Dynamic Characteristics and Trend Prediction of Groundwater Level in Xi’an City, China Based on GM (1, 1) and BP Neural Network Models
-
摘要:
地下水是干旱与半干旱地区极其珍贵的自然资源，地下水动态的精准预测与评估关乎着地下水资源的有效保护与合理利用。该研究根据西安市2010～2020年地下水位监测数据，系统分析了西安市地下水位年际、年内动态变化特征，探究了影响地下水位动态的主要因素，通过SPSS对影响地下水位动态的降水量和开采量两个主要因素进行相关性分析，并基于GM（1，1）灰度预测模型和BP神经网络模型对地下水位变动趋势进行了预测。结果表明：①2010～2016年，地下水位整体上呈下降趋势，2016～2020年期间，得益于地下水压采和供水设施的不断优化完善，地下水位呈回升趋势。②降水和人为开采均对西安市地下水位变动具有显著影响；地下水位埋深是决定受降水影响程度的关键因素，其中河漫滩地区最为敏感，阶地次之，黄土塬区较弱。地下水开采量与地下水位埋深具有更强的相关性。这凸显了其在调控地下水位动态变化中的主导地位。③地下水位预测结果显示，随着地下水开采量呈现出逐年下降的趋势，研究区地下水整体处于波动上升趋势。本研究对西安市地下水动态的影响因素及预测趋势进行了研究，对地下水资源管理和可持续发展具有重要参考价值。
Abstract:Groundwater is exteremely important in arid and semiarid regions, and the core of its effective protection and rational utilization lies in accurate prediction and evaluation of groundwater dynamics, based on which protection, utilization, and planning strategies are formulated. Based on groundwater level monitoring data from 2010 to 2020 in Xi'an City, this study systematically analyzed the inter-annual and intra-annual dynamic changes in groundwater levels, investigated the main factors influencing groundwater dynamics, and conducted a correlation analysis using SPSS on the two primary factors affecting groundwater dynamics: precipitation and extraction volume. Furthermore, the study utilized the GM (1,1) grey prediction model and the BP neural network model to forecast the trend of groundwater level changes. The results indicate that: ① From 2010 to 2016, the groundwater level showed an overall decreasing trend. However, from 2016 to 2020, due to the yearly reduction in extraction volume and continuous optimization and improvement of water supply facilities, the groundwater level exhibited a rising trend. ② Both precipitation and human extraction significantly impact the groundwater level fluctuations in Xi'an. The depth of the groundwater level is a crucial factor determining the degree of influence from precipitation, with river floodplains being the most sensitive, followed by terraces, and loess plateaus showing the weakest response. The correlation between groundwater extraction volume and groundwater depth is stronger, highlighting its dominant role in regulating groundwater level dynamics. ③ Groundwater level predictions suggest that as groundwater extraction continues to decline annually, the overall groundwater in the study area is on a fluctuating upward trend. This study has conducted research on the influencing factors and prediction trends of groundwater dynamics in Xi'an, which has important reference value for groundwater resource management and sustainable development.
