原文发表于《科技导报》2026 年第1 期 《 2025年水文地质智能计算热点回眸 》
水文地质智能计算是融合物理机理与人工智能的新一代科学范式。《科技导报》邀请中国矿业大学（北京）地球科学与测绘工程学院董东林教授团队和中国科学院大学资源与环境学院林刚副研究员撰写文章，回顾了2025年水文地质学在地下水资源评价、矿区水害防控及污染迁移修复等核心应用领域，正从传统数据驱动迈向物理信息融合，从局部技术突破转向构建“数据感知−知识挖掘−模拟决策”的完整技术体系；指出尽管在一些方面仍存在挑战，智能计算已显著提升了地下水渗流模拟、地表−地下水耦合等复杂问题的预测精度与决策可靠性。未来随着人工智能与大模型技术更深层次地融入机理研究，有望构建更高精度、可解释、可信任的智能模拟系统与预警体系。
水文地质学是研究地下水数量、质量时空变化规律，以及如何合理利用或防治其危害的学科。近年来，水文地质学的研究方向从传统的找水勘察，扩展到了更广泛的资源与环境领域，发展趋势呈现出更注重多学科交叉和生态环境问题。
回顾2025年，水文地质学在全球合作、学科交叉和技术创新上向前迈了一大步，精准体现了从“方法探索”到“解决实际问题”的范式转变，研究主题都紧扣“可持续管理”“气候变化”和“变化环境”等现实问题。同时，AI与智能计算已深度渗透到所有水文地质前沿主题的研讨中，中国水文地质学研究也正积极拥抱智能计算，致力于构建更精细、更智能的地质数字孪生体系，以科技创新支撑水资源的安全与可持续管理。
1 范式转型：从方法探索到解决实际问题
2025年水文地质学研究的范式转型是气候变化和技术革命双重压力下的必然演进，致力于解决如何充分运用大数据和AI等新兴技术应对变化环境下的水文响应与可持续管理、区域特色水文地质与资源利用等关键科学问题。
1.1 变化环境下的水文响应与可持续管理
Gantayat等指出在全球气候变化、人口增长和环境污染等多重压力下，传统的水文地质学研究范式已不足以解决日益复杂的水资源安全问题。
为了应对气候变化与极端事件，应重点量化气候变化对地下水补给、更新速率和水质的长期影响，分析干旱与洪水等极端水文事件下地下水系统的响应与恢复力。2025年11月，《气候变化科学十大新洞见（2025/2026）》发布，标志着这一科学认知已成为全球气候治理的核心议题之一。2025年，多项研究、多次重要会议均聚焦变化环境下的水文响应与可持续管理问题，地下水与气候变化的研究已不仅是学术前沿，更是直接关系到水安全、粮食安全和生态安全的紧迫现实需求，正在驱动科学研究、国际合作与管理政策的深刻变革。
1.2 区域特色水文地质与资源利用
区域特色水文地质与资源利用研究不只关注地下水本身，更关注将地质规律与区域发展战略相结合，研究地下水开发利用管理与当地核心资源（地表水、能源、生态、粮食）的协同关系。
1）跨界含水层：跨界含水层指跨越多国边界、共享水资源且面临复杂管理挑战的特定区域。跨界含水层研究是一个多系统、跨尺度、机理复杂的难题。
在建模问题上，跨界含水层仍是一个无法被标准化的复杂系统，而该系统的最终演化路径，主要取决于模型本身无法控制的跨国政治博弈。因此，跨界含水层模型因其独特的地质构造、补给机制和人为干扰，几乎无法直接套用到另一个地区。此外，建模过程必须同时包含水文过程、化学过程、社会过程和气候过程。这些系统运行机制不同、过程复杂，强行耦合会带来巨大的不确定性和计算负担。
2）关键气候响应区：区域水文地质研究重点关注以北极/高寒区和干旱/半干旱区为代表的全球关键气候响应区。2025年，相关研究明确了活动层加深如何改变地下水流路径，将原先被冻结的有机碳和古老地下水释放。但仍然存在传统手段在极寒、偏远地区难以部署和维持的问题。对于干旱/半干旱区，研究的核心是极端水文事件和水压力加剧背景下，地下水资源的可持续性。另外的热点进展是将地下水人工补给作为核心适应策略，研究其效率与生态影响。
因此，对关键气候响应区的研究，正推动形成“气候应力—地下水流系统响应—资源与生态效应—适应性管理”的全链条研究新范式，智能计算在这些研究方向中已成为不可或缺的关键赋能工具。
