基于GRACE卫星的辽宁省2002—2017年地下水储量监测

2021-08-10刘斌吴琼

世界地质 2021年2期

刘斌，吴琼

吉林大学地球探测科学与技术学院，长春 130026

0 引言

地下水满足全球超过20亿人的饮水和灌溉需求[1]，地下水过度开采会产生大量环境问题，如沙漠化、土壤盐渍化和地面沉降等[2]，不利于地下水资源的可持续利用，而地下水资源的实时动态监测是实现水资源可持续利用的重要保障[3]。传统的地下水储量监测技术主要是通过监测井实测水位数据估计地下水储量的动态变化，该方法常因监测井数量少且空间分布不均匀，难以给出较大地区的地下水储量动态信息[4]。

地表质量在大尺度区域下的变化可以归因于陆地水循环过程，重力恢复与气候实验卫星(Gravity Recovery and Climate Experiment, GRACE)数据可以反演地表质量变化，是监测陆地水储量的新途径[5]。地下水作为陆地水储量的重要组成部分，结合水文模型和实测资料，从陆地水储量变化中扣除土壤水和冰雪等效水等的贡献，即可获得地下水储量的动态信息[6]。自2002年发射起，GRACE卫星已经提供了长达15 a的重力场信息，广泛应用于水储量的时空变化反演[7]，特别是在地下水消耗严重的地区[8]。Rodell et al.[9]研究表明，印度西北部农业地区在2002—2008年间地下水储量以等效水柱高(4.0±1.0)cm/a的速率减少。Strassberg et al.[10]反演了美国中部高原地下水储量变化，与实测水位数据符合度较好，验证了GRACE地下水储量反演在大面积半干旱区域的良好效果。Feng et al.[11]利用GRACE与GLDAS数据反演了中国华北地区2003—2010年地下水储量变化，结果显示地下水消耗速率为(8.3±1.1)km3/a，三倍于中国北部平原地下水公报数据(2.5 km3/a)，说明华北地区深层地下水可能存在严重亏损。上述研究证明了GRACE卫星数据在地下水储量变化研究中的巨大应用潜力。

辽宁省(图1)人口密集地区水资源短缺明显，农业用水需求造成了部分地区水资源短缺和地下水过度开采，在辽阳市存在较大的地下水漏斗区[12]。笔者利用GRACE数据反演辽宁省陆地水储量变化，并结合GLDAS水文模型计算地下水储量变化，采用监测井实测数据验证了反演结果，作为该地区地下水资源可持续利用的重要参考。

图1 研究区位置图Fig.1 Location of study area

1 数据与方法

GRACE反演的陆地水储量变化ΔTWS包含了土壤水ΔSM、冰雪等效水ΔSWE和地下水ΔGWS的变化总和。从陆地水储量变化中减去除地下水外其余水组成部分，即可获得研究区地下水储量变化：

ΔGWS=ΔTWS-SM-SWE

(1)

式中：ΔTWS通过GRACE数据反演，ΔSM和ΔSWE通过GLDAS水文模型获得。

1.1 GRACE反演陆地水储量变化

采用美国德克萨斯大学空间研究中心(Center for Space Research，University of Texas at Austin，CSR) 提供的2002年4月至2017年6月共163个月(其中有20个月的数据缺失)的GRACE Level--2(RL06)模型数据[13]。该数据以球谐系数的形式截断至60阶次，扣除了各种潮汐和非潮汐影响。GRACE数据反演陆地水储量变化以等效水柱高表示[14]：

(ΔCnmcos(mλ)+ΔSnmsin(mλ))

(2)

式中：R表示地球平均半径，θ、λ分别表示地心余纬和经度；n、m表示球谐系数的阶和次，Cnm、Snm表示对应的GRACE球谐系数，Pnm(cosθ)表示完全规格化勒让德函数；ρave≈5.5×103kg/m3,为固体地球的平均密度，ρw≈103kg/m3,为水的密度；kn为n阶负荷勒夫数。

GRACE卫星因其轨道特性，重力场低阶项C20精度相对较低，使用卫星激光测距SLR数据替换GRACE数据中的C20项，球谐系数一阶项为0，在反演陆地表面质量变化时有显著的系统误差，采用地心模型修正，冰川均衡调整(GIA)的影响采用Paulson et al.[15]提出的模型进行校正。进行上述系统误差改正后，GRACE反演的陆地水储量信号中还包含大量的南北条带噪声和高频噪声，采用Swenson et al.[16]去相关滤波和半径300 km高斯滤波抑制噪声。GRACE数据经上述处理后虽然能够有效抑制各类误差，但也造成了真实信号的衰减，为了定量估计滤波造成的信号衰减幅度，采用尺度因子法标定反演的时间序列[17]，首先根据GLDAS模型获得的地表水储量变化格网数据，计算地表水储量变化时间序列ΔST，再将格网数据球谐展开并且进行与GRACE相同的后处理步骤，得到滤波后的研究区地表水储量变化时间序列ΔSF，最后使滤波前后时间序列的残差平方和最小，即：

