地球物理学报  2019, Vol. 62 Issue (7): 2429-2440   PDF    
利用GRACE数据反演东海沉积物变化
李圳1,2, 章传银1, 柯宝贵1, 乔灵娜1,3, 李婉秋1,3, 刘阳1,3     
1. 中国测绘科学研究院, 北京 100830;
2. 武汉大学卫星导航定位技术研究中心, 武汉 430079;
3. 山东科技大学测绘科学与工程学院, 青岛 266510
摘要:GRACE卫星的成功发射为海底沉积物的监测提供了新的方法.利用2003-2014年间的GRACE RL05数据,采用同期的测高数据对海面高变化进行改正,使用水文模式数据和基于均一假设的尺度因子估计方法处理泄漏误差,反演了东海地区的沉积物变化情况,并对GIA效应进行了改正.结果表明:东海入海口处沉积物的平均变化速率为5.44±0.88 mm·a-1,最大值出现在浙江沿海地区,变化速率为6~7 mm·a-1;在空间分布上,呈现河口处沉积速率大,远离河口的大洋地区沉积速率小的特征.在时空分布上均与实测数据很好的吻合.沉积物变化时间序列的周年项振为6.8 cm,周年变化主要与东海泥沙扩散路径相关的海洋环流模式有关;半周年项和两周年项振幅分别为0.6 cm和0.7 cm,这两项变化主要与长江流域降水引起的土壤侵蚀变化有关.最后,分析讨论了本文沉积物监测方法推广到其他地区的适用性和局限性.
关键词: GRACE      卫星测高      东海      沉积物      泄漏误差     
Inversion for sediment variation in the East China Sea using GRACE data
LI Zhen1,2, ZHANG ChuanYin1, KE BaoGui1, QIAO LingNa1,3, LI WanQiu1,3, LIU Yang1,3     
1. Chinese Academy of Surveying and Mapping, Beijing 100830, China;
2. GNSS Research Center, Wuhan University, Wuhan 430079, China;
3. College of Geomatics, Shandong University of Science and Technology, Qingdao 266510, China
Abstract: The Gravity Recovery and Climate Experiment (GRACE) mission provides a new tool to detect the variation of seabed sediment. We used GRACE GSM products from three data centers to determine sediment mass accumulation rates and variability in the East China Sea. Furthermore, GRACE GAD data was used to restore the atmospheric and oceanic effects in order to avoid model contaminations on gravity signals associated with sediment mass. The improved P3M9 de-correlated filter and fan filter were used to improve the quality of gravity signals from GRACE.What's more, the monthly mean maps of sea level anomaly (MSLA) products from altimeter data were also used to correct the variation of sea level. For the leakage error, we used a hydrological model and estimate scale factor based on uniform assumption to deal with the leakage-in and leakage-out errors, respectively. Finally, we also corrected the GIA (Glacial Isostatic Adjustment) effect.Results indicate that sediment mass accumulation rate at the estuary of the East China Sea was 5.44±0.88 mm·a-1, with maximum about 6~7 mm·a-1 in the coastal area of Zhejiang Province. And in terms of its spatial distribution, the rate at the estuary is larger compared to the smaller rate in the ocean areas far away from coast. Moreover, the temporal-spatial distribution between calculated results and measured data are in good agreement.As far as is concerned to the time series, the amplitude of semi-annual oscillation is 0.6cm, which is related to the seasonal reversals of East Asian monsoon winds. The annual oscillation can be qualitatively explained by the ocean circulation pattern associated with the sediment dispersal path in the East China Sea, and sediment variation is highly influenced by the ocean circulation pattern, so the amplitude of annual oscillation is 6.8 cm, obviously higher than the semi-annual and quasi-biennial oscillation. And the amplitude of quasi-biennial oscillation is 0.7 cm, such an oscillation may be related to the atmospheric circulation that causes a precipitation.At last, the spatial pattern of equivalent water height on the East China Sea inner shelf is revealed using records spanning different time periods, and this method is extended to other four major estuaries. It demonstrates that we can get a more reliable result using a certain period of time (~about 5 years) over the area less affected by the leakage of terrestrial signals.
Keywords: GRACE    Satellite altimetry    East China Sea    Sediment    Leakage error    
0 引言

长江是世界上最主要的输沙河流之一,流域内由于水土流失等原因产生的泥沙被运输到东海长江入海口处沉积(Holeman, 1968).由于受沿岸潮流的影响,来自黄河、钱塘江和闽江等河流的泥沙也被运输到东海处沉积(Deng et al., 2006; Liu et al., 2007; Xu et al., 2009).研究东海的沉积物变化情况不但可以作为长江流域雨水和侵蚀变化的近似指标,还可以作为研究河口动力沉积以及地貌演变的重要依据,并为水利疏浚等部门提供相关参考信息.

目前,通常采用高分辨率的地震声呐来测定沉积物的厚度(Liu et al., 2006),而对于泥沙沉积的速率和动力学研究主要基于沉积核测量方法(Deng et al., 2006)和放射性元素监测方法(Su and Huh, 2002).一般来说,采用上述方法可以得到较高空间分辨率的海域沉积物分布、厚度、运输和沉积等信息,但难以获得高时间分辨率的测量结果.由于河口处洋流运动比较复杂,导致了不同年份的沉积速率略有不用,从有限的样品中实时获得每年准确可靠的沉积物速率变化也是十分困难的.

