2020, Vol. 40
传统的水储量监测方法一般是通过监测水井的水位变化来获取水储量变化的，但该方法费时费力，且难以实现大范围内连续长期的监测。GRACE卫星为陆地水储量时空变化的监测提供了一种新的手段，并被大量学者应用于实际研究中[1-3]。目前关于三江源地区水储量变化的研究相对较少，尤其该地区存在大量的高原多年冻土、山地多年冻土及中-深季节冻土等，且每年都要经历的冻融转换过程影响着该地区的地表径流及作物生长[4]。
本文利用CSR发布的最新RL06月重力场球谐系数反演得到三江源地区2006~2015年陆地水储量时空变化，并结合地表冻融数据、GLDAS水文模型及TRMM降水数据进行对比分析，以期为该地区的水资源管理和生态环境保护及建设等提供参考依据。
1 数据与方法 1.1 由GRACE反演陆地水本文选用得克萨斯大学空间研究中心(CSR)发布的GRACE Level-2 RL06月重力场模型，最高阶数为60，时间跨度为2006~2015年(共104个月，部分数据缺失)。RL06数据相对于RL05采用了新的背景模型，改善了处理方法，并采用RL03的KBR数据和姿态数据等，使其条带误差相较于RL05明显减小。考虑到GRACE数据直接获取的C20项系数存在较大误差，本文利用SLR提供的值替换C20项系数[5]。同时，由于GRACE重力场球谐系数中存在比较严重的高频噪声和“条带”噪声，故采用半径为250 km的扇形滤波[6]和P3M6去相关滤波[7]组合滤波的方式对GRACE数据进行滤波处理。
利用扇形滤波与去相关滤波进行组合处理后的水储量反演表达式为：
| $ \begin{array}{l} \Delta h(\theta , \varphi ) = \frac{{\alpha {\rho _{{\rm{ave }}}}}}{{3{\rho _{{\rm{wat }}}}}}\sum\limits_{l = 0}^\infty {\frac{{2l + 1}}{{1 + {k_l}}}} {W_l}\sum\limits_{m = 0}^l {{W_m}} {{\bar P}_{lm}}(\cos \theta ) \cdot \\ \left( {\Delta {C_{lm}}\cos (m\varphi ) + \Delta {S_{lm}}\sin (m\varphi )} \right) \end{array} $ | (1) |
式中，Δh为等效水高；ρave和ρwat分别为地球平均密度和水密度；α为地球平均半径；
本文利用GLDAS-Noah水文模型数据获取地表水储量变化，其时间分辨率为1个月，空间分辨率为0.25°×0.25°。这里主要采用GLDAS水文模型数据提供的积雪数据及0~2 m深的土壤水数据[8]。
1.3 基于尺度因子的信号恢复在GRACE数据处理中，滤波及截断处理导致的信号损失有时会非常严重，针对这种情况，本文采用尺度因子的方法进行信号恢复[8]，即
| $ \min = \sum\limits_{i = 1}^n {{{\left( {{\sigma _{{\rm{original }}}} - k{\sigma _{{\rm{filtered }}}}} \right)}^2}} $ | (2) |
该方法的基本思想是将GLDAS数据和GRACE数据采用同样的处理方法，包括对GLDAS的格网数据进行球谐展开至60阶，并采用相同的滤波方法进行处理等；然后将滤波后的GLDAS数据(σfiltered)与原始数据(σoriginal)进行最小二乘拟合，计算尺度因子k；最后将滤波后的GRACE数据乘以尺度因子k进行信号恢复。本文计算得到的尺度因子为1.17。
1.4 由地表冻融数据获得地表冻融状态本文采用的地表冻融状态数据来源于国家自然科学基金委员会中国西部环境与生态科学数据中心(http://westdc.westgis.ac.cn)发布的中国长序列地表冻融数据集——双指标算法(1978~2015)[9]。该数据的分类结果包含冻结地表、融化地表及水体和沙漠4种类型，空间分辨率为25.067 525 km，时间分辨率为d，但由于传感器为条带扫描，地表冻融结果也是条带(swath)方式，未能实现空间连续覆盖。数据提供了获得空间连续冻融分类结果的合成方法，该方法利用7 d数据进行合成，其中只要有1 d的状态为冻结，则该像元为冻结。利用该方法获取2006~2015年10 a间7 d分辨率的空间地表分类结果后，为进一步获取月平均冻融结果，对2006~2015年每月的冻融分类结果进行逐像元统计，取该月内出现最多的状态作为该像元10 a间的月平均冻融状态。
