李 舒，師鵬飛，谷曉偉，付新峰，倪深海，張 楠

（1. 河南省黃河流域生態(tài)環(huán)境保護與修復重點實驗室，河南 鄭州 450003；2. 黃河水利委員會黃河水利科學研究院，河南 鄭州 450003；3. 河海大學 水文水資源學院，江蘇 南京 210098；4. 南京水利科學研究院，江蘇 南京 210029）

1 研究背景

地下水是支撐陜西省社會經(jīng)濟發(fā)展和維系生態(tài)系統(tǒng)健康的重要水源，其儲量變化對陜西省農(nóng)業(yè)、城鎮(zhèn)生活、工業(yè)及生態(tài)環(huán)境的用水量響應較為敏感。而陜西省作為煤炭資源主產(chǎn)區(qū)，煤礦開采這一人類活動對地下水水儲量的擾動作用也十分明顯。采用傳統(tǒng)的地下水水位、給水度、有效孔隙度等水文地質(zhì)參數(shù)推測地下水水儲量的變化需要開展大量的地質(zhì)鉆孔工作，既費時又費力［1-2］。區(qū)域內(nèi)的地下水水位觀測井布設的密度較小，而且有些煤礦的觀測井并未納入政府統(tǒng)一管理，含水層受采礦擾動后，通過地下水模型模擬區(qū)域地下水水儲量變化亦存在難度［3-5］。

近年來，衛(wèi)星遙感技術(shù)的發(fā)展，為監(jiān)測地下水水儲量變化提供了新的途徑。GRACE（Gravity Recovery and Climate Experiment）重力衛(wèi)星于2002年3月發(fā)射升空，該衛(wèi)星可建立月尺度下的全球重力場模型，進而反演全球水儲量變化的分布情況［6］。全球水儲量變化主要由陸地水儲量變化引起，陸地水儲量主要是由地表水、土壤水、地下水和冰川融雪等4 部分組成。近年來，國內(nèi)外學者利用GRACE重力衛(wèi)星成功反演了全球和華北平原、松花江流域等大、中尺度流域的陸地水儲量變化情況［7-9］，約旦、青藏高原、加利福尼亞中央山谷等區(qū)域內(nèi)地下水儲量變化情況［10-12］，以及冰川融雪的水儲量變化情況［13］。這些研究主要采用以下方法反演地下水和冰川融雪的水儲量變化情況，并評估GRACE監(jiān)測數(shù)據(jù)在研究區(qū)的適用性［14］。首先，利用氣候水文模型模擬地表水、土壤水儲量變化，其次，從GRACE反演出的陸地水儲量變化量中扣除地表水和土壤水儲量變化量，最后，將扣除后的陸地水儲量變化量與模型模擬結(jié)果或是實測數(shù)據(jù)進行比較，評估反演結(jié)果的合理性和準確性。

國內(nèi)外學者還利用GRACE 數(shù)據(jù)反演了不同氣候條件下區(qū)域的陸地水儲量和地下水水儲量。例如，Naveed等［15］采用GRACE反演出了月尺度的地下水水儲量變化，可為濕潤氣候條件下印度河上游的水行政主管部門提供決策所需的基礎(chǔ)數(shù)據(jù)。Ouyang等［16］通過比較GRACE反演出的地下水水儲量變化和農(nóng)田擴張面積的關(guān)系，發(fā)現(xiàn)GRACE數(shù)據(jù)可支撐半濕潤區(qū)域下的凍融作物水資源管理。Pascal等［17］發(fā)現(xiàn)GRACE 無法監(jiān)測墨西哥中部農(nóng)業(yè)灌溉區(qū)的退水情況。Ahmed 等［18］利用GRACE 數(shù)據(jù)反演了地處干旱區(qū)的努比亞沙巖含水層水儲量的變化量，發(fā)現(xiàn)該含水層水儲量以極快的速率下降。曹艷萍等［19］反演了黑河中上游地下水儲量，發(fā)現(xiàn)與實測地下水數(shù)據(jù)的相關(guān)性較好。Soumendra 等［20］利用印度2005—2013年15000多口地下水觀測井數(shù)據(jù)，驗證了基于質(zhì)量密集模型和球諧系數(shù)模型解譯GRACE重力場反演地下水水儲量的適用性，研究結(jié)果表明采用質(zhì)量密集模型解譯法在區(qū)域尺度反演效果更好。另外，還有一些學者在德克薩斯州［21］、中亞［22］、乍得湖流域［23］和底格里斯-幼發(fā)拉底河流域［24］等干旱區(qū)開展了一系列的應用研究，結(jié)果表明GRACE可有效監(jiān)測干旱區(qū)地下水水儲量變化量。除此之外，Liu等［25］利用GRACE 結(jié)合統(tǒng)計模型預測了黃河下游枯水期的流量，減少了預報誤差，增長了預見期。Liu等［26］將GRACE與干旱指數(shù)結(jié)合分析了海河流域干旱情況。

