中国作为世界上人口最多的国家，虽然水资源总量丰富，但是仍存在着人均水资源量占有量少、分布不均匀、易受极端气候影响等问题.因此，研究中国区域陆地水资源变化特别是极端气候事件对中国区域陆地水储量的影响具有较高的社会效益和科研价值.陆地水储量(Terrestrial Water Storage, TWS)是指陆地表面及以下的水量总和，是水循环系统中的重要组成成分.从水量垂直分布上看，陆地水储量是由土壤含水量(Soil Moisture Storage, SMS)、地表水储量、冰川冻土积雪和地下水储量组成(Li et al., 2012)；从水量平衡方程上看，陆地水储量的变化是由降水、蒸发、径流和地下水等活动的综合反映(Schmidt et al., 2006).在GRACE(Gravity Recovery and Climate Experiment)重力卫星发射之前，研究陆地水储量变化主要依赖于传统的水文观测站和陆地水文模型.但是传统的水文观测易受到观测条件制约、站点空间分布不均匀和数据质量不佳等因素的影响，这极大限制了人们对陆地水文过程(如地下水的损耗、极地冰川的消融等)的认识与研究(Ramillien et al., 2005)；陆地水文模型的输出也局限于特定的水文要素，例如GLDAS(Global Land Data Assimilation System)模型输出的只是近地表层的土壤含水量变化，无法反映从地表到地下整个水储量变化(Rodell and Famiglietti, 2002).

GRACE重力卫星于2002年3月发射，主要通过高精度测量两颗卫星之间的距离变化(微米级精度)来定量反演全球和区域性陆地水储量的时空变化(Tapley et al., 2004; Wahr et al., 1998; 孙文科, 2002; 宁津生, 2002; 许厚泽, 2001).在之前的研究中，大部分学者更关心的是GRACE的数据处理、陆地水储量的季节变化和趋势变化.Wahr等(1998)、Swenson和Wahr(2002)通过理论模拟给出了GRACE数据获取全球和区域性陆地水储量的原理和方法；Tapley等(2004)和Chen等(2010a)利用GRACE研究了亚马逊河流域陆地水储量的季节性变化特征；Zhong等(2009)和Feng等(2013)结合水文资料发现中国华北平原陆地水储量的下降主要来自于地下水的开采.随着数据质量的提高、后处理方法的完善和连续超过十年的观测，GRACE可以有效地捕捉到与极端气候事件相关的陆地水储量异常(Terrestrial Water Storage Anomaly, TWSA).其中Zhang等(2015)利用GRACE数据分析出长江流域下游地区易受到ENSO事件的影响，且推断该流域TWSA与ENSO存在联系的物理机制是由于降水的驱动；Luo等(2016)结合水文模型探测到珠江流域上游地区陆地水储量处于亏损状态，且认为该流域陆地水储量在2010年发生的异常与2010/11 La Niña有关；Ni等(2018)综合GRACE数据和降水资料认为热带地区陆地水储量的年际变化较大，且与ENSO存在较高的相关性.

ENSO作为一种极为常见的极端气候事件，它是由于太平洋东部和中部地区的海温异常使得全球气候发生变化(Fasullo et al., 2013; Trenberth and Caron, 2000).而中国位于太平洋西海岸的东亚地区，气候受到东亚季风的影响，且ENSO事件与东亚季风水汽输送和干旱洪涝等气候变化有着密切的关系(Chang et al., 2000).Xu等(2005)研究表明厄尔尼诺发生时中国夏季风偏弱，季风降雨带位于我国长江以南地区；卢爱刚等(2006)分析了10次ENSO事件对中国区域降水的影响，认为ENSO响应最为明显的区域主要发生在华北地区和长江中下游地区；邹力等(1997)研究了中国夏季降水变化对ENSO事件的响应情况，其中洪涝和干旱灾害较多出现在长江中、下游地区和华南地区.

