通过时空滞后的双变量局部指标来预测地下水硝酸盐污染的脆弱性动态：将过去的状态与未来社区的状态联系起来

《Environmental Research》：Forecasting groundwater nitrate vulnerability dynamics through spatiotemporal lagged bivariate local indicators of spatial association: linking self-past to neighborhood-future states

地下水硝酸盐脆弱性动态预测研究提出STL-BLISA方法，结合空间自相关分析与时间序列，识别持久（Persistent）、下降（Decline）、稳定（Stable）、新兴（Emerging）四类脆弱性趋势。以中国北纬坊平原浅层地下水为对象，2008-2018年数据验证显示预测动态类型与实际脆弱性水平变化匹配度达82%-88%，且与硝酸盐浓度变化趋势高度一致。该方法支持1年短期和5年中期趋势预测，为动态化管理提供科学依据。

　　

李永刚|胡晓静|郭旭|高琳|宋晓青|刘宏伟|马传明

中国地质大学环境学院，武汉430074，中国

摘要

作为重要的水资源，地下水面临着日益严重的硝酸盐污染威胁。因此，通过评估地下水的硝酸盐脆弱性来识别潜在风险区域至关重要。然而，大多数关于地下水硝酸盐脆弱性的研究仅限于静态评估，缺乏动态趋势预测。为此，本研究提出了一种结合空间关联的双变量局部指标和时间动态的新框架。我们定义了四种类型的脆弱性动态，这些动态对管理具有明确的指导意义：持续性（长期高脆弱性的区域）、下降（脆弱性下降的区域）、稳定（长期低脆弱性的区域）和新兴（脆弱性可能增加的区域）。以潍坊平原北部的浅层地下水为研究区域，进行了多年硝酸盐脆弱性评估（2008年、2013年、2015年、2016年、2017年、2018年）和多时间跨度预测（Δt=1年和Δt=5年）。结果显示，预测的动态类型与实际脆弱性水平变化之间的准确率为82%-88%（在统计显著区域内），硝酸盐浓度的变化与脆弱性动态预测基本一致。除了短期预测（1年）外，该方法也适用于中期趋势分析（5年）。它可以为管理者提供科学工具，以主动制定差异化策略（例如持续关注持续性区域，并优先考虑新兴区域的预防和控制），从而促进地下水治理从被动管理向主动管理的转变。

引言

作为重要的供水来源（Khatiwada等人，2002年），地下水在维持地质环境稳定性、生态系统平衡以及经济和社会发展方面发挥着重要作用（Gholami等人，2010年；Humphreys，2006年）。然而，快速的经济增长和广泛的人类活动可能会加剧地下水污染（Li等人，2017年），尤其是硝酸盐污染（Zhou等人，2024年；Quinodoz等人，2024年）。此外，一旦地下水受到污染，恢复起来非常困难（Ceplecha等人，2004年）。为了减少地下水污染的危害，预防是有效的措施（Huan等人，2020年）。另一方面，地下水脆弱性指的是污染物进入和扩散到含水层的难易程度（Xiong等人，2022年）。因此，地下水脆弱性有助于预防地下水污染，而由此产生的脆弱性地图是管理和决策的有效工具。此外，它还有助于制定可持续的地下水利用和土地利用管理计划，适用于流域或次流域尺度（Machiwal等人，2018年）。

地下水脆弱性包括内在脆弱性和特定脆弱性（Ibe等人，2001年；Aslam等人，2018年）。地下水的内在脆弱性与其自然特性有关，包括其固有的地质、水文和水文地质特性（Machiwal等人，2018年）。特定脆弱性涉及地下水对某种或某些污染物的脆弱性（Gogu和Dassargues，2000年）。根据含水层类型，有多种评估地下水脆弱性的方法。EPIK、PI和欧洲模型用于评估喀斯特含水层的脆弱性（Doerfliger等人，1999年；Goldscheider等人，2000年；Daly等人，2002年），而孔隙水脆弱性的评估通常依赖于经典的DRASTIC方法（Aller等人，1987年；Rosen 1994年）。该方法有七个因素（地下水位深度（D）、净补给量（R）、含水层（A）、土壤（S）、地形（T）、非饱和带影响（I）和水力传导性（C））。通过对每个因素进行评分并根据其重要性赋予权重，可以得出脆弱性指数。然后使用脆弱性指数生成脆弱性地图。许多学者还通过替换、添加或修改因素来优化该方法以适应特定地区。例如，根据DRASTIC模型，增加了土地利用因素（Goodarzi等人，2022年；Alam等人，2014年），用含水层厚度替换了含水层介质（Wang等人，2007年），用非饱和带水力阻力替换了非饱和带影响（Kazakis和Voudouris，2015年）。在权重优化方面，有层次分析法（AHP）（Sener和Davraz 2013年；Neshat等人，2014年；Goodarzi等人，2022年；Bera等人，2022年）、数据挖掘算法（Javadi等人，2017年）、机器学习技术（Fijani等人，2013年；Nadiri等人，2018年）和模糊逻辑（Nadiri等人，2017年；Asadi等人，2017年）。在全球范围内，经典的DRASTIC和优化的DRASTIC方法在评估含水层脆弱性方面都取得了成功。

