謝小偉 幸茂仁 汪璐璐 許光煜 溫涵羽

1 東華理工大學(xué)測(cè)繪工程學(xué)院，南昌市廣蘭大道418號(hào)，330000

近年，黃河流域干旱和洪水等極端氣候日益頻繁，極大影響了居民的生活環(huán)境。為保證黃河流域生態(tài)的可持續(xù)發(fā)展，深入研究黃河流域陸地水儲(chǔ)量變化對(duì)揭示極端氣候事件時(shí)空演變規(guī)律具有重要意義。

GRACE重力衛(wèi)星通過(guò)測(cè)量地球時(shí)變重力場(chǎng)信號(hào)，獲得全球每月陸地水儲(chǔ)量變化[1]，具有數(shù)據(jù)獲取效率高、觀測(cè)重復(fù)及尺度統(tǒng)一、分布均勻等優(yōu)點(diǎn)，在大范圍陸地水儲(chǔ)量反演與極端氣候監(jiān)測(cè)方面有很多應(yīng)用[2-11]，但關(guān)于黃河流域極端性氣候的研究較少。本文以黃河流域?yàn)檠芯繀^(qū)域，基于GRACE/GRACE-FO數(shù)據(jù)分析2004～2021年陸地水儲(chǔ)量變化，同時(shí)構(gòu)建干旱指數(shù)模型和洪水因子模型，以監(jiān)測(cè)研究區(qū)極端氣候事件，為黃河流域水資源管理和極端氣候風(fēng)險(xiǎn)評(píng)估提供可靠依據(jù)。

1 數(shù)據(jù)來(lái)源與研究方法

1.1 數(shù)據(jù)來(lái)源

1)GRACE/GRACE-FO數(shù)據(jù)。本文采用CSR提供的GRACE mascon數(shù)據(jù)對(duì)黃河流域陸地水儲(chǔ)量進(jìn)行反演分析，時(shí)間跨度為2004-01～2021-07共計(jì)211個(gè)月，時(shí)間分辨率為1個(gè)月，空間分辨率為0.25°。GRACE mascon數(shù)據(jù)在反演時(shí)可直接將地表質(zhì)量遷移作為參數(shù)引入觀測(cè)方程進(jìn)行求解，不需要進(jìn)行額外的濾波及信號(hào)恢復(fù)[12]。數(shù)據(jù)處理過(guò)程中采用衛(wèi)星激光測(cè)距(SLR)數(shù)據(jù)解算的C20項(xiàng)和C30項(xiàng)，分別替換GRACE/GRACE-FO數(shù)據(jù)的C20項(xiàng)及GRACE-FO數(shù)據(jù)的C30項(xiàng)[13]。

2)GLDAS數(shù)據(jù)。本文采用的水文模型是基于GLDAS-noah模型對(duì)黃河流域地表水儲(chǔ)量進(jìn)行反演的研究成果，模型模擬2004-01～2021-07的4層土壤水及積雪水之和作為地表水儲(chǔ)量結(jié)果，時(shí)間分辨率為1個(gè)月，空間分辨率為0.25°[14]。

3)GPM數(shù)據(jù)。GPM是NASA和JAXA利用多傳感器多衛(wèi)星多算法，結(jié)合衛(wèi)星網(wǎng)絡(luò)和雨量計(jì)反演得到的具有更高精度的降水?dāng)?shù)據(jù)，空間分辨率為0.1°，時(shí)間分辨率為1個(gè)月。為與GRACE數(shù)據(jù)進(jìn)行比較，將GPM數(shù)據(jù)空間分辨率重采樣為0.25°[15]。

1.2 洪水因子模型

本文洪水因子模型是基于黃河流域容納洪水的潛力量來(lái)進(jìn)行洪水事件監(jiān)測(cè)的。洪水潛力量為：

F(t)=PMON(t)-SDEF(t)

(1)

對(duì)其進(jìn)行歸一化處理得到洪水因子：

(2)

當(dāng)洪水因子值越接近1時(shí)，表明區(qū)域內(nèi)容納洪水的能力越弱，發(fā)生洪水的可能性越大。

SDEF(t)=Smax-S(t)

(3)

S(t)=a×S(t-τ)+b×S(t-12)

(4)

PMON(t)=c×PMON(t-τ)+d×PMON(t-12)

(5)

