疏勒河流域陆地水储量与植被指数的时空耦合关系

岳东霞,苗俊霞,朱敏翔,周妍妍,邹明亮,陈冠光,郭建军

1 兰州大学西部环境教育部重点实验室/资源环境学院,兰州 730000 2 中国科学院西北生态环境资源研究院,沙漠与沙漠化重点实验室,兰州 730000

干旱区内陆河流域,作为相对独立的水文单元和生态单元,其水资源与生态环境之间存在密切的相互影响、相互作用的时空耦合关系。一方面,水是生命之源,是干旱区内陆河流域绿洲兴衰、植被演替的决定因素[1]。水文过程和水资源的时空变化控制着流域基本的生态格局和生态过程,特别是控制着基本的植被分布格局和演替过程[2-3],也是维持区内生产、生活和生态可持续发展的主要限制因素。另一方面,植被演替不仅深刻地改变着地表生态系统的结构和功能,还对流域水文过程和水资源的时空变化造成显著影响[4-5]。近年来,随着全球气候变化的加剧和人类活动的增强,我国西北干旱区内陆河流域的水资源变化、生态环境演替及其相互作用关系显得更为深刻和复杂[1],引起了学术界的广泛重视。

疏勒河流域为我国丝绸之路经济带关键地区——河西走廊的第二大内陆河流域,敦煌所在地,该区气候极端干旱,水资源短缺、生态环境退化严重,因此水资源合理利用和生态环境保护是该流域未来发展必须面临的两个相互制约相互依存的巨大挑战。目前,国内外已有研究表明,最近30年来疏勒河流域上游降水量呈增加趋势,中下游却呈减少趋势；受气温升高影响,上游祁连山冰川积雪融水补给量增加,地表径流呈现逐年上升趋势[6-7]；但随着人口的增长和社会经济的发展,流域中游瓜敦盆地、玉踏盆地地下水位表现为大范围整体下降的趋势,估测最近10年地下水位累计下降了0.6—4 m,且下降速度逐年增大,导致泉水溢出持续减少,使得双塔灌区可利用泉水灌溉的耕地面积减少了95%以上,不得不用井灌来替代[8-9]。此外,疏勒河流域地表水的盐分和矿化度也呈持续增高趋势,水质下降,污染严重[10],导致疏勒河流域水资源短缺更为严重。而近30年来,疏勒河流域生态环境问题突出,表现为区内终端湖往上游退缩、湿地逐渐萎缩、生物多样性不断减少、土地退化加剧等[11]。据利用MODIS的增强型植被指数(Enhanced Vegetation Index,EVI)数据产品分析,2000—2016年间疏勒河流域植被状态呈现整体改善,但局部恶化的时空格局[12]。因此,对于该流域水资源与生态环境变化的耦合关系的研究已开始得到学者的关注,如陈荷生曾定性地分析了20世纪80年代该流域地表水、地下水以及水资源分配格局的变化导致流域中下游部分地区天然林丧失、草场退化和土地荒漠化盐渍化加剧[13]；章予舒利用20世纪后50年地处疏勒河流域的安西县、玉门县的降雨、风速、大风天数等观测数据,对气象因素对土地荒漠化的影响进行了初步研究,发现降水量与土地荒漠化的关系较为复杂且不直观[14]；叶红梅利用2002年流域中游昌马灌区的地下水观测数据和EVI数据,对灌区地下水埋深和EVI的相关性进行了定量分析,指出该灌区天然植被盖度与地下水埋深存在着复杂的相关性,且在不同地下水的埋深区和不同植被类型区的相关性差异较大[15]。

尽管国内外研究对疏勒河流域的水资源和生态环境各自的变化已有较多探讨,但在该流域水资源与生态环境变化的耦合关系研究方面成果不多,处于研究的起步阶段,且已有研究多利用传统水文水资源监测数据,对流域内的部分地区开展了初步研究工作,尚缺乏利用高分辨率的遥感数据,开展全流域及其内部多尺度区域的水资源与生态环境变化的时空耦合关系研究。传统的水文监测方法(水文站和观测井等)虽然可以直接对点位水文信息进行高时间精度的实时监测,但由于监测站点的建设、运行和维护成本较高,空间选址受地形地貌、交通和土地利用等因素限制,在空间尺度上无法实现大面积的、密集的、均匀的布点,使得传统的水文观测数据的空间精度、覆盖范围、数据的丰富度和延续性等方面都无法满足大区域空间尺度的水资源变化研究的需求,也因此制约着干旱区水资源与生态环境时空变化耦合关系的深入研究。