-
丹霞地貌（Danxia landform）是发育于中生代至新近纪陆相近水平厚层状紫红色砂岩、砾岩, 由于地壳抬升、断裂切割、流水侵蚀、重力坍塌、风化剥落、化学溶蚀等多种地质作用而形成的丹崖赤壁及方山、石墙、石柱、峡谷、洞穴等地貌的统称（彭华, 2000；彭华等, 2013；郭福生等, 2020）。虽然中国丹霞地貌几乎均由中生代（尤以白垩纪为主）红层发育演化而来（齐德利等，2005；潘志新等2021），但在不同的地理环境下，因地质构造背景、岩石性质、内外动力作用等因素变化，所形成的丹霞地貌发育模式、景观类型、空间格局、形成机理都在一定程度上有所不同。经过黄进等人的统计（齐德利等，2005；黄进等，2015），丹霞地貌在中国广泛分布，丹霞地貌研究历经90多年研究历程，可划分为初创阶段（1928-1949）、成型阶段（1950-1990）、大发展阶段（1991-2009）、国际化阶段（2009-至今）（齐德利等，2009；欧阳杰等，2011；闫罗彬等，2023；丁华等，2023；冷艳秋等，2023）。到目前为止，现在已查明丹霞地貌
1100 余处（欧阳杰等，2011），分布于全国28个省（自治区、直辖市、特别行政区），相对集中分布在东南地区、西南地区和西北地区（黄进等，2015；欧阳杰等，2011；闫罗彬等2023）。长期以来，研究的重点和中心多集中在中国的东南地区湿润-半湿润地带、西南湿润-半湿润地带，对于西北地区半干旱地区丹霞地貌的研究较少（齐德利等，2009；丁华等，2023），尤其是对于陕北丹霞地貌研究甚少。2015年，全国开展了“西北地区重要地质遗迹调查”，陕西省地质调查院科研人员在陕北黄土高原地区发现了丹霞地貌的带状延展。经过测算，陕北黄土高原丹霞地貌景观带是由榆林市、延安市、铜川市、咸阳市、宝鸡市等地区串联起来的世界级丹霞地貌群，南北最长约770千米，东西宽约5-100千米，呈“S”形条带，总面积约为
30773 平方千米（图1），约有丹霞地貌经过142处，是我国最大的丹霞地貌景观带（洪增林等，2023）。其中，府谷莲花辿、靖边龙洲丹霞、安塞阎山湾、安塞王家湾、志丹毛项沟、甘泉雨岔大峡谷等丹霞地貌区，这些丹霞地貌具有极高的科学研究价值和美学观赏价值（冷艳秋等，2023），特别是沟谷型丹霞（以甘泉雨岔大峡谷为典型代表）、波浪型丹霞（以靖边龙洲丹霞为典型代表）、彩丘型丹霞（以府谷莲花辿为典型代表）等丹霞地貌和景观的发现，突破了以往对中国丹霞空间分布、构成、地貌类型、地貌演化的认识（丁华等，2023），也为丹霞地貌的研究提供了新区域和新领域，对于补充和完善中国丹霞地貌的研究具有非常重要的科学意义和研究价值。![]()
图 1 陕北黄土高原丹霞景观带范围示意图Figure 1. Schematic diagram of the scope of the Danxia landscape zone on the Loess Plateau in northern Shaanxi Province, China因此，本研究以陕北黄土高原丹霞地貌景观带为研究范围，采用CiteSpace软件分析总结归纳陕北黄土高原丹霞地貌的研究历程和研究热点，并提出未来研究的重点方向，以期对未来陕北黄土高原丹霞地貌研究提供一定的科学参考和依据。
1. 数据来源与研究方法
1.1 数据来源
基于“丹霞地貌”国内外研究，对WOS（Web of Science）数据库、CNKI（China National Knowledge Infrastructure）数据库、CSTJ数据库（China Science and Technology Journal Database）、CDDB数据库（China Dissertation Database）分别进行检索获取国外、国内研究原始数据。中国学者冯景兰（1928）、陈国达（1939）最早提出“丹霞层”“丹霞地形”的概念；曾昭璇（1978）首次使用“丹霞地貌”这一术语；学者们对中国丹霞地貌的概念定义（彭华，2002；赵汀等，2014；郭福生等，2020）、类型划分（彭华，2002）、空间分布（齐德利等，2005；欧阳杰等，2011；黄进等，2015；闫罗彬等2023）、景观特征（朱诚等，2000；张荷生，2007；郭福生，2011）、成因机制（朱诚等，2015；章桂芳等，2018）、国内外对比（潘志新等，2018）、旅游开发（周学军，2003）等方面进行了多方位研究。2010年，“中国丹霞”成功列入《世界遗产名录》。国外没有正式统一使用“丹霞地貌”这一专用名词，使用较多的是“红层”“红层地貌”“红层地形”等术语，主要集中在欧洲、北美、西亚、北非、澳大利亚等各地区、各国该类景观特征、发育过程和机制、风化机理、地貌对比等方面，研究方法和技术手段上较先进（彭华等，2013；潘志新等，2018）。
鉴于国内外术语使用和研究的差异性，对WOS（Web of Science）数据库中，首先，按照关键词、主题、摘要、全文等，第一层次输入“red bed”“red layer”“loess plateau”“North Shaanxi Province”及它们的组合等内容进行检索；其次，按照陕北黄土高原丹霞景观带的代表性地貌及景观，如“Yucha Grand Canyon”（or Ganquan Grand Canyon）、“Longzhou Danxia landform”等进行检索获取；这样先后多轮检索获得外文数据。在CNKI（China National Knowledge Infrastructure）数据库、CSTJ数据库（China Science and Technology Journal Database）、CDDB数据库（China Dissertation Database）中，按照关键词、主题、摘要、全文等，第一层次输入“陕北地区”“黄土高原”“丹霞地貌”“丹霞景观”“丹霞地质遗迹”及它们的组合等进行多轮检索；然后，按照陕北黄土高原丹霞景观带涉及的榆林、延安、铜川、咸阳、宝鸡等地代表性地貌及景观，如照金香山、甘泉大峡谷、靖边龙洲丹霞、府谷莲花辿等进行多轮检索；这样先后多轮检索获得中文数据。
