邓 椿， 蒋晓辉， 孙维峰

（1.西北大学城市与环境学院/陕西省地表系统与环境承载力重点实验室，陕西 西安 710127；2.运城学院经济管理系，山西 运城 044000）

随着人类活动加强，水资源消耗进一步加剧，人水矛盾日益凸显［1］。地下水作为水资源的重要组成部分，由于储量稳定，水质好，可被各行各业直接使用，是人类活动的必需品［2-3］，对人类生存发展与资源可持续至关重要［4］。然而，部分地区由于不合理的利用，导致水资源问题日益加剧，引发了地面沉降、海水倒灌、地下水资源量枯竭等环境问题，加剧了人水矛盾，尤其是在干旱半干旱地区更为突出［5-7］。2019 年9 月习近平总书记在河南郑州主持召开黄河流域生态保护和高质量发展座谈会并发表重要讲话，明确指出黄河流域在我国经济社会发展和生态安全方面具有十分重要的地位，深刻阐明黄河流域生态保护和高质量发展的重大意义，作出了加强黄河治理保护、推动黄河流域高质量发展的重大部署［8］。在此背景下，研究黄河流域长时间序列的地下水储量变化，对该区域的水资源可持续利用具有重要的科学意义。

传统的地下水储量监测方法耗时耗力，且在监测点以外的区域形成了监测盲区，无法及时了解地下水储量的变化情况［9-10］，而重力反演与气候实验（Gravity recovery and climate experiment，GRACE）卫星数据为监测大尺度区域地下水储量变化提供了有效途径［2］。国内外众多学者使用该数据开展了大量研究，且主要集中在地下水储量变化监测［11-12］，也有部分学者开展了技术方法改进、精度检测和空间分辨率降尺度［13-14］等方面的研究。已有研究在量化地下水储量的动态变化方面取得丰富的成果，对本研究具有重要的借鉴作用，但鲜有文献研究地下水储量变化与人口暴露风险的关系，而这方面又是科学制定水资源政策的重要依据。

黄河流域以约占全国2%的径流量，承载了全国9%的人口，水资源是其生产、生活的制约性要素，故本文以黄河流域为研究区，基于全球陆面数据同化系统（Global land data assimilation system,GLDAS）和GRACE 遥感数据，测算了黄河流域长时间序列的地下水储量变化，结合LandScan 遥感数据，探讨地下水储量变化与人口暴露的关系，主要研究内容包括：分析黄河流域地下水储量变化时空变化特征、识别地下水储量持续下降的区域，并分析该区域人口暴露风险情况，以期为黄河流域地下水资源可持续利用提供科学参考。

1 研究区概况

黄河发源于青藏高原，流域面积达75.24×104km2，流经青海省、四川省、甘肃省、宁夏回族自治区、内蒙古自治区、陕西省、山西省、河南省、山东省共9 个省区［15］（图1）。黄河以约占全国2%的径流量，承载了全国9%的人口，另外，本流域和流域外引黄灌区占全国15%的耕地面积，因此，黄河流域在中国经济社会发展和生态安全方面具有十分重要的地位。由于其主要产流区处于西北干旱半干旱区，多年平均降水量约450 mm，水资源量少且时空分布不均，随着经济社会的不断发展，该区域取水量一直居高不下，流域水资源供需矛盾日益突出［16］。因此，开展黄河流域地下水储量变化与人口暴露研究，对于黄河水资源配置战略调整，实现流域生态保护和高质量发展具有重要意义。