當前，大規(guī)模、大范圍煤礦開采活動導致流域地表-地下水循環(huán)發(fā)生了重要變化［5］，僅采用傳統(tǒng)的地下水水位觀測井數(shù)據(jù)尚無法全面刻畫區(qū)域尺度下地下水的變化情況。GRACE在流域和區(qū)域地下水儲量變化監(jiān)測中的成功運用，特別是在干旱區(qū)的成功運用，有力指導了流域水資源的科學配置，為研究大規(guī)模大范圍煤礦開采活動下的地下水儲量變化提供了新的途徑和先進手段。為此，本文選擇典型的煤礦開采區(qū)—窟野河流域，采用GRACE重力衛(wèi)星、結(jié)合GLDAS數(shù)據(jù)，監(jiān)測窟野河流域地下水水儲量變化，以揭示煤礦開采影響下的窟野河流域地下水水儲量變化，并拓展GRACE的應用范圍。

2 研究區(qū)概述

窟野河（圖1）是黃河中游的一級支流，河長242 km，流域面積8706 km2。該流域位于黃土高原和毛烏素沙漠之間，地理范圍為北緯38°22′—39°50′，東經(jīng)109°28′—110°45′，主要由風沙區(qū)、基巖出露區(qū)和黃土覆蓋區(qū)組成，其中，流域上中游以前兩種地貌為主，流域下游以后一種地貌為主［27］。受大陸季風氣候影響，流域多年平均溫度為7.9℃，降水量為415 mm，降水多集中于6—9月，占年降水總量的75%～81%。流域多年平均徑流量為5.44億m3，多集中于7—10月，占年徑流量的57%～74%［28］。

圖1 窟野河流域氣象站、水文站及礦區(qū)分布

通過對15個煤礦開采區(qū)的水文地質(zhì)資料分析發(fā)現(xiàn)，礦井涌水的主要來源為薩拉烏蘇組含水層（第四系潛水）和侏羅系燒變巖含水層。薩拉烏蘇組含水層主要分布在流域中游，而在其他地方主要呈分散狀、薄層分布，分布面積為336.58 km2，補給源主要來自降雨，入滲系數(shù)在0.03 ～0.25之間。侏羅系燒變巖含水層主要分布在窟野河西邊的支流兩側(cè)，補給源主要來自薩拉烏蘇組含水層，構(gòu)造有利部位可形成強富水區(qū)，其滲透系數(shù)一般可達100 m/d。經(jīng)測算，研究區(qū)內(nèi)煤礦的礦井涌水量一般為500 ～1000 m3/d［29］。2009年研究區(qū)內(nèi)的煤礦開采量達到2.03億t，研究發(fā)現(xiàn)，流域內(nèi)地下水發(fā)生了較大變化，徑流量為1.3億m3，是1954—2019年的最小徑流量。2009年之后，研究區(qū)開始大規(guī)模應用“保水開采”技術(shù)。因此，本研究以2009年為典型年，分析煤礦開采影響下的地下水儲量變化。

