葉勤玉，張 強(qiáng)，李小龍，金濤勇，何澤能，楊世琦

(1.重慶市氣象科學(xué)研究所，重慶 401147；2.重慶市氣象局，重慶 401147；3.武漢大學(xué)測(cè)繪學(xué)院，湖北 武漢 430072)

0 引言

陸地水儲(chǔ)量是水文循環(huán)的關(guān)鍵一環(huán)，是評(píng)估區(qū)域水量收支狀態(tài)的重要參數(shù)。目前對(duì)陸地水儲(chǔ)量變化的監(jiān)測(cè)方法主要有：站點(diǎn)觀測(cè)法[1]、衛(wèi)星遙感反演法[2-3]、物理模型模擬法[4]、GRACE重力衛(wèi)星反演法[5]。站點(diǎn)觀測(cè)法受實(shí)際地形地貌的影響，很難對(duì)大尺度區(qū)域進(jìn)行測(cè)量；衛(wèi)星遙感反演方法只能反演表層土壤水分，不能對(duì)深層水進(jìn)行探測(cè)；而物理模型模擬方法中觀測(cè)站點(diǎn)的分布不均影響了其精度和應(yīng)用范圍。GRACE重力衛(wèi)星具有全球觀測(cè)尺度統(tǒng)一、分布均勻等優(yōu)勢(shì)，被廣泛的應(yīng)用于全球以及區(qū)域尺度的陸地水儲(chǔ)量變化監(jiān)測(cè)評(píng)估中[6]。

近年來，利用GRACE重力衛(wèi)星數(shù)據(jù)研究陸地水儲(chǔ)量變化特征備受研究者的關(guān)注。馮貴平等[7]利用GRACE重力衛(wèi)星數(shù)據(jù)反演了2002年4月—2011年2月的月間隔全球陸地水總儲(chǔ)存量，并分析了其季節(jié)性和長(zhǎng)期變化特征。結(jié)果表明，GRACE反演的全球地下水儲(chǔ)量具有明顯的季節(jié)性變化和長(zhǎng)期趨勢(shì)。尼勝楠等[8]利用GRACE數(shù)據(jù)反演長(zhǎng)江、黃河流域的水儲(chǔ)量變化，并與水文模型進(jìn)行對(duì)比，研究其季節(jié)性和年際變化特征。結(jié)果表明，GRACE反演水儲(chǔ)量季節(jié)變化振幅略大于水文模型，可揭示厘米級(jí)等效水高變化。劉任莉等[9]利用GRACE衛(wèi)星數(shù)據(jù)反演了2003—2010年中國(guó)陸地水儲(chǔ)量變化，結(jié)果表明，GRACE反演的陸地水儲(chǔ)量變化結(jié)果與基于實(shí)測(cè)水文、氣象數(shù)據(jù)的結(jié)果符合較好，對(duì)2009—2010年西南五省特大旱災(zāi)也有著較好的反映。徐永明等[10]利用GRACE RL06數(shù)據(jù)及GLDAS數(shù)據(jù)對(duì)云貴高原陸地、地表以及地下水儲(chǔ)量變化進(jìn)行了反演，并對(duì)水儲(chǔ)量變化時(shí)序進(jìn)行了特征分析。結(jié)果表明，2002—2010年，GRACE與GLDAS反演的陸地水儲(chǔ)量的相關(guān)系數(shù)達(dá)0.94，且兩者的變化趨勢(shì)一致。魏光輝等[11]對(duì)GRACE估算的陸地水儲(chǔ)量進(jìn)行降尺度，分析了2002—2015年間塔里木河流域局部的干旱特征。結(jié)果表明，流域內(nèi)GRACE陸地水儲(chǔ)量與GLDAS土壤水的相關(guān)系數(shù)達(dá)0.35。陳智偉等[12]反演了2005—2012年珠江流域的陸地水儲(chǔ)量變化，結(jié)果表明，ITSG-GRACE 2018模型反演的珠江流域陸地水儲(chǔ)量季節(jié)性變化特征與GLDAS水文模型、降水?dāng)?shù)據(jù)以及地下水測(cè)井監(jiān)測(cè)數(shù)據(jù)具有較好的一致性。丁一航等[13]利用GRACE研究發(fā)現(xiàn)我國(guó)四大流域水儲(chǔ)量變化信號(hào)具有多種周期特性，研究結(jié)果與GLDAS結(jié)果具有很強(qiáng)的相關(guān)性。曹艷萍等[14]利用GRACE重力衛(wèi)星反演河南省水儲(chǔ)量變化，發(fā)現(xiàn)河南省陸地水儲(chǔ)量變化呈現(xiàn)典型的“余弦曲線”分布特征。