以上研究表明了ENSO事件会影响中国某些区域的降水和陆地水储量变化，但是关于利用GRACE来探测整个中国区域陆地水储量变化与ENSO之间关系的研究较少.在GRACE卫星观测期间，2010/11年发生了一次超强的拉尼娜事件，2015/16年间又发生了一次持续时间较长、影响范围较广的超强厄尔尼诺事件，这为我们研究强ENSO事件对中国区域陆地水储量变化的影响提供了新的契机.本文结合GRACE重力卫星数据、GLDAS水文模型和实测降水资料，详细研究了2005—2017年中国区域陆地水储量的时空变化以及与ENSO的相关性和时滞性，并给出了简明的物理解释.

本文使用的GRACE重力卫星数据包括CSR RL05 level-2月重力场球谐系数、CSR-Mascons数据和JPL-Mascons数据，研究时间段为2005年1月至2016年8月，期间缺失的月数据通过三次样条插值获取.其中CSR-Mascons数据和JPL-Mascons数据均已替换C20项、1阶项，扣除了冰川均衡调整(Glacier Isostatic Adjustment, GIA)的影响，并在时间和空间上采用先验信息进行约束减少了南北“条带”误差和测量误差(Watkins et al., 2015; Save et al., 2016).而CSR公布的RL05 level-2月重力场数据为60阶球谐系数，已扣除了高频信号如非潮汐大气、固体潮汐等，但是依然会受到由于GRACE卫星轨道设计产生的南北“条带”误差的影响.level-2月重力场球谐系数处理步骤如下：(1)从球谐系数中扣除相应时间段上的平均值；(2)将球谐系数C20项更换为由卫星激光测距观测得到的C20项，同时加上地心改正项(Cheng et al., 2013)；(3)扣除GIA对长期变化的影响(Geruo et al., 2012)；(4)分别选用DDK, Swenson, Duan, P4M6四种方法来抑制南北“条带”误差的影响(Swenson and Wahr, 2006; Duan et al., 2009; Chen et al., 2010b; Kusche, 2007)；(5)采用高斯500 km滤波的方法来降低高阶球谐系数噪声的影响，并采用Chen等提出的Forward modeling方法进行泄漏误差改正(Chen et al., 2013, 2015)；(6)将改正后的球谐系数转化为等效水柱高的格网数据，并进行面积加权平均转为相应的时间序列；(7)利用最小二乘的方法求得趋势项、周年项和半周年项，并在时间序列中将其扣除后使用5个月的滑动平均得到年际尺度的TWSA.最后，取四种去条带方法和不同数据源得到结果的算术平均值作为最终的TWSA估计.

GLDAS水文模型是由美国宇航局哥达飞行中心(Goddard Space Flight Center, NASA)和美国国家环境预报中心(National Center of Environmental Prediction, NOAA)共同建立的全球陆面同化数据系统(Kumar et al., 2006).该数据系统融合了地面和卫星观测资料，具有很高的时间分辨率(从3小时到1月)和空间分辨率(从0.25°到1°)，输出参数主要有土壤湿度、地表气压、气温、风速、蒸散发和降水速率等.为降低数据模型误差对结果的影响，本文采用的是GLDAS公布的四套地表同化数据(Noah、Mosaic、CLM和VIC)，其空间分辨率为1°×1°，选取的时间段为2005年1月至2016年8月.GLDAS数据经过相同的球谐展开和高斯平滑，并去除趋势项和季节项(主要包括周年项和半周年项)，将每个格网点的时间序列进行5个月的滑动平均.最后，我们取四套数据的算术平均值来估计土壤含水量异常(Soil Moisture Storage Anomalies, SMSA).

降水是直接影响陆地水储量变化的一个重要因素.因此本文除了分析陆地水储量异常(TWSA)外，还计算了降水异常(precipitation anomaly)与ENSO的关系.降水数据来自于中国气象信息中心(China Meteorological Administration, CMA)提供的实测月降水格网数据，选取时间段为2005年1月至2016年8月，空间分辨率为0.5°×0.5°.降水数据的处理采取与GLDAS相同的步骤，去除趋势项和季节项并进行5个月的滑动平均.在进行数据处理时为保证空间分辨率一致，我们利用邻近插值方法将降水数据插值为1°×1°.