3 數(shù)據(jù)與方法

3.1 數(shù)據(jù)來源GRACE 數(shù)據(jù)來源于CSR（Center for Space Research，The University of Texas at Austin）、GFZ（GeoForschungsZentrum）和JPL（Jet Propulsion Laboratory）三個機構(gòu)。數(shù)據(jù)為level-3的球諧系數(shù)產(chǎn)品（RL-05）［30-31］，空間尺度為1°×1°，時間尺度為月，時間范圍為2002年4月到2017年1月。該數(shù)據(jù)已經(jīng)過高斯平滑和去條紋濾波技術(shù)處理［32］，由于電源問題產(chǎn)生的空白數(shù)據(jù)，通過線性差值方法處理［33］。GLDAS數(shù)據(jù)來源于NASA官網(wǎng)中的NOAH［34］、VIC［35］、CLM［36］和Mosaic［37］水文模型的模擬結(jié)果，為匹配GRACE數(shù)據(jù)的時空分辨率，采用分辨率為1°×1°的月數(shù)據(jù)。

降雨數(shù)據(jù)來源于“中華人民共和國水文年鑒”，包括2004—2009年20個雨量站、1個水文站實測的日降雨資料，蒸發(fā)數(shù)據(jù)來源于氣象部門，包括2004—2009年3個氣象站日實測蒸發(fā)量。

3.2 方法地下水水儲量變化通常受氣候變化和人類活動雙重影響，為闡明煤礦開采活動對地下水水儲量的影響，采用以下步驟進行處理。

（1）初步分析監(jiān)測要素合理性。分析GRACE 反演的陸地水儲量和站點監(jiān)測（降雨、蒸散發(fā)）要素的相關(guān)性，初步驗證GRACE監(jiān)測結(jié)果的合理性。

（2）計算地下水儲量變化。將GRACE反演的陸地水儲量減去GLDAS模擬的地表徑流量、土壤水儲量、葉冠層儲水量、冰雪水儲量，得到地下水水儲量變化。具體計算方法如下：

受GRACE產(chǎn)品空間分辨率影響，選取覆蓋研究區(qū)的2個網(wǎng)格數(shù)據(jù)（網(wǎng)格分布在東經(jīng)109°—111°，北緯38°～40°之間，中心點分別為東經(jīng)110°、北緯38°30'和東經(jīng)110°、北緯39°30'），并以此兩個網(wǎng)格2004年—2009年為基準期的陸地水儲量變化的平均值作為研究區(qū)的陸地水儲量變化量。盡管2個網(wǎng)格已超出研究區(qū)范圍，但是研究期內(nèi)超出研究區(qū)范圍的地方并沒有大規(guī)模煤礦開采活動，因此，對研究結(jié)論影響較小。根據(jù)水量平衡原理，從GRACE反演的陸地水儲量中分離計算出地下水水儲量變化量，陸地水儲量的數(shù)學表達式如下：

式中：TWS為陸地水儲量；SMS為土壤水儲量；SWS為地表水體儲水量；SWE為冰雪水量；CWS為葉冠層儲水量；GWS為地下水水儲量。

GRACE重力衛(wèi)星反演出的陸地水儲量是變化量，根據(jù)水量平衡原理，式（1）可改寫為：

式中Δ 表示某一時期的變化量，此處為月變化量。

流域內(nèi)SWS變化主要包括河流、湖泊、水庫中水儲量的變化，許多研究忽略了這項的變化量，會導致反演出的地下水水儲量的變化量與實際情況不一致［38-39］。但對于窟野河流域，由于煤礦開采導致地表水體儲水量變化相比于地下水和土壤水儲量變化要小一個量級，而且GLDAS中的地表水體儲水量未考慮湖泊與水庫［40-41］，因此，可以忽略地表水體儲水量變化項。地下水水儲量變化ΔGWS為：

