地球物理学报  2013, Vol. 56 Issue (11): 3908-3916   PDF    
地下水遥感模糊评估指数的构建与研究
邓正栋1 , 叶欣1,2 , 龙凡3 , 于德浩3 , 关洪军1 , 张邦双2     
1. 解放军理工大学, 南京 210007;
2. 西昌卫星发射中心, 西昌 615000;
3. 沈阳军区司令部工程科研设计院, 沈阳 110162
摘要: 为提高地下水定量遥感的评估精度, 完善评估内容, 扩大评估模型的适用范围, 本文从水文地质的角度出发对地下水赋存空间、补给条件和地表指示进行研究, 确定以地层岩性、断裂密度、地形坡度、地貌类型、汇流累积量、地表温度、土壤湿度作为地下水富集性评估的7个指标.选择具有代表性和典型性的丹东为研究区, 利用ALOS、SPOT、TM和DEM数据对7个指标进行提取和解译, 通过分析各指标对地下水富集性的影响特性, 首次建立模糊隶属度函数对各指标进行模糊评判.利用层次分析法分别计算孔隙型地下水和裂隙型地下水各指标的权重, 采用加权合成算法首次建立了地下水遥感模糊评估指数GRSFAI.研究区实地调查的钻井和泉眼数据表明:GRSFAI与孔隙水出水量的决定系数为0.82, 与裂隙水出水量的决定系数为0.57.依据研究区GRSFAI的分布特点对地下水富集性进行评估分级, 分级结果与实际情况一致, 与地下水分布规律相符.分析认为:GRSFAI能准确反映地下水富集程度, 评估结果可靠, 具有良好的适用性和推广应用能力.
关键词: 地下水遥感模糊评估指数      遥感      地下水      模糊评判     
Construction and investigation of groundwater remote sensing fuzzy assessment index
DENG Zheng-Dong1, YE Xin1,2, LONG Fan3, YU De-Hao3, GUAN Hong-Jun1, ZHANG Bang-Shuang2     
1. PLA Univ. of Sci. & Tech., Nanjing 210007, China;
2. Xichang Satellite Launch Center, Xichang 615000, China;
3. Design Institute Engineering Scientific Research, Shenyang Military Command, Shenyang 110162, China
Abstract: In order to improve the precision of assessment in groundwater quantitative remote sensing, perfect the evaluation content and expand the application scope, this paper studied the storage space, supply condition and surface indication of groundwater through hydrogeology analysis, and selected lithology, fault density, slope, relief, flow accumulation, land temperature, and soil humility as 7 factors to evaluate groundwater potential. Took Dandong as representative and typical research area, the 7 factors were extracted and interpreted from ALOS, SPOT, TM and DEM data. Fuzzy membership functions were established for the first time through analyzing each factor's impact on groundwater enrichment, and factor weights were calculated by analytic hierarchy process (AHP) for pore water and fissure water respectively. The groundwater remote sensing fuzzy assessment index (GRSFAI) was constructed using weighted synthesis algorithm and tested by field investigation data of drilling and spring. The results showed that the R2 between GRSFAI and well/fountain quantity is 0.82/0.57. According to distribution characteristic of GRSFAI, the groundwater potential of study area was graded. It came out to be well consistent with field validation and the law of groundwater distribution. In a word, GRSFAI can well reflect groundwater enrichment, its evaluation is accurate and reliable, and has good applicability..
Key words: GRSFAI      Remote sensing      Groundwater      Fuzzy evaluation     
1 引言

地下水是最重要的自然资源之一, 如何使在气候、地形与地质环境等自然条件制约下的水资源得到充分而合理的开发利用, 缓解我国大城市水资源紧缺的状态, 则是当前科技工作中重点[1].合理开发地下水资源, 首先要对其进行调查和评估.利用钻探、物探技术可直接对地下水状况进行探测[2-3], 比如瞬变电磁法[4]和核磁共振法[5], 但这些方法成本高, 控制范围小; 利用干涉雷达[6]和卫星重力数据[7-8]能对地下水储量变化进行监测, 但只能应用于上千公里的尺度范围; 地下水模拟方法物理意义明确, 但需要众多的地面参数[9]; 遥感技术成本低、调查范围大、能保证一定精度, 对于区域尺度的地下水调查评估具有很大的优势, 研究遥感技术对地下水进行勘察评估, 对合理开发和利用地下水资源、提高打井成功率、制定应急供水预案有着重要的现实意义[10].

