地下水是全球重要的淡水资源，承担着全球超过 25亿人口的饮用水供给和约 40%的农业灌溉用水需求，在维系居民生活、支撑社会经济发展以及保障生态系统平衡主面发挥着不可替代的基础性作用[1]。作为环境变化的敏感受体与信息载体，地下水的化学组成记录了不同时间尺度下自然演化过程与人为活动影响的综合信号。在自然状态下，地下水的水化学主要受控于水-岩相互作用过程，包括矿物的溶解与沉淀、吸附与解吸以及氧化还原反应等生物地球化学过程[2-3]。随着农业施肥、工业排放和城市化扩张等人类活动强度持续增加，地下水原有的地球化学循环过程受到显著的干扰，部分组分的浓度偏离天然背景水平(natural background levels，NBLs)，表现为异常富集或衰减特征，并引发区域性水质退化风险[4-5]。值得注意的是，在部分特定水文地质单元(如砷或氟富集含水层及强还原性沉积环境)中，高浓度组分主要受岩性或地球化学过程控制，即所谓“地质成因的天然劣质水”[6]。在全球工业化与人类活动持续增强的背景下，地下水污染问题日益突出[7-8]，如何有效地区分天然高背景与人为污染成为地下水环境管理的关键问题。
地下水背景值(groundwater background levels，GBLs)是识别污染程度、判定超标风险以及制定修复目标与环境质量标准的重要科学基准[7，9]，其核心意义在于，在特定水文地质单元与特定时间尺度约束下，界定地下水化学组分的天然浓度分布范围，从而实现对自然地球化学过程中形成的“高背景值”与人为输入导致的“污染异常”的定量区分[9-12]。基于可靠的 GBLs，不仅可以实现污染程度的客观评估与污染热点的识别，还可揭示污染形成机制，为区域水环境风险管控与地下水资源可持续利用提供科学依据。然而，由于人类活动已在全球范围内深度参与水循环过程，“绝对自然状态”的地下水背景值在当今“人类世”背景下已难以存在[13-15]。在相关研究中，常以早期历史数据或相对未受干扰区域作为替代参照，但此类“对照值”受数据完整性及区域水文地质差异性的影响较大[16-18]; 将水质标准作为背景替代值，可能忽略区域地球化学本底差异，难以区分天然劣质水与人为污染，导致评价结果的偏差甚至空间误判[10-11，19]。长期以来，GBLs的识别主要依赖统计分析方法(如迭代剔除法和箱形图法)与水文地球化学图解法等传统手段[8，12-13，20-22]，但这些方法均依赖特定假设条件，适用性受区域水文地球化学特征、人类活动强度及数据质量等因素的显著制约[8，18，23]。因此，不同的方法在同一数据集上可能得到显著不同的背景值结果，尚未形成统一且可迁移的标准化方法体系。近年来，机器学习方法(如随机森林和 XGBoost等)因其在高维非线性关系刻画方面的优势，逐步引入 GBLs研究中，在天然背景重构方面展现出一定的潜力。然而，此类方法仍然存在“黑箱”问题，其结果难以与水文地球化学机理直接对应，限制了其在环境管理与机制解释中的广泛应用。
因此，当前 GBLs研究的核心挑战在于如何在“人类世”背景下构建一个能够区分人为贡献与自然贡献、适应不同水文地质条件并兼顾机理解释能力的动态背景值评估框架。该问题的解决不仅关系到污染评价的科学性，也直接影响地下水环境管理策略的合理性与有效性。本文通过系统地梳理 GBLs研究的发展脉络与方法演进，总结其概念内涵与理论发展，对主流评估方法(经验方法、统计方法、预筛选方法、数据驱动方法及集成方法)进行系统的归纳与对比，并探讨未来方法融合与机理耦合的发展方向，以期为地下水背景值研究提供系统性的理论支撑与方法学参考。
1 地下水背景值评估方法的研究现状
1.1 国内研究现状
中国对地下水背景值评估的系统性研究始于20世纪 80年代初，并在国家科技攻关项目推动下逐步形成体系化的研究框架。“七五”期间(1986—1990年)实施的国家重点科技项目《长江中下游重点地区地下水环境背景值调查研究》具有标志性意义[14]。该项目将研究区划分为江汉平原东部、鄱阳湖平原及长江三角洲南部 3个典型单元，系统地开展地下水化学组分天然含量调查，揭示背景值的区域分异特征及其受地质条件与水文地质过程的控制机制[15]，为我国环境背景值研究方法体系的建立奠定了基础。
20世纪 90年代初，在原地质矿产部组织开展的地下水环境背景值调查研究工作的推动下，“地下水环境背景值”概念逐渐形成，并应用于我国地下水环境评价领域[18-19]，吉林、江西和北京等地区相继开展地下水环境背景值研究[18-19，24-25]。但是，这一阶段对背景值的认识仍然不统一，主要体现在“未受人类活动影响”的判定标准不清，以及背景值是“单一值”还是“区间范围”的方法学分歧[15]。为解决概念模糊问题，沈照理等[26] 1993年提出用“对照值”替代传统背景值的方法，强调其为与特定时空条件相关的相对参照体系。然而，该方法在实际应用中受制于两方面因素，一是缺乏连续、可靠的历史水化学数据，二是水文地质条件高度非均质，使得“近似未受干扰区域”的识别存在较大的不确定性，从而限制了其应用和推广。
2007年，原国家环境保护部在《环境保护标准(地下水环境)》中首次对地下水环境背景值做出规范性定义，将其界定为“未受人类活动影响的情况下，地下水所含化学成分的浓度值”[27]。《环境影响评价技术导则 地下水环境》(HJ 610—2011)进一步简化表述，明确其为“自然条件下地下水中各个化学组分在未受污染情况下的含量”[23]。然而，在快速城市化与工业化背景下，“零人为影响”条件在现实中已难以实现[28]，使得理想化定义与工程实践之间逐渐脱节。在实际污染评价中，由于真实背景值难以获取，研究人员与管理部门常以《地下水质量标准》(GB/T 14848)中的Ⅲ类水限值作为替代参照[29-30]。但是，该类标准主要基于健康风险阈值设定，并非基于区域自然地球化学背景建立[31]，因此在复杂地质环境中可能导致污染程度低估或高估，影响评价结果的客观性。
针对上述问题，国内近年来的研究逐步转向概念拓展与方法创新。曾颖[32]和廖磊等[33]提出“现状背景值”与“视背景值”概念，强调在现代人类活动普遍存在的背景下，地下水的化学组分反映的是自然过程与“正常人类活动”共同作用的综合结果。其中，“视背景值”用于表征叠加状态下各组分的特征含量、变化范围及比例关系，同时着重识别和剔除导致水化学特征发生显著异常偏离的“非正常”高强度人类活动的影响，实现背景水平的近似恢复，为人类活动影响区的背景值识别提供更具现实意义的理论框架。
与此同时，国家和地方层面也积极开展实践探索。2021年，苏州市开展全国首个市级土壤与地下水背景值调查项目，由生态环境部南京环境科学研究所实施。该研究覆盖 12种土壤重金属及 23项地下水指标，并结合水文地质分区与水化学特征构建背景值空间分布体系，为区域尺度背景值评价提供重要数据支撑。2023年，生态环境部发布《地下水环境背景值统计表征技术指南(试行)》[34]，对地下水环境背景值的概念进行修订，明确其为“在一定时间范围内，不受人类活动影响或受人类活动影响较小的地下水天然化学组分和综合指标含量”，并强调三点关键认识: 1) 异常数据剔除是背景值识别的核心步骤; 2) 背景值的本质为统计意义上的分布范围而非单一数值; 3) 背景值具有显著的时空变异性，通常需以分位数区间表达[9]。在此基础上，2024年 12月，济宁市发布地方标准《地下水环境背景值》(DB3708/T 61—2024)[35]，并于 2025年 1月实施，首次在市级尺度上构建分区化背景值体系，将全市划分为 7个水文地质单元与 36个统计分区，并给出 23项指标的 5%～95%分位数背景区间，为地方地下水环境管理与风险管控提供操作依据。
国内地下水背景值评估方法发展的主要历程如表1所示。总体来看，我国地下水背景值研究已由早期概念探索阶段，逐步发展为以“区域分区识别-统计区间表达-多方法综合判定”为特征的体系化阶段，并正在向区域差异性与人类活动耦合背景下的动态背景值评估方向演进。
表1 中国地下水背景值评估方法的发展历程
Table 1 Evolution of GBLs assessment methods in China
时间 关键进展 方法或概念演变 研究者或机构1986—1990 年 长江中下游重点区域地下水环境背景值调查研究系统地开展区域地下水化学背景调查，建立早期“环境背景值”研究框架 国家科技攻关项目[14]1990 年代初 提出“地下水环境背景值”概念 形成初步概念，开始用于区域水化学特征描述 原地质矿产部[18]1993 年 提出采用对照值作为判别标准 评价区域内历史记录最早或受人类影响较小的地下水化学特征，作为背景值判定的参照 沈照理等[26]2007 年 发布《环境保护标准(地下水环境)》明确背景值为未受人类活动影响下的化学成分浓度，反映天然状态特性 原环境保护部[27]2011 年 发布《环境影响评价技术导则 地下水环境》(HJ 610—2011)将概念进一步规范为“自然条件下未受污染情况下各组分的含量”原环境保护部[23]2015—2018 年 提出“地下水现状背景值”与“视背景值”概念2023 年 发布《地下水环境背景值统计表征技术指南(试行)》认识到自然背景与正常人类活动可能叠加; 表征此状态下的组分特征含量、范围或比例; 识别并剔除受异常人类活动影响数据明确 GBLs 是指一定时间和空间范围内，不受人类活动影响或受人类活动影响较小条件下地下水化学组分和综合指标的含量; 强调动态范围，剔除人为异常数据是关键曾颖[32]和廖磊等[33]生态环境部[34]2024 年 发布地方标准《地下水环境背景值》(DB3708/T 61—2024)济宁市基于水文地质分区和5%～95%分位数法，建立区域背景值体系 济宁市生态环境局[35]
1.2 国际研究现状
国际上地下水背景值评估的理念最早可追溯至地球化学勘探领域，其核心思想源于对元素自然背景浓度与异常富集特征的区分，即通过识别天然背景水平与异常偏离值，为环境介质背景值评价方法的发展提供理论基础[36]。1960年，Clebsch等[37]在针对美国内华达州核试验场的研究中，将天然放射性组分水平作为污染识别的重要参照，开展地下水背景水平的初步定量评价，推动了地下水背景值概念的形成。
20世纪 60—70年代，背景值研究逐步由理论探索转向污染场地评价的应用，并在小流域及场地尺度快速扩展。Preul[38]基于美国明尼苏达州 10个污水塘周边的地下水数据，对污染影响下的背景水平进行识别分析; Sweet等[39]针对美国俄勒冈州木材废料处置场周边地下水中 Fe和 Mn等组分开展污染识别研究。Viraraghavan等[40]引入“对照区”思想，通过比较化粪池影响区与未受污染区域地下水中水化学特征，将非污染区组分含量作为污染评价的背景参照水平。这一阶段的研究推动了地下水背景水平在污染场地识别与环境评价中的应用，逐步形成基于背景对照的污染判别思想。