3）特定地貌类型：2025年对喀斯特、河流盆地与海岸带等特定地貌的研究，已从静态描述迈入系统性认知与复杂性管理的新阶段。“喀斯特生物多样性计划”被列为联合国教科文组织（UNESCO）国际科学10年项目，致力于构建跨中国西南、地中海、美国东南部的跨国观测网络与协作平台。对河流盆地的探索则通过深钻计划和地层模拟，致力于从万年尺度理解气候与地貌演化的耦合规律。海岸带管理则进入“立体分层”空间精细化时代，通过明确的生态评估和多尺度关联研究来指导实践。
4）矿山水文系统：采矿业是一个大规模、高强度、不可逆地扰动地下天然水循环和地质环境的人类活动。矿山水文地质研究一直是水文地质领域的核心突破点和重点方向。当前研究仍存在以下难点：
一是，废弃矿井水−岩相互作用的物理化学耦合机理复杂，如何将室内试验获得的损伤系数、参数敏感性结果可靠地外推至现场尺度。
二是，水资源保护与共伴生矿产高效开采之间存在目标冲突，如何实现多资源的协同勘查与绿色开发，缺乏系统的技术标准和优化模型。
2 关键技术：大模型、多模态与不确定性量化
未来水文地质建模的核心是将地学机理、领域知识深度嵌入到大模型架构中，并通过多模态数据与不确定性量化，构建出既高效又可靠、既智能又可解释的“水文地质智能体”。
2.1 从数据驱动到物理信息融合
现有研究证明，水文地质研究在物理信息融合方面已超越概念，成为解决高维、非线性、多过程耦合等核心挑战的实用路径。
1）地下水渗流精细模拟与参数反演：研究人员提出了基于物理信息神经网络的河渠系统地下水渗流模型（PI−RGSM），实现了单次训练即可预测不同参数组合下流场的强大泛化能力，解决了在数据稀缺区同时进行“流场模拟”与“参数反演”的难题，同时，模型还能满足水流方程的约束，模拟非均质、裂隙介质中的流动与迁移。
2）地表−地下水耦合过程与复杂系统模拟：最新的研究通过自然系统的高度复杂性及数值模型与智能技术的深度融合，建立了统一的控制方程并对沉积物−上覆水耦合系统进行同步求解。在上述统一框架中还可以直接植入氮循环等反应过程，实现从纯水力模拟到水−生态耦合过程模拟的跨越。
2.2 大模型、多模态与不确定性量化
2025年，水文地质智能计算在大模型、多模态与不确定性量化3个关键技术方面，已从概念探索进入解决具体科学问题、提升业务能力的深化应用阶段。
1）水文地质大语言模型：2025年的研究进展表明，在大模型应用方面，主要聚焦于自动化编码、多源报告信息抽取与知识图谱构建3大方向，当前正从通用向领域专用迈进，尝试将专业知识注入通用模型。
2）多模态数据融合：当前，多模态数据融合的研究前沿已超越了单纯追求算法创新，转向以水文地质物理机制为核心驱动。这一转变旨在通过物理规律引导多源数据的融合过程，从而提升对地下水系统结构、参数及动态过程更机理化、更透彻的认知水平，为水资源管理与地质安全保障提供了全新的技术支撑。然而，跨模态数据的对齐、标准化与统一表征是当前的主要瓶颈。
3）不确定性量化：面对水文地质固有的多源不确定性（地质结构、参数、边界条件），2025年水文地质智能计算的研究重点从“追求单一最优预测”转向了“提供可靠的预测区间”。有研究提出了“物理信息神经网络−不确定性”（PINN−UU）框架，将物理方程与参数不确定性空间统一求解，能够在观测数据极少甚至缺失的情况下，直接给出模型预测的概率分布。另有研究提出了一种全新反演方法（空间信息场生成器−集合平滑器（ES−SIFG）），专门针对小样本、非均质含水层条件，提升参数识别与不确定性量化的能力。
2.3 开源、平台与算力
水文地质智能计算的基础设施已从提供单一工具，发展为支撑“物理机理—AI—数据—算力”闭环的协同生态，正加速整个学科从传统数据驱动，迈向更可靠、更智能、更具业务价值的物理信息融合新阶段。
为了实现复杂的物理过程模拟与AI计算方法相结合，2025年出现了多个具有代表性的开源工具箱和平台。如SMASH v1.0，可微分、可区域化的高分辨率水文建模框架，HydroModPy是一款基于Python的开源工具箱，这2种工具使研究者能更专注于融合方法本身，而非底层编码。
3 前沿应用场景