目前的研究主要集中在静态地下水脆弱性评估上，尽管一些研究人员也考虑了动态因素，如气候变化（Raisa等人，2024年）、城市扩张（Hua等人，2020年）、土地利用变化（Mendieta-Mendoza等人，2021年）和人为影响（Navaneeth等人，2024年），或预测地下水脆弱性（Zhao等人，2025年）。然而，这些研究难以支持基于未来趋势的预防和控制决策，因为它们没有反映脆弱性的时间演变。值得注意的是，尽管更复杂的基于过程的模型和机器学习方法具有强大的预测能力，但在实际应用中仍面临挑战：基于过程的模型依赖于大量的水文地质参数，而机器学习方法需要长期监测数据。

因此，本文基于双变量局部空间自相关分析，结合空间邻近性和时间序列，提出了一种动态预测地下水硝酸盐脆弱性趋势的框架。通过计算单元i在t-2Δt时间的脆弱性指数空间滞后值和邻域单元在t-Δt时间的脆弱性指数空间滞后值，建立了跨时间的空间相关性。我们还识别了四种类型的动态地下水脆弱性趋势（持续性、下降、稳定、新兴）。利用两个时期的脆弱性指数，我们评估了地下水硝酸盐脆弱性是否表现出显著的跨时间空间依赖性。

此外，我们以中国潍坊平原北部的浅层含水层为研究对象，进行了多个时间尺度的地下水脆弱性趋势推断和验证。根据2008年、2013年、2015年、2016年、2017年和2018年的地下水硝酸盐脆弱性指数，预测了Δt = 1年（2017年和2018年）和Δt = 5年（2018年和2023年）的地下水趋势动态。通过地下水脆弱性分类和硝酸盐浓度的变化来验证该方法的可靠性。利用这种方法，地下水管理可以做出前瞻性的管理决策，识别脆弱性的动态趋势，并为新兴区域的早期预防和控制（如限制新的污染负荷）以及加强持续性区域的治理创建动态决策基础。

材料与方法

首先，使用DRASTIC方法考虑土地利用和地下水开采情况，开发了地下水硝酸盐脆弱性指数（GWVI）。然后，使用时空滞后双变量局部空间关联指标（STL-BLISA）来分析脆弱性的动态趋势，以帮助地下水管理者确定适当的地下水管理策略。通过浅层……的变化进一步证明了该方法的可靠性

结果验证

基于上述因素并使用方程6，计算并展示了2008年（图4a）、2013年（图4b）、2015年（图4c）、2016年（图4d）、2017年（图4e）和2018年（图4f）的GWVI。总体而言，GWVI较高的区域主要集中在研究区域的南部，而北部地区的GWVI相对较低。先前对该研究区域的硝酸盐污染研究表明，浅层……

结论

基于经典的DRASTIC方法，本研究还考虑了土地利用和地下水开采情况。通过DRASTIC-LUE方法对该研究区域的地下水硝酸盐脆弱性进行了多年评估。使用相应年份的水样，验证了结果的有效性。

基于双变量空间自相关分析，本研究提出了STL-BLISA方法，该方法结合了空间邻近性和时间变化，用于动态趋势预测

CRediT作者贡献声明

高琳：项目管理、调查、数据管理。宋晓青：调查、数据管理。胡晓静：撰写 – 审稿与编辑、方法论、调查、数据管理。郭旭：撰写 – 审稿与编辑、方法论、调查、数据管理。李永刚：撰写 – 初稿、软件、方法论、数据管理、概念化。刘宏伟：调查、数据管理。马传明：撰写 – 审稿与编辑、方法论、概念化

未引用参考文献

Mu等人，2021年。

利益冲突声明

作者声明他们没有已知的可能会影响本文工作的竞争性财务利益或个人关系。

致谢

本研究得到了中国地质调查局的华北地质科技创新中心的人才培养基金的支持。