2 结果与分析 2.1 空间分布及分析三江源地区的陆地水和地表水在2006~2010年和2011~2015年2个时间段的变化趋势呈现出较大差异，本文分别对这2个时段的陆地水、地表水及降水变化趋势的空间分布进行分析，结果见图 1。从图中可以看出，陆地水和地表水在2006~2010年总体上都呈增长趋势，且陆地水呈现出明显的由南向北的增长趋势，年变化趋势最大值为1.8 cm/a，最小值为-1.6 cm/a；地表水在东部及中部地区呈增长趋势，而在西部地区呈下降趋势，年变化趋势最大值为1.9 cm/a，最小值为-1.6 cm/a；降水在大部分地区也都呈现出增长的趋势，年变化趋势最大值为0.8 cm/a，最小值为-0.4 cm/a。而在2011~2015年，陆地水和地表水整体都表现为下降趋势，其中陆地水在东部地区有略微的上升，在其他地区均呈下降趋势，年变化趋势最大值为0.3 cm/a，最小值为-1.7 cm/a；地表水的年变化趋势最大值为0.3 cm/a，最小值为-1.8 cm/a；降水在研究区内也基本呈下降趋势，年变化趋势最大值为0.2 cm/a，最小值为-0.7 cm/a，表明降水与陆地水及地表水的变化密切相关。
|
图 1 三江源地区陆地水、地表水及降水的年变化趋势空间分布 Fig. 1 Spatial distribution of annual variation trend of terrestrial water, surface water and precipitation in TRS region |
陆地水和地表水年变化趋势的空间分布在东部及中部地区基本吻合，但在西部地区呈现出明显的差异，这可能是因为西部地区海拔较高，雪山及冰川的融化为地下水提供了补给。另外，西部地区存在着大量的高原多年冻土，已有研究表明，三江源地区高原多年冻土区的活动层正在以3.5~7.5 cm/a的速率增厚[10]，而冻土活动层的增厚会使地表水与陆地水储量之间产生差异。这是因为GLDAS获取的是地表 0~2 m深的土壤水，而三江源地区冻土活动层的平均值厚度在2.3 m[11]，当厚度超过2 m时，深于地表 2 m的水储量变化不能反映在GLDAS获取的地表水中，但在GRACE获取的陆地水储量中能够得以反映。GRACE与GLDAS水储量变化空间趋势图中的中西部差异进一步证明，三江源高原多年冻土区的活动层在2006~2015年呈增厚趋势。值得注意的是，三江源地区的海拔由东南向西北逐渐升高，导致降水会向东南地区流动，且降水与地表水数据都存在模型误差及分辨率差异，因此二者之间也存在差异。
2.2 时间序列变化及分析图 2为本文通过最小二乘方法拟合出的三江源地区2006~2015年陆地水及地表水的年变化及降水的月变化时间序列。可以看出，陆地水、地表水及降水都呈现出明显的季节性变化，每年的11月至次年5月降水较少，陆地水和地表水也都呈现出明显的下降趋势；而每年的5~10月降水较多，陆地水和地表水也都呈现出明显的上升趋势。这种现象表明，降水是引起该区域陆地水和地表水呈季节性变化的主要因素。另外，整体上看，陆地水和地表水的年变化趋势存在较大差异，分别为5.2±1.2 mm/a和-3.6±0.9 mm/a，与年平均降水量进行对比发现，降水的变化趋势与地表水的变化趋势基本一致，但与陆地水的变化趋势存在一定差异。由此可以得出，降水与地表水的变化密切相关，但并非是影响陆地水储量发生变化的唯一因素。
|
图 2 三江源区域陆地水及地表水的储量变化时间序列及月降水量 Fig. 2 Time series of terrestrial water and surface waterstorage changes in TRS and monthly precipitation |
从降水的时间序列可以看出，2010~2011年降水较少，造成2011年起研究区内陆地水和地表水的变化趋势出现差异，因此本文分别对2006~2010年和2011~2015年2个时间段的水储量变化进行分析。结果发现，2006~2010年陆地水和地表水都呈现出上升趋势，且年变化率比较相近，分别为7.9±2.7 mm/a和4.9±2.5 mm/a；而2011~2015年陆地水的变化趋势为-3.1±2.6 mm/a，地表水的变化趋势为-6.3±2.0 mm/a。这可能是因为气候变暖导致三江源地区的冻土退化、活动层增厚，更多的地表水存储于冻土活动层中，有些甚至通过贯通的融土渗入到地下水，导致陆地水和地表水在2011~2015年出现差异。另外，地面径流及蒸发的变化也可能造成二者之间出现差异。
2.3 三江源地区冻土与水储量之间的联系冻土作为一种特殊的蓄水层，影响着地下水与地表水之间的水力联系，冻土活动层的增厚会导致土壤水分下渗，降低表层土壤水的水分，甚至改变降水的截留和分配过程[12-13]。随着全球气候变暖，冻土的不均匀融化会弱化冻土层的区域性隔水作用，使多年冻土层的上水水位下降、补给路径加深或延长，甚至形成新的贯穿融区，直接补给多年冻土层的下水或层间水等。从图 3可以看出，三江源地区的地表冻融状态呈明显的季节性变化，中-深度季节性冻土及山地多年冻土地区的地表冻融状态在2~5月逐渐由冻结变为融化，6~8月整个三江源地区地表状态基本为融化，9月至次年1月地表由高原冻土区域逐渐向其他冻土区域冻结。已有研究结果表明，三江源地区多年连续冻土地区的湖泊面积增加、地下水增多、地面径流减少，可能是该地区多年冻土的活动层增厚引起的[13]。
|
