文章快速检索     高级检索
  大地测量与地球动力学  2023, Vol. 43 Issue (4): 414-419  DOI: 10.14075/j.jgg.2023.04.015

引用本文  

李小楠, 李伟伟. 利用ITSG-Grace2018天解时变模型探测短时洪涝[J]. 大地测量与地球动力学, 2023, 43(4): 414-419.
LI Xiaonan, LI Weiwei. Using ITSG-Grace2018 Daily Solutions Time-Varying Model to Detect Short-Term Flood[J]. Journal of Geodesy and Geodynamics, 2023, 43(4): 414-419.

项目来源

国家自然科学基金(41904011);山东省自然科学基金(ZR2019QD003)。

Foundation support

National Natural Science Foundation of China, No. 41904011; Natural Science Foundation of Shandong Province, No. ZR2019QD003.

通讯作者

李伟伟,博士,讲师,主要从事时变重力场反演、质量负载形变研究,E-mail:whereareou@126.com

Corresponding author

LI Weiwei, PhD, lecturer, majors in time-variable gravity field inversion, mass load deformation, E-mail: whereareou@126.com.

第一作者简介

李小楠,硕士生,主要从事时变重力场研究,E-mail:lixn1998@163.com

About the first author

LI Xiaonan, postgraduate, majors in time-variable gravity field, E-mail: lixn1998@163.com.

文章历史

收稿日期:2022-09-26
利用ITSG-Grace2018天解时变模型探测短时洪涝
李小楠1     李伟伟1     
1. 山东科技大学测绘与空间信息学院,青岛市前湾港路579号,266590
摘要:利用ITSG-Grace2018天解重力场模型反演重庆市2003-01-01~2016-08-31的陆地水储量变化,并与水文资料(WGHM、GLDAS)和降雨数据(CPC)进行比较分析,重点研究重庆市2007-07-16~18、2012-07-02~05和2012-07-08~13的洪涝事件。结果表明,ITSG-Grace2018天解模型反演的陆地水储量变化与WGHM、GLDAS结果具有较好的一致性;ITSG-Grace2018天解反演的陆地水储量变化与降雨异常相关系数达0.50,说明降雨是导致重庆市陆地水储量变化的重要因素;对于短于1个月的洪涝灾害,ITSG-Grace2018月解模型无法给出洪涝前后的时空演变过程,而ITSG-Grace2018天解模型能反映出更多高频细节信息,但与降雨数据相比存在时间延迟。
关键词陆地水储量ITSG-Grace2018水文模型降雨量短时洪涝

利用GRACE时变重力场可以对水储量变化进行长期可持续监测,有助于对旱涝灾害事件进行科学分析[1-6]。但传统GRACE重力场模型的时间分辨率一般为月,仅适合监测长时间尺度的水文事件[7]。ITSG-Grace2018天解模型可用于短时洪涝灾害的监测[8-9],但目前还没有利用该模型对我国区域短时洪涝灾害进行研究的报道。

本文利用ITSG-Grace2018天解模型反演重庆市2003-01-01~2016-08-31的陆地水储量变化,并与WGHM、GLDAS模型和CPC(Climate Prediction Center)降雨数据进行对比验证,重点研究重庆市2007-07-16~18、2012-07-02~05和2012-07-08~13发生的洪涝事件。

1 数据处理 1.1 ITSG-Grace2018天解与月解模型

ITSG-Grace2018天解模型将RL06模型与Kalman平滑器结合进行解算,平滑后可有效抑制空间相关噪声,因此不需要额外的空间滤波。模型中C20序列特征与利用SLR(satellite laser ranging)解算结果类似[10],因此不必替换C20。本研究只关注短于1个月的质量变化,因此忽略月及更长时间尺度的地心改正、冰川均衡调整影响[11]。由于卫星观测前期的不确定性和受电池容量衰减的影响,本文使用2003-01~2016-08的ITSG-Grace2018天解模型进行分析,尽管该模型提供连续的天解,但考虑到数据质量问题,反演陆地水质量时除去观测值个数小于10 000和无观测值的日期[11]