在WOS数据库、CNKI数据库、CSTJ数据库、CDDB数据库中检索出246篇文献。为保证数据的精确性，人工剔除了报纸、年鉴、专利以及信息不完整、不符合学术论文规范的文献（含中文数据库检索到的英文文献等的无效数据），筛选合并后最终得到有效文献125条作为陕北黄土高原丹霞地貌的国内研究成果。其中，有101篇（占数据的80.80%）来自期刊，17篇（占数据的13.60%）来自硕博论文，7篇（占数据的5.60%）来自会议论文。
1.2 研究方法
CiteSpace是一种对文献结果进行定量分析的实用型文献分析软件。该软件是由美国德雷赛尔大学计算机与情报学教授陈超美博士基于Java语言开发、基于引文分析理论的信息可视化软件（李杰等，2016）。该软件可通过文献的被引、合作网络、主题、领域贡献等分析来探究某个特定领域研究的知识背景和目前前沿话题，探测学科和领域的演变过程（陈超美等，2006），并通过定量化与可视化相结合，将某领域一定时期内的研究现状、合作情况、热点主题等展现在图谱上（陈悦等，2015；王娟等，2016）。本研究采用CiteSpace 6.3.R1软件绘制相应作者及机构共线图谱、关键词共线图谱、关键词聚类图谱、关键词时间线图谱以及关键词突现图谱，从文献计量学的角度分析陕北黄土高原地区丹霞地貌研究历程、研究热点与前沿动态。鉴于吴成基等（1989）在《黄土高原的基岩侵蚀初探》一文中提出到陕北黄土高原地区的基岩为第三系红层和中生界陆相碎屑岩，在沟谷处表现为黄土戴帽、红土（基岩）穿裙的特殊地貌景观（吴成基等，1989），在本研究中被视为第一篇涉及陕北黄土高原丹霞地貌的研究，因此该软件运行时间跨度为1989-2023年（Slice Length=1）。
2. 陕北黄土高原丹霞地貌研究历程
2.1 研究阶段
论文发表数量体现了研究学者对某个领域的关注度，也是对衡量某一时间段中这个领域发展趋势的一个重要指标。根据在WOS（Web of Science）数据库、CNKI（China National Knowledge Infrastructure）数据库、CSTJ数据库（China Science and Technology Journal Database）、CDDB数据库（China Dissertation Database）等搜索125篇有关文献数据进行论文数量可视化研究（图2）。从图中，我们可以清晰看出，陕北黄土高原地区丹霞地貌的研究可以分为明确的3个阶段：零散阶段（1989～2011）、起步阶段（2012～2016）、发展阶段（2017年至今）。
零散阶段（1989～2011）：研究文献总体数量较少，共计16篇，占研究数据的12.80%。这一时期的研究对象、研究内容较为零散，主要是从区域地貌研究视角揭示丹霞地貌的类型和景观。张哲夫（1993）在研究铜川市地貌时，提出丹霞地貌是该区重要的地貌类型，主要以“方山”为主，在玉华川上游最典型，以著名的唐代玉华宫遗址为代表（张哲夫，1993）。吴成基等（1994）提出陕西丹霞地貌以关中盆地西部和陕北盆地西部鼻状凹陷地带最为典型（榆林红石峡、彬县大佛寺、麟游千佛洞、耀县张阁老崖等），造型风景丹霞地貌有26处，以白垩系和第三系红色砂砾岩形成的峭壁丹崖、峰寨岩柱及洞府等为主，是喜马拉雅运动、新构造运动的改造和流水、重力、风化共同作用下形成（惠振德等，1994）。这也为后来研究陕北黄土高原丹霞地貌的类型及景观研究提供了理论基础。
起步阶段（2012～2016）：文献数量整体呈上升趋势，共计24篇，占研究总数据的19.20%，这一时期的研究成果主要围绕照金香山丹霞的地质遗迹特征、地质公园建设、旅游发展展开。2012年，铜川照金香山丹霞地质公园成为第六批国家地质公园，为促进地质公园科学、持续开发建设，专家学者开始了一系列研究，如杨望暾（2013）研究了陕西耀州照金丹霞国家地质公园地质遗迹资源研究与建设构想（杨望暾等，2013）。彭华（2013）的研究则将陕北红层归入丹霞，大大开拓了陕北丹霞的研究进展。2015年，陕西省地质调查院科技人员在陕北延安、榆林等地发现了大规模的丹霞地貌，使得陕北黄土高原丹霞地貌受到了前所未有的关注。
发展阶段（2017年至今）：虽2021～2023年间发文量受到新冠疫情的影响较前稍有下降，但这一时期文献数量呈现跨越式发展，共计85篇，占研究数据的68.00%。研究对象主要围绕延安丹霞地貌（吴昊等，2018；吕艳等，2019；彭小华等，2024）、神木丹霞地貌（唐永忠等，2018）、靖边龙洲丹霞（李东兴等，2019；党晨等，2020；彭小华等，2020；唐永忠等，2020；石浩等，2022）、甘泉雨岔大峡谷（丁华等，2023）等开展研究，且多数受到国家自然科学基金等资助。研究方法上融合了无人机倾斜摄影（高海峰等，2019）、遥感影像（闫颖等，2018）等方法，大大的加强了陕北黄土高原丹霞地貌定量研究方法。研究内容上主要针对于陕北丹霞地貌的类型（吴昊等，2018；杨望暾等，2020）、景观特征（吴昊等，2022；丁华等，2023）、空间的分布（丁华等，2023）、沉积环境（唐永忠等，2018，2020年；邢达立等，2021；石浩等，2022）、粒度组成（王晓宁等，2021）、保护利用（党晨等，2020；丁华等，2023）等内容。但由于南北在地域上存在明显差异，导致陕北“丹霞地貌”的定义、形成机制、发育条件等存在一定的争议。例如，嵇少丞等（2020）不认为陕北波浪谷景观属于“丹霞地貌”，认为两者具有完全不同的大地构造意义，与南方地区发展出来的丹霞地貌是有区域差异性的。郭福生等（2020）研究丹霞地貌的定义和分类，为陕北地区丹霞地貌景观的特殊性做出说明，并对“丹霞地貌”的概念做出修改，在一定程度上避免了丹霞地貌定义泛滥化使用。潘志新等（2021）研究陕北丹霞地貌特征与美国西部丹霞地貌进行对比研究，为总结概括丹霞地貌的一般特征和发育演化规律夯实了基础。
