京津冀陸地水儲量變化與區域降水相關性分析

楊 康

(1. 山東科技大學 測繪與空間信息學院, 山東 青島 266590;2. 中國測繪科學研究院, 北京 100036)

0 引言

京津冀地區位于華北平原北部,倚靠太行山、渤海灣,地勢西北高、東南低,地形地貌條件復雜。同時,該區域生態資源因自然或人為因素的影響日漸匱乏,屬于溫帶季風氣候,旱澇問題頻現,區域人均水資源量不足300 cm3/a。當前,區域水資源承載能力已超警戒線,但多年來工農業發展、城鎮擴張、氣候變化等要素仍然給區域的生態環境承載力帶來更大的威脅與挑戰。因此,研究京津冀地區陸地水儲量變化對揭示該區域陸地水循環、水資源跨區域調配、旱澇災害防范等領域提供理論依據。

傳統的區域陸地水監測方法包括遙感反演、建立地面水分觀測站等,遙感反演手段只能反映淺層水的特征,無法體現深層水儲量變化的信息;建立地面水分觀測站的缺點有空間分布不均勻、觀測成本較高,均存在一定的限制與缺陷。重力場恢復與氣候實驗(gravity recovery and climate experiment, GRACE)衛星自發射以來,為獲取高精度的地表及地球內部質量遷移引起的重力場變化提供了連續、有效的觀測手段,進而利用GRACE時變重力場模型反演獲得地表質量變化,對陸地水儲量變化進行有效監測。國內外學者對GRACE反演的陸地水儲量變化進行了深入細致的研究,Wahr[1]、Taply等[2]早期對GRACE監測大尺度地球質量變化進行了可行性研究,并與水文模型進行對比分析。Landerer和Swenson[3]使用GRACE數據與水文模型擬合數據進行對比分析,揭示了利用GRACE數據研究陸地水儲量變化的可行性,并分析了精度及誤差。Wahr等[4]用GRACE月重力場解估算了亞馬遜流域等國際典型流域的水儲量年變化分量。胡小工等[5]分析了長江流域水儲量變化的季節性特征及振幅特點。Wang等[6]基于GRACE數據扣除水文模型,與三峽庫區蓄水量對比分析證明了GRACE監測指定小空間水量變化的可行性,徐永明[7]利用GRACE數據對云貴高原陸地水儲量變化進行監測分析,使用相關性分析、趨勢分析等方法分析了陸地水變化的時序特征。

據中國水旱災害公報顯示,在2015—2017年期間,京津冀地區水旱災害較為頻繁,降水量較常年偏少,受水旱災害影響經濟損失巨大。本文結合時間段內區域24個氣象臺站的降水資料與GRACE反演的陸地水儲量變化信息,分析陸地水儲量變化與區域降水的相關性,并運用全球陸地資料同化系統(global land data assimilation system,GLDAS)水文模型數據,進一步分析研究區域內水儲量時空變化及趨勢特征,以期為水旱災害頻發地區進行災害防治、水資源時空分配提供理論依據。

1 理論與方法

GRACE時變重力場反演獲取的陸地水儲量變化是以等效水高來表示,從重力場模型計算等效水高時,考慮了由于水層的載荷而引起的地球的彈性變形。計算公式[8]為

(1)

皮爾遜相關系數用來對比分析GRACE數據與其他數據產品在時間序列上的相關程度,其計算公式為

(2)

水儲量虧損[9]指當月水儲量變化與指定月份的平均氣候之差,月平均氣候可定義為特定時間序列中所有月水儲量變化的均值。水儲量虧損及水儲量虧損指數的計算公式為

(3)

(4)

2 數據來源及預處理

2.1 陸地水儲量變化數據

本文的GRACE數據為德國波茨坦地學研究中心最新提供的2015年1月至2017年6月共30個月的GRACE level-2(RL06)版本的大地水準面模型的球諧位系數(GSM)月重力場模型數據[10],此數據通過一階項改正、球諧系數截斷至60階、經去相關濾波和300 km高斯平滑處理之后得到的區域等效水高值的數據[11],其中,時間跨度數據共有7個月的缺失,分別為2015年6月、10月、11月,2016年4月、9月、10月,2017年2月,缺失數據由線性插值方式補齊,所獲取數據的區域經緯度范圍為114°～120°E、37°～42°N。同時,求取時間跨度內所有月份的均值數據,對各月的等效水高變化數據進行扣除均值處理。