GRACE(Gravity Recovery and Climate Experiment)卫星自2002年发射以来,被广泛应用于时变重力场的变化监测.如格陵兰岛(Bonin and Chambers, 2013)和南极(高春春等, 2015)的冰盖质量变化,亚马逊流域水储量的季节性变化(Chen et al., 2010),华北平原(Feng et al., 2013)和印度北部(Rodell et al., 2009)的地下水开采等.目前也有学者对东海沉积物的GRACE监测进行了相关研究(Liu et al., 2016),取得了良好的效果.但其中仍有两个方面的问题值得深入研究.一是GRACE监测结果不单与沉积物质量变化有关,还与海平面变化、冰后回弹等因素有关,如何有效反演沉积物质量变化值得探讨(Feng et al., 2014; 卢飞等, 2015).二是研究区域位于海陆交界区,如何有效分离出陆地信号的影响,恢复信号振幅的衰减,即内外泄漏误差的改正(Swenson and Wahr, 2002),有待进一步研究.

本文在现有研究的基础上,对影响沉积物GRACE反演结果的海面高变化、冰后回弹效应和泄漏误差进行改正,以获得更为精确的反演结果.同时,对不同时间尺度的沉积物变化规律进行定性分析,并探讨改进的沉积物反演方法应用于其他河口地区的可行性和局限性,以进一步拓展GRACE在地球科学中的应用范围.

1 数据 1.1 GRACE数据

GRACE数据采用的是美国德克萨斯大学空间研究中心(Center for Space Research at University of Texas,CSR)、德国波茨坦地学研究中心(Geo Forschungs Zentrum Potsdam,GFZ)和美国喷气推进实验室(Jet Propulsion Laboratory,JPL)提供的GRACE Release-05,Level-2数据(下载地址:ftp://rz-vm152.gfz-potsdam.de/grace/),最高阶次为96阶.该版本的GRACE数据显著降低了信号的噪声水平,在海洋学研究等领域有更好的效果(Chambers and Bonin, 2012).本文所使用的GRACE数据的时间跨度为2003年1月—2014年12月.期间缺失数据的月份使用多年平均值补齐.

本文的主要研究对象是沿海地区的沉积物变化情况,需要使用GRACE GSM和GRACE GAD两种产品的球谐系数.其中GSM数据反映的是扣除背景场模型(如非潮汐的海洋、大气负载等)之后的地球稳态重力场和重力场变化,而在大洋和海陆交界处,海潮、大气负载等背景场模型存在误差,会对反演结果造成一定程度的影响(Bettadpur, 2003).为了得到更为准确的沉积物变化速率,需要使用AOD1B(Atmosphe and Ocean Dealiasing Level-1B)产品来恢复非潮汐海气影响.AOD1B产品中大气质量变化部分主要从欧洲中期天气预报中心(European Center for Mediun-Range Weather Forecasts,ECMWF)综合预测系统提供的数据中获得,海水质量变化则主要利用OMCT(Ocean Model for Circulation and Tides)非潮汐海洋负载模型计算得到.GRACE GAD是一种AOD1B产品,它是利用改进的OMCT模型计算的海底压力变化,在陆地上的值为0(Flechtner et al., 2014).

1.2 卫星测高数据

采用的卫星测高数据为AVISO(Archiving Validation and interpretion of Satellite Oceanography)提供的月平均海面高异常(Monthly mean maps of Sea Level Anomaly,MSLA)格网化数据(下载地址:https://www.aviso.altimetry.fr/),格网分辨率为0.25°×0.25°.数据融合了TOPEX/Poseidon、Jason-1/2和Envisat等多颗卫星的测高数据,并进行了必要的地球物理改正,包括潮汐改正、逆气压计改正等(Ablain et al., 2009).本文所使用的MSLA数据的时间跨度与GRACE相同.

1.3 水文模式数据

使用的水文模式数据是美国宇航局哥达德飞行中心和美国国家环境预报中心提供的全球陆地资料同化系统(Global Land Data Assimilation System,GLDAS),以及美国国家海洋和大气局气象预报中心(Climate Prediction Center,CPC)提供的CPC模型(下载地址分别为:https://mirador.gsfc.nasa.gov/ftp://ftp.cdc.noaa.gov/).其中GLDAS水文模型主要反映的是四层土壤水和冰雪变化,空间分辨率为1°×1°,每月一值(Rodell et al., 2004).本文采用了基于NOAH、MOSAIC和CLM三种地面模型的GLDAS.CPC水文模型是根据全球观测到的降水分布而建立的,主要反映表层土壤水含量和积雪变化.其时间间隔为1个月,经纬度格网为0.5°×0.5°(Fan and van den Dool, 2004).本文所选取水文模式数据的时间范围均与GRACE相同.

2 沉积物反演方法 2.1 GRACE反演沉积物变化

本文使用GSM和GAD月产品的球谐系数来反演河流东海的泥沙沉积变化.GSM球谐系数记为CnmGSMSnmGSM,其中nm分别表示阶和次.数据的完全阶次为96阶,由于受到卫星轨道误差,K波段测距误差等对重力场解算的影响,球谐系数的高阶项误差较大,在使用时需要将GSM截断到60阶(Chen et al., 2005).利用ECCO地心运动模型估计其1阶球谐系数(Swenson et al., 2008),利用卫星激光测距(Satellite Laser Ranging,SLR)的观测结果替换其中C20项(Cheng et al., 2011),使用改进的P3M9去相关滤波来削弱“南-北条带”误差(Swenson and Wahr, 2006; 詹金刚等, 2011).GAD球谐系数记为CnmGADSnmGAD,截断到60阶,并将0阶项和1阶项设为0.使用FFT(Fast Fourier Transformation)算法将格网形式的水文数据做球谐展开(Hwang and Kao, 2006),结果记为CnmHydrologySnmHydrology,并同样截取至60阶,在这里水文模式数据主要是用来减小内泄漏(leakage in)误差,详细的分析见2.2节.将各个月份的球谐系数Cnm(t)和Snm(t)表示为如下形式:

