石振君， 朱秀芳， 唐誼娟

（1.北京師范大學(xué)遙感科學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室，北京 100875；2.寧夏回族自治區(qū)遙感調(diào)查院，寧夏 銀川 750021）

陸地水儲(chǔ)量通常包括地下水、土壤水、地表水（湖泊、河流和水庫）、冰川與積雪等部分［1］。陸地水儲(chǔ)量的變化通常被認(rèn)為是一個(gè)關(guān)鍵的水文指標(biāo)，它反映了整個(gè)地區(qū)水文輸入（如降雨、降雪、冰川融化和徑流）與輸出（如蒸散、人類用水和徑流）之間的凈效應(yīng)，影響下滲與基流過程。掌握陸地水儲(chǔ)量變化的時(shí)空特征，了解其變化的原因有助于水資源的可持續(xù)性綜合管理。

陸地水儲(chǔ)量變化的增減會(huì)改變水文循環(huán)，威脅生態(tài)系統(tǒng)與人口的可持續(xù)用水［1］。美國(guó)國(guó)家航空航天局（NASA）和德國(guó)航空航天中心（DLR）于2002年3 月聯(lián)合開發(fā)了重力恢復(fù)和氣候?qū)嶒?yàn)（GRACE）衛(wèi)星，利用GRACE 衛(wèi)星觀察到的地球重力場(chǎng)變化，可反演地球系統(tǒng)中的陸地水儲(chǔ)量變化，這大大方便了對(duì)陸地水儲(chǔ)量變化的研究［2］。迄今為止，不少學(xué)者針對(duì)陸地水儲(chǔ)量變化的時(shí)空特征和影響因素開展了研究。相關(guān)研究指出中國(guó)陸地地區(qū)北方陸地水儲(chǔ)量變化以減少為主，南方以增加為主［3-4］，云南省、天山山區(qū)以及西北地區(qū)陸地水儲(chǔ)量變化整體上呈現(xiàn)下降趨勢(shì)，且天山山區(qū)以及西北地區(qū)的陸地水儲(chǔ)量變化呈現(xiàn)的明顯季節(jié)變化主要由降水造成［5-7］。Yang等［8］、Wei等［9］分別對(duì)塔里木河和柴達(dá)木盆地陸地水儲(chǔ)量進(jìn)行了影響因素分析，均指出降水變化是所研究區(qū)域陸地水儲(chǔ)量變化的主要驅(qū)動(dòng)因素。李曉英等［10］從趨勢(shì)性、相關(guān)性及時(shí)空變化特征3 個(gè)方面分析了長(zhǎng)江流域陸地水儲(chǔ)量變化以及與植被覆蓋變化的關(guān)系，指出長(zhǎng)江流域歸一化植被指數(shù)與陸地水儲(chǔ)量變化之間有強(qiáng)相關(guān)性。Meng等［11］從地表水平衡的角度出發(fā)，研究發(fā)現(xiàn)青藏高原陸地水儲(chǔ)量的變化主要?dú)w因于降水和蒸散的變化。Zhong等［12］在海河流域的研究表明每年由氣候驅(qū)動(dòng)的陸地水儲(chǔ)量雖呈現(xiàn)一定的波動(dòng)上升趨勢(shì)，但長(zhǎng)期的人為取水導(dǎo)致陸地水儲(chǔ)量持續(xù)下降。

以上研究大多在中國(guó)的局部區(qū)域開展，還沒有看到對(duì)整個(gè)中國(guó)地區(qū)的陸地水儲(chǔ)量變化的影響因素分析。為此，本文使用GRACE 衛(wèi)星反演得到的陸地水儲(chǔ)量變化數(shù)據(jù)，以中國(guó)陸地為研究區(qū)域，探究近十幾年來陸地水儲(chǔ)量變化，綜合分析氣象因素、下墊面和社會(huì)因素對(duì)陸地水儲(chǔ)量變化的影響，為我國(guó)水資源管理提供適用的評(píng)估工具和科學(xué)決策支撐信息。