2.2 降水量數據與GLDAS水文數據

本文氣象站點數據來自京津冀地區24個氣象站點的月值降水量數據。區域降水數據根據區域內24個氣象站降水數據取平均擬合而來。

本文采用全球陸地資料同化系統中的陸地表面模式(GLDAS-NOAH)的格網化產品數據，時空分辨率分別為1個月、0.25°×0.25°。提取研究區域范圍的數據,同時實現0～200 cm土壤水變量的提取。進行月平均計算,并扣除時間跨度內所有月值文件的均值后,得到對應的等效水高數據。

3 實驗結果與分析

3.1 陸地水儲量變化與區域降水

將GRACE反演得到的陸地水儲量變化格網數據經過空間內插至氣象站點的數據與京津冀地區的24個氣象站點的月降水量數據進行相關系數的計算,結果顯示,大部分氣象站降水量與陸地水儲量變化的相關系數均不超過0.3,呈弱相關狀態。根據文獻[12]中GRACE監測陸地水儲量變化較降水滯后2個月的觀點,對氣象站降水分別滯后1個月、2個月與陸地水儲量變化進行相關系數統計,部分氣象站統計結果如表1所示。大多數氣象站點在降水量數據滯后2個月達到較強的相關性,如塘沽站為0.621 1。而部分站點如北京站在降水量滯后1個月的相關系數達0.582 5,表明京津冀地區大部分氣象站點GRACE反演的陸地水儲量變化較降水滯后2個月左右,小部分氣象站點在降水滯后1個月與陸地水儲量變化達到強相關性。

表1 部分氣象站降水量與陸地水儲量變化相關性

選取區域內分散的4個氣象站降水數據,分析陸地水儲量變化的時空變化特征,如圖1所示。折線部分點值小于0表示相比均值水儲量為增加狀態,反之為減少狀態,條形圖表示氣象站點實測降水數據。選取的氣象站位置具有代表意義,張北站處于太行山山區地帶,邢臺站位于太行山脈與華北平原交界處,承德站位于海河平原北部,與燕山山地相鄰,塘沽站靠近渤海灣,位于海河流域內。總體而言,氣象站點降水量具有較為明顯的季節性特征,每年的6、7、8月份降水較為集中,此時的陸地水儲量也基本處于盈余狀態,各個氣象站的降水量峰值均出現在2016年7月,而每年的12、1、2、3月則是降水量十分稀少的月份,有部分月份的降水量甚至出現了0值,陸地水儲量也大多處于虧損狀態,這種情況符合該區域所處溫帶季風氣候的降水特點,即夏季多雨、冬季干燥。在此時間跨度內,各個氣象站的陸地水儲量變化的趨勢較為一致,峰值均出現在2016年9月,峰值均滯后降水量峰值1個月,這種情況說明研究區域的水文地質條件對陸地水儲量變化存在時延響應。部分氣象站點,如邢臺站在2015年2月出現水儲量盈余的狀態,而在此期間降水量卻十分稀少,這可能是受到其他水文氣象要素的影響導致。

將區域內24個氣象站點的月降水量取平均,可擬合出該地區的總體降水情況,將降水量月值數據滯后兩個月處理,與GRACE反演出的區域陸地水儲量變化進行相關性分析,相關系數可達0.64,此情況主要表明GRACE獲取的陸地水結果包含當月之前的降水信息。在此時間跨度范圍內,等效水高變化范圍為-44.82～60.61 mm,整體來看，區域水儲量變化為小幅上升趨勢。