長(zhǎng)江流域是我國(guó)面積最大、水量最豐富的流域，同時(shí)也是我國(guó)人口密度最大的區(qū)域之一[15]。研究長(zhǎng)江流域的水儲(chǔ)量變化對(duì)探究流域水儲(chǔ)量變化特征、分析不同水文地質(zhì)條件對(duì)水儲(chǔ)量變化影響、指導(dǎo)自然資源的合理開發(fā)和生產(chǎn)活動(dòng)順利進(jìn)行、維護(hù)和保障國(guó)家安全有著重要的戰(zhàn)略意義。本研究利用2002年4月—2017年6月的GRACE數(shù)據(jù)，反演了長(zhǎng)江流域的水儲(chǔ)量變化，以期為長(zhǎng)江流域水資源合理利用與配置提供參考。

1 研究區(qū)與數(shù)據(jù)

1.1 研究區(qū)域

長(zhǎng)江是我國(guó)最長(zhǎng)的河流，發(fā)源于青藏高原，自西向東流經(jīng)青海、西藏、四川、云南、重慶、湖北、湖南、江西、安徽、江蘇、上海等11個(gè)省市，并最終注入東海。長(zhǎng)江流域，是指長(zhǎng)江干流和支流流經(jīng)的區(qū)域，是世界第三大流域，流域總面積約180萬 km2，維護(hù)和保障了我國(guó)的生態(tài)安全、供水安全、糧食安全、能源安全[16]。受西太平洋副熱帶高壓的強(qiáng)度以及位置的影響[17]，長(zhǎng)江流域年降雨量與暴雨時(shí)空分布不均，年降雨量約1 100 mm，水儲(chǔ)量變化具有很強(qiáng)的周期性[18]。

圖1 研究區(qū)高程圖Fig.1 DEM of Yangtze River Basin

1.2 數(shù)據(jù)

GRACE(Gravity Recovery and Climate Experiment)衛(wèi)星由美國(guó)國(guó)家航空航天局(NASA)和德國(guó)航空航天中心(DLR)聯(lián)合研制，于2002年3月發(fā)射成功，旨在提供高精度、高分辨率的地球重力場(chǎng)靜態(tài)分布數(shù)據(jù)，監(jiān)測(cè)月尺度上地球重力場(chǎng)的時(shí)空變化特征。GRACE數(shù)據(jù)由德州大學(xué)空間研究中心(CSR)、德國(guó)地學(xué)中心(GFZ)和噴氣推進(jìn)實(shí)驗(yàn)室(JPL)3家機(jī)構(gòu)處理并發(fā)布，數(shù)據(jù)形式為月重力場(chǎng)球諧系數(shù)，經(jīng)過相應(yīng)的反演程序即可獲取區(qū)域質(zhì)量變化信息。除球諧系數(shù)外，3家機(jī)構(gòu)還同時(shí)發(fā)布了Mascon產(chǎn)品，該產(chǎn)品為進(jìn)行適當(dāng)空間平滑后的全球格網(wǎng)點(diǎn)重力異常，可以用來進(jìn)行后續(xù)驗(yàn)證和進(jìn)一步對(duì)比分析。

本文選擇的GRACE數(shù)據(jù)為CSR于2018年6月發(fā)布的球諧系數(shù)產(chǎn)品，版本為最新的RL06，數(shù)據(jù)類型為GSM。RL06版本可以提供最大階數(shù)為96階和60階的兩組月重力場(chǎng)模型，而GSM表示扣除了高頻海洋信號(hào)和非潮汐因素等的影響，產(chǎn)品時(shí)間跨度為2002年4月—2017年6月。