1 數(shù)據(jù)與方法

1.1 研究區(qū)概況

中國(guó)位于亞洲的東部、太平洋的西岸，地勢(shì)呈西高東低的階梯狀分布。中國(guó)經(jīng)緯度跨度大，受到氣候、地勢(shì)等因素的共同影響，中國(guó)的水資源分布呈現(xiàn)出東多西少、南多北少的格局。中國(guó)的東部和南部地區(qū)主要是亞熱帶季風(fēng)和溫帶季風(fēng)氣候，降水呈現(xiàn)出明顯的季節(jié)性特征，夏季和秋季降水多，春季和冬季降水少；西部和北部地區(qū)主要為溫帶大陸性氣候和高原山地氣候，全年降水均比較少。

1.2 數(shù)據(jù)來源

本文所用到的數(shù)據(jù)包括陸地水儲(chǔ)量變化數(shù)據(jù)、氣象數(shù)據(jù)、地表數(shù)據(jù)和社會(huì)經(jīng)濟(jì)數(shù)據(jù)。

陸地水儲(chǔ)量變化數(shù)據(jù)［13］來自國(guó)家青藏高原科學(xué)數(shù)據(jù)中心，為2003—2019年的中國(guó)區(qū)域陸地水儲(chǔ)量變化月數(shù)據(jù)，空間分辨率為0.25°。該數(shù)據(jù)集連接了CSR RL06 Mascon 和JPL RL06 Mascon 數(shù) 據(jù) 在GRACE 和GRACE-FO 之間的11 個(gè)月的間斷期，但并未對(duì)GRACE 和GRACE-FO 各自數(shù)據(jù)之間存在的個(gè)別月份的缺失數(shù)據(jù)進(jìn)行彌補(bǔ)。在使用數(shù)據(jù)前，使用線性插值方法［14］對(duì)個(gè)別月份的缺失數(shù)據(jù)進(jìn)行了插補(bǔ)，得到了完整的陸地水儲(chǔ)量變化時(shí)序數(shù)據(jù)。

氣象數(shù)據(jù)包括降水量、溫度和標(biāo)準(zhǔn)化降水蒸散發(fā)指數(shù)（SPEI）。降水量和溫度數(shù)據(jù)均為來自國(guó)家氣象數(shù)據(jù)中心的2003—2019年的月數(shù)據(jù)，空間分辨率為0.25°。SPEI 數(shù)據(jù)為來自全球標(biāo)準(zhǔn)化降水蒸散指數(shù)數(shù)據(jù)庫的2003—2019年的月數(shù)據(jù)，空間分辨率為0.5°。

地表數(shù)據(jù)包括土地利用現(xiàn)狀圖、歸一化植被指數(shù)（NDVI）和數(shù)字高程模型（DEM）數(shù)據(jù)。土地利用現(xiàn)狀圖為來自于資源環(huán)境科學(xué)與數(shù)據(jù)中心的1 km分辨率的數(shù)據(jù)，時(shí)間分別為2005、2010 年和2015年。NDVI 數(shù)據(jù)為NASA 的陸地過程分布式數(shù)據(jù)檔案中心提供的2003—2019 年的MODIS 的陸地標(biāo)準(zhǔn)產(chǎn)品，空間分辨率為1 km，時(shí)間分辨率為8 d。NDVI數(shù)據(jù)包括年度NDVI 數(shù)據(jù)集和月度NDVI 數(shù)據(jù)集。月度NDVI數(shù)據(jù)集通過最大值合成法生成，年度NDVI 數(shù)據(jù)集是在月度數(shù)據(jù)基礎(chǔ)上采用平均值合成法生成。DEM 為基于最新的SRTM V4.1 數(shù)據(jù)經(jīng)重采樣生成的分辨率為1 km 的數(shù)據(jù)。社會(huì)經(jīng)濟(jì)數(shù)據(jù)包括國(guó)內(nèi)生產(chǎn)總值（GDP）數(shù)據(jù)和人口數(shù)據(jù)，2 類數(shù)據(jù)均來自與資源環(huán)境科學(xué)與數(shù)據(jù)中心，分辨率均為1 km，所用數(shù)據(jù)的時(shí)間分別為2005、2010 年和2015年。在使用前，對(duì)上述數(shù)據(jù)進(jìn)行了重投影和重采樣處理，重采樣后的分辨率為0.25°。

1.3 研究方法

（1）曼-肯德爾法（Mann-Kendall，M-K）趨勢(shì)檢驗(yàn)

