我國東部沿海三大城市群地下水儲量變化與驅動因素分析

林雪敏， 李偉峰， 王紅， 明冬萍， 韓立建

(1.中國地質大學(北京)信息工程學院，北京 100083； 2.中國科學院生態環境研究中心，北京 100085； 3.自然資源部信息中心，北京 100036)

0 引言

作為重要的淡水資源，地下水提供了全球約40%的灌溉用水和50%的城市市政用水[1]，其高強度開采引發了一系列環境問題[2-3]。在人類活動集中的城市地區，地下水超采導致的地面沉降破壞了公路、建筑物、管道和地鐵等基礎設施[4]，如墨西哥古茲曼市，其西北部地面沉降速度達0.25 m/a，道路變形和建筑物損毀嚴重[5]。在中國，京津冀地區地面沉降面積超過7萬km2； 長三角地區有近1萬km2的地面沉降超過0.2 m[6]； 珠三角部分地區地面塌陷造成的直接經濟損失超過1.2億元[7]。此外，地下水超采還會增加沿海城市海水入侵的風險[8]，如印度尼西亞首都雅加達海岸帶年沉降量達2.8 m，大量沿海建筑物被淹沒。作為沿海城市群，地下水超采造成了京津冀、長三角和珠三角部分海岸帶海水入侵范圍不斷擴大，生態環境持續退化[9]。地下水超采嚴重威脅城市群的生態安全和可持續發展。因此，探究地下水儲量變化及其驅動因素，揭示不同城市群發展模式對地下水的影響，對于指導未來城市群發展與地下水資源的合理利用具有重要的科學意義。

目前，地下水儲量變化監測的方法主要有傳統的站點監測和GRACE(Gravity Recovery and Climate Experiment)衛星監測。其中，站點監測受觀測井數量和分布限制，難以及時高效地評估大范圍地下水儲量的時空變化[10-11]。GRACE任務通過2顆共軌衛星監測地球的時變重力場(主要由陸地水量變化控制)[12]，并依據陸地水量平衡原理推算地下水儲量的變化，該方法不受空間限制，時效性高，應用廣泛[13-14]。Kalhor等[15]和Gao等[16]利用GRACE數據分別反演了美國亞特蘭大市和中國張家口市的地下水儲量變化，并與實測數據對比證明了GRACE反演方法的可靠性。目前，GRACE數據多應用于全球及區域大空間尺度，但對人口高度密集的城市化區域關注較少。京津冀、長三角和珠三角城市群作為我國沿海最重要的3個城市群，尚缺乏長時間序列地下水儲量動態變化及影響因素的定量評估與對比分析。

地下水儲量變化主要受氣候變化和人類活動的影響，在人口密集的城市地區，地下水開采增加主要是由于用水需求量增大。自1980年代以來，隨著快速的城市化，全球用水量以每年約1%的速度增長，地下水被大量開采以支持城市發展[17-19]。例如約旦伊爾比德省，飲用水、城市用水和農業用水需求的增加導致其地下水需求量在過去的40 a間增加了227%[20]。在資源型缺水的京津冀城市群，由于地表水資源匱乏，地下水供給了總用水量的70%以上。而在地表水資源豐富的長三角和珠三角城市群，經濟高速發展引發了嚴重的地表水污染，水質型缺水導致潔凈地下水的開發強度不斷增大[21]。如珠三角廣花盆地的地下水開采機井在1982—1996年間增加了2倍多[22]。由于不同的自然條件、地理區位、發展歷史以及城市化模式，京津冀、長三角與珠三角城市群地下水儲量變化的驅動機制尤為復雜。因此，全面解析與對比分析3個城市群地下水時空變化的關鍵驅動因素，有助于進一步促進城市群地區地下水資源的科學管理與保護。

本研究以京津冀、長三角和珠三角城市群為研究案例，結合GRACE衛星數據、全球陸面數據同化系統(global land data assimilation system，GLDAS)和全球水文與水資源模型(watergap global hydrology model，WGHM)定量反演了2002—2016年間其地下水儲量的年際變化特征，并利用灰色關聯分析方法定量解析了多種自然與社會經濟因素對地下水儲量變化的影響程度，揭示我國東部沿海典型城市群地下水儲量變化特征及關鍵驅動因素。

