兩種重力衛星數據集的區域適用性分析

朱永華，羅平平，張潔，席小康，梁麗娥

(1.延安大學 建筑工程學院，陜西 延安 716000；2.長安大學 旱區地下水文與生態效應教育部重點實驗室，西安 710054；3.長安大學 水與環境學院，西安 710054；4.陜西省水文水資源勘測中心，西安 710054)

0 引言

作為陸地水資源儲量的重要組成部分，地下水儲量變化對全球水文循環和水資源管理至關重要。全球多地區地下水超采日趨加劇，并導致許多環境問題，諸如，印度北部和非洲肯尼亞的地下水儲量迅速下降以及墨西哥阿瓜斯卡連特斯山谷因地下水開采而導致的結構控制性地面沉降[1-4]。就我國而言，過度依賴地下水資源的區域，如華北平原[5]、黃淮海平原[6]和西遼河平原[7-8]等也都受到了一定程度的影響。開展大尺度的野外地下水資源實地調查無疑是理論上監測地下水狀況的最優方法，但該方法受限于客觀條件，需要消耗大量人力物力[9]，同時由點上的結果擴展到面上時也可能產生偏差。而地下水數值模型由于自身的不確定性及水文過程的復雜性導致其應用與結果存在很大的局限性[10]。因此，如何能夠及時、準確和全面地進行水資源，特別是地下水資源的動態監測，已經成為當代的研究熱點與重點，引起政府與相關領域專家學者越來越多的重視。

隨著遙感衛星技術的不斷完善與發展，源自“地球重力場反演和氣候實驗(gravity recovery and climate experiment，GRACE)”衛星任務的遙感數據使得空間探測區域尺度的水文因子，特別是水資源儲量與地下水儲量成為了可能[11-13]。由于其具有時間連續、空間范圍廣、可重復、廉價等特點，不僅可以彌補傳統水文監測方法的不足，還可以在傳統監測的協助下更有效地評估區域水資源[14]。GRACE衛星數據分別由美國德克薩斯大學空間研究中心(Center of Space Research，CSR)、德國波茨坦地學中心(German Research Centre for Geosciences，GFZ)和美國噴氣動力實驗室(Jet Propulsion Laboratory，JPL)進行處理與分發。目前，GRACE衛星數據被廣泛應用于河流流域尺度[15-16]、區域尺度[17-18]、湖泊及水庫流域尺度[19-20]的水資源儲量變化研究中，取得了大量的研究成果。與此同時，GRACE衛星數據還可以用于反演地下水資源量變化，為不同空間尺度的地下水儲量變化研究提供可靠的數據支撐[21-22]，尤其在資料稀缺的地區，其優勢更為明顯，如依據監測數據反演流域地下水儲量變化情況[23]、估算地下水年開采量[24]和水資源利用情況[25]等。然而，由于GRACE衛星數據處理方式的不同，如球諧系數的選取、質量異常的處理以及降低計算誤差等，導致數據集在空間尺度和區域適用性等方面存在差異。因此，不同數據源的GRACE衛星數據之間的對比研究勢在必行，這也是未來進行區域水資源，特別是地下水動態監測的科學基礎。目前有關不同數據源的GRACE衛星數據之間的對比研究剛剛開始，而在半干旱區西遼河流域平原區開展的相關研究仍鮮有報道。

為了實現中國北方農牧交錯帶典型沙地區域的地下水資源動態變化監測，本文分別采用由JPL和CSR提供的GRACE level-1和RL05 level-2數據，反演該地區陸地水資源儲量及地下水儲量變化，并與區域水文部門實測地下水資源數據反演計算的結果進行對比驗證，以期識別適用于研究區的數據源，為當地水資源的保護與可持續利用提供科學數據參考。

2 材料與方法

2.1 研究區概況

研究區位于中國北部農牧交錯帶典型沙地區域(42°30′N～45°00′N，120°00′E～123°30′E之間，圖1)，面積約3.2×104km2，平均海拔800 m。研究區年降水量在350～450 mm之間，年平均氣溫為6.0 ℃，蒸發量(Φ20 cm)為1 817 mm[26]。大約80%的總降水量發生在夏季(6—9月)。研究區作為半干旱地區典型的農牧交錯帶，農作物、樹木和草本植被構成了主要的植被類型。三條主要河流(西遼河、教來河和新開河)曾流經研究區。然而，河流的流量均已經減少，甚至季節性或常年干涸[27]。在過去的30年里，伴隨著研究區灌溉用水需求的增加，作為滿足各類用水的地下水資源銳減，埋深值從2 m顯著下降到6 m，生態效應加劇。

