两种重力卫星数据集的区域适用性分析

朱永华，罗平平，张洁，席小康，梁丽娥

(1.延安大学 建筑工程学院，陕西 延安 716000；2.长安大学 旱区地下水文与生态效应教育部重点实验室，西安 710054；3.长安大学 水与环境学院，西安 710054；4.陕西省水文水资源勘测中心，西安 710054)

0 引言

作为陆地水资源储量的重要组成部分，地下水储量变化对全球水文循环和水资源管理至关重要。全球多地区地下水超采日趋加剧，并导致许多环境问题，诸如，印度北部和非洲肯尼亚的地下水储量迅速下降以及墨西哥阿瓜斯卡连特斯山谷因地下水开采而导致的结构控制性地面沉降[1-4]。就我国而言，过度依赖地下水资源的区域，如华北平原[5]、黄淮海平原[6]和西辽河平原[7-8]等也都受到了一定程度的影响。开展大尺度的野外地下水资源实地调查无疑是理论上监测地下水状况的最优方法，但该方法受限于客观条件，需要消耗大量人力物力[9]，同时由点上的结果扩展到面上时也可能产生偏差。而地下水数值模型由于自身的不确定性及水文过程的复杂性导致其应用与结果存在很大的局限性[10]。因此，如何能够及时、准确和全面地进行水资源，特别是地下水资源的动态监测，已经成为当代的研究热点与重点，引起政府与相关领域专家学者越来越多的重视。

随着遥感卫星技术的不断完善与发展，源自“地球重力场反演和气候实验(gravity recovery and climate experiment，GRACE)”卫星任务的遥感数据使得空间探测区域尺度的水文因子，特别是水资源储量与地下水储量成为了可能[11-13]。由于其具有时间连续、空间范围广、可重复、廉价等特点，不仅可以弥补传统水文监测方法的不足，还可以在传统监测的协助下更有效地评估区域水资源[14]。GRACE卫星数据分别由美国德克萨斯大学空间研究中心(Center of Space Research，CSR)、德国波茨坦地学中心(German Research Centre for Geosciences，GFZ)和美国喷气动力实验室(Jet Propulsion Laboratory，JPL)进行处理与分发。目前，GRACE卫星数据被广泛应用于河流流域尺度[15-16]、区域尺度[17-18]、湖泊及水库流域尺度[19-20]的水资源储量变化研究中，取得了大量的研究成果。与此同时，GRACE卫星数据还可以用于反演地下水资源量变化，为不同空间尺度的地下水储量变化研究提供可靠的数据支撑[21-22]，尤其在资料稀缺的地区，其优势更为明显，如依据监测数据反演流域地下水储量变化情况[23]、估算地下水年开采量[24]和水资源利用情况[25]等。然而，由于GRACE卫星数据处理方式的不同，如球谐系数的选取、质量异常的处理以及降低计算误差等，导致数据集在空间尺度和区域适用性等方面存在差异。因此，不同数据源的GRACE卫星数据之间的对比研究势在必行，这也是未来进行区域水资源，特别是地下水动态监测的科学基础。目前有关不同数据源的GRACE卫星数据之间的对比研究刚刚开始，而在半干旱区西辽河流域平原区开展的相关研究仍鲜有报道。

为了实现中国北方农牧交错带典型沙地区域的地下水资源动态变化监测，本文分别采用由JPL和CSR提供的GRACE level-1和RL05 level-2数据，反演该地区陆地水资源储量及地下水储量变化，并与区域水文部门实测地下水资源数据反演计算的结果进行对比验证，以期识别适用于研究区的数据源，为当地水资源的保护与可持续利用提供科学数据参考。

2 材料与方法

2.1 研究区概况

研究区位于中国北部农牧交错带典型沙地区域(42°30′N～45°00′N，120°00′E～123°30′E之间，图1)，面积约3.2×104km2，平均海拔800 m。研究区年降水量在350～450 mm之间，年平均气温为6.0 ℃，蒸发量(Φ20 cm)为1 817 mm[26]。大约80%的总降水量发生在夏季(6—9月)。研究区作为半干旱地区典型的农牧交错带，农作物、树木和草本植被构成了主要的植被类型。三条主要河流(西辽河、教来河和新开河)曾流经研究区。然而，河流的流量均已经减少，甚至季节性或常年干涸[27]。在过去的30年里，伴随着研究区灌溉用水需求的增加，作为满足各类用水的地下水资源锐减，埋深值从2 m显著下降到6 m，生态效应加剧。

