研究刚果河流域水循环动态,获得其水储量-气候过程变化信息,对了解区域与全球气候变化至关重要[1]。陆地水储量变化综合反映地表水、地下水以及河流湖泊水的变化,是衡量流域水资源变化的重要指标。相对于刚果河流域的规模及其对全球气候变化的影响,该地区的水文研究仍不够完善[2-5],鲜有学者对刚果河流域长时间的陆地水储量变化进行定量研究,对于陆地水储量变化的驱动因素也缺少定性分析。截至2018-04,CSR已发布6个版本的时变重力场模型,最新的RL06模型质量和精度较RL05有明显提高[6]。本文基于信噪比分析,确定RL06模型最优高斯滤波半径,探究刚果河流域水储量变化的时空分布特征,结合降雨和蒸散量资料分析其周年和年际变化的驱动因素。这对理解刚果河流域的水文水循环、跨国界的水资源管理、流域所经国家的生态环境保护与改善及其社会经济发展具有重要意义。
1 数据与方法 1.1 数据研究采用CSR发布的96阶RL05和RL06时变重力场模型。RL05模型的时间跨度为2002-04~2016-03,RL06模型为2002-04~2017-06。研究时间段内RL05有149个月的数据,RL06有163个月的数据,由于卫星传感器等问题导致某些月份数据缺失。另外,GRACE Follow-On(GRACE-FO)卫星自发射以来已提供2018-06~2020-05共22个月的数据(部分月份数据缺失)。美国NASA戈达德空间飞行中心(GSFC)与美国海洋和大气局(NOAA)国家环境预报中心(NCEP)联合开发的全球陆面数据同化系统GLDAS结合地表观测与卫星遥感观测数据,生成了土壤水含量、雪水当量和生物含水量等陆地水文变量。本文采用GLDAS Noah水文模型模拟的土壤水与雪水当量估计研究区域的地表水储量变化。西班牙国家研究委员会机构资料库(CSIC,http://crudata.uea.ac.uk/cru/data/hrg/) 提供全球0.5°格网的降雨与蒸散量数据集[7]。
1.2 处理方法时变重力场模型扣除了非潮汐的大气、高频海洋信号以及各种潮汐、固体潮和固体极潮的影响,反演的陆地质量变化主要是陆地水储量变化。为与GRACE CSR Mascon产品背景场保持一致,扣除原始位系数2004-01~2009-12的平均场;GRACE无法得到1阶项,将Swenson等[8]计算的地心改正项回加到重力场模型;以SLR解算的C20项替换GRACE模型中精度较低的C20项[8-9],对于GRACE-FO,还需替换C30项[10]。采用去相关P4M15消除位系数间的相关性[11-12],即对于球谐系数某一次m(m≥15),分别对奇数和偶数阶系数进行4次多项式拟合,利用最小二乘法确定多项式各拟合系数,并将其从原始位系数中扣除。另外,时变重力场模型误差随球谐系数阶数增加而增大,采用高斯滤波抑制高阶项误差。利用GRACE模型反演陆地水储量变化等效水柱高的方法见文献[13]。不同滤波半径对反演结果影响较大,利用文献[14]提供的信噪比计算方法确定最优滤波半径。此外,高斯滤波会产生泄漏误差,采用非约束正向建模法进行改正[15]。
1.3 研究区域刚果河流域位于非洲中部,经纬度范围为12°~35°E、13°S~10°N,其三分之一流域位于北半球,三分之二位于南半球,南北雨季交替,河流全年水量充沛,每年注入海洋的水量约为3.9万m3。流域平均海拔为637 m,东南部为高原;中部和西北部河网密集,为沼泽和湿地。刚果河起源于东非大裂谷的高山地区,上游段长度超过2 200 km,流经陡坡,多急流瀑布;中游段流经刚果盆地中部,河网密布,水量丰富;下游段河水切穿盆地边缘山地,形成长峡谷(图 1)。
滤波半径的选择是质量变化反演的重要影响因素,因此本文基于最大信噪比选择确定最优高斯滤波半径。图 2为2002-04~2016-03时段RL05和RL06模型在不同滤波半径下质量变化反演结果的平均信噪比,高斯滤波半径为400~500 km时,RL05模型反演结果信噪比最大,为2.9;半径为400 km时,RL06反演结果信噪比最大,为3.1。因此利用RL06模型研究刚果河流域陆地水储量变化,滤波半径确定为400 km,而GRACE-FO与GRACE RL06模型精度相当,因此滤波半径也选择为400 km。
对刚果河流域0.25°×0.25°格网的陆地水储量变化等效水高,按面积加权求得流域内平均水储量变化序列,如图 3所示。
CSR RL06反演的陆地水储量变化(terrestrial water storage changes,TWSC)和GLDAS水文模型模拟的地表水储量变化(surface water storage changes,SWSC)周年变化吻合较好,表明刚果河流域的陆地水储量周年变化的驱动因素是地表水。GRACE反演的陆地水储量在不同阶段年际变化趋势差异明显,2002-04~2006-12呈减少趋势,2007-01~2010-12呈增加趋势,2011-01~2020-05增加趋势更大,而同时期内GLDAS模拟的地表水变化趋势较小,因此流域陆地水储量趋势变化的驱动因素可能是地下水。
