鄭州市2005—2020年地下水埋深變化分析

楊偉斌，霍光杰，程艷紅，陳 妍，張春艷，趙貴章

(1.河南省地質(zhì)礦產(chǎn)勘查開發(fā)局第二地質(zhì)環(huán)境調(diào)查院，河南 鄭州 450053； 2.河南省地質(zhì)環(huán)境監(jiān)測院，河南 鄭州 450000；3.國網(wǎng)河南省電力公司，河南 鄭州 450052； 4.華北水利水電大學(xué) 地球科學(xué)與工程學(xué)院，河南 鄭州 450046)

地下水是人類可利用的重要淡水資源，是水循環(huán)的重要組成部分，研究地下水動態(tài)對于維持生態(tài)平衡以及社會可持續(xù)發(fā)展起到重要作用[1-2]。鄭州市地處中國地理中心，有“中國鐵路心臟”和“中國交通十字路口”之稱，是中原經(jīng)濟(jì)區(qū)及中原城市群的中心城市[3]，且鄭州市北部緊鄰黃河，鄭州市地下水動態(tài)變化與黃河流域高質(zhì)量發(fā)展緊密相關(guān)，因此，對于鄭州市地下水動態(tài)的研究十分必要。

分析已有參考文獻(xiàn)，對于地下水動態(tài)的研究主要有：通過分析地下水的時(shí)空變化特征[4-7]，提高水資源利用效率，提出合理的地下水控制水位；預(yù)測地下水動態(tài)變化，為水資源規(guī)劃與決策提供理論依據(jù)[8-9]；基于地理信息系統(tǒng)和地統(tǒng)計(jì)學(xué)，分析地下水動態(tài)空間變異規(guī)律，預(yù)防地下水位上升或下降引發(fā)的地質(zhì)災(zāi)害[10]。地下水動態(tài)的研究方法眾多，主要有神經(jīng)網(wǎng)絡(luò)[11-14]、小波分析[15-16]、數(shù)值模擬[17-18]、時(shí)間序列分析[19-21]以及襯度系數(shù)方差分析法[22-24]等。文章主要利用ArcGIS空間插值法、襯度系數(shù)方差分析、描述性統(tǒng)計(jì)分析以及ARIMA模型，對鄭州市淺層地下水埋深的時(shí)空變化特征進(jìn)行研究，對鄭州市降落漏斗面積的歷年變化進(jìn)行分析，結(jié)果可為鄭州市水資源管理規(guī)劃提供一定的理論依據(jù)。

1 數(shù)據(jù)與方法

鄭州市地處中原腹地，河南省中部偏北，九州之中，十省通衢，華北平原南部，黃河下游南岸。地理位置如圖1所示。

鄭州市降水量年內(nèi)分布極不均勻，2019年月降水量如圖2所示。降水多集中在6、7、8三個月，2019年6—8月降水總量275 mm，占2019年總降水量的65.92%；1月、2月、12月降水量28.7 mm，僅占2019年總降水量的6.85%。

鄭州市西南低山丘陵區(qū)出露有寒武系、新近系，鄭州市區(qū)地表出露有第四系中更新統(tǒng)、上更新統(tǒng)和全新統(tǒng)，平原地帶有三疊系、新近系、第四系。鄭州市地層屬華北地層區(qū)華北平原分區(qū)，區(qū)內(nèi)出露地層以第四系為主，約占鄭州市總面積的99%，僅在市區(qū)西南三李、奶奶硐溝一帶零星分布有寒武系中上統(tǒng)、石炭系中上統(tǒng)、二疊系上統(tǒng)及新近系。鄭州市2019年月降水量分布如圖2所示。

圖1 研究區(qū)位置及埋深分區(qū)Fig.1 Study area location and buried depth zoning

圖2 鄭州市2019年月降水量分布Fig.2 Monthly precipitation distribution map of Zhengzhou in 2019

本次主要研究鄭州市淺層地下水動態(tài)特征，取樣點(diǎn)主要位于鄭州市區(qū)。研究區(qū)淺層含水層底板埋深一般在45～55 m，局部大于60 m，為潛水或微承壓水類型，厚度為25～45 m，其下為1組粉質(zhì)黏土或粉土弱透水層。