遥感技术应用于地下水的勘探评估已有50年的历史, 科学家们最早用热红外航片来判断地下水的存在.随着遥感技术的不断成熟, 遥感评估地下水的精度逐渐由定性向半定量或定量方向发展[11-12]. Yu等[13]用遥感提取与浅层地下水相关的8个指标, 通过层次分析法加权综合, 预测了平原孔隙水的富水靶区, 验证表明干旱区浅层地下水有良好的地表指示作用.Tam等[14]在喀斯特地貌区用遥感提取断裂走向和地表径流流向, 发现两者与地下径流流向存在相关性, 分析地层岩性找到了一条地下溶洞. Murugesan等[15]用遥感提取地形、地貌、水网密度和断裂密度对盆地内的构造裂隙水进行评估, 结果表明断裂交汇部位是地下水富集区.Machiwal等[16]用遥感提取与地下水相关的10个指标, 通过主成份变换选择其中7个指标对干旱区地下水富集性进行评估, 评估结果与实地验证相符, 而且还表明年降雨量和海拔高度与地下水分布没有相关性.

然而, 这些学者研究建立的地下水遥感评估模型只针对一种地下水类型, 没有考虑对孔隙水和裂隙水的区别同时进行评估.这些模型针对干旱半干旱地区地下水进行预测, 而在湿润地区地下水遥感评估成果却较少, 因为在湿润地区, 地下水信息在地表的反映受到大气降水和植被覆盖的干扰, 评估难度较大.他们将评估指标从连续的区间分布划分成为少数几个离散的等级, 难以准确地量化地下水的富集程度.评估模型的指标为单层并列关系, 没有明确的水文地质意义, 当指标数量较多时不利于指标权重的确定.

针对上述问题, 本文选择具有代表性和典型性的丹东进行研究.该地区分布有孔隙型和裂隙型地下水, 雨量充沛, 气候湿润, 山地、丘陵、平原等地貌单元种类齐全; 而且虽然该地区地表水资源十分丰富, 但地下水资源十分匮乏.

本以ALOS、SPOT、TM和DEM为数据源, 对地层岩性、断裂密度、地貌类型、地形坡度、汇流累积量、地表温度和土壤湿度进行遥感提取和解译.利用层次分析法分别计算孔隙水和裂隙水各个指标的权重, 采用模糊数学的方法构建地下水遥感模糊评估指数Groundwater Remote Sensing Fuzzy Assessment Index (GRSFAI), 并通过后续的实地调查来验证该指数的评估效果, 见图 1.

图 1 技术路线图 Fig. 1 Technic rout
2 数据与资料 2.1 研究区概况

研究区位于辽东半岛东南部, 东经123°50'~124°35', 北纬39°53'~40°20', 总面积约2000km2, 见图 2; 气候湿润, 降雨集中在6~8月份; 水系发育, 主要有鸭绿江、叆河、大沙河、庙沟河等水系及其支流; 北部为低山, 主要为森林覆盖, 中部为丘陵, 植被以灌木和草地为主, 南部为海积平原, 主要为耕地和沼泽湿地.区内地下水类型分为松散岩层孔隙水和基岩裂隙水, 主要靠大气降雨渗透补给.其中, 孔隙水主要以潜水形式分布于河谷、山间、山前的冲积、冲洪积、坡洪积等第四系地层中; 裂隙水主要以线状形式分布于纬向、华夏、新华夏三个构造体系的断裂构造及其次生断裂中.

图 2 调查的钻井和泉眼分布图 Fig. 2 Distribution of investigated wells and fountains
2.2 数据源选用及预处理

搜集2009年10月的ALOS多光谱数据; 2010年10月的SPOT-5多光谱数据; 2009年10月的TM多光谱数据; 成像时天气晴朗, 图像质量良好.由于地下水年际变化不大, 认为2009年和2010年同一月份的数据满足时间一致性要求.同时还搜集1:5万地形图和1:20万水文地质图.

在ENVI软件中, 利用Flaash模块对ALOS、SPOT和TM数据进行大气校正, 然后采用兰伯特投影类型高斯投影面将其转换为1954北京坐标系, 并将空间分辨率统一重采样到10m, 再用1:5万地形图对影像进行几何校正和配准; 同时, 提取地形图上的等高线插值生成DEM数据并对影像进行正射校正, 最后对研究区进行裁剪.

3 分析方法

现有的地下水评估模型将指标划分为几个离散的等级进行评价, 人为地降低了评估精度.地下水富集性具有相对性和模糊性, 并没有绝对的好与差, 采用模糊数学方法[17]能够更客观地对地下水进行评估.利用遥感数据对地下水富集性进行评估时, 以遥感图像的像元作为评估的样本集, 即论域:

(1)

其中n表示研究区遥感影像像元的数量.