M-K 趨勢(shì)檢驗(yàn)是一種非參數(shù)方法［15］，其目的是評(píng)估變量隨著時(shí)間的變化是否有單調(diào)上升或下降的趨勢(shì)［16-17］。M-K 檢驗(yàn)不需要樣本遵循特定的分布，也不會(huì)受少數(shù)異常值的干擾，即使數(shù)據(jù)有缺失值或者存在值低于一個(gè)或者多個(gè)檢測(cè)的限制，也可以使用M-K檢驗(yàn)。

（2）經(jīng)驗(yàn)正交函數(shù)（EOF）分析方法

EOF 分析方法是提取數(shù)據(jù)主要特征量的一種方法［18-19］。EOF分解得到的特征向量對(duì)應(yīng)的是空間樣本，也稱作空間特征向量或者空間模態(tài)，反映地理要素的空間分布特點(diǎn)；主成分對(duì)應(yīng)的是時(shí)間變化，也稱時(shí)間系數(shù)，反映相應(yīng)空間模態(tài)隨時(shí)間的變化而發(fā)生的變化。

（3）皮爾遜（Pearson）相關(guān)系數(shù)

Pearson相關(guān)系數(shù)是一種線性相關(guān)系數(shù)，也是最常用的一種相關(guān)系數(shù)［20］。其值介于-1到1之間，絕對(duì)值越大表明相關(guān)性越強(qiáng)。值大于0 時(shí)，表明2 個(gè)變量正相關(guān)；值小于0 時(shí)，表明2 個(gè)變量負(fù)相關(guān)；當(dāng)?shù)扔?時(shí)，表明2個(gè)變量不是線性相關(guān)的，但是可能存在其他方式的相關(guān)。

（4）隨機(jī)森林

隨機(jī)森林是基于Bagging 框架通過集成學(xué)習(xí)的思想將多棵樹進(jìn)行集成的一種算法，其基本單元是決策樹，本質(zhì)是集成學(xué)習(xí)方法。隨機(jī)森林模型不易發(fā)生過擬合問題，具有較強(qiáng)的泛化能力。它可以用于評(píng)估各個(gè)特征對(duì)于結(jié)果的重要性［21］。

（5）地理探測(cè)分析

地理探測(cè)器是探測(cè)因子的空間分異性，并揭示其驅(qū)動(dòng)力的一組方法［22］。地理探測(cè)器的核心思想是如果某個(gè)自變量對(duì)某個(gè)因變量有重要的影響，那么該自變量和因變量的空間分布應(yīng)該具有相似性。地理探測(cè)器既可以用于數(shù)值型數(shù)據(jù)，也可以用于定性數(shù)據(jù)。地理探測(cè)器通過計(jì)算和比較各單因子的q值以及兩因子疊加后的q值，判斷兩因子是否存在交互作用，以及交互作用的強(qiáng)弱、方向、線性還是非線性等。地理探測(cè)器包括分異及因子探測(cè)、交互作用探測(cè)、風(fēng)險(xiǎn)區(qū)探測(cè)和生態(tài)探測(cè)4個(gè)子探測(cè)器。

1.4 技術(shù)路線

本文的技術(shù)路線（圖1）主要包括3個(gè)內(nèi)容：基于M-K 趨勢(shì)檢驗(yàn)的陸地水儲(chǔ)量變化的趨勢(shì)分析，基于EOF的陸地水儲(chǔ)量變化的時(shí)空特征分析，基于Pearson 相關(guān)、隨機(jī)森林和地理探測(cè)器的陸地水儲(chǔ)量變化影響因素分析。其中，陸地水儲(chǔ)量變化的影響因素分析的主要步驟如下：

圖1 技術(shù)路線Fig.1 Technical route

（1）影響因子選擇：包括氣象因素（氣溫、降水、SPEI）、下墊面因素（不透水層占比、水體占比、NDVI、高程、坡度）和社會(huì)經(jīng)濟(jì)因素（GDP、人口）3個(gè)方面10個(gè)影響因子。

