2023, Vol. 43
2. 中国空间技术研究院钱学森空间技术实验室，北京市友谊路104号，100094;
3. 中国科学院精密测量科学与技术创新研究院大地测量与地球动力学国家重点实验室，武汉市徐东大街340号，430077
海河流域位于我国华北地区，流域内作物以冬小麦和夏玉米为主，约占我国粮食供应的10%[1]。随着农业、工业的不断发展，海河流域地下水超采严重，其水储量长期处于亏损状态[2]，继而引发包括水污染、海水侵蚀以及地表沉降在内的一系列生态环境问题。因此，准确掌握水储量的时空变化对海河流域生态保护以及促进水资源的可持续利用具有重大意义。
陆地水储量(terrestrial water storage，TWS)是存在于地上和地下所有形态水的总和，反映水量输入(如降水、冰川融雪等)和输出(如人为耗水、蒸散发等)之间的净效应[3]。GRACE卫星能够测量高精度的时变重力场[4]，可为监测大尺度空间的质量变化提供新手段，GRACE重力场数据已被广泛应用于水储量变化、冰川消融、干旱以及地壳形变等多领域研究[5]。诸多学者利用GRACE数据对国内典型区域的水储量变化进行研究，如尼胜楠等[6]利用GRACE数据反演长江、黄河流域水储量变化发现，两大流域在2002-04~2011-09期间水储量呈现明显的季节性和周期性变化；吴云龙等[7]利用GRACE RL05数据监测黑河流域水储量变化发现，基于Forward-Modeling方法得到的黑河流域陆地水储量在2003~ 2006年、2007~2010年和2011~2013年的变化趋势分别为-0.86 cm/a、0.07 cm/a和0.14 cm/a；冯伟等[8]基于GRACE空间约束法估算华北平原地下水储量变化，与水井资料对比发现，华北平原深层地下水亏损速率为-6.2±0.9 km3/a；Wang等[9]联合GRACE与多个水文模型对海河流域2003~2014年陆地水储量变化进行分析，结果表明，该流域在研究时段内陆地水储量以-15.7 mm/a的速率枯竭。自南水北调中线工程贯通以来，其为我国华北地区补充了大量水资源。诸多学者[10-11]针对南水北调之后受水区域的水资源变化进行大量研究，但关注更多的是地下水储量变化，而缺少气候变化和人类活动对区域水储量影响的定量分析。
本文基于GRACE及GRACE-FO重力卫星数据，对比分析南水北调前后海河流域陆地水储量的时空变化特征，并结合海河流域水资源公报和气象数据，量化人类活动与气候变化对海河流域陆地水储量变化的影响，进一步讨论南水北调工程在改善海河流域陆地水储量变化方面的贡献。
1 研究区域海河流域位于112°~120°E、35°~43°N之间，总面积约32万km2，地跨京、津、冀、晋、鲁、豫、辽、内蒙古8个省(市)区。全流域总地势为西北高东南低，西部为黄土高原和太行山区，北部为蒙古高原和燕山山区。海河流域降水多发生在夏季，而作物需水高峰3~5月降水较少，流域多年平均降水量仅535 mm，蒸散发量大，加上人为超采地下水进行农业灌溉，已成为我国严重缺水地区之一(https://hhbhjg.mee.gov.cn)。
2 数据与方法 2.1 研究数据 2.1.1 GRACE与GRACE-FO数据本文采用由CSR和JPL发布的CSR RL06 Mascon与JPL RL06 Mascon产品，时间跨度为2004-01~2017-06及2018-06~2020-10。GRACE Mascon系列产品在数据预处理时经过多项误差校正，相对于球谐系数产品具有多种优势[12]。通过对以上两个产品进行插值、重采样、均值处理，获得较准确的陆地水储量变化信息。本文使用的GRACE数据是相对于2004~2009年平均基线的陆地水储量异常(terrestrial water storage anomaly，TWSA)，通常以等效水高的形式表现。
2.1.2 气象数据本文采用GLDAS-Noah V2.1模型中分辨率为0.25°×0.25°的月度蒸散发产品，为保证数据的准确性，取其与全球陆面蒸发(global land-surface evaporation: the Amsterdam methodology，GLEAM)模型中蒸散发数据的平均值作为最终的蒸散发数据。
本文采用的降水数据包括两种：一是来自中国气象局(China meteorological administration，CMA)的中国地面降水月值0.5°×0.5°格网数据集，二是来自全球降雨观测(global precipitation measurement，GPM)计划中多卫星综合产品(integrated multi-satellitE retrievals for GPM，IMERG)的降水月值0.1°×0.1°格网数据集。为降低数据间的不确定性，将二者进行重采样、均值处理作为最终的降水数据。
