利用GPS垂向位移监测西南地区干旱事件

姚朝龙，罗志才，胡月明,3,4,5，王长委，张 瑞，李金明

1. 华南农业大学资源环境学院，广东 广州 510642； 2. 华中科技大学物理学院地球物理研究所，湖北 武汉 430074； 3. 国土资源部建设用地再开发重点实验室，广东 广州 510642； 4. 广东省土地利用与整治重点实验室，广东 广州 510642； 5. 广东省土地信息工程技术研究中心，广东 广州 510642

干旱问题不仅是全球地球科学界研究的重大问题之一，同时也是世界各国政府和社会公众关注的焦点问题[1]。旱灾不仅造成生态环境的恶化和严重的经济损失，甚至会引发社会问题，如饥荒、大规模迁徙和人员伤亡等。中国是受旱灾影响最为严重的国家之一，开展干旱监测、评估和预报研究意义重大[2]。干旱特征(强度、持续时间和影响范围)通常用一个综合表征地表干湿状况的数值(即干旱指数)来描述。传统干旱指数主要是基于地面观测和遥感数据。受水文气象站分布不均且数量有限的影响，地面观测难以反映大尺度干旱状况[3]，而基于多光谱、多时相和多角度遥感信息的干旱指数主要用于定性或半定量分析农业干旱[2]。此外，不同干旱指数在中国地区的适用性有一定的差异[4-5]，包括常用的帕尔默干旱指数和我国通用的综合气象干旱指数(CI)[6]。2002年以来，GRACE(gravity recovery and climate experiment)探测大尺度的陆地水储量变化为全球和区域干旱监测提供了新的途径，已被用于我国新疆地区[7]和西南地区[8-11]等区域干旱事件的研究。然而，GRACE数据在2011年后缺失较为严重，且GRACE和GRACE Follow-On任务之间存在数据空白，严重影响了该数据的应用[12]。因此，为了更好地监测干旱的特征和演变趋势，亟需寻找新的干旱监测手段。

GPS坐标时间序列包含了地表负荷变化引起的地球弹性形变信息，与大气、海底压强、积雪、冰、地表水和地下水等环境要素的变化密切相关[13]。其中，陆地水文负荷变化是引起GPS台站周期性垂向形变的重要因素[14-16]。陆地水文负荷的增加会导致地表下沉，使GPS台站垂向位置向下运动。陆地水文负荷减少则会导致地表回弹，使GPS台站垂向位置向上运动。扣除潮汐、大气、地壳运动等非陆地水文效应影响后，GPS垂向位移可用于反演区域水储量变化[17]以及监测干旱导致的水储量亏损[18]。近期国内研究结果表明，GPS垂向位移可探测西南地区干旱的年变化特征[19]，以及反演该地区的陆地水储量变化[20]，但均未将GPS垂向位移与干旱指数进行对比，分析其干旱监测的可靠性。此外，GPS探测干旱事件的能力还受区域环境特征和台站分布的影响。

1 数据与方法

1.1 GPS垂向位移数据处理

本文利用中国地震局GNSS数据产品服务平台提供的33个GPS台站(图1)2010年8月—2016年12月每日的垂向位移时间序列产品(ftp:∥ftp.cgps.ac.cn/)进行分析。台站平均距离约为100 km。在分析数据的质量后，最终使用31个台站数据开展研究。该产品已扣除了固体潮、海潮和极潮等因素的影响[20]。为了削弱GPS垂向位移中的随机噪声，利用2阶Butterworth滤波(归一化截止频率为0.087)对单日解数据进行低通滤波处理[18]。图2表明Butterworth滤波可以有效削弱随机噪声和非连续粗差的影响，为后续研究提供更为准确的数据。然而，通过月内平均得到的每月的GPS垂向位移时间序列中仍有几个台站包含粗差数据。对于出现明显数据异常的台站(图3)的处理方法为：①SCMB台站垂向位移出现非连续的跳跃，SCML台站数据中包含明显的系统偏差，由于无法确定其中的原因，不恰当的修正可能会对研究结果产生较大影响，因此直接剔除这两个台站的所有数据；②针对出现连续粗差的GPS台站，首先计算31个GPS台站垂向位移相对于所有台站平均值的标准差(每个月对应一个标准差)，当GPS台站某月的垂向位移的绝对值大于3倍标准差时，认为是粗差，将其剔除，包括SCJL、SCNN、YNJP和YNYM 4个台站的异常数据，如2012—2013年和2015—2016年间存在明显偏差的数据。为了提取GPS垂向位移的水文学效应，利用大气模型MERRA2扣除大气负荷的影响[20-21]。由于非潮汐海洋负荷对于大部分内陆地区垂向形变的影响很小(约1 mm)[19,22]，因此忽略这一因素的影响。