為了對(duì)GRACE反演結(jié)果進(jìn)行驗(yàn)證，我們選擇了3種氣象數(shù)據(jù)模型：降雨模型選擇TRMM 3B43 v7數(shù)據(jù)集。該數(shù)據(jù)空間分辨率0.25°×0.25°，時(shí)間分辨率為1月，觀測(cè)范圍為50°S～50°N，180°W～180°E，覆蓋包括長(zhǎng)江流域在內(nèi)的我國(guó)大部分區(qū)域，時(shí)間跨度為2002年1月—2018年12月；徑流數(shù)據(jù)選擇水文站實(shí)測(cè)數(shù)據(jù)，包括大通站、宜昌站等，時(shí)間跨度為2000年1月—2020年10月；蒸散模型選擇ESA于2019年5月發(fā)布的GLEAM v3.3a全球蒸散數(shù)據(jù)集，該模型的時(shí)間跨度為1980—2018年共39 a，模型時(shí)間分辨率為月，空間分辨率為0.5°×0.5°。所有要素的時(shí)間間隔統(tǒng)一為2002年4月—2017年6月。表1為數(shù)據(jù)信息匯總表。

表1 數(shù)據(jù)信息匯總表Tab.1 Data information table

2 地表水儲(chǔ)量反演與驗(yàn)證方法

地球重力場(chǎng)通常可以用大地水準(zhǔn)面的形狀來描述，地球上某一點(diǎn)的大地水準(zhǔn)面N可以表示為一組球諧系數(shù)的總和[19]：

(1)

(2)

大地水準(zhǔn)面的變化會(huì)導(dǎo)致地表密度的重新分布，記密度變化為△ρ(r，θ，λ)，球諧系數(shù)的變化可表示為：

(3)

其中，ρa(bǔ)vs為地球平均密度，數(shù)值為5 517 kg·m-3。不妨假設(shè)△ρ為一厚度為H的薄層，并設(shè)地球表面面密度變化為△σ，則可以將其表示為△ρ的積分：

(4)

(5)

公式(5)反映了地表質(zhì)量變化對(duì)大地水準(zhǔn)面的影響，而在地表物質(zhì)遷移的同時(shí)，作為滯彈性體的地球也會(huì)在表面負(fù)荷變化的作用下產(chǎn)生形變，并引起大地水準(zhǔn)面的變化，即[20]：

(6)

其中kl為l階負(fù)荷勒夫數(shù)，表征滯彈性體對(duì)表面負(fù)荷的形變響應(yīng)。綜合公式(5)、(6)，大地水準(zhǔn)面的總變化為：

(7)

將面密度變化△σ展開：

(8)

其中ρw表示水的密度，數(shù)值為1 000 kg·m-3，△lm、△?lm為無量綱規(guī)格化球諧系數(shù)。根據(jù)公式(8)，有：

(9)

聯(lián)立公式(5)、(6)、(7)、(9)可得：

(10)

聯(lián)立公式(2)、(10)得：

(△Clmcos(mλ)+△Slmsin(mλ))

(11)

在陸地水儲(chǔ)量變化分析中，通常使用等效水高EWH(Equivalent Water Height)來表示地表質(zhì)量的變化，△EWH和△σ有如下關(guān)系：

(12)

聯(lián)立公式(11)、(12)，有：

(13)

其中ρa(bǔ)ve為地球平均密度，其數(shù)值為5 517 kg·m-3，ρw表示水的密度，數(shù)值為1000 kg·m-3。

GRACE發(fā)布的數(shù)據(jù)反映了地球靜態(tài)重力場(chǎng)，動(dòng)態(tài)變化信息會(huì)被大量靜態(tài)信號(hào)淹沒，因此需要將背景場(chǎng)去除掉，以放大時(shí)變信號(hào)，通常選擇2004—2009年的平均值作為背景場(chǎng)，并從每月球諧系數(shù)中扣除[21]。注意到GRACE衛(wèi)星軌道中心為地球的瞬心，因此與地球質(zhì)心有關(guān)的C10、C11、S113項(xiàng)無法反映真實(shí)的重力場(chǎng)信號(hào)；同時(shí)GRACE衛(wèi)星軌道近圓，對(duì)反映地球扁率的C20項(xiàng)也不敏感。因此，在利用GRACE數(shù)據(jù)反演地表質(zhì)量變化前，需要對(duì)以上數(shù)據(jù)進(jìn)行替換，通常選擇基于海洋模型的一階項(xiàng)系數(shù)和基于衛(wèi)星激光測(cè)距SLR(Satellite Laser Ranging)的C20項(xiàng)系數(shù)作為替代[22-23]。