2.1.3 水资源公报数据耗水量包括农业、工业、生活和生态环境耗水量。2015年之前，海河流域是引黄河水补充水资源；2015年起，又增加南水北调工程调水。本文选取海河流域水资源公报(http://www.hwcc.gov.cn)中调水量数据以及去除生态环境耗水的总耗水量作为人为耗水量数据。由于海河流域调水量相对于人为耗水量较小，因此假定调水量被全部用在供水上，即100%投入使用。
2.2 研究方法 2.2.1 滑动T检验滑动T检验(moving T-test，MTT)是将一个气候序列中两段子序列看作来自两个总体的序列进行检验，如果两段子序列的均值差异超出一定的显著性水平，则认为均值发生突变。该方法原理简单，并且能够根据诊断出的突变点分析突变前后序列的变化趋势，其具体原理参考文献[13]。本文选择子序列步长均为6，置信区间为95%，对应的临界值为2.23。由于滑动T检验是对数据进行连续滑动计算，而GRACE与GRACE-FO之间缺失近1 a的数据，又考虑到南水北调中线工程调水于2014-12-27已到达京津地区，因此选择海河流域2004-01~2017-06期间TWSA时间序列接受检验。
2.2.2 贡献率量化法陆地水储量变化(terrestrial water storage change，TWSC)是人类活动与气候变化综合影响的结果，其月估计值可由每月TWSA通过差分得到[14]。作为人口密集区和重要产粮区，海河流域TWSC受人类活动的影响可能更加显著，通过式(1)~(5)可以计算流域内耗水、调水以及气候变化对TWSC的贡献率。
| $ \operatorname{TWSC}(t) \approx \frac{\operatorname{TWSA}(t)-\operatorname{TWSA}(t-1)}{\Delta t} $ | (1) |
| $ \begin{gathered} \mathrm{TWSC}_{\text {climate }}=\mathrm{TWSC}_{\mathrm{GRACE}}-\mathrm{TWSC}_{\text {hum }}= \\ \mathrm{TWSC}_{\mathrm{GRACE}}-\left(\mathrm{TWSC}_{\text {tran }}+\mathrm{TWSC}_{\text {con }}\right) \end{gathered} $ | (2) |
| $ \begin{array}{c} & \alpha_{\text {tran }}= \\ & \frac{\text { TWSC}_{\text{tran }}}{\mid \text {TWSC}_{\text {tran }}|+| \text { TWSC}_{\text{con }}|+| \text { TWSC}_{\text{climate }} \mid} \times 100 \% \\ & \end{array} $ | (3) |
| $ \begin{gathered} \alpha_{\text {con }}= \\ \frac{\text { TWSC}_{\text{con }}}{\left|\operatorname{TWSC}_{\text {tran }}\right|+\mid \text {TWSC}_{\text{con }}|+| \operatorname{TWSC}_{\text {climate}} \mid} \times 100 \% \end{gathered} $ | (4) |
| $ \begin{gathered} \alpha_{\text {climate }}= \\ \frac{\text { TWSC}_{\text{climate }}}{\mid \text { TWSC}_{\text{tran }}|+| \text { TWSC}_{\text{con }}|+| \text { TWSC}_{\text{climate }} \mid} \times 100 \% \end{gathered} $ | (5) |
式中，TWSCclimate代表气候变化驱动的陆地水储量变化；TWSChum表示由人类活动所引起的陆地水储量变化，包括调水TWSCtran和人为耗水TWSCcon；αtran、αcon、αclimate分别表示调水、人为耗水以及气候变化对海河流域TWSC的贡献率，当α为正值时，表示对流域TWSC具有积极影响，如调水的贡献率为正[3]。需要说明的是，海河流域水资源公报为年度报告且只更新到2019年(截至2021-08-18)，因此该方法是在2004~2019年尺度下进行。