20世纪 80年代，地下水背景值的研究尺度由场地扩展至区域乃至国家层面，开始呈现系统化和定量化的特征。Ledin等[41]基于瑞典 126个观测站数据，系统地分析 Cr，Cu，Zn，Cd和 Pb等重金属的背景分布特征。Eckel等[42]对美国地表水与地下水中 24种溶解态金属的背景水平进行综合评估，探索区域尺度水环境背景水平的确定方法。Allard等[43]则聚焦于基岩区地下水重金属背景特征及其地球化学控制机制。这一阶段的研究为区域及国家尺度地下水环境基准的建立提供了重要的基础数据与方法支撑。
20世纪 90年代是背景值研究逐步规范化的重要阶段。1993年，国际地质对比计划(IGCP) 360项目引入“地球化学基线(Geochemical Baseline)”概念，用来表征特定时间点和某一区域元素的自然基准状态[44]。更具标志性的是，欧盟在《水框架指令》(Water Framework Directive，2000/60/EC)中将地下水保护纳入统一水环境管理体系，其子指令《地下水指令》(Groundwater Directive，2006/118/EC)[7]对自然背景水平(NBLs)做出明确的定义，即地下水中某组分的浓度对应“未受干扰或仅受极轻微人为影响条件下”的状态[45-47]。该定义在一定程度上承认“人类世”背景下“完全未受干扰状态”难以实现，更强调低扰动条件下的近自然基准。与此同时，欧盟进一步推动 NBLs在水资源管理中的制度化应用，要求成员国基于背景水平确定阈值(threshold values，TVs)[48]，用于地下水化学状态评价以及污染趋势识别[49-50]。该制度体系的建立，标志着地下水背景值研究从科学概念逐步转向环境管理工具。
进入 21世纪以来，国际研究进入快速发展阶段，研究重点由概念界定转向形成机制解析与方法体系优化。Edmunds等[51]在《Natural Groundwater Quality》一书中系统地阐述了地下水背景值理论，将其界定为“在未受人类活动干扰条件下，水体中元素、同位素或化学组分浓度的自然变化范围，其来源完全归因于地质、生物和大气等自然过程”。基于全球 12个国家 25个含水层的研究数据，该著作系统地总结了背景值的形成机制、时空变异特征及监测方法，强化其在地下水资源评价与环境管理中的基础地位。研究者普遍认为，地下水背景值受多种水文地球化学过程的共同控制，包括大气降水补给、水-岩相互作用(溶解-沉淀、吸附-解吸及阳离子交换等)、氧化还原及生物地球化学过程、不同水体混合作用(如海水入侵)以及地下水停留时间等因素[49-52]。随着研究的深入，背景值评价逐步由单一浓度的统计分析转向基于过程约束的综合评估。在方法体系方面，欧盟持续更新相关技术指南(如 2014/80/EU)，强调背景值评估需充分考虑地下水动力条件及化学组分在空间与时间尺度上的非均质性与变异性[53-55]。同时，土耳其和意大利等国家相继发布背景值评估技术规范与指南[56-57]，推动区域化方法体系的形成。在此过程中，多方法联合评价逐渐成为主流技术路线，预筛选方法与统计分析方法的耦合应用不断增强，并逐步扩展至城市化区、农业区及复杂水文地质单元等典型人类活动影响区。
国际地下水背景值评估方法发展的主要历程如表2所示。总体而言，相关研究已由早期场地背景水平识别，向区域水文地球化学基线评价，再到建立背景值数据库与指南，发展为以“水文地球化学过程约束-统计分布特征解析-多方法组合评价”为核心的系统方法体系，并在水资源保护与环境风险管理中形成较为成熟的理论与实践基础。
表2 国际地下水背景值评估方法发展的核心历程
Table 2 Evolution of GBLs assessment methods internationally
时间 关键进展 方法或概念演变 研究者或机构1960 年 背景值概念首次应用于环境调查 在美国核试验场建立放射性指标背景值评估方法 Clebsch 等[37]20 世纪 60—70 年代场地尺度地下水污染评价中背景值确定方法逐步发展背景值“对照区法”形成雏形，用于污水塘、废弃场地和化粪池等污染场地的地下水污染识别 Preul[38]，Sweet 等[39]，Viraraghavan 等[40]20 世纪 80 年代 区域至国家尺度背景值的系统研究 推动建立重金属及溶解性组分背景数据库 Ledin 等[41]，Eckel 等[42]，Allard 等[43]1993 年 引入“地球化学基线”概念 将背景值定义为特定时间点区域元素自然基准状态，承认人类活动可能已改变原始背景 IGCP 360 项目[44]1995 年 EPA 背景值管理规范化 明确背景值用于污染场地风险判别与基准参考 US EPA[52]2000 和 2006 年 欧盟 WFD 与 GWD 体系确立NBLs 标准化定义NBLs，用于阈值制定与水体状态评估 European Union[54-55]2008 年 理论体系系统化 明确自然来源控制机制(水-岩作用和停留时间等) Edmunds 等[51]2012 年 建立国家级技术指南 将背景值纳入地下水可持续管理体系 土耳其环境部[57]2014 年 修订欧盟技术规范 强调时空变异性与水动力条件影响 European Union[53]2017 年 意大利NBLs 方法标准化 引入分布检验与分位数选择策略 ISPRA (意大利)[56]2020s 至今 多方法组合应用成为主流 单一方法局限性显著，形成预筛选-数理统计-图谱-机器学习等综合评估方法 Preziosi 等[22]和 Griffioen 等[58]
2 地下水背景值评估方法的分类
依据地下水背景值评估原理及数据利用方式，地下水背景值评估方法可归纳为 5类，即经验评价方法、统计分析方法、预筛选方法、数据驱动方法和集成评估方法。5类方法分别对应现场经验判别、统计异常识别、人为干扰筛除、数据驱动预测及多源信息融合等不同的技术路线，反映地下水背景值评估由经验判断向机理解析、由单一方法向多方法融合的发展趋势。
2.1 经验评价方法
经验评价方法是地下水背景值研究中最早采用的方法，主要包括平均值法、趋势面分析法、类比法、剖面图法和历时曲线法等(表3)。这类方法多建立在地下水未受或仅受轻微人为活动影响的假设基础上，通过现场调查、空间分布或历史监测资料确定背景值。随着人类活动对地下水环境的影响不断增强，以“未污染区-污染区”为基础的二元划分已难以满足复杂环境条件下地下水背景值评估的需要。根据人类活动影响程度，可将研究区域划分为自然环境主导区、人类-自然耦合区和人类活动主导区 3个类型。其中，自然环境主导区主要受自然水文地球化学过程控制，人类活动影响较弱; 人类-自然耦合区同时受到自然过程和人为活动的共同影响; 人类活动主导区以人为扰动为主要控制因素。在不同类型的区域，各类经验评价方法的适用条件和评价效果存在明显的差异，因此需结合区域水文地质条件，合理地选择评估方法。
表3 经验评价方法的分类及适用性
Table 3 Classification and applicability of empirical methods
经验评价方法 适用情景 优势 局限性 优化方向平均值法[59-60] 自然环境主导区，且人为扰动较弱的区域 方法简单，计算方便 忽略空间异质性，易高估受面源污染影响组分的背景值优先选择自然背景保持较好的区域，并结合预筛选方法，剔除受人为影响的样本趋势面分析法[59]样点密度较高、背景值具有空间连续性的区域结合预筛选方法去除异常样本，并开展分区趋势面拟合类比法[61] 水文地质条件相似且存在可比较的对照区能够反映背景值的空间分布特征及变化趋势人类活动干扰较强时拟合误差增大，对采样密度要求较高调查成本较低，适用于资料相对缺乏地区满足地质相似性的对照区难以获取，结果受经验判断的影响较大结合稳定同位素指标和水文地球化学方法，验证区域可比性剖面图法[59，62]点源污染影响明显、污染迁移路径清晰的区域结合百分位数统计或地统计分析方法，优化背景值的边界判定历时曲线法[59，61] 具有长期监测历史数据的区域能够直观地识别背景值与污染梯度不适用于面源污染区域，剖面布设工作量较大能识别背景值的长期演化特征及污染突变过程对历史监测资料的完整性和一致性要求较高，早期数据存在检测误差建立历史数据校正体系，统一不同阶段检测方法和检出限
平均值法指基于研究区地下水样品中特定组分的算术平均值直接确定背景值[59]。该方法仅适用于自然环境主导区(如深层承压含水层或偏远山区)，直接取算术平均值的操作虽然简便，但会忽略元素空间分异性和地质非均质性。例如在珠江三角洲农业区，该方法将硝酸盐背景值高估为 53.5～86 mg/L，实际背景值仅为 10.8～33.7 mg/L，故需严格规避人类活动影响区[11]。
趋势面分析法是依据一系列样品绘制的多幅图表，针对元素或组分开展趋势分析，据此识别出背景值的空间分带特征[59]。在自然环境主导区，可有效地表征背景值的时空演变，但实施时需增加预筛选步骤: 先通过氧化容量法或 Cl/Br比阈值剔除人为污染样本，再构建多期次趋势面[31]。该方法对数据密度要求苛刻，在人类活动主导区(如华北平原城市群)因拟合误差增大而可靠性显著降低。
类比法的核心在于选择满足“三相似”原则的对照区: 岩性及含水层结构、补径排条件、土地利用类型均需高度一致[61]。全球案例显示仅 30%区域能满足地质相似性假设，且较强的主观性导致可靠性存疑[59，61]。改进方向是用 δ15N-NO3-和 δ34S-SO42-等稳定同位素指标验证水文地球化学过程的一致性。
剖面图法是沿污染扩散路径布设剖面，通过元素含量-位置关系图的外包线确定背景值域[59]。该方法适用于人类活动主导区，尤其是点源污染区(如垃圾填埋场下游)。需注意的是，在农田面源污染区因其扩散弥散特性而失效[25]。该方法直观清晰，但需要布设穿过污染源的取样剖面，相对费时，因此应用范围受到限制。
历时曲线法依赖长期监测数据(如欧美国家需要 1950年前的数据，中国需要 1980年前的数据)，通过分析历史数据来反演自然背景，通过水质跃变点识别背景值阶段[61]。通常情况下，地下水中某一或某些组分发生阶段性变化的拐点是地下水遭受外界影响的关键节点，在区分自然地质释放(如矿物缓慢溶解)与突发性污染(如渗漏事故)方面具有独特的优势，可捕捉突发性污染事件[59，61]。但是，早期数据存在两大不足之处: 检测组分有限，尤其缺失有机物; 未校正分析技术误差[63]。因此，该方法在地下水背景值研究中的应用相对较少。
2.2 统计分析方法
统计分析方法以数理统计理论为基础，通过识别和剔除异常样本，确定地下水化学组分在自然状态或人为活动轻微影响条件下的背景值。该方法具有计算简便、适用范围广等优点，是目前地下水背景值评估中应用最广泛的方法[28]。根据数据分布特征，可分为参数统计方法和非参数统计方法两类(表4)。前者要求数据满足特定的分布假设，后者则不受数据分布形式限制。然而，该类方法主要依据统计特征识别异常值，通常不考虑地下水化学组分之间的内在联系及水文地球化学过程，难以有效地区分天然高背景与人为污染。