ENSO (El Niño-Southern Oscillation)数据来源于美国气象预测中心(National Weather Service Climate Prediction Center，NOAA)公布的Niño3.4指数(Huang et al., 2015a).Niño3.4指数是定义在Niño3.4区域内(5°N—5°S, 170°W—120°W)的海表温度(Sea Surface Temperature, SST)月距平值，而ENSO事件则定义为Niño3.4指数经过5个月的滑动平均并持续6个月高于+0.4 ℃(定义为El Niño事件)或者低于-0.4 ℃(定义为La Niña事件).其中Niño3.4指数进行5个月的滑动平均是为了抑制热带海洋地区季节内振荡的影响.

本文通过计算互相关的方法(Eltahir and Bras, 1996; Lee et al., 2006)，主要分析了中国区域陆地水储量异常变化与Niño3.4指数在时域上的相关性.假设两组独立的时间序列分别为x₁和x₂，τ为时滞因子，则相关系数和σ₂₂分别为x₁和x₂的方差，σ₁₂为x₁与x₂的协方差，其中相关系数|ρ(τ)|≤1.当|ρ(τ)|取得最大值时，τ相应为最大时滞月，其中|τ|≤12.

虽然中国区域水资源总量较为丰富，但是不同地区的陆地水储量差异性较大，受极端气候事件的影响也不尽相同.因此根据中国水利部关于水资源的分区原则，我们将中国水域共划分为十大流域，如图 1所示：①长江流域，②黄河流域，③松花江流域，④珠江流域，⑤淮河流域，⑥海河—滦河流域，⑦辽河流域，⑧西北诸河流域，⑨西南诸河流域，⑩东南诸河流域.

图 1

Fig. 1

图 1 中国十大流域划分示意图 Fig. 1 Ten major river basins in China

由表 1可知，中国十大流域的TWSA、SMSA和降水异常均通过95%的置信水平.陆地水储量异常(包括TWSA和SMSA)和降水异常与ENSO呈现出正相关的区域为长江流域、松花江流域、珠江流域和东南诸河流域；而黄河流域、辽河流域和西北诸河流域与ENSO呈现负相关.Cohen(1992)指出当两组独立的时间序列受到复杂多变的因素影响时，如果在显著性的前提下这两者之间的相关系数≥|0.5|，那么可认为这两组独立的时间序列存在较强的相关性.在水循环中，TWSA、SMSA和降水异常均易受到多变气候、复杂环境的影响.因此我们在分析中国区域TWSA、SMSA和降水异常与ENSO的相关性时，将|0.5|作为它们与ENSO是否具有较强相关性的阈值，时滞范围选择在-12~12个月.根据较强相关性的阈值，表 1中只有长江流域和东南诸河流域的陆地水储量异常(包括TWSA和SMSA)、降水异常均与ENSO表现出较强的相关性.珠江流域SMSA与ENSO虽然表现出了较好的相关性，但是该区域内的TWSA、降水异常与ENSO均未表现出较强的相关性.这可能是因为珠江流域还受到PDO(Pacific Decade Oscillation)等气候因素的综合影响，PDO会使得ENSO期间菲律宾海的异常反气旋发生调整从而导致珠江流域的降水异常和TWSA与ENSO未呈现出较好的相关性(Luo et al., 2016; Chen et al., 2014; 朱益民和杨修群, 2003).文章2.2节将给出整个中国区域TWSA、降水异常与ENSO的空间相关性和时滞性，并做进一步的分析与解释.

表 1 (Table 1)

表 1 中国十大流域TWSA，SMSA，降水异常与ENSO的最大相关系数和滞后月(这些流域均通过95%的置信水平) Table 1 The maximum correlations and the corresponding time delay months between TWSA, SMSA, precipitation anomaly and ENSO from ten major river basins in China (These basins have passed the 95% confidence level) 流域名称 TWSA/ENSO 滞后月 SMSA/ENSO 滞后月 降水异常/ENSO 滞后月 ①长江流域 0.51 6 0.57 6 0.53 4 ②黄河流域 -0.38 3 -0.31 0 -0.32 -4 ③松花江流域 0.37 2 0.20 2 0.19 -4 ④珠江流域 0.35 2 0.51 3 0.21 -1 ⑤淮河流域 -0.45 -1 0.35 8 0.30 6 ⑥海河—滦河流域 -0.45 2 -0.25 0 0.22 6 ⑦辽河流域 -0.39 -2 -0.45 1 -0.42 -4 ⑧西北诸河流域 -0.35 -10 -0.33 0 -0.38 -5 ⑨西南诸河流域 0.37 -12 0.37 -12 -0.35 -4 ⑩东南诸河流域 0.70 5 0.56 4 0.58 2