陆地水储量(Terrestrial Water Storage,TWS)是陆地生态系统地表水、地下水、土壤水、冰雪和生物体含水量的综合体,其变化量是刻画水文循环过程的重要指标[16],但用传统方法测量宏观区域的陆地水储量变化则非常困难。重力(Gravity Recovery And Climate Experiment,GRACE)卫星自成功发射以来,为全球、区域和流域生态系统的陆地水储量时空变化研究提供了重要的基础数据,也为克服传统地面观测数据的不足,研究流域尺度水资源与生态环境变化的时空耦合关系提供了数据支撑。目前,我国对GRACE卫星数据反演陆地水储量变化的流域尺度研究已涉及到长江、黄河、海河、黑河以及雅鲁藏布江等流域[17-24],其中部分研究通过与全球陆面数据同化系统数据进行对比分析,证明了GRACE数据能较精确地反映流域尺度水储量变化的时空格局。

基于此,本文以疏勒河流域为研究区,以2002—2016年GRACE卫星数据反演的该流域陆地水储量变化(Terrestrial Water Storage Anomaly,TWSA)为水资源时空变化的综合指标,以MODIS的增强型植被指数EVI作为衡量流域生态环境状态的关键指标,对疏勒河流域水资源和生态环境的时、空变化规律及其耦合关系进行全面、定量分析,以期阐明水资源利用与生态环境变化的相互关系,为未来该流域乃至整个干旱区的水资源优化配置和合理开发利用,以及为实现区域“生产-生活-生态”的可持续发展提供重要的科学依据。

1 研究区概况

图1 研究区：疏勒河流域图Fig.1 The study area: Shule River basin in Northwest China

疏勒河流域地处我国西北干旱区河西走廊(图1),地理坐标为93°22′—98°59′E,38°01′—42°47′N之间,海拔932—5792 m,面积约12×104km2,其中以戈壁、裸岩和沙地为主的未利用地约占流域总面积的75.77%；低覆盖度为主的草地约占21.50%；耕地约占2.94%；水域和林地分别约占0.60%和0.51%。流域属于大陆性荒漠型气候,年温差在31.5—34.1℃之间,多年平均降水量仅有47 mm,而潜在蒸发量大于3200 mm,是甘肃省干旱程度最严重的地区之一。疏勒河流域南部祁连山区是流域内所有地表径流的产流区,流域水系自西向东,主要包括安南坝河、党河、榆林河、疏勒河干流、石油河以及白杨河等。干流和主要支流的水源补给主要是祁连山冰川融水和南北两山(祁连山、马鬃山)山区降水。冰川年融水量49.4×108m3,约占流域出山径流量的30%,年降水资源为125亿m3/a,其中南部山区约占63%,中部平原区和北部山区约占37%。疏勒河流域上游山体陡峭,水流迅速。中下游平坦,绿洲与沙漠共存[25],是典型的内陆河流域。

2 数据来源、处理与分析方法

2.1 GRACE卫星反演的TWSA数据

GRACE卫星是美国国家航空航天局(National Aeronautics and Space Administration,NASA)和德国宇航中心(Deutsches Zentrum für Luft- und Raumfahrt,DLR)联合研发的全球第二颗地球重力卫星,于2002年3月升空。利用该地球重力卫星数据反演TWSA的基本原理是：如果把地球表层10—15 km范围看作一个薄层,Wahr等[26]认为地球重力场的变化绝大多数是发生在这个薄层中的,而在一个相对较短的时期内,这个薄层中的重力场变化又是由这个薄层中水文过程和水量时空分布变化引起的。因此,可通过观测地球重力变化来反映地球水储量的变化。目前,利用GRACE卫星数据能精确地反演区域月时间尺度的TWSA,精度高于9 mm等效水高[27],而且区域面积越大,反演精度越高,为全球、区域和流域等多尺度区域的水资源时空变化研究提供了新思路和新方法[28]。

