基于遥感技术的干旱区地下水监测研究

2019-07-18史晓亮周政辉王馨爽

人民黄河 2019年7期

史晓亮，周政辉，王馨爽

（1.西安科技大学测绘科学与技术学院，陕西西安710054；2.河南省漯河水文水资源勘测局，河南漯河462000；3.自然资源部陕西基础地理信息中心，陕西西安710054）

地下水是淡水资源重要的组成部分，约占全球淡水资源总量的30%［1］，是经济社会可持续发展的基础。目前世界面临的人口、资源、环境三大问题均直接或间接与地下水有关［2］。我国人均水资源短缺，随着经济社会的高速发展和人口的急剧增加，地表水资源愈显不足且污染严重，而地下水以其储量丰富、水质良好等优点被大量开发利用［3］，因此地下水在用水结构中所占的比例不断增大，成为工农业生产和城乡生活的重要水源［4］。但是一些局部地区过量开采地下水，造成地下水采补失衡，地下水位持续下降，并引发地面沉降、生态环境退化、地下水污染等一系列问题。因此，为科学合理地开发利用地下水资源，迫切需要加强地下水动态监测，掌握地下水的时空变化规律，从而实现对地下水的可持续开发利用和有效保护［5］。

传统的地下水监测方法，如钻井观测和水井观测，存在着布设维护耗费人力物力、空间分布过于稀疏而难以有效反映地下水分布的空间异质性、无法实现大面积动态监测等不足［6-7］。随着遥感技术的发展和可利用遥感影像的不断丰富，基于遥感技术的地下水监测方法得到了广泛关注和应用。许多学者基于重力卫星、InSAR等多源遥感影像在不同区域开展了地下水监测研究。曹艳萍等［8］利用GRACE重力测量卫星数据反演了黑河流域2003—2008年地下水的时空变化特征。杨成生等［9］基于 Envisat ASAR数据，利用SBAS-InSAR技术监测大同盆地地面沉降形变特征，并构建了地下水位波动与地表形变之间的关系。但是GRACE卫星数据的空间分辨率较低，且反演结果为水储量变化，而不是地下水位或埋深；而SAR影像数据获取成本较大，因此限制了InSAR技术在地下水监测方面的应用。

近年来，采用光学与热红外遥感反演地表参数，进而构建地下水监测模型的研究取得一定进展。塔西甫拉提·特依拜等［10］以Landsat-7 ETM+的第6波段为数据源，基于地表温度和地下水的相关关系，建立了反演地下水位的定量模型。李相等［11］以新疆库车县绿洲-荒漠交错带为研究区，利用遥感技术反演土壤含水量，并结合实测数据反演得到地下水埋深分布状况。目前通过单一地表生物物理参数反演地下水位的相关研究中，通过反演获取土壤含水量，进而建立地下水监测模型的方法应用最为广泛。但是，基于土壤含水量的地下水模型建立在土壤水和地下水相互补给的基础上，以往相关研究对于该方法的适用范围涉及较少。笔者结合多源地理空间数据，识别基于土壤含水量的干旱区地下水遥感监测模型适用范围，进而选取新疆阿克苏河流域的绿洲-荒漠交错区为典型研究区，构建基于土壤含水量的地下水监测模型，并分析其时空变化特征，以期丰富无资料地区地下水监测手段，有效扩大地下水监测的覆盖范围。

1 研究方法

1.1 理论基础

远离人工绿洲的天然荒漠区，在没有降水和灌溉且不存在侧向地下水补给的条件下，土壤水分含量随地下水埋深而变化。地下水埋深越浅，毛细作用越明显，土壤含水量越小；埋深较深时则相反［12］。土壤含水量受地下水埋深影响极大，当潜水位较高时，表层土壤可得到毛管水的补给，使其保持较高的土壤含水量；随着潜水位下降，土壤含水量随毛管水的补给减少而下降，以至土壤的有效含水量不能满足植物的生理需要而形成干旱。因此，在干旱荒漠区，地下水埋深是影响土壤含水量的决定性因素［13］。

地下水的动态变化会影响土壤水的动态变化，反过来，土壤水的动态变化也会影响地下水的动态变化，二者相互作用、相互影响，属于同一系统内部自调节自适应过程［14］，这为建立土壤含水量与地下水埋深分布的关系模型提供了理论依据。而地表土壤的反射光谱特征在一定程度上能够反映地表浅层土壤的水分含量状况，因此在干旱区可以基于光学和热红外遥感数据反演土壤含水量，进而结合地下水观测井的实测数据，构建基于土壤含水量的地下水遥感监测模型。

1.2 基于土壤含水量的地下水监测模型适用范围识别

由于基于土壤含水量的地下水监测模型建立在土壤水和地下水相互补给的基础上，因此该监测模型具有一定的适用范围。根据上述基础理论，参考相关研究结论，本研究提出地下水与土壤含水量相互补给区域的适用条件：①植被覆盖度＜30%；②多年平均降水量＜200 mm；③非灌区或农田，非城乡建设用地。