式中，F(xiàn)(t)為洪水潛力量；PMON(t)為月降水量；FPIi為洪水因子；SDEF(t)為水儲(chǔ)量能力；S(t)為t時(shí)刻的水儲(chǔ)量變化；τ為前置時(shí)間；S(t-12)為前1 a相同月份的水儲(chǔ)量變化；Smax為最大水儲(chǔ)量能力；a、b、c、d為未知參數(shù)，通過(guò)前期水儲(chǔ)量變化確定數(shù)值后，即可利用前期數(shù)據(jù)對(duì)當(dāng)前月份進(jìn)行計(jì)算。

為確定前置時(shí)間τ，本文通過(guò)選取τ=1～11進(jìn)行多項(xiàng)式最小二乘擬合，獲取未知參數(shù)值。當(dāng)標(biāo)準(zhǔn)差(STD)最小時(shí)，即為最佳前置時(shí)間。標(biāo)準(zhǔn)差用以衡量數(shù)據(jù)值偏離算術(shù)平均值的程度，其值越小，數(shù)值偏離平均值就越少，即標(biāo)準(zhǔn)差最小更能反映所選前置時(shí)間為最佳前置時(shí)間。

由表1(單位cm)可知，當(dāng)τ=9時(shí)STD(S(t))最小，STD(PMON(t))與最小標(biāo)準(zhǔn)差接近，本文后續(xù)研究均選取τ=9。

表1 τ=1～11的S(t)和PMON(t)標(biāo)準(zhǔn)差值

1.3 干旱指數(shù)模型

本文采用冉艷紅等[8]構(gòu)建的干旱指數(shù)模型對(duì)干旱事件強(qiáng)度進(jìn)行量化，具體公式為：

(6)

表2 GRACE-DSI干旱等級(jí)分級(jí)標(biāo)準(zhǔn)

2 陸地水儲(chǔ)量變化

2.1 時(shí)間序列變化及分析

將黃河流域2004-01～2021-07陸地水儲(chǔ)量變化、地表水儲(chǔ)量變化及降水時(shí)間序列進(jìn)行對(duì)比，結(jié)果如圖1所示，圖中藍(lán)色折線為陸地水儲(chǔ)量變化，綠色折線為地表水儲(chǔ)量變化，紅色柱狀為月降水?dāng)?shù)據(jù)。結(jié)果顯示，陸地水儲(chǔ)量、地表水儲(chǔ)量及降水年變化趨勢(shì)分別為-0.56 cm/a、0.14 cm/a及0.54 mm/a，降水與地表水都呈上升趨勢(shì)，表明降水是影響黃河流域地表水儲(chǔ)量變化的主要因素之一；陸地水儲(chǔ)量變化在整個(gè)時(shí)段表現(xiàn)為減少趨勢(shì)，這可能是因?yàn)榇藭r(shí)段內(nèi)黃河流域工業(yè)用水、農(nóng)業(yè)灌溉用水等地下水開采行為增加，地下水被嚴(yán)重消耗，導(dǎo)致陸地水儲(chǔ)量呈下降趨勢(shì)。此外，陸地水儲(chǔ)量變化的極小值出現(xiàn)在2016-06(-11.48 cm/a)，與降水?dāng)?shù)據(jù)進(jìn)行對(duì)比發(fā)現(xiàn)，2016-03～06降水量從193.3 mm減至131.1 mm，降水急劇減少，導(dǎo)致該時(shí)段出現(xiàn)嚴(yán)重干旱，地下水消耗嚴(yán)重。2016-06之后陸地水、地表水及降水年變化趨勢(shì)分別為0.16 cm/a、1.32 cm/a及1.29 mm/a，可以看出，陸地水未持續(xù)下降，反而呈略微上升趨勢(shì)，可能是因?yàn)辄S河流域?qū)嵭辛藝?yán)格的水資源管理制度，為水資源保護(hù)工作提供了有力支撐[16]；而地表水與陸地水出現(xiàn)較大差異可能是因?yàn)榻邓畬?dǎo)致地表水增多，但降水量變化較小，不足以補(bǔ)充前期虧空的地下水，導(dǎo)致地下水儲(chǔ)量呈持續(xù)低位狀態(tài)。

圖1 GRACE和GLDAS反演結(jié)果與降水量對(duì)比Fig.1 Comparison between GRACE and GLDAS inversion results and precipitation