表4 统计分析方法的分类及适用性
Table 4 Classification and applicability of statistics methods
统计分析方法 适用情景 优势 局限性 优化方向参数统计方法Grubbs 检验法[64-65] 小样本(n≤100)且近似正态分布迭代标准差法[61-62] 单峰分布且数据离散性较小计算简单，异常值识别效率较高方法稳定，适用于均匀分布数据对数据分布敏感，参数设置具有一定的主观性多峰分布或污染样本较多时易发生过度迭代结合预筛选方法去除污染样本，并进行数据变换，改善分布特征结合水文地球化学分区处理，并合理地控制迭代次数非参数统计方法Tukey 箱形图法[66] 异常值比例较低(<10%)联合预筛选方法，并根据区域特征调整异常值判定范围中位值绝对偏差法[66] 偏态分布且异常值比例较高(<25%)无需假定数据分布形式，结果直观面源污染区易高估背景值，高背景组分识别能力不足扩充样本数量，并结合置信区间提高估计精度CP 图/ECDF 图[67-68] 大 样 本数 据 集(n>200)鲁棒性强，对异常值不敏感小样本条件下稳定性较差，背景值偏保守能够识别背景群体与异常群体的分布特征拐点判定具有经验性，对样本量的依赖性较大引入客观拐点识别算法，并结合多元统计或机器学习进行判定
2.2.1 参数统计方法
参数统计方法以样本服从特定概率分布为前提，主要包括 Grubbs检验法和迭代标准差法(Mean± 2SD)等。当数据偏离预设分布时，方法的适用性和计算结果均会受到影响。
Grubbs检验法基于正态分布假设，通过设定显著性水平(通常 α=0.05)识别异常值，适用于样本量较小(n≤100)且符合正态分布的数据[64-65]。该方法计算简便，效率较高，在单峰正态分布数据中能快速识别离群值，因此广泛应用于地下水背景值的初步筛选，但结果受显著性水平影响较大，不同的 α值可能导致异常值识别结果的差异。同时，对于偏态或非正态分布数据，其异常值识别能力明显下降。例如，珠江三角洲地下水中砷浓度呈对数正态分布，采用 Grubbs检验时存在误剔率[65]。
迭代标准差法通过反复剔除超出均值±2倍标准差范围的样本，不断更新统计参数，直至结果趋于稳定，依此确定背景值范围[61]。该方法计算过程简单，在单峰且分布较均一的数据中具有较好的稳定性，适用于背景值的初步估算。然而，对于多峰分布或受多种因素共同控制的数据，其适用性受到限制，连续迭代还可能过度压缩背景值范围，从而低估天然背景水平[62]。
2.2.2 非参数统计方法
非参数统计方法不依赖数据分布假设，适用于地下水化学组分分布复杂或难以满足正态分布条件的数据，包括 Tukey箱形图法、中位值绝对偏差法(Median ± 2MAD)、累积概率图(CP图)和经验累积分布函数图(ECDF图)等。
Tukey箱形图法以四分位距(IQR)为基础，将超出[Q25 - 1.5×IQR，Q75+1.5×IQR]范围的数据识别为异常值[64]。该方法计算简单，结果呈现方式直观，能够较好地反映数据离散特征，广泛应用于地下水背景值的初步识别[69]。但是，其适用性受异常值比例的影响较大，当异常值比例较低时识别效果较好;随着污染样本比例增加，箱体范围易受异常值影响，导致背景值上限偏高。当异常值比例低于 15%时，箱形图法能较可靠地确定背景浓度[66]。在农业面源污染区，异常值比例通常超过 15%，珠江三角洲地下水硝酸盐背景值曾被高估至 53.5～86.0 mg/L，而实际背景值仅为 10.8～33.7 mg/L[11]。
中位值绝对偏差法(Median ± 2 MAD)以中位数代替均值，用绝对偏差中位数(MAD)代替标准差，通过稳健的统计量识别异常值。该方法对偏态分布及少量异常值具有较强的抗干扰能力，适用于地下水化学数据偏态分布较为明显的区域。该方法的不足之处在于背景值的估计相对保守，当异常值比例较高时，容易低估天然背景值。Reimann等[66]的研究表明，该方法可容忍约 25%的异常值，但在内陆盆地地下水中，氟的背景值仍存在约 12%的低估。
累积概率图(CP图)以及经验累积分布函数图(ECDF图)均通过识别累积分布曲线拐点，将背景样本与异常样本进行划分。两种方法能够直观地反映总体分布特征，对复杂分布数据具有较好的适用性。其中，CP图通过压缩数据尺度来增强对拐点的识别能力[10]，ECDF图则完整地保留原始数据分布信息[66]。两种方法均依赖人工判定曲线拐点，主观性较强，不同的研究者可能得到不同的背景值范围。例如，在对珠江三角洲地下水的研究中，不同的操作者确定的硝酸盐阈值相差 18.3 mg/L[11]。
总体来看，非参数统计方法可以突破参数统计方法对数据分布的限制，在复杂水文地球化学条件下具有更好的适用性。然而，这类方法主要依据统计特征识别异常值，缺乏对地下水形成过程和污染来源的约束。因此，实际应用中通常与预筛选方法、水化学分析、多元统计或空间分析等方法联合使用，以便提高背景值识别的可靠性[2，66-67]。
2.3 预筛选方法
预筛选方法通过污染指示指标、水文地球化学特征或地下水年龄等信息识别人为干扰样本，筛选出接近自然状态的数据集，用于地下水景值计算[46，48，58，70]。与统计分析方法相比，该类方法能够在背景值计算前降低人为活动的干扰，是目前地下水背景值评估中应用广泛的方法之一。按照方法原理，可分为同位素法、氧化容量法和污染指示指标法(表5)。
表5 预筛选方法的分类及适用性
Table 5 Classification and applicability of pre-screening methods
预筛选方法 适用情景 优势 局限性 优化方向同位素法[58，71] 具有地下水年龄信息的浅层含水层及区域调查客观地反映补给年代，能够有效地识别现代补给水年龄与污染程度并非完全对应; 测试成本较高结合土地利用、水文地球化学及地下水流场分析进行综合判别氧化容量法[58，72] 氧化-弱还原环境及区域尺度的背景值评价结合稳定同位素示踪，并依据区域背景进行阈值校正污染指示指标法[22] 区域地下水调查及背景值的初步筛选计算简便，适合大样本区域的快速筛选强还原环境的适用性差;阈值具有区域差异操作简单，应用广泛，适用于多类型污染评价阈值缺乏统一的标准; 天然高背景区易产生误判建立区域化动态阈值体系，并结合多指标进行判别
同位素法利用 3H，85Kr和 14C等环境同位素划分地下水年龄，剔除现代补给的年轻地下水，以便保留受人为活动影响较小的地下水样本，用于背景值计算[58，71]。该方法具有较好的客观性，可直接反映地下水的补给年代，在人为活动影响显著地区具有较高的识别能力[58]。其局限性在于，地下水年龄与污染程度并非完全对应，在山区或生态保护区，年轻地下水可能保持天然状态; 同时，长期水-岩作用可能改变年老地下水的化学组成，使其难以代表现代地下水的背景值。此外，同位素测试成本较高，也限制了该方法在大样本调查中的应用。
氧化容量法(oxidation capacity，OC)用地下水中NO3-和 SO42-浓度构建氧化容量指标(OC=7[SO42-]+5[NO3-])，通过设定阈值，识别人为干扰样本，保留剩余样本，计算背景值[58，72]。这种方法充分利用地下水氧化还原环境对污染物迁移转化的响应特征，计算简便，适用于大样本的数据处理，已经成为国际地下水背景值研究中应用较多的预筛选方法之一[48，58，70，73]。该方法的适用性受区域水文地球化学条件的影响较大，在氧化环境或弱还原环境中识别效果较好，但在强还原环境中，反硝化和硫酸盐还原作用会削弱 NO3-和 SO42-的指示能力。此外，氧化容量阈值具有明显的区域差异，实际应用中需要结合区域降水化学组成或水文地球化学特征进行校正。例如，原始阈值 2 meq/L基于 1945年前的降水化学组成设定[58]，在珠江三角洲地区，依据大气降水中氮、硫含量，将阈值校正至 3 meq/L[11-12]。
污染指示指标法依据污染指示组分是否超过预设阈值来判断地下水是否受到人为活动影响，常用指 标 包 括 NO3-，Cl-，NH4+以 及 痕 量 有 机 污 染 物等[22]。近年来，Cl/Br质量比等示踪指标也用于区分生活污水和海水入侵等不同的污染来源，进一步提高了样本筛选的针对性[2，8，13]。该方法原理简单，实施方便，对监测数据要求较低，适用于区域尺度的地下水背景值评价，得到广泛应用[21，70]。主要不足之处在于，不同国家或地区采用的判别阈值存在较大的差异，可能导致背景值计算结果不一致; 对于天然高背景区域，单一污染指标也容易产生误判。因此，实际应用中通常结合氧化还原环境分区、水化学特征或其他示踪指标，对污染阈值进行区域化修正，提高预筛选结果的可靠性。
2.4 数据驱动方法
数据驱动方法以机器学习等算法为核心，通过建立环境因子与地下水化学特征之间的非线性关系，实现地下水背景值的预测与异常样本识别[74]。与传统统计方法主要依据监测数据识别异常值不同，该类方法综合土地利用、污染源分布、地下水埋深以及水力条件等多源环境信息，从成因角度模拟地下水化学组分的形成过程，为地下水背景值评估提供新的技术路径[28]，目前常用算法包括逻辑回归(LR)、支持向量机(SVM)、随机森林(RF)、人工神经网络(ANN)及深度学习(PL)等。
数据驱动方法能够充分挖掘地下水化学组分与环境因子之间复杂的非线性关系，在处理高维、多源和非线性数据方面具有明显的优势[75]。随机森林等集成学习算法广泛应用于地下水背景值的研究，可综合蒸发量、降雨量、地下水埋深、水力坡度及含水层渗透系数等多种控制因素，建立地下水化学组分的预测模型。例如，在针对沙颍河流域地下水的研究中，随机森林模型可以有效地揭示天然因素对 TDS的控制作用，提高异常样本识别的准确性，并降低传统水化学判别方法的误判风险[74，76]。此外，相较于传统统计方法仅识别高值异常，机器学习模型还能够识别因稀释作用或还原作用影响而形成的低值异常，为背景值范围的确定提供更加全面的依据[76-77]。
数据驱动方法的应用面临一定的局限性。首先，部分机器学习模型可解释性较弱，难以直接揭示地下水化学演化及水-岩相互作用过程，预测结果需结合水文地球化学分析进行验证。其次，该类方法对样本数量和数据质量的依赖度较高，在小样本或环境变量缺失条件下容易出现过拟合，影响模型的泛化能力。此外，不同地区的水文地质条件差异较大，模型跨区域迁移能力有待提高。Voutchkova等[78]基于监督学习方法构建人为影响井识别模型，在丹麦地区痕量金属背景值评价中取得较好的效果，但模型迁移至复杂地质区后精度明显下降，表明数据驱动方法具有较强的区域依赖性。
2.5 集成评估方法