圖1 研究區位置及實測地下水觀測井分布圖【審圖號：GS(2022)2235號】

2.2 數據來源

1)陸地水資源儲量變化(terrestrial water storage change，TWSC)。本文所采用的TWSC數據分別為JPL和CSR提供的2002年4月至2014年12月共153個月的GRACE level-1(空間分辨率為0.5°)(https：//grace.jpl.nasa.gov)和RL05 level-2(空間分辨率為1.0°)(http：//isdc.gfz-potsdam.de/grace-isdc/)數據，單位為cm。但是由于衛星自身的原因和測量誤差等因素[28]，研究期間有13個月的數據不可用，即2002年6月、2002年7月、2003年6月、2011年1月、2011年6月、2012年5月、2012年10月、2013年3月、2013年8月、2013年9月、2014年2月、2014年7月和2014年12月。本文采用插值法[29]對缺失數據進行插值填補。

GRACE衛星的月重力模型數據反映的是與地球靜態結構相關的成分，即其反演的是每個像元水儲量多年距平，即像元每月水儲量與該像元水儲量多年均值的差值。本文將各數據減去2004—2010年的平均值來反映陸地水資源儲量變化情況，正負號用于反映變化的方向，分別代表TWSC呈積累或虧損狀態。

2)全球陸地數據同化系統(global land data assimilation system，GLDAS)水文模型數據。由于缺乏對水文數據的連續監測，GLDAS-NOAH數據被用于分析水文因子變化情況[30]。本文中的土壤水分(soil moisture，SM)、雪水當量(snow water equivalent，SWE)和總冠層蓄水量(total canopy water storage，TCWS)數據均來自GLDAS-NOAH數據產品(https：//disc.gsfc.nasa.gov/)。GLDAS-NOAH數據時間序列為2002年1月至2014年12月，具有月時間分辨率和0.25°空間分辨率。以上數據單位為kg/m2，土壤水分數據的深度分別為10、40、100、200 cm。

3)實測地下水埋深(groundwater from in situ observations，GWIn-Situ)。本文采用的實測地下水埋深數據源自2002—2014年研究區范圍內水利部門75口地下水埋深觀測井的實測數據，分布位置詳見圖1。該值取自每月三次埋深值的均值，時間尺度為月，單位為m。

2.3 數據處理

GRACE衛星所反演的TWSC是由陸地各水文要素構成的，如土壤水、地表水、雪水等，其中地下水資源量變化(groundwater resources change，GWC)也是其重要的組成部分，特別是在缺少地表水資源的干旱半干旱地區。本文基于上文處理獲取的數據，運用水平衡原理，將GWC從TWSC中分離出來，計算如式(1)所示。

GWC=TWSC-GLDASC(SMC+SWEC+TCWSC)

(1)

式中：GWC為地下水儲量變化；TWSC數據分別源自CSR和JPL的GRACE衛星數據；GLDASC為GLDAS-NOAH模型反演的不同水資源儲量變化。

3 結果與分析

3.1 不同數據源反演TWSC時間特征分析

2002—2014年月尺度CSR和JPL的GRACE衛星數據所反演的TWSC數值如圖2所示，二者變化趨勢整體上均呈現出小幅度的下降，呈虧損狀態，變化速率分別為-0.003 cm/月和-0.011 cm/月。

圖2 2002—2014年CSR/JPL反演陸地水資源總儲量變化

通過分析不同數據源反演的TWSC值可以發現，JPL與CSR數據反演結果的相關性顯著(R=0.848，P<0.01)，但前者較CSR數據變化幅度相對較大，其值范圍為-6.9～10.4 cm。

3.2 不同數據源反演GWC時間特征分析

基于不同數據源GRACE衛星數據，反演獲取典型沙地區域的GWC，并用以進行月尺度時間序列的區域地下水儲量變化分析，詳見圖3。

圖3 2002—2014年CSR/JPL反演計算地下水儲量變化

分別基于JPL和CSR的GRACE衛星數據所反演的GWC值在研究期間的變化趨勢相對統一(R=0.614，P<0.01)，均呈波動式下降趨勢，變化速率分別為-0.029和-0.024 cm/月，說明二者反演精度相似，均能用于表征區域地下水儲量變化。并且，JPL所反演計算的GWC值均高于CSR反演值，可能是由于預處理方法和時空分辨率的不同所造成。其中，分別在2002—2006年和2013—2014年時間段，不同數據源(JPL和CSR，順序下同)變化率分別為-0.014、-0.076 cm/月和0.114、0.145 cm/月。但是，在2007—2012年期間，JPL所反演計算的GWC略低于CSR反演值，變化率分別為-0.087和-0.101 cm/月。該結果證實，此期間內區域地下水變化情況復雜，變化幅度相對明顯。2012年以后，二者的GWC與區域TWSC變化趨勢相一致，均呈小幅度增加。通過分析可推測，研究區降水量近幾年呈增加趨勢，必然對區域水資源量積累產生正面作用。此外，由于國家和政府對區域所面臨的生態環境問題的不斷重視，一系列的生態環境保護措施的實施也將對地下水超采等問題起到了抑制作用。

