紅柳江區(qū)域陸地水儲(chǔ)量變化及其驅(qū)動(dòng)因素分析

張 林，沈云中，陳秋杰，王奉偉

同濟(jì)大學(xué)測(cè)繪與地理學(xué)院，上海 200092

陸地水儲(chǔ)量變化指陸地各類水體的總變化，包括地表水、土壤水、地下水和植物冠層水等，是全球水循環(huán)的重要組成部分[1]。水平衡法為區(qū)域陸地水儲(chǔ)量變化的間接估計(jì)方法，即通過(guò)氣象水文數(shù)據(jù)的輸入和輸出之差來(lái)描述陸地水儲(chǔ)量變化。然而在觀測(cè)資料缺失地區(qū)，該方法不能很好地反映人類活動(dòng)對(duì)區(qū)域水儲(chǔ)量變化的影響[2]。GRACE重力衛(wèi)星發(fā)射之后，以相同的數(shù)據(jù)質(zhì)量覆蓋全球[3]，彌補(bǔ)了水文觀測(cè)易受觀測(cè)條件制約、站點(diǎn)空間分布不均和數(shù)據(jù)質(zhì)量不佳等不足，可直接獲取不同空間尺度的陸地水儲(chǔ)量變化。文獻(xiàn)[4]利用GRACE數(shù)據(jù)分析了全球27條流域水儲(chǔ)量的季節(jié)性及年際變化。文獻(xiàn)[5]評(píng)估了5種GRACE時(shí)變重力場(chǎng)模型在反演中國(guó)大陸地區(qū)水儲(chǔ)量變化中的不確定性。文獻(xiàn)[6]利用GRACE數(shù)據(jù)監(jiān)測(cè)了小尺度的三峽水庫(kù)蓄水過(guò)程。

探明區(qū)域陸地水儲(chǔ)量變化的驅(qū)動(dòng)因素有助于認(rèn)識(shí)區(qū)域水循環(huán)發(fā)生機(jī)制，為區(qū)域防災(zāi)減災(zāi)提供技術(shù)保障[7-9]。文獻(xiàn)[10—11]通過(guò)分析氣象水文因素對(duì)全球168個(gè)流域陸地水儲(chǔ)量變化的影響，發(fā)現(xiàn)在低緯度流域降水對(duì)水儲(chǔ)量變化的貢獻(xiàn)較大，而在中高緯度流域蒸散和徑流的貢獻(xiàn)更大。文獻(xiàn)[12]利用GRACE和水文模擬定性分析了2002—2010年氣象水文因素與人類活動(dòng)對(duì)全球30個(gè)流域水儲(chǔ)量變化的影響。此外，還有學(xué)者重點(diǎn)探究了水庫(kù)蓄水對(duì)流域水儲(chǔ)量季節(jié)性變化的影響[13-15]。然而，定量評(píng)估不同驅(qū)動(dòng)因素對(duì)陸地水儲(chǔ)量變化貢獻(xiàn)的相關(guān)研究較少，且主要量化降水、徑流和蒸散單個(gè)氣象水文因素的貢獻(xiàn)[10-11,16]。本文綜合量化分析氣象水文因素、人類活動(dòng)耗水及水庫(kù)水儲(chǔ)量變化對(duì)紅柳江區(qū)域陸地水儲(chǔ)量變化的影響。

珠江流域是我國(guó)第二大流域，其陸地水儲(chǔ)量變化主要受降水量、ENSO(El Nio/Southern Oscillation)和PDO(Pacific Decade Oscillation)等氣候因素的影響[17]，存在明顯的豐水及枯水循環(huán)周期[18]。同時(shí)，還與流域西北喀斯特地貌和水庫(kù)蓄水有關(guān)[19-20]，也有學(xué)者探究了該流域水儲(chǔ)量季節(jié)及趨勢(shì)變化特性[21]，但未見(jiàn)流域內(nèi)典型子區(qū)域水儲(chǔ)量變化及其驅(qū)動(dòng)因素分析的相關(guān)研究。紅柳江區(qū)域?yàn)橹榻饔蛎娣e最大的子流域，其陸地水儲(chǔ)量增長(zhǎng)速度顯著高于其他子流域[22]，且區(qū)域內(nèi)人類活動(dòng)耗水量相對(duì)較多(年均耗水量約為10 km3)。我國(guó)第三大水庫(kù)—龍灘水庫(kù)位于該區(qū)域內(nèi)，該水庫(kù)在實(shí)現(xiàn)發(fā)電、防洪、供水等效益的同時(shí)，也造成了自然河流的分段、徑流過(guò)程的均一化，其極強(qiáng)的徑流調(diào)控能力顯著改變了紅柳江下游區(qū)域徑流的年內(nèi)分配[22-23]，因此，分析該區(qū)域陸地水儲(chǔ)量變化并定量評(píng)估相關(guān)驅(qū)動(dòng)因素對(duì)完善珠江流域水文研究具有重要意義。