图 3 2006~2015年间各月份地表冻融状态 Fig. 3 Land surface freezing-thawing state chartfor each month from 2006 to 2015 |
图 4为2006~2015年GRACE及GLDAS月均水储量及月均地表融化面积百分比，其中红色曲线为拟合曲线，可以看出，GRACE及GLDAS的水储量与地表融化面积百分比在时间上具有一定的相关性。从图 4(a)和4(b)可以看出，GLDAS与GRACE的水储量之间存在一些差异，其中GLDAS地表水从3月开始逐渐增加，7月达到顶峰，然后开始回落，并在12月至次年2月趋于稳定；而GRACE陆地水储量在3~5月呈现略微下降趋势，5月开始增加并在7月达到顶峰，然后开始回落，12月至次年2月趋于稳定。从图 4(c)中可以看出，地表在1~3月基本处于冻结状态，3~5月开始融化，而地表融化面积在5~6月出现突变。由图 3可知，3~5月融化区域为中-深季节性冻土区域，5~6月西部地表高原多年冻土完成由冻结到融化的过程。GRACE与GLDAS的水储量在3~5月出现差异的原因可能是该时段融化的主要是中-深季节性冻土，而这些冻土的融化会直接补给土壤水，因此GLDAS的地表水在该时段呈略微增长的趋势；而GRACE陆地水储量的下降趋势可能是因为在该时段冻土深部的活动层还未彻底融化，地表水不能下渗补给地下水，而融化的地表水只能通过蒸发和径流的方式流出。从5月开始，三江源地区的地表基本融化，降水也开始增多，这个时段内冻土的活动层开始吸收降水并通过贯通区补给地下水，或存储在活动层中，因此GLDAS和GRACE的水储量都开始增加；而12月至次年2月冻土基本处于冻结状态，该时段内研究区的降水量、蒸发量及径流量都有所减少，导致GRACE和GLDAS的水储量变化不大且都处于亏损状态。由此可以推断，三江源地区的冻土作为一个特殊的蓄水层影响着该区域的水储量，且其融化的状态及程度可能会造成GRACE和GLDAS之间的水储量出现差异。
|
图 4 2006~2015年GRACE及GLDAS月均水储量及月均地表融化面积百分比 Fig. 4 Monthly average water storage and surface melting area percentageof GRACE and GLDAS from 2006 to 2015 |
本文利用GRACE数据、GLDAS水文模型数据、地表冻融状态数据及降水数据研究了三江源地区2006~2015年的水储量变化，结果表明，三江源地区的陆地水和地表水在2006~2015年的年变化趋势分别为5.2±1.2 mm/a和-3.8±0.9 mm/a；降水是引起该区域陆地水和地表水呈季节性变化的主要原因，且降水与地表水的变化密切相关，但并非影响陆地水储量变化的唯一因素；冻土作为特殊的蓄水层影响着三江源地区的水文循环，从月均地表冻融状态推测，GRACE与GLDAS之间水储量的部分差异可能是冻土造成的；通过对比GLDAS与GRACE的水储量差异推测，三江源地区的高原多年冻土活动层在2006~2015年是增厚的。该地区的陆地水储量变化可能同时受冰雪消融、地表蒸发、地下径流及地下冰变化等因素的影响，后期需进一步分析研究。
| [1] |
罗志才, 李琼, 钟波. 利用GRACE时变重力场反演黑河流域水储量变化[J]. 测绘学报, 2012, 41(5): 676-681 (Luo Zhicai, Li Qiong, Zhong Bo. Water Storage Variations in Heihe River Basin Recovered from GRACE Temporal Gravity Field[J]. Acta Geodaetica et Cartographica Sinica, 2012, 41(5): 676-681)
(  0) |
| [2] |
Xie X W, Xu C J, Wen Y M, et al. Monitoring Groundwater Storage Changes in the Loess Plateau Using GRACE Satellite Gravity Data, Hydrological Models and Coal Mining Data[J]. Remote Sensing, 2018, 10(4)
( 0) |
| [3] |
许顺芳, 王林松, 陈超, 等. 利用GRACE及气象数据评估GLDAS水文模型在青藏高原的适用性[J]. 大地测量与地球动力学, 2018, 38(1): 8-13 (Xu Shunfang, Wang Linsong, Chen Chao, et al. Using GRACE and In-situ Measurements to Assess the Applicability of GLDAS Hydrological Model in Tibet Plateau[J]. Journal of Geodesy and Geodynamics, 2018, 38(1): 8-13)