淺層含水層組的分布以京廣鐵路為界，大致分為東西2部分。東部淺層含水層位于黃河沖積平原，主要由第四系全新統(tǒng)和上更新統(tǒng)沖積物成因的細(xì)中砂組成，局部為粉細(xì)砂；西部淺層含水層組位于塬前平原和臺塬崗地，在塬前平原上，淺層含水層組主要由第四系全新統(tǒng)和上更新統(tǒng)沖洪積粉細(xì)砂層組成，其次為中更新統(tǒng)沖洪積成因的含黏粒、中細(xì)砂組成，而臺塬處則以中更新統(tǒng)沖洪積細(xì)中砂為主，下部為下更新統(tǒng)及新近系湖積相地層。

2 襯度系數(shù)方差分析

本研究利用SPSS數(shù)據(jù)探索功能進(jìn)行描述性統(tǒng)計(jì)分析?？梢詮恼w上把握變量的變化信息和整體概況，如極大值、極小值、均值、方差、變異系數(shù)等。差分整合移動平均自回歸模型(ARIMA)又稱整合移動平均自回歸模型(移動也可稱作滑動)，是時(shí)間序列預(yù)測分析方法之一。

ARIMA模型在本研究中用于地下水埋需求預(yù)測和規(guī)劃，該方法通過隨機(jī)過程的特征隨著時(shí)間變化而變化，通過構(gòu)建建立時(shí)間序列差分自回歸移動平均模型ARIMA進(jìn)行地下水埋深預(yù)測，建模步驟如下。

(1)原始數(shù)據(jù)通過數(shù)據(jù)檢驗(yàn)功能，經(jīng)過數(shù)據(jù)轉(zhuǎn)化和差分處理，使數(shù)據(jù)零均化、平穩(wěn)化和正態(tài)化，一般差分次數(shù)不超過2。

(2)通過試算確定ARIMA(p，d，q)的自回歸階次p，移動平均階次q，以及差分階次d。

(3)通過殘差序列檢驗(yàn)、擬合優(yōu)度、相關(guān)系數(shù)和殘余誤差檢驗(yàn)?zāi)Ｐ偷臏?zhǔn)確性。殘差序列應(yīng)是白噪聲序列，擬合優(yōu)度越大、相關(guān)系數(shù)越大，殘余誤差越小，模型越準(zhǔn)確。

(4)利用通過檢驗(yàn)的模型進(jìn)行預(yù)測。

利用ARIMA模型時(shí)，通過自回歸模型確定數(shù)據(jù)階數(shù)p，其中通過p階自回歸模型可以表示為：

(1)

式中，yt-1為水埋數(shù)據(jù)信息當(dāng)前值;μ為水埋數(shù)據(jù)信息常數(shù)值;p為水埋數(shù)據(jù)信息階數(shù);γi為ARIMA模型的自相關(guān)系數(shù);St為誤差。

然后通過襯度系數(shù)表示某種變量波動性強(qiáng)弱的指標(biāo)，表達(dá)式為：

(2)

則對襯度系數(shù)進(jìn)行方差分析時(shí)，其數(shù)據(jù)表達(dá)式為：

(3)

為了體現(xiàn)該研究的多元化數(shù)據(jù)分析，下面通過具體實(shí)施例，對該研究的具體方式進(jìn)行分析。

3 地下水埋深變化分析方法

根據(jù)2019年4月和9月鄭州市淺層地下水埋深數(shù)據(jù)，利用ArcGIS空間分析功能，繪制水位埋深分區(qū)圖，分析年內(nèi)枯水期(4月)和豐水期(9月)，鄭州市淺層地下水埋深變化情況

3.1 不同水期分析

(1)枯水期動態(tài)。2019年枯水期地下水埋深分區(qū)如圖3所示。研究區(qū)地下水埋深從西南向東北方向逐漸減小，平均水位埋深15.62 m，最大水位埋深為46.95 m，位于中原區(qū)須水鎮(zhèn)小李莊東鶴立學(xué)校；最小水位埋深為3.98 m，位于惠濟(jì)區(qū)黃河九五灘區(qū)南裹頭養(yǎng)雞場。水位高程由西南到東北方向逐漸降低，平均水位高程85.09 m，淺層地下水整體流向由西南向東北方向流動?？菟诓煌裆罘謪^(qū)面積及所占研究區(qū)總面積比例如圖3所示。