3 结果与分析 3.1 特征时间点分析根据海河流域水资源公报可知，2005年、2006年、2009年海河流域发生旱情，流域TWSA在这3 a消耗明显；2010年海河流域TWSA受多方调水补充，加上2012年为丰水年，因此流域TWSA亏损状态得到缓解；2014~2016年初，流域降水量较前几年明显减少且年温度异常偏高[15]，理论上流域TWSA在2014~2016年初消耗应较为显著，但由图 1可知，海河流域TWSA仅2014~2015年初消耗比较明显(超上临界线)，而后并未出现显著的亏损状态(临界值线内)。结合表 1可知，2014年滑动T检验结果均大于2.23，而2015年结果都处于±2.23之间，说明从2015-01起，流域TWSA的衰减态势开始由显著状态转变为不显著状态，因此选择2015-01作为南水北调前后的特征时间点，并基于该时间点对海河流域TWSA进行时空分析。
|
表 1 2014-01~2015-12滑动T检验统计值 Tab. 1 The statistical values of moving T-test from 2014-01 to 2015-12 |
|
图 1 滑动T检验结果 Fig. 1 The result of moving T-test |
为反映海河流域TWSA在南水北调之后具体的变化趋势，以缺失的GRACE卫星数据为间隔，分别对2004-01~2015-01、2015-01~2017-06、2018-06~2020-10海河流域TWSA进行线性拟合，对2015-01~2020-10整体进行线性拟合，并与2004-01~2015-01的拟合趋势进行对比，分析南水北调前后海河流域TWSA的趋势变化。同样地，将以上时间划分作为海河流域TWSA空间分析的依据。
3.2.1 时序趋势分析如图 2(a)所示，2004-01~2015-01、2015-01~2017-06以及2018-06~2020-10期间，海河流域TWSA的变化趋势分别为-17.19 mm/a、6.84 mm/a和-21.95 mm/a，表明从2015-01起，流域TWSA长期下降趋势开始得到缓解，2018-06~2020-10又转为持续消耗，其原因可能为南水北调工程在短时间内无法恢复大规模的地下水枯竭[16]，只能缓解局部区域的TWSA亏损。由于GRACE与GRACE-FO卫星之间缺失近1 a的数据，短时间序列拟合不确定性较大，因此将2015-01~2020-10作为南水北调之后的时间序列进行线性拟合。如图 2(b)所示，海河流域TWSA在南水北调前后的衰减速率分别为-17.19 mm/a和-13.49 mm/a，表明海河流域TWSA在南水北调之后的下降趋势在整体上缓解约24%。
|
图 2 海河流域TWSA趋势拟合 Fig. 2 Trends fitting of TWSA in the Haihe river basin |
由图 3(a)、3(b)可见，2004-01海河流域TWSA较为充沛，而2015-01几乎全部变为负值。由图 3(e)可知，2004-01~2015-01海河流域TWSA处于持续亏损状态，并且流域内晋、冀、豫3省交界地区TWSA消耗速率明显大于其他地区，其原因主要为山前平原大规模开采地下水进行农业灌溉[11]。从2015-01开始，南水北调工程为海河流域输送大量水资源。由图 3(b)、3(c)可知，2017-06海河流域TWSA比2015-01更少，但由图 3(f)可知，2015-01~2017-06期间，流域内近80%地区的TWSA处于增长趋势，其中北部地区以及华北平原的增长趋势显著高于其他地区，这可能与空间地质差异存在很大关系[10]。由图 3(g)可知，2018-06~2020-10期间海河流域TWSA又转为亏损状态，同样是流域内晋、冀、豫3省交界地区TWSA衰减趋势明显大于其他区域，整个流域仅东北部出现较小增长。通过对比图 3(e)、3(h)可知，南水北调之后，海河流域TWSA亏损趋势相比之前得到较大缓解，缓解趋势由南到北逐渐增大。值得注意的是，海河流域内晋、冀、豫3省交界地区TWSA衰减状况尤为严重，而南水北调之后，优先得到补充的却是流域北部以及东部平原地区，这是海河流域TWSA呈现空间异质的主要原因之一。
|
图 3 海河流域TWSA时间点及趋势空间分布 Fig. 3 Spatial distribution of trends and time points of TWSA in the Haihe river basin |
降水和蒸散发是影响流域TWSC的重要因素。本文通过计算人类活动与气候变化对海河流域TWSC的贡献率，引入降水、蒸散发、人为耗水和调水数据进行趋势分析，讨论南水北调工程对海河流域TWSC的影响。