随着地下水背景值评估对象和应用场景日趋复杂，单一方法难以兼顾人为干扰识别、水文地球化学过程解析和背景值定量计算等多方面的需求。近年来，不同方法的组合应用成为地下水背景值研究的重要发展方向。集成评估方法通过不同方法的优势互补，在提高异常样本识别能力的同时，增强了背景值计算结果的稳定性和可靠性。目前常见的集成模式包括预筛选-统计方法集成、图谱分析-统计方法集成以及数据驱动-传统方法集成(表6)。
表6 集成评估方法的分类及适用性
Table 6 Classification and applicability of integrated assessment methods
集成方法 适用情景 优势 局限性 优化方向预筛选-统计方法集成图谱分析-统计方法集成数据驱动-传统方法集成人类活动影响明显的大样本区域调查，尤其适用于平原含水层及区域地下水背景值的评估水化学成因复杂、存在天然高背景或多源混合影响的地下水系统多源环境数据丰富、变量维数较高且存在复杂非线性关系的区域流程清晰，计算简便，可逐步剔除人为干扰样本，提高统计结果的稳定性能够兼顾水化学演化规律与统计异常识别，提高天然高背景与人为污染的区分能力可融合多源环境变量，适应高维非线性数据，提高背景值预测精度，并定量地解析天然因素与人为因素的相对贡献氧化容量法在强还原环境中适用性较差; 污染指示指标阈值具有区域差异，预筛选结果对后续统计分析结果的影响较大图谱解释具有一定的经验依赖性，低 Br-地区 Cl-/Br-图适用性受限，对区域水文地球化学背景要求较高对样本规模和数据质量依赖性较高，模型可解释性及跨区域迁移能力仍有限，存在一定的“黑箱”特征结合 δ34S-SO42-、δ15N-NO3-和 δ18OH2O 等同位素示踪验证污染来源，并依据区域水文地球化学特征建立动态阈值体系引入 87Sr/86Sr 等同位素示踪技术，并结合水文地质分区和多元统计分析，提高复杂地区的适用性融合水文地球化学机理约束，构建物理机制驱动的数据模型; 发展轻量化、高可解释性的集成算法，并结合迁移学习提高模型的泛化能力
2.5.1 预筛选-统计方法集成
预筛选-统计方法集成首先利用污染指示指标、氧化容量或地下水年龄等信息剔除受人为活动影响较大的样本，再通过统计方法识别异常值并确定背景值范围。该方法充分结合预筛选方法对人为干扰的识别能力和统计分析方法的定量优势，是目前应用最广泛的集成模式之一。
研究表明，该集成模式能够有效地降低人为污染样本对背景值计算结果的影响。Parrone等[10]采用污染指示指标，结合箱形图法识别意大利 Latium火山岩含水层中砷的背景值。Zanotti等[79]将污染指示指标与概率图法相结合，完成 Lombardy冲积含水层 As，Fe和 Mn背景值的评估。Preziosi等[22]和Sellerino等[13]验证了该集成模式在不同含水层的适用性。
国内的研究进一步完善该类方法。Huang等[11]构建“氧化容量法-Cl/Br-Cl-图谱-Grubbs检验”的三级集成框架，通过预筛选、污染来源识别和统计检验 3个步骤确定地下水背景值，在珠江三角洲成功识别氯化物和硝酸盐背景值，并提高 Al，As和 Mn等组分背景值估计的准确性[65，73，80]。需要指出的是，该方法对 Br检测精度有一定的要求，在内陆低溴地区的适用性受到限制。
2.5.2 图谱分析-统计方法集成
图谱分析-统计方法集成用地下水水化学图谱识别水文地球化学演化特征，结合统计方法识别异常样本并计算地下水背景值[81]。该方法充分利用图谱分析的成因解析能力和统计方法的定量优势，实现由单纯异常值识别向水化学演化过程约束下背景值评估的转变，是近年来地下水背景值研究的重要技术路线之一。
该集成方法能够有效地识别地下水化学组分的天然演化规律，减少复杂水文地球化学过程对背景值计算的干扰，尤其适用于海陆交互带、蒸发浓缩区及离子交换作用显著等水文地球化学过程复杂的地区。我国已将该方法应用于地下水背景值标准化评价。中国生态环境部发布的《地下水环境背景值的统计表征技术指南(试行)》采用“Piper三线图-马氏距离-Grubbs检验”集成框架，首先利用 Piper图划分地下水的水化学类型，再通过马氏距离量化样本偏离天然演化路径的程度，最后结合 Grubbs检验剔除离群样本，为地下水背景值的统计和表征提供了统一的技术流程[34]。
典型的应用案例表明，该集成模式能够较好地兼顾成因分析与统计计算。Zheng等[82]采用 Piper图、Grubbs检验和箱形图相结合的方法，对新疆克拉玛依市地下水主要化学组分背景值进行评价，结果表明 Na+背景值达到 326 mg/L，反映该区域地下水受蒸发浓缩作用的显著控制。Huang等[11]进一步构建“氧化容量法-Cl/Br-Cl-图谱-Grubbs检验”三级集成框架，在珠江三角洲地下水背景值研究中有效地区分海水入侵、污水渗漏以及天然高背景的影响，提高了 Al，As以及 Mn等组分背景值的估计精度[65，73，80]。
图谱分析与统计方法集成增强了地下水背景值评估的成因约束能力，但其应用依赖较完整的水化学指标和区域水文地球化学背景，对图谱判读及参数设置具有一定的经验要求。当地下水演化过程复杂或缺乏关键示踪指标时，图谱识别结果的不确定性可能影响背景值评估的可靠性。因此，该类方法逐渐与预筛选技术及数据驱动方法结合，以便提高复杂地区地下水背景值识别的准确性。
2.5.3 数据驱动-传统方法集成
随着机器学习技术的发展，数据驱动方法逐渐与传统水文地球化学分析方法深度融合，形成兼顾预测能力与地学解释能力的集成评估模式。相较于单一算法，该类方法能够充分利用环境因子、水化学特征及空间信息，提高复杂区域地下水背景值识别的准确性和可靠性。目前主要包括数据驱动与图谱分析集成、数据驱动与统计分析集成以及数据驱动与空间分析集成 3种模式。
1) 数据驱动与图谱分析集成。该方法用机器学习模型建立地下水化学组分与环境控制因子的非线性关系，结合水化学图谱分析样品偏离天然演化路径的程度，实现背景值异常样本的识别。该方法的优势在于兼具机器学习的预测能力和水文地球化学图谱的机理解释能力，能够有效地降低传统图谱分析因人为判读影响带来的不确定性。褚宴佳等[76]以降雨量、蒸发量、地下水埋深、水力坡度及渗透系数等天然控制因子为输入变量，构建随机森林模型，预测 TDS天然背景浓度，并结合预测置信区间与实测值识别异常样本。在沙颍河流域浅层地下水中，该方法识别出异常样本的比例为 12.47%，其中高异常样本占 8.79%，模型决定系数达到 0.73，验证了其在复杂水文地球化学环境中的应用潜力。该方法的局限性在于模型依赖较高质量的训练样本，当环境变量缺失或区域迁移时，预测精度容易下降。
2) 数据驱动与统计分析集成。该方法在机器学习预测基础上引入统计推断，实现背景值由点预测向区间判定的拓展。基本思路是利用机器学习预测天然背景浓度，结合置信区间和异常值检验等统计方法，识别受人为活动影响的样本，从而降低单纯依赖经验阈值带来的主观性。研究表明，基于 95%置信区间判断预测值与实测值之间的偏离程度，可较准确地识别异常样本，提高背景值估计的稳定性和可靠性[74]。此外，将随机森林、聚类分析、主成分分析及神经网络等方法与统计分析相结合，在处理高维和非线性数据方面表现出较好的适用性。该方法的不足之处在于统计推断结果受模型误差传播影响，模型参数及样本质量对评估结果具有较大的影响。
3) 数据驱动与空间分析集成。该方法将机器学习预测结果与空间地统计分析相结合，在刻画环境变量非线性关系的同时，考虑地下水化学参数的空间自相关特征，从而提高背景值空间预测精度，优势在于能够兼顾区域趋势和局部空间变异，尤其适用于监测点分布不均或数据稀疏的地区。Liu等[83]将随机森林残差分别与普通克里金插值(Regression Kriging，RK)和贝叶斯最大熵(Bayesian Maximum Entropy，BME)方法相结合，实现环境协变量与空间相关信息的协同利用，在背景值空间预测中取得优于单一机器学习模型和传统插值方法的效果。近年来，SHAP等可解释性人工智能方法逐渐应用于该类模型，通过量化各环境因子对预测结果的贡献，提高模型解释能力，并为分析地下水背景值的形成机制提供新的技术手段[83]。然而，该类方法的模型较为复杂，对样本规模、空间数据质量及计算资源要求较高，需进一步提高模型的可迁移性和工程应用能力。
3 地下水背景值评估方法的应用
通过梳理国内外地下水背景值(GBLs)评估方法的应用案例(表7)可以发现，现有研究在空间分布上具有明显的区域集聚特征。国内研究集中于快速城市化区域(如珠江三角洲、西安和淮北平原)以及水文地球化学过程复杂区域(如新疆克拉玛依和四川盆地等)。这些区域普遍受到自然地球化学过程与人类活动的叠加影响，导致地下水组分具有显著的时空非稳态特征，进而使得背景值识别的难度明显增加。
表7 地下水背景值评估方法的应用案例
Table 7 Application cases of GBLs assessment methods
区域 研究目标 研究方法 主要发现 主控机制 局限性克拉玛依[82] (中国) 地下水主要离子组分视背景值的确定Piper 图解分析+箱线图异常识别+Grubbs检验地下水主要离子背景值具有明显的区域特征，其中 Na+和 Cl-背景水平较高，表现出典型的高盐化水化学特征干旱气候条件下蒸发浓缩作用、盐类矿物溶解及长期水-岩作用共同控制需结合不同水文地质单元开展分区验证珠江三角洲[11-12，65，73，80，84](中国)淮北平原[85-86] (中国)浅层地下水中铝、砷、锰、碘、铵、磷酸盐和部分重金属的背景值及驱动因素浅层地下水主要离子的来源、天然背景值和阈值Cl/Br-Cl-图谱法+污染指示物+氧化容量法(阈值 3 meq/L)等预筛选法，结合 Grubbs 检验、箱线图迭代等统计法多元统计方法+累积概率分布+来源解析方法城市化背景下，不同水文地质单元的背景值存在明显的差异; 部分滨海冲积含水层中 Al，As，Mn，I-，NH4+和PO43-等组分具有较高的天然背景值，合理地剔除人为影响样本是降低背景值高估风险的关键地质过程与人为活动共同控制，其中地质来源和人为来源的贡献分别为 52.1%和47.9%海相沉积物及含水层矿物溶解、有机质矿化、Fe/Mn 氧化物还原溶解、解吸及海陆水文地球化学作用等共同控制矿物风化与溶解、硫酸盐还原过程及农业活动共同控制Cl/Br 比法在内陆低溴区的适用性受限，方法选择及预筛选指标具有较强的区域依赖性样本数量有限，长时间尺度的背景值需进一步研究西安[87] (中国) 潜水主要水化学组分的背景值和阈值Grubbs 检验法+统计分布分析潜水背景值存在明显的空间差异，渭河北部背景值高于南部，不同区域的水化学背景差异明显水文地质条件、水-岩作用以及农业活动和城市化过程共同影响长期连续监测资料不足，对背景值长期演化趋势及动态变化特征认识有限Fereidan[88] (伊朗)Apulia[89] (意大利)加拿大 [64]丹麦[78]地下水中痕量金属(As，Cr，Pb，Cd，Ni，Cu 和 Zn)及主要水化学组分的天然背景水平沿海含水层地下水主要化学组分的天然背景值水平确定地下水溶解组分天然背景浓度，重点关注地质成因氟的背景水平地下水中痕量金属(As，Cd，Cr，Cu，Ni 和Zn)的背景值迭代 Grubbs 检验(IGT)+统计分布拟合+背景水平计算双重预筛选法(静态:NO3-/NH4+阈 值; 动态: Cl-异常识别)探索性数据分析(EDA)+水文地球化学分析井主要用途+周边人为活动+污染指示指标三类预筛选方法确定了主要重金属及水化学指标的背景值范围，其中 As和 Cr 等元素存在明显的天然高背景值特征有效地区分海水入侵导致的天然盐化与人为污染影响，提高沿海含水层背景值识别的可靠性指出地下水背景浓度的确定需结合统计方法与水文地球化学过程，不同含水层中氟等地质成因组分具有明显的差异三种方法所得 NBLs 总体上差异不显著; 井用途预筛选有助于剔除受人为影响的样品区域地质条件及水-岩相互作用控制海水入侵及咸淡水混合作用控制水-岩相互作用、矿物溶解及含水层地质条件控制自然过程与人为活动共同作用研究主要依赖统计异常识别方法，对复杂水文地球化学过程的定量解析不足主要针对沿海含水层，对其他类型含水层适用性需验证不同区域地质条件差异显著，方法迁移需结合区域水文地质特征可能降低不同地下水类型的样本代表性，需结合区域条件进行调整