圖3 枯水期不同埋深分區(qū)面積及所占研究區(qū)總面積比例Fig.3 Area of zones with different buried depths and proportion of total area in study area during low water period

根據(jù)研究區(qū)水位埋深大小，將研究區(qū)水位埋深分為5個區(qū)，分別為<10 m區(qū)、10～20 m區(qū)、20～30 m區(qū)、30～40 m區(qū)、>40 m區(qū)。水位埋深<10 m區(qū)域呈帶狀分布于大河路—農(nóng)業(yè)路—京港澳高速—鄭州市界地區(qū)及圃田鄉(xiāng)東部；水位埋深10～20 m區(qū)呈帶狀分布于京廣鐵路—石佛鎮(zhèn)—鄭西鐵路—十八里河鎮(zhèn)—京港澳高速—北三環(huán)—中州大道—大河路地區(qū)，在5個分區(qū)中面積最大，總面積約512.60 km2，占研究區(qū)總面積的50.16%；水位埋深20～30 m區(qū)分布于連霍高速—石佛鎮(zhèn)—鄭西鐵路—侯寨地區(qū)及二七區(qū)賈寨村(鄭平路)車管所—十八里河鎮(zhèn)—京廣鐵路附近；水位埋深30～40 m區(qū)分布于古滎鎮(zhèn)—溝趙鄉(xiāng)—化工路—馬寨區(qū)域及南三環(huán)與段莊北街交叉口附近；水位埋深>40 m區(qū)分布于鄭州市西部鄭上路—繞城高速附近，在5個分區(qū)中面積最小。

(2)豐水期動態(tài)。2019年豐水期研究區(qū)淺層地下水埋深分區(qū)呈帶狀分布，形態(tài)大致與枯水期相同，各分區(qū)所占面積有所變化。豐水期研究區(qū)淺層地下水水位埋深平均15.62 m，平均水位高程+85.62 m。最大水位埋深為41.02m，最小水位埋深為3.36 m，其所在位置同枯水期。豐水期水位埋深各分區(qū)及其所占研究區(qū)總面積比例如圖4所示。

圖4 豐水期不同埋深分區(qū)面積及所占研究區(qū)總面積比例Fig.4 The areas of different buried areas and proportion of total area of the research area

與2019年枯水期相比，水位埋深各分區(qū)的主要分布區(qū)域沒有明顯變化，水位埋深10～20 m區(qū)面積仍然最大，面積約503.82 km2，占研究區(qū)總面積的49.30%。2019年豐水期與枯水期相比，各分區(qū)面積及所占比例略有變化，其變化幅度如圖5所示。

圖5 豐水期與枯水期，不同埋深分區(qū)面積及比例變化Fig.5 Compared with the dry water period，the area and proportion of different buried depth sections changed

圖5中，<10 m埋深區(qū)面積變化最大，豐水期比枯水期增大26.47 km2；30～40 m埋深區(qū)豐水期比枯水期增大26.47 km2；其余埋深分區(qū)，豐水期均比枯水期減小，減小最多的為埋深>40 m區(qū)，減小值為15.44 km2。

3.2 年際變化信息分析

(1)埋深總體變化。年際變化的分析，主要分析2014—2019年平均埋深變化(圖6)。2014—2019年，研究區(qū)年平均埋深逐年下降，由2014年的18.44 m下降至2019年15.57 m，埋深下降2.87 m，下降速率0.5 m/a。 2014—2019年枯水期地下水埋深變幅分布如圖7所示。

圖6 研究區(qū)2014—2019年年平均埋深變化Fig.6 The annual average change in buried depth of research area from 2014 to 2019

圖7 2014—2019年枯水期地下水埋深變幅分布Fig.7 Distribution of buried depth of underground water from the dry water period from 2014 to 2019

研究區(qū)西北和東南部分區(qū)域地下水埋深呈增大趨勢，埋深增大2～5 m，其余地區(qū)呈平衡狀態(tài)或減小趨勢，西部地區(qū)埋深減小幅度達(dá)7～14 m，中部、南部部分地區(qū)以及西南部部分區(qū)域埋深變化-1～1 m，基本保持平衡狀態(tài)。