∑(ΔST-kΔSF)2=min

(3)

式中：k为计算的尺度因子，采用上述方法计算辽宁省尺度因子为2.38，用于恢复GRACE数据反演的陆地水储量变化时间序列。

1.2 GLDAS水文模型

GLDAS全球水文模型是由美国宇航局哥达航空中心(NASA)和美国国家环境预报中心(NCEP)共同建立，反映全球地表状态变量和通量[18]。为了获取研究区地下水储量变化，采用GLDAS陆地表面模型来估计土壤水和冰雪等效水变化，包括NOAH、CLM、VIC、MOSAIC 4种模型，这些模型的土壤水层数分别为4、10、3和3，土壤层厚度分别为2.0 m、3.4 m、1.9 m和3.5 m，为了避免水文模型之间的差异带入误差，取4种水文模型所有层数土壤水之和的平均值作为最终估计。

1.3 地下水监测井资料

参考2005—2016年《中国地质环境监测地下水位年鉴》资料[19]，整理辽宁省地下水位埋深数据。原始监测井统计数据存在异常跳跃和数据缺失，经过筛选最终使用17个空间分布较为均匀的地下水监测井对比验证。地下水监测井水位单位为m，GRACE反演得到的地下水储量以等效水柱高的形式表示，单位为cm，二者表达物理意义虽然不同，但是水位监测数据能在趋势上验证GRACE反演结果。

2 结果与分析

2.1 地下水储量变化

图2表明辽宁省地下水储量除了2012年和2013年略有增加，表现出长期减少的趋势。采用多元线性回归拟合地下水储量变化，2002—2017年地下水储量变化速率为(-0.42±0.07)cm/a，特别是在2014年之后，变化速率为(-2.65±0.51)cm/a，说明辽宁省地下水储量处于加速减少的过程。对比图2两种时间序列，由GRACE反演的地下水储量变化与地下水位变化符合得较好。虽然在部分时段有不同的情况，例如2010年，地下水位抬升明显，根据水情年报统计数据，该年辽宁省降雨量比上年增加44.1%，比多年均值增加31.1%，且集中在夏季，强降雨导致局部地区短暂的地下水位普遍抬升，但GRACE卫星是对地下水储量的宏观探测，并且水储量变化还会受其他因素影响，如蒸发、地表径流和人为开采量等，并没有表现出明显的增加。总的来说，二者较为一致的趋势说明运用GRACE探测辽宁省地下水储量变化较为可靠。图3表明在年内变化尺度上，GRACE探测的地下水储量与实测水位变化几乎符合，进一步证实了GRACE监测结果的可靠性。

图2 地下水储量变化与水位变化Fig.2 Groundwater reserves change and water level change

2.2 降雨对地下水储量的影响

降雨是地下水储量的主要补给来源，采用GLDAS--NOAH水文模型中降雨率与降雪率参数，得到辽宁省整体降雨变化。图3a表明在降雨较少的年份，地下水储量表现出不同程度的下降趋势，较少的降雨使得自然界对地下水的补给减少，而人类的用水需求因地表水的枯竭会进一步转向抽取地下水。2014年后，辽宁省降雨量普遍偏低，这一情况与地下水储量在2014年后加速减少相符，说明降雨量的减少是辽宁省地下水储量下降的原因之一。图3b表明在年内变化尺度上，GRACE探测的地下水储量变化与降雨量变化存在明显的时滞性，降雨量的最大值出现在7月，而地下水储量的最大值出现在8月，这缘于降雨对地下水缓慢下渗的补给存在一个月左右的时间延迟。

图3 地下水储量与降雨量年际变化(a),地下水储量、降雨量和实测水位年内变化(b)Fig.3 Yearly variation of groundwater reserve and rainfall variation(a)，monthly variation of groundwater reserves, rainfall and measured water level(b)

2.3 农业对地下水储量的影响

图4表明辽宁省地下水储量处于长期亏损的状态，与图2中时间序列相符。下降严重地区位于辽宁省北部铁岭市与沈阳市，与辽宁省水资源公报发布的常年地下水位下降漏斗区相符。图5表明辽宁省粮食种植面积与粮食产量2002—2017年间持续增加，各地级市种植面积占比前两名为沈阳市和铁岭市，分别为16.1%和12.1%，广泛的农业种植造成了该地地下水持续消耗，农业生产密集区与GRACE监测地下水储量下降中心位置存在明显的空间相关性，说明农业用水增加是地下水储量减少的主要原因。