从典型案例来看，克拉玛依地区采用 Grubbs检验结合 Piper图与箱线图方法，识别出 Na+与 Cl-背景值偏高，主要受蒸发浓缩作用控制，但未验证方法在不同水文地质单元中的适用性[82]。在珠江三角洲地区地下水背景值研究中逐渐形成以预筛选与统计分析相结合的综合评价体系，通过 Cl/Br-Cl-图谱法、污染指示指标、氧化容量分析及异常值检验等方法，有效地识别并剔除受人为活动影响的地下水样品[11-12]。研究表明，含水层中 Al主要与富铝矿物或沉积物释放以及矿物溶解有关[80]; As和 Mn主要受 Fe与 Mn氧化物还原溶解、有机质矿化及还原环境控制[65]; I-，NH4+和 PO43-主要与海相沉积环境、有机质矿化和矿物释放等过程有关[73，84]。不同的预筛选方法对区域水文地球化学条件具有较强的依赖性，其中 Cl/Br比值方法在低 Br-含量的内陆区域适用性受到限制，需结合区域背景特征选择适宜的评价方法。在对淮北平原的研究中通过多元统计与累积概率分布分析，初步定量地区分人为来源与地质来源的贡献，但长期气候变化和地下水动态演化对背景值的影响仍需要进一步研究[85-86]。
伊朗 Fereidan地区采用迭代 Grubbs检验(IGT)结合分布函数分析，提高痕量金属背景值识别的严格性，但样本代表性有限[88]。在对意大利沿海含水层研究中，通过双重预筛选方法，有效地区分海水入侵与人为污染，验证了预筛选法在复杂的咸淡水交互区的适用性[89]。丹麦的研究则表明基于监测井主要用途的预筛选在减少人为干扰样本方面具有关键作用，但需进一步验证跨区域迁移能力[78]。对加拿大两个区域含水层中的地质成因氟的探索性数据分析研究表明，该类方法在识别水化学分区与异常结构方面具有较强的优势，但高度依赖研究者的水文地球化学先验经验[64]。
综合国内外研究可以发现，地下水背景值评估方法的发展呈现以下 3个方面的特征。
1) 方法体系由单一的统计识别向多方法协同演化。现有研究普遍采用预筛选-图谱分析-统计检验的组合框架，通过逐层剔除人为干扰样本，并结合水文地球化学过程解释异常来源，从而提升背景值识别的稳健性。相比单一的统计方法，多方法融合能够更好适应复杂的人类-自然耦合系统，并且在一定程度上弥补单一方法对成因机制解释不足的缺陷。
2) 方法适用性高度依赖区域水文地球化学条件。不同的方法在适用条件上存在明显的差异。例如，氧化容量法主要适用于氧化-弱还原环境，而在强还原体系中容易失效; Cl/Br比值法在沿海咸淡水交互区具有较好的适用性，但在低溴内陆区域稳定性较差; 面源污染区更依赖大样本统计分析与指标筛选，而点源污染区则更适合剖面分析与空间约束方法。因此，方法的选择受控于水文地质结构与人类活动类型。
3) 数据约束与尺度问题仍然是核心限制因素。当前的研究普遍受到监测数据时间连续性不足、痕量组分检测能力有限以及指标体系不完善等因素的制约。同时，多数研究侧重空间分布特征的分析，对背景值的时间演化过程关注不足。此外，不同区域之间方法迁移性较弱，使得背景值的评估缺乏统一的可推广方法体系，人类活动与自然过程的定量分离仍然是关键的科学难题。
总体而言，地下水背景值评估方法的发展趋势并非单一技术的不断替代，而是在区域水文地球化学约束下，通过多方法耦合与分层集成，实现对人为扰动识别、天然背景恢复及过程机制解析的协同。未来的研究中应在充分考虑区域差异性的基础上，构建兼顾过程机制、统计稳健性与时空动态表达能力的综合评估体系，以便提升地下水背景值识别的科学性与可比性。
4 地下水背景值评估现有方法的不足与展望
地下水背景值评估方法的发展总体上呈现由理想化向现实化、由单一驱动向多因素驱动、由单一方法向多方法集成的发展趋势。早期的研究主要以获取绝对自然本底为目标，随着对人为活动影响认识的不断深化，近来的研究逐渐将人为扰动纳入评价体系，形成兼顾自然地质过程与人为活动影响的综合评估思路。同时，评估方法由依赖单一技术逐步发展为多源信息融合和多方法集成的技术体系。
从方法机理来看，不同地下水背景值评估方法的核心差异主要体现在人为活动与自然过程贡献的识别和量化能力上。传统的经验方法与基础统计方法主要依赖分布特征与阈值判别，对两类贡献的区分能力较弱; 预筛选方法可在一定程度上通过环境指示因子(如氧化还原状态、离子比值及同位素信息)提供间接的约束，但难以实现严格的定量分解;数据驱动方法在处理高维非线性关系方面表现突出，但其物理机制可解释性存在明显的不足; 相较而言，多方法集成通过优势互补，在复杂人类活动与多成因叠加环境中表现出更强的适应性，成为当前主流技术路线。
尽管 GBLs评估方法近年来取得较大的进展，但仍然面临若干问题。1) 人为活动与自然过程贡献难以准确地量化。对于“受人为活动影响较小”，目前尚缺乏统一的判定标准。由于天然背景值通常难以直接获取，许多研究采用地下水水质标准限值作为替代参考，导致地质成因导致的高背景值与人为污染之间难以有效地区分。2) 微量组分背景值评估存在不足。重金属及有机污染物的背景值计算方法尚未形成统一的体系，不同方法所得结果存在一定的差异，并受区域水文地球化学条件、数据质量及样本代表性等因素影响。3) 时空变异特征表征能力有限。由于长期连续监测数据的缺乏，现有方法难以充分刻画地下水背景值的动态演化过程，也限制了区域尺度背景值模型的可迁移性与泛化能力。
产生上述问题的原因具有一定的共性。首先，多数现有评估方法侧重于统计分析或数据拟合，对水-岩相互作用等控制过程缺乏直接的刻画，因此人为活动与自然过程贡献的定量解析能力有限。其次，微量组分迁移转化过程复杂，且大量低于检出限的监测数据增加了统计分析的不确定性，使传统的统计方法难以获得稳定可靠的背景值估计。最后，地下水系统具有显著的时空异质性，但长期、高频监测资料相对缺乏，同时，能够融合多尺度时空信息的动态模拟方法有待进一步发展，这也是当前背景值评估精度受限的重要原因。
未来的研究中可重点关注以下几个方面。1)加强水文地球化学过程与数据驱动方法的深度融合。可将水文地球化学过程模拟、水-岩相互作用及氧化还原反应等机理信息作为模型约束，实现统计识别、过程模拟与机理解释的有机结合，提高背景值评估结果的科学性和可解释性。2) 完善地下水背景值数据库与长期监测体系。应加强长期连续监测和多源数据集成，建立覆盖不同水文地质单元的地下水背景值数据库，完善数据标准与质量控制体系，为区域背景值的动态更新和跨区域比较提供数据支撑。3) 推动地下水背景值由科研评价向环境管理应用转化。随着地下水环境精细化管理水平不断提高，地下水背景值将在污染责任判定、地下水质量评价、风险预警及修复目标制定等方面发挥更加重要的作用。应加强地下水背景值与地下水环境质量标准、地下水环境分区管理及风险管控体系之间的衔接，逐步建立符合我国不同水文地质单元特征的区域化、动态化的地下水背景值评价体系，为地下水资源保护和污染防治提供更加科学的技术支撑。
5 结论
地下水背景值是识别地下水污染、判别天然高背景与人为污染以及制定地下水环境管理策略的重要科学基础。本文系统地梳理了国内外地下水背景值概念的发展历程，归纳了经验评价、统计分析、预筛选、数据驱动及多方法集成等 5类评估方法，并结合典型应用案例分析不同方法的适用条件、优势与局限性，得到以下几点认识。
1) 地下水背景值概念不断由静态本底向动态背景演变。早期的研究中将地下水背景值定义为未受人为活动影响条件下地下水化学组分的天然浓度，而在人类活动广泛影响地下水环境的背景下，完全意义上的天然背景值已难以获取。近年来，国内外逐渐形成以“受人为活动影响较小”为基本前提、兼顾区域水文地质特征和水文地球化学过程的动态背景值理念，使地下水背景值更加符合实际环境条件及管理需求。
2) 地下水背景值评估方法已由单一方法逐步发展为多方法集成。不同评估方法均具有明确的适用条件，不存在适用于所有区域和所有组分的统一方法。经验评价方法适用于天然条件较好的地区，统计分析方法适合大样本背景值计算，预筛选方法能够有效地降低人为活动干扰，而数据驱动方法在复杂非线性关系挖掘方面具有明显的优势。近年来，多方法集成通过融合预筛选、水化学图谱、统计分析及机器学习等技术，在异常值识别、天然高背景判别以及背景值估计等方面表现出更高的稳定性和可靠性，已成为地下水背景值评估的重要发展方向。
3) 地下水背景值评估结果高度依赖区域水文地质条件和数据质量。大量应用案例表明，评估方法的有效性受到含水层类型、水文地球化学环境、人类活动强度及监测数据完整性的共同影响。同一种方法在不同的地区往往需要重新验证其适用性，因此，应充分结合区域水文地质背景、水化学演化特征及污染来源特征开展方法选择和背景值确定，避免简单地套用统一的技术路线。
总体而言，地下水背景值评估正由以统计分析为主的经验判别阶段，逐步向多源数据融合、过程机理约束和智能模型协同发展的综合评价阶段演进。未来应以区域水文地质条件为基础，以水文地球化学过程为主线，以多方法集成为技术支撑，构建兼具区域适用性、动态更新能力和管理应用价值的地下水背景值评估体系，为地下水污染的精准识别、环境风险防控及地下水资源的可持续利用提供更加可靠的科学依据。
[1]Jackson R B，Carpenter S R，Dahm C N，et al.Water in a changing world.Ecological Applications，2001，11(4): 1027-1045