圖2為陸地水儲(chǔ)量每年同月份均值變化，可以看出，黃河流域陸地水儲(chǔ)量的季節(jié)周期性變化顯著，夏秋季出現(xiàn)峰值，此時(shí)水儲(chǔ)量處于盈余狀態(tài)，極大值為2.27 cm/a；春冬季出現(xiàn)谷值，此時(shí)水儲(chǔ)量處于虧損狀態(tài)，極小值為-1.28 cm/a。

圖2 黃河流域陸地水儲(chǔ)量年內(nèi)變化Fig.2 Annual variation of water reserves in the Yellow river basin

2.2 變化趨勢(shì)空間分布分析

經(jīng)最小二乘擬合得到黃河流域陸地水儲(chǔ)量年變化趨勢(shì)空間分布(圖3)，可以看出，陸地水儲(chǔ)量年變化趨勢(shì)具有明顯的地域性，在西部區(qū)域呈上升趨勢(shì)，東部區(qū)域呈下降趨勢(shì)，極大值為0.6 cm/a，極小值為-1.5 cm/a；地表水儲(chǔ)量年變化趨勢(shì)也表現(xiàn)出明顯的地域性，在西南部區(qū)域及東北部區(qū)域呈上升趨勢(shì)，東南部區(qū)域呈下降趨勢(shì)，極大值為1.5 cm/a，極小值為-1.5 cm/a。圖4為降水年變化趨勢(shì)空間分布，由圖可知，黃河流域降水空間分布與地表水年變化空間分布極為相似，兩者相關(guān)性較強(qiáng)，皆表現(xiàn)為西南部區(qū)域和東北部區(qū)域呈上升趨勢(shì)，東南部區(qū)域呈下降趨勢(shì)特征。

對(duì)比圖3(a)和4可知，在東部區(qū)域降水增加的情況下，黃河流域陸地水儲(chǔ)量反而減少。這是因?yàn)辄S河流域由西向東人口密度逐漸增加，工農(nóng)業(yè)逐漸發(fā)達(dá)，導(dǎo)致東部區(qū)域地下水開采嚴(yán)重，另外反演結(jié)果可能受東部山西地區(qū)煤礦開采干擾，陸地水儲(chǔ)量減少。由此表明，降雨是影響黃河流域陸地水儲(chǔ)量變化的重要因素，但非唯一因素。

圖3 GRACE陸地水儲(chǔ)量和GLDAS地表水儲(chǔ)量年變化趨勢(shì)空間分布Fig.3 Spatial distribution of GRACE land water reserves and GLDAS surface water reserves

圖4 降雨年變化趨勢(shì)空間分布Fig.4 Annual variation trend of rainfall

3 極端氣候

3.1 干旱風(fēng)險(xiǎn)性分析

黃河流域地處干旱-半干旱地區(qū)，水資源條件先天不足，流域內(nèi)極端氣候頻發(fā)，嚴(yán)重影響工農(nóng)業(yè)生產(chǎn)和城市化發(fā)展[17]。因此本文基于GRACE陸地水儲(chǔ)量變化對(duì)黃河流域發(fā)生的極端氣候進(jìn)行風(fēng)險(xiǎn)性分析，為黃河流域的水資源管理提供可靠依據(jù)。圖5為2004-01～2021-07黃河流域干旱指數(shù)時(shí)間序列，可以看出，干旱指數(shù)分布極不規(guī)律，極小值為-1.93，極大值為2.15。黃河流域在2015年以前干旱指數(shù)較大，表明干旱事件較少發(fā)生，且強(qiáng)度不高；2015年后干旱指數(shù)明顯降低，表明2015年發(fā)生了大尺度干旱事件，導(dǎo)致陸地水儲(chǔ)量大量減少，而后續(xù)水儲(chǔ)量補(bǔ)給不足，此后干旱指數(shù)一直呈較低狀態(tài)。本文根據(jù)干旱指數(shù)模型對(duì)黃河流域各地區(qū)干旱事件次數(shù)及等級(jí)進(jìn)行統(tǒng)計(jì)，結(jié)果見表3。由表可知，黃河流域在不同時(shí)段內(nèi)發(fā)生多次極度干旱事件，干旱范圍覆蓋青海、陜西、甘肅等地，其中以青海地區(qū)干旱事件次數(shù)最多，陜西地區(qū)干旱事件強(qiáng)度最高。