按最小二乘拟合提取刚果河流域陆地水以及地表水的周年、半年振幅及变化趋势,结果见表 1。CSR RL06 SH和Mascon估计的周年振幅分别为4.41±0.38 cm和5.12±0.33 cm,半年振幅分别为1.68±0.37 cm和1.72±0.33 cm,CSR RL06 SH与Mascon产品估计的陆地水储量变化基本一致。GLDAS Noah水文模型估计的刚果河流域地表水储量变化周年振幅为4.08±0.17 cm,半年振幅为1.63±0.22 cm,与GRACE模型反演结果吻合很好,说明刚果河流域陆地水储量周年变化的主要驱动因素是地表水储量的变化,与Lee等[3]的结论一致。由于研究时段与数据后处理方法不同,本文估计的周年振幅结果大于文献[2]结果。
RL06 SH和Mascon产品反演的2002-04~2020-05刚果河流域的陆地水储量变化趋势分别为0.18±0.05 cm/a和0.22±0.05 cm/a,说明近19 a来刚果河流域陆地水储量变化有轻微上升趋势,且不同时段陆地水储量变化趋势差异较大。2002-04~2006-12期间水储量呈减少趋势,RL06 SH和Mascon反演的结果分别为-2.30±0.24 cm/a和-1.85±0.19 cm/a,与文献[16]的水储量变化规律一致;2007-01~2010-12期间两个模型估计的变化趋势分别为0.38±0.24 cm/a和0.25±0.19 cm/a;2011-01~2020-05水储量增加明显,分别为0.92±0.12 cm/a和0.89±0.11 cm/a。
2.3 陆地水储量变化振幅及趋势的空间分布图 4给出了2002-04~2020-05期间刚果河流域陆地水(RL06 SH)和地表水(GLDAS Noah)储量变化振幅的空间分布。GLDAS模拟的周年和半年振幅空间分布特征与GRACE陆地水一致,说明地表水的周年变化是陆地水储量周年变化的重要驱动因素,与图 3结果一致,但由于水文模型仅模拟了地表水储量的变化,其振幅小于GRACE模拟结果。
图 5给出了图 3划分的3个不同时段水储量变化趋势的空间分布(CSR RL06 SH)。2002-04~2006-12期间,除流域北部和西南部边缘外,均有3~ 4 cm/a的下降趋势;2007-01~2010-12期间,水储量变化转为增加趋势,流域南部边缘水储量增势较大(约为5 cm/a),流域中央的刚果盆地陆地水储量增速约为2 cm/a;2011-01~2020-05期间,流域整体增速变大,东部高原水储量增速约为3 cm/a,中下游水储量增速约为1.5 cm/a。
上节讨论了刚果河流域陆地水储量周年变化的驱动因素,同时展示了各阶段的陆地水储量变化趋势空间分布,本节将结合水文与降雨资料分析刚果河流域陆地水储量年际变化的驱动因素。对于缺值的月份,采用最小二乘拟合得到的趋势、周年以及半年信号进行插补,以获取年累积陆地水储量变化。利用月降雨数据与日蒸散数据集,求得刚果河流域年累积降雨与年累积蒸散量,扣除2004~2009年的平均值,得到降雨量与蒸散量年际变化。降雨与蒸散量异常值为负表示该年降雨量低于平均量,为正则表示高于平均量。
图 6展示了2002~2019年降雨、蒸散、陆地水储量以及降雨量与蒸散量之差的年际变化,可看出,陆地水储量(TWS)变化与降雨与蒸散之差(precipitation-ET)的年际变化吻合较好。由于GRACE数据在2002年仅包含4~12月,因此图 6的TWS年际变化折线不包含该年。根据水量平衡方程[17],降雨量与蒸散量之差反映了流域水资源补给状况。2002~2004年的年降雨量呈减少趋势,2003~2005年的年际降雨量变化为负,而蒸散量大致呈上升趋势。尤其2006年年际降雨量与蒸散量之差变化较大,说明该年份流域内水量补给充足。由于降雨下渗至土壤和地下需要一定时间,陆地水储量的变化较水资源的补给存在明显的滞后现象[18],因此2007年初陆地水储量突增,与陆地水储量变化物理机制基本吻合。2011~2019年降雨量逐年增加且蒸散量低,流域内水资源补给量逐年攀升,从而导致2011~2019年刚果河流域陆地水储量加速增长。需要说明的是,图 6显示出陆地水储量变化与降雨与蒸散之差存在约1 a的滞后,由于文中分析趋势变化以a为单位,与之对应,在滞后时间为1 a的基础上计算两者之间的相关系数为0.77,说明刚果河流域陆地水储量的变化与降雨和蒸散的年际变化密切相关。
本文基于CSR RL05与RL06模型的信噪比分析发现,RL06模型的月平均信噪比大于RL05模型结果,最大信噪比对应的高斯滤波半径为400 km。因此对RL06模型进行400 km高斯滤波,反演刚果河流域2002-04 ~2020-05陆地水储量变化,并结合水文与降雨、蒸散资料分析其成因。研究结果表明:
1) RL06 SH模型估计的周年振幅为4.41±0.38 cm,半年振幅为1.68±0.37 cm,与GLDAS水文模型估计结果较为一致,表明地表水是陆地水储量周年变化的主要驱动因素。