利用ITSG-Grace2018天解数据反演陆地水质量变化的计算模型为:

$ \begin{aligned} \Delta h(\theta, \lambda)= & \frac{a \rho_{\mathrm{e}}}{3 \rho_{\mathrm{w}}} \sum\limits_{l=0}^{40} \sum\limits_{m=0}^l \frac{2 l+1}{1+k_l}\left(\Delta C_{l m} \cos (m \lambda)+\right. \\ & \left.\Delta S_{l m} \sin (m \lambda)\right) P_{l m}(\cos \theta) \end{aligned} $ (1)

式中,各参数意义见文献[12-13]。计算空间分辨率为0.5°×0.5°的等效水柱高格网值后,对其进行面积加权获得区域质量变化序列[13-14]

为了对比GRACE天解与月解监测短时水文事件的效果,选用2003-01~2016-08的ITSG-Grace2018月解数据进行如下处理:扣除研究时间段内球谐系数平均值,用SLR观测的C20项进行替换,采用Swenson滑动窗口法去除条带噪声的影响[14],使用DDK4滤波器对球谐系数滤波[15],采用ICE-5G地壳均衡模型去除GIA影响。最终生成0.5°×0.5°格网值[16],与天解相同,对其进行面积加权获得区域质量变化序列。

1.2 水文模型

WGHM模型是由德国法兰克福大学提供的全球水资源分析和预测水文模型,该模型联合时序参数以及气候和地理数据建成[17],空间分辨率为0.5°×0.5°,时间分辨率为1 d。该模型不仅可以计算各个国家以及流域的长期平均水资源[18],还能模拟除冰川以外的积雪、植被水、地表水、土壤水、地下水、径流等陆地水储量组成部分。

GLDAS由NASA、GSFC和NOAA共同开发,该模型利用卫星数据和地面观测数据,结合陆面模型和数据同化技术生成陆面状态变量及通量数据[17],目前使用的陆地表面模型有Noah、CLM、VIC及CLSM(catchment land surface model)。本文使用时间分辨率为1 d、空间分辨率为0.25°×0.25°的GLDAS-2.2的CLSM数据集。

与时变重力场模型计算区域质量变化相同,对格网数据进行面积加权。

1.3 降雨数据

CPC提供全球降雨格网数据集,空间分辨率为0.5°×0.5°,时间分辨率有1个月和1 d。为保持时间分辨率一致,选择每天的降雨数据,对格网数据进行面积加权,获得研究区域2003-01-01~2016-08-31的降雨序列。

本文所用实验数据及详细信息见表 1

表 1 数据集介绍 Tab. 1 Data set introduction
2 结果分析 2.1 水储量时间序列分析 2.1.1 ITSG-Grace2018天解模型与水文模型结果分析

图 1为利用ITSG-Grace2018天解模型反演的重庆市TWS变化以及WGHM、GLDAS模型预测的TWS变化序列(已去趋势)。可以看出,3个序列变化基本一致,在2006年明显下降,2007年和2012年明显上升(图中阴影部分)。图 2给出了ITSG-Grace2018天解模型序列与WGHM、GLDAS模型序列的相关性。从拟合关系来看,ITSG-Grace2018天解模型序列与WGHM、GLDAS模型序列均呈显著线性正相关(p < 0.05),相关系数分别为0.33和0.55,可见ITSG-Grace2018天解模型与GLDAS模型相关性更大。

图 1 ITSG-Grace2018天解、WGHM与GLDAS模型的TWS时间序列 Fig. 1 TWS time series of ITSG-Grace2018 daily solutions, WGHM and GLDAS models

图 2 ITSG-Grace2018天解模型与WGHM、GLDAS模型的相关性 Fig. 2 Correlation of ITSG-Grace2018 daily solutions model with WGHM and GLDAS models