从上述阶段可以看出，陕北丹霞地貌研究远远滞后于我国丹霞地貌整体研究阶段和历程，其零散阶段、起步阶段、发展阶段与全国丹霞地貌研究的成型阶段、大发展阶段、国际化阶段相对应，还需要进一步加大丹霞地貌研究方法、研究技术、保护利用理论体系的构建和研究。
2.2 研究机构
将搜集的数据导入CiteSpace软件中，将节点（Node Types）类型设置为机构（Institution），生成机构合作关系图谱（图3），其中圆圈的大小表示着该机构所发文的数量多少，节点之间的连线则表示机构与机构之间的合作关系（陈超美等，2006）。从发文机构合作关系图中可以看出，国内的研究机构共有67个节点，70条连线，整体的网络密度为
0.0317 ，表明机构之间的合作网络较为松散。关于陕北黄土高原丹霞地貌的国内文献的研究机构中，以高校、研究院居多，以陕西省地质调查院、长安大学、陕西师范大学、中国科学院、中国地质大学等为我国研究陕北黄土高原地区丹霞地貌研究成果的重要力量。高校机构中发文量最多的则是长安大学、陕西师范大学，分别为19篇、12篇。研究院机构发文量最多的是陕西省地质调查院，发表文献共计22篇，以其下属单位陕西省矿产地质调查中心发文量最多，共计20篇。根据机构发文数据的整理，列举出Top5的发文机构（表1），排在Top5机构之间的连线较少，说明研究成果较多的机构彼此之间合作较少，学术联系不紧密，未能形成依托各机构的学术成果融合。表 1 1989-2023年我国陕北黄土高原丹霞地貌研究高频发文机构Top5统计Table 1. Top5 statistics of high-frequency issuing organizations for the study of Danxia landforms on the Loess Plateau of Shanbei, China, 1989-2023序号 发文机构名称 发文量/篇 起始年份/年 与其他机构合作频次/次 与Top10机构合作频次/次 1 陕西省地质调查院 22 1995 10 6 2 长安大学 19 2010 12 2 3 陕西师范大学 13 1994 4 1 4 中国地质大学 11 2009 7 3 5 中国科学院 9 2007 9 4 总的来看，陕西省地质调查院、长安大学、陕西师范大学是研究陕北丹霞地貌景观带的主导力量，以地质、地理、旅游等为专业基础，体现了与研究地域的“近距性”；同时，也体现出跨区域研究较少、研究单位彼此之间的合作较少，呈现学术界重视该主题研究但学术交流不足的特点。
2.3 研究作者
对陕北黄土高原丹霞地貌研究作者看，共有184位作者被纳入统计分析，利用Citespace进行作者合作网络图谱分析（图4），节点代表发文作者，节点的大小代表发文的次数，节点越大该作者的发文量越多。作者之间的合作关系以节点之间的连线来体现，连线越短说明合作越紧密。目前，有多位研究作者的集群总体呈现大集中小分散的趋势，以吴昊、李兴文、祝捷、李益朝、彭小华、唐永忠、杨望暾、党晨等研究作者为中心展开合作的网络最为紧密（图4）。根据数据整理列举出发文量位居Top8的作者（表2）。其中，吴昊是本次统计范围内发文量最多的研究作者，发文量为18篇，与其他研究学者之间的合作最多。对于发文量位于Top8的研究作者和发文机构来看，位居Top8的研究作者有7位都来自陕西省地质调查院。说明研究成果突出的团队中研究作者联系是较为紧密的，但也反映出研究成果较多的团队较为单一。
表 2 1989-2023年我国陕北黄土高原丹霞地貌研究Top8发文作者统计Table 2. Statistics of authors of Top10 publications on Danxia geomorphology research in the Loess Plateau of northern Shaanxi Province, China from 1989 to 2023序号 作者 发文量（篇） 起始年份 合作频次（次） 与Top10作者合作频次（次） 1 吴昊 18 2018 25 8 2 李兴文 13 2018 19 7 3 祝捷 11 2018 16 6 4 李益朝 11 2017 23 8 5 彭小华 9 2018 16 6 6 唐永忠 8 2018 11 5 7 杨望暾 7 2010 15 0 8 党晨 6 2020 13 7 3. 研究热点与前沿
3.1 关键词共线
论文的关键词基本上是论文研究重点较为准确的高度概括。本文利用CiteSpace软件对检索出的有效文献进行可视化计量研究。文献以Refworks格式导入该软件。时间模块（Time Slicing）的范围选择1989～2023年，最小时间切片（Years Per Slice）设置为1年，Node Types选项设置成Keyword，生成的高频关键词共现图谱，此图谱表示不同文献中的共线频次和关联对应，并生成有166个节点，411条连线，整体密度为0.03的关键词共线知识图谱，表明各方向之间有着密切的联系（图5）。图中，节点代表着该研究领域的某一个关键词，节点越大，说明关键词出现的频率就越高，关注度也就越高（王娟等，2016）。中心性则能反映出关键词的核心程度，节点的相关性越大，中心性越高，一般来说中心性＞0.1的，则可以认为关键词在这个领域的影响力越大（李想等，2018）。
由于在检索文献时已经采用“陕北地区”“黄土高原”“丹霞地貌”“丹霞景观”“丹霞地质遗迹”等进行检索，故在对研究热点和重点进行深入分析的时候，首先去掉这些关键词。从关键词共线图谱可知，国内对于陕北黄土高原丹霞地貌的研究形成了较为紧密的网络结构，呈现出了以“丹霞红层”“沉积环境”“粒度组成”“景观特征”“地质公园”“恐龙足迹”等出现频率较大的关键词集群（表3），属于陕北黄土高原丹霞地貌研究的热点。