目前,GRACE卫星数据主要由美国喷气推进实验室(Jet Propulsion Laboratory,JPL)、美国德克萨斯大学空间研究中心(Center for Space Research,CSR)以及德国波茨坦地学研究中心(German Research Centre for Geosciences,GFZ)3个单位负责处理和分发。GRACE卫星反演的TWSA数据产品主要可分为四类：Level—0、Level—1A与Level—1B、Level—2、Level—3等。本文选用Level—3数据,即CSR GRACE RL05 Mascon Solutions,从CSR下载获得,地址为：http://www2.csr.utexas.edu/grace/。该数据是基于GRACE Mascon模型,根据Watkins等[29]在全球划定的4551个质量均匀分布的3°等面积球帽(Mascon),利用CSR RL05 Level 1b数据,通过加权最小二乘法计算得到的。数据值直接表示为月等效水柱高度,单位为cm,空间分辨率为0.5°×0.5°,时间分辨率为1月。时间序列为2002年4月—2016年12月,共177个月。由于卫星自身原因和测量误差等因素的影响,本文实际获得该时段的161个月份数据,缺失16个月份数据。对于缺失的数据,本文采用缺失月份的多年平均值替代。

利用GRACE卫星反演得到的TWSA实际是每个像元陆地水储量的多年距平值。比如i像元j月TWSA为Xi,jcm,即Xi,j为i像元j月陆地水储量与i像元陆地水储量多年平均值的差值,若Xi,j的值为正,则说明该像元该月的陆地水储量高于历年均值,为积累期,若Xi,j的值为负,则说明该像元该月的陆地水储量低于历年均值,为亏损期。

2.2 MODIS的EVI数据

NASA提供的MODIS的植被指数产品按种类分可分为两类——归一化植被指数(NDVI)和增强型植被指数(EVI)。增强型植被指数(EVI)针对归一化植被指数(NDVI)在大气噪声、土壤背景和饱和度等问题做出了优化和改进,更适用于植被覆盖度较低的干旱区。因此,本文采用了MOD13A3 EVI产品数据开展研究。该数据时间分辨率为1月,空间分辨率为1000 m。为了防止云雾等的影响,本文将逐月的所有16天合成产品数据进行加权平均或最大值合成处理。数据获取后,需要对数据进行镶嵌、投影变换、几何校正、重采样、裁剪等一系列的预处理,最终得到2002年4月—2016年12月期间疏勒河流域WGS84坐标系、空间分辨率为0.5°×0.5°、时间分辨率为1月的 EVI数据集。

以上两种数据的来源、时间、空间分辨率和数据格式均不同,为便于分析,本文采用了统一的空间参考系统,利用数据转化和重采样等数据处理方法,最终使两种数据达到相同的坐标系、时间分辨率和空间分辨率,为开展相关分析做好了数据准备。

2.3 时间序列季节性分解

植被生长和水文过程在时间变化上除了有显著的周期性外,还会受到自然或人为扰动等一系列复杂因素的影响,而出现趋势性或随机性等非周期性的变化,导致植被和水文现象的周期性变化和非周期性变化信号的相互纠缠,给时间序列数据的准确分析造成影响。因此,需要应用时间序列的季节性分解方法对时间序列数据进行分解和特征提取。

时间序列季节性分解法是将一组具有强烈季节性或周期性的时间序列数据进行分解,得到趋势、周期、季节和随机4个因子,4个因子的组合方式可以是相乘,也可以是相加,如下列式子所示：

Y=T+C+S+R或Y=T×C×S×R

(1)

式中,Y表示时间序列植被指数或水文数据；T表示季节性分解后的长期趋势因子；C表示季节性分解后得到的周期因子；S表示剔除周期因子后的时间序列因子；R表示误差因子。

3 结果与分析

3.1 流域水储量变化和植被指数的时间变化规律

根据疏勒河流域地形地貌特征、行政区划现状以及地质构造特征,流域大致可分为三大区域,即南部山区(流域上游祁连山区)、中部平原区(流域中下游绿洲与荒漠地区)和北部山区(马鬃山地区)。本文以像元为最小计算单位,计算并分析了逐月尺度、多年月平均尺度、多年季节尺度、年际尺度上疏勒河流域及其3个子分区的TWSA和EVI的时间变化规律。