(1)

(2)

对各个月份的球谐系数扣除2003—2014年的平均值,得到球谐系数变化(ΔCnm(t)、ΔSnm(t)),如果以等效水高的形式表示沉积物变化Δh0,那么:

(3)

式中,θλ分别表示计算点的余纬和经度,ρe表示地球的平均密度(5517 kg·m-3),ρw为水的平均密度(1000 kg·m-3),kn为负荷Love数,Pnm表示nm次的完全规格化勒让德函数.为了平滑高阶球谐系数的噪声,本文还使用了滤波半径为300 km的扇形滤波(Zhang et al., 2009),此时沉积物变化Δh0的计算公式如下:

(4)

式中,WnWm为滤波因子,滤波因子W可以通过下式迭代计算得到(Wahr et al., 1998):,式中,,其中r1/2为滤波半径,R为地球平均半径.

2.2 泄漏误差改正

对于球谐系数截断和高斯平滑滤波等因素造成的信号内、外泄漏误差,本文分别采用了如下方法进行改正:

信号的内泄漏误差主要来源于高斯平滑过程中陆地质量变化信号向海洋的泄漏(Guo et al., 2010),这种内泄漏误差可以使用水文模式数据进行改正(Bonin and Chambers, 2013).考虑到当前全球分布的水文模型具有较大的不确定性,本文取基于NOAH、MOSAIC、CLM地面模型的GLDAS和CPC这四种水文模式输出的土壤湿度与雪量数据的平均,作为最终的估计值(冯伟等,2017).并将数据进行球谐展开,记为CnmHydrologySnmHydrology,将其代入到式(1)、(2)中,以减小陆地信号泄漏进研究区域造成的误差.

信号的外泄漏误差主要表现为信号振幅的衰减,本文采用基于均一假设的尺度因子估计方法对外泄漏误差进行改正(Feng et al., 2014).尺度因子的计算过程如下:①在研究区域内平铺100 mm·a-1的等效水柱高变化;②将上述模拟信号展开为与GRACE重力场模型相同阶次的球谐系数;③将球谐系数采用与GRACE数据相同的改进P3M9去相关滤波和300 km扇形滤波计算研究区域内的平均面密度变化;④用100 mm·a-1除以第三步计算的平均面密度变化即可得到尺度因子.采用上述计算过程计算的本文研究区域内尺度因子为2.36.

2.3 海平面变化改正和GIA改正

图 1所示,实际上GRACE探测的质量变化还包含了海平面变化引起的质量变迁.本文采用如下流程进行改正:①逐月提取研究区域内的平均海面高异常,进行空间分辨率一致化处理,并求取均值Δh0sea(t);②由于式(3)中等效水高值是基于淡水的密度ρw计算的,在这里需要将海平面变化按照下式转化为式(3)中的等效水高值:Δhsea(t)=ρsΔh0sea(t)/ρw,式中;ρs为海水的平均密度(1 030 kg·m-3);③通过下式:Δh(t)=Δh0(t)-Δhsea(t),得到海平面变化改正之后的沉积物变化Δh.

图 1 海面高变化改正示意图 Fig. 1 Schematic diagram of sea level change correction

冰川消退导致的地表负荷变化会引起全球重力场变化(高春春等, 2015),即GIA(Glacial Isostatic Adjustment)效应.考虑不同冰期模型对于改正结果的影响不大,例如经过计算得到ICE-4G、ICE-5G和ICE-6G模型在东海范围内对于卫星测高的改正值分别为-0.29 mm·a-1、-0.22 mm·a-1和-0.20 mm·a-1,差异十分微小.故本文使用了冯伟等基于RF3L20地幔黏滞度模型和ICE-4G冰期模型计算的在东海区域的GIA改正值对反演结果进行改正,其中卫星测高和GRACE结果的改正值分别为-0.29 mm·a-1和-0.63 mm·a-1(冯伟等, 2010).

另外,本文的反演结果是基于以下前提获得的:①在考虑海平面变化的改正作用时,认为沉积物的密度与海水的密度相同,即认为海面高变化引起的质量变迁为:Δh0seaρw=(Δh1h2)ρw,式中,Δh1为沉积物在沉积过程中引起的海面高度的变化,Δh2为两极冰川融化等因素造成的海水上涨;②由于海水质量变化对海平面变化的贡献量约为比容海平面变化分量的3倍(蒋涛等, 2010),本文忽略了比容海平面变化对GRACE监测质量变迁结果的影响.

3 结果与分析 3.1 沉积物反演结果

本文采用上述原理方法,反演了东海区域2003年1月—2014年12月之间的沉积物变化.图 2给出了27°N—32°N,122°E—126°E范围内(即图 3中黑色矩形所示区域,分辨率为1°×1°)沉积物变化的时间序列,以等效水高的形式表示,取拟合结果两倍的中误差作为沉积物变化速率结果的不确定度(卢飞等, 2015).其中CSR、GFZ和JPL(图 2ac)反演的沉积物年变化速度分别为5.51±0.93 mm·a-1、5.43±0.97 mm·a-1和5.36±1.06 mm·a-1,三家机构的结果存在一个较小的差异,这主要是因为三家机构所采用的背景场模型不同造成的(Bettadpur, 2003).另外,图 2d给出了三家结构反演结果的平均值时间序列,其结果为5.44±0.88 mm·a-1,不确定度有所降低,说明采用求取三家机构平均值的方法可以一定程度上抑制时间序列中混叠的噪声,这与现有研究的结论基本相同(Sakumura et al., 2014).因此下文在对联合GRACE和测高数据反演的沉积物变化进行时间序列分析时,若未做特殊说明,均是针对图 2d所示的平均值时间序列.