表 3 高频关键词频次及中心性Table 3. Frequency and centrality of high-frequency keywords序号 关键词 频次（次） 中心性 出现年份（年） 1 丹霞红层 23 0.01 2000 2 沉积环境 21 0.25 2018 3 粒度组成 20 0.07 2020 4 景观特征 16 0 2021 5 地质公园 12 0.12 2010 6 恐龙足迹 5 0.21 2018 热点词的出现体现了研究机构及学者的关注方向。“地质公园”作为该研究领域的热点词出现，主要是围绕陕西省唯一国家级丹霞地质公园——铜川市耀州区照金丹霞国家地质公园开发建设展开。该地质公园地处鄂尔多斯盆地西南缘，是一处典型的西北“方山”型丹霞地貌，以白垩纪宜君砾岩构成的壮年期和幼年期的丹霞地貌（杨望暾等，2017），这是2012～2016年主要的研究热点，研究学者以杨望暾等为主。
“沉积环境”“粒度组成”两个热点词往往相伴出现，体现出研究机构及学者探索研究陕北黄土高原丹霞地貌岩石的沉积成因，主要以岩石的微观层面进行定量研究，通过偏光显微镜、电子探针等技术手段（宋炎，2018），研究丹霞地貌沉积物岩相、岩性、粒度、结构以及磁化率、化学组成等特征，为陕北黄土高原丹霞的成景岩石及环境提供科学依据（王晓宁，2021；李东兴等，2019；石浩等，2022）。
“景观特征”作为研究区域的关键词，体现出丹霞地貌的地质遗迹景观特色和美学价值。吴昊、李益朝等提出延安地区丹霞地貌主要以“沟谷型”丹霞为主，按照其形态特征细分为“天井式”“狭缝式”“巷道式”“宽谷式”等类型。彭小华等提出延安丹霞地貌主要以负地貌“沟谷型”以及正地貌的“波浪型”、石崖（壁）、天生桥、石蘑菇等5种类型等地貌景观（彭小华等，2021）。潘志新等认为从区域性的群体地貌尺度来看，陕北地区丹霞地貌整体为高原－峡谷型景观；从单体地貌尺度来看，主要为沟谷−崖壁组合（潘志新2021）。丁华等提出陕北黄土高原丹霞地貌主要以狭缝型沟谷丹霞、波浪型丹霞、彩色丘陵为特色（丁华等，2023），并以甘泉雨岔大峡谷为例，系统研究了狭缝型沟谷丹霞以负地形的波浪谷（波浪状凹槽与凸起间或分布）为主，为具有国际对比研究价值的黄土覆盖型丹霞（丁华等，2023）。
“恐龙足迹”作为关键词主要与陕西省地质调查院和中国地质大学的唐永忠、邢立达等专家学者有关。2017年，在开展“神木市公格沟丹霞地质公园申报项目”野外调查中，发现了白垩系紫红色砒砂岩（距今约1.4亿a）存在多处恐龙足迹（唐永忠等，2020），这在鄂尔多斯盆地东北部首次发现，也是中国历史上首次发现（唐永忠等，2018，邢达立等，2021）。恐龙足迹化石从早、中侏罗纪到早白垩纪均有分布，对中国白垩纪沙漠相恐龙动物群的类型及分布研究、古气候等具有重要价值和意义（石浩等，2022）。
3.2 关键词聚类
对陕北黄土高原丹霞地貌的关键词进行聚类，是根据关键词之间的共线强度而进行再分类，将关联较为紧密的关键词聚成一类（图6），从而形成关注度较高的文献群。聚类模块值Q值等于0.652，大于0.3，可以判断聚类结果显著；聚落剪影度S值等于
0.9464，大于 0.7，可以证明该聚类是合理的。按照运算的规则，关键词组成了6个明显的聚类标签，聚类序号以#0开始，#5结束，分别为丹霞红层、景观特征、鄂尔多斯盆地西南缘、粒度组成、地质公园、形成机理以及其他。数字越小，则表示该聚类中包含的关键词数目越多。CiteSpace关键词时间线图（图7），侧重勾画聚类之间和单个聚类中文文献的时间跨度，从而呈现出该研究的热点和变化趋势，且提供模块数（Q值）和平均轮廓值（S值）两个指标作为评判图谱绘制效果的依据。一般认为Q＞0.3聚类结果显著，S＞0.5聚类为合理的，S＞0.7聚类结果令人信服。文中Q值为0.652，S值为
0.9464 可认为聚类结果显著与可信性，显示了前6个显著聚类，“#0丹霞红层”“#1景观特征”“#2鄂尔多斯盆地西南缘”“#3粒度组成”“#4地质公园”“#5形成机理”6个主题。基本与关键词聚类的结果相吻合。根据聚类数据显示（表4），一般类团中的数量＜10的类团，聚类程度较差。聚类Silhouette（聚类剪影）用来检测一个类团中的成员的紧密程度，一般＞0.7就说明他们的紧密程度良好，说明聚类是成功的（李杰等，2016）。
表 4 不同聚类研究内容与特点Table 4. Content and characteristics of different clustering studies聚类编号
（Cluster ID）聚类名称
（Cluster name）聚类个数
（Size）聚类剪影
（Silhouette）主要关键词
（Key words）#0 丹霞红层 38 0.988 丹霞红层；丹霞地貌；陕西省；景观特征；遥感解译 #1 景观特征 28 0.854 景观特征；陕西省；洛河组；保护利用；空间分布 #2 鄂尔多斯盆地西南缘 20 0.869 鄂尔多斯盆地西南缘；地貌特征；设计研究；
形成机制；红层沉积#3 粒度组成 18 0.971 粒度组成；元素；沉积环境；砂岩成因；古气候 #4 地质公园 13 0.95 地质公园；开发建设；综合评价；资源禀赋； #5 形成机理 11 0.983 丹霞类型；景观特征；发育演化；演化模式 以上结果表明，基于关键词聚类及关键词时间共线的研究热点，两者基本吻合，主要研究热点围绕丹霞红层、景观特征、鄂尔多斯盆地西南缘、地质公园、形成机理等研究上。
3.3 研究前沿
关键词突现是指在文献当中关键词短时间产生的较大的变化，分析关键词突现可以识别该领域中新兴研究的发展趋势。笔者利用CiteSpace软件进行Burstness（关键词突现）检测，最小持续时间设置为1年，“Year”表示对应节点出现的时间，“Strength”表示节点的突现强度，“Begin”和“End”表示节点开始和结束的时间；按照关键词的突现强度（Strength）和关键词突现时间（Begin）进行排序，获得了1989～2023时间段内22个突发关键词和他们所持续的时间（图8）。