式中：ΔTWS項為來源于三個機構(gòu)（CSR、GFZ和JPL）發(fā)布的GRACE數(shù)據(jù)的平均值，ΔSMS、ΔSWE、ΔCWS來源于GLDAS 4個水文模型（NOAH、VIC、CLM和Mosaic）模擬結(jié)果的平均值，對4種模型結(jié)果取平均值是當前研究中較為常用的方法，取平均值后的結(jié)果具有較強的可靠性［42］。

（3）驗證結(jié)果合理性。采用相關(guān)系數(shù)法，將步驟（2）計算的地下水儲量變化ΔGWS與李舒等［43］采用地表-地下水耦合模型模擬的煤礦開采影響下的地下水水儲量結(jié)果進行相關(guān)分析，驗證GRACE監(jiān)測煤礦開采區(qū)地下水儲量的合理性。此外，由于地下水與土壤水間通常存在很強的水力聯(lián)系，通過分析土壤水儲量變化ΔSMS與地下水儲量變化ΔGWS間的相關(guān)性，驗證地下水儲量計算結(jié)果的合理性。具體計算方法如下：

式中：ΔGWSi為地下水儲量月變化值；為2009年地下水儲量變化月變化值的平均值。當計算ΔSMS與地下水儲量變化ΔGWS間的相關(guān)性時，Yi和分別為GLDAS 模擬的ΔSMS逐月變化值、ΔSMS2009年月變化值的平均值。當計算地下水儲量變化ΔGWS與采用地表-地下水耦合模型模擬的地下水水儲量結(jié)果的相關(guān)性時，Yi和分別表示采用地表-地下水耦合模型模擬的地下水水儲量逐月變化值、模擬期月變化的平均值。

4 結(jié)果分析

4.1 GRACE反演的陸地水儲量合理性分析將CSR、GFZ和JPL三個機構(gòu)發(fā)布的數(shù)據(jù)進行比較，從圖2中可以看出，三個機構(gòu)提供的2009年反演結(jié)果差距較大，其中，JPL 1—7月的陸地水儲量比另外兩個機構(gòu)數(shù)據(jù)的平均值大了16.7 mm，而GFZ機構(gòu)8—10月的陸地水儲量比另外兩個機構(gòu)數(shù)據(jù)的平均值大了7.4 mm?？芍煌瑱C構(gòu)發(fā)布的GRACE 產(chǎn)品數(shù)據(jù)存在較大差異性，換言之，GRACE 反演的陸地水儲量數(shù)據(jù)存在較大不確定性。研究表明［45］采用三個機構(gòu)陸地水儲量的平均值作為GRACE最終反演結(jié)果，是減小誤差的有效方法。對三個機構(gòu)的數(shù)據(jù)進行平均處理后，陸地水儲量在1—3月，3—9月，9—12月均呈現(xiàn)減少-增加的趨勢。與2004—2009年的基準期相比，2009年陸地水儲量減少量為15.5 mm/月。

圖2 2009年GRACE反演的陸地水儲量結(jié)果

由于GRACE反演出的陸地水儲量受到氣候變化和人類活動的雙重影響，所以先定性分析2009年研究區(qū)降雨量和蒸發(fā)量相較于基準期（2004—2009年）的變化趨勢。從圖3中可以看出，2009年研究區(qū)蒸發(fā)量為2280 mm，大于基準期年平均蒸發(fā)量2143 mm；降雨量為374 mm，略小于基準期的年平均降雨量388 mm；相對基準期，2009年降水量小、蒸發(fā)量大，GRACE反演的陸地水儲量相較于基準期也較小，說明從年尺度的變化趨勢上看，反演結(jié)果基本合理。