图 2 东海局部区域沉积物变化反演结果的时间序列 Fig. 2 Time series of sediment at local areas of the East China Sea from data inversion
图 3 长江入海口处沉积物变化速度的空间分布 (a) CSR;(b) GFZ;(c) JPL. Fig. 3 Spatial distribution of sediment velocity at local areas of the East China Sea

图 3分别给出了利用三家机构产品反演的沉积物变化速率的空间分布,图 4a是三家机构反演结果平均值的空间分布,图 4b是沉积核测量(Sediment Core Measurement,SCM)结果的空间分布.SCM方法是基于实测数据获得的(Deng et al., 2006),精度较高,本文将其作为真值与反演结果进行比较,该方法得到的是单位面积内的质量变化,本文将其单位转换为g·cm-2·a-1,那么SCM的结果在数值上即可与GRACE得到的等效水柱高变化(cm·a-1)直接进行比较.从图 3中可以发现,利用各个机构产品的反演结果从空间分布上来看比较类似,均呈现河口处沉积速率大,远离河口的大洋地区沉积速率小,这种空间分布特征与利用传统的沉积核测量方法基本相同(图 4b).但GRACE结果的空间分辨率相对较低,其优势在于时间分辨率高,成本低;虽然SCM方法比较费时费力,但其获得的空间分布特征更为精细一些.从图 3中还可以看到浙江省沿海地区的沉积速率最大,大致为6~7 mm·a-1,这一结果与Liu等利用GRACE反演的结果基本相同(about 7 mm·a-1)(Liu et al., 2016).

图 4 沉积物变化速度的空间分布对比 (a) GRACE, unit:cm·a-1;(b) SCM, unit:g·cm-2·a-1. Fig. 4 Comparison of spatial distributions of sediment change rates

考虑图 3中黑色矩形框的面积为2.15×105 km2,本文将联合GRACE与测高数据获得的沉积物变化等效水高值转换为沉积物质量年变化值,CSR、GFZ和JPL的结果分别为1.18×109 ton·a-1、1.17×109 ton·a-1和1.15×109 ton·a-1,平均值为1.17×109 ton·a-1.Deng等利用SCM方法得到的沉积物变化速度为(0.9~1.0)×109 ton·a-1(Deng et al., 2006);Liu等利用GRACE反演的结果为1.34×109 ton·a-1(Liu et al., 2016).本文结果与Liu等类似,仍较SCM方法偏大,结果偏大主要是由于以下原因造成的:①本文利用水文模式数据来减小内泄漏误差,虽然水文模式数据存在较大的不确定性,但这并不是误差的主要来源(Liu et al., 2016).水的质量变化只是陆地质量变迁的一部分,地壳运动等也会产生质量迁移.可以从图 3中看到在进行内泄漏改正之后陆地上仍有较大的质量变化值,这说明内泄漏改正并不完全,仍有部分残余,残余信号会泄漏进海洋中;②GRACE在海洋上监测的质量变迁还包括了海水的温盐变化等(蒋涛等, 2010),本文忽略了这一影响.同时,GSM数据中扣除的背景场模型也存在一定的误差,这些都会对GRACE的反演结果带来一定的影响.

相对于Liu等的反演结果,本文结果更接近于利用SCM方法得到的实测值,这主要是因为:①利用基于均一假设的尺度因子估计方法恢复了滤波造成的信号振幅衰减,本文求得的尺度因子为2.36,对于信号衰减恢复的量级约为5 mm·a-1;②利用卫星测高数据对海平面变化的影响进行了改正.现有研究表明,我国东海海平面每年上升3 mm左右(郭金运等, 2015),而东海沉积物年变化的量级约为6 mm的等效水高,这一影响不可忽略;③计算结果中还加入了GIA改正.GIA改正的量级约为0.5 mm·a-1,虽然其值较小,但考虑这一改正可以获得更为精确的结果.另外需要说明的一点是,如果不对信号振幅衰减进行恢复,会造成结果偏小,不对海面高变化改正,会造成反演结果偏大.也就是说在不考虑这两种因素时,结果可能也不会偏离实测数据很多,而进行了上述改正之后的结果,是更加准确可靠的.

3.2 沉积速度影响因素分析

与沉积核测量方法只能得到一个长期的沉积物变化速率不同,GRACE方法得到的沉积物变化是一个连续的时间序列(如图 2),因此GRACE可以从不同的时间尺度上分析沉积物的变化规律.本文对GRACE反演的沉积物变化时间序列进行最小二乘拟合(尼胜楠等, 2014),拟合公式为

(5)

式中,Aiφi分别代表各周期分量的振幅、迟角,Ti代表各周期的时间长度,本文主要讨论的是与季风、降水和洋流等密切相关的6、12和24个月的周期项.时间序列振幅的拟合结果如表 1所示.

表 1 东海沉积物变化各周期项的振幅 Table 1 Sediment variation amplitudes for each period item at the East China Sea

东海区域受东亚季风的季节性变化影响明显:夏季季风从太平洋上带来潮湿气流(Ding and Chan, 2005),而来自西伯利亚的冬季季风则较为干燥(Takaya and Nakamura, 2005),春秋季节则季风的影响不明显.每年夏冬季节空气含水量的变化从一定程度上影响了长江流域的降水和侵蚀,从而在半周年尺度上调整长江入海口处沉积物的变化.但从表 1中看出,半周年项的振幅在本文所分析的四个周期中是最小的,为0.6 cm.