遥感获取地下水信息大多采用定性推理和半定量的方法, 与水文地质数据相结合, 对地下水进行分析.在末固结的松散沉积中, 岩性是地下水最重要的控制因素; 岩石中主要含水层区域沿断层和裂隙带存在, 受断裂构造的控制.地下水的补给来源是大气降水, 主要受地形和地表径流条件的影响.地下水的存在还会引起地表温度和湿度的变化.因此, 确定以地层岩性Lithology (L)、断裂密度Fault Density (FD)作为地下水赋存空间的评估指标, 以地形坡度Slope (S)、地貌类型Relief (R)、汇流累积量Flow Accumulation (FA)作为地下水补给条件的评估指标, 以地表温度Land Temperature (LT)、土壤湿度Soil Humility (SH)、作为地下水地表指示的评估指标, 即评价指标集:

(2)

其中, 地层岩性评价指标yL只能以离散的形式描述, 其他指标可以定量化表示, 而地下水富集性模糊综合评判的目的就是确定每个像元xi(i=1, 2, …, n)对于地下水富集性"好"的隶属度Y(xi), 即确定映射:

(3)

地下水模糊评估结果用0来代表最差, 1代表最好, 这样地下水富集性模糊评估体系便构建完成, 只需将各指标按隶属度函数量化, 再进行合成运算, 便能得到地下水的模糊评估结果.

3.1 指标提取与规范化处理

地下水富集性评估属于多指标决策, 需要将多个指标综合在一起进行评价, 这些指标单位和数值范围不同, 评价标准也不一样, 不能直接利用初始指标值进行评估和比较.所以, 在综合评估之前, 要消除这些不可同比性, 使其能够直接比较和综合评估, 这就是指标的规范化, 目前常用的有极差变换法和功效系数法[18].

(1) 地层岩性Lithology (L)

岩石的空隙是地下水赋存的空间基础, 对地下水赋存量和运移起着决定性作用.当岩层空隙为松散孔隙类型时, 连通性好、渗透阻力小的岩层富水性就高; 淤泥黏土层渗透阻力大, 成为富水性低的弱透水层.当岩层空隙为基岩裂隙类型时, 脆性强的岩层裂隙发育好; 泥岩、页岩等软岩的裂隙基本不发育.

参考水文地质图, 对ALOS和SPOT遥感图像进行目视人工解译, 按照先整体后局部, 先构造后岩性, 从已知到未知的顺序, 对研究区内地层岩性进行解译, 并进行了野外验证.根据解译结果, 依据富水性大小将松散岩层分为冲积、冲洪积、坡洪积和海积四类, 隶属度yL分别赋予1、0.7、0.5、0.1;将基岩分为片岩夹大理岩、石英砂岩砾岩、片麻状花岗岩和网状风化花岗岩四类, 隶属度yL分别赋予0.9、0.6、0.7、0.2.

(2) 断裂密度Fault Density (FD)

断裂的规模和大小决定裂隙的发育程度, 是基岩裂隙水的赋存基础, 而且断裂一般多为沟谷、河流等负地形, 有利于地下水的汇集.在几组断裂的交汇部位, 往往是基岩裂隙地下水的富集区域.

先对TM遥感图像进行变换, 突出构造信息[19]; 再根据研究区的断裂构造走向规律, 对遥感图像进行水平(纬向构造)、北东45°(华夏、新华夏构造)和北西45°(次生断裂)的方向滤波, 对线形特征进行增强和纹理分析, 最后解译得到线性断裂.断裂的破碎影响带常有数百米宽, 据此选择500 m×500 m窗口进行断裂密度的提取, 断裂密度越大, 地下水赋存空间越好, 采用极差变换法将断裂密度yFD规范化到[0,1]区间:

(4)

(3) 地貌类型Relief (R)

地貌控制着地下水的补给条件, 山区沟谷等地表径流条件好的地貌单元, 大气降水多以地表水形式流走, 渗透补给地下的水量小; 缓坡、平原等地表径流条件差的地貌单元, 大气降水的径流时间长, 渗透补给地下的水量大, 地下水富水性就高.根据Deffontaines等[20]和Kuhni等[21]的研究成果, 将地形图等高线插值生成的DEM数据通过ArcGIS软件进行地貌提取.地势起伏越大, 地下水径流条件越好, 补给条件越差, 当地势起伏度大于200 m时为山地地形, 地下水补给条件极差, 采用线性变换将地貌类型yR规范化到[0,1]区间:

(5)

(4) 地形坡度Slope (S)