4.1 人类活动与气候变化贡献率如图 4所示，相比于气候变化，人类活动(包括调水和人为耗水)对海河流域TWSC的影响较大。结合表 2可知，人为耗水对海河流域TWSC的影响最大，气候变化次之，调水最小，多年平均贡献率分别为-57.38%、29.90%、12.72%，表明人为耗水是海河流域TWSA长期处于衰减态势的主要原因，人类活动与气候变化对海河流域TWSC的影响比例为7 ∶3。值得注意的是，2015年之前，调水的贡献率并未出现明显的趋势变化，而在2015年之后，调水的贡献率明显增大，在2017年和2019年其贡献率甚至超过气候变化。由此可见，在南水北调工程的作用下，随着调水量的不断增大，其对海河流域TWSC的贡献率也随之增大。
|
图 4 贡献率直方图 Fig. 4 The histogram of contribution rates |
|
|
表 2 贡献率统计 Tab. 2 The statistics of contribution rates |
如图 5(a)、5(b)所示，降雨和蒸散发曲线的斜率分别为2.05 mm/a和1.55 mm/a，降水量在年均值与趋势上均大于蒸散发，这也是图 4中气候变化对海河流域TWSC的贡献率大多为正值的主要原因。如图 5(c)、5(d)所示，调水量与人为耗水量的年际趋势分别为0.12 mm/a和-0.11 mm/a，说明人为引起的水量输入增加以及消耗减少均有利于海河流域TWSA变化。然而，由于人为耗水量较大，海河流域TWSA仍处于持续亏损状态。
|
图中折线表示年际变化 图 5 多变量年际变化及趋势 Fig. 5 Interannual variation and trend of multiple variables |
由图 5(a)、5(b)可知，降雨和蒸散发相关系数均小于0.3且年际间变化较大，表明这两个自然变量发生的时间和作用水量存在很大的不确定性和不可控性。另外，蒸散发不仅受气候因素影响(如全球变暖等)，人类活动也会导致蒸散发量大幅度增加[17]。从人类活动角度而言，图 5(c)中2015年之后调水量的趋势升高完全受益于南水北调工程，假设2015年之后的调水量保持在之前水平，海河流域TWSA将持续消耗，难以出现图 2(a)中的上升趋势。此外，图 5(d)中人为耗水量以-0.11 mm/a的速率稳步递减，但这种减少会存在一个最低阈值，当耗水量因生产生活等一些必要因素向最低阈值接近，随着调水量的不断增加，南水北调对海河流域TWSA的缓解作用将更加凸显。
综合而言，相对于降水、蒸散发，可控的工程调水和人为耗水对海河流域TWSA的缓解具有更为重要的作用。特别是南水北调工程，其逐年增大的调水量使调水总量呈现明显的增长趋势，这一高增长趋势和人为耗水的最低阈值共同预示，南水北调工程在缓解和恢复海河流域TWSA中潜力巨大。
5 结语本文基于GRACE及GRACE-FO重力卫星数据，结合滑动T检验、多变量趋势分析以及贡献率量化法对南水北调前后海河流域TWSA变化进行综合分析，结论如下：
1) 在95%置信区间下，通过滑动T检验确定南水北调前后海河流域TWSA突变的特征时间点为2015-01。海河流域TWSA在南水北调之后下降趋势缓解约24%，缓解趋势由南到北逐渐增大。流域内TWSA缓解区与衰减区在空间上不一致，空间异质性更加明显。
2) 人为耗水、气候变化及调水对海河流域TWSC的贡献率分别为-57.38%、29.90%和12.72%，人类活动与气候变化对流域TWSC的影响比达7:3，人为耗水是海河流域TWSA常年处于亏损状态的主要原因。
3) 调水量在南水北调之后显著增加，有效缓解了海河流域TWSA的亏损状况。南水北调之后调水量的高增长趋势与人为耗水量的最低阈值共同预示，南水北调工程在改善和恢复区域陆地水储量方面具有巨大潜力。
| [1] |
Guo Y, Shen Y J. Quantifying Water and Energy Budgets and the Impacts of Climatic and Human Factors in the Haihe River Basin, China: 1. Model and Validation[J]. Journal of Hydrology, 2015, 528: 206-216 DOI:10.1016/j.jhydrol.2015.06.039
(  0) |
| [2] |
杨会峰, 孟瑞芳, 李文鹏, 等. 海河流域地下水资源特征和开发利用潜力[J]. 中国地质, 2021, 48(4): 1032-1051 (Yang Huifeng, Meng Ruifang, Li Wenpeng, et al. Groundwater Resources of the Haihe River Basin and Its Development Potential[J]. Geology in China, 2021, 48(4): 1032-1051)
( 0) |
| [3] |