图1 黄河流域概况Fig.1 Overview of the Yellow River Basin

2 数据与方法

2.1 数据来源与处理

2.1.1 陆地水储量数据GRACE 卫星上搭载了精密的测距仪器，可以通过双星之间的距离变化反演地球表层局部重力变化情况，再根据重力变化推导出监测区域内陆地总水储量的变化［17］。已有研究表明，基于GRACE 卫星数据反演地下水储量与监测井数据较一致，适用于中国区域的地下水储量研究。GRACE 数据的处理、分发与管理由Jet Propulsion Lab（美国喷气动力实验室），GeoForschungsZentrum（德国地学研究中心），the University of Texas Center for Space Research（美国德克萨斯大学空间研究中心）3 家集体负责，其每月提供地球重力场模型，并在验证后分发给公众。GRACE数据产品包括Level-0、Level-1A、Level-1B和Level-2，但不免费对外公布，为了方便研究质量异常（如水层）的用户，一些团队基于Level-2 数据经地球物理校正后生成3级数据产品，以.nc的格式存储，获取方便且可免费下载，数据链接为https://disc.gsfc.nasa.gov/datasets/GLDAS_CLSM025_DA1_D_2.2/summary?keywords=CLSM%20groundwater。

2.1.2 土壤含水量数据土壤含水量数据来源于戈达德地球科学数据与信息服务中心（https://disc.gsfc.nasa.gov/datasets/GLDAS_NOAH025_M_2.1/summary?keywords=GLDAS%20CSRM）。该研究选取了GLDAS-2.1版本的Noah模型输出土壤含水量数据，时间序列为2003—2016 年的逐月土壤含水量数据。数据共包含4 层土壤水分数据，分别为地下0～10 cm、地下10～40 cm、地下40～100 cm 和地下100～200 cm 共4 层，土壤水分数据求和得到地下2 m 土壤水分。将2003—2016 年每月土壤含水量减去时段多年平均值，得到土壤含水量距平值，便可得到逐月土壤含水量变化。

2.1.3 其他数据人口数据来源于LandScan全球人口格网数据（https://landscan.ornl.gov），空间分辨率为1 km，已有大量学者使用该数据在中国区域进行精度验证与科学研究［18-19］。植被覆盖度分2 步获得：第一步是采用最大值合成法合成年NDVI数据，数据获取自网站https://landweb.nascom.nasa.gov/，时间分辨率为16 d，空间分辨率为250 m。第二步利用公式求得植被覆盖度。

2.1.4 数据预处理首先，将获取所有原始影像数据转换为UTM投影，地理坐标系为WGS84坐标；其次，基于黄河流域矢量进行掩膜处理；最后，采用重采样工具，把研究所需的所有栅格数据重采样至最小栅格分辨率上，其空间分辨率为1 km 的栅格数据，以保持栅格数据像元大小的一致性，时间分辨率以月为尺度进行匹配。

2.2 研究方法

2.2.1 地下水储量计算方法根据水量平衡原理计算2003—2016 年黄河流域地下水储量年均变化量。陆地水储量的变化是由土壤水、地表水、雪/冰川融水以及地下水储量的变化引起。而在长时间尺度上，土壤含水量和地下水储量变化是陆地水储量变化的主要原因，雪水当量及地表水蓄水量变化可以忽略不计［20］。从GRACE 反演的陆地水储量变化中减去土壤含水量变化得到地下水储量变化。计算公式如下：

ΔGWSi=ΔTWSi-ΔSMSi（1）

式中：i为年份；ΔGWSi为第i年地下水储量年均变化量（mm）；ΔTWSi为第i年陆地水储量年均变化量（mm）；ΔSMSi为第i年土壤水年均变化量（mm）。

2.2.2 Theil-Sen Median趋势分析Theil-Sen Median 趋势分析是一种稳健的非参数统计趋势计算方法［21］，可用来反映黄河流域地下水储量长时间序列演化趋势，计算公式如下：

式中：S为变化性的统计变量；s(S)为S的方差；n为时间序列的长度；sgn(W)为符号函数。当|Z|＞μ1-α/2，表明在α水平上存在显著变化。该研究在α=0.05置信水平上判断黄河流域地下水储量时间序列上变化趋势的显著性。对检验结果进行分级，按照显著性可分为极显著变化（|Z|＞2.58）、显著变化（1.96＜|Z|≤2.58）、弱显著变化（1.65＜|Z|≤1.96）和无显著变化（0＜|Z|≤1.65）4个等级。