圖3 窟野河2004—2009年降雨量和蒸發(fā)量

2009年月降雨量和蒸發(fā)量的變化值與GRACE 反演結(jié)果的對比，如圖4 所示。僅考慮氣候變化，當蒸發(fā)量大于（小于）降雨量時，陸地水儲量應呈現(xiàn)減少（增加）的趨勢。但是，4月、7月、8月和11月反演的陸地水儲量的變化量與月降雨量和蒸發(fā)量與上述規(guī)律正好相反，說明GRACE反演結(jié)果與月降雨量和蒸發(fā)量的趨勢匹配度一般。工業(yè)用水、生活用水、水保措施以及煤礦開采等人類活動對陸地水儲量也有較大的影響，進一步說明GRACE反演出的陸地水儲量的變化趨勢是合理的。

圖4 研究區(qū)2009年GRACE反演結(jié)果與月降雨量和蒸發(fā)量比較（紫色部分說明月降雨量與蒸發(fā)量變化結(jié)果重疊）

4.2 GRACE與GLDAS模擬結(jié)果對比分析

4.2.1 GRACE反演的陸地水儲量與GLDAS模擬結(jié)果對比分析 前文定性分析了GRACE反演的陸地水儲量的合理性，本節(jié)結(jié)合GLDAS水文模型定量分析GRACE反演結(jié)果的合理性。GLDAS給出了4種水文模型計算出的土壤水量，冰雪水量和葉冠層儲水量等結(jié)果，通過與2004—2009年基準期相比，2009年研究區(qū)GLDAS的模擬結(jié)果見圖5。

圖5 GLDAS模擬結(jié)果與GRACE反演結(jié)果

由圖5可知，4種模型模擬結(jié)果的變化趨勢基本一致，變化值存在差異。例如，Mosaic模型模擬出的土壤水量變化量在1—4月與其他三種模型差距較大，VIC模擬出的土壤水量變化量在5—6月與其他三種模型差距較大，4種模型在9—12月均不一致；VIC模擬出的冰雪水量變化量與其他三種模型模擬結(jié)果均不一致；Noah模擬出的葉冠層儲水變化量在11月與其他三種模型差距較大，CLM模擬出的葉冠層儲水變化量在8月與其他三種模型差距較大。

為了減少模型模擬結(jié)果的不確定性，當前研究中多采用對4種模型模擬結(jié)果取平均值的方法，以平均值作為GLDAS模擬結(jié)果［42］。從圖5（a）中可以看出土壤水量變化量的峰值出現(xiàn)在9月，為46.9 mm，谷值出現(xiàn)在6月，為-17 mm，2009年土壤水量平均增加了14 mm/月。圖5（b）中可以看出冰雪水量變化量的峰值出現(xiàn)在11月，為0.97 mm，2009年冰雪水量平均減少了0.13 mm/月。圖5（c）中可以看出葉冠層儲水變化量的峰值出現(xiàn)在8月，為0.07 mm，谷值出現(xiàn)在1月，為-0.03 mm，2009年葉冠層儲水變化量基本無變化。

將GRACE 反演的陸地水儲量變化量與GLDAS 模擬結(jié)果進行比較（圖5（d）），可知兩者的變化趨勢基本一致，但是兩者變化值存在較大差異，相關(guān)系數(shù)為0.45，這是因為GLDAS中的計算結(jié)果未包含地下水儲量的變化情況。結(jié)果表明，研究區(qū)地下水水儲量的變化是造成GRACE與GLDAS變化值不一致的主要原因。

4.2.2 GRACE反演的地下水水儲量與GLDAS模擬結(jié)果對比分析 根據(jù)式（3），利用GRACE聯(lián)合GLDAS反演出的研究區(qū)地下水水儲量變化結(jié)果，如圖6所示。將地下水水儲量與GLDAS模擬結(jié)果進行比較，發(fā)現(xiàn)地下水水儲量與GLDAS模擬值在趨勢上呈反對稱分布的特點，相關(guān)系數(shù)達到0.84，并且通過95%的置信度檢驗。而研究區(qū)土壤水量在GLDAS 模擬結(jié)果中的比重達到95%左右。由此可知，研究區(qū)土壤水變化量與地下水水儲量變化量存在著較強的相關(guān)性。