1 研究區概況及其數據源

1.1 研究區域

京津冀、長三角和珠三角城市群均位于中國東部沿海，以占全國5.01%的區域面積承載了全國21.75%的人口和39.12%的國內生產總值(gross domestic product，GDP)(2016年)，是中國人口集聚最多、經濟規模最大、綜合實力最強的3個城市群。其中，京津冀城市群位于華北平原北部，年均降水量為505 mm，共包括13個城市，核心城市有北京、天津和石家莊； 長三角城市群位于長江下游，年均降水量為1 278 mm，共包括26個城市，核心城市包括上海、南京、杭州和合肥； 珠三角城市群位于廣東省中南部沿海，年均降水量為1 827 mm，共包括9個城市，核心城市為廣州。作為中國城市化程度最高的地區，2016年3個城市群的人口城鎮化率由高到低分別為84.85%(珠三角)、70.53%(長三角)與63.88%(京津冀)，遠高于全國同期平均水平(57.35%)。同時，3個城市群的人均GDP由高到低分別為11.43萬元(珠三角)、10.62萬元(長三角)與6.77萬元(京津冀)，均明顯高于全國平均水平(5.38萬元)。人口和社會經濟的快速發展對水資源有著巨大的需求。以2016年為例，京津冀、長三角和珠三角的地表水資源量分別占全國的0.47%，6.67%和2.40%，而用水量卻分別占全國的4.01%，13.91%和3.53%。開采地下水成為這些地區彌補地表水資源短缺的主要途徑。各城市群自然和社會經濟情況具體如表1所示。

表1 2016年城市群自然和社會經濟指標Tab.1 Natural and socio-economic indicators of urban agglomerations in 2016

(續表)

1.2 研究數據

1.2.1 GRACE和水文模型數據

本文選取了GRACE RL06模型的月度陸地水儲量距平(terrestrial water storage anomalies，TWSA)產品(http: //www2.csr.utexas.edu/grace)，即陸地水儲量相對值，空間分辨率為0.25° × 0.25°。研究時間段為2002年4月—2016年12月，這期間GRACE缺失了19個月的數據(2002年6月、7月，2003年6月，2011年1月、6月，2012年5月、10月，2013年3月、8月、9月，2014年7月、12月，2015年6月、10月、11月，2016年4月、9月、10月)，通過線性插值進行填補[11, 23]。

此外，使用GLDAS和WGHM數據獲取陸地水的組分信息。GLDAS-2/NOAH模型的月度產品提供了土壤蓄水量和冰雪蓄水量數據(https: //disc.sci.gsfc.nasa.gov/datasets?keywords=GLDAS)，空間分辨率為0.25° × 0.25°。WGHM 2.2d 模型的月度產品提供了濕地、湖泊、河流和水庫4類地表水體蓄水量數據(https: //doi.pangaea.de/10.1594/PANGAEA.918447)，將這4類水體之和作為地表水蓄水量，空間分辨率為0.5° × 0.5°，需進行重采樣以匹配GRACE數據。

1.2.2 自然與人為因素數據

針對3個城市群的自然與社會經濟特征，以及地下水開發利用情況，結合相關文獻[24]，從自然因素、用水量、經濟因素以及人口因素4個方面，共計選取了13個驅動因素指標(表2)： ①自然因素，包括降水量、地表水資源量及蒸散量3個指標； ②用水量，包括總用水量及各部門用水量等4個指標； ③經濟因素，包括總GDP、各產業GDP及人均GDP 等5個指標； ④人口因素，選取總人口數量1個指標。各城市群自然與社會經濟統計數據由其所包含的地級市數據求和得到，各地級市數據大部分來源于其所屬省份的水資源公報及統計年鑒，部分數據來源于該地級市的水資源公報。此外，本文采用農業用水作為第一產業用水，工業用水作為第二產業用水，將《中國城市建設統計年鑒》城市供水中的“公共服務用水”與“其他用水”之和作為第三產業用水[25]，用于產業與用水結構分析。其中，產業結構利用3個產業GDP占總GDP的比重衡量，用水結構使用3個產業用水量占各產業用水總量的比重衡量。