在1989～2023年之间，突发关键词数量很多，且这22个关键词出现的时间范围都沿用至今。从突现强度来看，“陕西省”“地质公园”“洛河组”这3个关键词的突现强度最大，是这一领域的研究热点。从突现时间来看，国内研究主题的发展有明显的阶段性，但基本在2016年以后突现词变多。1989～2015年整体论文数量较少，主要还是停留在陕西省丹霞地貌的发现上，并开始探究地质公园的景观资源和评价，但整体的研究对象、内容上还是趋于单一化。2016～2023年，突现词增多，“陕北地区”成为关键词，标志着对该区域的重视程度。“红色砂岩”“沉积环境”“白垩纪”“洛河组”“岩石粒度”“发育机制”出现频次和强度增加，成为最近时期的研究前沿。
4. 未来研究方向
4.1 加强定量研究
从现有科研成果来看，陕北黄土高原地区丹霞地貌研究主要通过实地踏勘与测量、电子显微镜或偏光显微镜对岩石成分、结构、构造进行研究，通过无人机航摄测量、遥感解译、DEM高程分析等揭示地貌演化阶段（高海峰等，2019；吴昊等，2022；马爱华，2022），相比较东南地区、西南地区丹霞地貌研究，定量研究方法整体处于起步阶段，需扩大应用范围和深度。未来应加强区域构造应力演化过程和应力场、岩石力学性质（如抗压、抗酸和冻融实验）、岩石暴露年龄、岩石侵蚀速率、水动力机制等定量研究，并结合多学科进行丹霞地貌动态监测、植被特征、构建生物栖息地网络等研究方向，为黄土高原丹霞地质景观科学保护和合理利用的措施和对策提供科学依据和关键技术支撑。
4.2 深入揭示丹霞地貌形成机理
陕北黄土高原丹霞地貌为国内外罕见的黄土覆盖型丹霞，与广东仁化丹霞山等东南丹霞、赤水河古等西南地区丹霞不同，也不同于天水麦积山等西北丹霞，其演化模式和形成机理难以套用已有研究成果，上覆黄土覆盖层沟谷演化和侵蚀对于黄土高原丹霞地貌的控制和影响包括哪些方面？黄土高原白垩系丹霞地貌形成的主要营力和关键因素是什么？这些问题均需要通过科学手段去揭示规律和形成机制、构建模型。未来应以“格局−侵蚀−演化−机制”为研究主线，填补现有黄土高原丹霞地貌基础理论研究严重不足的空白，也是对现有丹霞地貌研究的补充和完善。
4.3 强化国内国际对比
陕北黄土高原丹霞地貌及景观是国内外罕见的地质遗迹奇观，例如甘泉雨岔大峡谷更被称为“中国的羚羊谷”“黄土地缝奇观”，兼具世界级科研价值和旅游价值。通过研究揭示黄土高原地区狭缝式丹霞地质景观的成景基础、控制构造、主导营力和影响因素，进而提出地质景观形成机制，可以为与美国羚羊谷等世界知名丹霞峡谷的国际对比研究提供范例。同时，对于国内国际的丹霞地貌的对比研究，还可以从红层的发育序列、构造环境、古地理环境、红层岩性和地貌发育等方面进行。
4.4 保护利用协同推进
在黄河流域生态保护和高质量发展新要求下，地质遗迹景观的科学保护和合理利用显得极为迫切和更为必要。陕北黄土高原丹霞地貌及景观主要发育区是生态环境脆弱区或敏感区，也是经济发展滞后区，保护好丹霞地貌及景观是发展的基础，是利用好丹霞地貌及景观科学处理地质遗迹景观保护与旅游发展的关系的关键。未来应基于保护与利用“双赢”目标，研究丹霞地貌及景观保护痛点难点、生态承载力、旅游目的地建设等方面，建立丹霞生态环境脆弱评价体系，依据评价的结果和数据，形成保护利用协同推进局面，促进区域和谐、有序发展。
5. 结论
（1）本研究全面梳理了1989～2023近35年研究成果，可以看出陕北黄土高原丹霞地貌研究历经了零散阶段、起步阶段、发展阶段3个阶段；但外文文献整体较少。
（2）区域上由西南边缘地区逐步转向中部地区、由零散研究或个案研究逐步向区域研究转变；研究早期以陕北黄土高原边缘的照金丹霞为主，近期以延安丹霞地貌、靖边龙洲丹霞地貌、甘泉雨岔大峡谷等为主。
（3）研究内容主要以“丹霞地貌分类”“景观特征”“沉积环境”“发育机制”等为热点。
（4）为进一步推动陕北黄土高原丹霞地貌的科学保护和合理开发利用，未来应注重加强定量研究、深入揭示丹霞地貌形成机理、强化国内国际对比、保护利用协同推进等方面。
-
![]()
图 2 GM（1，1）灰色模型流程图
Figure 2. Flowchart interpreting the procedures of GM (1,1) Grey Model setup
![]()
图 4 BP神经网络流程图
Figure 4. Flowchart showing the procedures of BP neural network establishment
![]()
图 5 2010～2020年降水量、开采量与地下水位平均埋深
Figure 5. Precipitation, groundwater abstraction, and average groundwater level depth from 2010 to 2020
![]()
图 6 不同年份降水量和地下水位月变化曲线
a. 2011年 （丰水年）；b. 2016年 （枯水年）
Figure 6. Monthly variation of precipitation and groundwater level in different years
表 1 2010～2020年西安市降水、开采和地下水位埋深情况表
Table 1 Precipitation, groundwater extraction, and groundwater level depth in Xi'an City from 2010 to 2020
年份 降水量（mm） 降水量变幅（mm） 开采量（亿m3） 地下水位埋深（m） 2010 819 33 6.24 15.15 2011 1002 216 6.01 14.42 2012 659 −127 6.23 15.05 2013 656 −130 6.37 15.48 2014 802 16 9.57 15.11 2015 779 −7 10.01 15.36 2016 656 −130 10.26 15.99 2017 823 37 10.26 15.57 2018 728 −58 10.37 15.56 2019 910 124 10.05 15.44 2020 809 23 9.49 15.23 