根据Lomb谱分析法获得ITSG-Grace2018天解序列、WGHM与GLDAS模型序列的周期特征,见图 3。可以看出,3者均具有明显的年信号和半年信号,但GLDAS年信号能量较小,结合TWS序列可知,TWS变化在夏季盈余、冬季亏损。采用式(2)拟合序列,可得到水储量变化的周年信号、半年信号及趋势项,见表 2

图 3 TWS序列的功率谱分析 Fig. 3 Power spectrum analysis of TWS time series

表 2 ITSG-Grace2018天解模型序列与水文模型序列周期信号 Tab. 2 Periodic signals of time series of ITSG-Grace2018 daily solutions and hydrological models
$ \begin{gathered} f(t)=a_0+a_1\left(t-t_0\right)+a_2 \cos 2 \pi\left(t-t_0\right)+ \\ a_3 \sin 2 \pi\left(t-t_0\right)+a_4 \cos 4 \pi\left(t-t_0\right)+ \\ a_5 \sin 4 \pi\left(t-t_0\right)+\varepsilon_t \end{gathered} $ (2)

式中,t0为参考时刻,取研究时间段的第1个时刻(2003-01-01);a1为线性趋势变化;a2~a5为年周期和半年周期的季节性水文信号系数;εt为误差项。

表 2可知,ITSG-Grace2018天解模型序列与GLDAS模型序列年振幅符合很好,分别约为1.54 cm和1.44 cm,ITSG-Grace2018年振幅略大,原因可能是GLDAS不包括地表水,而ITSG-Grace2018天解模型反映的是综合因素的影响,但两者与WGHM模型序列振幅相差较大;3个模型序列的年相位相差较大,分别为75.5°、154.2°和223.5°,原因有待进一步研究。

2.1.2 ITSG-Grace2018天解模型与降雨资料结果分析

图 4为重庆市等效水柱高和每天降雨量情况。可以看出,降雨多集中在每年的5~9月,12月和次年1~2月的降雨量最少,时间上具有一定的季节性。扣除降雨量均值,将每天的降雨数据加上当天之前的数据得到每天降雨异常量[19]。在降雨较多的时期,ITSG-Grace2018天解模型所得水储量也相应增加(图 5),两者的相关系数为0.50,具有显著的正相关关系(p < 0.05),说明降雨是影响重庆市TWS变化的重要因素。另外,TWS变化还与其他水文因素(如蒸散发和径流)及人类活动有关。灾害报告显示(http://www.mwr.gov.cn/sj/tjgb/zgshzhgb/),2006-05~09重庆市遭遇特大旱灾,2007-07-16~18发生洪涝灾害,2012-07长江流域4次洪水致重庆市2012-07-02~05和2012-07-08~13发生洪涝灾害。

图 4 ITSG-Grace2018天解模型反演的TWS与降雨的关系 Fig. 4 The relationship between ITSG-Grace2018 daily solutions TWS and precipitation

图 5 ITSG-Grace2018天解模型反演的TWS与降雨的相关性 Fig. 5 Correlation between ITSG-Grace2018 daily solutions TWS and precipitation
2.1.3 ITSG-Grace2018天解与月解模型结果分析

图 6(a)所示,天解与月解模型结果变化基本一致(已去趋势),且都能监测到2006-06~09的干旱事件,对于2007年洪涝灾害,天解模型结果峰值出现在2007-07-24,月解模型结果出现在7月;2012年洪涝灾害,天解模型结果的2次峰值出现在2012-07-17和2012-07-22,月解模型结果出现在7月。去除序列的年周期项,将每天(月)的水储量值作年平均(每年同天(月)的水储量值求平均),得到研究时间段内同天(月)的水储量值,如图 6(b)所示。可以看出,天解模型结果清楚地探测到次月信号,月解模型结果只能反映出1个月的平均变化,因此,天解模型能够反映水储量变化的具体情况,监测到更多的高频信息,而月解模型对于短时水文事件的监测具有局限性。