表2 地下水變化驅動因素指標Tab.2 Indicators of driving factors affecting GWS change

2 研究方法

2.1 基于GRACE的地下水儲量變化反演方法

根據陸地水量平衡原理，陸地水由地表水、地下水、積雪冰蓋、土壤水及生物含水(通常忽略不計)構成。因此，地下水儲量距平(groundwater storage anomalies, GWSA)可表示為[16]：

GWSA=TWSA-SWA-SMA-SNA，

(1)

式中：GWSA為地下水儲量距平，即地下水的相對儲量，通常使用等效水高表示，cm；SWA，SMA和SNA分別為WGHM模型提取的地表水蓄水量、GLDAS模型提取的土壤蓄水量和冰雪蓄水量的距平值。為了與TWSA進行一致的比較，需分別計算相同基線時間(2004年1月—2009年12月)內地表水、土壤以及冰雪蓄水量的平均值，并從各自相應的時間序列中減去該值，以獲取距平值[26]。

地下水儲量變化ΔGWS由GWSA對時間t求導數計算得到[27]，即

(2)

2.2 精度驗證

本文利用實測地下水位數據，通過雙變量相關法驗證GWSA估算的精度。由于長三角和珠三角地區的地下水監測站較少，分布稀疏且不均勻，而京津冀地區地下水監測站較多且分布均勻，因此，本研究以京津冀城市群為例進行精度驗證。在京津冀地區選取了90個國家級監測站，這些站點在2005—2016年間持續提供地下水年均埋深數據，數據來源于《中國地質環境監測地下水位年鑒》。為了與GRACE數據保持一致，計算所有站點地下水年均埋深的距平值(即地下水儲量距平值的等效水高)，并取平均值作為該區域的地下水儲量距平實測值。

2.3 滑動平均分析

滑動平均模型是時間序列分析的基本方法，用確定時間序列的移動平均值來顯示變化趨勢[28]。對于時間序列X={x(k)|k=1,2,…,n}，其時間t處的變化速度V(t)計算為：

(3)

式中：m為移動長度，一般為奇數，本文取m=3，即選用3 a滑動平均；n為序列時間長度，k和t為時間節點，本文研究時間段為2002—2016年，共15 a，因此n=15，k=1,2,…,15，考慮滑動平均趨勢分析存在端部效應[29]，因此不考慮前3 a和后3 a的分析，即t=4,…,12。

2.4 灰色關聯分析

灰色關聯分析方法通過對系統的動態發展態勢做定量比較分析，進而衡量不同時空序列數據間的關聯程度，其基本思想是通過確定參考數列Y={y(k)|k=1,2,…,n}和若干比較數列Xi={xi(k)|k=1,2,…,n},i=1,2,…,m的幾何形狀相似程度來判斷其聯系是否緊密，以及關聯強度[30-31]。

本研究將2002—2016年間地下水儲量變化的時間序列作為參考數列，各驅動因素的時間序列作為比較數列。對各序列分別進行初值化處理以統一量綱。灰色關聯度計算公式為：

(4)

式中：ri為第i個驅動因素與地下水儲量變化間的灰色關聯度，其值越接近1，關聯程度越高，一共選取了13種驅動因素，因此i=1,2,…,13；ξi(k)為關聯系數，即參考數列與比較數列在各時間點的關聯程度值。其公式為：

(5)