[2]Biddau R，Cidu R，Lorrai M，et al.Assessing background values of chloride，sulfate and fluoride in groundwater: a geochemical-statistical approach at a regional scale.Journal of Geochemical Exploration，2017，181: 243-255
[3]Molinari A，Guadagnini L，Marcaccio M，et al.Natural background levels and threshold values of chemical species in three large-scale groundwater bodies in Northern Italy.Science of the Total Environment，2012，425: 9-19
[4]Nisi B，Buccianti A，Raco B，et al.Analysis of complex regional databases and their support in the identification of background/baseline compositional facies in groundwater investigation: developments and application examples.Journal of Geochemical Exploration，2016，164: 3-17
[5]Lee L，Helsel D.Baseline models of trace elements in major aquifers of the United States.Applied Geochemistry，2005，20(8): 1560-1570
[6]Reimann C，Garrett R G.Geochemical background—concept and reality.Science of the Total Environment，2005，350: 12-27
[7]Groundwater Directive 2006/118/CE.Directive of the european parliament and of the council on the protecttion of groundwater against pollution and deterioration.Brussels: European Community，2006
[8]Bulut O F，Duru B，Çakmak Ö，et al.Determination of groundwater threshold values: a methodological approach.Journal of Cleaner Production，2020，253: 120001
[9]Apollaro C，Di Curzio D，Fuoco I，et al.A multivariate non-parametric approach for estimating probability of exceeding the local natural background level of arsenic in the aquifers of Calabria region (southern Italy).Science of the Total Environment，2022，806: 150345
[10]Parrone D，Ghergo S，Preziosi E.A multi-method approach for the assessment of natural background levels in groundwater.Science of the Total Environment，2019，659: 884-894
[11]Huang G，Pei L，Li L，et al.Natural background levels in groundwater in the Pearl River Delta after the rapid expansion of urbanization: A new pre-selection method.Science of the Total Environment，2022，813:151890
[12]Bi P，Liu R，Huang G，et al.Evaluating natural background levels of heavy metals in shallow groundwater of the Pearl River Delta via removal of contaminated groundwaters: Comparison of three preselection related methods.Environmental Pollution，2023，335: 122382
[13]Sellerino M，Forte G，Ducci D.Identification of the natural background levels in the Phlaegrean fields groundwater body (Southern Italy).Journal of Geochemical Exploration，2019，200: 181-192
[14]张英.珠江三角洲地区地下水环境背景值研究[D].北京: 中国地质科学院，2011
[15] 贺秀全.地下水环境背景值研究中存在的几个问题.地下水，1994，16(2): 22-23
[16]Coetsiers M，Blaser P，Martens K，et al.Natural background levels and threshold values for ground-water in fluvial Pleistocene and Tertiary marine aquifers in Flanders，Belgium.Environmental Geology，2009，57(5): 1155-1168
[17]Cruz J V，Andrade C.Natural background groundwater composition in the Azores archipelago (Portugal): a hydrogeochemical study and threshold value determination.Science of the Total Environment，2015，520:127-135
[18]曾昭华，黎宏印，迁广弟，等.长江中下游重点地区地下水环境背景值调查研究[R].北京: 全国地质资料馆，1991
[19]王小玲，刘予，张志林，等.北京市永定河冲洪积扇地下水环境背景值的调查研究.北京地质，1994，6(2): 20-28
[20]Gao Y，Qian H，Huo C，et al.Assessing natural background levels in shallow groundwater in a large semiarid drainage basin.Journal of Hydrology，2020，584: 124638
[21]Molinari A，Guadagnini L，Marcaccio M，et al.Geostatistical multimodel approach for the assessment of the spatial distribution of natural background concentrations in large-scale groundwater bodies.Water Research，2019，149: 522-532
[22]Preziosi E，Giuliano G，Vivona R.Natural background level assessment in groundwaters: probability plot versus pre-selection method.Environmental Earth Sciences，2010，61(5): 885-897
[23]环境保护部.HJ 610-2011 环境影响评价技术导则地下水环境.北京: 中国环境科学出版社，2011
[24]于文礼.吉林省地下水环境背景值特征及其变异规律.吉林地质，1991，10(1): 38-43
[25]齐万秋，周金龙.石河子市地下水环境背景值.干旱环境监测，1994，8(1): 14-16
[26]沈照理，朱宛华，钟佐燊.水文地球化学基础.北京: 地质出版社，1993
[27]国家环境保护总局.环境保护标准(地下水环境).北京: 中国环境科学出版社，2007
[28]何宝南，何江涛，孙继朝，等.区域地下水污染综合评价研究现状与建议.地学前缘，2022，29(3): 51-63
[29]张兆吉，费宇红，郭春艳，等.华北平原区域地下水污染评价.吉林大学学报(地球科学版)，2012，42(5): 1456-1461
[30]文冬光，林良俊，孙继朝，等.中国东部主要平原地下水质量与污染评价.地球科学，2012，37(2):220-228
[31]闫纲丽，冯屾，刘睿男，等.地下水背景值评估研究进展.吉林大学学报(地球科学版)，2025，55(5):1655-1670
[32]曾颖.秦皇岛柳江盆地浅层地下水常规组分背景值研究[D].北京: 中国地质大学(北京)，2015
[33]廖磊，何江涛，彭聪，等.地下水次要组分视背景值研究: 以柳江盆地为例.地学前缘，2018，25(1):267-275
[34]生态环境部.地下水环境背景值统计表征技术指南(试行).北京: 生态环境部，2023
[35]济宁市生态环境局.DB3708/T 61-2024 地下水环境背景值.济宁: 济宁市市场监督管理局，2024
[36]Hawkes H E，Webb J S.Geochemistry in mineral exploration.Soil Science，1963，95(4): 283
[37]Clebsch A Jr，Barker F B.Analyses of ground water from Rainier Mesa，Nevada test site，Nye county，Nevada: TEI-763 [R].Reston: United States Geological Survey，1960