表 1中可以得到周年项振幅为6.8 cm,明显高于其他两个周期的振幅.可以从图 2中发现,长江入海口处的沉积物变化一般在冬季达到较高值,夏季达到较小值,这种年际变化趋势与Liu等(Liu et al., 2007)和Xu等(Xu et al., 2009)跟据实测数据获得的结果,以及Zeng等(Zeng et al., 2015)利用数值模式建立的东海沉积物变化模型,具有良好的一致性.本文将可能影响长江入海口处沉积物周年际变化的因素总结为一下两点:①由于东亚冬季风较强,这就意味着冬季长江入海口处的海浪运动更为剧烈(Fan et al., 2011).在物理沉积作用的影响下,冬季时河口的沉积物颗粒较大,而夏季时沉积物的颗粒则相对较小(Xiao et al., 2006),细小的沉积物更易于沿海流运动,因此其停留的时间也较短.②在冬季,由于东海沿岸潮流的流势增强,一定程度上阻碍了入海的长江水的流动,只能沿着一个比较狭窄的地带向外流出,使得泥沙等沉积在沿海地区;夏季时,长江羽流会向东北方向分散,从而会导致沉积物减少(Liu et al., 2003).

根据最小二乘拟合的两周年项振幅为0.7 cm,Lindzen和Holton(1968)发现大气环流具有准两年周期的变化,这种大气环流的周期性改变会导致同期降水的变化,从而引起长江流域降水引起的水土流失情况发生改变,导致长江入海口处沉积物的变化有一个准两年的周期振荡.Pan等(2015)也利用EEMD(ensemble empirical mode decomposition)方法从2002—2013年的GPS时间序列中也分离出了这种准两年周期降水导致的土壤侵蚀引起的地表垂直形变.

除此之外,长江入海口处的沉积物变化可能会和太平洋十年涛动(Pacific Decadal Oscillation,PDO)有一定的潜在联系(Mantua et al., 1997),但受限于GRACE数据的时间长度,无法充分反映出这种十年周期的变化.随着后续任务诸如GRACE Follow-on卫星的发射,将会提供更长的沉积物变化时间序列,也就可以更好得探测这种长周期项变化.

4 讨论

东海大陆架占东海面积的67%,是世界上最宽广的大陆架之一,最宽处达550 km,为泥沙的沉积提供了良好的地理环境.东海的沉积物主要来源于中国:长江流域由于水土流失等原因产生的泥沙被运输到东海处沉积(Xu et al., 2009),以闽浙沿岸为例,大约每年有2.4×108 t泥沙沉积,约为长江输送泥沙量的一半(Liu et al., 2007);此外,受东海沿海潮流的影响,来自黄河、钱塘江和闽江的沉积物也沉积在东海大陆架上(Deng et al., 2006);台湾暖流和黑潮还会携带来台湾等地区产生的泥沙沉积(Liu et al., 2007).

长江是东海的最主要输沙管道,但Liu等(2016)通过分析位于长江干流的大通水文站泥沙数据发现,江水的含沙量在夏季时达到极大值,冬季时达到极小值,恰好与东海沉积物时间序列的峰值相反.实际上,这种现象的产生主要与潮流的季节性变化有关,其对于泥沙输送管道的影响十分明显.每年的秋冬季节,冬季风加剧了向南运动的东海沿岸潮流,与向北运动的台湾暖流汇聚在长江入海口处并发生相互作用,阻碍了入海长江水对于泥沙的输送,从而引起大量的泥沙沉积(苏纪兰, 2001; Xiao et al., 2006);而在夏季时,受夏季风影响,向北运动的东海沿岸潮流流势增强,同时,自南向北运动的日本暖流在夏季时流势也最盛,长江羽流向东北方向分散,沿岸泥沙会被输送到更远的大洋地区,这就使得长江入海口处的沉积量减小(Liu et al., 2007).

本文第3节中联合GRACE数据和卫星测高数据监测长江入海口处的沉积物变化,取得了良好的效果.但是对于这种沉积物反演方法能否推广到其他河口地区,主要取决于GRACE反演结果的不确定性是否在许可范围之内.GRACE反演结果的不确定性主要是由以下2种因素造成的:①GRACE观测数据质量、背景场模型的不准确和海面高模型混有的误差;②受限于较低的空间分辨率.为了说明第一种因素对GRACE反演结果的影响,图 5给出了长江入海口处不同时间长度的沉积物变化速度空间分布.可以看出,当使用数据的时间长度较短时,如图 5ac,变化速度的空间分布与沉积核测量方法有较大不同(图 4b),但随着数据时间维度的增长,两者的空间分布逐渐趋于一致.考虑到每年的变化速度不会完全相同,本文使用下式来评定反演结果是否收敛:

图 5 不同时间长度数据反演的东海沉积物变化 Fig. 5 Variation of sediments in the East China Sea over different time periods

(6)

式中N表示研究区域的格网点个数,vnyear表示第n个格网点2003-year年之间的沉积物变化速度.考虑到沉积物的年变化速率为毫米级,因此当RMS小于1 mm时,我们认为利用2003-year年之间数据反演的结果是可靠的.经过计算,当year等于2008时,RMS为0.4 mm,结果开始收敛.这也就是说,在利用GRACE反演河口的沉积物变化时,至少需要利用5年左右的数据,来提高信噪比,以获得较为可靠的结果.