同時(shí)，在反演過程中，需要將系數(shù)進(jìn)行截?cái)嘁越档驮肼?，但這種方法并不能將噪聲清除干凈，這是因?yàn)榇藭r(shí)的球諧系數(shù)除仍存在著高頻噪聲和南北方向上的條帶誤差。這些誤差有兩種來源：一是GRACE重力場(chǎng)模型高階位系數(shù)中存在著較大的隨機(jī)誤差，需要用高斯濾波進(jìn)行去除，通常選擇300 km高斯濾波[24]；二是相同次數(shù)、不同階數(shù)的系數(shù)之間存在著相關(guān)關(guān)系，在空間域上表現(xiàn)為南北方向出現(xiàn)的明顯條帶，需要通過于PxMy模型方法進(jìn)行降噪，通常選擇P3M9法[25]。上述兩種濾波方法雖然能較大程度上去除噪聲，但同時(shí)也帶來了新的誤差：泄露誤差，這是一種伴隨著信號(hào)截?cái)嗪涂臻g平滑出現(xiàn)的誤差，需要使用基于尺度因子法的泄露誤差改正方法進(jìn)行改正[26]。

冰后回彈效應(yīng)PGR(Post Glacial Rebound)，又稱冰川均衡調(diào)整GIA(Glacial Isostatic Adjustment)，揭示了始于7萬年前、終于1.15萬年前的末次冰期對(duì)黏彈性地球的影響。在末次冰期，地球上絕大部分區(qū)域都被大冰原覆蓋，地表在冰原巨大的重力作用下不斷凹陷；1.8萬年前冰川開始消退，大片冰原消融，但由于地幔的黏彈性，原來負(fù)載冰蓋的地區(qū)會(huì)在壓力減小后向上彈起，對(duì)地殼運(yùn)動(dòng)、重力場(chǎng)反演、地表質(zhì)量遷移等都有著重要的影響。本文使用基于最新的GIA模型——A13模型的冰川均衡調(diào)整方法[27]。

在獲取指定區(qū)域地表水儲(chǔ)量變化TWSC(Terrestial Water Storage Change)時(shí)間序列后，需要對(duì)序列進(jìn)行頻譜分析以得到該區(qū)域水儲(chǔ)量變化的頻譜域特征，包括趨勢(shì)項(xiàng)、季節(jié)項(xiàng)、異常項(xiàng)等信號(hào)。因此本文選用基于最小二乘的水儲(chǔ)量變化時(shí)間序列分析方法[28]，可由以下函數(shù)模型近似表達(dá)：

(14)

式中，a0為擬合殘差，a1為趨勢(shì)值，fi(i=1,2)為信號(hào)頻率，單位為1/a，φi為信號(hào)相位。當(dāng)i=1時(shí)對(duì)應(yīng)周年信號(hào)，此時(shí)fi=1，bi為周年信號(hào)振幅；當(dāng)i=2時(shí)對(duì)應(yīng)半周年信號(hào)，此時(shí)fi=2，bi、ci為半周年信號(hào)振幅。

