长岭县地下水生态水位确定分析

2022-01-24开伟萌梁秀娟肖长来齐志伟

中国农村水利水电 2022年1期

开伟萌，梁秀娟，肖长来，齐志伟，贾璐

（1.吉林大学新能源与环境学院，长春 1300021；2.吉林大学水资源与水环境重点实验室，长春 1300021；3.吉林大学油页岩地下原位转化与钻采技术国家地方联合工程实验室，长春 1300021；4.吉林大学地下水资源与环境教育部重点实验室，长春 130021）

0 引言

地下水是水资源重要的组成部分，是我国北方地区重要的供水水源［1，2］。地下水水位的变化会引起一系列的生态环境问题，例如土地荒漠化、土壤盐渍化、植被退化等［3］。因此，适当的地下水位（潜水位）是维护植被群落稳定的重要条件，尤其是在干旱、半干旱地区，地表生态与地下水水位息息相关［4］。

许多学者从20 世纪90年代中后期开始进行地下水生态水位的研究［5-7］。常见的确定地下水生态水位的方法主要包括生态调查统计与分析、模型计算分析、和遥感统计分析3 类［8］（见表1）。生态调查统计与分析为最为常用的方法，通过样方调查等生态学方法获取植被的盖度、多度、频率等信息，利用统计的手段定量分析植被参数与地下水位埋深间的关系。其最直接的方法是采用实地样方调查的各物种出现频率或植被覆盖统计结果，建立与水位埋深的关系曲线［9］；程艳［10］等通过样方调查获取的研究区植被覆盖信息，结合高斯模型将植被特征值和地下水埋深进行统计分析，确定出适宜植被生长的生态水位；张二勇［11］等采用植被分析图分析法统计分析地下水开发后生态植被出现演替的临界水位。生态调查统计与分析方法的优点是方法简单、直观、适用性强，但野外调查费时费力，成本较高且精度较低。

表1 地下水生态水位的确定方法比较Tab.1 Comparison of determination methods of groundwater ecological level

其次是基于模型计算确定地下水生态水位，即利用数学模型来模拟地下水位与植被指数或依据土壤毛管水上升理论计算合适的埋深值，再通过情景对比分析及实地验证，确定目标下的地下水埋深。如Zhao 等［12］采用FEFLOW 模型模拟灌溉和地下水开采条件下的地下水位变化，并结合GIS 技术分析植被空间变化特征，得到冲洪积平原区的地下水临界水位；或利用MODFLOW 模型［13］，耦合植被生长模型，建立地下水与植被生态之间的函数关系，依次分析适宜植被生长的地下水生态水位；或基于根系层厚度和潜水活动层厚度，采用经验公式法计算毛细上升高度，确定地下水补给植被的临界水位［14］。此类平衡主要基于质量守恒、水量平衡以及能量平衡原理，其优点是可分析多种时空尺度的生态水文过程，预测未来可能的发展趋势，其不足在于所需数据较为庞大，参数多，计算过程复杂。

第三种是基于高精度遥感信息的统计分析，即运用遥感卫星图像获取植被指数与地下水位等空间数据，探索地下水埋深与植被发育程度之间的量化关系，以从确定地下水生态水位。该方法在银川平原［15］、内蒙古荒漠草原区［16］等区域得到应用。该方法适用于大尺度研究地下水位与植被生态间的关系，其不足在于结果受遥感数据的时空精度影响较大，但随着遥感技术的不断提高和完善，该方法将是未来发展的趋势之一。

本文以吉林省松原市长岭县为研究区，通过遥感技术（ENVI）计算出Landsat 8 系列遥感影像的归一化植被指数（NDVI），并进一步计算出植被覆盖率（FVC 值），同时结合地理信息系统（GIS）中研究区的地下水埋深和潜水矿化度数据。从而确定适宜研究区植被生长的地下水生态水位与潜水矿化度。本文的创新点在于前人的研究指出通过遥感技术可以实现分析地下水水位和植被覆盖情况之间的关系，确定出适宜植被生长的地下水生态水位，但地下水生态水位不仅体现在水资源量方面，也体现在水质这一方面，因此本文将地下水矿化度也纳入考量范围，以便更好地确定在盐渍化和沙化均较为严重区域的地下水生态水位。