3.1.1逐月尺度上变化规律

在研究期177个月的逐月尺度上,为了能有效剔除时间上的复杂性对流域TWSA和EVI变化规律分析的影响,本文利用时间序列季节性分解法(公式1)和趋势分析法对疏勒河流域整体及3个子分区逐月尺度的TWSA和EVI进行季节性分解和趋势分析,分别得到逐月尺度的TWSA和EVI及其周期因子、趋势因子、去除周期因子后的数据序列。

如图2所示,2002—2016年期间流域整体及3个子分区逐月尺度的TWSA均呈下降趋势(黑色趋势线),流域整体下降速率较快,约为0.0073 cm/月,而3个子分区下降幅度差异较大,其中北部山区降低速度最快,约为0.0107 cm/月；中部平原区降低速度较快,约为0.0091 cm/月；南部山区降低速度最慢,约为0.0024 cm/月；从时间分段上看,流域整体及3个子分区在2002—2011年变化均较平稳,2011—2016年变化波动幅度较大,多年月极低值和极高值均出现在2015—2016年。从周期性上看,2002—2016年期间流域整体及3个子分区逐月尺度的TWSA(蓝色实线)和去除周期因子后的TWSA(橙色实线)变化趋势基本一致,存在显著的周期波动规律(绿色虚线),周期因子波动的振幅均保持在-2—2之间；波动的周期均为12个月,说明该流域TWSA存在显著的年周期性,且波峰和波谷出现的时间比较统一,说明其在年内波动变化的最高值和最低值出现月份一致。

图2 流域整体及各子分区逐月TWSA及季节性分解结果Fig.2 Monthly TWSA and seasonal decomposition results in Shule River basin and subregions

由图3可知,2002—2016年期间,流域整体及3个子分区的逐月EVI都出现了不同的程度的上升趋势(黑色趋势线),其中,南部山区EVI上升速度最快,斜率为0.70；流域整体及中部平原区次之,斜率分别为0.53和0.48；增长最慢的是北部山区,斜率仅为0.31。从时间分段上看,流域整体以及南部山区在2002—2009年EVI变化比较平稳,2010—2016年EVI有一个明显的上升趋势；中部平原区EVI在2002—2016年期间均呈上升趋势,且波动较无规律；北部山区EVI 在2002—2009年波动变化较大,2010年以后开始趋于稳定。从周期性上看,2002—2016年期间,流域整体及3个子分区的逐月EVI(蓝色实线)和去除周期因子影响后的EVI(橙色实线)变化趋势虽然差异较大,但都存在显著的周期波动规律(绿色虚线),周期相对一致,波动的幅度差异较大,其中流域整体波动的幅度保持在-200—250之间,南部山区保持在-300—450之间,中部平原区保持在-100—100之间,北部山区保持在-150—50之间。

图3 流域整体及各子分区逐月EVI变化及季节性分解Fig.3 Monthly EVI changes and seasonal decomposition results in Shule River basin and subregions

3.1.2多年月平均尺度变化规律

图4 流域及子分区多年月平均TWSA和EVI变化 Fig.4 Average monthly changes of TWSA and EVI in Shule River basin and subregions for many years

