引言为了解决地下水水质污染和过度开采的问题，需要了解地下水的补给、运移、排泄和污染物输送过程[1]。通过在小尺度上进行水文地质调查来分析地下水流动和污染情况的方法具有局限性，为了满足对地下水深入分析的需求，遥感、地理信息系统(GIS)和数值模拟等技术的使用得到了迅速发展[2]。1968年法国地质学家Marget提出“地下水脆弱性”这一概念，之后许多学者都尝试对这一概念进行定义。部分研究人员认为地下水脆弱性取决于上覆岩层和含水层等水文地质情况（内部因素）[3]。考虑污染源和人类活动等外部因素的影响，“含水层脆弱性”“污染的敏感程度”“污染的可能性”和“水文地质脆弱性”等名词被提出[3]。1993年，针对“地下水脆弱性”，美国环保局(EPA)和国家地质协会(IAH)将脆弱性分为本质脆弱性和特殊脆弱性。本质脆弱性是地下水对水文地质自然属性，不考虑人类活动和污染源的脆弱性，是静态、不可变和不受人为控制的；特殊脆弱性是考虑某一特定污染源或人类活动等外界干扰的脆弱性，是动态、可变和可受人为控制的。两者表征地下含水层对自然和人类活动的敏感程度[4]。随着当前地下水环境保护研究的不断深入，国内外对地下水脆弱性的评估方法也不断丰富。文中介绍地下水脆弱性概念的发展，分析3种主要的地下水脆弱性评价方法和评价指标体系的构建，重点总结当前研究者运用的主要权重修正方法和评价指标体系构建的4个基本原则，指出当前研究存在的主要问题以及今后开展相关方面研究工作的展望。1地下水脆弱性评价方法根据研究条件和目标的不同，形成了迭置指数法、过程模拟法和统计法这3类地下水脆弱性评价方法[5]。1.1迭置指数法迭置指数法是定性、半定量或定量的评价方法，分为水文地质背景值法和参数系统法。通常情况下前者适用于水文地质复杂的大范围（小比例尺）区域，后者适用于中小范围区域的地下水脆弱性评估，是目前应用最广泛的评估方法[6]。参数系统法可分为3类：矩阵法(MS)、等级法(RS)和计点系统模型(PCSM)。其中，矩阵法是定量的、适用于小范围和资料完整地区的评价方法。后两者的参数化体系类似，但用于评判脆弱性程度综合分值的计算方法不同，如等级法中的GOD模型、AVI模型、ISIS模型等[7]采用各参数评分的和。Ekanem[8]、Ducci[9]等在对这些模型的应用中发现，GOD法只适用于脆弱性变化较大的区域，在脆弱性变化较小的区域使用时误差较大；而计点系统模型中的Drastic模型、Sintacs模型、Siga模型、Epik模型等则采用权重-评分法[10]，多被应用于浅层地下水脆弱性评价[11]。多孔介质含水层主要的评价模型有Drastic、AVI、Sintacs、ISIS、Galdit[10]。其中，Galdit模型考虑了沿海含水层的海水入侵，已被广泛用于评估沿海含水层的脆弱性[12-14]。应用于喀斯特（岩溶）裂隙含水层的评价模型主要有Epik、PI、COP、GLA、Paprika[10]。Drastic模型应用广泛，该方法灵活性较强且计算简便，评价结果与实际情况匹配度较高，结合GIS技术使其在运用过程中更加成熟便捷。Drastic自1987年被提出后，国内外学者不断对Drastic模型进行优化，通常通过增减参数构建Drastic优化模型[15-23]，并逐渐克服了传统Drastic模型未考虑不同研究区各自的特征和未根据研究区的不同情况调整各个参数的评分和权重的不足。Drastic优化模型及评价指标[16-23]如表1所示。