圖5 GRACE-DSI干旱指數(shù)時(shí)間序列Fig.5 GRACE-DSI drought index time series

為驗(yàn)證干旱指數(shù)模型探測(cè)干旱事件的準(zhǔn)確性，選取表3中強(qiáng)度最高的干旱事件進(jìn)行分析，即2015-08陜西地區(qū)極度干旱事件(干旱指數(shù)為-2.75)。據(jù)統(tǒng)計(jì)，黃河流域2013年降雨量為1 760.63 mm，2014年降雨量為1 818.87 mm，2015年降雨量為1 684.52 mm，2016年降雨量為1 797.51 mm，其中2015年的降雨量明顯低于其他年份，而降雨量的降低很大程度上會(huì)導(dǎo)致干旱事件的發(fā)生。將干旱指數(shù)空間分布(圖6(a))和降雨空間分布(圖6(b))進(jìn)行對(duì)比，并利用國(guó)家氣候中心發(fā)布的全國(guó)干旱綜合監(jiān)測(cè)圖(圖7)進(jìn)行驗(yàn)證。結(jié)果顯示，2015-08黃河流域東南部和北部地區(qū)呈現(xiàn)大面積干旱，干旱等級(jí)最高為極度干旱，干旱指數(shù)達(dá)-2.75；降雨分布呈現(xiàn)東南部和北部減少，西南部及中部增多的趨勢(shì)；降雨嚴(yán)重減少的地區(qū)，相應(yīng)的干旱程度明顯增加，說(shuō)明干旱事件的發(fā)生與降雨量有很大關(guān)系。干旱指數(shù)觀測(cè)結(jié)果與實(shí)際觀測(cè)結(jié)果較為吻合，表明干旱指數(shù)模型能較好地監(jiān)測(cè)干旱事件。

表3 黃河流域各省干旱事件次數(shù)統(tǒng)計(jì)

圖6 2015-08干旱指數(shù)和降雨空間分布Fig.6 Spatial distribution of drought index and rainfall in August 2015

圖7 2015-08月全國(guó)干旱綜合監(jiān)測(cè)圖Fig.7 National comprehensive drought monitoring map in August 2015

圖8 洪水因子時(shí)間序列Fig.8 Flood factor time series

3.2 洪水風(fēng)險(xiǎn)性分析

圖8為2004-01～2021-07黃河流域洪水因子時(shí)間序列，圖中虛線方框?yàn)楹樗蜃赢惓Ｇ闆r，洪水因子值越接近1表明發(fā)生洪水的概率越大?？梢钥闯?，洪水因子在夏季和秋季雨水豐沛時(shí)最大，春季和冬季降雨減少時(shí)最小。為更好地統(tǒng)計(jì)研究時(shí)段黃河流域發(fā)生洪水事件的次數(shù)，設(shè)置洪水因子閾值為0.6，超過(guò)該閾值則表示發(fā)生洪水[10，18]。表4為2004-01～2021-07黃河流域各地區(qū)洪水事件次數(shù)統(tǒng)計(jì)結(jié)果，由表可知，洪水在黃河流域中部及東南地區(qū)發(fā)生次數(shù)較多，山西地區(qū)洪水事件發(fā)生次數(shù)最多。

表4 黃河流域各省洪水事件次數(shù)統(tǒng)計(jì)

為確定洪水因子模型監(jiān)測(cè)洪水事件的準(zhǔn)確性，依據(jù)國(guó)家氣候中心公布的洪水事件，結(jié)合洪水因子異常情況，對(duì)黃河流域不同時(shí)間、不同地區(qū)的部分洪水事件進(jìn)行洪水因子統(tǒng)計(jì)，結(jié)果見表5。由表可知，洪水因子模型準(zhǔn)確探測(cè)到黃河流域發(fā)生的多次洪水事件，洪水因子均超過(guò)0.6，證明洪水因子模型能很好地監(jiān)測(cè)黃河流域洪水事件。