在多年月平均尺度上,如图4所示,流域整体及子分区TWSA和EVI均呈单峰分布,且均为7、8月份最大,向两端逐渐减小。流域整体TWSA在1—3月经历了一个先降后升的过程,但仍处于水资源亏损状态,4月开始转为正值,水资源进入积累状态,7月达到全年最高值,8月后又开始逐渐下降,到9月下降至亏损状态,12月降至全年最低值。流域3个子分区多年月平均TWSA变化情况与流域整体趋势较为一致,但存在差异：(1)南部山区与其他两个子分区比较,呈现一定的滞后效应,TWSA晚两个月进入积累期,晚一个月进入亏损期。由于每年的3—5月,南部山区冰川和积雪开始消融,融水通过地表径流和地下径流的方式补给中部平原区和北部山区,因此,除了流域南部山区TWSA仍处于亏损状态外,中部平原区和北部山区都开始进入积累状态；6—8月,降水量开始增多,流域各子分区的TWSA均进入积累状态；9月到次年的2月,降水量极少,南部山区的冰川和积雪融化量也降低,各子分区的TWSA开始进入亏损期,但由于南部山区降水量较其他子分区丰富,因此会滞后一个月进入亏损期。(2)北部山区在一年12个月中TWSA波动比其他子分区大很多。相关研究表明[30],北部马鬃山地区岩土体以第四系上更新统洪积松散堆积物和侵入基岩为主,岩土体的渗透系数和给水度较高。所以该区含水层储水和释水能力较强,在降水量较高的月份,通过渗透作用,有效地将水资源储存在含水层,达到很好的补给效果；而在降水量较低的月份,大量地下水在重力作用下从岩土体空隙中排出,补给到流域中部平原区,造成水储量亏损严重。

流域整体及3个子分区的EVI均从1月至7或8月逐渐上升达到峰值，而后逐渐下降。但南部山区EVI年内变幅最大,1—3月比流域整体和其他两个子分区都低,4—11月有一个急促的上升和下降过程,并在7—8月期间达到远比其他子分区高的峰值,11—12月又变得很低；与南部山区不同的是中部平原区和北部山区EVI在年内变幅较小。这是因为流域南部山区草地比重大,植被生长会随气候的季节性变化而发生萌芽、展叶、开花、结果、落叶和休眠等规律性的现象,造成EVI在不同月份出现幅度较大的变化；而中部平原区和北部山区大部分地区为荒漠戈壁,植被覆盖度极低,EVI随月份和季节变化较不明显,因此EVI在不同月份间变化幅度较低。

3.1.3多年季节平均尺度变化规律

图5 流域及子分区多年季节平均TWSA和EVI变化 Fig.5 Average seasonal changes of TWSA and EVI in Shule River basin and subregions for many years

在多年季节平均尺度上,如图5所示,流域整体及子分区TWSA变化趋势基本一致,呈夏季最高的单峰趋势,但各季节差异显著,其中,春季流域整体基本持平,但南部山区TWSA仍处于亏损状态,中部平原区和北部山区处于积累状态,夏季各地区的TWSA均进入累积状态,其中增幅顺序为北部山区>南部山区>中部平原区；秋季和冬季各区域TWSA又进入了亏损期,其中北部山区亏损最严重,中部平原区次之,南部山区水量亏损较不明显。

与TWSA年相似,流域整体及子分区的EVI变化趋势基本一致,也呈夏季最高的单峰趋势,但不同子分区EVI在四季中的变化差异则较大。其中南部山区EVI在春、夏、秋季都明显高于另外两个子分区,唯独在冬季低于另外两个子分区。根据典型地物光谱曲线[31]和EVI计算原理可知,冰川积雪的覆盖会大大降低EVI的计算结果。因此,虽然南部山区植被覆盖度要比中部平原区和北部山区高得多,但受到冬季大面积积雪覆盖的影响,南部山区冬季的EVI低于中部平原区和北部山区；中部平原区EVI在春、秋和冬季都处于全流域最低,唯独在夏季反超北部山区。其原因是中部平原区的耕地面积比重远高于北部山区,流域4个主要的灌区均分布在中部平原区。耕地是一种比较特殊的人工植被类型,与天然草地相比,耕地的时间序列EVI具有更明显的季节性[32],特别是夏季,耕地的EVI曲线会形成又高又陡的波峰。