1 研究區(qū)域

紅柳江區(qū)域是珠江流域內(nèi)面積最大的二級(jí)子流域，其面積約為112 666.7 km2，位于貴州和廣西境內(nèi)，地勢(shì)西北高、東南低(圖1)。紅水河和柳江為該區(qū)域徑流量最大的兩條支流，紅水河發(fā)源于云南省東部，東出云南后穿越廣西西北和中部后與柳江匯合，兩條河流的水文監(jiān)測(cè)站見(jiàn)圖1中的紅色標(biāo)志，即遷江站(QJ)和柳州站(LZ)。

注：① 南北盤江; ② 紅柳江; ③ 郁江; ④ 桂南沿海諸河; ⑤ 西江; ⑥ 北江; ⑦ 珠江三角洲; ⑧ 東江; ⑨韓江及粵東諸河。

紅柳江區(qū)域有十大水庫(kù)，而在研究時(shí)段內(nèi)(2003—2016年)進(jìn)行蓄水的水庫(kù)僅有龍灘水庫(kù)、樂(lè)灘水庫(kù)、橋鞏水庫(kù)和紅花水庫(kù)(具體位置如圖1所示)，水庫(kù)庫(kù)容量分別為272.70億m3、9.50億m3、9.03億m3和5.70億m3，可見(jiàn)龍灘水庫(kù)的庫(kù)容量遠(yuǎn)大于其他水庫(kù)。

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)

本文所用數(shù)據(jù)見(jiàn)表1，可分為GRACE數(shù)據(jù)、氣象水文數(shù)據(jù)和人類活動(dòng)相關(guān)數(shù)據(jù)3大類。

表1 數(shù)據(jù)集介紹

2.1.1 GRACE數(shù)據(jù)

GRACE數(shù)據(jù)采用2003年1月—2016年12月美國(guó)得克薩斯大學(xué)空間研究中心(CSR)發(fā)布的RL06版和同濟(jì)大學(xué)發(fā)布的Tongji-Grace2018版96階次時(shí)變重力場(chǎng)模型，研究時(shí)段內(nèi)分別存在17個(gè)月和18個(gè)月的數(shù)據(jù)缺失，其空缺月份用三次樣條進(jìn)行填補(bǔ)。GRACE數(shù)據(jù)處理過(guò)程中，考慮了地心改正項(xiàng)和GIA影響[24-26]，利用SLR解算結(jié)果(NASA GSFC C20)替換了C20項(xiàng)[27]，并扣除2004年1月—2009年12月平均場(chǎng)，以便與GRACE CSR Mascon產(chǎn)品的背景場(chǎng)一致。此外，選用P4M6+300 km高斯濾波方式處理球諧系數(shù)噪聲[28]，并利用無(wú)約束Forward Modeling對(duì)泄漏信號(hào)進(jìn)行恢復(fù)[29]，最終基于緯度加權(quán)原則求得區(qū)域陸地水儲(chǔ)量異常。

2.1.2 氣象及水文數(shù)據(jù)

降水?dāng)?shù)據(jù)采用國(guó)家氣象科學(xué)數(shù)據(jù)共享服務(wù)平臺(tái)提供的地面降水月值數(shù)據(jù)(V2.0版)，其空間分辨率為0.5°×0.5°。該數(shù)據(jù)基于中國(guó)地面2472個(gè)臺(tái)站的降水資料，利用薄盤樣條進(jìn)行空間插值而生成，并經(jīng)過(guò)交叉驗(yàn)證分析，數(shù)據(jù)質(zhì)量狀況良好[30]。