表 1 中国十大流域TWSA，SMSA，降水异常与ENSO的最大相关系数和滞后月(这些流域均通过95%的置信水平) Table 1 The maximum correlations and the corresponding time delay months between TWSA, SMSA, precipitation anomaly and ENSO from ten major river basins in China (These basins have passed the 95% confidence level)

其中长江流域TWSA、SMSA、降水异常与ENSO的相关系数最大值分别为0.65、0.51和0.54，较ENSO分别滞后大约6个月、6个月和4个月.东南诸河流域TWSA、SMSA、降水异常与ENSO的相关系数最大值分别为0.70、0.54、0.57，较ENSO分别滞后~5个月、~4个月、~2个月.但是整个长江流域总面积达到180万平方公里，横跨中国东部、中部和西部地区，具有区域范围广、地理环境差异大、气候多变等特点(王新才等，2012；胡小工等，2006).因此ENSO事件对于长江流域陆地水异常在空间上的影响具有较大的差异性，为此我们将长江流域按照宜昌、湖口划分为上、中、下游并进行分析.如图 2a所示，长江流域上游地区与ENSO的相关性较差.Yao等(2016)指出长江流域上游地区受到PDO的影响较大，而由于PDO的调制作用可能会使得ENSO事件对长江流域上游地区的影响发生改变.长江流域中、下游地区与ENSO具有较强的相关性(图 2b和2c)，中游地区TWSA、SMSA和降水异常与ENSO的相关系数最大值分别为0.55、0.46和0.67，较ENSO分别滞后大约7个月、6个月和5个月；下游地区TWSA、SMSA和降水异常与ENSO的相关系数最大值分别为0.78、0.75和0.61，较ENSO分别滞后大约5个月、5个月和4个月.

图 2

Fig. 2

图 2 (a) 长江流域上游地区TWSA、SMSA、降水异常与ENSO的相关性，(b)长江流域中游地区TWSA、SMSA、降水异常与ENSO的相关性，(c)长江流域下游地区TWSA、SMSA、降水异常与ENSO的相关性，(d)东南诸河流域TWSA、SMSA、降水异常与ENSO的相关性 横坐标的时滞范围选择在-12至12个月之间，其中负值表示TWSA或降水异常滞前，正值表示TWSA或降水异常滞后. Fig. 2 Correlation coefficients between terrestrial water storage anomalies (TWSA), soil moisture storage anomalies (SMSA), precipitation anomalies and the Niño3.4 index in (a) the Upper sub-basin of Yangtze River Basin (YRB), (b) the Middle sub-basin of YRB, (c) the Lower sub-basin of YRB, and (d) the Southeast River Basin, respectively The corresponding time delay months is shifted from -12 months to 12 months, where negative values indicate TWSA or precipitation anomaly lags before, and positive values indicate that TWSA or precipitation lags behind.

为进一步分析长江流域中、下游地区和东南诸河流域所受ENSO影响的情况，我们分别计算了这三个地区陆地水储量异常(包括TWSA和SMSA)和降水异常的时间序列.如图 3a、3b、3c所示：这三个地区陆地水储量异常和降水异常明显与ENSO(Niño3.4指数)存在较强的相关性，且较ENSO大约滞后2个月；这三个区域的陆地水异常和降水异常分别受2010/11 La Niña和2015/16 El Niño事件的影响出现了谷值和峰值.2010/11 La Niña期间，长江流域中、下游地区和东南诸河流域表现出了明显的负异常，与正常年份相比减少了~22.3 Gt，~24.1 Gt，~11.6 Gt；2015/16 El Niño期间，这三个流域表现出明显的正异常，较正常年份增加了~19.8 Gt，~27.9 Gt，~16.2 Gt.ENSO虽然不会对中国气候产生直接的作用，但是会通过对西太平洋副高、东南季风和西南季风的影响使得中国区域降水发生异常(Fasullo et al., 2013; Yao et al., 2016；郭栋等，2016；翟盘茂等，2016).这表明长江流域中、下游地区和东南诸河流域的陆地水储量异常主要是由于降水异常所引发.

