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)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]。
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
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)
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
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
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
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
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。