實(shí)測(cè)徑流數(shù)據(jù)來(lái)自中國(guó)泥沙公報(bào)公布的遷江站和柳州站的月徑流量，代表整個(gè)紅柳江區(qū)域的出境流量。水文模型模擬徑流數(shù)據(jù)選用全球陸面數(shù)據(jù)同化系統(tǒng)(GLDAS 2.1v)的NOAH、CLM、VIC模型[31]。蒸散發(fā)數(shù)據(jù)產(chǎn)品有兩類，即基于遙感數(shù)據(jù)反演的GLEAM 3v產(chǎn)品[32]和NASA發(fā)布的GLDAS 2.1v中的NOAH、CLM、VIC產(chǎn)品。本文直接使用氣象及水文原始格網(wǎng)數(shù)據(jù)，避免了濾波處理及泄漏改正不充分導(dǎo)致的信號(hào)削弱問(wèn)題。

2.1.3 人類活動(dòng)數(shù)據(jù)

人類活動(dòng)數(shù)據(jù)包括龍灘水庫(kù)實(shí)測(cè)水量[19]和人類活動(dòng)年耗水量，兩者均以km3表示。為了統(tǒng)一比較，將氣象水文數(shù)據(jù)及GRACE估算的水儲(chǔ)量變化歸算為體積變化形式。

2.2 方法

本文利用水平衡法[33]計(jì)算珠江流域陸地水儲(chǔ)量變化，將其與GRACE時(shí)變重力數(shù)據(jù)估算結(jié)果進(jìn)行比較，以評(píng)估人類活動(dòng)對(duì)流域水儲(chǔ)量變化的影響；同時(shí)，基于文獻(xiàn)[34]中的貢獻(xiàn)率定量法量化各驅(qū)動(dòng)因素對(duì)流域陸地水儲(chǔ)量變化的貢獻(xiàn)。

2.2.1 水平衡法

水平衡法[33]和GRACE時(shí)變重力數(shù)據(jù)是計(jì)算區(qū)域陸地水儲(chǔ)量變化的不同方法，分別利用式(1)和式(2)進(jìn)行計(jì)算

TWSC=P-E-R

(1)

TWSCGRACE(t)=TWSA(t)-TWSA(t-1)

(2)

式中，P為降水量；E和R分別為區(qū)域蒸散量和徑流量，當(dāng)缺乏蒸散數(shù)據(jù)或?qū)崪y(cè)徑流時(shí)，通常利用水文模型進(jìn)行估算[35]；TWSCGRACE(t)為GRACE模型求得的t月份陸地水儲(chǔ)量變化，其單位為km3/month；TWSA(t)和TWSA(t-1)分別為t和t-1月份陸地水儲(chǔ)量異常，單位為km3。

2.2.2 貢獻(xiàn)率定量法

陸地水儲(chǔ)量變化驅(qū)動(dòng)因素貢獻(xiàn)率定量公式為[34]

(3)

式中，N為陸地水儲(chǔ)量變化驅(qū)動(dòng)因素?cái)?shù)目；Hi為第i個(gè)驅(qū)動(dòng)因素引起的陸地水儲(chǔ)量變化;ηi為第i個(gè)驅(qū)動(dòng)因素對(duì)區(qū)域陸地水儲(chǔ)量變化的貢獻(xiàn)率。當(dāng)η為正時(shí)驅(qū)動(dòng)因素促進(jìn)區(qū)域陸地水儲(chǔ)量增長(zhǎng)，反之則消耗區(qū)域水儲(chǔ)量。選用相關(guān)系數(shù)(p-value檢驗(yàn)法計(jì)算置信區(qū)間)及均方根誤差作為模型接近程度的評(píng)定指標(biāo)，均方根誤差為

(4)