10.3969/j.issn.1004-7948.2023.09.024.T001表1Drastic优化模型及评价指标指标DrasticSintacsSIDrasticmDrastic-FmVtsdrlDrahcDraic-lnDrati-leDraiqpDrmsiDraiclfDRASTIC-SAL地下水位埋深√√√√√√√√√√√√√净补给量√√√√√√√√√√√√√含水层介质√√√√√√√土壤类型√√√√√√√地形坡度√√√√√√√√包气带介质√√√√√√√√√√水力传导系数√√√√√√含水层特征√地下水水质√含水层厚度√√√√含水层富水性√√包气带稀释能力水力阻力√地貌类型植被覆盖率√裂隙√地质破碎线型√溶解性总固体√土地利用类型√√√√√√地下水开采强度√污染负荷√√注：“√”代表包含该指标。迭置指数法主要用于大面积的浅层地下水脆弱性评价，具有简单便捷、直观、投资少等特点，评价结果通俗易懂并可以直接为后续地下水资源管理提供决策服务。Drastic模型已成为一种标准方法体系被采用。但是传统Drastic模型受人为因素干扰较大，主观性较强，评价结果缺乏有效性，需要进行验证。研究者通常选取水化学数据验证脆弱性指数，如硝酸盐(NO3-)浓度、氯离子(Cl-)浓度和溶解性总固体(TDS)含量，评价模型对研究区特定的自然地理、水文地质等条件依赖性强，缺乏普适性；地下水脆弱性无统一的分级标准。针对这些问题，研究者通过增减评价因子改进Drastic模型。虽然因地制宜构建的优化模型精度较高，但应该尽可能构建普适性的评价方法。此外，Drastic模型使用的水文地质数据与现场实时数据比对次数有限，其验证过程也具有较大的偶然性，这要求研究人员在决策时不能完全依赖于模型生成的地下水脆弱性分区图。地下水系统错综复杂，水文地质参数众多，要对地下水进行脆弱性评价，需研究人员结合实际情况采用适当的评价模型和方法认真分析，也可结合GIS、遥感和数值模拟等技术进行创新。1.2过程模拟法过程模拟法多应用于评价地下水的特殊脆弱性，主要考虑不同区域含水层对人类活动产生的污染物的敏感性。通过对地下水和污染物的运移过程进行模拟，确定水和污染物的源头及流向[24]。通过对含水层进行概化，可以使用数学模型表示受污染的地点和污染发生的过程。但是构建地下水模型的基础数据具有很高的时空变异性，很难完整地被收集和记录。多年来，研究者们致力于开发不同地区地下水、地表水相互作用的模型，运用数值模拟软件建立地下水流场和溶质运移模型，从而达到地下水污染可视化的目的。基于地下水流动开发的软件主要有Mod-Flow、Feflow、Femwater、Fractran、PTC[10]；基于溶质运移开发的软件主要有MT3DMS、MT3D、RT3D、SEAM3D、Femnaste、Sutra[10]。大部分这类模型可以单独使用，或与遥感、地理信息系统和其他模型结合使用，以尽可能地反映地下水文地质的复杂性[25]。使用这类模型有助于更深入地了解地下水流动和溶质运移的过程，并已在世界各地得到广泛应用，研究者们已经开展了一些研究模拟不同的含水层系统[26-29]。过程模拟法通常适用于小范围的地下水脆弱性研究，在获取大量的数据资料的基础上对地下水和污染物的物理、化学和生物等过程进行模拟，基于地下水的流动和污染物的运移确定研究区地下水的脆弱性，但是数学模型的建立过程较为复杂，技术要求相对较高。地理信息系统(GIS)具有强大的数据管理和空间分析能力，使用GIS与建模软件的共同作用会产生协同效应。与解析法、水均衡法和相关分析法等其他方法相比，数值模拟应用具有耗时少和成本低的特点，同时能够高效地预测地下水位的时空变化和地下水污染物的运移规律。但是，应用过程模拟法时，由于数据资料的缺乏、只考虑水或污染物等在单一方向上的迁移，在今后的研究中应尽可能多地尝试二维、三维的过程模拟。为了提高精度，需适当完善地下水环境监测体系，获取长期的水文监测数据，从而构建完善合理的地下水资源管理体系。