近20年黃河源區(qū)陸地水儲量增加及其可能原因分析

梁文濤，衛(wèi)林勇，劉 懿，尹 航，韓振華

（1.中國水利水電科學(xué)研究院內(nèi)蒙古陰山北麓草原生態(tài)水文國家野外科學(xué)觀測研究站，北京 100038；2.河海大學(xué)水文水資源學(xué)院，南京 210098；3.水利部牧區(qū)水利科學(xué)研究所，呼和浩特 010020）

0 引 言

黃河源區(qū)位于“亞洲水塔”青藏高原的東部地區(qū)，是黃河流域生態(tài)保護與社會經(jīng)濟高質(zhì)量發(fā)展的重要區(qū)段［1］。隨著社會經(jīng)濟不斷發(fā)展和人類活動的作用力加劇，黃河源區(qū)存在著嚴重的水資源問題，如湖泊萎縮、冰川凍土退化、植被覆蓋度減少導(dǎo)致涵養(yǎng)水源能力下降［2］。陸地水儲量由冰雪、湖泊、河流、土壤水和地下水等組成，是流域水平衡的關(guān)鍵參數(shù)，能夠綜合反映流域降水、蒸發(fā)和徑流變化過程。了解陸地水儲量的變化現(xiàn)狀對黃河源區(qū)水資源的可持續(xù)決策和合理規(guī)劃具有重要支撐作用。

由于在高海拔山區(qū)缺乏地面觀測，它阻礙掌握陸地水儲量的時空變異性。自2002年3月GRACE 衛(wèi)星發(fā)射，其為全球范圍的水儲量監(jiān)測提供了一種有用的手段和數(shù)據(jù)集［3］。目前，GRACE 產(chǎn)品結(jié)合GLDAS 數(shù)據(jù)已經(jīng)被廣泛用于調(diào)查區(qū)域陸地水儲量變化，包括西非、印度半島、塔里木河流域、長江流域以及黃河流域等［3-5］。已有研究表明陸地水儲量在黃河流域2003年至2017年具有下降趨勢［4］。但是，黃河流域局部地區(qū)的氣候和水文差異性大。盡管許等人指出陸地水儲量在黃河源區(qū)2003年至2008年呈增加趨勢［5］。作為GRACE 產(chǎn)品的繼承者，GRACE-FO 數(shù)據(jù)集也得到了很好的水文應(yīng)用［6，7］。利用最新的更長時間序列的GRACE 產(chǎn)品，即聯(lián)合GRACE 和GRACE-FO 數(shù)據(jù)集，揭示黃河源區(qū)陸地水儲量演變特征有著與時俱進的意義，且該調(diào)查工作幾乎處于空白狀態(tài)。

本文利用機器學(xué)習(xí)模型，結(jié)合GRACE 和GRACE-FO 產(chǎn)品解析黃河源區(qū)2002年4月至2020年3月的陸地水儲量演變規(guī)律、陸地水儲量成分時間變化特征、以及陸地水儲量與氣象因素之間的聯(lián)系。

1 研究區(qū)與數(shù)據(jù)

1.1 研究區(qū)域

黃河源區(qū)的地理位置介于東經(jīng)95.5°～103.5°、北緯31.5°～36.5°之間，覆蓋面積約13 萬km2，橫穿青海、四川和甘肅三省。黃河源區(qū)的地貌復(fù)雜，涵蓋了冰川、凍土、湖泊、高山、盆地等地理特征；自然生境獨特，以高寒植被為主。黃河源區(qū)地勢西高東低，且絕大部分地區(qū)的海拔高于2 600 m；氣候?qū)儆诎敫珊蛋霛駶櫺?，多年平均降水量從東南部（832 mm）向西北部（325 mm）逐漸降低且降水集中在夏季；氣溫東高西低且晝夜溫差大，多年平均蒸散發(fā)量為240～764 mm（見圖1）。源區(qū)自然資源豐富，是黃河流域重要的產(chǎn)流區(qū)和水源涵養(yǎng)區(qū)［8］。

圖1 黃河源區(qū)的高程、降水和蒸散發(fā)空間分布Fig.1 Spatial distribution of elevation，precipitation and evapotranspiration in the source region of the Yellow River