2.2.4 地下水储量变化分级方法参考He 等［23］采用标准差分级法，根据历年地下水储量变化均值和标准差确定每段分割的端点，将2003—2016年地下水储量等效水高分为5 个级别，分别为增加、稳定、减少、较剧烈减少、剧烈减少（表1）。

表1 地下水储量变化分级标准Tab.1 Grading standard for changes in groundwater storage

3 结果与分析

3.1 地下水储量空间变化特征

2003—2016 年黄河流域地下水储量年均等效水高在空间上呈现显著的东西差异，东部减少西部增加，多年平均等效水高为-22.62 mm·a-1，由西向东地下水储量的下降程度不断加剧，且下降区域呈现由下游向中上游扩散的态势（图2）。其中，下降区域主要集中在中东部地区，变化等级以较剧烈减少和剧烈减少为主。研究初期，剧烈减少的区域包含西安市、洛阳市、三门峡市、郑州市等城市；研究末期，已包含黄河中下游的大部分城市，甚至上游的玉树藏族自治州、果洛藏族自治州、海南藏族自治州等也成为剧烈减少区域。这是由于黄河中下游地区经济增长快、人口集聚能力强，使得农业、工业和生活用水不断增加，而地下水补充速率远远低于消耗速率，故地下水储量不断减少。而西南部的地下水储量仍以增加为主，这是由于该区域的地形以青藏高原和黄土高原为主，平均海拔2000 m 以上，人口稀少且工农业欠发达，地下水资源量消耗总量少，加之全球气候变化引起局部地区冰川融水增加，使得黄河流域上游地下水补给速率大于消耗速率，因此地下水储量变化呈增加趋势。

图2 2003—2016年黄河流域地下水储量空间分布Fig.2 Spatial distribution of groundwater storage in the Yellow River Basin from 2003 to 2016

3.2 地下水储量时序变化特征

3.2.1 时序总体特征通过分区统计黄河流域2003—2016 年地下水储量变化情况，由图3 可知地下水储量变化整体呈下降趋势。该区域地下水储量等效水高最高值为2004年的10.32 mm，最低值为2016 年的-75.56 mm，2003—2016 年地下水储量年均降幅为5.93 mm·a-1。其中，2003—2007年黄河流域地下水储量等效水高变化幅度较小，至2008 年时，黄河流域地下水储量主要变化特征由增加变为减少，而2009—2016 年则呈现出持续下降的趋势，特别是2015—2016 年降幅最大，下降24.41 mm，最大降幅为47.74%。

图3 2003—2016年黄河流域地下水储量与植被覆盖度变化关系Fig.3 Relationship between groundwater storage and fractional vegetation cover in the Yellow River Basin from 2003 to 2016

统计2003—2016 年黄河流域地下水储量历年春季（3—5月）、夏季（6—8月）、秋季（9—11月）和冬季（12—次年2 月）的均值，发现呈现明显季节变化特点（图4）。春冬季下降幅度大，夏秋季下降幅度减小。这是因为黄河流域受季风气候影响，夏秋季是雨季，地表径流补给地下水，而冬春季为枯季，地下水补给地表水。地下水储量下降幅度春季最大、冬季次之、秋季再次之、夏季最小。其中，春季地下水储量等效水高均值为-58.92 mm，冬季地下水储量等效水高均值为-54.12 mm，秋季地下水储量等效水高均值为-47.81 mm，夏季地下水储量等效水高均值为-38.02 mm。

图4 黄河流域地下水储量四季变化Fig.4 Seasonal variation of groundwater storage in the Yellow River Basin