根據(jù)襯度系數(shù)方差計(jì)算公式計(jì)算各觀測孔的襯度系數(shù)方差值，見表1，各觀測孔襯度系數(shù)方差值相差較大，最大值為最小值的59倍。利用ArcGIS空間分析功能，繪制襯度系數(shù)方差等值線如圖8所示，研究區(qū)埋深波動呈現(xiàn)明顯的空間分異特征。研究區(qū)中部偏西部分區(qū)域波動程度最大，東部部分區(qū)域波動程度次之，西部和中部偏東部分區(qū)域波動較小。

表1 襯度系數(shù)方差Tab.1 Variance of contrast coefficient 10-3

圖8 襯度系數(shù)方差等值線Fig.8 Contour plot of variance of contrast coefficient

對2014—2019年每年4月水位埋深進(jìn)行描述性統(tǒng)計(jì)分析，結(jié)果見表2。2014—2019年水位埋深變異系數(shù)均位于0.1～1.0，即屬于中等變異。其中埋深最大值、均值以及變異系數(shù)隨年份呈明顯減小趨勢，減小速率分別為2.64、0.16、0.03 m/a，主要受開采強(qiáng)度的影響。對比以上，埋深最小值隨年份波動較大，但整體呈減小趨勢，減小速率為0.005 m/a，這是因?yàn)槌荛_采強(qiáng)度影響外，水位埋深越小受降水、蒸發(fā)等氣象因素的影響越明顯，使其波動明顯。

表2 研究區(qū)水位埋深描述性統(tǒng)計(jì)分析Tab.2 Descriptive statistical analysis of water level depth in study area

(2)長觀孔埋深變化。選取代表性長觀孔，分析年際間埋深變化，如圖9所示。淺水埋深多年間呈波動變化，有明顯下降或上升趨勢，通過分析研究區(qū)6個長觀孔5年埋深變化數(shù)據(jù)得出，3個觀測孔埋深呈增大趨勢，3個觀測孔埋深呈減小趨勢。2020年12月與2016年1月相比，3個觀測孔埋深增加的幅度在0.5～3.0 m，3個觀測孔埋深減小的幅度在0.8～6.6 m。

圖9 代表性長觀孔2016—2020年埋深變化Fig.9 Represents the change of buried depth of long observation hole from 2016 to 2020 year

(3)降落漏斗面積變化。以80 m等水位線圈定的閉合區(qū)域劃分為降落漏斗區(qū)。多年來淺層地下水降落漏斗以京廣鐵路為界主要分布在市區(qū)的西部和東部。2019年豐水期西部降落漏斗中心位于滎陽市廣武鎮(zhèn)黑里村附近，水位埋深39.61 m。東部降落漏斗中心位于龍子湖外環(huán)平安大道附近，水位埋深21.13 m。

研究區(qū)淺層地下水年開采量及降落漏斗面積變化如圖10所示。從圖10得出，研究區(qū)降落漏斗面積與年開采量變化趨勢大致相同，漏斗面積主要受開采強(qiáng)度的影響。2005—2014年淺層地下水年開采強(qiáng)度逐年增大，降落漏斗面積呈增大趨勢，其中，2005—2010年漏斗面積增長相對緩慢，增長率14.8 km2/a，2011—2014年漏斗面積增長迅速，增長率50.7 km2/a。2014年以后，隨著南水北調(diào)中線工程的投入使用，鄭州市供水結(jié)構(gòu)發(fā)生變化，南水北調(diào)每年向鄭州供水約3億m3，而原來的一部分開采井則采取了封井和壓采的措施，使2014年以后淺層地下水開采強(qiáng)度減弱，漏斗面積逐漸減小，減小率20.0 km2/a。至2019年9月淺層地下水降落漏斗面積減小至378.61 km2。

圖10 研究區(qū)淺層地下水年開采量及降落漏斗面積變化Fig.10 Annual mining capacity of shallow underground water in research area and change of area of landing funnel