图1 研究区位置及实测地下水观测井分布图【审图号：GS(2022)2235号】

2.2 数据来源

1)陆地水资源储量变化(terrestrial water storage change，TWSC)。本文所采用的TWSC数据分别为JPL和CSR提供的2002年4月至2014年12月共153个月的GRACE level-1(空间分辨率为0.5°)(https：//grace.jpl.nasa.gov)和RL05 level-2(空间分辨率为1.0°)(http：//isdc.gfz-potsdam.de/grace-isdc/)数据，单位为cm。但是由于卫星自身的原因和测量误差等因素[28]，研究期间有13个月的数据不可用，即2002年6月、2002年7月、2003年6月、2011年1月、2011年6月、2012年5月、2012年10月、2013年3月、2013年8月、2013年9月、2014年2月、2014年7月和2014年12月。本文采用插值法[29]对缺失数据进行插值填补。

GRACE卫星的月重力模型数据反映的是与地球静态结构相关的成分，即其反演的是每个像元水储量多年距平，即像元每月水储量与该像元水储量多年均值的差值。本文将各数据减去2004—2010年的平均值来反映陆地水资源储量变化情况，正负号用于反映变化的方向，分别代表TWSC呈积累或亏损状态。

2)全球陆地数据同化系统(global land data assimilation system，GLDAS)水文模型数据。由于缺乏对水文数据的连续监测，GLDAS-NOAH数据被用于分析水文因子变化情况[30]。本文中的土壤水分(soil moisture，SM)、雪水当量(snow water equivalent，SWE)和总冠层蓄水量(total canopy water storage，TCWS)数据均来自GLDAS-NOAH数据产品(https：//disc.gsfc.nasa.gov/)。GLDAS-NOAH数据时间序列为2002年1月至2014年12月，具有月时间分辨率和0.25°空间分辨率。以上数据单位为kg/m2，土壤水分数据的深度分别为10、40、100、200 cm。

3)实测地下水埋深(groundwater from in situ observations，GWIn-Situ)。本文采用的实测地下水埋深数据源自2002—2014年研究区范围内水利部门75口地下水埋深观测井的实测数据，分布位置详见图1。该值取自每月三次埋深值的均值，时间尺度为月，单位为m。

2.3 数据处理

GRACE卫星所反演的TWSC是由陆地各水文要素构成的，如土壤水、地表水、雪水等，其中地下水资源量变化(groundwater resources change，GWC)也是其重要的组成部分，特别是在缺少地表水资源的干旱半干旱地区。本文基于上文处理获取的数据，运用水平衡原理，将GWC从TWSC中分离出来，计算如式(1)所示。

GWC=TWSC-GLDASC(SMC+SWEC+TCWSC)

(1)

式中：GWC为地下水储量变化；TWSC数据分别源自CSR和JPL的GRACE卫星数据；GLDASC为GLDAS-NOAH模型反演的不同水资源储量变化。

3 结果与分析

3.1 不同数据源反演TWSC时间特征分析

2002—2014年月尺度CSR和JPL的GRACE卫星数据所反演的TWSC数值如图2所示，二者变化趋势整体上均呈现出小幅度的下降，呈亏损状态，变化速率分别为-0.003 cm/月和-0.011 cm/月。

图2 2002—2014年CSR/JPL反演陆地水资源总储量变化

通过分析不同数据源反演的TWSC值可以发现，JPL与CSR数据反演结果的相关性显著(R=0.848，P<0.01)，但前者较CSR数据变化幅度相对较大，其值范围为-6.9～10.4 cm。

3.2 不同数据源反演GWC时间特征分析

基于不同数据源GRACE卫星数据，反演获取典型沙地区域的GWC，并用以进行月尺度时间序列的区域地下水储量变化分析，详见图3。

图3 2002—2014年CSR/JPL反演计算地下水储量变化

分别基于JPL和CSR的GRACE卫星数据所反演的GWC值在研究期间的变化趋势相对统一(R=0.614，P<0.01)，均呈波动式下降趋势，变化速率分别为-0.029和-0.024 cm/月，说明二者反演精度相似，均能用于表征区域地下水储量变化。并且，JPL所反演计算的GWC值均高于CSR反演值，可能是由于预处理方法和时空分辨率的不同所造成。其中，分别在2002—2006年和2013—2014年时间段，不同数据源(JPL和CSR，顺序下同)变化率分别为-0.014、-0.076 cm/月和0.114、0.145 cm/月。但是，在2007—2012年期间，JPL所反演计算的GWC略低于CSR反演值，变化率分别为-0.087和-0.101 cm/月。该结果证实，此期间内区域地下水变化情况复杂，变化幅度相对明显。2012年以后，二者的GWC与区域TWSC变化趋势相一致，均呈小幅度增加。通过分析可推测，研究区降水量近几年呈增加趋势，必然对区域水资源量积累产生正面作用。此外，由于国家和政府对区域所面临的生态环境问题的不断重视，一系列的生态环境保护措施的实施也将对地下水超采等问题起到了抑制作用。