下载: 导出CSV
表 2 降雨量变幅、开采量变幅与地下水位埋深相关性分析表
Table 2 Correlation of rainfall, groundwater extraction, and mean groundwater level depth
变量 降雨量 开采量 地下水位埋深 降雨量 1 开采量 −0.176 1 地下水位埋深 −0.673* 0.843** 1
下载: 导出CSV
表 3 地下水开采量灰色预测模型检验
Table 3 Verification of groundwater extraction estimation using grey model
年份 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 光滑检验 0.96 0.51 0.34 0.38 0.29 0.23 0.18 0.15 0.13 0.11 误差检验 0.11 0.24 0.29 0.26 0.18 0.03 0.02 0 0.04 0.05
下载: 导出CSV
表 4 2025～2035年地下水开采量预测结果（亿m3）
Table 4 Prediction results of groundwater extraction from 2025 to 2035 (108 m3)
年份 2025 2026 2027 2028 2029 2030 2031 2032 2033 2034 2035 预测结果 5.71 5.62 5.53 5.45 5.36 5.28 5.21 5.12 5.04 4.96 4.89
下载: 导出CSV
表 5 BP网络模型预测精度
Table 5 Accuracy of BP network model prediction
年份 水位实测值（m） BP网络模型 预测值（m） 相对误差（%） 2010 15.15 14.7656 −1.903 2011 14.42 15.2047 −1.807 2012 15.05 15.1268 0.086 2013 15.48 15.1425 −1.443 2014 15.11 15.2049 −4.906 2015 15.36 14.7576 −5.196 2016 15.99 15.2013 −2.273 2017 15.57 14.7323 −4.558 2018 15.56 15.1060 −0.805 2019 15.44 15.0458 −2.553 2020 15.23 14.8329 −2.607
下载: 导出CSV
-
李培月, 李佳慧, 吴健华, 等. 黄土-古土壤互层对土壤水分运移及土体微结构的影响[J]. 水文地质工程地质, 2024, 51（3）: 1−11. LI Peiyue, LI Jiahui, WU Jianhua, et al. Effects of loess-paleosol interbedding on soil moisture transport and soil microstructure[J]. Hydrogeology & Engineering Geology,2024,51(3):1−11.
杨俊岩. 西安市平原区地下水位动态及监测网优化[D]. 西安: 长安大学, 2024. YANG Junyan. Groundwater Level Dynamics and Monitoring Network Optimization in the Plain Area of Xi'an City, China[D]. Xi’an: Chang’an University, 2024.
曾发琛. 西安市水资源供需平衡分析及优化配置研究[D]. 西安: 长安大学, 2008. ZENG Fachen. A Research on Supply-Requirement Analysis and Optimized Allocation of Water Resources in Xi’an City[D]. Xi’an: Chang’an University, 2008.
Du Xinqiang, Chang Kaiyang, Lu Xiangqin. Characteristics and causes of groundwater dynamic changes in Naoli River Plain, Northeast China[J]. Water Supply,2020,20:2603−2615. doi: 10.2166/ws.2020.157
Ferede M, Haile A T, Walker D, et al. Multi-method groundwater recharge estimation at Eshito micro-watershed, Rift Valley Basin in Ethiopia[J]. Hydrological Sciences Journal,2020,65:1596−1605. doi: 10.1080/02626667.2020.1762887
Hou M, Chen S, Chen X, et al. A Hybrid Coupled Model for Groundwater-Level Simulation and Prediction: A Case Study of Yancheng City in Eastern China[J]. Water,2023,15:1085. doi: 10.3390/w15061085
Hui P, Qu W, Tang J, et al. Traffic Indexes Prediction Based on Grey Prediction Model[C]. Sixth International Symposium on Computational Intelligence and Design, 2013: 244−247.