（2）Pearson相關(guān)分析：在10個(gè)影響因子中，NDVI、SPEI、降水量和溫度會(huì)隨著時(shí)間的變化而發(fā)生較大變化，且存在時(shí)間序列的數(shù)據(jù)，其他6個(gè)因子在短時(shí)間內(nèi)的變化量很小，且沒有時(shí)間序列的數(shù)據(jù)。因此，基于Pearson 的相關(guān)分析分成了2 部分，一部分是時(shí)間維的分析，另一部分是空間維的分析。時(shí)間維的分析是考慮NDVI、SPEI、降水量、溫度與陸地水儲(chǔ)量變化存在滯后效應(yīng)，逐柵格計(jì)算NDVI、SPEI、降水量、溫度與陸地水儲(chǔ)量變化在0～3個(gè)月滯后時(shí)間內(nèi)的相關(guān)系數(shù)，并找出最大滯相關(guān)系數(shù)對(duì)應(yīng)的滯后月數(shù)。空間維的分析是首先逐柵格計(jì)算時(shí)間序列數(shù)據(jù)（包括NDVI、SPEI、降水量、溫度和陸地水儲(chǔ)量變化）的多年均值，然后以所有格網(wǎng)為樣本，分別計(jì)算陸地水儲(chǔ)量變化和10個(gè)影響因子的Pearson 相關(guān)系數(shù)，以相關(guān)系數(shù)大小來反映影響因子和陸地水儲(chǔ)量變化的相關(guān)程度。

（3）基于隨機(jī)森林進(jìn)行影響因子重要性排序：對(duì)隨機(jī)森林中某個(gè)樹節(jié)點(diǎn)的樣本方差與分裂后2個(gè)葉子節(jié)點(diǎn)樣本方差進(jìn)行差值運(yùn)算，用該差值來評(píng)價(jià)某個(gè)特征的重要性程度，差值越高表示該特征重要性越大。計(jì)算得到模型所有特征重要性后，對(duì)所有特征作歸一化處理，對(duì)于某一模型，所有特征重要性值累計(jì)為1，特征重要性具體的值本身并無意義，因此分析時(shí)關(guān)注的是特征重要性之間的相對(duì)差異。

（4）基于地理探測(cè)器探究單個(gè)影響因子及因子間的交互作用對(duì)陸地水儲(chǔ)量變化空間差異的解釋力：在使用地理探測(cè)器計(jì)算之前，先對(duì)自變量進(jìn)行離散化處理，按照干旱等級(jí)劃分標(biāo)準(zhǔn)對(duì)平均SPEI進(jìn)行分級(jí)，對(duì)其他9個(gè)影響因子（年均NDVI、年均降水量、年均溫度、人口、GDP、不透水層占比、水體占比，高程和坡度）用自然間斷點(diǎn)分級(jí)法重分類為6 類。然后以離散化后的因子為x，以地表水儲(chǔ)量變化趨勢(shì)值為y，進(jìn)行因子探測(cè)、交互探測(cè)和生態(tài)探測(cè)分析。因子探測(cè)用來確定10 個(gè)影響因子多大程度上解釋了陸地水儲(chǔ)量變化的空間分異；交互探測(cè)用于評(píng)估2個(gè)自變量共同作用時(shí)是否會(huì)增加或減弱對(duì)因變量的解釋力；生態(tài)探測(cè)用于比較2 個(gè)影響因子之間對(duì)陸地水儲(chǔ)量變化的空間分布的影響是否有顯著的差異。

2 結(jié)果與分析

2.1 陸地水儲(chǔ)量變化趨勢(shì)

由2003—2019 年中國(guó)陸地水儲(chǔ)量變化趨勢(shì)圖（圖2）可以看出，大部分地區(qū)陸地水儲(chǔ)量變化趨勢(shì)明顯，其中陸地水儲(chǔ)量變化顯著增加的區(qū)域主要分布在松花江、嫩江和松嫩平原附近以及柴達(dá)木盆地-長(zhǎng)江-東南沿海條帶上，陸地水儲(chǔ)量變化顯著減少的區(qū)域主要分布在中國(guó)西南以及新疆-黃土高原-華北平原條帶上。

圖2 中國(guó)陸地水儲(chǔ)量變化趨勢(shì)Fig.2 Change trend of terrestrial water storage in China

