arXiv cs.AI· Saleh Sakib Ahmed, Rashed Uz Zzaman, Saifur Rahman Jony, Faizur Rahman Himel, Afroza Sharmin, A. H. M. Khalequr Rahman, M. Sohel Rahman, Sara Nowreen·· 11 小时前AI 评分34
教师-学生框架重建孟加拉国地下水：时空可泛化模型揭示水位与补给同步下降
Unraveling Groundwater Stress: A Model Generalizable Across Space and Time Reveals Co-Declining Water Tables and Recharge Across Bangladesh
AI 导读
研究团队提出 Teacher-Student 框架，Teacher 从稀疏年度原位最深（R2 = 0.86）与最浅（R2 = 0.96）水位观测中学习并生成密集空间模式，Student 再借助位置特征将 25-km GLDAS 地下水储量数据迁移为 2-km 深度图，2003-2022 年 R2 = 0.93，留一年与留一区泛化 R2 分别为 0.93 和 0.70。
正文 · AI 翻译
摘要：孟加拉国是否正在补充其赖以生存的地下水？在孟加拉国乃至全球，回答这个问题仍然困难，因为稀疏的原位测量限制了观测能力，而现有的机器学习方法难以在时间和空间上泛化。为解决这一瓶颈，我们开发了一个教师-学生框架，其中教师从稀疏的年度原位最小（R2 = 0.86）和最大（R2 = 0.96）深度观测中准确学习，以生成密集的空间模式，学生则利用位置特定特征将这些模式从随时间变化的25公里GLDAS地下水储量迁移到高分辨率（2公里）深度图。学生在2003-2022年期间达到R2 = 0.93，并泛化到未见年份（留一年交叉验证R2 = 0.93）和地点（留一区交叉验证R2 = 0.70），从而无需同期原位测量即可实现重建。重建结果揭示了普遍的水位下降以及全国地下水补给量下降1.10毫米/年（p < 0.001）。经自相关校正的分析识别出孟加拉国55.6%的地区补给量下降具有统计学显著性，而显著上升的地区仅占4.9%。这种不平衡表明，如孟加拉水机假说所提出的抽水诱导补给增强仍然是局部的，而非在孟加拉国普遍存在。总之，这些发现揭示了地下水补给的普遍减弱，并为全球数据稀疏含水层的地下水动态监测提供了一个可扩展的框架。
| 学科： | 机器学习（cs.LG）；人工智能（cs.AI） |
| 引用为： | arXiv:2503.22771 [cs.LG] |
| （或此版本的 arXiv:2503.22771v2 [cs.LG]） | |
| https://doi.org/10.48550/arXiv.2503.22771 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：M. Sohel Rahman [查看电子邮件]
[v1]
2025年3月28日星期五 04:56:01 UTC（72,695 KB）
[v2]
2026年11月4日星期三 03:08:02 UTC（66,494 KB）
来源：arXiv cs.AI · arxiv.org