1.3统计法统计法的应用主要受两方面因素制约。一方面是数据的掌握详细程度。较偏远地区的水文地质资料和污染源数据难以获取。另一方面是算法的复杂程度。统计预测算法的发展也经历了一个由简单的统计（污染物浓度的平均值、中位数和百分位数）到包含几个预测变量的复杂回归分析（逻辑回归、模糊逻辑、多元线性回归），再到数据驱动的人工神经网络(ANN)和人工智能方法的过程。近年来，学者们尝试利用最新的统计方法评估地下水脆弱性。Machiwal[30]等强调应使用包括人工智能(AI)在内的现代工具或技术开发空间决策支持系统，以改进保护地下水资源的决策过程，并且利用多元线性回归，通过对数据进行平面拟合，预测污染物的浓度，评估一个依赖指标和多个独立因素之间的关系。Duhalde[31]等在评估智利某山谷地下水系统本质脆弱性时，提出了一种模糊逻辑方法，以应对数据稀少造成的不确定性，生成了Mamdani模糊方法，并利用ArcGIS技术对空间数据进行处理。Tyralis[32]等讨论随机森林算法(RF)在水资源领域应用的相关技术，强调原始算法及其衍生算法的应用潜力。Messier[33]等使用几个连续模型对北卡罗来纳州私人水井的地下水硝酸盐浓度进行建模，这些模型包括基于最大似然函数的线性模型、随机森林、梯度增强机器、支持向量机、神经网络和克里金法。Fu[34]等指出，贝叶斯方法很好地解决了水质模型的不确定性量化问题，通过确定不确定性的来源，研究者可以优先考虑改进的模型表示方法，或开发减少参数不确定性的最佳监测网络结构。统计法能够客观地运用统计学理论赋予评价指标合理的权重，避免了迭置指数法的主观性。目前，使用该方法无法对地下水脆弱性受影响的基本过程进行模拟，可能导致指标之间相关性的误判。虽然地理信息系统技术已经成功地与前两种地下水脆弱性评价方法（即迭置指数法和过程模拟法）相结合，但在地下水脆弱性评价中，与地理信息系统相结合的统计法的应用很少。因此，未来的主要挑战是实现在地理信息系统软件中使用统计方法。2评价指标体系的建立2.1评价指标体系地下水脆弱性表征地下水系统对于各种影响因素的敏感程度，反映了地下水系统的韧性。这些影响因素包括自然因素和人为因素，根据前人对地下水脆弱性评价的研究，评价指标体系具体可分为地下水本质脆弱性评价指标体系和地下水外界胁迫脆弱性评价指标体系[3]。地下水本质脆弱性评价指标体系[35]和外界胁迫脆弱性的评价指标体系[35]如图1和图2所示。10.3969/j.issn.1004-7948.2023.09.024.F001图1地下水本质脆弱性评价指标体系10.3969/j.issn.1004-7948.2023.09.024.F002图2地下水外界胁迫脆弱性评价指标体系由图1和图2可知，土地利用已成为影响地下水脆弱性的重要指标，地下水位埋深、净补给量、地形坡度、包气带介质和土地利用这5个指标对地下水脆弱性的影响较大。在构建脆弱性评价指标体系时，还需考虑所选指标对于地下水脆弱性的正负相关性。对于裂隙发育较好的研究区需要考虑裂隙这一评价指标，裂隙发育较好地区污染物更容易进入含水层，但同时水流更新的速度也会加快，也能在一定程度上修复地下水。2.2指标体系的建立方法地下水脆弱性评价指标体系的建立主要遵循4个基本原则：重要性原则、独立性原则、差异性原则和可操作性原则[35]。重要性原则：在选择评价指标时，应根据影响程度由大到小选取，同时也应因地制宜选取能够表征研究区特点的指标。独立性原则：由于各指标之间难免存在协同和拮抗作用，可以对选取的指标进行相关性分析，确保选择的指标之间的相对独立。差异性原则：鉴于地下水脆弱性是一个相对的概念，选取评价指标时要选择研究区域不同地段数值有差异的指标。