2.2 陸地水儲(chǔ)量變化時(shí)空特征

對(duì)2003—2019年的204幅（每月1幅影像）陸地水儲(chǔ)量變化影像進(jìn)行EOF分析。EOF的前3個(gè)模態(tài)的解釋方差分別為47.98%、19.14%、16.89%，累計(jì)方差貢獻(xiàn)約為84.01%。由圖3a～c可以看出，第1模態(tài)表現(xiàn)出中國(guó)的陸地水儲(chǔ)量變化隨緯度帶交替反相變化的特征，從高緯到低緯呈現(xiàn)出水儲(chǔ)量變化“高-低-高-低”的變化特征；第2模態(tài)表現(xiàn)出中國(guó)南北方陸地水儲(chǔ)量變化反相變化的特征；第3 模態(tài)顯示出四川盆地、橫斷山脈、云貴高原、柴達(dá)木盆地陸地水儲(chǔ)量變化比較高，而新疆部分區(qū)域和中國(guó)東南部水儲(chǔ)量變化明顯偏低。結(jié)合時(shí)間系數(shù)看（圖3d～f），第1模態(tài)的時(shí)間系數(shù)在研究時(shí)間段的前9 a均為負(fù)值，而后6 a均為正值，數(shù)值呈現(xiàn)逐漸增大的特征，說明隨著時(shí)間的變化，中國(guó)陸地的水儲(chǔ)量變化由第1 模態(tài)反應(yīng)的由北到南的“高-低-高-低”特征的反向逐漸演變到由北到南的“高-低-高-低”的空間格局特征。第2模態(tài)和第3模態(tài)反應(yīng)出的特征具有震蕩變化的特點(diǎn)，總體來說每年的上半年的時(shí)間系數(shù)為負(fù)值，下半年的時(shí)間系數(shù)為正值，說明上半年的各月的陸地水儲(chǔ)量與第3 模態(tài)反應(yīng)的特征相反，而下半年與第3模態(tài)反應(yīng)的特征一致。

圖3 中國(guó)陸地水儲(chǔ)量變化的EOF分析Fig.3 EOF analysis of terrestrial water storage change in China

2.3 影響因素分析

2.3.1 基于地理探測(cè)器的影響因子重要性分析因子探測(cè)、交互探測(cè)和生態(tài)探測(cè)的結(jié)果如表1～3 所示。在單個(gè)因子中，降水量對(duì)陸地水儲(chǔ)量變化解釋力最強(qiáng)，q值為0.276；水體占比對(duì)陸地水儲(chǔ)量變化解釋力最弱，q值僅為0.001。在因子交互作用中，對(duì)陸地水儲(chǔ)量變化解釋力最強(qiáng)的是降水量和溫度的交互作用，q值達(dá)到0.461；其次是降水量和DEM的交互作用，q值為0.377；水體占比和坡度的交互作用對(duì)陸地水儲(chǔ)量變化的解釋力最弱，q值為0.037。綜合比較因子探測(cè)和交互探測(cè)的結(jié)果，可得到因子兩兩交互作用相較于單個(gè)因子對(duì)于陸地水儲(chǔ)量變化的解釋力均為增加。生態(tài)探測(cè)結(jié)果表明，降水量與DEM、GDP、NDVI、人口，SPEI 與GDP、人口，溫度與DEM、GDP、NDVI、人口、SPEI 對(duì)陸地水儲(chǔ)量變化空間分布的影響有顯著的差異，其余2個(gè)因子之間對(duì)陸地水儲(chǔ)量變化空間分布的影響無顯著差異。

表1 因子探測(cè)結(jié)果Tab.1 Factor detection results

表2 因子交互探測(cè)結(jié)果Tab.2 Factor interactive detection results

表3 生態(tài)探測(cè)結(jié)果Tab.3 Ecological detection results

2.3.2 基于隨機(jī)森林的影響因子重要性分析由基于隨機(jī)森林的影響因子重要性分析結(jié)果（表4）可知，10個(gè)影響因子對(duì)陸地水儲(chǔ)量變化的重要性排序?yàn)榻邓浚緶囟龋維PEI＞人口＞GDP＞DEM＞NDVI＞坡度＞不透水層占比＞水體占比，降水量因子對(duì)陸地水儲(chǔ)量變化的影響最大，特征重要性值為0.335，水體占比因子對(duì)陸地水儲(chǔ)量變化的影響最小，特征重要性值僅為0.032。在因子類型層面分析，氣象因子對(duì)于陸地水儲(chǔ)量變化的影響最大，其次是社會(huì)經(jīng)濟(jì)因子，下墊面因子對(duì)于陸地水儲(chǔ)量變化的影響最小。

表4 基于隨機(jī)森林的影響因子重要性評(píng)價(jià)結(jié)果Tab.4 Evaluation results of importance of influencing factors based on random forests