式中，ΔSi為不同模型計(jì)算的時(shí)間序列值之差；N為研究時(shí)段內(nèi)總月(年)份。

3 紅柳江區(qū)域陸地水儲(chǔ)量變化

3.1 水平衡法估算陸地水儲(chǔ)量變化

圖2(a)、(b)、(c)分別給出了紅柳江區(qū)域降水量、徑流量(實(shí)測(cè)徑流、CLM、NOAH、VIC)和蒸散量(GLEAM、CLM、NOAH、VIC)月變化序列。由圖2(a)可知，2004、2005及2010年紅柳江區(qū)域降水量顯著高于其他年份，2011和2013年的降水量則低于其他年份。圖2(b)所示的區(qū)域徑流量中，CLM、NOAH和VIC模型估算結(jié)果與實(shí)測(cè)徑流量(柳州站和遷江站徑流之和)相關(guān)系數(shù)分別為0.84、0.80和0.82(p值均為0.01)，均方根誤差分別為2.90、4.61和6.44 km3，因此CLM模型估算徑流值與實(shí)測(cè)徑流值最為接近。CLM、VIC、NOAH和GLEAM模型估算的蒸散量存在差異(圖2(c))，周年振幅分別為33.3±9.62、36.1±1.25、43±1.98和41.3±1.87 km3。本文選用CLM模型對(duì)區(qū)域徑流和蒸散量進(jìn)行估算，估算值分別記為RCLM和ECLM，實(shí)測(cè)徑流記為R實(shí)。

3.2 GRACE估算陸地水儲(chǔ)量變化

圖3給出了CSR-RL06和Tongji-Grace2018模型計(jì)算的紅柳江區(qū)域陸地水儲(chǔ)量變化，其周年振幅分別為3.45±0.44 km3/a和3.47±0.45 km3/a，相位為296.9°±7.25°/a和293.4°±7.4°/a，長(zhǎng)期趨勢(shì)分別為0.04±0.08 km3/a2和0.03±0.08 km3/a2，兩者吻合較好，因此取其均值作為GRACE模型估算結(jié)果。

圖3 GRACE估算陸地水儲(chǔ)量月變化

3.3 區(qū)域水量平衡方程閉合性分析

GRACE和水平衡法估算的閉合流域陸地水儲(chǔ)量變化應(yīng)滿足平衡關(guān)系[33]，圖4(a)、(b)分別為兩種方法估算的紅柳江區(qū)域陸地水儲(chǔ)量月變化和年變化，其長(zhǎng)期趨勢(shì)、周年振幅和相位統(tǒng)計(jì)結(jié)果見(jiàn)表2。在水平衡法中，實(shí)測(cè)徑流和CLM模型徑流數(shù)據(jù)計(jì)算的陸地水儲(chǔ)量變化分別記為P-ECLM-R實(shí)和P-ECLM-RCLM。

圖4 紅柳江區(qū)域陸地水儲(chǔ)量月變化和年變化

表2 GRACE及水平衡法估算結(jié)果對(duì)比(月尺度)

水平衡法中P-ECLM-R實(shí)和P-ECLM-RCLM與GRACE模型估算的陸地水儲(chǔ)量月變化之差值計(jì)算的均方根誤差分別為3.41 km3/month和3.61 km3/month；年變化差值計(jì)算的均方根誤差分別為13.1 km3/a和19.74 km3/a。由圖4和表2可知，P-ECLM-R實(shí)比P-ECLM-RCLM更接近GRACE模型的估算結(jié)果，其原因?yàn)镚LDAS中的CLM模型未模擬人類活動(dòng)耗水(human consume,HC)(包括工業(yè)、生活、農(nóng)業(yè)灌溉和生態(tài)耗水)和水庫(kù)儲(chǔ)水(reservoir storage,RESS)等因素對(duì)區(qū)域陸地水儲(chǔ)量變化的貢獻(xiàn)[36]；人類活動(dòng)耗水量將轉(zhuǎn)為徑流和蒸散量輸出，水庫(kù)的徑流攔截及水面蒸發(fā)作用也會(huì)影響水量平衡方程的閉合性，而實(shí)測(cè)徑流考慮了人類活動(dòng)的影響。此外，表2中GRACE模型及水文模式計(jì)算的陸地水儲(chǔ)量變化長(zhǎng)期趨勢(shì)均不顯著，部分月份數(shù)據(jù)質(zhì)量較差，導(dǎo)致其不確定度較大。