[38]Preul H C.Contaminants in groundwaters near waste stabilization ponds.Water Pollution Control Federation，1968，40(4): 659-669
[39]Sweet H R，Fetrow R H.Ground-water pollution by wood waste disposal.Ground Water，1975，13(2): 227-231
[40]Viraraghavan T，Warnock R G.Groundwater pollution from a septic tile field.Water，Air，and Soil Pollution，1976，5(3): 281-287
[41]Ledin A，Pettersson C，Allard B，et al.Background concentration ranges of heavy metals in Swedish groundwaters from crystalline rocks: a review.Water，Air，and Soil Pollution，1989，47(3): 419-426
[42]Eckel W P，Jacob T A.Ambient levels of 24 dissolved metals in U.S.surface and ground waters // Preprints of Papers Presented at the 196th ACS National Meeting.Los Angeles: American Chemical Society，1988:25-30
[43]Allard B，Ledin A，Pettersson C，et al.Natural variations of heavy metal concentrations in groundwaters //International Conference on Heavy Metals in the Environment.Geneva，1989，1: 288-291
[44]Salminen R，Tarvainen T.The problem of defining geochemical baselines.A case study of selected elements and geological materials in Finland.Journal of Geochemical Exploration，1997，60(1): 91-98
[45] Quevauviller P.Groundwater monitoring in the context of EU legislation: reality and integration needs.Journal of Environmental Monitoring，2005，7(2): 89-102
[46]De Caro M，Crosta G B，Frattini P.Hydrogeochemical characterization and natural background levels in urbanized areas: Milan metropolitan area (northern Italy).Journal of Hydrology，2017，547: 455-473
[47]Marandi A，Karro E.Natural background levels and threshold values of monitored parameters in the Cambrian-Vendian groundwater body，Estonia.Environmental Geology，2008，54(6): 1217-1225
[48]Hinsby K，De Melo M T C，Dahl M.European case studies supporting the derivation of natural background levels and groundwater threshold values for the protection of dependent ecosystems and human health.Science of the Total Environment，2008，401: 1-20
[49]Visser A，Broers H P，Van Der Grift B，et al.Demonstrating trend reversal of groundwater quality in relation to time of recharge determined by 3H/3He.Environmental Pollution，2007，148(3): 797-807
[50]Spruill T B.Comment on “trend reversal of nitrate in Danish groundwater —a reflection of agricultural practices and nitrogen surpluses since 1950”.Environmental Science & Technology，2011，45(9): 4187-4188
[51]Edmunds W M，Shand P.Natural groundwater quality.Oxford: Blackwell Publishing，2008
[52]United States Environmental Protection Agency (USEPA).Establishing background levels [R].Washington: Office of Solid Waste and Emergency Response，1995
[53]European Union.Commission Directive 2014/80/EU of 20 June 2014 amending Annexes II and III to Directive 2006/118/EC of the European Parliament and of the Council on the protection of groundwater against pollution and deterioration.Brussels: European Union，2014
[54]European Union.Directive 2006/118/EC of the European Parliament and of the Council of 12 December 2006 on the protection of groundwater against pollution and deterioration.Brussels: European Union，2006
[55]European Union.Directive 2000/60/EC of the European Parliament and of the Council of 23 October 2000 establishing a framework for Community action in the field of water policy.Brussels: European Union，2000
[56]Masciale R，Amalfitano S，Frollini E，et al.Assessing Natural Background Levels in the Groundwater Bodies of the Apulia Region (Southern Italy).Water，2021，13(7): 958
[57]Republic of Turkey Ministry of Environment and Urbanization.The bylaw on the protection of groundwater against pollution and deterioration [R].Ankara:Official Gazette，2012
[58]Griffioen J，Passier H F，Klein J.Comparison of selection methods to deduce natural background levels for groundwater units.Environmental Science & Technology，2008，42(13): 4863-4869
[59]耿婷婷，李颖智，张涛，等.地下水环境背景值研究进展的分析与建议.环境科学与管理，2018，43(5): 33-35
[60]邱汉学，黄巧珍.地下水环境背景值及其确定方法.青岛海洋大学学报，1994，24(增刊 3): 16-20
[61]郭高轩，辛宝东，刘文臣，等.我国地下水环境背景值研究综述.水文地质工程地质，2010，37(2): 95-98
[62]寇文杰，谢振华，赵立新，等.探讨地下水背景值确定方法及其容易忽视的几个问题.安徽农业科学，2013，41(8): 3603-3605
[63]Kelly W R，Panno S V.Some considerations in applying background concentrations to ground water studies.Groundwater，2008，46(6): 790-792
[64]Bondu R，Humez P，Mayer B，et al.Estimating natural background concentrations for dissolved constituents in groundwater: a methodological review and case studies for geogenic fluoride.Journal of Geochemical Exploration，2022，233: 106906
[65]Huang G，Song J，Han D，et al.Assessing natural background levels of geogenic contaminants in groundwater of an urbanized delta through removal of groundwaters impacted by anthropogenic inputs: new insights into driving factors.Science of the Total Environment，2023，857: 159527