基于GRACE衛(wèi)星的水儲(chǔ)量變化反演及分析流程如圖2所示：①系數(shù)替換。將2004—2009年的系數(shù)平均值作為背景場(chǎng)，并從每月球諧系數(shù)中扣除；②使用海洋模型和SLR數(shù)據(jù)對(duì)一階項(xiàng)和C20系數(shù)進(jìn)行替換；③對(duì)重力場(chǎng)模型進(jìn)行300 km高斯濾波和P3M9去相關(guān)濾波，得到基本消除高階誤差和南北條帶的質(zhì)量變化空間分布；④利用尺度因子法對(duì)泄露誤差進(jìn)行改正，恢復(fù)被信號(hào)截?cái)嗪透咚篂V波污染的信號(hào)；⑤利用A13模型消除冰后回彈效應(yīng)的影響；⑥利用最小二乘法對(duì)獲得的地表水儲(chǔ)量變化時(shí)間序列進(jìn)行分析和處理，從而得到序列的趨勢(shì)、周年信號(hào)、半周年信號(hào)等重要參數(shù)，并分析它們的時(shí)空變化特征。

為驗(yàn)證水儲(chǔ)量變化結(jié)果的準(zhǔn)確性，采用水文要素模型對(duì)GRACE結(jié)果進(jìn)行評(píng)估?；诹饔蛩科胶夥匠蹋瑓^(qū)域水儲(chǔ)量變化與降雨(P)、徑流(R)、蒸散(ET)之間存在著如下關(guān)系：

△TWSC=P-ET-R

(15)

因此，在獲取氣象要素時(shí)間序列和空間分布后，可以擬合水儲(chǔ)量變化的時(shí)空規(guī)律，擬合效果越好，就說明GRACE結(jié)果越精確。同時(shí)，由于長(zhǎng)江流域位于東亞季風(fēng)帶上，降雨變化和后續(xù)的徑流蒸散過程是導(dǎo)致其水儲(chǔ)量變化的主要影響因素，因此對(duì)氣象要素的研究有助于了解水儲(chǔ)量變化的主要驅(qū)動(dòng)力和驅(qū)動(dòng)過程，有助于評(píng)估流域尺度的水量收支狀態(tài)。

3 結(jié)果與分析

3.1 長(zhǎng)江流域水儲(chǔ)量時(shí)間變化特征分析

時(shí)間變化特征即為時(shí)間序列的趨勢(shì)，周年、半周年項(xiàng)的振幅以及相位等信息。使用基于最小二乘的水儲(chǔ)量變化時(shí)間序列分析方法，對(duì)時(shí)間序列進(jìn)行頻譜分析，獲取序列趨勢(shì)項(xiàng)、季節(jié)項(xiàng)等變化特征。

圖2 地表水儲(chǔ)量變化反演與分析流程Fig.2 Flow chart of terrestrial water storage changes inversion and analysis

長(zhǎng)江流域2002年4月—2017年6月的地表水儲(chǔ)量變化時(shí)間序列及其最大影響源：降雨的時(shí)間序列對(duì)比見圖3，特征分析結(jié)果如表2所示[29]。

圖3 長(zhǎng)江流域2002年4月—2017年6月地表水儲(chǔ)量變化與降雨時(shí)間序列對(duì)比Fig.3 The time series terrestrial water storage changes in the Yangtze River Basin from April 2002 to June 2017

結(jié)合表2，從趨勢(shì)項(xiàng)可以推斷2002年4月—2017年6月這16 a間，長(zhǎng)江流域整體水儲(chǔ)量處在一個(gè)緩慢上升的狀態(tài)，長(zhǎng)江流域水儲(chǔ)量變化速率為4.1±1.1 mm·ɑ-1，總體水量在此期間增加了大約1.1×1011T，說明長(zhǎng)江流域在近16 a來處于豐水狀態(tài)，平均每年增加約1.6個(gè)太湖的水量。

表2 長(zhǎng)江流域2002年4月—2017年6月地表水儲(chǔ)量變化與降雨時(shí)間序列特征分析表Tab.2 The characteristics of the time series terrestrial water storage changes and precipitation in the angtze River Basin from April 2002 to June 2017