式中ρ為分辨系數，其值越小，分辨力越強，通常取ρ=0.5[32-33]。

3 結果與分析

3.1 3個城市群地下水儲量時空變化特征

GRACE反演結果與站點實測數據吻合較好。2005—2016年間，京津冀城市群地下水儲量反演結果與實測數據間的Pearson系數達0.95(p<0.01)(圖1)，表明了本研究結果的可靠性。2002—2016年，3個城市群地下水儲量呈現不同的變化趨勢。如圖2(a)所示，縱坐標軸表示GWSA值，正值表示該年份地下水儲量大于基線時間內的平均水平，負值則相反。反演結果表明，2002—2016年間，京津冀城市群地下水儲量持續下降，下降幅度為19.36 cm，線性下降速率達1.17 cm/a(p<0.001)； 長三角城市群GWSA值在-2.47～2.15 cm的范圍內波動變化，較為穩定； 珠三角城市群整體呈上升趨勢，上升幅度為8.39 cm，線性上升速率為0.43 cm/a(p<0.001)。不同年份各城市群地下水儲量變化速度有所不同(圖2(b))。其中，京津冀城市群在2006—2010年間加速下降，下降速率從1.26 cm/a增加到2.85 cm/a，而后有所放緩。長三角城市群在2008—2012年間地下水儲量變化速度由上升(0.66 cm/a)轉為加速下降(0.95 cm/a)。珠三角城市群在2007—2011年間加速上升，上升速率從0.10 cm/a增加到1.94 cm/a，而后放緩。

圖1 京津冀城市群GRACE反演與實測地下水儲量距平變化比較Fig.1 Comparison between GRACE-derived and in situ groundwater storage anomalies of BTH urban agglomerations

3個城市群地下水儲量變化的明顯差異，反映了不同城市群地下水采補模式不同。其中，京津冀城市群地下水持續下降主要是因為地下水開采量長期高于補給量。例如，2002—2016年，京津冀城市群年均地下水供水量為180.43億m3，達到了降水量的16.55%，而京津冀城市群所在的華北平原多年平均降水入滲補給系數為0.13[34]，地下水自然補給量不足以平衡開采量。2010年后，京津冀城市群地下水下降速率有所放緩，是由于地下水的開采得到了一定的控制。例如，京津冀城市群地下水供水量在2010—2016年間減少了22.86%(41.85億m3)，減少量是2002—2010年間的2倍多。長三角城市群通過減少開采和增加補給穩定地下水儲量。例如，地面沉降問題突出的上海市在2002—2016年間減少了96.39%的地下水供水量，同時人工回灌地下水2.67億m3。珠三角城市群地下水持續上升是由于補給充足，并且開采持續減少。例如，2002—2016年間，珠三角年均地下水供水量為2.41億m3，僅占降水量的0.24%，而珠三角廣花盆地的降水入滲補給系數為0.045～0.26[35]，自然補給十分充足，同時地下水供水量在15 a間減少了53%。因此，對于地下水采補依然失衡的京津冀城市群，除控制開采外，還應重視開展人工回灌，從“節流”和 “開源”2方面同時入手，充分利用南水北調水源進行地下水涵養。自2018年開展地下水回補工作以來，京津冀城市群部分地區地下水量已有了一定的回升[36]。

從城市群內部來看(圖3)，京津冀城市群不同城市間的地下水儲量變化速率差異最大(標準差為0.38)，其次為長三角(標準差為0.20)和珠三角城市群(標準差為0.08)。京津冀城市群內部所有城市的地下水儲量均呈下降趨勢，南部城市下降比北部更嚴重。其中，邯鄲下降最快(1.87 cm/a，p<0.001)，其次為石家莊(1.83 cm/a，p<0.001)、北京(1.64 cm/a，p<0.001)和邢臺(1.61 cm/a，p<0.001)，這些城市地下水供給量較大，占整個京津冀城市群的41.47%(2002—2016年)。長三角內部整體呈南部微升、北部微降的趨勢。其中，南部的臺州上升最快(0.24 cm/a，p<0.1)； 北部的馬鞍山下降最快。這也與地下水供水量變化相關，臺州地下水供水量在2002—2016年間下降了80.75%，而馬鞍山增加了350%。珠三角內部各城市均呈上升趨勢，東南部城市上升趨勢相對西北部更為顯著，但整體來看各城市差異不大。

圖3 2002—2016年3個城市群內部地下水儲量線性變化速度空間分布Fig.3 Spatial distribution of linear rate of groundwater change in the cities of urban agglomerations during 2002—2016