[66]Reimann C，Filzmoser P，Garrett R G.Background and threshold: critical comparison of methods of determination.Science of the Total Environment，2005，346:1-16
[67]Gao Y，Qian H，Wang H，et al.Assessment of background levels and pollution sources for arsenic and fluoride in the phreatic and confined groundwater of Xi’an city，Shaanxi，China.Environmental Science and Pollution Research，2020，27(28): 34702-34714
[68]Sinclair A J.A fundamental approach to threshold estimation in exploration geochemistry: probability plots revisited.Journal of Geochemical Exploration，1991，41(1/2): 1-22
[69]Shand P，Edmunds W M，Lawrence A R，et al.The natural (baseline) quality of groundwater in England and Wales [R].Wallingford: British Geological Survey，2007
[70]Ducci D，Condesso De Melo M T，Preziosi E，et al.Combining natural background levels (NBLs) assessment with indicator kriging analysis to improve groundwater quality data interpretation and management.Science of the Total Environment，2016，569:569-584
[71]Edmunds W M，Shand P，Hart P，et al.The natural(baseline) quality of groundwater: a UK pilot study.Science of the Total Environment，2003，310: 25-35
[72]Postma D，Boesen C，Kristiansen H，et al.Nitrate reduction in an unconfined sandy aquifer: water chemistry，reduction processes，and geochemical modeling.Water Resources Research，1991，27(8): 2027-2045
[73]Bi P，Huang G，Liu C，et al.Geochemical factors controlling natural background levels of phosphate in various groundwater units in a large-scale urbanized area.Journal of Hydrology，2022，608: 127594
[74]曹文庚，付宇，南天，等.机器学习在地下水环境背景值与污染风险评价的应用和展望.地质学报，2023，97(7): 2408-2424
[75]Sarkar S，Mukherjee A，Gupta S D，et al.Predicting regional-scale elevated groundwater nitrate contamination risk using machine learning on natural and humaninduced factors.ACS ES&T Engineering，2022，2(4):689-702
[76]褚宴佳，何宝南，陈珍，等.基于随机森林模型识别浅层地下水 TDS 异常的方法研究.地学前缘，2024，31(4): 1-15
[77]Knoll L，Breuer L，Bach M.Large scale prediction of groundwater nitrate concentrations from spatial data using machine learning.Science of the Total Environment，2019，668: 1317-1327
[78]Voutchkova D D，Ernstsen V，Schullehner J，et al.Roadmap for determining natural background levels of trace metals in groundwater.Water，2021，13(9): no.1267
[79]Zanotti C，Caschetto M，Bonomi T，et al.Linking local natural background levels in groundwater to their generating hydrogeochemical processes in Quaternary alluvial aquifers.Science of the Total Environment，2022，805: 150259
[80]Yan G，Yang L，Hou Q.Natural background levels and driving factors of aluminum in shallow groundwater of an urbanized delta: Insight from eliminating anthropogenic-impacted groundwaters.Water Environment Research，2024，96(7): e11076
[81]He B，He J，Zeng Y，et al.Coupling of multi-hydrochemical and statistical methods for identifying apparent background levels of major components and anthropogenic anomalous activities in shallow groundwater of the Liujiang basin，China.Science of the Total Environment，2022，838: 155905
[82]Zheng F，Ren J，Liu J，et al.Calculation of visual background values of major groundwater components taking Karamay city as an example.Sustainability，2024，16(12): no.5224
[83]Liu R，Li Z，Xie X，et al.A multi-method for identifying and spatial modeling of groundwater nitrate natural background levels in an urbanized delta in China:insight from Cl/Br ratios combining with KNN algorithm and EBK.Water Research，2025，268: 124953
[84]Pei L，Lu X，Li X，et al.factors controlling natural background levels of ammonium and iodide in shallow groundwater of coastal aquifers，South China.Water，2022，14(22): no.3737
[85]Chen K，Liu Q，Peng W，et al.Source apportionment and natural background levels of major ions in shallow groundwater using multivariate statistical method: a case study in Huaibei Plain，China.Journal of Environmental Management，2022，301: 113806
[86]Xu J，Liu G，Zhang M，et al.Quantitative source identification and determination of natural background levels for typical ions in groundwater of the Huaibei Plain，China.Environmental Earth Sciences，2024，83(1): 1-14
[87]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.Exposure and Health，2023，15(4): 757-771
[88]Amiri V，Sohrabi N，Lak R，et al.Estimation of natural background levels of heavy metals and major variables in groundwater to ensure the sustainable supply of safe drinking water in Fereidan，Iran.Environment，Development and Sustainability，2023，26(8): 19807-19832
[89]Parrone D，Frollini E，Masciale R，et al.A double preselection method for natural background levels assessment in coastal groundwater bodies.Environmental Pollution，2022，313: 120076