1.2 數(shù)據(jù)來源

GRACE產(chǎn)品是由美國國家航空航天局（NASA）和德國航空航天中心聯(lián)合研制的地球重力衛(wèi)星數(shù)據(jù)［7］。在陸地上，GRACE提供垂直整合的陸地水儲量變化觀測資料，其值為各月陸地水儲量減去2004年1月至2009年12月的月平均陸地水儲量。目前，GRACE陸地水儲量產(chǎn)品可以從德克薩斯大學(xué)空間研究中心（CSR）、德國地球科學(xué)研究中心（GFZ）和噴氣推進實驗室（JPL）獲取。在它們之中，CSR RL06 mascon 產(chǎn)品是現(xiàn)階段空間分辨率最高的陸地水儲量數(shù)據(jù)集，其在1°等面積上提供0.25°網(wǎng)格數(shù)值，并已經(jīng)頻繁應(yīng)用在小流域或小尺度區(qū)域的陸地水儲量變化研究和干旱監(jiān)測［6，7，9］。因此，本研究使用CSR GRACE/GRACEFO RL06 Mascon V2 產(chǎn)品，研究時期從2002年4月至2020年3月。對于GRACE 數(shù)據(jù)在時間序列上存在的數(shù)據(jù)缺失情況，其1個月或連續(xù)2 個月缺失的數(shù)值采用樣條插值方法進行插補；由于GRACE 衛(wèi)星被GRACE-FO 衛(wèi)星更替所導(dǎo)致的數(shù)據(jù)鴻溝較長，本文利用長短期記憶網(wǎng)絡(luò)模型對2017年7月至2018年5月連續(xù)缺失的GRACE數(shù)據(jù)進行修復(fù)。

GLDAS 數(shù)據(jù)是由NASA 與美國國家海洋和大氣管理局基于先進數(shù)據(jù)同化技術(shù)共同開發(fā)的地表場信息產(chǎn)品，其包含了大量的水文變量數(shù)據(jù)［10，11］。GLDAS 同化系統(tǒng)能夠融合衛(wèi)星與地面觀測數(shù)據(jù)，驅(qū)動不同的陸面模型。在這些陸面模型中，GLDAS Noah 陸面模式具有最高0.25°的分辨率，與GRACE CSR mascon 產(chǎn)品的空間分辨率一致。由此，本文選取2002年4月至2020年3月GLDAS Noah 模型估計的蒸散發(fā)、冠層水、雪水當(dāng)量、4 層土壤水?dāng)?shù)據(jù)集，并基于水文模型用冠層水、雪水當(dāng)量和土壤水資料疊加計算出GLDAS陸地水儲量［10］。為了與GRACE衛(wèi)星產(chǎn)品保持一致，GLDAS 逐月陸地水儲量也減去2004年到2009年的月均值。GLDAS 陸地水儲量已經(jīng)被頻繁用于驗證GRACE陸地水儲量數(shù)值的可靠性［3，9-11］。

黃河源區(qū)降水?dāng)?shù)據(jù)來自國家氣象局2002年4月至2020年3月的中國地面降水0.5°格點數(shù)據(jù)集V2，該數(shù)據(jù)是基于大約2400 個氣象站的觀測資料利用薄盤樣條插值方法生成的網(wǎng)格降水?dāng)?shù)據(jù)，其時間分辨率為1月、空間分辨率為0.5°［6］。本文利用雙線性插值法將此數(shù)據(jù)集內(nèi)插成0.25°分辨率的降水?dāng)?shù)據(jù)。

2 研究方法

2.1 長短期記憶網(wǎng)絡(luò)模型

較先進的深度學(xué)習(xí)模型長短期記憶（LSTM）網(wǎng)絡(luò)是一種特殊的循環(huán)神經(jīng)網(wǎng)絡(luò)，其主要作用在于改進傳統(tǒng)的循環(huán)神經(jīng)網(wǎng)絡(luò)在記憶模塊中學(xué)習(xí)長期依賴性的缺陷［6］。LSTM 神經(jīng)元由輸入層、隱藏層（包含細胞記憶的狀態(tài)單元和刪除冗余信息的遺忘門）、輸出層組成，這些模塊能夠控制和調(diào)整網(wǎng)絡(luò)的單元狀態(tài)。關(guān)于LSTM 模型的具體結(jié)構(gòu)和計算公式可參考文獻［12］。LSTM 網(wǎng)絡(luò)模型具有較高的模型擬合和學(xué)習(xí)能力，在干旱預(yù)測、地星降水產(chǎn)品融合、徑流還原以及陸地水儲量重建得到了較好的應(yīng)用。因此，LSTM 模型可以作為復(fù)雜水文地質(zhì)特征的黃河源區(qū)GRACE 陸地水儲量修復(fù)的一種可行方案。本文主要調(diào)試LSTM 模型中的幾個關(guān)鍵參數(shù)，即丟棄率、初始學(xué)習(xí)率、學(xué)習(xí)率和梯度閾值，最終確定其數(shù)值分別為0.2、0.005、0.2、1。