1 研究区概况及数据来源

1.1 研究区概况

长岭县位于吉林省西部，隶属于松原市，地处松嫩平原腹地。位于东经123°06′～124°45′，北纬43°59′～44°42′之间，总面积达5 728.4 km2。地势平坦开阔，总体地势西北低，东南高。

研究区内多年平均气温4.9 ℃，全年温差大，极端最高气温37.9 ℃，极端最低气温-34.2 ℃。多年平均降雨量为470 mm，主要降水时段集中在6-9月，占全年总水量的70%以上［17］。多年平均蒸发量为1 612.7 mm，参照干旱指数综合分带表（表2），利用本区降雨量和蒸发量，得出研究区干旱指数为3.4，故研究区属大陆性半干旱带气候。春季干燥多风，夏季炎热多雨，秋季少雨温差大，冬季严寒少雪，无霜期较短。区内土壤有发生盐渍化和沙化的风险。长岭县境内地表水贫乏，无地表河流，地表径流集中于县内低洼的湖泡中，难以流出。

表2 干旱指数综合分带表Tab.2 Comprehensive zoning table of drought index

区内地貌类型可分为台地、平原、沙丘、丘间平地等。其中平原主要分布于县域中部，除局部地方有固定沙丘外，大多地势比较平坦，相对高差在20 m左右［18］。全区遍布松散岩类孔隙潜水，潜水含水层为以上更新统下部砂层为主体的含水岩组，厚6～20 m，含水层岩性主要以中粗砂为主，单井涌水量在10～100 m3∕d，地下水类型为降水入渗—蒸发型，地下水水化学类型主要以HCO3-Na 型和HCO3-Ca·Na 型为主。研究区主要植被有榆树羊草、狼针草、疏林、线叶菊、大针茅和盐生群落［19］，其中以羊草草原分布最广，面积最大。

1.2 数据来源

本次研究的影像采用2013-2017年6月Landsat 8系列的遥感数据，其空间分辨率为30 m，时间分辨率为16 d，云层可见度小于2%。为了能正常地使用遥感影像，先对影像进行图像拼接、裁剪、几何校正、辐射定标、大气校正等预处理。

地下水埋深数据选用2013-2017年长岭县51 组观测井的地下水埋深长期观测资料，其监测频率为每月1日、6日、11日、16日、21日、26日，观测井位置分布见图1。本次研究选用的时间序列较短，地下水水质在短时间内变化较为微小，因此，潜水矿化度数据选用2017年7月研究区的47 个潜水水样的水化学调查结果。（本文所选取的地下水矿化度这一指标，主要与自然地理条件及地下水动力学条件有关，受人为作用的影响较小，故年际间的变化较小，采用2017年7月的水化学调查数据具有代表性），所采集的水样在谱尼测试股份有限公司（吉林分公司）进行检测，测试结果通过阴阳离子平衡检验均小于5%，水样检测数据真实可靠，取样点分布见图1。

图1 地下水观测井及取样点位置分布图Fig.1 Location distribution of groundwater observation Wells and sampling points

2 地下水生态水位的研究方法及步骤

2.1 提取NDVI值

归一化植被指数NDVI 是反映植被生长状况的有效指数，已广泛应用于植被遥感监测及植被变化等方面的研究［20］。Landsat 8 系列的NDVI 的拟合精度（R2）为0.81，拟合精度较高［21］。利用ENVI 软件对预处理后的遥感影像进行NDVI 值的提取，模型如下所示。