2) CSR RL06 SH求得的刚果河流域陆地水在2002-04~2020-05期间呈轻微上升趋势。2003-01~2006-12水储量呈减少趋势,为-2.30±0.24 cm/a;而2007年后该流域的陆地水呈现增加趋势,2007-01~2010-12其增速为0.38± 0.24 cm/a,2011-01~2020-05其增速更大(为0.92±0.12 cm/a)。
3) 降雨量与蒸散量的差值反映了流域水资源的补给情况,2002~2005年流域水资源补给不足,导致陆地水储量呈减少趋势;2006~2009年水资源补给增多,因此2007~2010年陆地水储量增加;2011~2019年水资源补给再度增加,陆地水储量相应增加,且增速更大。
本文分析了降雨与蒸散对刚果河流域陆地水储量变化的影响,但地表径流及植被含水量变化也是陆地水储量变化的关键影响因素,对此还需要进行更深入的研究。
[1] |
Alsdorf D, Beighley E, Laraque A, et al. Opportunities for Hydrologic Research in the Congo Basin[J]. Reviews of Geophysics, 2016, 54(2): 378-409 DOI:10.1002/2016RG000517
(0) |
[2] |
Crowley J W, Mitrovica J X, Bailey R C, et al. Land Water Storage within the Congo Basin Inferred from GRACE Satellite Gravity Data[J]. Geophysical Research Letters, 2006, 33(19): L19402 DOI:10.1029/2006GL027070
(0) |
[3] |
Lee H, Beighley R E, Alsdorf D, et al. Characterization of Terrestrial Water Dynamics in the Congo Basin Using GRACE and Satellite Radar Altimetry[J]. Remote Sensing of Environment, 2011, 115(12): 3 530-3 538 DOI:10.1016/j.rse.2011.08.015
(0) |
[4] |
Becker M, Silva J, Calmant S, et al. Water Level Fluctuations in the Congo Basin Derived from ENVISAT Satellite Altimetry[J]. Remote Sensing, 2014, 6(10): 9 340-9 358 DOI:10.3390/rs6109340
(0) |
[5] |
Becker M, Papa F, Frappart F, et al. Satellite-Based Estimates of Surface Water Dynamics in the Congo River Basin[J]. International Journal of Applied Earth Observation and Geoinformation, 2018, 66: 196-209 DOI:10.1016/j.jag.2017.11.015
(0) |
[6] |
郭飞霄, 孙中苗, 任飞龙, 等. GRACE RL06与RL05时变重力场模型数据初步比较分析[J]. 大地测量与地球动力学, 2020, 40(5): 546-550 (Guo Feixiao, Sun Zhongmiao, Ren Feilong, et al. Preliminary Comparative Analysis of GRACE RL06 and RL05 Time-Variable Gravity Models[J]. Journal of Geodesy and Geodynamics, 2020, 40(5): 546-550)
(0) |
[7] |
Harris I, Osborn T J, Jones P, et al. Version 4 of the CRU TS Monthly High-Resolution Gridded Multivariate Climate Dataset[J]. Scientific Data, 2020, 7(1): 109 DOI:10.1038/s41597-020-0453-3
(0) |
[8] |
Swenson S, Chambers D, Wahr J. Estimating Geocenter Variations from a Combination of GRACE and Ocean Model Output[J]. Journal of Geophysical Research: Solid Earth, 2008, 113(B8): B08410