Xie J K, Xu Y P, Wang Y T, et al. Influences of Climatic Variability and Human Activities on Terrestrial Water Storage Variations across the Yellow River Basin in the Recent Decade[J]. Journal of Hydrology, 2019, 579
( 0) |
| [4] |
郑伟, 许厚泽, 钟敏, 等. GRACE卫星关键载荷实测数据的有效处理和地球重力场的精确解算[J]. 地球物理学报, 2009, 52(8): 1966-1975 (Zheng Wei, Hsu Houtse, Zhong Min, et al. Effective Processing of Measured Data from GRACE Key Payloads and Accurate Determination of Earth's Gravitational Field[J]. Chinese Journal of Geophysics, 2009, 52(8): 1966-1975 DOI:10.3969/j.issn.0001-5733.2009.08.003)
( 0) |
| [5] |
刘杰, 徐克科, 方剑, 等. 基于现代大地测量手段的青藏高原南缘地壳形变分析[J]. 大地测量与地球动力学, 2021, 41(11): 1183-1188 (Liu Jie, Xu Keke, Fang Jian, et al. Analysis of Crustal Deformation in the Southern Margin of the Qinghai-Tibet Plateau Based on Modern Geodetic Techniques[J]. Journal of Geodesy and Geodynamics, 2021, 41(11): 1183-1188)
( 0) |
| [6] |
尼胜楠, 陈剑利, 李进, 等. 利用GRACE卫星时变重力场监测长江、黄河流域水储量变化[J]. 大地测量与地球动力学, 2014, 34(4): 49-55 (Ni Shengnan, Chen Jianli, Li Jin, et al. Terrestrial Water Storage Change in the Yangtze and Yellow River Basins from GRACE Time-Variable Gravity Measurements[J]. Journal of Geodesy and Geodynamics, 2014, 34(4): 49-55)
( 0) |
| [7] |
吴云龙, 李辉, 邹正波, 等. 基于Forward-Modeling方法的黑河流域水储量变化特征研究[J]. 地球物理学报, 2015, 58(10): 3507-3516 (Wu Yunlong, Li Hui, Zou Zhengbo, et al. Investigation of Water Storage Variation in the Heihe River Using the Forward-Modeling Method[J]. Chinese Journal of Geophysics, 2015, 58(10): 3507-3516 DOI:10.6038/cjg20151007)
( 0) |
| [8] |
冯伟, 王长青, 穆大鹏, 等. 基于GRACE的空间约束方法监测华北平原地下水储量变化[J]. 地球物理学报, 2017, 60(5): 1630-1642 (Feng Wei, Wang Changqing, Mu Dapeng, et al. Groundwater Storage Variations in the North China Plain from GRACE with Spatial Constraints[J]. Chinese Journal of Geophysics, 2017, 60(5): 1630-1642)
( 0) |
| [9] |
Wang Q Q, Zheng W, Yin W J, et al. Improving the Accuracy of Water Storage Anomaly Trends Based on a New Statistical Correction Hydrological Model Weighting Method[J]. Remote Sensing, 2021, 13
( 0) |
| [10] |