图 3

Fig. 3

图 3 2005—2016年(a)长江流域中游地区、(b)长江流域下游地区和(c)东南诸河流域的TWSA、SMSA和降水异常时间序列；(d)Niño 3.4指数 Fig. 3 Time series of TWSA, SMSA and precipitation anomalies in (a) the Middle sub-basin of YRB, (b) the Lower sub-basin of YRB, and (c) the Southeast River Basin. (d) Time series of Niño3.4 index during 2005—2016

此外，对于长江流域中、下游地区和东南诸河流域而言：长江流域下游地区TWSA与ENSO的相关系数最大，受到两次强ENSO事件的影响陆地水储量发生的异常波动也最大.其次是东南诸河流域，该流域地处经济发达的长三角地带，东邻东海和台湾海峡，常年水资源总量较为丰沛，但是依然存在水资源分布不均、沿海部分地区水资源短缺、易受东南季风影响等问题(苏爱平，2012；叶寿仁和吴志平，2011).之前的研究鲜有关注东南诸河流域陆地水储量变化及其与ENSO的相关性.因此本文利用GRACE来研究东南诸河流域受ENSO事件等气候因素的影响，对于分析该流域因极端气候条件所引发的洪涝和干旱具有重要的意义.

ENSO事件主要发生在赤道太平洋地区，它会通过改变大气环流来影响全球水循环系统并使得中国相关区域的降水和陆地水储量发生异常(Fasullo et al., 2013; 陈威等，2017).为进一步分析整个中国区域陆地水异常(包括TWSA、SMSA)、降水异常与ENSO之间的关系，我们给出了它们与ENSO的最大相关系数和时滞关系的空间分布.如图 4所示：它们与ENSO的相关系数在中国大部分区域通过95%的置信水平(白色空格表示未通过95%置信水平).其中TWSA/ENSO和SMSA/ENSO的空间分布总体上较为吻合，但是在青藏高原地区和西北诸河流域地区有一定的差异性，这可能与GRACE监测到的陆地水储量变化还包括地表水、雪水当量和地下水有关.陆地水异常/ENSO和降水异常/ENSO的结果表明：长江流域中下游地区、东南诸河流域以及西北诸河流域的北方地区受ENSO的影响较大且呈正相关，TWSA/ENSO的滞后月与SMSA/ENSO的滞后月较为接近，但是它们较降水异常/ENSO推迟~2个月；青藏高原西南部(主要是西北诸河流域南部和西南诸河流域西部地区)以及华北部分地区(主要是淮河流域北部、海河—滦河流域中东部和辽河流域南部地区)与ENSO呈负相关，但是青藏高原西南部陆地水异常/ENSO的滞后月较降水异常/ENSO的滞后月却迟到了~6个月，这可能与该地区地处高海拔地带和陆地水主要以冰川冻土的形式存在有关(Yi and Sun, 2014；王宗太和刘潮海，2001).

图 4

Fig. 4

图 4 中国区域TWSA、SMSA、降水异常分别与ENSO的最大相关系数及相应的时滞月 Fig. 4 (a) The maximum correlation coefficients and the corresponding time delay months between TWSA and ENSO in China, (b) the corresponding time lagged months between TWSA and ENSO, (c) the maximum correlation coefficients between SMSA and ENSO in China, (d) the corresponding time lagged months between SMSA and ENSO, (e) the maximum correlation coefficients between precipitation anomaly and ENSO in China, (f) the corresponding time lagged months between precipitation anomaly and ENSO

在图 4a中，GRACE的结果还显示西南诸河流域北部至横断山脉地区、黄河流域中游地区以及松花江流域中部地区等与ENSO呈一定的正相关，黄河流域下游地区、海河流域东部地区、辽河—滦河流域南部地区以及淮河流域北部等与ENSO呈一定的负相关，但是降水资料的结果却未能在这些区域表现出较好的一致性.这一方面可能是因为这些区域的蒸散发量和径流量在ENSO期间调节了降水的异常；另一方面也可能是由于这些区域的降水受到其他气候因素(IOD、NAO等)的影响调制了ENSO对于降水的影响.此外，不同流域地理环境和地理位置的差异性影响也可能使得TWSA/ENSO与降水异常/ENSO在空间上的相关性具有差异.另外，GRACE结果本身的误差也可能会使相关性的估计具有一定的偏差.