為探究人類活動(dòng)耗水對(duì)紅柳江區(qū)域陸地水儲(chǔ)量變化的影響，將考慮該驅(qū)動(dòng)因素后，CLM模型計(jì)算的陸地水儲(chǔ)量變化與實(shí)測(cè)徑流，以及GRACE模型估算結(jié)果進(jìn)行比較，如圖5所示，考慮人類活動(dòng)耗水為該區(qū)域陸地水儲(chǔ)量輸出項(xiàng)時(shí)，P-ECLM-RCLM與GRACE模型估算的區(qū)域陸地水儲(chǔ)量年變化吻合程度有明顯提高，均方根誤差減小到12.26 km3/a，較之前降低了39%，且與P-ECLM-R實(shí)較為一致。

圖5 紅柳江區(qū)域陸地水儲(chǔ)量年變化(GRACE及水平衡法估算結(jié)果)

4 紅柳江區(qū)域陸地水儲(chǔ)量變化驅(qū)動(dòng)因素分析

4.1 氣象水文因素及人類活動(dòng)耗水

由上述分析可知，紅柳江區(qū)域水儲(chǔ)量變化的潛在驅(qū)動(dòng)因素包括氣象水文因素(P-ECLM-RCLM)、人類活動(dòng)耗水(HC)和其他因素(other)，利用式(3)計(jì)算不同驅(qū)動(dòng)因素對(duì)區(qū)域陸地水儲(chǔ)量變化貢獻(xiàn)率。圖6(a)、(b)分別為氣象水文因素和人類活動(dòng)耗水對(duì)紅柳江區(qū)域陸地水儲(chǔ)量變化的貢獻(xiàn)率，以及區(qū)域年降水量，徑流和蒸散量之和。氣象水文因素和人類活動(dòng)耗水量與該區(qū)域水儲(chǔ)量變化的相關(guān)系數(shù)分別為0.82(p值為0.01)和0.50(p值為0.07)，其貢獻(xiàn)率在-29.0%～61.7%和-72.0%～-14.1%范圍內(nèi)。氣象水文因素貢獻(xiàn)率僅于2009、2011和2016年為負(fù)，其均值為-22.5%，其余年份正貢獻(xiàn)率均值為47.7%；人類活動(dòng)耗水貢獻(xiàn)率始終為負(fù)，其均值為-34.8%。圖6(b)中，2009、2011和2016年區(qū)域降水量低于徑流和蒸散量之和，導(dǎo)致氣象水文因素的貢獻(xiàn)率為負(fù)。

圖6 人類活動(dòng)耗水和氣象水文因素貢獻(xiàn)率及氣象水文因素水量變化

4.2 龍灘水庫(kù)水儲(chǔ)量變化

龍灘水庫(kù)(面積約為63.18 km2)于2006年9月開(kāi)始蓄水，到2009年底蓄水完成，水位上漲了330 m。圖7(a)、(b)分別為龍灘水庫(kù)蓄水前(2003年1月—2006年8月)和蓄水階段(2006年9月—2009年12月)紅柳江區(qū)域陸地水儲(chǔ)量異常趨勢(shì)空間分布，箭頭方向表示紅水河流向，其平均水儲(chǔ)量變化速度分別為-1.28 km3/a和0.15 km3/a。該區(qū)域陸地水儲(chǔ)量在龍灘水庫(kù)蓄水階段整體呈現(xiàn)增長(zhǎng)趨勢(shì)，且紅水河上游區(qū)域水儲(chǔ)量增長(zhǎng)速度高于中下游區(qū)域，表明水庫(kù)蓄水促進(jìn)了區(qū)域陸地水儲(chǔ)量的增長(zhǎng)。

圖7 紅柳江區(qū)域陸地水儲(chǔ)量異常趨勢(shì)

圖8(a)、(b)分別為2006年9月—2014年12月GRACE模型與龍灘水庫(kù)水儲(chǔ)量異常原始序列及傅里葉分析結(jié)果，其長(zhǎng)期趨勢(shì)、周年振幅和周年相位信息列于表3。GRACE模型與龍灘水庫(kù)水儲(chǔ)量異常序列相關(guān)系數(shù)為0.66(p值為0.01)，長(zhǎng)期趨勢(shì)和周年相位吻合較好，均存在明顯的一年和兩年周期信號(hào)，反映了GRACE模型與龍灘水庫(kù)的水儲(chǔ)量變化具有一定相關(guān)性。由于GRACE模型計(jì)算的陸地水儲(chǔ)量變化包含龍灘水庫(kù)外的水儲(chǔ)量變化，因此圖8中的信號(hào)強(qiáng)度高于龍灘水庫(kù)。