3.1.4年际尺度变化规律

在年际尺度上,本文以2002—2016年各年度流域整体及子分区TWSA和EVI的年内月均值代表当年的TWSA和EVI年均值。如图6所示,2002—2016年以来,疏勒河流域整体及3个子分区的TWSA整体呈下降趋势,主要为2002—2014年逐年下降,至2014年降至15年来的最低点而后又有所回升的趋势,其中2006年前各区域均处于累积状态，但累积量逐渐减小,2007—2016年除南部山区以外,其他地区均处于亏损状态，且亏损量逐渐增大。15年来,中部平原区和北部山区波幅较大,而南部山区波幅较小。经查阅相关资料发现,2014年是地处疏勒河流域的酒泉市有气象记录以来最干旱的年份,2013年9月—2014年4月,该市7个县(市、区)连续近200天无有效降水。15年来,流域整体及3个子分区的EVI均呈现波动式上升趋势,其中2002—2009年波动较大,但总体趋势相对平稳,而2010年以后各地区EVI经历了一个明显的上升过程,且南部山区上升幅度最大。

图6 流域及子分区年际TWSA和EVI变化趋势Fig.6 Inter-annual change trend of TWSA and EVI in Shule River basin and subregions for many years

3.2 流域TWSA和EVI的空间分布规律

利用一元线性回归分析法,本文基于流域像元的2002—2016年逐月TWSA和EVI值得到每个像元的TWSA和EVI变化趋势及其变化速率,并按变化速率进行分级,获得空间分布图。

如图7所示,2002—2016年流域内部基于像元的TWSA整体呈降低趋势,说明近15年来流域水储量整体趋于减少,但下降速率的空间异质性显著。其中,南部山区大部分像元的TWSA呈轻微下降,主要分布在阿克塞县和肃北县南部区域,约占全流域像元总数的36.48%；中部平原区大部分像元的TWSA呈中度下降,约占全流域像元总数的25.68%,但玉门市花海、昌马两大灌区、瓜州安西极旱荒漠自然保护区、敦煌市西湖保护区所在像元呈现显著下降趋势;北部山区几乎所有像元均呈显著下降趋势,占全流域像元总数的37.84%。相反,流域EVI整体呈现不同程度的上升趋势,说明流域整体植被状态好转,但区内空间异质性也十分显著。其中,EVI呈显著上升和中度上升的像元主要分布在流域的中部平原区和南部山区,其所在像元分别占全流域像元总数的22.97%、35.14%,显著上升像元覆盖了中游的四大灌区——花海灌区、昌马灌区、双塔灌区以及党河灌区,祁连山区的肃北县部分地区,以及敦煌西湖国家级自然保护区、敦煌阳关国家自然保护区和瓜州安西极旱荒漠国家级自然保护区；流域北部山区像元EVI呈轻微上升趋势,占全流域像元总数的41.89%。

图7 流域TWSA和EVI变化趋势等级空间分布图Fig.7 Spatial distribution of the change trend grades between TWSA and EVI in Shule River basin

3.3 流域陆地水储量变化与植被指数的时空耦合关系

3.3.1流域整体及子分区尺度的时空耦合关系

经相关性分析,由表1可知,2002—2016年流域整体的TWSA与EVI年均值的相关系数为-0.561,P值为0.03,呈中度负相关,说明就疏勒河流域整体而言,研究期间随着流域植被状况的整体好转,流域的水资源消耗量在不断增加。3个子分区则各不相同,其中部平原区TWSA与EVI年均值的相关系数为-0.753,P值为0.001,呈高度负相关关系,而南部山区和北部山区的TWSA与EVI年均值的相关系数分别为-0.127和-0.284,P值为分别为0.651和0.306,相关性均不显著。结合前文年际变化和空间格局分析结果可以看出,近15年来随着疏勒河流域外来人口增加和经济发展,中部平原区耕地和人工植被面积在不断增加,植被EVI整体呈增长趋势,因此消耗了该区域的大量地表和地下水资源[33-34],导致该地区TWSA的显著或中度下降。在南部山区,近年来受气温升高的影响,疏勒河流域上游山区永久性冰川雪地不断消融,导致南部山区高海拔区域的陆地水储量持续下降[35]；但南部山区高寒草甸生长的主要限制因素为温度[36],而气温升高使得该区植被生长的温度胁迫得到了缓解,有利于植被的生长,导致草地面积在近15年有显著的上升趋势。在北部山区,植被分布稀疏且近15年各类植被面积变化不大,EVI维持在一个相对稳定的水平,而TWSA呈显著下降趋势，其原因可能与当地工矿业、畜牧业的发展及人口增长导致的地下水消耗量增加有直接的关系。从而导致南部山区和北部山区的TWSA与EVI年均值的负相关性不显著。