为了说明第二种因素对反演结果的影响,图 6给出了利用上文所使用的沉积物反演方法反演的2003—2014年珠江、亚马逊河、刚果河以及以渤海的入海口沉积物变化速度情况.从图 6ac中均可以发现在河流入海口处清晰的沉积物变化信号,这说明结合GRACE与卫星测高数据监测沉积物变化的方法在推广到其他河流的入海口处时,也具有一定的可行性.本文以珠江口为例,结合潮汐洋流对这种沉积物变化空间分布特征做简要的定性分析:珠江口的涨落潮速度快(约2 m·s-1)、持续时间长,这种潮汐现象会把珠江水输送的沉积物阻塞在河口处(Wong et al., 2003),从而形成这种河口处沉积物变化信号大,远离河口信号小的空间分布特征.

图 6 GRACE反演的其他河口沉积物变化情况 (a)珠江;(b)亚马逊河;(c)刚果河;(d)渤海. Fig. 6 Variation of sediments of other estuaries from inversion of GRACE data (a) Pearl River; (b) Amazon River; (c) Congo River; (d) Bohai Sea.

渤海是黄河、海河、辽河等众多河流的入海口,其中黄河作为我国泥沙含量最大的河流,在渤海处有较大的泥沙沉积(Zeng et al., 2015).但从图 6d中并没有发现这种沉积物变化信号,这主要是因为渤海是一个半封闭的陆缘内海,三面被陆地包围,受陆地质量变迁信号的泄漏影响较大.根据现有研究,华北平原的地下水亏损现象十分显著(Feng et al., 2013; 卢飞等, 2015),受限于GRACE的空间分辨率,这一地下水亏损信号可能会污染渤海处的沉积物变化信号,使其湮没.

综上,在有足够时间长度数据保证的前提下,本文所使用的沉积物反演方法推广到其他河流的入海口处时也具有较好的适用性,但对于反演结果在这些河口处是否准确可靠,尚需实测数据做进一步的验证.对于像渤海等面积较小的陆缘内海地区,沉积物变化信号会湮没在陆地信号的泄漏中,这也就是说本文方法也还存在一定的局限性.但随着GRACE Follow-on卫星的发射和数据处理技术的不断改进,这种局限会逐渐减小.

5 结论

本文联合2003—2014年间的GRACE GSM、GAD数据,以及同期的MSLA数据和水文模式数据反演了东海的沉积物变化情况.采用水文模式数据和基于均一假设的尺度因子估计方法分别处理内、外泄漏误差,联合多代测高卫星的同化数据对反演结果进行了海面高变化改正,同时还加入了GIA改正.得到的主要结论如下:

① 利用三家机构数据反演的东海入海口处沉积物平均变化速率为5.44±0.88 mm·a-1 (1.17×109 ton·a-1),最大值出现在浙江沿海地区,大致为6~7 mm·a-1.加入泄漏误差改正、海面高变化改正和GIA改正的结果,较现有研究(1.34×109 ton·a-1)更接近于实测数据(0.9~1.0)×109 ton·a-1.

② 东海沉积物的空间分布呈现河口处沉积速率大,远离河口的大洋地区沉积速率小的特征,与实测数据很好的吻合.

③ 通过最小二乘拟合沉积物变化的时间序列发现:周年项的振幅最大,为6.8 cm,这一周期项可以用与东海泥沙扩散路径相关的海洋环流模式来进行定性地解释;主要受长江流域降水变化等影响的半周年项和两周年项振幅则相对较弱,分别为0.6 cm和0.7 cm.

④ 本文所采用的沉积物反演方法推广到其他河口地区也有一定的适用性,但需要满足以下两点:数据要有一定的时间长度(大致为5年以上);反演地区受陆地水文信号等的泄漏影响较小.