2.3.3 基于Pearson相關(guān)分析的影響因子重要性分析由空間維上陸地水儲(chǔ)量變化和各影響因子相關(guān)性分析的結(jié)果（表5）可知，從全區(qū)來看，DEM、人口和水體占比因子與陸地水儲(chǔ)量變化不存在線性相關(guān)關(guān)系；不透水層、坡度、GDP與陸地水儲(chǔ)量變化呈負(fù)相關(guān)，且不透水層與陸地水儲(chǔ)量變化的負(fù)相關(guān)性最強(qiáng)，相關(guān)系數(shù)為-0.16；NDVI、降水量、SPEI和溫度與陸地水儲(chǔ)量變化呈正相關(guān)關(guān)系，且降水量與陸地水儲(chǔ)量變化的正相關(guān)性最強(qiáng)，相關(guān)系數(shù)為0.339。

表5 Pearson相關(guān)分析結(jié)果Tab.5 Pearson correlation analysis results

陸地水儲(chǔ)量變化對(duì)氣候因素和NDVI的響應(yīng)滯后時(shí)間分布如圖4所示。大部分區(qū)域陸地水儲(chǔ)量變化與NDVI在當(dāng)月以及滯后1個(gè)月時(shí)相關(guān)性最強(qiáng)，陸地水儲(chǔ)量變化與NDVI 存在2～3 個(gè)月滯后的區(qū)域主要位于中國(guó)中部地區(qū)（圖4a）。中國(guó)大部分地區(qū)的陸地水儲(chǔ)量變化與降水量存在1 個(gè)月的滯后（圖4b）。具體來說，中國(guó)西部靠北地區(qū)陸地水儲(chǔ)量變化與當(dāng)月降水量相關(guān)性最高，中國(guó)東北部、東南部以及西部部分地區(qū)陸地水儲(chǔ)量變化在滯后1個(gè)月時(shí)與降水量相關(guān)性最高，中國(guó)中部地區(qū)陸地水儲(chǔ)量變化在滯后2 個(gè)月時(shí)與降水量相關(guān)性最高，華北平原中部、河北以及河北北部地區(qū)陸地水儲(chǔ)量變化在在滯后2個(gè)月時(shí)與降水量相關(guān)性最高。中國(guó)大部分地區(qū)的陸地水儲(chǔ)量變化與溫度存在0或3個(gè)月的滯后（圖4c）。具體來說，中國(guó)東北部、東南部以及西北部地區(qū)陸地水儲(chǔ)量變化與當(dāng)月的溫度相關(guān)性最高，青藏高原中部和南部陸地水儲(chǔ)量變化在滯后2個(gè)月時(shí)與溫度相關(guān)性最高，云南省、華北平原以及華北平原西部地區(qū)陸地水儲(chǔ)量變化在滯后3個(gè)月時(shí)與溫度相關(guān)性最高。中國(guó)大部分地區(qū)的陸地水儲(chǔ)量變化與SPEI 存在1 或3 個(gè)月的滯后（圖4d）。具體來說，中國(guó)東南部、東北部以及中部靠北地區(qū)陸地水儲(chǔ)量變化在滯后1個(gè)月時(shí)與SPEI相關(guān)性最高，云南省西北部以及青藏高原東南部陸地水儲(chǔ)量變化在滯后3個(gè)月時(shí)與SPEI相關(guān)性最高。

圖4 陸地水儲(chǔ)量變化與影響因子之間的滯相關(guān)分析結(jié)果Fig.4 Lag correlation analysis results between terrestrial water storage change and influencing factors

由表6可知，在中國(guó)陸地水儲(chǔ)量變化與NDVI存在0個(gè)月滯后的柵格數(shù)目最多，占比達(dá)到42.0%；與降水量存在1 個(gè)月滯后的柵格數(shù)目最多，占比達(dá)到42.1%；與溫度存在0 個(gè)月滯后的柵格數(shù)目最多，占比達(dá)到43.7%；與SPEI 存在1 個(gè)月滯后的柵格數(shù)目最多，占比達(dá)到30.8%。

表6 不同滯后時(shí)長(zhǎng)下的柵格數(shù)目占比Tab.6 Proportion of grid number under different lag length /%