2.2 統(tǒng)計模型

皮爾遜相關(guān)系數(shù)（CC）法是用于估計給定n組兩個變量（Gi，Si；i=1，2，…，n）間相關(guān)程度的一種統(tǒng)計學(xué)方法。它的計算公式如方程（1）所示，G和S分別表示兩個變量的均值，CC表示兩個變量的皮爾遜相關(guān)系數(shù)。CC的數(shù)值范圍在-1至1之間，越接近于1，正相關(guān)程度越高，反之則負相關(guān)程度越高。皮爾遜相關(guān)系數(shù)可用于驗證GRACE陸地水儲量產(chǎn)品與GLDAS數(shù)據(jù)的一致性以及分析陸地水儲量與氣象因素之間的相關(guān)關(guān)系。另外，皮爾遜相關(guān)系數(shù)和納什效率系數(shù)（NSE）也可用于評估LSTM 模型重建GRACE陸地水儲量的可靠性。

最小二乘法是基于給定的n組數(shù)組對（xi，yi；i=1，2，…，n），以線性函數(shù)y=k x+b 估算的數(shù)據(jù)與yi之間最小化誤差的平方和為準則，去尋找該組數(shù)組對最佳擬合公式的一種數(shù)學(xué)優(yōu)化技術(shù)。其中，參數(shù)k為變量y隨著時間x的變化趨勢，若k＞0，表示因變量呈現(xiàn)增加的趨勢，反之則呈現(xiàn)下降的趨勢，它的數(shù)學(xué)表達式見方程（2）。本文利用最小二乘回歸方法分析黃河源區(qū)陸地水儲量、陸地水儲量成分和氣象因子在相應(yīng)尺度上的變化趨勢。

3 結(jié)果分析

3.1 陸地水儲量變化趨勢

為了填補GRACE 和GRACE-FO 數(shù)據(jù)記錄中的缺失片段，以GLDAS 數(shù)據(jù)計算的陸地水儲量、GLDAS 蒸散發(fā)、降水?dāng)?shù)據(jù)作為自變量，以GRACE 陸地水儲量作為因變量，構(gòu)建LSTM 模型。在研究期所有變量的月時間序列數(shù)據(jù)重疊時段共205 個月，考慮陸地水儲量在時間上的變異性，采用隨機抽樣的方式獲得194 個訓(xùn)練樣本和11 個測試樣本。該模型在訓(xùn)練期間的性能較高，并且在驗證階段也表現(xiàn)出良好的一致性，皮爾遜相關(guān)系數(shù)為0.923、納什效率系數(shù)為0.816（圖2）。這些結(jié)果體現(xiàn)了所建立的LSTM 模型可以用來填補GRACE 與GRACE-FO 之間的數(shù)據(jù)缺口。

圖2 LSTM模型在測試期的性能Fig.2 Performance of LSTM model in the test period

為了驗證GRACE 反演的陸地水儲量數(shù)值的準確性，選用GLDAS 水文模型模擬的陸地水儲量對其進行驗證。圖3 展示了黃河源區(qū)2002年4月至2020年3月GRACE和GLDAS估算的區(qū)域平均陸地水儲量在月尺度上的變化過程。由圖3 可知，GRACE 與GLDAS 估計的陸地水儲量在幅度和時間上變化趨勢基本上一致，兩者的皮爾遜相關(guān)系數(shù)在GRACE時期為0.538、在數(shù)據(jù)鴻溝時段為0.936、在GRACE-FO 時期為0.436、在研究期為0.737。盡管如此，它們之間存在細微的偏差，GRACE 反演的結(jié)果波動范圍為-76.7 至113.4 mm，而GLDAS 計算的范圍為-83.7 至132.6 mm。這可能因為兩者所包含的水文變量不一致，如GRACE產(chǎn)品含有的地下水和湖泊相關(guān)數(shù)值，而GLDAS陸地水儲量數(shù)據(jù)不包括?？傊?，GRACE重力衛(wèi)星反演的陸地水儲量產(chǎn)品的可靠性有著很好的保障，可為黃河源區(qū)的陸地水儲量變化分析提供較大潛力的數(shù)據(jù)集。