圖6 GRACE反演地下水水儲量與GLADS模擬結(jié)果的比較

GRACE反演出的研究區(qū)2009年地下水水儲量的減少量為29.4 mm，年內(nèi)分布的峰值出現(xiàn)在6月，為-8.6 mm，谷值出現(xiàn)在9月，為-63.2 mm。變化趨勢呈現(xiàn)“N”型，即2—6月呈現(xiàn)增加的趨勢，隨后呈現(xiàn)減少的趨勢，到9月底后又呈現(xiàn)增加的趨勢。地下水水儲量變化幅度很明顯，這與研究區(qū)40%的耗水來源于地下水的現(xiàn)狀也是相符的，特別是夏季耗水量激增也造成了6—9月地下水水儲量減少。

4.3 GRACE監(jiān)測煤礦開采區(qū)地下水水儲量的結(jié)果為了進一步分析GRACE反演煤礦開采區(qū)地下水水儲量變化的適用性，將反演結(jié)果與李舒等［43-44］利用地表-地下水耦合模型（SWAT-VISUAL MODFLOW）計算出的2009年研究區(qū)煤礦開采對地下水影響的結(jié)果進行比較。地表-地下水耦合模型基于水量平衡原理，設置了有、無煤礦開采兩種情景，計算煤礦開采對地下水水量的影響，比較結(jié)果見圖7。

圖7 GRACE反演的地下水水儲量變化量與耦合模型模擬結(jié)果比較

對GRACE反演的地下水水儲量與耦合模型模擬結(jié)果進行相關(guān)性分析，結(jié)果表明兩組數(shù)據(jù)相關(guān)系數(shù)為0.64，并且通過了95%的置信度檢驗，說明煤礦開采是導致研究區(qū)地下水變化的一個重要因素。此外，王童等［46］研究發(fā)現(xiàn)窟野河流域植被覆蓋度2004年至2009年，由45%快速增加至58%，而研究區(qū)2009年較基準期的蒸發(fā)量也是增加的，植物的蒸騰作用成為地下水排泄的一個重要途徑，說明研究區(qū)地下水水儲量2009年呈現(xiàn)減少趨勢的原因是大規(guī)模的煤礦開采和植樹造林造成的。

但是，兩組數(shù)據(jù)月尺度下的等效水深除5月、7月和11月較接近，其他月份差距較大。年尺度下，GRACE 反演出的地下水水儲量變化量為-29.4 mm/月，大于耦合模型模擬結(jié)果的-23.2 mm/月。從結(jié)果來看，GRACE 反演的煤礦開采區(qū)的地下水水儲量的月均值變化量較為合理，但是GRACE 反演出的逐月值結(jié)果較差。

5 討論

5.1 煤礦開采對地下水水儲量的影響機理分析通過對研究區(qū)內(nèi)的榆林市2004—2009年的耗水量進行分析，發(fā)現(xiàn)其中約40%的耗水量來源于地下水，將耗水量按榆林市面積換算為等效水深，2009年地下水耗水量相較于基準期減少了0.04 mm/月［47］，耗水量減少但是地下水水儲量卻呈現(xiàn)減少的趨勢，說明直接取用地下水對地下水水儲量的影響較小。而研究區(qū)土壤水變化量與地下水水儲量變化量存在著較強的相關(guān)性，直接說明研究區(qū)內(nèi)的煤礦開采造成的導水裂隙帶導通了土壤水與地下水交換的通道，加強了土壤水與地下水的交換頻率和交換量，這與國內(nèi)相關(guān)研究成果也是一致的［5］。