地形对大气降水形成径流的过程影响很大, 坡度大的山区沟谷地形, 大气降水在地表停留时间短, 难以渗透补给地下水; 在坡度小的沟谷底部、洼地和平原地形, 大气降水在地表停留时间长, 渗透补给地下的水量就大, 地下水富水性就高.汤国安等[22]的研究成果表明:当坡度数值较小时, 不同坡度对地下水富集性的影响差别较小; 当坡度数值较大时, 比如20~25°之间, 不同坡度对地下水富集性的影响差别很大; 当坡度大于30°时降水很难入渗补给地下水.利用ArcGIS软件从DEM数据中提取地形坡度, 采用功效系数法将地形坡度yS规范化到[0,1]区间:

(6)

(5) 汇流累积量Flow Accumulation (FA)

汇流累积量定义为每一个栅格在水流方向上累积的栅格数, 数值越大, 代表汇流能力越强, 该区域就是集水区, 容易形成地表径流, 地下水补给条件就好; 反之, 数值越小代表汇流能力越弱, 地下水补给条件就差.利用ArcGIS软件中的地表径流漫流模型从DEM数据提取汇流累积量, 其数值分布区间很广, 在0~1767200之间, 经分析后发现, 数值大于500的地方已经形成地表水系, 而且汇流累积量对地下水补给条件影响并不是线性的, 当汇流累积量数值越大时, 该指标的变化对地下水的影响的差别越小, 因此采用功效系数法将汇流累积量yFA规范化到[0,1]区间:

(7)

(6) 地表温度LandTemperature (LT)

在地下水富集地带, 水可以通过岩石和土壤的热传导作用与地表发生联系, 导致地表温度的变化.在白天, 湿度大的地物热容量大, 增温慢, 在温度图像上显示冷异常, 湿度小的地物热容量小, 增温快, 显示热异常; 加之地物所含水分的蒸发冷却效应, 温度也成下降趋势.地下水富集地带水分含量偏高, 冷却效应强, 在白天的热红外图像上呈冷异常.因此, 可以通过热红外遥感图像上的冷异常来提取地下水富集带信息[23].地表温度遥感反演算法较多, 单窗算法[24]和分裂窗算法[25-26]应用最为广泛, 本文采用单窗算法, 利用ERDAS空间建模功能对TM6波段进行地表温度的反演, 采用极差变换法将地表温度yLT规范化到[0,1]区间:

(8)

(7) 土壤湿度Soil Humility (SH)

土壤湿度受地下水富集程度和埋深影响极大.当地下水富集程度高, 埋深浅时, 表层土壤可得到毛细管水的补给, 使其保持较高的土壤含水量, 随着富集程度的降低, 土壤含水量随毛细管水的补给减少而下降.在某种程度上, 土壤湿度反映了地下水的富集程度, 因此, 可将土壤湿度作为地下水存在的指示因子.土壤湿度有多种反演算法[27-28], 采用的数据囊括可见光和微波波段[29], 其中水体指数[30]应用比较广泛, 本文根据徐涵秋[31]的研究成果, 以TM2和TM5波段为数据源, 利用修正归一化水体差异指数计算土壤湿度, 采用极差变换法将土壤湿度ySH规范化到[0,1]区间:

(9)

3.2 模糊综合评估

研究区松散岩层孔隙水多以浅层潜水形式存在, 更新快、循环周期短, 受补给条件的影响最大, 赋存空间的影响次之, 地表指示作用也比较明显, 各指标的重要性相对均衡.基岩裂隙水多以线性带状充水形式存在, 受大气降水渗透补给, 埋藏深度不大, 与岩层的脆性程度和断裂的发育程度密切相关, 受赋存空间的影响极大, 补给条件的影响次之, 地表指示作用并不明显, 各指标的重要性差异悬殊.利用层次分析法, 先计算第一层次中赋存空间、补给条件、地表指示的权重, 再进一步将权重分配到各个评估指标, 得到松散岩层孔隙水和基岩裂隙水各评估指标的权重w.

若用⊙表示广义模糊"与"运算, ⊕表示广义模糊"或"运算, 则每个像元的地下水富集性评估值为

(10)

模型中的各个评估指标均对地下水富集性产生影响, 不能忽略, 若采用取大运算或者取小运算将丢失大量有用信息.加权平均模型对所有评估指标依权数的大小均衡兼顾, 比较适用于要求整体指标的情形.因此, 将各评估指标加权相加, 建立地下水模糊评估指数Groundwater Remote Sensing Fuzzy Assessment Index (GRSFAI):

(11)

式中, yij为第i个像元第j个评估指标规范化后的数值; wi为第j个评估指标的权重, 松散岩层孔隙水和基岩裂隙水采用两套不同的权重; GRSFAI为模糊评估指数, 它分布在[0,1]区间, 数值越大, 代表地下水富集程度越高.