致谢  特别感谢台湾交通大学的黄金维教授、刘雅琦博士提供的沉积核测量数据,以及在本文写作过程给予的指导和帮助.
References
Ablain M, Cazenave A, Valladeau G, et al. 2009. A new assessment of the error budget of global mean sea level rate estimated by satellite altimetry over 1993-2008. Ocean Science, 5(2): 193-201. DOI:10.5194/os-5-193-2009
Bettadpur S. 2003. Level-2 gravity field product user handbook. Austin: Center for Space Research, the University of Texas at Austin.
Bonin J, Chambers D. 2013. Uncertainty estimates of a GRACE inversion modelling technique over Greenland using a simulation. Geophysical Journal International, 194(1): 212-229. DOI:10.1093/gji/ggt091
Chambers D P, Bonin J A. 2012. Evaluation of Release-05 GRACE time-variable gravity coefficients over the Ocean. Ocean Science, 8(5): 859-868. DOI:10.5194/os-8-859-2012
Chen J L, Rodell M, Wilson C R, et al. 2005. Low degree spherical harmonic influences on Gravity Recovery and Climate Experiment (GRACE) water storage estimates. Geophysical Research Letters, 32(14): L14405. DOI:10.1029/2005GL022964
Chen J L, Wilson C R, Tapley B D. 2010. The 2009 exceptional Amazon flood and interannual terrestrial water storage change observed by GRACE. Water Resources Research, 46(12): W12526. DOI:10.1029/2010WR009383
Cheng M K, Ries J C, Tapley B D. 2011. Variations of the Earth's figure axis from satellite laser ranging and GRACE. Journal of Geophysical Research:Solid Earth, 116(B1): B01409. DOI:10.1029/2010JB000850
Deng B, Zhang J, Wu Y. 2006. Recent sediment accumulation and carbon burial in the East China Sea. Global Biogeochemical Cycles, 20(3): GB3014. DOI:10.1029/2005GB002559
Ding Y H, Chan J C L. 2005. The East Asian summer monsoon:an overview. Meteorology and Atmospheric Physics, 89(1-4): 117-142. DOI:10.1007/s00703-005-0125-z
Fan D J, Qi H Y, Sun X X, et al. 2011. Annual lamination and its sedimentary implications in the Yangtze River delta inferred from High-resolution biogenic silica and sensitive grain-size records. Continental Shelf Research, 31(2): 129-137. DOI:10.1016/j.csr.2010.12.001
Fan Y, van den Dool H. 2004. Climate Prediction Center global monthly soil moisture data set at 0.5 resolution for 1948 to present. Journal of Geophysical Research:Atmospheres, 109(10): D10102. DOI:10.1029/2003JD004345
Feng W, Zhong M, Jiang M. 2010. Sea level variations in China sea inferred from GRACE, oceanographic data and altimetry.//Proceedings of 2010 Chinese Geophysical (in Chinese). Ningbo: China Geophysical Society.
Feng W, Zhong M, Lemoine J M, et al. 2013. Evaluation of groundwater depletion in North China using the Gravity Recovery and Climate Experiment (GRACE) data and ground-based measurements. Water Resources Research, 49(4): 2110-2118. DOI:10.1002/wrcr.20192
Feng W, Lemoine J M, Zhong M, et al. 2014. Mass-induced sea level variations in the Red Sea from GRACE, steric-corrected altimetry, in situ bottom pressure records, and hydrographic observations. Journal of Geodynamics, 78: 1-7. DOI:10.1016/j.jog.2014.04.008
Feng W, Wang C Q, Mu D P, et al. 2017. Groundwater storage variations in the North China Plain from GRACE with spatial constraints. Chinese Journal of Geophysics (in Chinese), 60(5): 1630-1642. DOI:10.6038/cjg20170502
Flechtner F, Dobslaw H, Fagiolini E. 2015. GRACE AOD1B product description document for product release 05 (Rev.4.3). GFZ German Research Centre for Geosciences.
Flechtner F, Dobslaw H, Fagiolini E. 2014. GRACE AOD1B product description document for product release 05. GFZ German Research Centre for Geosciences Department 1: Geodesy and Remote Sensing.
Gao C C, Lu Y, Zhang Z Z, et al. 2015. Ice sheet mass balance in Antarctica measured by GRACE and its uncertainty. Chinese Journal of Geophysics (in Chinese), 58(3): 780-792.
Guo J Y, Duan X J, Shum C K. 2010. Non-isotropic Gaussian smoothing and leakage reduction for determining mass changes over land and ocean using GRACE data. Geophysical Journal International, 181(1): 290-302. DOI:10.1111/gji.2010.181.issue-1
Guo J Y, Wang J B, Hu Z B, et al. 2015. Temporal-spatial variations of sea level over China seas derived from altimeter data of TOPEX/Poseidon, Jason-1 and Jason-2 from 1993 to 2012. Chinese Journal of Geophysics (in Chinese), 58(9): 3103-3120.
Holeman J N. 1968. The sediment yield of major rivers of the world. Water Resources Research, 4(4): 737-747. DOI:10.1029/WR004i004p00737
Hwang C, Kao Y C. 2006. Spherical harmonic analysis and synthesis using FFT:application to temporal gravity variation. Computers & Geosciences, 32(4): 442-451.
Jiang T, Li J C, Wang Z T, et al. 2010. Global sea level variations from combined Jason-1 and GRACE data. Acta Geodaetica et Cartographica Sinica (in Chinese), 39(2): 135-140.
Lindzen R S, Holton J R. 1968. A theory of the quasi-biennial oscillation. Journal of the Atmospheric Sciences, 25(6): 1095-1107. DOI:10.1175/1520-0469(1968)025<1095:ATOTQB>2.0.CO;2
Liu J P, Li A C, Xu K H, et al. 2006. Sedimentary features of the Yangtze River-derived along-shelf clinoform deposit in the East China Sea. Continental Shelf Research, 26(17-18): 2141-2156. DOI:10.1016/j.csr.2006.07.013
Liu J P, Xu K H, Li A C, et al. 2007. Flux and fate of Yangtze River sediment delivered to the East China Sea. Geomorphology, 85(3-4): 208-224. DOI:10.1016/j.geomorph.2006.03.023
