杨 康

(1. 山东科技大学 测绘与空间信息学院, 山东 青岛 266590;2. 中国测绘科学研究院, 北京 100036)

0 引言

京津冀地区位于华北平原北部,倚靠太行山、渤海湾,地势西北高、东南低,地形地貌条件复杂。同时,该区域生态资源因自然或人为因素的影响日渐匮乏,属于温带季风气候,旱涝问题频现,区域人均水资源量不足300 cm3/a。当前,区域水资源承载能力已超警戒线,但多年来工农业发展、城镇扩张、气候变化等要素仍然给区域的生态环境承载力带来更大的威胁与挑战。因此,研究京津冀地区陆地水储量变化对揭示该区域陆地水循环、水资源跨区域调配、旱涝灾害防范等领域提供理论依据。

传统的区域陆地水监测方法包括遥感反演、建立地面水分观测站等,遥感反演手段只能反映浅层水的特征,无法体现深层水储量变化的信息;建立地面水分观测站的缺点有空间分布不均匀、观测成本较高,均存在一定的限制与缺陷。重力场恢复与气候实验(gravity recovery and climate experiment, GRACE)卫星自发射以来,为获取高精度的地表及地球内部质量迁移引起的重力场变化提供了连续、有效的观测手段,进而利用GRACE时变重力场模型反演获得地表质量变化,对陆地水储量变化进行有效监测。国内外学者对GRACE反演的陆地水储量变化进行了深入细致的研究,Wahr[1]、Taply等[2]早期对GRACE监测大尺度地球质量变化进行了可行性研究,并与水文模型进行对比分析。Landerer和Swenson[3]使用GRACE数据与水文模型拟合数据进行对比分析,揭示了利用GRACE数据研究陆地水储量变化的可行性,并分析了精度及误差。Wahr等[4]用GRACE月重力场解估算了亚马逊流域等国际典型流域的水储量年变化分量。胡小工等[5]分析了长江流域水储量变化的季节性特征及振幅特点。Wang等[6]基于GRACE数据扣除水文模型,与三峡库区蓄水量对比分析证明了GRACE监测指定小空间水量变化的可行性,徐永明[7]利用GRACE数据对云贵高原陆地水储量变化进行监测分析,使用相关性分析、趋势分析等方法分析了陆地水变化的时序特征。

据中国水旱灾害公报显示,在2015—2017年期间,京津冀地区水旱灾害较为频繁,降水量较常年偏少,受水旱灾害影响经济损失巨大。本文结合时间段内区域24个气象台站的降水资料与GRACE反演的陆地水储量变化信息,分析陆地水储量变化与区域降水的相关性,并运用全球陆地资料同化系统(global land data assimilation system,GLDAS)水文模型数据,进一步分析研究区域内水储量时空变化及趋势特征,以期为水旱灾害频发地区进行灾害防治、水资源时空分配提供理论依据。

1 理论与方法

GRACE时变重力场反演获取的陆地水储量变化是以等效水高来表示,从重力场模型计算等效水高时,考虑了由于水层的载荷而引起的地球的弹性变形。计算公式[8]为

(1)

皮尔逊相关系数用来对比分析GRACE数据与其他数据产品在时间序列上的相关程度,其计算公式为

(2)

水储量亏损[9]指当月水储量变化与指定月份的平均气候之差,月平均气候可定义为特定时间序列中所有月水储量变化的均值。水储量亏损及水储量亏损指数的计算公式为

(3)

(4)

2 数据来源及预处理

2.1 陆地水储量变化数据

本文的GRACE数据为德国波茨坦地学研究中心最新提供的2015年1月至2017年6月共30个月的GRACE level-2(RL06)版本的大地水准面模型的球谐位系数(GSM)月重力场模型数据[10],此数据通过一阶项改正、球谐系数截断至60阶、经去相关滤波和300 km高斯平滑处理之后得到的区域等效水高值的数据[11],其中,时间跨度数据共有7个月的缺失,分别为2015年6月、10月、11月,2016年4月、9月、10月,2017年2月,缺失数据由线性插值方式补齐,所获取数据的区域经纬度范围为114°～120°E、37°～42°N。同时,求取时间跨度内所有月份的均值数据,对各月的等效水高变化数据进行扣除均值处理。

