量集中于少数关键煤矿；高强度疏排水煤矿主要分布于研究区中北部，与地下水埋深较大区域密切吻合；高强度疏排水煤矿周围地下水埋深普遍更深且变异性更大，低强度煤矿周围更浅且变异性更小；距离衰减分析和分段回归识别出d_strong约20 km和d_all约15 km的区域统计转变距离，忽略疏排水强度差异会得到偏短的估计转变距离。由于欧氏距离未能考虑非均质含水层结构和实际地下水流路径，这些值应作为区域监测和风险筛查参考而非固定水文地质半径。研究建议，高强度疏排水煤矿周围约20 km范围内的区域可优先纳入区域地下水监测和风险筛查，该阈值应作为适应性监测和筛查参考而非固定监管或水文地质边界，同时应加强对高强度疏排水煤矿的疏排水量控制、矿井水回用和含水层保护措施。该论文发表于《Results in Engineering》。