1.2 水文气象数据和干旱指数数据

本文利用GRACE反演的水储量变化(GRACE terrestrial water storage changes,GRACE TWSC)、河流水位观测、降雨数据分析GPS垂向位移反映水文学效应的情况，再通过3种干旱指数验证GPS监测干旱的可靠性。GRACE数据采用的是JPL提供的Mascon产品[23]，缺数月份的数据通过线性插值得到。河流水位数据为金沙江流域的屏山(Pingshan)和岗拖(Gangtuo)两个水文站(图1)的监测数据[24]。降雨数据从中国气象局国家气象科学数据共享服务平台获取，2016年12月缺失的数据通过线性插值得到。干旱指数数据包括GRACE干旱强度指数(GRACE-DSI)[25]、标准化降水蒸散指数(SPEI)[26]和中国气象局国家气候中心提供的综合干旱指数(CI)数据。数据详细信息如表1所示。需要指出的是，虽然JPL Mascon产品是0.5°×0.5°的形式，但其真实的分辨率为3°×3°，即约为300 km[23]。

表1 采用的水文气象和干旱指数数据信息

Tab.1 Information about the adopted hydro-meteorological data and drought indices

GRACE-DSI用于反映水文干旱，是在GRACE反演陆地水储量变化的基础上建立的，包含了所有水文要素(地表水、土壤水、地下水等)的变化信息。SPEI是一种气象干旱指数，是在标准化降水指数(standardized precipitation index，SPI)的基础上，通过引入潜在蒸散发(受温度的影响)构建的。CI属于气象干旱指数，作为国家气候中心用于干旱监测的指标，是利用近30天(月尺度)和近90天(季尺度)SPI指数，以及近30天湿润指数计算而得。表2给出了各指数的干旱等级划分。

表2 3种干旱指数等级划分

Tab.2 Drought degree classification of the three drought indices

等级分类GRACE-DSI[25]SPEI[27]CI[28]正常-0.49～0.49—>-0.60轻微干旱-0.79～-0.500～-0.99-1.20～-0.60中度干旱-1.29～-0.80-1.49～-1.00-1.80～-1.20严重干旱-1.59～-1.30-1.99～-1.50-2.40～-1.80极端干旱-1.99～-1.60<-2.00—特大干旱<-2.00—<-2.40

2 结果与讨论

2.1 GPS垂向位移水文学效应分析

图4为31个GPS台站的平均垂向位移和GRACE水储量、降雨区域月平均变化时间序列。为了方便比较，GPS垂向位移数据进行了反符号处理(后面均作相同处理)，即降雨增加实际对应的是GPS台站垂向位置向下运动(GPS U为负)，降雨减少则对应GPS台站垂向位置向上运动(GPS U为正)。从图4中可以看出，在季节性变化方面，GPS垂向位移与降雨、GRACE水储量变化都具有很强的相关性，相关系数分别达到-0.81和-0.62。由于西南地区处于季风区，降雨、GPS垂向位移、GRACE反演的水储量都具有很强的季节性变化。不同的是，在降雨较少的冬季和春季，GPS垂向位移能即时地反映降雨的变化，在降雨丰富的夏季则存在1个月的时间延迟(图5)。而GRACE与降雨的变化则存在明显的延迟响应。结合图5显示的每月平均变化可以看出，GRACE与降雨变化整体存在约2个月的时间延迟，而与降雨的累计变化(图中月均降雨变化的累计值)相吻合。结果表明，GPS能较好地反映降雨的即时变化，而GRACE主要反映降雨的累积变化效应。从水量平衡的角度分析，即水储量的变化等于输入(降雨)与输出(径流和蒸散)之差，水储量的变化还受径流和蒸散的影响，由此造成GPS垂向位移和GRACE水储量变化与降雨存在时延。此外，受地壳结构、水文模式等因素的综合影响，GPS垂向位移和GRACE水储量变化在一些地区会存在2～4个月的延迟[29]。

从长期趋势变化来看，GPS垂向位置整体呈下降趋势(-0.9 mm/a)，这与降雨(4.6 mm/a)增加导致水文负荷(GRACE观测的水储量变化趋势为1.6 mm/a)增加相符合。然而，川滇地区地处青藏高原东南缘，地壳运动情况复杂，仅在云南地区就同时存在地壳抬升和下沉两种相反的变化趋势[30-31]。GPS垂向位移速率中包含了构造因素的影响，因此其与水储量变化在长期趋势方面的一致性仍需作深入研究。