圖8 GRACE和龍灘水庫(kù)(LT)實(shí)測(cè)水儲(chǔ)量異常原始序列和傅里葉分析結(jié)果

表3 GRACE和龍灘水庫(kù)實(shí)測(cè)水儲(chǔ)量異常時(shí)間序列信息表

龍灘水庫(kù)水儲(chǔ)量變化(TWSCLT)的計(jì)算方法同式(2)，其對(duì)區(qū)域陸地水儲(chǔ)量變化貢獻(xiàn)率可由式(3)估算。圖9為2006—2014年龍灘水庫(kù)對(duì)紅柳江區(qū)域陸地水儲(chǔ)量變化貢獻(xiàn)率，其值在-45.9%～29.2%范圍內(nèi)。2006—2008年水庫(kù)蓄水，水庫(kù)貢獻(xiàn)率持續(xù)為正；2009年和2011年水庫(kù)負(fù)貢獻(xiàn)率較大，其原因?yàn)檫@兩年降水量較少，而人類活動(dòng)耗水量較多(圖6)。此外，龍灘水庫(kù)蓄水完成后(2009年之后)，水庫(kù)貢獻(xiàn)率正負(fù)交替，此現(xiàn)象可能與政府調(diào)控有關(guān)。

圖9 龍灘水庫(kù)對(duì)陸地水儲(chǔ)量變化的貢獻(xiàn)率

5 結(jié) 論

本文討論了人類活動(dòng)耗水對(duì)紅柳江區(qū)域水量平衡方程閉合性的影響，定量分析了氣象水文因素、人類活動(dòng)耗水和龍灘水庫(kù)水儲(chǔ)量變化對(duì)該區(qū)域陸地水儲(chǔ)量變化的貢獻(xiàn)，主要結(jié)論如下。

(1)人類活動(dòng)耗水是紅柳江區(qū)域不可忽略的陸地水儲(chǔ)量輸出項(xiàng)，考慮該因素后，由水量平衡方程閉合差計(jì)算的均方誤差減少了39%。人類活動(dòng)耗水與該區(qū)域水儲(chǔ)量變化相關(guān)性為0.50，對(duì)該區(qū)域陸地水儲(chǔ)量變化的年均貢獻(xiàn)率為-34.8%。

(2)氣象水文因素引起的水儲(chǔ)量變化與紅柳江區(qū)域陸地水儲(chǔ)量變化的相關(guān)性達(dá)到0.82，對(duì)區(qū)域陸地水儲(chǔ)量變化的貢獻(xiàn)率僅于2009、2011和2016年為負(fù)，其均值為-22.5%；其余年份正貢獻(xiàn)率均值為47.7%，因此降水、徑流和蒸散的相互作用為該區(qū)域陸地水儲(chǔ)量變化的重要因素。

(3)紅柳江區(qū)域平均陸地水儲(chǔ)量變化趨勢(shì)在龍灘水庫(kù)蓄水前(2003年1月—2006年8月)和蓄水階段(2006年9月—2009年12月)分別為-1.28 km3/a和0.15 km3/a，表明水庫(kù)蓄水促進(jìn)了該區(qū)域的水儲(chǔ)量增長(zhǎng)。2006—2014年龍灘水庫(kù)對(duì)區(qū)域陸地水儲(chǔ)量變化貢獻(xiàn)率在-45.9%～29.2%范圍內(nèi)。

(4)由于人類活動(dòng)因素考慮不全面(如缺少實(shí)測(cè)蒸散，水庫(kù)水面蒸發(fā)及攔截徑流數(shù)據(jù)等)，水平衡法和GRACE模型估算的陸地水儲(chǔ)量變化仍有較大的不閉合值(圖5)；同時(shí)還需要細(xì)致分析并定量除氣象水文因素和人類活動(dòng)耗水外其他因素對(duì)陸地水儲(chǔ)量變化的貢獻(xiàn)；此外，本文僅定量直接氣象水文因素對(duì)區(qū)域陸地水儲(chǔ)量變化(降水、徑流和蒸散)貢獻(xiàn)，缺少對(duì)間接氣象水文因素(如ENSO、PDO和西太副高等)影響作用的分析。