可操作性原则：在选取的评价指标的实际数据资料难以获得的情况下，可用相关的指标的数据来代替表征该因素。在遵循4个原则的基础上，地下水脆弱性指标的建立在经过了实地调查和资料收集之后，还需经历“海选”到“甄别”再“补充”的过程。做到因地制宜，具体问题具体分析，建立一套合理完善的地下水脆弱性评价指标体系。2.3指标权重与评估计算评价指标体系中各评价指标权重的分配是地下水脆弱性评价工作中至关重要的一步，直接决定了评价结果。目前，确定指标权重的方法主要有：专家打分法，即由少数专家根据经验并综合考虑研究目标后直接确定权重的方法；主成分-因子分析法；层次分析法(AHP)；熵权法；熵权-层次分析中间耦合法(EW-AHP)；BP神经网络法；语气算子比较法；灰色关联度法(GRAP)；单参数敏感度分析法(SPSA)[12]。指标权重修正的方法有：综合法构建的层次分析法与灰色关联度分析法的耦合风险评价模型，利用Excel中的广义简约梯度(GRG)求解器软件包进行权重调整修正[36]；使用层次分析法、Wilcoxon非参数统计法[12]和概率频率比(PFR)技术修正权重和评分[37]；此外，还可利用香农熵(SE)和逐步权重评估比率分析(Swara)方法与基于生物地理学的优化(BBO)相结合来修改比率和权重[38]。指标权重的确定主要有主观法和客观法两类。许多学者利用层次分析法确定指标的权重，但这是一种主观评判法，有必要结合一些客观获取权重的方法减少权重确定的主观性，尽可能结合数学方法或人工智能算法确定权重，以提高评价结果的精确度。如机器学习、元启发式算法[12]、Map去除敏感度分析、Swara、SE、Shannon-Mh和Swara-Mh模型，这些都是评估研究区域脆弱性的新方法。3存在的问题与不足任何一个模型都无法消除其不确定性，一个模型的质量取决于其不确定性程度。对变量关系的理解程度、指标选取、数据资料获取、权重的分配和评级的划分等都会导致最终评价结果的不确定性。因此，必须确定哪些变量会产生更高水平的不确定性，并对这些不确定性进行评估和量化，但目前对于不确定性的研究仍然较少。地下水系统非常复杂，虽然GIS强大的数据管理和空间分析能力针对此类问题具有得天独厚的优势，且已被广泛应用于地下水脆弱性。但是基于GIS运行模式下，用于评估地下水脆弱性的工具太少，无法克服专有软件的高成本和低灵活性，无法进行代码的共享以及灵活修改评价因子的权重和评分，而且还缺乏不同模型脆弱性指数比较的功能。运用过程模拟法进行地下水溶质运移模拟时，选取的模拟因子太少，考虑到不同污染物在水中的溶解度不同，无法用一两种模拟因子来较全面地表征多种污染物运移规律，评价精度也会受影响。4结语人工智能(AI)系统具备处理复杂环境问题的能力，能够定量评估模型的不确定性。近年来，人工智能算法在含水层脆弱性评估和相关的基于风险的研究中的应用显著提高。现如今已成功应用于迭置指数法的改进。但是对于精度更高的新算法、新模型的开发仍有很大的研究空间，而且基于人工智能的方法在过程模拟法中的研究很少，后续研究也可以尝试在过程模拟法中对人工智能算法进行耦合。开发免费且功能齐全的应用程序，使地下水脆弱性评价工作趋于简单便捷。在程序中增加多种适用于不同地质类型的地下水脆弱性评估方法；通过向用户提供修改已创建的指标体系的可能性，甚至创建用户自己的评价指标体系，增加程序的灵活性；增加专门用于将2个或更多普通脆弱性地图组合成综合脆弱性地图的功能；在程序中添加地理信息系统工具等。比较多种不同污染物在不同浓度下的溶质运移规律。同时在进行过程反演和扩散预测时需要注意的是有些污染物在水中的溶解度较小，如四氯化碳，其在含水层中的存在形式不只是液相，还有固相或气相，所以有必要进行多相流模拟。