为了进一步分析GPS垂向位移反映的水文效应，将其与河流水位变化进行对比。图6为研究区域内金沙江流域17个GPS台站垂向位移的平均变化(台站位置见图1)与两个水文站观测的河流水位变化情况。屏山站处于流域的出口，虽然该站水位反映的是整个流域的水文变化情况，但从地理位置而言，其受下游水文变化影响更快。而岗拖站反映的是上游水文的变化，对下游水文的影响较为滞后。虽然水位变化数据有限，但从图中可以得到和上述分析一致的结果，即GPS垂向位移与屏山站水位峰值变化相符合，而与岗拖站水位变化存在1个月的延迟。

2.2 GPS垂向位移干旱监测分析

通过以上分析可以发现，GPS垂向位移能很好地反映区域水文学效应的季节变化。本节将GPS与3种干旱指数进行对比分析，验证其在干旱监测方面的可靠性。由于干旱反映的是气候的异常变化，因此，需要将GPS垂向位移和降雨的季节性变化扣除。与文献[32]采用的方法一样，本文通过从降雨和GPS垂向位移的原始信号(图4)中扣除季节性信号(图5)得到非季节性变化。

从图7(a)可以看出，西南地区在2013年5月之前降雨明显偏少，特别是2011年4月—2012年5月和2012年10月—2013年3月降雨负异常分别持续了13和6个月，最大异常值高达-73 mm。由此导致水文负荷减少，使得GPS垂向位移大部分呈现出明显的正异常，而干旱指数均呈现显著的负异常。2013年6月—2015年8月期间降雨总体处于平衡，但波动较大，并且在2015年5—7月期间降雨出现了较为明显的负异常。相应的，GPS垂向位移、GRACE-DSI和SPEI在此期间正负异常交替出现。2015年9月之后降雨明显偏多，造成地表负荷增加，从而导致GPS垂向位移出现了持续的负异常，GRACE-DSI则为明显的正异常。总体而言，GPS垂向位移与GRACE-DSI和CI具有较强的相关性(图8(a)、(b))，相关系数分别为-0.713和-0.708，而与SPEI的相关性较弱(图8(a))，相关系数仅为-0.320。

3．明成化《新昌县志·县境图》和明万历《新昌县志·舆地图》中，右上方表示河流图中文字注明“水自金庭来”[16]。

由于本文主要是研究利用GPS进行干旱监测，因此重点分析前面提到的3个降雨连续亏损(至少3个月)阶段(表3)GPS垂向位移异常与干旱指数之间的关系。从图7(b)可以看出，在第1个降雨亏损阶段，GRACE-DSI、CI和SPEI显示区域最大干旱强度均为中度干旱，对应的干旱指数最小值分别为-1.15、-1.33和-1.24。由干旱引发的水文负荷减少使区域GPS台站垂向位置向上抬升，最大值达到了5.2 mm；在第2个降雨亏损阶段，不同干旱指数表征的干旱强度存在较大差异。GRACE-DSI显示该地区为无旱状态(最小值为-0.24)，而CI和SPEI均显示该地区仍处于中度干旱状态，最小值分别为-1.61和-1.09，区域GPS台站垂向位置上升最大值为4.3 mm。显然，GRACE-DSI没能探测到这一干旱事件。在第3个降雨亏损阶段，GRACE存在1个月的数据缺失情况，且其余两个月的GRACE-DSI均为正值。CI显示该地区为无旱状态(最小值为-0.07)，SPEI则显示为轻旱状态(最小值为-0.87)，而GPS台站垂向位置上升最大值为1.9 mm。

为了更好地比较不同指标反映干旱强度的差异，对3个降雨亏损阶段GPS垂向位移和干旱指数进行统计(表3)。GRACE-DSI在第2、第3阶段分别缺失2个和1个月的数据。从表3可以看出，虽然第2阶段降雨的平均亏损量最小，但CI和SPEI的平均值均为3个阶段中的最小值，GPS台站垂向位置上升则为最大(2.57 mm)，均表明该时间段西南地区受干旱影响最为严重。这主要是由于该阶段与第1阶段非常接近，且亏损持续时间较长(6个月)，受干旱累积效应影响最为严重。第3阶段的降水亏损虽然最为严重，但持续时间较短，且之后降雨持续显著的正异常(图7)能有效缓解降雨亏损的影响。

图1 GPS台站分布及金沙江流域的两个水文观测站Fig.1 Locations of the GPS stations and two gaging stations in the Jinsha River basin

图2 滤波前后YNHZ台站每日的垂向位移变化时间序列Fig.2 Time series of daily GPS vertical position variations at YNHZ before and after filtering

图3 各个GPS台站垂向位移月变化时间序列及区域平均值Fig.3 Monthly GPS vertical position variations at each station and the regional mean time series

注：红色阴影部分为31个GPS台站垂向位移时间序列的标准差。图4 31个GPS台站的平均垂向位移(GPS U)、降雨和GRACE TWSC月变化Fig.4 Monthly variations in GPS vertical position, precipitation and GRACE TWSC