Kacimov A R. Dynamics of groundwater mounds: analytical solutions and integral characteristics[J]. Hydrological Sciences Journal,1997,42:329−342. doi: 10.1080/02626669709492032
Li H, Hou. Groundwater dynamic response mechanism and quantity vulnerability assessment under the influence of human activities[J]. Environmental Science and Pollution Research,2020,27:22046−22064. doi: 10.1007/s11356-020-08645-z
Li H, Ma C, Zhou W B, et al. Characterizing the Evolution of Groundwater Flow Field and Its Driving Forces in Xi’an, China[J]. Journal of Hydrologic Engineering,2018,23(8):05018017. doi: 10.1061/(ASCE)HE.1943-5584.0001668
Liu D, Hu Y, Li T, et al. Complexity Diagnosis of Regional Groundwater Resources System Based on Symbolic Dynamics[J]. Journal of Hydrologic Engineering,2016,21:05015011. doi: 10.1061/(ASCE)HE.1943-5584.0001252
Liu J, Gao Z, Wang M, et al. Study on the dynamic characteristics of groundwater in the valley plain of Lhasa City[J]. Environmental Earth Sciences,2018,77:646. doi: 10.1007/s12665-018-7833-4
Ma D, Bai H. Groundwater inflow prediction model of karst collapse pillar: a case study for mining-induced groundwater inrush risk[J]. Natural Hazards,2015,76:1319−1334. doi: 10.1007/s11069-014-1551-3
Mu E L, Yan L, Ding A Z, et al. Determination of controlled limit value of groundwater level depth and management practice in Xi’an, China[J]. Scientific Reports,2020,10:15505. doi: 10.1038/s41598-020-72523-4
Pai T Y, Wu R S, Chen C H, et al. Prediction of Groundwater Quality Using Seven Types of First-Order Univariate Grey Model in the Chishan Basin, Taiwan[J]. Water, Air & Soil Pollution, 2022, 233: 481.
Peng J B, Sun X H, Wang W, et al. Characteristics of land subsidence, earth fissures and related disaster chain effects with respect to urban hazards in Xi’an, China[J]. Environmental Earth Sciences,2016,75:1190. doi: 10.1007/s12665-016-5928-3
Pradhan A M S, Kim Y T, Shrestha S, et al. Application of deep neural network to capture groundwater potential zone in mountainous terrain, Nepal Himalaya[J]. Environmental Science and Pollution Research,2021,28:18501−18517. doi: 10.1007/s11356-020-10646-x
Qiao J, Zhu Y, Jia X, et al. Distributions of arsenic and other heavy metals, and health risk assessments for groundwater in the Guanzhong Plain region of China[J]. Environmental Research,2020,181:108957. doi: 10.1016/j.envres.2019.108957
Raimohan N, Al-futaisi A, Jamrah A. Evaluation of long-term groundwater level data in regular monitoring wells, Barka, Sultanate of Oman[J]. Hydrological Processes,2007,21(24):3367−3379.
Su Z, Wu J, He X, et al. Temporal Changes of Groundwater Quality within the Groundwater Depression Cone and Prediction of Confined Groundwater Salinity Using Grey Markov Model in Yinchuan Area of Northwest China[J]. Exposure and Health,2020,12:447−468. doi: 10.1007/s12403-020-00355-8
Wang Y Q, Wang Z F, Cheng W C. A review on land subsidence caused by groundwater withdrawal in Xi’an, China[J]. Bulletin of Engineering Geology and the Environment,2019,78:2851−2863. doi: 10.1007/s10064-018-1278-6
Wu J, Li Z, Zhu L, et al. Optimized BP neural network for Dissolved Oxygen prediction[J]. IFAC-PapersOnLine,2018,51:596−601.
Xie L. The Heat load Prediction Model based on BP Neural Network-markov Model[J]. Procedia Computer Science,2017,107:296−300. doi: 10.1016/j.procs.2017.03.108
Yang Y, Li P, Elumalai V, et al. Groundwater Quality Assessment Using EWQI With Updated Water Quality Classification Criteria: A Case Study in and Around Zhouzhi County, Guanzhong Basin (China)[J]. Exposure and Health,2023,15:825−840. doi: 10.1007/s12403-022-00526-9
Yao Y, Zhang M, Deng Y, et al. Evaluation of environmental engineering geology issues caused by rising groundwater levels in Xi'an, China[J]. Engineering Geology,2021,294:106350. doi: 10.1016/j.enggeo.2021.106350
Yu X, Ghasemizadeh R, Padilla I Y, et al. Patterns of temporal scaling of groundwater level fluctuation[J]. Journal of Hydrology,2016,536:485−495. doi: 10.1016/j.jhydrol.2016.03.018
Zeng B, Li C, Chen G, et al. Equivalency and unbiasedness of grey prediction models[J]. Journal of Systems Engineering and Electronics,2015,26:110−118. doi: 10.1109/JSEE.2015.00015
Zhang Q, Li P, Ren X, et al. A new real-time groundwater level forecasting strategy: Coupling hybrid data-driven models with remote sensing data[J]. Journal of Hydrology,2023,625:129962.
Zhou P, Wang G, Duan R. Impacts of long-term climate change on the groundwater flow dynamics in a regional groundwater system: Case modeling study in Alashan, China[J]. Journal of Hydrology, 2020, 590. 125557.
Zhou W, Chai J, Xu Z, et al. Historical evolution of urban water conservancy projects in Xi'an, China in the past 3, 000 years and its revelations[J]. Water Supply,2021,21:2173−2190. doi: 10.2166/ws.2021.043
Zhou Y, Wu J, Gao X, et al. Hydrochemical Background Levels and Threshold Values of Phreatic Groundwater in the Greater Xi’an Region, China: Spatiotemporal Distribution, Influencing Factors and Implication to Water Quality Management[J]. Exposure and Health,2023,15:757−771. doi: 10.1007/s12403-022-00521-0
Zhu C J, Hao Z C, Ju Q. A prediction of groundwater quality using grey system neural network united model[C]. Chinese Control and Decision Conference, 2009, 3216−3219.
计量
- 文章访问数: 87
- HTML全文浏览量: 12
- PDF下载量: 14