表1 流域整体及各子分区TWSA与EVI年均值的相关性

**表示相关性在0.01层上显著(双尾)；*表示相关性在0.05层上显著(双尾); TWSA：陆地水储量变化 Terrestrial Water Storage Anomaly；EVI：增强型植被指数 Enhanced Vegetation Index

3.3.2基于像元尺度的时空耦合关系

图8 流域TWSA年际变化与EVI年均值相关系数空间分布图 Fig.8 Spatial distribution of the correlation between annual average TWSA and EVI in Shule River basin

进一步基于流域像元进行2002—2016年的TWSA与EVI年均值相关性分析,并按相关系数分级实现了像元尺度的相关性空间化表达。如图8所示,全流域约19%的像元TWSA与EVI年均值呈高度负相关,主要集中在流域中部平原区的4大灌区以及敦煌西湖国家保护区核心区范围内。说明随着流域中部平原区农业产业结构改变及经济的发展,农业生产对水资源的消耗量也随之大幅上涨,直接导致该区陆地水储量下降严重,并直观地表现为中部平原区TWSA与EVI呈显著的负相关。这与实际情况相符,据2015年甘肃省水利厅统计年鉴可知,疏勒河流域农业灌溉用水占流域总用水量的81%,可见中部平原区农业用水对全流域水资源消耗量的变化具有重要贡献。约有32%的像元呈中度负相关,主要集中在瓜州西北部的安西极旱荒漠国家级自然保护区、敦煌西南部的敦煌西湖国家级自然保护区、敦煌阳关国家级自然保护区；约有31%的像元呈低度负相关,主要分布在北部马鬃山地区以及南部祁连山山前戈壁；仅有18%的像元呈低度正相关,主要分布在南部祁连山山区。

4 结论

疏勒河流域位于西北干旱区,水资源异常稀缺,生态环境十分脆弱,既是疏勒河流域最主要的两大基本特征,也是该流域发展面临的最为严峻的两大问题。EVI作为生态环境状况的重要指示因子,其与水资源变化之间存在相互影响、相互作用的时空耦合关系。

本文利用2002—2016年GRACE卫星反演的TWSA数据和MODIS EVI数据,在对疏勒河流域水资源和植被状况时、空分布规律分析的基础上,基于像元尺度分别在流域尺度、子分区尺度上对疏勒河流域TWSA与EVI时空耦合关系进行深入分析。结果显示,在时间尺度上,疏勒河流域TWSA和EVI表现出明显的周期性、季节性以及趋势性规律；在空间尺度上,流域TWSA和EVI在流域尺度、子分区尺度均表现出明显的空间异质性；在时空耦合关系方面,流域TWSA与EVI年均值在流域整体尺度上呈中度负相关；在子分区尺度上,中部平原区两者呈高度负相关,南部山区和北部山区相关性不显著；基于像元,全流域TWSA与EVI年均值呈高度负相关、中度负相关、低度负相关的像元分别占总量的19%、32%和31%；仅有18%的像元呈低度正相关,说明该流域特殊的自然与人文因素驱动,导致流域TWSA与EVI的时空耦合关系非常复杂,且呈明显的尺度效应。较大区域相关性的分析,往往掩盖了其内部相关性的时空分异,因此,通过不同空间尺度的耦合关系分析可以较全面地展示区域TWSA与EVI的时空耦合关系。本文研究方法和结果可为干旱区水资源优化配置和合理开发利用及实现干旱区生产、生活和生态可持续发展提供技术支持和科学依据。

尽管本文对疏勒河流域TWSA和EVI的时空变化规律及其时空耦合关系进行了深入研究,最终取得了一定的研究成果,但仍有不足：(1)缺少地下水位、土壤含水率等实测数据对GRACE反演的TWSA进行验证和校正；(2)由于GRACE卫星空间分辨率较低,无法对疏勒河流域水储量变化进行植物斑块尺度的时空动态变化分析；(3)由于GRACE卫星时间跨度较短,仅为2002年至今,很难做到在更长时间序列上的分析,有待数据的进一步积累和深入分析。