Structural Reorganization of Water Use Efficiency Drivers in the Hanjiang River Basin Under the South-to-North Water Diversion: Spatiotemporal Deep Learning and Pixel-Level Attribution
Xuepeng Zhang · Haoxuan Jin · Zhe Wang 等 4 人
用ConvGRU与积分梯度量化南水北调后汉江流域WUE驱动因子的像素级重组。
ConvGRU深度学习结合积分梯度，2000–2024气象与多源遥感数据归因。
调水后WUE增速骤降，42.26%区域主导驱动因子切换，驱动力向植被与土地利用转移。
可探究调水工程下耕地与植被因子“多源汇聚”机制，并耦合灌溉管理数据做农业WUE精细归因。
方法新颖、数据规模大，但属流域尺度学术研究，对农业信息化的直接产业影响有限，适合作为专业参考而非每日精选头条。
跨流域调水通过改变水文过程和土地利用重塑水资源利用效率（WUE），但调水后的WUE变化及驱动因子重组仍缺乏系统量化。本研究以汉江流域（南水北调水源区）为对象，采用卷积门控循环单元（ConvGRU）深度学习模型结合积分梯度方法，基于气象数据与多源遥感数据，量化了2000—2024年九个驱动因子对WUE的像元尺度时空贡献。结果表明：（1）2000—2024年全流域WUE呈上升趋势，但调水后增速大幅下降（由0.0184 yr⁻¹降至0.0045 yr⁻¹），河道区域WUE下降是增速减缓的主要驱动力。（2）气温和植被土地覆盖类型是最强的抑制性驱动因子，而耕地和水汽压是最强的促进性驱动因子；调水后，kNDVI的归因贡献增幅最大（+0.14），驱动力重心正由气候因子向植被和土地利用因子转移。（3）全流域42.26%的区域主导驱动因子发生转换，其中上游地区重组最为剧烈；耕地主导区占比由26.28%升至29.24%，kNDVI主导区占比由9.09%增至16.64%，近乎翻倍，其扩张同时吸收了气温、辐射、耕地和植被土地覆盖类型的主导地位，呈现“多源汇聚”的重组格局。多基线方案敏感性分析验证了归因结论的稳健性。研究结果可为调水背景下汉江流域生态与农业水资源管理提供科学依据。