通過圖10可以看出，淺層地下水年開采量及降落漏斗面積變化明顯走向，本研究方法能夠?yàn)榉治黾夹g(shù)提供深層次的技術(shù)參考。

3.3 影響因素分析

地下水埋深變化是自然因素和人類活動綜合影響的結(jié)果，自然因素主要有降水、蒸發(fā)入滲、徑流、補(bǔ)給等，決定了地下水動態(tài)的基本特征；人類活動的影響主要是為緩解人水矛盾和適應(yīng)經(jīng)濟(jì)發(fā)展，對地下水進(jìn)行開采利用。研究區(qū)地下水埋深主要受到開采、降水、蒸發(fā)以及向深層地下水越流排泄的影響，由于研究區(qū)大部分區(qū)域水位埋深超過5 m，故蒸發(fā)對整體埋深動態(tài)的影響較小，降水入滲補(bǔ)給、開采和越流排泄是影響研究區(qū)水位埋深動態(tài)的主要因素，此外，鄭州市生態(tài)水系的建設(shè)也影響到淺層地下水埋深的變化。

根據(jù)研究區(qū)長觀孔數(shù)據(jù)分析，研究區(qū)地下水動態(tài)類型主要有開采型和開采—?dú)庀笮停鐖D11所示。

圖11 氣象局淺井和黃河迎賓館淺井年內(nèi)埋深變化Fig.11 Change of buried depth in shallow well of weather bureau and shallow well of Yellow River and Yingbin Hotel in the year

鄭州市氣象局淺井地下水動態(tài)類型為開采型，開采型主要分布在降落漏斗范圍內(nèi)，在用水量較大的春季和夏季，雖然降雨補(bǔ)給較大，但是由于大量開采利用使得地下水埋深增大，而在用水量較少的秋季和冬季，地下水埋深逐漸減小，年內(nèi)變幅較大。黃河迎賓館淺井地下水動態(tài)類型為開采—?dú)庀笮?，開采—?dú)庀笮椭饕植荚谶h(yuǎn)郊地區(qū)，在用水量較大的夏季，開采量增大，但是降雨入滲補(bǔ)給同時(shí)增大，所以地下水埋深維持夏季最小，其余季節(jié)，由于降雨入滲補(bǔ)給減少，埋深增大。

3.4 埋深預(yù)測分析

基于3個長觀孔月測數(shù)據(jù)(2016年1月—2020年12月)，建立ARIMA模型，并對2021年的水位埋深進(jìn)行預(yù)測。模型檢驗(yàn)結(jié)果見表3。

表3 ARIMA模型檢驗(yàn)結(jié)果Tab.3 Test results of ARIMA model

英特爾物業(yè)淺井和鄭州市氣象局淺井埋深呈減小趨勢,如圖12所示。

圖12 ARIMA模型模擬及預(yù)測結(jié)果Fig.12 ARIMA model simulation and prediction

檢驗(yàn)結(jié)果表明，所建立模型擬合系數(shù)在0.7～0.8，擬合優(yōu)度50～70，可以用來進(jìn)行預(yù)測。預(yù)測結(jié)果表明,休養(yǎng)所淺井埋深呈增大趨勢。

4 結(jié)論

以鄭州市淺層地下水埋深為研究對象，對鄭州市淺層地下水埋深的分布、影響因素以及埋深預(yù)測進(jìn)行了研究，研究結(jié)果表明：

(1)鄭州市淺層地下水水位高程由西南向東北方向逐漸降低，整體流向?yàn)槲髂舷驏|北流動，水位埋深呈帶狀分布，由東北向西南逐漸增大，枯水期，鄭州市淺層地下水水位平均埋深15.62 m，平均水位高程85.09 m；豐水期，鄭州市淺層地下水水位平均埋深15.62 m，平均水位高程+85.62 m。

(2)在同一年度枯水期和豐水期條件下，10～20 m的埋深分區(qū)分布面積最大(豐水期和枯水期)。2014—2019年，年平均埋深逐年下降，下降速率0.5 m/a。鄭州市淺層地下水目前存在東西2個降落漏斗，漏斗面積的大小主要受開采量影響，2014年以前，受開采量影響，降落漏斗面積隨時(shí)間呈增大趨勢；2014年以后，鄭州市供水結(jié)構(gòu)發(fā)生變化，開采量減小，降落漏斗面積隨時(shí)間呈減小趨勢，地下水位呈上升趨勢。

(3)鄭州市淺層地下水動態(tài)主要受降雨入滲補(bǔ)給、越流排泄和開采的影響，動態(tài)類型主要有開采型和開采—?dú)庀笮?。ARIMA模型模擬預(yù)測表明，2021年，休養(yǎng)所淺井埋深呈增大趨勢，英特爾物業(yè)淺井和鄭州市氣象局淺井埋深呈減小趨勢。