考慮到長(zhǎng)江流域復(fù)雜的地質(zhì)構(gòu)造、特殊地形以及人為因素的影響，長(zhǎng)江流域水儲(chǔ)量變化的周期信號(hào)有很多，最主要的是周年信號(hào)和半周年信號(hào)。表2的結(jié)果表明，長(zhǎng)江流域地表水儲(chǔ)量變化中有著56.0 mm等效水柱高的周年性波動(dòng)，半周年波動(dòng)的振幅為10.9 mm等效水柱高；而降雨的周年振幅是地表水儲(chǔ)量周年振幅的約1.5倍，半周年振幅則與地表水儲(chǔ)量相當(dāng)，相關(guān)系數(shù)高達(dá)0.75，反映了降雨對(duì)長(zhǎng)江流域地表水儲(chǔ)量變化的深刻影響。地表水儲(chǔ)量變化的周年相位約-6.6°，且振幅為負(fù)，揭示了長(zhǎng)江流域水儲(chǔ)量在每年8月左右達(dá)到最大值，在2月左右達(dá)到最小值，這與實(shí)際情況相吻合。長(zhǎng)江流域受亞熱帶季風(fēng)氣候的影響，夏汛集中在5—8月，降雨的增加會(huì)導(dǎo)致水儲(chǔ)量的大幅度增加，于是在8月左右出現(xiàn)峰值；而汛期過后，水儲(chǔ)量逐漸平穩(wěn)，隨著秋冬季節(jié)的到來，降水減少，加之大量蒸散發(fā)作用，水儲(chǔ)量逐漸減少，并在2月左右出現(xiàn)谷值，這一變化規(guī)律同樣體現(xiàn)在降雨序列中。降雨周年項(xiàng)的相位為-0.1°，表明降雨在每年的7月達(dá)到峰值，并在1月達(dá)到谷值，這一結(jié)果與水儲(chǔ)量之間存在著約1個(gè)月的間隔，這是因?yàn)榻涤晔且粋€(gè)動(dòng)態(tài)過程，且降雨除了蓄積在流域內(nèi)，還有部分以徑流、水蒸氣的形式流出，所以降雨過程結(jié)束后需要一段時(shí)間才能在水儲(chǔ)量中有所體現(xiàn)。

長(zhǎng)江流域地表水儲(chǔ)量半周年相位為-6.6°，振幅為10.9 mm，說明長(zhǎng)江流域水儲(chǔ)量除了“2月谷值—8月峰值—2月谷值”這種水儲(chǔ)量周期變化模式外，還存在著“2月峰值—5月谷值—8月峰值—11月谷值—2月峰值”的變化規(guī)律，且規(guī)模只有前者的20%左右；而降雨的半周年相位為0.2°，揭示了降雨“12月峰值—3月谷值—6月峰值—9月谷值—12月峰值”的變化規(guī)律，與水儲(chǔ)量變化之間存在2個(gè)月的時(shí)延，與周年項(xiàng)的1個(gè)月不同，推測(cè)可能是因?yàn)檎穹^小，所以需要累積更長(zhǎng)時(shí)間才能被GRACE衛(wèi)星捕捉到，而降雨的半周年振幅為10.1 mm，幾乎與水儲(chǔ)量變化振幅相同。

3.2 長(zhǎng)江流域水儲(chǔ)量空間變化特征分析

空間分布特征體現(xiàn)了區(qū)域內(nèi)不同格網(wǎng)點(diǎn)、不同參數(shù)的分布特征和規(guī)律。圖4a、4b分別為長(zhǎng)江流域2002年4月—2017年6月1°×1°格網(wǎng)點(diǎn)上地表水儲(chǔ)量變化趨勢(shì)項(xiàng)、周年項(xiàng)振幅絕對(duì)值的空間分布，可以分辨出長(zhǎng)江流域上各格網(wǎng)點(diǎn)、各區(qū)域、各水系的水儲(chǔ)量變化分布特征。

圖4 長(zhǎng)江流域2002年4月—2017年6月地表水儲(chǔ)量變化的趨勢(shì)(a)和周年項(xiàng)振幅絕對(duì)值(b)空間分布Fig.4 Trends and absolute values of annual signals’ amplitudes of water storage change in the Yangtze River Basin from April 2002 to June 2017