3.2 3個城市群地下水儲量時空變化的驅動因素

灰色關聯分析結果表明，2002—2016年間，3個城市群地下水儲量變化主要受用水量指標的影響，自然因素次之，再次為人口因素，經濟因素相對最弱。用水量因素中，農業用水量影響最強，在3個城市群中均居首位； 自然因素中，降水量的影響較強。

對于京津冀和珠三角城市群，農業、工業、生活以及總用水量與地下水儲量變化的關聯度均高于自然因素。其中，京津冀城市群受農業用水的影響尤為突出，關聯度高達0.85。長三角城市群的農業用水量、降水量、地表水資源量和總人口數量等要素的關聯度相近(均在0.83～0.84之間)，表明長三角城市群地下水儲量變化受多種因素綜合影響。珠三角城市群受農業和生活用水量雙重主導，關聯度均高達0.85(圖4)。研究結果說明在這3個城市群，人類活動均在地下水變化中占主導地位。

圖4 3個城市群地下水儲量變化主要驅動因素關聯度Fig.4 Correlation degree of main driving factors for groundwater changes in three urban agglomerations

驅動因素分析結果表明，提高農業用水效率和防治地表水污染是3個城市群地下水保護中需要共同關注的重點。雖然城鎮化是推進京津冀、長三角與珠三角城市群發展的主要引擎，但農業發展是保障糧食安全的根本，也是區域發展的重要方面之一。農業因耗水量大而成為影響3個城市群地下水儲量變化的首要因素。其中，農業部門是京津冀城市群地下水的主要供給對象，例如，2002—2016年間，農業消耗了河北省地下水開采量的75.02%。盡管京津冀城市群的農業用水占比從2002年的66.95%下降到了2016年的58.08%，但仍然超過半數。相比之下，長三角與珠三角城市群農業用水量占比明顯低于京津冀城市群，分別為38.58%與32.66%(2016年)，但它們的農業用水效率卻明顯低于京津冀城市群。例如2002—2016年間，長三角和珠三角城市群的年均萬元農業GDP用水量分別為991.24 m3和1 080.48 m3，明顯高于京津冀城市群的600.39 m3。而京津冀城市群的農業用水效率與發達國家相比依然有一定的差距，如2019年河北省的農田灌溉水有效利用系數為0.67[37]，而以色列已經達到了0.87[38]。因此，縮小城市群之間的農業節水技術差距，全面提升農業用水效率，是進一步修復與保護城市群地下水資源的有效途徑。

對于地表水資源豐富的珠三角城市群，生活用水量的顯著影響主要是由于生活用水對水質要求較高，而地表水嚴重污染引發水質型缺水，導致了地下水開采強度的加大。珠三角城市群的地下水主要用于供給居民生活[22]，例如2002年，廣州市和惠州市的地下水供水中，生活用水占比分別達100%和60%[39]。同樣，水質型缺水也是長三角城市群地下水超采的重要原因。例如長三角的杭嘉湖地區，在20世紀70年代前地下水年開采量不超過0.2億m3，而自80年代—2005年，鄉鎮企業興起，工業污水嚴重污染地表水[40]，導致該地區累計地下水開采量高達33.3億m3[21]。對于資源型缺水的京津冀城市群，地表水污染更加重了對地下水的依賴。因此，防治地表水污染對于3個城市群地下水保護至關重要。

3.3 3個城市群發展與地下水儲量變化趨勢的啟示

對比分析3個城市群地下水儲量時空變化趨勢及其影響因素，結果表明，產業結構的優化調整與升級對于地下水資源的保護具有關鍵性作用。因此，推進區域產業結構調整、優化用水結構、提升用水效率、降低用水量是我國東部沿海城市群實現地下水資源長效保護的核心戰略任務。

