一种用于分析干旱地区典型流域在灌溉期间水分转化特征的框架方法

《Environmental Modelling & Software》：A framework approach for analyzing water transformation characteristics of typical watersheds in arid zones during irrigation periods

探究Ebinur湖流域干旱区水文补给机制，通过氢氧同位素与SHAP框架结合分析，发现融雪贡献58%地表及地下水补给，降水占42%，季节变化导致地表-地下水交换率逐月下降，气候变化主导大尺度同位素动态，而土地利用变化和灌溉对次级流域有显著调制作用。

　　

刘景明|丁建利|王金杰|张哲|邹杰|张志鹏|王晓|傅赞|葛向宇

新疆大学地理与遥感科学学院，乌鲁木齐830017，中国

摘要

本研究调查了中国内陆干旱地区的艾比湖盆地，重点关注氢和氧同位素的时空动态，以阐明水分补给机制和转化过程。采用双端元混合模型来量化降水和融雪的贡献，同时利用SHAP（Shapley Additive Explanations）框架识别关键环境驱动因素。结果表明，融雪平均占地表水和地下水补给总量的58%，剩余42%来自降水。观察到地表水与地下水交换率逐月下降，反映了季节性水文变化。气候变异性是控制盆地尺度同位素动态的主要因素，而土地利用变化（LUCC）和灌溉相关的干扰则可能对次级流域产生显著影响。这些发现为干旱地区的可持续水资源管理提供了科学依据。

引言

干旱内陆流域的水资源可用性日益受到气候变化和人类活动加剧的双重压力。这些挑战在严重依赖冰冻圈径流和农业灌溉的地区尤为突出。由于空间异质性、有限的水文监测网络以及复杂的土地-水相互作用，准确量化降水和融雪的贡献、地表水与地下水之间的转化动态以及控制水交换过程的环境因素，仍然是当前水文建模框架面临的主要挑战。

稳定的氢和氧同位素（δ²H和δ¹⁸O）长期以来一直被用作水文研究中的天然环境示踪剂。它们能够提供关于来源分配、传输路径和在不同气候和地理条件下的转化机制的关键见解（Adiyanti等人，2016；Abedi-Koupai等人，2022；Wang等人，2024）。这些技术广泛应用于湿润和干旱系统中，用于估算地下水补给、地表水与地下水相互作用以及蒸散通量（Papina等人，2024；Ostad-Ali-Askari & Shayannejad，2021；Wanner等人，2023；Rafiei等人，2022）。在中亚和中国西北部等干旱地区，水资源可用性受冰川融雪过程、间歇性降水以及灌溉回流水的影响。为了分析这些复杂的情况，已经开发了多种基于同位素的建模方法。基于过程和经验的方法被用来追踪山区集水区的径流生成（Yakovlev等人，2023）、评估融雪对径流的贡献（Fitchett等人，2024）以及评估补给时间（Gao等人，2023；Vassolo等人，2024）。然而，许多现有模型假设空间均匀性，并经常忽略土地利用、灌溉基础设施和水库等人为因素（Santschi等人，2024；Li等人，2024）。

最近的研究引入了三端元混合模型（降水、融雪和灌溉回流水），以更好地表示各来源的贡献（Zhang等人，2021；Miao等人，2024）。然而，这些模型通常涉及复杂的参数化过程且透明度有限，这限制了它们在数据稀缺环境中的应用。相比之下，双端元模型具有更简洁的结构和更少的假设，适用于考虑不确定性的水文研究。同时，多变量统计方法和基于同位素的信息模型也被用于分析灌溉流域的水分转化（Liberoff等人，2023；Yang等人，2024）。机器学习的进步，特别是像SHAP（Shapley Additive Explanations）这样的可解释模型，进一步增强了我们识别同位素变异性的非线性驱动因素的能力（Klein等人，2024）。

然而，在基于同位素的水文建模中，关于应优先考虑物理约束的简洁性还是数据驱动的灵活性和可解释性仍存在争议——这种权衡在人类干预强烈的数据稀缺干旱流域中尤为关键。传统的同位素模型强调物理一致性，但往往无法捕捉塑造同位素变异性的非线性环境和人为因素。相反，纯数据驱动的方法可以揭示复杂的关系，但缺乏水文可解释性和过程层面的透明度。在干旱流域水文学中，弥合这两种范式仍然是一个关键的方法论挑战。