2025年水文地质智能计算的核心研究范式已从数据驱动迈入了物理信息深度融合的新阶段，在地下水渗流精细模拟与参数反演、地表−地下水耦合过程与复杂系统模拟等复杂场景中初步实现了从“黑箱预测”到“机理可信模拟”的跨越。然而，支持大模型的全面应用，如何将复杂的水文地质机理系统地编码为机器可理解、可计算的约束条件，如何构建可用于大模型训练的AI就绪数据集，以及如何建立与现有工程设计和管理规范相衔接的标准与流程等关键问题仍有待解决。
本文以浅埋煤层采空区特殊下垫面地表−地下水耦合过程与复杂系统模拟场景为例，提出了建立多源数据、多物理过程、多时空尺度模型的动态耦合与协同智能计算框架。
1）场景介绍：黄河流域形成了一种特殊的下垫面类型——采空塌陷和地裂缝，引起了流域水文环境和水文地质条件的变化。传统的地下水−地表水耦合模型较少考虑这种裂隙应力对岩（土）体渗透性的影响，严重影响了模型的模拟精度（图1）。
图1 采空区特殊下垫面“地表水−采动裂隙−地下水”耦合过程示意
有研究表明，不考虑裂隙发育特征，传统的水文模型在洪水过程的预测预报中误差会放大至70%以上，甚至会完全失效。研究以窟野河流域为例，提出水文地质智能计算技术框架，在“保水采煤”“生态修复”和“煤炭保供”等多目标间，提供基于模拟推演和数据驱动的量化权衡依据（图2）。
图2 采空区特殊下垫面应用场景水文地质智能计算技术框架
2）数据融合与数字孪生体：整合基础地质、基础地理、水文地质、工程地质、水文气象监测、遥感影像等多源数据，实现多源数据AI−ready化处理，以获取标准化的三维地质模型、采动裂隙网络概率分布图、时空连续的气象水文场数据等。在此基础上，将处理后的多源数据融合到统一的时空网格框架中，形成“数据立方体”。引入地学知识图谱，建立数据间的语义关联，构建动态知识增强的数字孪生体。
3）智能任务规划与多模型协同调度：该阶段主要目标是通过增强型智能体解析复杂任务，并动态规划、调度各类专业模型。根据任务设计工作流，考虑模型间的动态耦合机制，确定在何种时间尺度、以何种数据格式进行模型间信息交换等。
4）知识驱动的专业模型与计算：引入物理约束的机器学习模型，解决采动裂隙−渗流关系无法精细模拟的问题；将岩体裂隙渗流理论作为内在约束，利用历史观测数据进行训练，输出能够等效表征裂隙应力−渗流耦合关系的“等效渗透系数场”，解决了机理模型参数难以确定的难题。
5）情景推演、风险评估与决策优化：系统自动生成多种预设情景（如极端降雨情景、不同矿区排水策略、不同废弃矿山开发利用方案）。
6）闭环学习与优化：平台通过接收新的监测数据，自动启动同化流程，反向校正优化核心专业模型，使数字孪生体的模拟能力不断提升。另外，系统每次的模拟−验证循环，关键参数、模型配置和调度策略等都会整合进智能体，通过不断学习逐步提升模拟效率和准确性，实现自我进化。
以上关键步骤可以构建一个能够应对采空区特殊下垫面极端复杂性的动态、自适应、持续成长的智能计算模型。
4 结论
通过对2025年水文地质智能计算热点回顾表明，水文地质智能计算正从传统数据驱动转向物理信息融合范式，从解决单一问题的“技术点”突破，迈向重构从数据感知、知识挖掘到模拟决策的完整研究链条。下一步，要加快构建集成“感知—模拟—决策”闭环系统，实现多源数据、多物理过程、多时空尺度模型的动态耦合与协同计算。展望2026年，期待水文地质领域能够涌现出更多具有原创性和突破性的成果。
本文作者：董东林、姚宇鹏、张婉秋、林刚
作者简介：董东林，中国矿业大学（北京）地球科学与测绘工程学院，教授，研究方向为水文地质与工程地质；林刚（通信作者），中国科学院地理科学与资源研究所、中国科学院大学资源与环境学院，副研究员，研究方向为能矿资源水资源协同利用。
文章来 源 ： 董东林, 姚宇鹏, 张婉秋, 等. 2025 年水文地质智能计算热点回眸[J]. 科技导报, 2026, 44(1): 70−77 .
本文有删改，
内容为【科技导报】公众号原创，欢迎转载
白名单回复后台「转载」
《科技导报》创刊于1980年，中国科协学术会刊，主要刊登科学前沿和技术热点领域突破性的研究成果、权威性的科学评论、引领性的高端综述，发表促进经济社会发展、完善科技管理、优化科研环境、培育科学文化、促进科技创新和科技成果转化的决策咨询建议。常设栏目有院士卷首语、科技新闻、科技评论、本刊专稿、特色专题、研究论文、政策建议、科技人文等。
热门跟贴