2005—2017年，全球共遭遇了2010/11 La Niña和2015/16 El Niño两次超强ENSO事件.因此我们还分析了这两次ENSO事件期间中国区域陆地水储量和降水的空间异常.综合图 5、图 6可知，拉尼娜期间长江流域中、下游地区和东南诸河流域的陆地水储量和降水均出现较大的负异常，华北部分地区(主要是淮河流域北部、海河—滦河流域中东部和辽河流域南部地区)出现一定的正异常，厄尔尼诺期间却与之相反.这一结果与ENSO事件对中国的气候影响一致：即在厄尔尼诺年份里东亚季风减弱，中国夏季主要季风雨带偏南，长江中下游地区和东南诸河流域出现降水增多，华北一些地区出现少雨干旱现象；但是拉尼娜年份期间由于副热带高压位置偏北，有利于形成华北汛期多雨的大气环流形势，这会导致华北部分地区汛期降水增加易造成洪涝灾害，长江中下游地区和东南诸河流域降水减少易发生干旱事件等(李建平等，2013；许武成等，2005).2010/11 La Niña期间(图 5)：长江流域中、下游地区和东南诸河流域TWSA大约在2011年4—6月达到谷值，较2010/11 La Niña谷值滞后5~7个月；降水异常在2011年4—5月左右达到谷值，较2010/11 La Niña谷值滞后5~6个月.与ENSO相关的这些区域陆地水储量较降水滞后1~2个月出现异常，且长江流域下游地区和东南诸河流域陆地水储量变化较长江流域中游地区提前1~2个月达到谷值，这与文章2.1节的结论一致.值得注意的是长江流域中、下游地区和东南诸河流域TWSA在2011年6月开始出现了较大的负值，这是因为此次拉尼娜事件并未于2011年5月停滞，反而持续此次ENSO事件且在2011年10月左右迎来第二次谷值(见图 3d).该拉尼娜事件不仅持续时间长而且出现了两次明显的谷值，这也是2010/11 La Niña被定义为21世纪以来超强ENSO事件的原因之一(http://www.bom.gov.au/climate/enso)

图 5

Fig. 5

图 5 2010/11 La Niña期间，中国区域2010年9月至2011年8月(a)GRACE观测的逐月TWSA空间分布和(b)CMA降水数据得到的降水异常空间分布.趋势项和季节项已扣除 Fig. 5 Spatial patterns of monthly (a) GRACE-dcrivcd TWSA and (b) precipitation anomalies from CMA in China from September 2010 to August 2011 (2010/11 La Nirta). Linear trends and seasonal signals were removed

图 6

Fig. 6

图 6 2015/16 Niño期间，中国区域2015年9月至2016年8月(a)GRACE观测的逐月TWSA空间分布, (b)GLDAS数据得到的SMSA空间分布和CMA降水数据得到的降水异常空间分布.趋势项和季节项已扣除 Fig. 6 Spatial patterns of monthly (a) GRACH-dcrivcd TAVSA, (h) Cil.DAS-bascd SMSA, and precipitation anomalies from CMA in China from Sq^tember 2015 to August 2016 (2015/16 ISI NiAo period). Linear trends and seasonal signals were removed