針對降水量峰谷值的特點,選取研究區域內2015年1月、2015年7月、2016年2月、2016年8月的陸地水儲量的變化進行對比分析,空間分布圖如圖2所示。水儲量變化趨勢在空間上大致呈現階梯式分布,如圖2(c)中2016年2月陸地水儲量變化趨勢從西北部張家口地區至東南部渤海灣區域由水儲量虧損狀態轉為盈余狀態,這表明了研究區域內陸地水儲量變化存在其空間一致性特征,不存在部分點值異常的問題。綜合該區域多個月份水儲量空間分布狀況及降水情況,在降水稀少的月份,如1、2月份,大部分區域出現水儲量虧損狀態,反之,在夏季降水集中的月份,如7、8月,水儲量盈余狀態占據主導,2016年8月甚至出現全區水儲量盈余,振幅范圍為29.39～70.27 mm。

圖1 部分氣象站點降水量與陸地水儲量變化對比

(a)2015年1月 (b)2015年7月

(c)2016年2月 (d)2016年8月

3.2 陸地水儲量變化與GLDAS結果

利用GRACE反演的研究區域的陸地水儲量變化及GLDAS水文模型格網產品,經過區域平均后獲取的時間序列,如圖3所示。GRACE反演得到的陸地水儲量變化與GLDAS水文模型的計算結果趨勢性較為一致,其相關系數達到0.61,呈強相關狀態,驗證了本文GRACE反演陸地水儲量變化結果的可靠性;兩者的標準差分別達到21.3、24.3,這些表明兩者的時間序列離散程度較高;兩者振幅方面對比,GRACE反演的陸地水儲量變化要大于GLDAS計算結果,其幅值范圍在-44.82～60.61 mm。表明GRACE反演陸地水儲量變化時考慮了土壤水、冰雪變化、地下水質量變化等多種因素的影響,而GLDAS水文模型數據只統計了0～200 cm的淺層土壤水信息。

圖3 GRACE與GLDAS獲取等效水高變化結果對比

從水量平衡角度出發,若以2016年7月為節點,2015年1月至節點時間段內,GRACE反演的陸地水儲量變化與GLDAS的結果均表明了水儲量整體上處于虧損狀態。例如,在2016年3月至2016年5月的時間段內,多月的水儲量虧損指數(WSDI)為負值,如表2所示,這表明了此時間段內區域出現了較為嚴重的春旱情況,這與2016年中國水旱災害公報(http://www.mwr.gov.cn/)描述的旱情狀況一致。而在節點至2017年6月時間段內,GRACE與GLDAS結果主要表現為水儲量增加狀態,即水儲量盈余狀態占主導,表明降水是此時間段影響陸地水儲量變化的主要因素之一。

表2 GRACE與GLDAS時間段內WSDI值統計

為了研究區域內水儲量變化特征,本文采用13點滑動平均法(13 points moving,13PMA)[13]分別對GRACE及GLDAS消除季節項影響,時間序列如圖4所示。GRACE與GLDAS結果的相關系數可達0.88。分析圖3、圖4、圖5可知,GRACE及GLDAS獲取的水儲量變化趨勢總體上一致,個別月份存在差異,該情況表明，GRACE及GLDAS的數據處理誤差、計算模型及區域氣候條件差異對解算結果有一定影響。對消除季節項影響后的GRACE水儲量變化進行最小二乘擬合,如圖5所示,得到研究區在2015年1月—2017年6月水儲量的上升速率為0.118 mm/a,呈小幅上升趨勢。

圖4 13PMA后的水儲量年際變化趨勢

圖5 GRACE水儲量線性變化趨勢

4 結束語

本文利用京津冀地區2015年1月—2017年6月這一時間段內,對GRACE反演的陸地水儲量變化信息與氣象站點降水量、GLDAS水文模型數據進行了相關性分析,得出結論如下：

(1)區域內大部分氣象站點上GRACE反演的陸地水儲量較降水量實測數據延遲2個月左右達到強相關性。

(2)結合GLDAS水文模型獲取的水儲量變化數據,根據水儲量虧損指數,監測到區域內2016年春旱現象的發生的原因。

(3)消除季節性影響后,GRACE與GLDAS相關系數可達0.88,時間跨度內區域水儲量上升速率為0.118 mm/a。

研究結果可對區域內水資源合理調度、水旱災害預報提供一定的數據支持,同時,對了解該區域水儲量變化時空特征、進行生態環境監測給出一定參考價值。