2.2 降水量数据与GLDAS水文数据

本文气象站点数据来自京津冀地区24个气象站点的月值降水量数据。区域降水数据根据区域内24个气象站降水数据取平均拟合而来。

本文采用全球陆地资料同化系统中的陆地表面模式(GLDAS-NOAH)的格网化产品数据，时空分辨率分别为1个月、0.25°×0.25°。提取研究区域范围的数据,同时实现0～200 cm土壤水变量的提取。进行月平均计算,并扣除时间跨度内所有月值文件的均值后,得到对应的等效水高数据。

3 实验结果与分析

3.1 陆地水储量变化与区域降水

将GRACE反演得到的陆地水储量变化格网数据经过空间内插至气象站点的数据与京津冀地区的24个气象站点的月降水量数据进行相关系数的计算,结果显示,大部分气象站降水量与陆地水储量变化的相关系数均不超过0.3,呈弱相关状态。根据文献[12]中GRACE监测陆地水储量变化较降水滞后2个月的观点,对气象站降水分别滞后1个月、2个月与陆地水储量变化进行相关系数统计,部分气象站统计结果如表1所示。大多数气象站点在降水量数据滞后2个月达到较强的相关性,如塘沽站为0.621 1。而部分站点如北京站在降水量滞后1个月的相关系数达0.582 5,表明京津冀地区大部分气象站点GRACE反演的陆地水储量变化较降水滞后2个月左右,小部分气象站点在降水滞后1个月与陆地水储量变化达到强相关性。

表1 部分气象站降水量与陆地水储量变化相关性

选取区域内分散的4个气象站降水数据,分析陆地水储量变化的时空变化特征,如图1所示。折线部分点值小于0表示相比均值水储量为增加状态,反之为减少状态,条形图表示气象站点实测降水数据。选取的气象站位置具有代表意义,张北站处于太行山山区地带,邢台站位于太行山脉与华北平原交界处,承德站位于海河平原北部,与燕山山地相邻,塘沽站靠近渤海湾,位于海河流域内。总体而言,气象站点降水量具有较为明显的季节性特征,每年的6、7、8月份降水较为集中,此时的陆地水储量也基本处于盈余状态,各个气象站的降水量峰值均出现在2016年7月,而每年的12、1、2、3月则是降水量十分稀少的月份,有部分月份的降水量甚至出现了0值,陆地水储量也大多处于亏损状态,这种情况符合该区域所处温带季风气候的降水特点,即夏季多雨、冬季干燥。在此时间跨度内,各个气象站的陆地水储量变化的趋势较为一致,峰值均出现在2016年9月,峰值均滞后降水量峰值1个月,这种情况说明研究区域的水文地质条件对陆地水储量变化存在时延响应。部分气象站点,如邢台站在2015年2月出现水储量盈余的状态,而在此期间降水量却十分稀少,这可能是受到其他水文气象要素的影响导致。

将区域内24个气象站点的月降水量取平均,可拟合出该地区的总体降水情况,将降水量月值数据滞后两个月处理,与GRACE反演出的区域陆地水储量变化进行相关性分析,相关系数可达0.64,此情况主要表明GRACE获取的陆地水结果包含当月之前的降水信息。在此时间跨度范围内,等效水高变化范围为-44.82～60.61 mm,整体来看，区域水储量变化为小幅上升趋势。