4 评估结果分析与验证

为检验GRSFAI对地下水富集性的评估效果, 利用公式(11)计算研究区每个像元的GRSFAI数值, 对研究区钻井和泉眼进行实地勘察验证, 记录钻井和泉眼的出水量, 利用GPS定位系统获取每个调查点的坐标, 确定它们的位置(见图 2).为便于对比, 将钻井的出水量按照0.1 m的井径进行换算, 结果如表 1所示.

表 1 钻井出水量和泉眼涌水量 Table 1 Well and fountain quantity

研究区内居民点密集, 大部分以地表水为供水水源, 钻井深度较浅, 抽取的是松散岩层孔隙型潜水; 泉水分布于山区丘陵地带断裂构造带, 来源为基岩裂隙水.分别将松散岩层孔隙水出水量和基岩裂隙水出水量与GRSFAI进行对比, 如图 34所示.

图 3 GRSFAI与钻井出水量相关分析 Fig. 3 Correlation between GRSFAI and well quantity

图 3中, 孔隙水出水量集中在6~1500吨/日范围, 对应GRSFAI主要在0.45~1区间, 出水量与GRSFAI呈良好的指数关系, 决定系数R2达到0.82, 表明GRSFAI能够较好地反映孔隙型地下水的富集程度, 具有明显的"指示"效果.其中浪头镇的数据点偏差较大, 分析原因认为该钻井处于城区, 人工建筑的覆盖使得该处GRSFAI的数值偏低.

图 4中, 裂隙水出水量主要分布在3~40吨/日范围, 对应GRSFAI主要在0.55~0.85区间, 出水量与GRSFAI的相关关系明显, 决定系数R2达到0.57, 说明GRSFAI总体上能反映裂隙型地下水的富集性, 有一定的"指示"作用, 但相关程度有所降低.分析原因认为泉眼没有类似于钻井井径这样的参数, 无法将出水量换算到统一标准进行对比.

图 4 GRSFAI与泉眼出水量相关分析 Fig. 4 Correlation between GRSFAI and fountain quantity

两种类型的地下水出水量与GRSFAI都反映出一个明显的规律, 即GRSFAI指数越大, 出水量越大.当GRSFAI < 0.45时, 地下水十分贫乏, 出水量基本为0;当GRSFAI在0.45~0.65之间时, 地下水有一定储量, 出水量较小且随着GRSFAI的增长而缓慢增加; 当GRSFAI在0.65~0.75之间时, 地下水富集程度较好, 出水量明显增大, 而且随着GRSFAI的增长迅速增加; 当GRSFAI在0.75~1之间时, 地下水富集程度高, 出水量十分可观且与GRSFAI呈几何级数增加.

根据上述分析的GRSFAI的分布特征与规律, 将研究区的地下水富集程度进行评估分级.将GRSFAI按照0~0.45、0.45~0.65、0.65~0.75、0.75~1四个数值区间划分为贫水区(白色背景)、三级富水靶区(蓝色)、二级富水靶区(黄色)、一级富水靶区(红色), 分级结果如图 5所示.

图 5 地下水富集性分级图 Fig. 5 Assessment of groundwater potential zones

在地下水富集性分级图中, 一级富水靶区面积为163km2, 占总面积的7.4%, 主要以面状形式分布在鸭绿江和叆河冲积形成的河间地块和岛屿; 以条带状形式分布在较大流域的冲洪积谷地; 以斑点状形式分布在断裂构造的交汇部位.这些区域地势低洼, 地表汇流补给条件好, 地层空隙十分发育且连通性强, 地下水资源蕴藏丰富, 是地下水水源地的首选目标.

二级富水靶区面积为135km2, 占总面积的6.2%, 主要以面状形式分布在低山丘陵地带坡洪积扇的底部; 条带状形式分布于山间小流域的冲洪积沟谷; 以斑点状形式分布在断裂交汇部位环绕着一级富水靶区.这些区域地势较低, 补给条件中等, 地层空隙发育, 往往位于一级富水靶区的上游和外围, 地下水富集性较好, 可作为地下水水源地的候选目标.

三级富水靶区面积为316km2, 占总面积的14.5%, 主要以面状形式分布在南部平原; 以条带状形式分布于沟谷河流的两侧和坡洪积扇的顶部; 以线状形式沿断裂走向分布.这些区域的地势相对平缓, 补给条件较差, 地层空隙有一定发育, 连通性较差, 一般分布于二级富水靶区的上游和边缘地带, 地下水资源量较小, 有一定富集性, 可作为小型分散的供水点.