图 6 ITSG-Grace2018天解与月解模型所得TWS序列与年平均后序列 Fig. 6 ITSG-Grace2018 daily and monthly solutions TWS series and series after annual average
2.2 TWS空间变化分析

为了研究重庆市2次洪涝事件在空间上的变化,给出2007-06~08(图 7)和2012-06~08(图 8)的TWS空间变化。可以看出,2007-06重庆市TWS还处于亏损状态,7月初开始出现正值,并逐渐向西扩散,最大值出现在东北部的巫山县,超过20 cm,中部达到2~8 cm,西部影响较小;8月初TWS正值逐渐减弱并开始出现负值,到8月底又出现回升迹象。2012-06重庆市大部分地区TWS正值减弱,6月底东北部出现负值,7月全市TWS均为正值,在7月中旬达到最高,东南部影响较大,超过15 cm,东北部和西南部也都在10 cm以上;8月初水储量正值逐渐减弱,到8月底又开始回升。

图 7 2007-06~08 TWS异常空间分布与ITSG-Grace2018天解模型序列和降雨量 Fig. 7 Spatial distribution of TWS anomalies and ITSG-Grace2018 daily solutions series and precipitation during June to August, 2007

图 8 2012-06~08 TWS异常空间分布与ITSG-Grace2018天解模型序列和降雨量 Fig. 8 Spatial distribution of TWS anomalies and ITSG-Grace2018 daily solutions series and precipitation during June to August, 2012

图 78还可以看出,降雨变化与TWS变化序列有延迟对应关系。在2007年,降雨早于ITSG-Grace2018天解模型序列8 d达到峰值;2012-07 TWS在07-17和07-22分别出现峰值,降雨量峰值则分别出现在07-04和07-12,相对提前了13 d和10 d。因此,ITSG-Grace2018天解模型可以监测短时洪涝灾害,但时间上存在延迟。

3 结语

利用ITSG-Grace2018天解模型反演2003-01-01~2016-08-31的重庆市陆地水储量变化,并与同期WGHM、GLDAS水文模型预测结果对比,结合CPC降雨数据分析重庆市2007-07-16~18、2012-07-02~05和2012-07-08~13的洪涝事件,得出下列结论:

1) ITSG-Grace2018天解模型与WGHM、GLDAS水文模型所得TWS变化序列和降雨异常量的相关系数分别为0.33、0.55和0.50,具有显著的正相关关系(p < 0.05),说明ITSG-Grace2018天解模型可正确反映TWS变化,且降雨是影响重庆市TWS变化的重要因素。