從圖3 可以看出，黃河源區(qū)的陸地水儲量在研究期間呈現(xiàn)先增加后降低再增加的變化過程，但整體上表現(xiàn)出增加趨勢，線性斜率為0.198 mm/月。具體地，陸地水儲量在2002年4月至2012年8月以0.267 mm/月的線性斜率緩慢地上升，在2012年9月至2016年9月以1.369 mm/月的線性斜率急劇地下降并在2016年9月出現(xiàn)最低的負值。然而，陸地水儲量在2016年10月至2020年3月再次以3.124 mm/月的線性斜率回升，并且在GRACE-FO 時期所有月份均顯示出盈余的狀態(tài)，以及大部分月份的數(shù)值一般高于GRACE 時期的量值。這些結(jié)果相較于許等所報道的相關(guān)內(nèi)容［5］，更能揭示該區(qū)域的陸地水儲量歷史變化狀態(tài)。另外，陸地水儲量也有明顯的季節(jié)性變化特征，即，在旱季易出現(xiàn)虧損狀態(tài)，而在濕季通常呈現(xiàn)盈余狀態(tài)。這是因為具有季節(jié)性的降水、蒸散發(fā)、氣溫等因素直接促使陸地水儲量發(fā)生相似的變化。

圖3 基于GRACE與GLDAS產(chǎn)品的陸地水儲量在月尺度上的變化Fig.3 Variation of terrestrial water storage based on GRACE and GLDAS products at a monthly scale

3.2 陸地水儲量成分時間變化

詳細的陸地水儲量成分分析有助于更好地闡釋陸地水儲量的時空變化特征。地下水、土壤水和雪水當(dāng)量是陸地水儲量的主要成分［11］。這里的地下水?dāng)?shù)據(jù)是用GRACE 陸地水儲量數(shù)值減去土壤水和雪水當(dāng)量數(shù)值獲得的［13］。由圖4 可知，3 個陸地水儲量成分的時間變化特征有著很大的差別，并表現(xiàn)出不同的增減趨勢。詳細地，雪水當(dāng)量在研究期以0.008 mm/月的線性斜率平坦地增加，在個別月份出現(xiàn)較豐富的盈余狀態(tài)，如在2011年11月達最高正值16.8 mm；它與陸地水儲量的時間序列極為不一致。有趣地，土壤水的時間變化展示出明顯的增加趨勢，在2002年4月至2020年3月期間的線性斜率為0.398 mm/月；且它也有著先增加后降低再增加的變化趨勢，與陸地水儲量的時間變化有著高度的相似性，皮爾遜相關(guān)系數(shù)為0.731。相比于受氣候變化影響敏感的雪水當(dāng)量和土壤水，地下水呈現(xiàn)相反的趨勢，其以0.209 mm/月的線性斜率下降，與陸地水儲量的變化趨勢方向不一致。因此，在3個陸地水儲量成分中，土壤水是黃河源區(qū)的陸地水儲量變化的主要貢獻成分。

圖4 地下水、土壤水和雪水當(dāng)量變化趨勢Fig.4 Variation trend of groundwater，soil moisture and snow water equivalent

3.3 水儲量變化的氣象因素分析

黃河源區(qū)的氣候變化復(fù)雜，降水、蒸發(fā)等因素容易導(dǎo)致陸地水儲量發(fā)生急劇變化。另外，陸地水儲量對人類活動的響應(yīng)也頗為敏感，但本文重點分析氣象變量（降水和蒸散發(fā)）對源區(qū)陸地水儲量的影響。

降水被認為是影響陸地水儲量變化的最重要的氣候因素之一。由圖5 可以觀察到，降水和蒸散發(fā)變量具有很強的年代周期性和年內(nèi)季節(jié)性變化，在夏季和秋季降雨量大、蒸散發(fā)強，而春季和冬季降雨量小、蒸散發(fā)弱，導(dǎo)致陸地水儲量也有著相似的演變特征。另外，降水在研究期間以0.017 mm/月的線性斜率略微增加，而蒸散發(fā)量有著-0.026 mm/月的線性斜率下降趨勢。一般地，這兩個變量與陸地水儲量在季節(jié)性變化上有著緊密的一致性，均在旱、濕季分明。