本研究综合利用全国长时间序列NDVI数据，以及降水量、土地利用等多源地理空间数据，划定基于土壤含水量的地下水监测模型的适用范围。

1.3 土壤含水量的遥感反演方法

土壤水分、地表温度和植被指数三者之间相互影响，因此目前通过温度-植被指数（Ts-NDVI）特征空间的变化来综合反映土壤水分状况，在国内外得到广泛应用［15］。 J.C.Price［16］分析认为，NDVI和地表辐射温度构成的散点图为三角形。R.Nemani等［17］研究表明，地表温度和植被指数之间为梯形关系。I.Sandholt等［18］研究发现，Ts和NDVI构成的图中有很多等值线，从而提出利用温度植被干旱指数（TVDI）监测地表湿度状况［19］，并得到了广泛的应用，其计算公式为

式中：TVDI为温度植被干旱指数，其值在0～1之间，TVDI越大，表示对应的土壤湿度越小；Ts为任意像元的地表温度，本文利用MODIS LST代替；Tsmax为某一NDVI对应的最高地表温度（即干边），Tsmax＝a+bNDVI（a和b为干边拟合方程的系数）；Tsmin为某一NDVI对应的最低地表温度（即湿边），Tsmin＝c+dNDVI（c和 d为湿边拟合方程的系数）［20］。

1.4 地下水监测模型构建

收集整理研究区地下水监测站实测埋深数据，并将其划分为两部分：大部分监测站地下水埋深数据用于模型构建，小部分监测站数据用于模型精度的验证。在此基础上，结合土壤含水量的遥感反演结果，将用于模型构建的地下水监测站地下水埋深数据与土壤含水量在空间上建立对应关系，提取对应像元的地下水埋深和土壤含水量，进而利用SPSS软件进行回归分析，构建地下水监测模型。然后，根据验证站的地下水埋深实测数据与对应像元的地下水埋深模拟值，采用线性回归方程判定系数（R2）、相对误差（RE）和均方根误差（RMSE）3个指标对模型精度进行评价。

2 基于土壤含水量的地下水监测模型适用范围

本研究采用的1982—2016年GIMMS（Global In-ventor Modeling and Mapping Studies）NDVI数据来源于国家自然科学基金委员会中国西部环境与生态科学数据中心（http：//westdc.westgis.ac.cn），并基于像元二分模型获取全国多年平均植被覆盖度［21］。基于中国800个气象站1961—2011年的降水量，利用反距离权重插值法，获取全国年均降水量的空间分布。此外，收集了全国2015年土地利用类型以及灌区分布数据。基于地下水与土壤水互相补给区域的适用条件，综合利用上述多源地理空间数据，在GIS空间分析技术支持下，得到基于土壤含水量的地下水监测模型的适用范围。

在新疆的准噶尔盆地、塔里木盆地部分地区、青藏高原北部、内蒙古西北草原区等地，地下水与土壤水之间存在相互补给关系，地下水受到土壤含水量影响，因此可以利用光学和热红外遥感数据反演土壤含水量，进而构建地下水监测模型。

3 研究区与数据来源

3.1 研究区概况

基于上述地下水监测模型适用范围的识别结果，选择阿克苏河流域绿洲-荒漠交错区作为典型研究区。阿克苏河发源于吉尔吉斯斯坦科克沙勒山，是新疆维吾尔自治区的三大国际河流之一，为新疆南部第一大河。阿克苏河流域位于天山南麓、塔里木盆地北缘，总面积约7.0万km2。流域地势自东北向西南逐渐降低，地貌有明显的分带现象，依次为中低山丘陵、山前洪积扇群、冲洪积倾斜平原及冲积平原。该区地处欧亚大陆深处，属暖温带干旱型气候区，具有大陆性气候的显著特征：气候干燥，蒸发量大，降水量小且年、季变化大；晴天多，日照时间长，热量资源丰富；气候变化强烈，冬季寒冷，夏季炎热，昼夜温差大，年均风速小。

3.2 数据来源与处理

本研究采用的主要遥感数据源为2003—2015年4—10月的 MODIS产品数据，包括地表温度（LST）（MOD11A2：8 d合成，空间分辨率为1 km）数据和归一化植被指数（NDVI）（MOD13A2：16 d合成，空间分辨率为1 km）数据，来源于美国航天局网站（http：//ladsweb.nascom.nass.gov/data/search.html）。利用 MRT（MODIS Reprojection Tools）软件对下载获取的MODIS数据进行镶嵌、投影与格式转换等预处理，最终获取研究区MODIS地表温度和归一化植被指数数据集。