3.2.2 时序趋势特征为了进一步刻画黄河流域地下水储量时间序列的线性变化趋势，利用Theil-Sen Median和Mann-Kendall方法将S值与|Z|值重分类后再进行同像元叠加，得到黄河流域地下水储量线性显著性变化趋势（图5）。黄河流域地下水储量线性显著性变化趋势共分为7 个类别，分别是弱显著减少、显著减少、极显著减少、弱显著增加、显著增加、极显著增加和无显著变化，各类面积见表2。结合图5 与表2 可知，黄河流域地下水储量时序线性显著性变化特征以减少为主。其中极显著减少的区域主要分布在中下游地区，包括陕西省中北部和山西省大部分地区，河南省和山东省的黄河沿岸地区等，总面积为50.62×104km2，占黄河流域总面积的63.60%；显著减少的区域分布在青海省海北藏族自治州和西宁市，总面积为2.36×104km2，占黄河流域总面积的2.96%。综上，黄河流域地下水储量主要时序变化特征为持续减少，这是由人文与自然因素共同作用形成，一方面工农业生产和生活用水总量在不断增加，人水矛盾愈发突出；另一方面，生态用水在逐年加大，如研究发现植被变化与地下水储量呈显著的负相关关系。2003—2016 年黄河流域植被覆盖度时间序列上的变化趋势呈现显著的上升趋势，与地下水储量的年际变化趋势相反。2003年植被覆盖度为0.30，2016年增长至0.35，呈稳步增长的状态，地表植被覆盖情况日益改善（图3）。使用SPSS对两者进行相关性分析，发现在P＜0.01显著性水平上，皮尔逊相关系数为-0.97，呈显著的负相关关系。黄河流域气候类型以干旱半干旱气候为主，地下水储量与植被生态环境的关系相较于其他气候区更为密切，植被覆盖度的增加会消耗大量的水资源，且以地下水为主，说明植被覆盖度变化对当地地下水水资源储量产生深刻影响。

图5 黄河流域地下水储量线性显著性变化趋势Fig.5 Linear significant change trend of groundwater storage in the Yellow River Basin

表2 黄河流域地下水储量面积变化Tab.2 Variation of groundwater storage area in the Yellow River Basin

3.3 地下水储量下降区人口暴露风险状态

3.3.1 暴露风险状态下人口分布为精确识别黄河流域地下水暴露风险区，将研究区地下水储量线性变化趋势中显著减少与极显著减少的区域定义为地下水暴露风险区。将暴露风险区人口密度分为6个级别［18］，分别为无分布、1～20 人·km-2、21～50 人·km-2、51～100 人·km-2、101～200 人·km-2和＞200 人·km-2。以2016年为例，统计了研究区内市级行政单元地下水暴露风险下人口密度（图6）。黄河流域地下水暴露风险状态下的地级市人口密度在空间上呈东高西低、中部交错分布的状态。其中，暴露风险区人口密度＞200 人·km-2的地级市共16 个，包括兰州市、银川市、西安市、渭南市、晋中市、运城市、临汾市、济源市、安阳市、濮阳市、焦作市、新乡市、郑州市、菏泽市、泰安市和济南市；暴露风险区人口密度＞100 人·km-2且≤200 人·km-2的地级市共5 个，分别为临夏回族自治州、乌兰察布、晋城市、吕梁市和洛阳市；暴露风险区人口密度＞50人·km-2且≤100人·km-2的地级市共4个，分别为白银市、平凉市、包头市和三门峡市；暴露风险区人口密度为0～50 人·km-2的地级市交错分布。

图6 黄河流域地下水暴露风险下人口密度空间分布Fig.6 Spatial distribution of population density under groundwater exposure risk in the Yellow River Basin