表5 黃河流域部分洪水事件及洪水因子

為研究近期黃河流域陸地水儲(chǔ)量變化和相應(yīng)的水儲(chǔ)量能力及洪水事件發(fā)生時(shí)的降水特征、洪水因子變化情況等，選取2021-07河南地區(qū)洪水事件進(jìn)行分析。圖9(a)為2021-07河南地區(qū)陸地水儲(chǔ)量變化趨勢(shì)，圖9(b)為2021-07河南地區(qū)降雨空間分布?？梢钥闯觯幽系貐^(qū)陸地水儲(chǔ)量及降雨分布呈區(qū)域性變化：河南北部區(qū)域陸地水儲(chǔ)量變化最大(-44.51 cm/a)，南部區(qū)域變化最小(3.36 cm/a)；降雨量在北部區(qū)域變化最大(224.48 mm/a)，南部區(qū)域降雨量變化最小(131.42 mm/a)。當(dāng)水儲(chǔ)量和降水量在相同區(qū)域的變化差異過(guò)大時(shí)，就有很大概率發(fā)生洪水事件，但仍需結(jié)合洪水因子對(duì)黃河流域水儲(chǔ)量能力進(jìn)行深入分析。

圖9 河南陸地水儲(chǔ)量和降水量空間分布Fig.9 Spatial distribution of land water reserves and precipitation in Henan province

圖10(a)為水儲(chǔ)量能力空間分布，為移除區(qū)域差異，對(duì)水儲(chǔ)量能力進(jìn)行歸一化?？梢钥闯?，2021-07河南地區(qū)水儲(chǔ)量能力值都接近于零，表明水儲(chǔ)量能力很小，而降雨空間分布(圖9(b))則顯示此時(shí)河南區(qū)域降雨量很大。當(dāng)水儲(chǔ)量能力很小而降雨量很大時(shí)，洪水事件發(fā)生的可能性大大增強(qiáng)。

圖10 水儲(chǔ)量能力和洪水因子空間分布Fig.10 Water storage capacity and spatial distribution of flood factors

為保證實(shí)驗(yàn)結(jié)果的準(zhǔn)確性，將洪水因子空間分布(圖10(b))與國(guó)家氣候中心發(fā)布的全國(guó)主要?dú)庀鬄?zāi)害分布圖(圖11)進(jìn)行比對(duì)。結(jié)果顯示，河南地區(qū)洪水因子指數(shù)最高達(dá)0.94，洪水事件發(fā)生的可能性極大；全國(guó)主要?dú)庀鬄?zāi)害分布圖顯示，河南地區(qū)在2021-07遭受極端洪澇災(zāi)害。綜上可知，洪水因子模型從時(shí)間和空間角度都真實(shí)地反映了河南地區(qū)發(fā)生的洪水事件，且與實(shí)際情況相符，表明洪水因子模型可以對(duì)流域內(nèi)洪水事件進(jìn)行較好的監(jiān)測(cè)。

圖11 全國(guó)主要?dú)庀鬄?zāi)害分布圖Fig.11 Distribution map of major meteorological disasters in China

4 結(jié) 語(yǔ)

本文基于2004～2021年GRACE/GRACE-FO重力衛(wèi)星數(shù)據(jù)，分析了黃河流域陸地水儲(chǔ)量時(shí)空變化情況，并在此基礎(chǔ)上構(gòu)建了干旱指數(shù)模型及洪水因子模型，用于分析流域內(nèi)的極端氣候事件。實(shí)驗(yàn)結(jié)論如下：

1)2004～2021年黃河流域陸地水儲(chǔ)量以0.56 cm/a的速度減少，季節(jié)周期性變化特征明顯，在春季和冬季呈虧損狀態(tài)，夏季和秋季呈盈余狀態(tài)；

2)干旱指數(shù)模型準(zhǔn)確監(jiān)測(cè)到研究時(shí)段黃河流域多場(chǎng)干旱事件的發(fā)生，其中極度干旱事件發(fā)生22次，重度干旱事件發(fā)生37次，干旱事件范圍覆蓋整個(gè)黃河流域；

3)洪水因子模型精準(zhǔn)監(jiān)測(cè)到研究時(shí)段黃河流域共發(fā)生洪水事件118次，其中大多發(fā)生在夏秋季雨水較為豐沛時(shí)期，期間黃河流域陸地水儲(chǔ)量較弱，且降雨量增多。

本文利用GRACE/GRACE-FO重力衛(wèi)星數(shù)據(jù)構(gòu)建的干旱指數(shù)模型和洪水因子模型監(jiān)測(cè)到的氣象結(jié)果與實(shí)際氣象觀測(cè)結(jié)果較為符合，從時(shí)間和空間角度真實(shí)反映了黃河流域發(fā)生的多次極端氣候事件，可為研究極端氣候提供有利工具。