式中：NDVI 为归一化植被指数；NIR 为影像的近红外波段；R 为影像的红外波段。

2.2 计算植被覆盖率

植被覆盖率FVC 指植被在地面的垂直投影面积占统计区总面积的百分比，它可以量化植被地表覆盖状况［5］。为使实验数据更具代表性，本文选取置信率区间为5%的NDVI 值来计算植被覆盖率，计算公式如下：

式中：FVC 为植被覆盖率；NDVI 为归一化植被指数；NDVImin为植被指数的最小值；NDVImax为植被指数的最大值。

根据公式（2），我们可以将整个地区分为3个部分：当NDVI小于0.05，FVC 取值为0；NDVI大于0.7，VFC 取值为1；介于两者之间的像元使用公式（2）计算。通过ENVI 软件实现植被覆盖率的计算：选择band math 工具，输入计算公式：（b1 gt 0.7）×1+（b1 lt 0.05）*0+（b1 ge 0.05 and b1 le 0.7）*［（b1-0.05）∕（0.7-0.05）］，（其中b1 为选择的NDVI 图像）并选择NDVI 的输出结果作为公式的应用数据。

2.3 提取栅格值

运用ArcGIS 软件中的重采样工具，将含有植被覆盖率（FVC）的遥感影像处理为一系列300 m×300 m 的栅格，共获得11.6 万对栅格数据。将收集的地下水埋深和矿化度数据插值为相同分辨率的空间分布图，通过以上步骤得到每个像元空间上对应的水位埋深、矿化度和FVC值数据。

将矿化度值与FVC 值进行统计分析，确定出适宜植被生长的矿化度区间。再将地下水埋深数据以0.1 m 为间距，计算不同埋深区间的FVC 均值，绘制并分析FVC 与埋深的关系曲线，最终确定适宜研究区植被生长的地下水生态水位。

3 结果与分析

3.1 地下水埋深时空变化

为了使本次研究更具有代表性，绘制并参照分析2013年、2015年和2017年研究区地下水埋深空间分布图及研究区地下水埋深变化范围表（图2、表3）。结果显示，2013年研究区地下水埋深在2.08～9.84 m 之间。其中西北部埋深较浅，在2.08～4.5 m 之间；西南部埋深居中，在3.0～6.5 m 之间；中东部埋深较深，在4～9.84 m 之间。地下水埋深最大处在长岭镇附近，为9.84 m。在长岭镇、八十八乡、流水镇、东岭乡及三县堡乡存在降落漏斗［图2（a）］。2015年研究区地下水埋深在1.95～10.46 m 之间。在东岭乡、流水镇附近，地下水埋深有所减小，降落漏斗消失；而在长岭镇周围地下水埋深继续增大，最大埋深达10.46 m，降落漏斗呈增大趋势［图2（b）］。2017年研究区地下水埋深范围在1.86～10.42 m 之间，长岭镇地下水埋深相较于2015年时有所减小，为10.42 m，降落漏呈减小趋势，流水镇地下水埋深有所增大，降落漏斗相较于2015年再次出现［图2（c）］。

表3 研究区代表性年份地下水埋深变化区间（时间、空间）表Tab.3 The variation interval（time and space）of groundwater depth in representative years in the study area

图2 研究区地下水埋深空间分布图Fig.2 Spatial distribution of groundwater depth in the study area

计算2013-2017年区内地下水观测井埋深均值，绘制2013-2017年平均地下水埋深统计图（图3）。结果表明，区内地下水平均埋深由2013年的5.64 m，增大到2017年的6.52 m，5年间，地下水水位持续下降，年均降幅为0.22 m，并且在2014-2015年间，水位降幅速率达到下降最大，为0.39 m∕a；2016-2017年间水位下降降幅为0.31 m；其余年份均小于0.2 m，地下水水位持续下降会增大研究区内土壤沙化的风险。

图3 研究区2013-2017年平均地下水埋深统计图Fig.3 Statistical chart of average groundwater depth in the study area from 2013 to 2017