3.3.2 地下水储量下降人口占比为便于分析，将2004—2016年每隔4 a统计地下水储量等效水高变化幅度分为17个不等间距的区间，并计算超过各级限值的人口累积百分比（图7）。结果表明超过各级限值的暴露人口累积百分比曲线在2004—2016 年向右移动，呈明显上升的趋势。其中，等效水高＜0 mm的区域人口在2004年有1517.62×104人，占黄河流域总人口的25.80%，2008 年上升至3705.02×104人，占比上升至61.54%，2012 年占比达到82.55%，2016年占比达到最高为87.04%，地下水储量下降区总人口上升至3908.94×104人；等效水高＜-15 mm的区域人口在2004 年有445.96×104人，仅占区域总人口的7.58%，2008 年陡升至31.26%，2012 年更是达到73.08%，2016 年上升至最高79.07%；等效水高＜-35 mm 的区域人口在2004 年有16.46×104人，仅占流域总人口的0.28%，2008 年上升至2.60%，2012 年骤然上升至63.12%，2016 年高达到66.35%；等效水高＜-55 mm 的区域人口，2012 占区域总人口的48.26%，2016年占比达60.72%；等效水高＜-65 mm 的区域人口在2012 年占区域总人口的34.17%，2016年上升为57.44%。

图7 黄河流域地下水储量的下降水平超过各级限值的人口累积百分比Fig.7 Percentage of population whose groundwater storage decline level exceeds the limits at all levels in the Yellow River Basin

4 讨论

地下水储量急剧下降不仅威胁到城市居民的用水安全，还会引起地面沉降等问题，成为威胁区域城市发展及居民安全的重大灾害隐患［24］。目前，干旱半干旱区地下水储量长时间序列宏观尺度的研究还较少，这是由于中国地质结构复杂，含水层较破碎［25］，且地下水储量人工监测成本高、难度大。该研究融合GRACE、GLDAS 和LandScan 人口数据等多种遥感数据，并参考前人研究思路，根据流域水循环与水量平衡原理，测算黄河流域2003—2016 年地下水储量，识别其时空变化趋势与特征，分析该区域地下水储量在不同降级下的人口暴露特征。

研究结果表明黄河流域地下水储量逐年下降，人口暴露占比持续上升。对比已有研究，如冯伟等［26］得出华北平原2002—2014 年地下水等效水高质量亏损为（56±6）mm·a-1；Yi等［27］发现2003—2014年黄河-淮河-辽河-海河流域的地下水质量损失也比较明显，损失的质量为（10.2±0.9）Gt·a-1；李婉秋等［28］研究表明关中地区2003—2014 年地下水储量存在长期亏损，亏损速率为3.70 mm·a-1。综上，本研究结论与已有研究基本一致。基于此，在黄河流域生态保护与高质量发展的背景下，相关部门应将地下水资源安全与粮食安全放在同等重要的位置，应积极发展节水农业、重点区域采用淡水回灌补充地下水等手段，保证黄河流域地下水储量安全［29］。该研究不但揭示了地下水储量变化的时空特征，还探究了流域不同地区人口暴露分析的空间异质性，研究结果有助于厘清黄河流域人水矛盾的重点区域，对实现流域可持续发展具有重要意义。