针对降水量峰谷值的特点,选取研究区域内2015年1月、2015年7月、2016年2月、2016年8月的陆地水储量的变化进行对比分析,空间分布图如图2所示。水储量变化趋势在空间上大致呈现阶梯式分布,如图2(c)中2016年2月陆地水储量变化趋势从西北部张家口地区至东南部渤海湾区域由水储量亏损状态转为盈余状态,这表明了研究区域内陆地水储量变化存在其空间一致性特征,不存在部分点值异常的问题。综合该区域多个月份水储量空间分布状况及降水情况,在降水稀少的月份,如1、2月份,大部分区域出现水储量亏损状态,反之,在夏季降水集中的月份,如7、8月,水储量盈余状态占据主导,2016年8月甚至出现全区水储量盈余,振幅范围为29.39～70.27 mm。

图1 部分气象站点降水量与陆地水储量变化对比

(a)2015年1月 (b)2015年7月

(c)2016年2月 (d)2016年8月

3.2 陆地水储量变化与GLDAS结果

利用GRACE反演的研究区域的陆地水储量变化及GLDAS水文模型格网产品,经过区域平均后获取的时间序列,如图3所示。GRACE反演得到的陆地水储量变化与GLDAS水文模型的计算结果趋势性较为一致,其相关系数达到0.61,呈强相关状态,验证了本文GRACE反演陆地水储量变化结果的可靠性;两者的标准差分别达到21.3、24.3,这些表明两者的时间序列离散程度较高;两者振幅方面对比,GRACE反演的陆地水储量变化要大于GLDAS计算结果,其幅值范围在-44.82～60.61 mm。表明GRACE反演陆地水储量变化时考虑了土壤水、冰雪变化、地下水质量变化等多种因素的影响,而GLDAS水文模型数据只统计了0～200 cm的浅层土壤水信息。

图3 GRACE与GLDAS获取等效水高变化结果对比

从水量平衡角度出发,若以2016年7月为节点,2015年1月至节点时间段内,GRACE反演的陆地水储量变化与GLDAS的结果均表明了水储量整体上处于亏损状态。例如,在2016年3月至2016年5月的时间段内,多月的水储量亏损指数(WSDI)为负值,如表2所示,这表明了此时间段内区域出现了较为严重的春旱情况,这与2016年中国水旱灾害公报(http://www.mwr.gov.cn/)描述的旱情状况一致。而在节点至2017年6月时间段内,GRACE与GLDAS结果主要表现为水储量增加状态,即水储量盈余状态占主导,表明降水是此时间段影响陆地水储量变化的主要因素之一。

表2 GRACE与GLDAS时间段内WSDI值统计

为了研究区域内水储量变化特征,本文采用13点滑动平均法(13 points moving,13PMA)[13]分别对GRACE及GLDAS消除季节项影响,时间序列如图4所示。GRACE与GLDAS结果的相关系数可达0.88。分析图3、图4、图5可知,GRACE及GLDAS获取的水储量变化趋势总体上一致,个别月份存在差异,该情况表明，GRACE及GLDAS的数据处理误差、计算模型及区域气候条件差异对解算结果有一定影响。对消除季节项影响后的GRACE水储量变化进行最小二乘拟合,如图5所示,得到研究区在2015年1月—2017年6月水储量的上升速率为0.118 mm/a,呈小幅上升趋势。

图4 13PMA后的水储量年际变化趋势

图5 GRACE水储量线性变化趋势

4 结束语

本文利用京津冀地区2015年1月—2017年6月这一时间段内,对GRACE反演的陆地水储量变化信息与气象站点降水量、GLDAS水文模型数据进行了相关性分析,得出结论如下：

(1)区域内大部分气象站点上GRACE反演的陆地水储量较降水量实测数据延迟2个月左右达到强相关性。

(2)结合GLDAS水文模型获取的水储量变化数据,根据水储量亏损指数,监测到区域内2016年春旱现象的发生的原因。

(3)消除季节性影响后,GRACE与GLDAS相关系数可达0.88,时间跨度内区域水储量上升速率为0.118 mm/a。

研究结果可对区域内水资源合理调度、水旱灾害预报提供一定的数据支持,同时,对了解该区域水储量变化时空特征、进行生态环境监测给出一定参考价值。