西安交通大学WRR | 将社会经济取水融入深度学习框架以实现黄河流域高分辨率地下水储量预测

地下水储量异常（GWSA）变化是评估地下水枯竭和干旱的重要指标，可为可持续水资源管理提供决策支持。然而，GRACE卫星数据的粗空间分辨率限制了局部变化的探测，而降尺度方法常因忽略地下水开采而引入偏差。本研究开发了一个深度学习框架，将社会经济地下水开采量纳入地下水均衡方程，以此约束黄河流域（YRB）1 km分辨率GWSA的预测。结果表明，受地下水均衡约束的卷积神经网络（CNN）模型具有更高精度，而残差神经网络（ResNet）模型能更好地捕捉空间变异性。基于101口长期监测井（>10年）的验证表明，81.2%的井点与模型输出的相关系数大于0.7。将社会经济数据纳入均衡约束显著提升了预测性能，CNN误差降低28%，ResNet误差降低68%。地下水枯竭分布于全流域42.1%的区域，其中92.3%的区域同时面临枯竭‑干旱双重危机。虽然全流域60.1%的面积受气候强烈控制，但人类活动主导区（10.2%）的枯竭速率远快于气候主导区。本研究实现了高分辨率地下水枯竭制图，为大型干旱盆地可持续地下水管理提供了科学依据。

• 本研究提出的受物理均衡约束的深度学习模型（CNN_PI和ResNet_PI）成功将GRACE衍生的GWSA降尺度至1 km分辨率，预测结果与GRACE原始值高度一致（NSE>0.9）。CNN_PI整体精度更高，ResNet_PI在捕捉空间异质性方面更优。基于101口长期监测井（>10年）的验证显示，81.2%的井点相关系数大于0.7。将社会经济开采数据纳入均衡约束后，CNN和ResNet的预测误差分别降低28%和68%，表明物理约束对提升模型可靠性至关重要。

• 全流域平均地下水补给量为60.2 mm/yr，自西向东递增，空间差异显著。社会经济地下水开采量在无人区接近于0，在沿河灌溉带和城市中心最高可达1,100 mm/yr。地下水均衡结果显示，严重亏缺区主要沿黄河干流廊道分布，尤其在银川、河套平原、太原、西安等城市及灌区，亏缺量超过年补给量的70%。

• 基于SPEI干旱指数和地下水盈余比率的综合评估表明，全流域42.1%的面积存在地下水枯竭，其中92.3%（占流域总面积38.9%）同时遭受高或严重等级的干旱与地下水复合压力，且超过70%的复合高风险区集中于主要河流沿岸30 km范围内。河套平原是典型热点区，年均干旱频率约3个月/年，干旱强度达−3.9 SPEI单位/年。

• 利用广义加性模型（GAM）量化自然与人类因素对GWSA的贡献，结果显示：全流域60.1%的面积受气候强烈主导（贡献≥70%），仅10.2%的面积受人类活动强烈主导。但人类活动主导区的GWSA下降速率（−11.6±0.4 mm/yr）远高于气候主导区（−3.0±0.3 mm/yr）。在村级尺度上，73%的双重风险村庄位于距河流30 km范围内，这些区域农业灌溉密集、地下水依赖度高，且干旱频发，形成“干旱‑灌溉‑超采”的正反馈循环。

Guo, S., Yao, Y., Wu, Z., Jia, G., Liang, W., Lancia, M., & Zheng, C. (2026). Integrating socioeconomic withdrawals into a deep learning framework for high-resolution groundwater storage prediction in the Yellow River Basin. Water Resources Research, 62, e2025WR043071. https://doi.org/10.1029/2025WR043071