3.3 不同数据源GRACE卫星数据适用性分析

本文以研究区75口地下水观测井的地下水埋深实测数据为基础，以期对两种GRACE卫星数据反演的GWC成果进行验证。首先，进行等效水高化处理，即将地下水埋深变化值乘以给水度，以期获取等效水高形式的地下水储量变化值，详见图4。其中给水度参考前人已有研究成果[31]，选用其均值0.111 3作为参数。之后，将其与卫星数据所反演的GWC进行对比分析。

图4 2002—2014年实测数据反演计算地下水储量变化

基于实测埋深值获取的地下水储量变化与基于GRACE卫星数据所反演的值变化趋势相对一致，呈现亏损状，详见图4。然而，实测计算的GWC数值与CSR及JPL卫星数据反演计算的结果相关性不显著(R=0.145，P>0.05；R=0.038，P>0.05)，前者下降变化趋势更为明显，变化率达-0.154 cm/月。为了更加直观地判别不同数据源反演GWC与基于实测埋深反演结果拟合程度，本文结合图3的阶段变化趋势，分别进行相关性分析。表1分别给出了源自不同数据源的卫星遥感和传统水文监测两种方法所反演的地下水储量变化相关性分析结果。

表1 2002—2014年不同数据源反演计算地下水储量变化相关性分析

由表1可知，2002—2006年期间，CSR反演的GWC结果较JPL反演结果与基于传统水文监测法反演GWC值相关性显著(R=0.289，P<0.01)，后者未通过显著性检测。2007—2012年期间，卫星反演计算数据与实测计算数据值相关性显著，均通过了显著性检测。与之相反，2013—2014年期间，卫星反演计算数据与实测计算数据值相关性不显著，均未通过显著性检测，但CSR反演计算结果与实测计算结果相关系数较大，说明二者相关性高于JPL反演计算结果。综上所述，CSR反演计算GWC与基于传统水文监测法反演GWC值变化趋势相对一致，更能适用于研究区地下水储量变化的反演研究。

4 讨论

已有许多学者针对典型沙地区域的水资源动态变化进行研究，认为其呈下降趋势[32-33]，与本文的研究结果相一致，表明GRACE卫星数据反演计算的结果可以用于表征区域水资源储量变化。与此同时，基于对比分析CSR/JPL卫星数据所反演的平原区TWSC情况，可知二者整体上变化趋势相一致，相关性显著。但是，JPL所反演结果相对变化显著，变化幅度大于CSR反演结果，这可能是由于不同数据源GRACE卫星数据的预处理方法不同所引发的，陶征广等[34]基于 GRACE卫星数据反演安徽省地下水储量变化时也对此进行过分析。

地下水埋深长时间序列数据为研究区域地下水资源动态变化提供了所必需的关键历史视角[35-37]。但若想获得任何有意义的地下水埋深监测数据，连续、大量的及有代表性的地下观测井是关键需求。本文中地下水埋深值的观测井均位于耕地或城镇等地，受人为因素影响较大，兼之数量有限，观测值不能较好地代表整体区域性，特别是具有广阔面积的草地与未利用地等的地下水状况[38]，这也解释了不同数据源的GRACE卫星数据反演计算的地下水储量变化与实测埋深值反演计算的结果相关性较差的原因。值得说明的是，CSR 和 JPL 哪一个更适用于表征本研究区水资源储量的实际情况，需要进一步去采用卫星数据降尺度等方法或基于大量的地面长期观测数据集进行模拟预测等方式来评判，还需要不断全面与深入地进行研究。

5 结束语

本文比较了CSR和JPL的GRACE卫星数据在反演农牧交错带典型沙地区域陆地水资源储量变化及计算地下水储量变化的异同，主要结论有以下几点。

1)研究区陆地水资源储量变化及地下水储量变化整体上均呈现出下降趋势，呈亏损状态，JPL的反演结果较CSR反演结果变化速率快、幅度大。

2)通过对比实测地下水埋深反演计算的地下水储量变化，CSR反演计算研究区地下水储量变化结果更适用于研究区进行表征地下水动态变化情况。

3)GRACE卫星数据对于了解大尺度区域陆地水资源储量变化的特征及趋势具有重要作用。鉴于 GRACE卫星数据得到了广泛应用并取得了大量研究成果，评估 CSR和 JPL不同数据源的卫星数据的区域适用性，以及利用实测地下水埋深数据集评判哪一个数据源更适用于表征区域水资源动态变化情况，具有重要的科学研究和社会价值。