然而，本研究可能存在以下不足。（1）数据方面。首先，考虑数据可获得性，本文只选取一代GRACE 数据，时间序列为2003—2016年，这就限制研究的时效性。同时，本研究所用的GRACE 数据，虽经过了数据校正和地理信息技术处理，但是受制于时空分辨率限制，仍然存在一定的不确定性。此外，偶然因素也影响GRACE 部分月数据精度，李杰等［30］对GRACE 时间序列进行月趋势项和平均值，孙倩等［31］采用三点滑动平均法消除了季节内的随机波动。此外，对于土壤水分数据的处理也有无法避免的不确定性，因为许多地区地表水文过程较为复杂且地表水数据缺乏，许多研究计算所得的地表水储量变化与实际值往往相差较大。为减小计算地表水数据过程中的不确定性，土壤含水量数据由GLDAS-NOAH模型输出，而NOAH模型中只考虑了4 层土壤含水量，仅包含地表下2 m 的土壤含水量。为此，有部分学者计算了GLDAS 的CLM、MOSAIC、NOAH 和VIC 这4 个模型输出的土壤含水量数据，分别对应3.43 m、3.50 m、2.00 m 和1.90 m 土壤含水量，然后取其平均值。尽管本研究在充分参考前人的理论方法，最终确定选取GLDAS-NOAH模型输出的土壤含水量数据，包含地表下2 m的土壤水含量，但仍存在一定不确定性。（2）对黄河上游地下水储量计算有待进一步细化，尽管本研究中借鉴前人思路，认为土壤含水量和地下水储量变化是陆地水储量变化的主要原因，雪水当量及地表水蓄水量变化可以忽略不计［20］，这对于黄河中下游是有效的，但若重点关注黄河上游地区地下水储量的变化，充分考虑雪水、植物根区水和冠层水等对地下水储量的影响是非常有必要的。（3）地下水储量变化与人类经济活动的关系有待进一步挖掘。

在未来的工作中，以下3 个方面有待进一步研究。第一，基于GRACE 数据，结合地下水实测站点数据，反演中国更高时空分辨率地下水储量数据，并填补两代GRACE 卫星数据空白期数据，以更精确地探究干旱半干旱区地下水时空动态变化过程与影响机制。第二，黄河流域地下水储量变化主要集中在中下游地区，是本文的研究重点，而上游高海拔地区的地下水储量变化小，人类经济活动对其影响较小，并考虑到GRACE 数据的空间分辨率问题，因此在黄河流域地下水储量变化计算时只考虑了土壤水分的影响，下一步工作中应补充雪水和植物水变化对地下水储量变化的影响。第三，数据方面，结合便携式绝对重力仪和地下水监测井数据对地下水储量的空间分布及变化趋势进行反演、验证和分析，以便进一步研究人水矛盾突出区域的地下水资源演变规律，为黄河流域未来经济发展与资源可持续利用提供科学参考。

5 结论

（1）从空间特征看，黄河流域地下水储量变化特征在空间上呈明显的东西差异，东部减少西部增加，多年平均等效水高为-22.62 mm·a-1，由西向东地下水储量的下降程度不断加剧，且下降区域呈由下游向中上游扩散的态势。其中，下降区域主要集中在中东部地区，变化等级以较剧烈减少和剧烈减少为主。研究初期，剧烈减少的区域包含西安市、洛阳市、三门峡市、郑州市等城市；研究末期，已包含黄河中下游的大部分城市，甚至上游的玉树藏族自治州、果洛藏族自治州、海南藏族自治州等也成为剧烈减少区域。表明黄河流域人水关系矛盾日趋突出，该区域经济发展一定程度上依赖于地下水资源的过度开采。

（2）从时间特征看，一方面，2003—2016年黄河流域地下水储量时间变化特征为下降。该区域地下水等效水高最高值为2004年的10.32 mm，最低值为2016 年的-75.56 mm，2003—2016 年地下水储量年均降幅为5.93 mm·a-1。其中，2015—2016年降幅最大，下降24.41 mm，最大降幅为47.74%。另一方面，地下水储量时间变化存在季节效应，地下水储量下降幅度春季最大、冬季次之、秋季再次之、夏季最小。春季地下水等效水高均值为-58.92 mm，冬季地下水等效水高均值为-54.12 mm，秋季地下水等效水高均值为-47.81 mm，夏季地下水等效水高均值为-38.02 mm。

（3）从人口暴露风险看，黄河流域地下水暴露风险状态下的地级市人口密度在空间上呈东高西低、中部交错分布的状态，暴露风险区人口密度最大地级市共16 个，包括兰州市、银川市、西安市、渭南市、晋中市、运城市等。地下水储量下降幅度超过各级限值的人口累积百分比不断增加，在2016年达到最大值，人水矛盾十分突出。