( 0) |
| [4] |
Ran Y H, Li X, Cheng G D, et al. Distribution of Permafrost in China: An Overview of Existing Permafrost Maps[J]. Permafrost and Periglacial Processes, 2012, 23(4): 322-333 DOI:10.1002/ppp.1756
( 0) |
| [5] |
Wahr J, Molenaar M, Bryan F O, et al. Time Variability of the Earth's Gravity Field: Hydrological and Oceanic Effects and Their Possible Detection Using GRACE[J]. Journal of Geophysical Research: Solid Earth, 1998, 103(B12): 30 205-30 229 DOI:10.1029/98JB02844
( 0) |
| [6] |
Zhang Z Z, Chao B F, Lu Y, et al. An Effective Filtering for GRACE Time-Variable Gravity: Fan Filter[J]. Geophysical Research Letters, 2009, 36(17)
( 0) |
| [7] |
Swenson S, Wahr J. Post-Processing Removal of Correlated Errors in GRACE Data[J]. Geophysical Research Letters, 2006, 33(8)
( 0) |
| [8] |
盛传贞.中国大陆非构造负荷地壳形变的区域性特征与改正模型[D].北京: 中国地震局地质研究所, 2013 (Sheng Chuanzhen. Characteristics of Non-Tectonic Crustal Deformation from Surface Loads Around Chinese Mainland and Correction Model[D]. Beijing: Institute of Geology, CEA, 2013)
( 0) |
| [9] |
晋锐, 李新, 车涛. SSM/I监测地表冻融状态的决策树算法[J]. 遥感学报, 2009, 13(1): 152-161 (Jin Rui, Li Xin, Che Tao. A Decision Tree Algorithm for Surface Freeze/Thaw Classification Using SSM/I[J]. Journal of Remote Sensing, 2009, 13(1): 152-161)
( 0) |
| [10] |
Li R, Zhao L, Ding Y J, et al. Temporal and Spatial Variations of the Active Layer along the Qinghai-Tibet Highway in a Permafrost Region[J]. Science Bulletin, 2012, 57(35): 4 609-4 616 DOI:10.1007/s11434-012-5323-8
( 0) |
| [11] |
程国栋, 金会军. 青藏高原多年冻土区地下水及其变化[J]. 水文地质工程地质, 2013, 40(1): 1-11 (Cheng Guodong, Jin Huijun. Groundwater in the Permafrost Regions on the Qinghai-Tibe Plateau and It Changes[J]. Hydrogeology and Engineering Geology, 2013, 40(1): 1-11)
( 0) |
| [12] |
Walvoord M A, Kurylyk B L. Hydrologic Impacts of Thawing Permafrost——A Review[J]. Vadose Zone Journal, 2016, 15(6)
( 0) |
| [13] |
Hinkel K M, Frohn R C, Nelson F E, et al. Morphometric and Spatial Analysis of Thaw Lakes and Drained Thaw Lake Basins in the Western Arctic Coastal Plain, Alaska[J]. Permafrost and Periglacial Processes, 2005, 16(4): 327-341 DOI:10.1002/ppp.532
( 0) |