Liu K K, Peng T H, Shaw P T, et al. 2003. Circulation and biogeochemical processes in the East China Sea and the vicinity of Taiwan:an overview and a brief synthesis. Deep Sea Research Part Ⅱ:Topical Studies in Oceanography, 50(6-7): 1055-1064. DOI:10.1016/S0967-0645(03)00009-2
Liu Y C, Hwang C, Han J C, et al. 2016. Sediment-mass accumulation rate and variability in the East China Sea detected by GRACE. Remote Sensing, 8(9): 777. DOI:10.3390/rs8090777
Lu F, You W, Fan D M, et al. 2015. Chinese continental water storage and ocean water mass variations analysis in recent ten years based on GRACE RL05 data. Acta Geodaetica et Cartographica Sinica (in Chinese), 44(2): 160-167.
Mantua N J, Hare S R, Zhang Y, et al. 1997. A Pacific interdecadal climate oscillation with impacts on salmon production. Bulletin of the American Meteorological Society, 78(6): 1069-1080. DOI:10.1175/1520-0477(1997)078<1069:APICOW>2.0.CO;2
Ni S N, Chen J L, Li J, et al. 2014. Terrestrial water storage change in the Yangtze and Yellow river basins from GRACE time-variable gravity measurements. Journal of Geodesy and Geodynamics (in Chinese), 34(4): 49-55.
Pan Y J, Shen W B, Ding H, et al. 2015. The quasi-biennial vertical oscillations at global GPS stations:identification by ensemble empirical mode decomposition. Sensors, 15(10): 26096-26114. DOI:10.3390/s151026096
Rodell M, Houser P R, Jambor U, et al. 2004. The global land data assimilation system. Bulletin of the American Meteorological Society, 84(3): 381-394.
Rodell M, Velicogna I, Famiglietti J S. 2009. Satellite-based estimates of groundwater depletion in India. Nature, 460(7258): 999-1002. DOI:10.1038/nature08238
Sakumura C, Bettadpur S, Bruinsma S. 2014. Ensemble prediction and intercomparison analysis of GRACE time-variable gravity field models. Geophysical Research Letters, 41(5): 1389-1397. DOI:10.1002/2013GL058632
Su C C, Huh C A. 2002. 210Pb, 137Cs and 239, 240Pu in East China Sea sediments:sources, pathways and budgets of sediments and radionuclides. Marine Geology, 183(1-4): 163-178. DOI:10.1016/S0025-3227(02)00165-2
Su J L. 2001. A review of circulation dynamics of the coastal oceans near China. Acta Oceanologica Sinica (in Chinese), 23(4): 1-16.
Swenson S, Wahr J. 2002. Methods for inferring regional surface-mass anomalies from Gravity Recovery and Climate Experiment (GRACE) measurements of time-variable gravity. Journal of Geophysical Research:Solid Earth, 107(B9): 2193. DOI:10.1029/2001JB000576
Swenson S, Wahr J. 2006. Post-processing removal of correlated errors in GRACE data. Geophysical Research Letters, 33(8): L08402. DOI:10.1029/2005GL025285
Swenson S, Chambers D, Wahr J. 2008. Estimating geocenter variations from a combination of GRACE and ocean model output. Journal of Geophysical Research:Solid Earth, 113(B8): B08410. DOI:10.1029/2007JB005338
Takaya K, Nakamura H. 2005. Mechanisms of intraseasonal amplification of the cold Siberian high. Journal of the Atmospheric Sciences, 62(12): 4423-4440. DOI:10.1175/JAS3629.1
Wahr J, Molenaar M, Bryan F. 1998. Time variability of the Earth's gravity field:hydrological and oceanic effects and their possible detection using GRACE. Journal of Geophysical Research:Solid Earth, 103(B12): 30205-30229. DOI:10.1029/98JB02844
Wong L A, Chen J C, Xue H, et al. 2003. A model study of the circulation in the Pearl River Estuary (PRE) and its adjacent coastal waters:1. Simulations and comparison with observations. Journal of Geophysical Research:Oceans, 108(C5): 3156. DOI:10.1029/2002JC001451
Xiao S B, Li A C, Liu J P, et al. 2006. Coherence between solar activity and the East Asian winter monsoon variability in the past 8000 years from Yangtze River-derived mud in the East China Sea. Palaeogeography, Palaeoclimatology, Palaeoecology, 237(2-4): 293-304. DOI:10.1016/j.palaeo.2005.12.003
Xu K H, Milliman J D, Li A C, et al. 2009. Yangtze-and Taiwan-derived sediments on the inner shelf of East China Sea. Continental Shelf Research, 29(18): 2240-2256. DOI:10.1016/j.csr.2009.08.017
Zeng X M, He R Y, Xue Z, et al. 2015. River-derived sediment suspension and transport in the Bohai, Yellow, and East China Seas:a preliminary modeling study. Continental Shelf Research, 111: 112-125. DOI:10.1016/j.csr.2015.08.015
Zhan J G, Wang Y, Hao X G. 2011. Improved method for removal of correlated errors in GRACE data. Acta Geodaetica et Cartographica Sinica (in Chinese), 40(4): 442-446, 453.
Zhang Z Z, Chao B F, Lu Y, et al. 2009. An effective filtering for GRACE time-variable gravity:fan filter. Geophysical Research Letters, 36(17): L17311. DOI:10.1029/2009GL039459
冯伟, 钟敏, 江敏. 2010.联合卫星测高、GRACE和海洋资料研究中国近海海平面变化.//中国地球物理2010——中国地球物理学会第二十六届年会、中国地震学会第十三次学术大会论文集.宁波: 中国地球物理学会.
冯伟, 王长青, 穆大鹏, 等. 2017. 基于GRACE的空间约束方法监测华北平原地下水储量变化. 地球物理学报, 60(5): 1630-1642. DOI:10.6038/cjg20170502
高春春, 陆洋, 张子占, 等. 2015. GRACE重力卫星探测南极冰盖质量平衡及其不确定性. 地球物理学报, 58(3): 780-792.
郭金运, 王建波, 胡志博, 等. 2015. 由TOPEX/Poseidon和Jason-1/2探测的1993-2012中国海海平面时空变化. 地球物理学报, 58(9): 3103-3120.
蒋涛, 李建成, 王正涛, 等. 2010. 联合Jason-1与GRACE卫星数据研究全球海平面变化. 测绘学报, 39(2): 135-140.
卢飞, 游为, 范东明, 等. 2015. 由GRACE RL05数据反演近10年中国大陆水储量及海水质量变化. 测绘学报, 44(2): 160-167.
尼胜楠, 陈剑利, 李进, 等. 2014. 利用GRACE卫星时变重力场监测长江、黄河流域水储量变化. 大地测量与地球动力学, 34(4): 49-55.
苏纪兰. 2001. 中国近海的环流动力机制研究. 海洋学报, 23(4): 1-16.
詹金刚, 王勇, 郝晓光. 2011. GRACE时变重力位系数误差的改进去相关算法. 测绘学报, 40(4): 442-446, 453.