3.3 不同數據源GRACE衛星數據適用性分析

本文以研究區75口地下水觀測井的地下水埋深實測數據為基礎，以期對兩種GRACE衛星數據反演的GWC成果進行驗證。首先，進行等效水高化處理，即將地下水埋深變化值乘以給水度，以期獲取等效水高形式的地下水儲量變化值，詳見圖4。其中給水度參考前人已有研究成果[31]，選用其均值0.111 3作為參數。之后，將其與衛星數據所反演的GWC進行對比分析。

圖4 2002—2014年實測數據反演計算地下水儲量變化

基于實測埋深值獲取的地下水儲量變化與基于GRACE衛星數據所反演的值變化趨勢相對一致，呈現虧損狀，詳見圖4。然而，實測計算的GWC數值與CSR及JPL衛星數據反演計算的結果相關性不顯著(R=0.145，P>0.05；R=0.038，P>0.05)，前者下降變化趨勢更為明顯，變化率達-0.154 cm/月。為了更加直觀地判別不同數據源反演GWC與基于實測埋深反演結果擬合程度，本文結合圖3的階段變化趨勢，分別進行相關性分析。表1分別給出了源自不同數據源的衛星遙感和傳統水文監測兩種方法所反演的地下水儲量變化相關性分析結果。

表1 2002—2014年不同數據源反演計算地下水儲量變化相關性分析

由表1可知，2002—2006年期間，CSR反演的GWC結果較JPL反演結果與基于傳統水文監測法反演GWC值相關性顯著(R=0.289，P<0.01)，后者未通過顯著性檢測。2007—2012年期間，衛星反演計算數據與實測計算數據值相關性顯著，均通過了顯著性檢測。與之相反，2013—2014年期間，衛星反演計算數據與實測計算數據值相關性不顯著，均未通過顯著性檢測，但CSR反演計算結果與實測計算結果相關系數較大，說明二者相關性高于JPL反演計算結果。綜上所述，CSR反演計算GWC與基于傳統水文監測法反演GWC值變化趨勢相對一致，更能適用于研究區地下水儲量變化的反演研究。

4 討論

已有許多學者針對典型沙地區域的水資源動態變化進行研究，認為其呈下降趨勢[32-33]，與本文的研究結果相一致，表明GRACE衛星數據反演計算的結果可以用于表征區域水資源儲量變化。與此同時，基于對比分析CSR/JPL衛星數據所反演的平原區TWSC情況，可知二者整體上變化趨勢相一致，相關性顯著。但是，JPL所反演結果相對變化顯著，變化幅度大于CSR反演結果，這可能是由于不同數據源GRACE衛星數據的預處理方法不同所引發的，陶征廣等[34]基于 GRACE衛星數據反演安徽省地下水儲量變化時也對此進行過分析。

地下水埋深長時間序列數據為研究區域地下水資源動態變化提供了所必需的關鍵歷史視角[35-37]。但若想獲得任何有意義的地下水埋深監測數據，連續、大量的及有代表性的地下觀測井是關鍵需求。本文中地下水埋深值的觀測井均位于耕地或城鎮等地，受人為因素影響較大，兼之數量有限，觀測值不能較好地代表整體區域性，特別是具有廣闊面積的草地與未利用地等的地下水狀況[38]，這也解釋了不同數據源的GRACE衛星數據反演計算的地下水儲量變化與實測埋深值反演計算的結果相關性較差的原因。值得說明的是，CSR 和 JPL 哪一個更適用于表征本研究區水資源儲量的實際情況，需要進一步去采用衛星數據降尺度等方法或基于大量的地面長期觀測數據集進行模擬預測等方式來評判，還需要不斷全面與深入地進行研究。

5 結束語

本文比較了CSR和JPL的GRACE衛星數據在反演農牧交錯帶典型沙地區域陸地水資源儲量變化及計算地下水儲量變化的異同，主要結論有以下幾點。

1)研究區陸地水資源儲量變化及地下水儲量變化整體上均呈現出下降趨勢，呈虧損狀態，JPL的反演結果較CSR反演結果變化速率快、幅度大。

2)通過對比實測地下水埋深反演計算的地下水儲量變化，CSR反演計算研究區地下水儲量變化結果更適用于研究區進行表征地下水動態變化情況。

3)GRACE衛星數據對于了解大尺度區域陸地水資源儲量變化的特征及趨勢具有重要作用。鑒于 GRACE衛星數據得到了廣泛應用并取得了大量研究成果，評估 CSR和 JPL不同數據源的衛星數據的區域適用性，以及利用實測地下水埋深數據集評判哪一個數據源更適用于表征區域水資源動態變化情況，具有重要的科學研究和社會價值。