2.3.4 3種重要性分析結(jié)果比較對(duì)比地理探測(cè)器、隨機(jī)森林和Pearson 相關(guān)分析3 種方法對(duì)各個(gè)影響因子對(duì)陸地水儲(chǔ)量變化影響程度大小的排序（表1、表4 和表5）可知，地理探測(cè)器和隨機(jī)森林得到的結(jié)果總體相差不大，但和Pearson相關(guān)分析結(jié)果相比相差較大，原因在于Pearson相關(guān)分析只能反映2個(gè)變量間線性相關(guān)程度的強(qiáng)弱，而隨機(jī)森林和地理探測(cè)器并不局限于線性關(guān)系。結(jié)合3種方法得到的結(jié)果可知，氣象因素對(duì)陸地水儲(chǔ)量變化的影響最大，下墊面因素對(duì)陸地水儲(chǔ)量變化的影響最小，在氣象因素中降水量對(duì)陸地水儲(chǔ)量變化最為重要。

3 討論

本文從氣象、社會(huì)經(jīng)濟(jì)和下墊面3個(gè)方面入手，定量分析了陸地水儲(chǔ)量變化的影響因素，研究發(fā)現(xiàn)降水量是導(dǎo)致陸地水儲(chǔ)量變化的主要原因，這與Wei等［9］、Meng等［11］研究結(jié)論一致。但需注意的是，降水量增加并不能完全代表陸地水儲(chǔ)量增加，例如新疆部分地區(qū)降水量增加明顯，但蒸散發(fā)能力明顯高于降水量［23］，且新疆的農(nóng)業(yè)絕大部分為灌溉農(nóng)業(yè)，農(nóng)業(yè)灌溉在各種人類用水中占比最高，因此陸地水儲(chǔ)量整體仍然呈下降趨勢(shì)；類似的，華北地區(qū)雖降水量變化不明顯，因工業(yè)、農(nóng)業(yè)大量開采地下水，導(dǎo)致陸地水儲(chǔ)量不斷減少［24］。此外，經(jīng)分析得到黃土高原地區(qū)陸地水儲(chǔ)量變化呈顯著減少趨勢(shì)，但相關(guān)研究表明黃土高原近年來植被增加顯著，主要原因是退耕還林還草工程實(shí)施以來黃土高原深層土壤儲(chǔ)水量嚴(yán)重虧損［25］。

本文結(jié)論是以中國(guó)陸地地區(qū)作為整體進(jìn)行影響因素分析所得到的，對(duì)于各個(gè)地區(qū)，因氣候不同、經(jīng)濟(jì)社會(huì)發(fā)展程度不同、地理因素不同，各個(gè)影響因子以及因子的交互作用對(duì)各地的影響不同，后續(xù)研究將進(jìn)一步分析提取中國(guó)陸地水儲(chǔ)量變化熱點(diǎn)區(qū)，以熱點(diǎn)區(qū)為單位探究同一因素對(duì)不同地區(qū)的作用效果，深層次研究各熱點(diǎn)區(qū)引起陸地水儲(chǔ)量變化的主導(dǎo)因素。在選擇影響因素時(shí)，因可獲取數(shù)據(jù)有限，未考慮生態(tài)輸水產(chǎn)生的影響［26］以及工業(yè)用水、農(nóng)業(yè)用水等［27］的影響，如何科學(xué)補(bǔ)充影響因子，使之更具完整性，仍需進(jìn)一步考慮。

4 結(jié)論

（1）中國(guó)大部分地區(qū)陸地水儲(chǔ)量變化明顯，其中顯著增加的區(qū)域主要分布在松花江、嫩江和松嫩平原附近以及柴達(dá)木盆地-長(zhǎng)江-東南沿海條帶上，顯著減少的區(qū)域主要分布在西南以及新疆-黃土高原-華北平原條帶上。

（2）EOF 分析結(jié)果表明，中國(guó)陸地水儲(chǔ)量變化最主要特征是隨緯度帶交替反相變化，其次是南北方陸地水儲(chǔ)量變化相反。

（3）氣象因素比社會(huì)經(jīng)濟(jì)因素和下墊面因素對(duì)中國(guó)陸地水儲(chǔ)量變化的影響大，因子兩兩交互作用相較于單個(gè)因子對(duì)于陸地水儲(chǔ)量變化的解釋力均為增加。

（4）降水量、溫度、SPEI 和NDVI 對(duì)中國(guó)月陸地水儲(chǔ)量變化的影響存在滯后性，且在不同地區(qū)各因子對(duì)月陸地水儲(chǔ)量變化影響的滯后時(shí)間各不相同。