從用水結構與產業結構的協調性來看，3個城市群之間存在明顯差異。其中，珠三角城市群產業結構與產業用水結構間的協調程度最高，其次為長三角城市群，京津冀城市群相對最差。2016年，京津冀城市群第一產業用水量占比最高(77.22%)，而第一產業GDP占比僅為5.22%，3個產業的產值結構與其用水結構明顯不協調。相比而言，長三角和珠三角城市群第二產業用水量占比最高，分別為52.52%和47.72%，同時第二產業GDP占比分別為43.25%和42.15%，產業結構與用水結構協調程度相對較高(圖5)。因此，對于第一產業用水量占比最大的京津冀城市群，在保障糧食安全的前提下，降低農業用水對地下水的依賴對于保護地下水資源非常重要。

(a) 產業用水量占比 (b) 產業GDP占比圖5 2002年與2016年3個城市群用水結構及產業結構對比Fig.5 Comparison of water use and industry proportions of three urban agglomerations in 2002 and 2016

從用水投入與經濟產出的比值與變化來看，3個城市群各產業用水效率存在明顯差異，但均有明顯提升(圖6)。2002—2016年，京津冀城市群3個產業用水效率均最高； 長三角城市群的第一產業和第二產業用水效率相對最低，平均萬元第一產業和第二產業GDP用水量分別為京津冀的1.8倍和4.64倍； 珠三角城市群的第三產業用水效率相對最低，平均萬元第三產業GDP用水量為京津冀的1.73倍。因此，長三角城市群亟待進一步提高第一和第二產業用水效率，而珠三角城市群需加快提高第三產業用水效率。此外，從用水效率的變化來看，3個城市群3個產業用水效率均有大幅提高，但也存在明顯差異。例如，2002—2016年間，3個城市群GDP增長率最高的產業均為第三產業，其中，珠三角城市群第三產業GDP增長率最高(782.04%)，第三產業用水量同時增加了76.63%，用水效率提升了79.98%； 而京津冀和長三角城市群雖然第三產業GDP增長相對較緩(分別為730.56%和710.56%)，但第三產業用水量分別增加16.81%和減少10.09%，用水效率分別提升了85.94%和88.91%。即珠三角城市群第三產業經濟發展最快，但用水效率提升相對最低。因此，我國東部沿海城市發展戰略規劃中，要統籌規劃3個城市群之間產業用水效率控制指標，進而全面促進東部沿海地區的水資源保護。

(a) 第一產業用水效率 (b) 第二產業用水效率

(c) 第三產業用水效率 (d) 產業用水效率變化率圖6 2002—2016年3個城市群用水效率演變Fig.6 Change of water use efficiency in three urban agglomerations during 2002—2016

4 結論

本文結合GEACE衛星及水文模型數據，實現了對2002—2016年間中國東部沿海3個城市群地下水儲量變化的定量反演，并采用灰色關聯分析方法從氣候變化和人類活動2方面探究了地下水儲量變化的驅動力，為3個城市群的地下水資源管理與保護提供了科學指導。主要結論如下：

1)京津冀、長三角和珠三角城市群的地下水儲量在2002—2016年間展現出了截然不同的變化趨勢。京津冀持續下降，線性下降速率為1.17 cm/a； 長三角呈小幅度波動變化，較為穩定； 珠三角持續上升，線性上升速率約為0.43 cm/a。

2)3個城市群的地下水儲量變化主要受人類活動影響。農業用水作為首要驅動力，表明了平衡城市化和農業發展用水需求對區域尺度地下水保護至關重要。此外，需重視水污染防治，提升地表水資源的可用性，以壓減地下水開采。

3)3個城市群的發展促進了區域產業結構的調整與升級，提高了用水效率，優化了用水結構，對減緩地下水的開采具有一定的積極作用。各城市群之間，以及城市群內部不同城市之間的產業結構、用水結構及效率等差異較大。京津冀城市群應著力推進不同地區產業結構的協同發展，進而優化用水結構。長三角和珠三角城市群應重視用水效率的提升。

此外，本研究還存在一些不足，如受GRACE數據獲取時間的限制，無法研究更長時間序列的地下水儲量變化。近年來，我國出臺了一系列嚴格的地下水保護政策，未來有必要采用新數據(如GRACE-FO衛星數據)，進一步評估這些政策的有效性，以為政策調整和制定提供科學支撐。