煤礦開采過程中，導水裂隙帶由下至上逐漸發(fā)育，最終發(fā)育至地表，形成地裂縫，最終完全導通煤層以上的含水層，在此過程中為了采礦安全需進行礦井水的疏干外排，進而加速了地下水與地表水的交換頻率和交換量。而耦合模型模擬出的煤礦開采情景下的地下水水量也呈下降趨勢，第一階段（3—10月）緩慢下降，下降率為3.4 mm/月；第二階段（10—11月）迅速下降，下降率為15 mm/月；第三階段（11—12月）穩(wěn)定下降，下降率為0.2 mm/月，反映了導水裂隙帶發(fā)育過程中，地下水水儲量的變化特征，即采礦初期礦井疏干水緩慢增加，采礦中期礦井疏干水迅速增大，采礦末期礦井疏干水逐漸穩(wěn)定。而GRACE 反演的地下水水儲量與耦合模型模擬結(jié)果的相關(guān)系數(shù)為0.64，間接說明GRACE反演結(jié)果也能反映出導水裂隙帶加強了地表水-地下水之間的交換頻率和交換量。

5.2 GRACE監(jiān)測煤礦開采區(qū)地下水水儲量的適用性分析GRACE反演的地下水水儲量變化幅度很明顯，這與研究區(qū)40%的耗水來源于地下水的現(xiàn)狀是相符的，特別是夏季耗水量激增也造成了6—9月地下水水儲量減少。因此，說明GRACE反演的煤礦開采區(qū)的地下水水儲量的月均值變化量還是較為合理的，但是GRACE反演出的逐月值與耦合模型模擬結(jié)果相比較差，主要原因有以下3個：（1）研究區(qū)除了煤礦開采外還有大面積的植樹造林活動，而耦合模型并未考慮該影響；（2）GRACE 反演陸地水儲量時選擇的2 個網(wǎng)格中還包含了禿尾河流域，而耦合模型模擬范圍僅包含窟野河流域，但是2010年后禿尾河流域內(nèi)的煤礦開采活動才大規(guī)模出現(xiàn)，對結(jié)果影響較小；（3）耦合模型模擬結(jié)果是2009年的煤礦開采對地下水的影響量，與GRACE反演結(jié)果的基準期不一致，但是煤炭產(chǎn)量在2004—2009年間增長速度較緩慢，因此對結(jié)果影響較小。

6 結(jié)論與展望

通過比較GRACE重力衛(wèi)星反演的陸地水總儲量和地下水水儲量的變化量與GLDAS中4種水文模型模擬結(jié)果以及降雨、蒸發(fā)等氣象因素的相關(guān)性，分析了反演結(jié)果的合理性。將GRACE重力衛(wèi)星反演的地下水水儲量的變化量與地表-地下水耦合模型模擬結(jié)果進行了比較，分析了GRACE重力衛(wèi)星在監(jiān)測煤礦開采區(qū)地下水水儲量的適用性。研究結(jié)果表明：

（1）GRACE 重力衛(wèi)星可反演干旱半干旱區(qū)大規(guī)模煤礦開采區(qū)地下水水儲量的月均值變化量，但是無法準確的反演逐月的地下水水儲量的變化量。

（2）煤礦開采區(qū)的土壤水與地下水存在著較強的相關(guān)性，煤礦開采造成的導水裂隙帶導通了土壤水與地下水交換的通道，加強了土壤水與地下水的交換頻率和交換量。

（3）2018年5月GRACE-Follow on 計劃實施，新一代的衛(wèi)星較上一代增加了激光干涉測距儀，該儀器可大幅增加數(shù)據(jù)觀測精度，未來隨著數(shù)據(jù)精度的提高必將使其成為監(jiān)測流域煤礦開采對地下水影響的一個新手段。

GRACE在大流域反演地下水水儲量已有很多成果，但是在中、小流域反演地下水水儲量的研究還較少，主要是因為其空間分辨率較低。因此，如何提高中、小流域尺度下監(jiān)測地下水及其變化的精度還有待進一步研究。