圖5 陸地水儲量與月降水和月蒸散發(fā)的變化關(guān)系Fig.5 Variation relationship between terrestrial water storage and monthly precipitation and monthly evapotranspiration

降水和蒸散發(fā)在月尺度上趨勢變化是微弱的，不易于直觀發(fā)現(xiàn)陸地水儲量與它們之間的聯(lián)系。圖6展示了陸地水儲量與降水和蒸散發(fā)在年尺度上的變化關(guān)系。年降水量也有先增加后降低再迅速增加的趨勢，而年蒸散發(fā)量緩慢地增加再急劇下降。圖6（a）、6（b）顯示，陸地水儲量變化量和源區(qū)降水量之間存在統(tǒng)計上顯著的正相關(guān)，皮爾遜相關(guān)系數(shù)為0.597、p小于0.05、線性斜率為2.52，即隨著降水增加、陸地水儲量變化量也增加。相反，在陸地水儲量變化量和蒸散發(fā)之間存在負相關(guān)，皮爾遜相關(guān)系數(shù)為-0.219、線性斜率為-2，即陸地水儲量與蒸散發(fā)量變化方向相反［見圖6（c）、6（d）］。顯而易見地，降水趨勢增加是黃河源區(qū)陸地水儲量增加的重要因素，而蒸散發(fā)量減少是該地區(qū)陸地水儲量上升的可能原因。

圖6 陸地水儲量與年降水和年蒸散發(fā)的變化關(guān)系Fig.6 Variation relationship between terrestrial water storage and annual precipitation and annual evapotranspiration

氣象因素對陸地水儲量變化扮演著重要的角色。近20年來，降水量以0.017 mm/月的趨勢增加是黃河源區(qū)陸地水儲量增加的重要原因。降水是陸地水儲量變化的主要天然補給來源［11］。在2016年之后，陸地水儲量急劇上升，年降水也有快速增加的趨勢。近年來氣溫上升，引起山頂上的積雪融化和多年凍土的融化，也會給陸地水儲量帶來一定量的補給［14］，但相對于降水量來說只是少量的。蒸散發(fā)是陸地水儲量變化的主要自然消耗源。增加的氣溫，在其他區(qū)域會導(dǎo)致蒸散發(fā)量的增加，而蒸散發(fā)量在黃河源區(qū)整體上呈現(xiàn)下降趨勢。因此，陸地水儲量的增加是多種因素綜合變化影響的結(jié)果。

4 結(jié) 論

（1）LSTM 模型在源區(qū)的GRACE 產(chǎn)品修復(fù)方面具有很好的可靠性，以及GRACE 重力衛(wèi)星陸地水儲量產(chǎn)品與GLDAS 水文模型模擬結(jié)果有著較好的匹配度，皮爾遜相關(guān)系數(shù)為0.737，可為黃河源區(qū)提供適用的水儲量數(shù)據(jù)。

（2）研究時段，黃河源區(qū)的陸地水儲量具有顯著的季節(jié)性和先增加后降低再增加的變化趨勢，整體上以0.198 mm/月的線性斜率上升。此外，土壤水的增加是陸地水儲量增加的主要貢獻成分。

（3）陸地水儲量與降水有著顯著的正相關(guān)，而與蒸散發(fā)之間存在負相關(guān)。因此，降水量增加是近20年來黃河源區(qū)陸地水儲量上升的重要原因，而蒸散發(fā)下降是該區(qū)域陸地水儲量增加的可能原因。

總體而言，本文聯(lián)合GRACE 和GRACE-FO 重力衛(wèi)星產(chǎn)品更深層次地了解黃河源區(qū)的陸地水儲量演變特征及其原因，可為黃河流域生態(tài)保護和高質(zhì)量發(fā)展政策提供更詳細的黃河源區(qū)陸地水儲量狀況，以及未來區(qū)域水資源規(guī)劃提供有力的參考。在未來研究中，則需進一步探討陸地水儲量變化對人類活動的響應(yīng)，如土地利用、水庫、取用水工程等，從而更合理地利用流域水資源，降低旱澇損失。