地下水监测数据包括研究区内良种场水管站、阿瓦提县黄宫村一小队等9个观测井（见图1）2003—2012年月均地下水埋深数据，用于地下水监测模型构建。

图1 研究区和地下水观测井位置

4 结果与分析

4.1 研究区地下水监测模型构建

基于2003—2012年长时间序列的MODIS NDVI和LST数据，利用温度植被指数（TVDI）反演研究区土壤含水量，结合分布于研究区内8个地下水观测井的实测地下水埋深数据（不包括用于模型验证的阿瓦提县丰收二场良繁场的观测井数据），建立了月尺度的地下水埋深监测模型（见图2）。从图2可以看出，研究区土壤含水量和地下水埋深之间存在较明显的指数关系。在此基础上，选择阿瓦提县丰收二场良繁场的地下水观测井数据对模型进行精度验证，结果显示，地下水埋深的模拟和实测数据的判定系数（R2）、相对误差（RE）分别为0.75和9%，基本达到了大范围地下水监测的精度要求。

图2 基于土壤相对含水量的地下水埋深监测模型

基于上述模型以及该区的土壤含水量遥感反演结果，估算得到阿克苏河流域绿洲-荒漠交错区2003—2015年每年4—10月的地下水埋深。

4.2 研究区地下水埋深时空变化特征

4.2.1 地下水埋深年际变化

由图3可见，阿克苏河流域绿洲-荒漠交错带2003—2015年地下水埋深年际波动较大，但整体呈变深的趋势。年均地下水埋深在2005年最浅（为2.24 m），2015年最深（为3.07 m），平均为2.43 m。从不同阶段来看，2003—2005年研究区地下水埋深呈变浅趋势，之后到2012年地下水埋深虽有所波动，但整体呈变浅趋势，2012年之后该区地下水埋深不断增大。

图3 2003—2015年研究区地下水埋深年际变化

4.2.2 地下水埋深空间分布特征

阿克苏河流域绿洲-荒漠交错区地下水埋深受到地质条件等多种因素的影响，空间差异明显，总体表现为西浅东深的分布特征。从图4可以看出，柯坪荒漠区与阿瓦提绿洲区交错带的地下水埋深相对较浅，一般小于2.0 m；阿克苏荒漠区与阿瓦提绿洲区交错带的地下水埋深相对较深，一般为2.0～3.8 m；温宿绿洲区和多浪绿洲区的部分地区地下水埋深为4.0～5.8 m。

图4 研究区地下水埋深空间分布

5 讨论

5.1 基于遥感技术的地下水监测方法的应用前景

（1）可以扩大地下水监测覆盖范围。我国水利系统现有地下水监测站约1万个，大部分分布在北方平原区，南方与西部有些地区甚至还未开展地下水监测工作，全国范围内地下水监测工作不一致，造成同时期全国地下水监测资料不完整。鉴于我国地下水监测现状，为提高地下水监测水平，水利部和原国土资源部于2015年6月开始实施国家地下水监测工程，建设地下水专用监测站20 401个。国家地下水监测工程的实施，使我国的地下水监测水平和能力有了大幅度提升，有效监控面积达350万km2，基本实现对我国大型平原盆地和集中连片岩溶山区地下水的区域监控。但是，新疆、西藏、青海等地区地下水监测站点仍然较少，在空间尺度无法有效实现地下水的长时间序列观测，而这些地区正是基于土壤含水量的地下水监测方法的适用区域。因此，基于遥感技术对缺少地下水监测站或监测站密度低的干旱区进行地下水监测，将在传统地下水监测基础上，有效扩大地下水监测的覆盖范围。

（2）可以完善地下水监测资料的时间连续性。我国各流域、各省（区、市）开展地下水监测的时间不同，地下水开发利用程度高的区域早在20世纪60年代就开展了地下水监测，而部分流域、省（区、市）截止目前开展地下水监测时间较短，使得各区域监测资料序列不统一。利用遥感技术时间序列长的优点，结合多源遥感影像，对于开展地下水监测时间较短的区域，在时间尺度上可以有效扩展地下水监测序列。

（3）为地下水管理工作提供技术支撑。地下水管理和保护工作中，需定期对地下水资源进行调查评价，了解区域地下水资源状况。遥感技术在地下水变化监测中的应用，为地下水监测站布设密度低的西北、西南等区域的地下水资源调查评价提供了技术支撑。

5.2 地下水监测模型的制约因素分析

基于遥感的地下水监测模型是在土壤含水量反演的基础上，结合地下水埋深实测数据建立起来的。该模型适用范围主要为新疆、西藏等西部干旱地区，但这些区域地下水监测站分布较少，实测数据欠缺。因此，在模型构建时需要考虑地下水实测数据的可获取性，从而影响了模型的推广应用。

由于传统的地下水监测方法存在监测站过于稀疏而难以反映空间差异性、监测资料不连续等不足，因此希望通过遥感技术获取长时间序列、大范围的地下水动态变化资料。中分辨率遥感影像尽管空间分辨率较高，但重访周期长，且受到云的影响，很难获取时间序列长且数据质量较好的影像。因此，目前地下水连续监测常用的遥感数据源是MODIS的归一化植被指数（NDVI）和地表温度（LST）数据，但是受数据本身以及反演算法等因素影响，MODIS LST数据在部分时间段可能存在异常值，从而影响土壤含水量模拟。遥感数据源质量是地下水监测模型的主要制约因素之一。