2015/16 El Niño从2014年10月开始，大约在2015年11月达到峰值，并于2016年5月结束，持续时间共近20个月.2015/16 El Niño期间(如图 6)：长江流域中、下游地区和东南诸河流域的陆地水和降水从2015年9月到2016年7月持续出现正异常.2015年秋冬季(2015年9月至2016年2月)出现的正异常是由于此次厄尔尼诺事件自2014年10月开始持续超过一年的影响所致，我们称之为厄尔尼诺的同期影响.2016年春季(2016年3—5月)长江流域中、下游地区和东南诸河流域的陆地水和降水再次出现了正异常，其中降水在2016年4月出现峰值，而陆地水大约滞后1个月在2016年5月出现峰值，这是由于此次厄尔尼诺峰值滞后4~6个月的影响.这三个区域的陆地水于2016年7月又一次出现了较大的正异常，降水则在2016年6月出现较大的正异常.2016年6—7月以来我国南方地区连续遭遇了大面积的强降雨侵袭，且强降雨的发生加重了南方地区自2015年秋冬季以来本已严重的汛情(http://news.cctv.com/special/2016xq/index.shtml).但是2015/16 El Niño于2016年5月就已结束，那么我们利用GRACE监测到的2016年7月的陆地水异常是否依然是由于此次厄尔尼诺的滞后影响？

显然，长江流域中、下游地区和东南诸河流域2016年7月的陆地水异常是由于2016年6—7月的强降水所致.而2016年6—7月发生强降水的原因是由于2015/16 El Niño结束的夏季，西北太平洋依然存在着明显的反气旋环流异常(李清泉和闵庆烨, 2016；郭栋等, 2016；翟盘茂等, 2016).这不仅加强了热带西太平洋向中国区域的水汽输送，还使得西太平洋副热带高压加强并向西延伸造成了中国南方强降水，最终导致了长江流域中、下游地区和东南诸河流域陆地水出现正异常(李清泉和闵庆烨, 2016；Zhang, 2001; Zhang et al., 1999).因此我们利用GRACE监测到的2016年7月陆地水异常仍是由2015/16 El Niño的滞后影响所导致的.

本文综合利用GRACE重力卫星数据、GLDAS水文模型和实测降水资料，详细分析了2005—2017年中国区域陆地水异常、降水异常与ENSO的关系和两次超强ENSO事件对相关区域的影响，并得到以下结论：

(1) 在中国十大流域中，与ENSO存在较高相关性的区域主要是长江流域中、下游地区和东南诸河流域.其中长江流域中游地区TWSA与ENSO的相关系数最大值为0.55，较ENSO滞后~7个月；长江流域下游地区TWSA与ENSO的相关系数最大值为0.78，较ENSO滞后~5个月；东南诸河流域TWSA与ENSO的相关系数最大值为0.70，较ENSO滞后~5个月.2010/11 La Niña事件使得长江流域中、下游地区和东南诸河流域陆地水分别与正常年份相比减少了~22.3 Gt，~24.1 Gt和~11.6 Gt；2015/16 El Niño事件使得这三个区域陆地水分别与正常年份相比增加了~19.8 Gt，~27.9 Gt和~16.2 Gt.长江流域下游地区TWSA与ENSO的相关系数最大，且由于两次强ENSO事件的影响所引发的异常波动也最大.而中国其他区域的陆地水储量异常变化与ENSO未能展现出较好的相关性，可能是因为这些区域离太平洋较远或受其他气候振荡(IOD、NAO)影响较大，也可能是GRACE结果的误差导致对相关性的估计具有一定的偏差.

(2) 两次强ENSO期间中国区域陆地水储量的异常空间分布与ENSO事件对中国的气候影响一致.2010/11 La Niña期间，长江流域中、下游地区和东南诸河流域TWSA在2011年4—6月达到谷值，较2010/11 La Niña谷值滞后5~7个月.受到ENSO的影响，陆地水储量往往较降水晚1~2月出现异常，长江流域下游地区和东南诸河流域陆地水储量较长江流域中游地区提前1~2个月出现异常.2015/16 El Niño期间，长江流域中、下游地区和东南诸河流域陆地水储量从2015年9月到2016年7月持续出现正异常信号.其中2015年秋冬季陆地水和降水出现的异常是由于2015/16 El Niño的同期影响所致；2016年春季陆地水出现的异常是受到此次厄尔尼诺的峰值滞后影响；2016年7月GRACE捕捉到的陆地水异常与厄尔尼诺结束后西北太平洋存在着反气旋环流异常有关，为2015/16 El Niño的滞后影响所致.