白色背景区域为贫水区, 占总面积的64.7%, 另外还有7.2%的面积为地表水体和人工建筑.贫水区主要分布在山区、丘陵区域, 这些区域地势起伏较大, 地表径流条件好, 补给条件差, 地层出露, 松散岩层覆盖较浅, 基岩裂隙发育程度低, 地下水资源十分贫瘠, 开采地下水时应尽量避开这些区域.为检验GRSFAI对地下水富集性的分级结果, 选择具有代表意义的孔隙水和裂隙水一级富水靶区进行钻探验证.

验证点1位于叆河口河间地块(见图 5), 由河流冲积形成, 是孔隙水富水靶区的典型地区.通过钻探资料表明, 该含水层岩性为双层结构, 上部为夹细粉砂的亚砂土层, 下部为砂砾卵石层, 透水性很强, 单井出水量达3000吨/日, 富水性很强.其他孔隙水富水靶区基本分布于河流两侧与沟谷低洼处, 岩性和补给条件与验证点1类似, 地下水富集程度也相对较高.

验证点2位于新华夏系主干断裂与大义山式断裂交汇处(见图 5), 是裂隙水富水靶区的代表区域.通过钻探和物探资料表明, 该含水层岩性为脆性大理岩, 由于构造破碎作用, 聚集地下水能力增高, 涌水量达213吨/日, 是地下水富集带.其他的裂隙水富水靶区也基本分布于断裂构造的交汇处, 岩层较脆, 地形低洼, 裂隙水富集性也较高.

在地下水富集性分级图中, 冲洪积下游和底部、沟谷水系两侧和断裂构造交汇部位, 由于构造剥蚀使得地势较低, 补给条件好且地层空隙发育, 往往是地下水富集的区域; 从等级上看, 二级三级富水靶区环绕一级富水靶区, 富水等级呈现渐进过渡, 这些也与地下水实际分布情况基本一致, 与地下水分布规律相符.

5 结论与展望

利用遥感技术对地下水资源进行勘探评估具有范围广、效率高、成本低的优势, 是当下的研究热点, 对于区域性的地下水资源调查与开发有着重要的现实意义.本文利用遥感技术提取与地下水相关的7个指标, 首次采用模糊隶属度函数量化各评估指标, 构建了地下水遥感模糊评估指数GRSFAI, 经实地调查验证后认为:(1) GRSFAI能准确地反映地下水富集程度.经实地调查表明GRSFAI与钻井抽取的孔隙型地下水出水量决定系数达到0.82, 具有显著的相关关系; 与泉眼涌出的裂隙型地下水水量的决定系数达到0.57, 相关性明显.(2)利用GRSFAI对地下水富集性进行评估结果可靠.丹东地区的地下水富集性分级结果与地下水实际分布情况相一致, 与地下水分布规律相符并得到了实地验证.(3) GRSFAI具有良好的适用性.丹东地区气候湿润, 地貌类型齐全, 地质条件复杂, 有孔隙水和裂隙水两种地下水类型, 是一个有代表意义的典型地区, 能够在该地区有效应用表明GRSFAI的适用性很强.

同时, 研究过程中存在着一些不足, 需要进一步研究与改进:(1)地下水富集性并不完全由出水量决定, 还与含水层厚度和埋深有关.(2) GRSFAI还要增加断裂构造的力学性质和水力联通性质方面的指标, 提高对裂隙型地下水富集性的评估精度.

致谢

本文的研究和撰写过程中进行了大量的实地调查, 得到了沈阳军区工科所的鼎力支持, 与韩天成工程师和王志鑫同志进行了有益探讨, 在此一并表示感谢.