3.2 植被覆盖率FVC的时空变化

由2013-2017年植被覆盖率FVC 空间分布图（图4），可以看出，2013年长岭县西北部地区（三十号乡、三团乡、东六号乡）及中部部分地区（前七号乡、二里界乡）植被覆盖程度较好，东部地区（巨宝山乡、太平山镇、永久镇）植被覆盖程度较低，在西北部地区（二十号乡）和西南部地区（大兴镇、太平川镇）的湖泡附近出现土壤盐渍化现象［图4（a）］。2017年长岭县植被覆盖程度较2013年有所降低，在西北部地区（三十号乡、三团乡、东六号乡）和中部部分地区（七号乡、二里界乡等）植被有所退化；在西北部地区（二十号乡）和西南部地区（大兴镇、太平川镇）的土壤盐碱化现象呈扩大趋势；在长岭县中部地区（长岭镇、腰坨子乡）出现点片状沙化现象［图4（b）］。因2015年本区植被覆盖率（FVC）分布图与2017年的图相似度较高，且年份相差较小，故此处不再赘述2015年植被覆盖率（FVC）的时空变化。

图4 研究区植被覆盖率（FVC）分布图Fig.4 Distribution of vegetation coverage ratio（FVC）in the study area

对比分析2013-2017年长岭县年均植被覆盖率（FVC）（图5），可以看出，2013-2017年间，区内年均FVC 值由2013年的36.6%，下降到2017年的34.8%，累计下降1.8%，年均退化速率为0.45%∕a。在近5年期间，2014-2015年均FVC 值有所回升外，2015-2016年均FVC 值下降最大。对比分析区内2013-2017年地下水平均埋深和年均FVC值（图3、5），可以看出，地下水埋深和FVC 值呈明显负相关，即埋深增大，FVC 值会随着减小。另外，研究区2014-2015年，地下水平均埋深有显著增大，2015-2016年均FVC 值下降明显；2013-2014年地下水平均埋深变化较小，2014-2015年年均FVC值则有微量的增加（0.2%）；说明地下水埋深对植被发育的影响存在滞后效应［9］，即前一年水位埋深的变化，会对其后一年植被的生长情况产生影响。

图5 研究区2013-2017年均植被覆盖率（FVC）统计图Fig.5 Statistical chart of vegetation coverage ratio（FVC）in the study area from 2013 to 2017

3.3 地下水生态水位的确定

将地下水埋深数据以0.1 m 为间距，计算逐年不同埋深区间的植被覆盖率（FVC）平均值，绘制出植被覆盖率与地下水埋深的关系曲线图（图6）。可以看出，FVC 均值在0.18～0.47 范围内变化。当地下水埋深在3.3～6.5 m时，埋深对FVC值有显著影响，埋深与FVC 值整体上呈负相关，即FVC 值随埋深的减小而增大；当地下水埋深在6.5～8.4 m 时，FVC 值整体维持在0.33 左右，说明在此范围内的地下水埋深值对FVC 值影响较小，分析其原因，在此埋深范围内，已超出研究区内多数常见天然植被的最佳生长水位，植被的生长状态受到抑制，地下水埋深通过控制种群类型、物种丰富度等因素将FVC值限定在约0.33。

图6 研究区植被覆盖率（FVC）与地下水埋深关系图Fig.6 Relationship between vegetation coverage ratio（FVC）and groundwater depth in the study area

当地下水埋深达到8.4 m 后，FVC 值持续下降到0.2 左右。根据研究区地下水埋深空间分布图（图2），埋深大于8.4 m 的区域主要分布在长岭县中部地区（长岭镇、流水镇等），由研究区土壤类型图（图7），可以看出，研究区中部部分地区的土壤类型为砂土，由于砂性土壤保水性较差，蒸发作用较于壤土更加强烈，且在研究区中部地区，地下水埋深较大，砂性土壤在长时间蒸发作用下，土壤中的水分被快速蒸发，且难以得到补充，在风的作用下土壤逐渐有沙化的趋势。由遥感影像可以看出，部分地区土壤已经出现点片状沙化的现象，土壤沙化是造成埋深较大区域植被覆盖率偏低的原因，同时，植被覆盖程度较低也增大了土壤沙化的风险。

