一项基于卫星观测的最新研究显示，被称为“亚洲水塔”的高山亚洲（HMA）地区地下水储量正在快速下降，地下水以约每年242亿吨的速度流失。研究指出，这一关键水源关系到十多个下游国家数亿人口的农业灌溉、城市供水与生态安全。

该研究由中国科学院空天信息研究院（AIRCAS）王树东教授团队牵头，针对高山亚洲数据稀缺、地形复杂等难题开展评估。相关成果近日发表于《环境研究快报》（Environmental Research Letters）。

人工智能模型重建地下水变化

研究团队构建了基于人工智能的评估模型，整合多源卫星观测、地球系统建模与可解释AI方法，用于重建过去二十年地下水储量（GWS）变化、识别主要驱动因素，并开展前瞻性风险情景分析。

结果显示，2003年至2020年间，高山亚洲约三分之二区域出现地下水储量下降。降幅最显著的区域集中在下游人口密集、灌溉强度较高的流域，包括恒河—布拉马普特拉河流域、印度河流域和阿姆河流域。与此同时，部分高海拔内陆地区则出现地下水储量的局部恢复。

研究还发现，气候因素解释了地下水储量变化近一半的变异，冰冻圈在其中发挥重要作用。与此同时，人类取水，尤其是下游灌溉区取水，正成为地下水枯竭日益主要的驱动因素，并在2010年后呈现加速趋势。

情景结果与风险提示

研究给出的情景结果显示，在当前用水方式下，地下水流失趋势仍将持续。研究指出，冰川融水可能在2060年代左右对部分地区地下水流失形成短期“缓冲”，但该效应不可持续，随后地下水下降可能更快。在用水模式不变的情况下，下游农业区面临更高风险，地下水枯竭速度可能加快。

框架与验证

研究采用知识引导的数据驱动评估框架，利用多传感器卫星数据回溯过去20年地下水储量变化。框架引入轻量级Transformer架构，以捕捉山区流域的水文记忆与滞后效应，并通过可解释机器学习方法对地下水储量变化进行机理一致的归因分析。

研究团队表示，相关结果已通过数千口地下水井测量数据及独立数据集交叉验证，以增强结论可靠性。该框架融合遥感技术、物理水文知识与AI可解释性，旨在应对复杂地形与人类用水数据不完整带来的评估挑战。