参考文献
[1] 刘光鼎. 水资源与城市供水. 地球物理学进展 , 2000, 15(4): 1–2. Liu G D. Water resourses and city's water supply. Progress in Geophys. (in Chinese) , 2000, 15(4): 1-2.
[2] 芦俊, 王赟, 赵伟. 应用三分量地震数据反演煤系地层孔隙含水量. 地球物理学报 , 2010, 53(7): 1734–1740. Lu J, Wang Y, Zhao W. Quantitative prediction of water content in porosity in coal measure strata using three-component seismic data. Chinese J. Geophys. (in Chinese) , 2010, 53(7): 1734-1740.
[3] Massoud U, Abbas A M, Mesbah H S, et al. Mapping of subsoil water level and its impacts on Hawara archeological site by transient and multi-frequency electromagnetic survey. Chinese J. Geophys. , 2010, 53(3): 638-645.
[4] 嵇艳鞠, 林君, 朱凯光, 等. 利用瞬变电磁技术进行地下水资源勘察. 地球物理学进展 , 2005, 20(6): 828–833. Ji Y J, Lin J, Zhu K G, et al. Prospecting of groundwater by using transient-electromagnetic method. Progress in Geophys. (in Chinese) , 2005, 20(6): 828-833.
[5] 戴苗, 胡祥云, 吴海波, 等. 地面核磁共振找水反演. 地球物理学报 , 2009, 52(10): 2676–2682. Dai M, Hu X Y, Wu H B, et al. Inversion of surface nuclear magnetic resonance. Chinese J. Geophys. (in Chinese) , 2009, 52(10): 2676-2682.
[6] 叶叔华, 黄珹. 地下水变化的空间技术监测和预测. 地球物理学进展 , 2007, 22(4): 1030–1034. Ye S H, Huang C. Space technique monitoring and prediction of ground water chinges. Progress in Geophys. (in Chinese) , 2007, 22(4): 1030-1034.
[7] 周旭华, 吴斌, 彭碧波, 等. 全球水储量变化的GRACE卫星检测. 地球物理学报 , 2006, 49(6): 1644–1650. Zhou X H, Wu B, Peng B B, et al. Detection of global water storage variation using GRACE. Chinese J. Geophys. (in Chinese) , 2006, 49(6): 1644-1650.
[8] 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. 地球物理学报 , 2009, 52(12): 2987–2992. Yang Y D, E D C, Chao D B, et al. Seasonal and inter-annual change in land water storage from GRACE. Chinese J. Geophys. (in Chinese) , 2009, 52(12): 2987-2992.
[9] 张建锋, 李国敏, 张元, 等. 塔河下游间歇性输水河道附近地下水位动态响应. 地球物理学报 , 2012, 55(2): 622–630. Zhang J F, Li G M, Zhang Y, et al. Responses of groundwater levels to intermittent water transfer in the lower Tarim River. Chinese J. Geophys. (in Chinese) , 2012, 55(2): 622-630.
[10] 吕惠进, 刘少华. 西部大开发与水资源的合理利用. 地球物理学进展 , 2002, 17(4): 644–650. Lu H J, Liu S H. Exploiting the Western China and putting water resource to rational use. Progress in Geophys. (in Chinese) , 2002, 17(4): 644-650.
[11] Jha M K, Chowdary V M, Chowdhury A. Groundwater assessment in Salboni Block, West Bengal (India) using remote sensing, geographical information system and multi-criteria decision analysis techniques. Hydrogeology Journal , 2010, 18(7): 1713-1728. DOI:10.1007/s10040-010-0631-z
[12] Jin X M, Schaepman M E, Clevers J G, Su Z B, et al. Groundwater depth and vegetation in the Ejina Area, China. Arid Land Research and Management , 2011, 25(2): 194-199. DOI:10.1080/15324982.2011.554953
[13] Yu D H, Deng Z D, Long F, et al. Study on shallow groundwater information extraction technology based on multi-spectral data and spatial data. Science in China Series E: Technological Sciences , 2009, 52(5): 1420-1428. DOI:10.1007/s11431-009-0147-8
[14] Tam V T, Batelaan O. A multi-analysis remote-sensing approach for mapping groundwater resources in the karstic Meo Vac Valley, Vietnam. Hydrogeology Journal , 2011, 19(2): 275-287. DOI:10.1007/s10040-010-0684-z
[15] Murugesan V, Krishnarajs S, Kannusamy V, et al. Groundwater potential zoning in Thirumanimuttar Sub-Basin Tamilnadu, India-A GIS and remote sensing approach. Geo-spatial Information Science , 2011, 14(1): 17-26. DOI:10.1007/s11806-011-0422-2
[16] Machiwal D, Jha M K, Mal B C. Assessment of groundwater potential in a Semi-Arid region of India using remote sensing, GIS and MCDM Techniques. Water Resour. Manage. , 2011, 25(5): 1359-1386. DOI:10.1007/s11269-010-9749-y
[17] 杨纶标, 高英仪. 模糊数学原理及应用. 广州: 华南理工大学出版社, 2003 . Yang L B, Gao Y Y. Fuzzy Mathematics Principle and Application (in Chinese). Guangzhou: South China University of Technology Press, 2003 .