图5 降雨、GPS垂向位移(GPS U)和GRACE TWSC每月的平均变化Fig.5 Monthly mean variations in precipitation, GPS vertical position and GRACE TWSC

注：红色阴影部分为17个GPS台站垂向位移时间序列的标准差。图6 研究区域内金沙江流域Pingshan、Gangtuo站河流水位变化和GPS垂向位移平均变化Fig.6 Monthly water level variations at Pingshan and Gangtuo and GPS vertical position variations in the Jinsha River basin within the study area

图7 降雨和GPS垂向位移非季节性变化与3种干旱指数Fig.7 Nonseasonal precipitation/GPS vertical position variations and the three drought indices

图8 GPS垂向位移与3种干旱指数的散点图Fig.8 Scatter plots of GPS vertical position anomalies and the three drought indices

GRACE-DSI通过扣除每个月对应的多年平均值得到水储量变化的异常值，但GRACE存在约15%的数据缺失，当整个时间段内某些月份数据缺失较为严重时，将导致多年平均值无法很好地反映水储量的平均水平，也就无法准确地获得水储量变化的异常情况。此外，GRACE数据时间长度不到17年，而多年平均值通常需要30年的数据才能很好地反映平均变化情况[32]，导致GRACE-DSI低估了西南地区的干旱程度[25]。对于不同因素主导的干旱事件，GRACE-DSI与其他干旱指数也存在一定的差异[25]。此外，GRACE空间分辨率(约300 km)也较低。这些都可能成为GRACE无法探测第2、第3阶段干旱事件的原因。

CI指数在计算过程中将30天和90天内的日降水量对干旱发展的影响程度视为相同，即权重相等[29]。因此，相比于长期降雨亏损引起的干旱事件，短期降雨亏损(如第3阶段为3个月)对应的CI值会受前期降雨的影响较大，从而影响其探测短期干旱事件的效果。为此，有学者提出对不同时间的降雨量给定不同的权重，并在特定区域对CI指数进行了改进[33-34]。此外，西南地区显著的地形起伏使得降雨的空间分布差异大[9]，这种不均匀性会导致干旱指数在干旱时空分布特征分析方面存在一定的局限性[5]。

虽然SPEI均能很好地探测到3个阶段降雨的亏损(表3)，但其显示研究时间段内干旱最为严重时间为2014年5月(最小值为-1.98)，几乎达到了极端干旱的程度。这与降雨、GPS垂向位移和其他干旱指数明显不符。从图7还可以看出，相比其他干旱指数，由于SPEI对潜在蒸散计算方法敏感[4]，其波动更为明显。

表3 3个降雨亏损阶段干旱指数和GPS垂向位移平均变化情况

Tab.3 Mean of drought indices and GPS vertical position anomalies during three periods of precipitation deficits

时间段降雨/mmGRACE-DSICISPEIGPS U/mm第1阶段(2011-04—2012-05)-16.8-0.39-0.82 -0.532.51第2阶段(2012-10—2013-03)-12.0-0.08-0.94-0.782.57第3阶段(2015-05—2015-07)-32.10.24-0.05-0.660.45

3 结 论

本文利用中国大陆构造环境监测网(陆态网)31个GPS台站2010年8月—2016年12月的垂向位移数据，在削弱随机噪声影响并剔除粗差数据的基础上，通过扣除大气负荷效应获得反映水文学效应的GPS垂向位移，用于分析我国西南地区的干旱事件，并讨论了不同干旱指标之间的差异。研究结果表明：①GPS垂向位移的季节性变化与区域水文变化(降雨、水储量和河流水位变化)具有很强的负相关；②GPS垂向位移的非季节性变化与GRACE-DSI、CI干旱指数具有较强的相关性(相关系数约为-0.7)。相比于CI干旱指数，GPS垂向位移可以更好地反映短期降雨急剧减少引起的水文学效应。而数据缺失影响了GRACE-DSI监测干旱的准确性，SPEI则会严重高估某些降雨亏损的水文学效应。研究结果表明GPS垂向位移可作为干旱研究的一种有效手段。

需要指出的是，本文研究范围选取的是陆态网台站较为密集的西南地区，在站点稀疏的区域GPS监测干旱的可靠性仍需进一步分析，而研究利用GPS监测更小时间尺度(如日尺度或旬尺度)的干旱事件将具有更大的实用价值。此外，GPS探测的大气水汽含量能为干旱研究提供更多信息。随着站点的增加和观测数据的积累，以及我国北斗卫星定位系统的完善，GNSS将有效地促进空间大地测量技术在水文学中的应用研究。

致谢：感谢中国地震局GNSS数据产品服务平台(http:∥www.cgps.ac.cn/)提供数据支撑。