位于中国新疆北部的艾比湖盆地是一个典型的干旱内流盆地，体现了在集约灌溉条件下地表水与地下水相互作用的挑战。先前的研究利用同位素和水质数据来研究其水文过程。例如，Hao等人（2021）分析了水体中δ²H和δ¹⁸O的季节性变化，并识别了主要的环境驱动因素；Zhu等人（2019）研究了区域河流中的同位素和水质特征；Lei等人（2022）应用ACP/MLR方法和双端元模型来估计复杂地质条件下的水源贡献。尽管这些研究提供了宝贵的见解，但它们主要侧重于描述性分析和传统的同位素模型，往往忽略了非线性环境因素和灌溉回流水的作用。因此，对于灌溉干旱流域中自然和人为因素如何共同塑造同位素动态和地表水与地下水转化的理解仍然有限。

为了解决这一空白，本研究提出了一个新颖的集成同位素-环境驱动因素建模框架，旨在量化季节性水源贡献，并识别灌溉期间控制同位素动态的环境因素。我们的核心观点是，将双端元同位素模型的简洁性与SHAP的解释能力结合起来，可以检测到非线性环境因素和灌溉回流水的间接影响。该框架的核心组成部分包括：（1）一个空间分辨的双端元同位素混合模型，用于估算融雪和降水对地表水和地下水的贡献，并利用共位的δ¹⁸O观测值量化现场的地表水-地下水转换比率；（2）实施SHAP来解释δ¹⁸O与多种环境因素之间的非线性关系；（3）蒙特卡洛自助重采样来评估模型不确定性，并推断数据稀缺区域中灌溉回流水的潜在效应。（图1）。

研究区域

艾比湖盆地（北纬44°2′–45°23′，东经79°53′–83°53′）位于新疆维吾尔自治区博尔塔拉蒙古自治县的北部。它西邻哈萨克斯坦共和国。目前，博尔塔拉河和泾河是流入艾比湖的唯一两条河流（图2）。本研究主要关注艾比湖盆地的主要次级流域，即博尔塔拉河和泾河流域（Hao等人，2020）。

地表水的同位素特征

在灌溉期间，博尔塔拉河和泾河流域的地表水δ²H和δ¹⁸O值表现出明显的季节性变化（表1）。从6月到8月，两种同位素都逐渐富集，8月达到峰值，反映了干旱夏季条件下蒸发作用的增强。在博尔塔拉河流域，δ²H从–76.33‰增加到–74.06‰，δ¹⁸O从–11.44‰增加到–10.72‰。在泾河流域，富集现象更为明显，δ²H

混合模型估计的不确定性分析

利用OIPC衍生的降水同位素信息和双端元混合模型，我们量化了地表水和地下水的降水贡献比例（$$），并通过自助-扰动分析（B=1000，δ¹⁸O仪器精度1σ=0.05‰）评估其不确定性。得到的$$的经验分布大致呈单峰分布，接近正态分布，95%置信区间较窄，表明在采用的端元假设下估计结果稳定（图S4）。

结论与展望

本研究为干旱流域提出了一种基于同位素的可解释机器学习工作流程，整合了保守的同位素混合、地表水-地下水交换诊断和环境控制的可解释归因。综合证据表明，在灌溉季节，冰冻圈来源的输入仍然是盆地补给的主要组成部分，而从初夏到夏末，河流-含水层的连通性减弱，这与高条件下向损失主导状态的季节性转变一致

CRediT作者贡献声明

丁建利：资金获取、概念化。刘景明：撰写 – 审稿与编辑、撰写 – 原稿、可视化、验证、软件、方法论、调查、正式分析、概念化。张哲：正式分析。王金杰：数据管理。张志鹏：方法论。邹杰：调查。傅赞：监督。王晓：软件。葛向宇：验证

未引用的参考文献

Biau和Scornet，2016；Bowen和Revenaugh，2003；Hao，2020；Hao等人，2021；Kuhn，2020；Kursa和Rudnicki，2010；Liberoff和Poca，2023；Mohammadabadi，2024；Soetaert，2024；Sun和Wang，2024；Wu等人，2019；Zhu，2020。

利益冲突声明

作者声明他们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。

资助

本研究得到了“新疆艾比湖生态效应的流域间水转移影响”（项目编号42171269）、“技术创新团队”（天山创新团队）以及“干旱地区水资源高效利用创新团队”（项目编号2022TSYCTD0001）的支持，还有新疆大学的“优秀博士创新项目”（项目编号XJU2024BS077）的支持。

利益冲突声明

? 作者声明他们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。