[18] 王兴全. 决策分析与模糊信息处理. 上海: 上海社会科学院出版社, 2008 . Wang X Q. Decision Making Analyze and Fuzzy Information Process (in Chinese). Shanghai: Shanghai Society Academy of Sciences Press, 2008 .
[19] 王钦军, 蔺启忠, 黎明晓, 等. 一种突出构造信息的多光谱遥感变换方法. 光谱学与光谱分析 , 2009, 29(7): 1950–1953. Wang Q J, Lin Q Z, Li M X. An algorithm for highlightling structure in multispectral remote sensing. Spectroscopy and Spectral Analysis (in Chinese) , 2009, 29(7): 1950-1953.
[20] Deffontaines B, Lee J C, Angelier J, et al. New geomorphic data on the active Taiwan Orogen: A multisource approach. Journal of Geophysical Research , 1994, 99(B10): 20243-20266. DOI:10.1029/94JB00733
[21] Kuhni A, Pfiffner O A. The relief of the swiss alps and adjacent areas and its relation to lithology and structure: topographic analysis from a 250-m DEM. Geomorphology , 2001, 41(4): 285-307. DOI:10.1016/S0169-555X(01)00060-5
[22] 汤国安, 宋佳. 基于DEM坡度图制图中坡度分级方法的比较研究. 水土保持学报 , 2006, 20(2): 157–160. Tang G A, Song J. Comparison of slope classification methods in slope mapping from DEMs. Journal of Soil and Water Conservation (in Chinese) , 2006, 20(2): 157-160.
[23] 傅碧宏, 史基安, 张中宁. Landsat TM热红外遥感数据定量反演地下水富集带的温度信息-以甘肃河西地区石羊河流域为例. 遥感技术与应用 , 1999, 12(2): 34–39. Fu B H, Shi J A, Zhang Z N. Quantitative estimation of land surface temperature (LST) of groundwater-enriched zone using landsat TM6 thermal infrared remote sensing data in the arid region a case study in the Shiyang river drainage basin of Hexi corridor, Gansu province. Remote Sensing Technology and Application (in Chinese) , 1999, 12(2): 34-39.
[24] Qin Z, Karnieli A, Berliner P. A mono-window algorithm for retrieving land surface temperature from Landsat TM data and its application to the Israel-Egypt border region. International Journal of Remote Sensing , 2001, 22(18): 3719-3746. DOI:10.1080/01431160010006971
[25] 周宁, 尹球. 一种热红外分裂窗辐射量线性组合的陆地温度遥感反演方法. 电波科学学报 , 2004, 19(4): 464–468. Zhou N, Yin Q. A method for retrieving land surface temperature based on the split window algorithm with linear combination of two bands' radiance. Chinese Journal of Radio Science (in Chinese) , 2004, 19(4): 464-468.
[26] 张堂堂, 文军, van der VeldeR, 等. 利用ENVISAT/AATSR资料反演黄土高原陇东地区地表温度. 地球物理学报 , 2009, 52(4): 911–918. Zhang T T, Wen J, van der Velde R, et al. Land surface temperature retrieval using ENVISAT/AATSR data over east Gansu of Loess Plateau. Chinese J. Geophys. (in Chinese) , 2009, 52(4): 911-918.
[27] 张友静, 王军战, 鲍艳松. 多源遥感数据反演土壤水分方法. 水科学进展 , 2010, 21(2): 222–228. Zhang Y J, Wang J Z, Bao Y S. Soil moisture retrieval from multi-resource remotely sensed images over a wheat area. Advances in Water Science (in Chinese) , 2010, 21(2): 222-228.
[28] 刘振华, 赵英时. 遥感热惯量反演表层土壤水的方法研究. 中国科学D辑地球科学 , 2006, 36(6): 552–558. Liu Z H, Zhao Y S. Research on remote sensing of surface soil water from thermal inertia data. Science in China Ser. D Earth Sciences (in Chinese) , 2006, 36(6): 552-558.
[29] 田辉, 王澄海, 文军, 等. 基于简化参数方法的蒙古干旱区土壤湿度被动微波遥感. 地球物理学报 , 2012, 55(2): 415–427. Tian H, Wang C H, Wen J, et al. Soil moisture estimation over an arid environment in Mongolia from passive microwave remote sensing based on a simplified parameterization method. Chinese J. Geophys. (in Chinese) , 2012, 55(2): 415-427.
[30] 陈旺, 梁虹, 邓亚东, 等. 一种基于指数函数的遥感水体信息提取方法. 地球物理学进展 , 2011, 26(1): 364–370. Chen W, Liang H, Deng Y D, et al. A method extract remote sensing information of water-body based on exponential function. Progress in Geophys. (in Chinese) , 2011, 26(1): 364-370.
[31] 徐涵秋. 利用改进的归一化差异水体指数(MNDWI)提取水体信息的研究. 遥感学报 , 2005, 9(5): 589–595. Xu H Q. A study on information extraction of water body with the modified normalized difference water index (MNDWI). Journal of Remote Sensing (in Chinese) , 2005, 9(5): 589-595.