(0) |
[9] |
Chen J L, Wilson C R, Tapley B D, et al. Low Degree Gravitational Changes from GRACE: Validation and Interpretation[J]. Geophysical Research Letters, 2004, 31(22)
(0) |
[10] |
Loomis B D, Rachlin K E, Luthcke S B. Improved Earth Oblateness Rate Reveals Increased Ice Sheet Losses and Mass-Driven Sea Level Rise[J]. Geophysical Research Letters, 2019, 46(12): 6 910-6 917 DOI:10.1029/2019GL082929
(0) |
[11] |
Swenson S, Wahr J. Post-Processing Removal of Correlated Errors in GRACE Data[J]. Geophysical Research Letters, 2006, 33(8)
(0) |
[12] |
Chen J L, Wilson C R, Tapley B, et al. Antarctic Regional Ice Loss Rates from GRACE[J]. Earth and Planetary Science Letters, 2008, 266(1-2): 140-148 DOI:10.1016/j.epsl.2007.10.057
(0) |
[13] |
Wahr J, Molenaar M, Bryan F. 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) |
[14] |
Chen J L, Wilson C R, Seo K W. Optimized Smoothing of Gravity Recovery and Climate Experiment(GRACE) Time-Variable Gravity Observations[J]. Journal of Geophysical Research Solid Earth, 2006, 111(B6)
(0) |
[15] |
Chen J L, Li J, Zhang Z Z, et al. Long-Term Groundwater Variations in Northwest India from Satellite Gravity Measurements[J]. Global and Planetary Change, 2014, 116: 130-138 DOI:10.1016/j.gloplacha.2014.02.007
(0) |
[16] |
杨元德, 鄂栋臣, 晁定波, 等. GRACE估算陆地水储量季节和年际变化[J]. 地球物理学报, 2009, 52(12): 2 987-2 992 (Yang Yuande, E Dongchen, Chao Dingbo, et al. Seasonal and Inter-Annual Change in Land Water Storage from GRACE[J]. Chinese Journal of Geophysics, 2009, 52(12): 2 987-2 992)
(0) |
[17] |
Yeh P J F, Famiglietti J S. Regional Terrestrial Water Storage Change and Evapotranspiration from Terrestrial and Atmospheric Water Balance Computations[J]. Journal of Geophysical Research: Atmospheres, 2008, 113(D9)
(0) |
[18] |
Awange J L, Hu K X, Khaki M. The Newly Merged Satellite Remotely Sensed, Gauge and Reanalysis-Based Multi-Source Weighted-Ensemble Precipitation: Evaluation over Australia and Africa(1981-2016)[J]. Science of the Total Environment, 2019, 670: 448-465 DOI:10.1016/j.scitotenv.2019.03.148
(0) |