2) ITSG-Grace2018天解模型序列年振幅与GLDAS模型的符合程度显著优于与WGHM模型的符合程度。

3) ITSG-Grace2018天解模型能够监测到洪涝前后的细节变化,而月解模型只能反映出1个月的平均变化。

4) ITSG-Grace2018天解模型可以监测短时洪涝灾害,但时间上存在延迟。

参考文献
[1]
徐永明. 利用GRACE RL06时变重力场的水储量变化反演研究与应用[D]. 徐州: 中国矿业大学(徐州), 2020 (Xu Yongming. Research on the Recovery Method of Water Storage Variations and Applications Using GRACE RL06 Temporal Gravity Filed[D]. Xuzhou: China University of Mining and Technology, 2020) (0)
[2]
Chen J L, Wilson C R, Tapley B D. The 2009 Exceptional Amazon Flood and Interannual Terrestrial Water Storage Change Observed by GRACE[J]. Water Resources Research, 2010, 46(12) (0)
[3]
王杰龙, 陈义. 利用GRACE时变重力场数据监测长江流域干旱[J]. 大地测量与地球动力学, 2021, 41(2): 196-200 (Wang Jielong, Chen Yi. Drought Detection over Yangtze River Basin from GRACE Time-Variable Gravity Data[J]. Journal of Geodesy and Geodynamics, 2021, 41(2): 196-200 DOI:10.14075/j.jgg.2021.02.016) (0)
[4]
张昊, 丁洁, 朱仟, 等. 基于GRACE的华北平原地下水干旱时空特征分析[J]. 人民长江, 2021, 52(10): 107-114 (Zhang Hao, Ding Jie, Zhu Qian, et al. Analysis on Spatial-Temporal Characteristic of Groundwater Drought Based on GRACE in North China Plain[J]. Yangtze River, 2021, 52(10): 107-114) (0)
[5]
冯伟, Lemoine Jean-Michel, 钟敏, 等. 利用重力卫星GRACE监测亚马逊流域2002—2010年的陆地水变化[J]. 地球物理学报, 2012, 55(3): 814-821 (Feng Wei, Lemoine J M, Zhong Min, et al. Terrestrial Water Storage Changes in the Amazon Basin Measured by GRACE during 2002—2010[J]. Chinese Journal of Geophysics, 2012, 55(3): 814-821) (0)
[6]
Reager J T, Thomas B F, Famiglietti J S. River Basin Flood Potential Inferred Using GRACE Gravity Observations at Several Months Lead Time[J]. Nature Geoscience, 2014, 7(8): 588-592 DOI:10.1038/ngeo2203 (0)
[7]
冉艳红, 钟敏, 陈威, 等. 利用GRACE-FO重力卫星探测2019年长江中下游极端干旱[J]. 科学通报, 2021, 66(1): 107-117 (Ran Yanhong, Zhong Min, Chen Wei, et al. Monitoring the Extreme Drought in the Middle and Lower Reaches of the Yangtze River in 2019 from GRACE-FO Satellites[J]. Chinese Science Bulletin, 2021, 66(1): 107-117) (0)
[8]
陶庭叶, 丁鑫, 李水平, 等. 联合日时变重力与GNSS反演地表负荷形变对中国及周边区域影响[EB/OL]. https://kns.cnki.net/kcms/detail/detail.aspx?dbcode=CAPJ&dbname=CAPJLAST&filename=WHCH20211208000&uniplatform=NZKPT&v=kv866gsLbeNzklRS8qgkA8cEQ5D8ROXi5wDouYLdbm70plJfJDf9Vb0Xk6aEKGTG, 2021-12-13 (Tao Tingye, Ding Xin, Li Shuiping, et al. Inversion of Surface Load Deformation in China and Surrounding Areas Using Daily Time-Varying Earth's Gravity Field and GNSS[EB/OL]. https://kns.cnki.net/kcms/detail/detail.aspx?dbcode=CAPJ&dbname=CAPJLAST&filename=WHCH20211208000&uniplatform=NZKPT&v=kv866gsLbeNzklRS8qgkA8cEQ5D8ROXi5wDouYLdbm70plJfJDf9Vb0Xk6aEKGTG, 2021-12-13) (0)
[9]
Gouweleeuw B T, Kvas A, Gruber C, et al. Daily GRACE Gravity Field Solutions Track Major Flood Events in the Ganges-Brahmaputra Delta[J]. Hydrology and Earth System Sciences, 2018, 22(5): 2 867-2 880 DOI:10.5194/hess-22-2867-2018 (0)
[10]
Li W W. Data Adaptive Analysis on Vertical Surface Deformation Derived from Daily ITSG-Grace2018 Model[J]. Sensors, 2020, 20(16): 4 477 DOI:10.3390/s20164477 (0)
[11]
Eicker A, Jensen L, Wöhnke V, et al. Daily GRACE Satellite Data Evaluate Short-Term Hydro-Meteorological Fluxes from Global Atmospheric Reanalyses[J]. Scientific Reports, 2020, 10(1): 4 504 DOI:10.1038/s41598-020-61166-0 (0)