图7 研究区土壤类型图Fig.7 Soil types in the study area

当地下水埋深小于3.3 m 时，随着埋深的减小，FVC 值呈下降趋势；当埋深小于3 m时，基本维持稳定。由研究区土壤类型图（图7），可以看出，研究区存在大面积壤土，壤土的毛细上升高度较高，当地下水水位过高时，土壤底层或地下水的盐分会随毛管水上升到地表，水分蒸发后，使盐分积累在表层土壤中，容易引起土壤盐渍化［4］。从遥感影像来看，在研究区西部地区的湖沼洼地周围土壤表层多盐渍化发育。综上可知，地下水水位过高或过低均不利于植被的生长，因此，保持地下水埋深在合理的范围内，是保持生态植被良性发展，降低土壤盐渍化和荒漠化的风险的有效方法。

为进一步确定研究区地下水生态水位，将植被覆盖率FVC均值大于0.4时定义为植被覆盖良好，提取2013-2017年间所有植被覆盖率大于0.4 的点及其对应的地下水埋深值并绘制成散点图（图8）。结果显示，2013-2017年植被覆盖良好的点分布于地下水埋深2.1～5.5 m 间，其中绝大多数点集中分布在埋深3.3～4.5 m 的范围内，且在此范围内的点，对应的FVC 均值较高。由此确定，3.3～4.5 m为长岭县适宜植被生长的生态水位。

图8 FVC均值大于0.4点的埋深分布图Fig.8 Buried depth distribution with FVC mean value greater than 0.4 point

3.4 潜水矿化度与植被覆盖率的关系

利用2017年潜水矿化度数据和Arcgis 软件，绘制潜水矿化度分布图（图9）。从图9 中可以看出，研究区西北部潜水矿化度较高，最高可达2.4 g∕L，结合图4（b），潜水矿化度偏高的区域主要集中在湖泊低洼处，由于该处地势较低，地下水埋深较浅，蒸发作用较为强烈，故多为盐渍化发育地带，植被覆盖率较低，但在西北部的地势平坦处，难以发生土壤盐渍化，潜水矿化度较低，植被覆盖率较高，然而，相对而言，湖泊低洼处较少，西北部大面积区域为地势平坦处，因此，地下水埋深为控制西北部植被覆盖率的主要因素且该处植被覆盖率较高；中东部潜水矿化度较低，低至0.29 g∕L，虽然该地地势平坦，潜水矿化度较低，但该地地下水水位埋深较大，植被覆盖率较低，故该地控制植被覆盖程度的主要因素为地下水埋深。因此。由图4（b）可知，该年份潜水矿化度的分布图与该年份的植被覆盖率分布图一致。

图9 研究区潜水矿化度分布图Fig.9 Distribution of groundwater salinity

将选取点所处像元的FVC 值与对应的潜水矿化度含量绘制成散点图（图10），分析FVC 值与潜水矿化度含量的关系，确定研究区适宜植被生长的潜水矿化度。从图10中可以看出，当潜水矿化度小于0.85 g∕L 时，散点密集，FVC 高值点密度大，植被生长发育情况良好；当潜水矿化度在0.85～1.55 g∕L之间时，散点较为密集，但是FVC 高值点的密度呈现显著减少的现象，植被生长较好；当潜水矿化度在1.55～2.07 g∕L之间时，散点较为稀疏，植被生长受到些许限制，发育情况较差；当潜水矿化度大于2.07 g∕L 时，散点几乎没有，FVC 均值在0.2 以下，植被生长发育差。综上所述，随着潜水矿化度的增大，FVC 散点分布总体呈现密度减小、高值点减少的变化特征。根据以上可知，在本研究区潜水矿化度的高低影响着地表植被的覆盖程度，低矿化度地区地表植被覆盖程度较高，高矿化度地区地表植被覆盖程度较低。