總的來看，長(zhǎng)江流域大部分區(qū)域水儲(chǔ)量在2002年4月—2017年6月間保持著增加的趨勢(shì)，且在中下游區(qū)域增速較快，而金沙江流域中部大片區(qū)域以及岷江流域、嘉陵江流域、漢江流域北部等區(qū)域的水儲(chǔ)量處在持續(xù)減少的狀態(tài)。年際信號(hào)的振幅反映了水儲(chǔ)量周期變化的幅度，可以看到長(zhǎng)江流域周年振幅較為平穩(wěn)，統(tǒng)計(jì)后發(fā)現(xiàn)全流域平均振幅為64.9 mm，78.4%的格網(wǎng)振幅均小于100 mm，而在金沙江流域南部以及洞庭湖流域東部、鄱陽湖流域等中下游區(qū)域振幅較大，部分地區(qū)達(dá)到200 mm以上。

3.3 水儲(chǔ)量變化的水文氣象驗(yàn)證

為了驗(yàn)證GRACE水儲(chǔ)量變化結(jié)果的準(zhǔn)確性，基于流域水量平衡方程，我們選擇長(zhǎng)江流域上游2007—2016這10 a間的水儲(chǔ)量和水文氣象數(shù)據(jù)，探究GRACE衛(wèi)星在流域尺度的觀測(cè)效果和適應(yīng)性，同時(shí)分析水儲(chǔ)量變化的驅(qū)動(dòng)因素。圖5為長(zhǎng)江流域上游水儲(chǔ)量變化和降雨—蒸散—徑流的時(shí)間序列對(duì)比，發(fā)現(xiàn)二者的變化規(guī)律十分接近。2006—2016年，長(zhǎng)江流域上游水量收支狀態(tài)基本平衡，即水儲(chǔ)量的變化量(-3.7 mm·a-1)≈輸入量(降雨0.4 mm·a-1)-輸出量(蒸散0.1 mm·a-1+徑流3.8 mm·a-1)，同時(shí)收支狀態(tài)基本平衡也反映出這些水文要素模型的準(zhǔn)確性，它們?cè)陂L(zhǎng)江流域上游的這10 a間有著很好的擬合效果，總體上呈現(xiàn)出良好的評(píng)估效果。

圖5 長(zhǎng)江流域上游2007年1月—2016年12月水量收支狀態(tài)Fig.5 The water storage changes of upper Yangtze River from January 2007 to December 2016

4 結(jié)論

本文利用GRACE重力衛(wèi)星數(shù)據(jù)對(duì)長(zhǎng)江流域地表水儲(chǔ)量變化進(jìn)行了分析。結(jié)果表明：2002年4月—2017年6月近16 a間，長(zhǎng)江流域整體水儲(chǔ)量處在一個(gè)緩慢上升的狀態(tài)，地表水儲(chǔ)量變化速率為4.1±1.1 mm·ɑ-1，總體水量在這一期間增加了大約1.1×1011T。在長(zhǎng)江中下游區(qū)域，水儲(chǔ)量增速較快，而金沙江流域中部大片區(qū)域以及岷江流域、嘉陵江流域、漢江流域北部等區(qū)域的水儲(chǔ)量處在持續(xù)減少的狀態(tài)；流域大部分區(qū)域水儲(chǔ)量的年際波動(dòng)較為平緩，78.4%的格網(wǎng)振幅均小于100 mm。降雨對(duì)長(zhǎng)江流域水儲(chǔ)量變化周期項(xiàng)的影響程度較大?；谒臍庀髷?shù)據(jù)的統(tǒng)計(jì)分析顯示這一結(jié)果能夠較為準(zhǔn)確的體現(xiàn)長(zhǎng)江流域近16 a的水量收支狀態(tài)。

目前GRACE衛(wèi)星任務(wù)已結(jié)束，后續(xù)衛(wèi)星GRACE Follow-On已發(fā)射，但數(shù)據(jù)尚未發(fā)布。未來將繼續(xù)關(guān)注GRACE Follow-On衛(wèi)星數(shù)據(jù)，對(duì)長(zhǎng)江流域地表水儲(chǔ)量變化進(jìn)行更加詳細(xì)和深入的研究與分析，并研究與GRACE衛(wèi)星空間時(shí)間段數(shù)據(jù)的填補(bǔ)問題，實(shí)現(xiàn)對(duì)長(zhǎng)江流域陸地水儲(chǔ)量的長(zhǎng)期監(jiān)測(cè)。