[12]
汪汉胜, 许厚泽, 李国营. SNREI地球模型负荷勒夫数数值计算的新进展[J]. 地球物理学报, 1996, 39(增1): 182-189 (Wang Hansheng, Xu Houze, Li Guoying. Improvement of Computations of Load Love Numbers of SNREI Earth Model[J]. Chinese Journal of Geophysics, 1996, 39(S1): 182-189) (0)
[13]
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)
[14]
陈智伟, 张兴福, 冉将军, 等. 利用新版GRACE时变模型反演珠江流域陆地水储量变化[J]. 大地测量与地球动力学, 2020, 40(3): 305-310 (Chen Zhiwei, Zhang Xingfu, Ran Jiangjun, et al. Terrestrial Water Storage Changes in Pearl River Region Derived from the Latest Release Temporal Gravity Field Models[J]. Journal of Geodesy and Geodynamics, 2020, 40(3): 305-310) (0)
[15]
Kvas A, Mayer-Gürr T. Regularization of the Gravity Field Inversion Process with High-Dimensional Vector Autoregressive Models[J]. Physical Sciences Forum, 2021, 3(7) (0)
[16]
Feng W. GRAMAT: A Comprehensive Matlab Toolbox for Estimating Global Mass Variations from GRACE Satellite Data[J]. Earth Science Informatics, 2019(12): 389-404 (0)
[17]
李婉秋, 王伟, 章传银, 等. 利用GRACE卫星重力数据监测关中地区地下水储量变化[J]. 地球物理学报, 2018, 61(6): 2 237-2 245 (Li Wanqiu, Wang Wei, Zhang Chuanyin, et al. Monitoring Groundwater Storage Variations in the Guanzhong Area Using GRACE Satellite Gravity Data[J]. Chinese Journal of Geophysics, 2018, 61(6): 2 237-2 245) (0)
[18]
冯哲颖, 岳林蔚, 沈焕锋. 基于多源水文数据融合的GRACE水储量精度校正[J]. 遥感技术与应用, 2021, 36(3): 605-617 (Feng Zheying, Yue Linwei, Shen Huanfeng. Accuracy Correction of GRACE Water Storage Based on Multi-Source Hydrological Data[J]. Remote Sensing Technology and Application, 2021, 36(3): 605-617) (0)
[19]
Singh A, Reager J T, Behrangi A. Estimation of Hydrological Drought Recovery Based on Precipitation and Gravity Recovery and Climate Experiment(GRACE) Water Storage Deficit[J]. Hydrology and Earth System Sciences, 2021, 25(2): 511-526 (0)
Using ITSG-Grace2018 Daily Solutions Time-Varying Model to Detect Short-Term Flood
LI Xiaonan1     LI Weiwei1     
1. College of Geodesy and Geomatics, Shandong University of Science and Technology, 579 Qianwangang Road, Qingdao 266590, China
Abstract: We use the ITSG-Grace2018 daily gravity field solutions model to invert the changes of terrestrial water storage(TWS) in Chongqing from January 1, 2003, to August 31, 2016. We compare the model with hydrological data(WGHM, GLDAS) and precipitation data(CPC). The flood events from July 16 to 18, 2007, July 2 to 5, and July 8 to 13, 2012 in Chongqing are our focus. The results show that TWS derived from ITSG-Grace2018 is in good agreement with that from WGHM and GLDAS. The correlation coefficient between ITSG-Grace2018 water storage change and precipitation anomaly is 0.50, indicating precipitation is an important factor leading to TWS changes in Chongqing. For flood disasters shorter than one month, the monthly solution cannot give the spatio-temporal evolution process before and after flood, while the daily solutions can reflect more high-frequency details, but there is a time delay compared with the precipitation data.
Key words: terrestrial water storage; ITSG-Grace2018; hydrology model; precipitation; short-term flood