张雪, 刘玉晶, 韩鹏, 等. 海河流域南水北调受水区地下水水位变化分析与管理工作思考[J]. 海河水利, 2021(2): 14-17 (Zhang Xue, Liu Yujing, Han Peng, et al. Analysis on Variation of Groundwater Level and Management of the Receiving Area of the South-to-North Water Diversion Project[J]. Haihe Water Resources, 2021(2): 14-17)
( 0) |
| [11] |
李嘉, 唐河, 饶维龙, 等. 南水北调工程对华北平原水储量变化的影响[J]. 中国科学院大学学报, 2020, 37(6): 775-783 (Li Jia, Tang He, Rao Weilong, et al. Influence of South-to-North Water Transfer Project on the Changes of Terrestrial Water Storage in North China Plain[J]. Journal of University of Chinese Academy of Sciences, 2020, 37(6): 775-783)
( 0) |
| [12] |
张岚, 孙文科. 重力卫星GRACE Mascon产品的应用研究进展与展望[J]. 地球与行星物理论评, 2022, 53(1): 35-52 (Zhang Lan, Sun Wenke. Progress and Prospect of GRACE Mascon Product and Its Application[J]. Reviews of Geophysics and Planetary Physics, 2022, 53(1): 35-52)
( 0) |
| [13] |
魏凤英. 现代气候统计诊断与预测技术[M]. 北京: 气象出版社, 2007 (Wei Fengying. Modern Climate Statistical Diagnosis and Prediction Technology[M]. Beijing: China Meteorological Press, 2007)
( 0) |
| [14] |
Long D, Shen Y J, Sun A, et al. Drought and Flood Monitoring for a Large Karst Plateau in Southwest China Using Extended GRACE Data[J]. Remote Sensing of Environment, 2014, 155: 145-160
( 0) |
| [15] |
Chen Z W, Zhang X F, Chen J H. Monitoring Terrestrial Water Storage Changes with the Tongji-Grace2018 Model in the Nine Major River Basins of the Chinese Mainland[J]. Remote Sensing, 2021, 13(9)
( 0) |
| [16] |
Zhang C, Duan Q Y, Yeh P J F, et al. The Effectiveness of the South-to-North Water Diversion Middle Route Project on Water Delivery and Groundwater Recovery in North China Plain[J]. Water Resources Research, 2020, 56(10)
( 0) |
| [17] |
Pan Y, Zhang C, Gong H L, et al. Detection of Human-Induced Evapotranspiration Using GRACE Satellite Observations in the Haihe River Basin of China[J]. Geophysical Research Letters, 2017, 44(1): 190-199
( 0) |
2. Qian Xuesen Laboratory of Space Technology, China Academy of Space Technology, 104 Youyi Road, Beijing 100094, China;
3. State Key Laboratory of Geodesy and Earth's Dynamics, Innovation Academy for Precision Measurement Science and Technology, CAS, 340 Xudong Street, Wuhan 430077, China