典型內(nèi)陸湖區(qū)地下水?dāng)?shù)值模擬及其主控因子識別

于曉露，宋 健，林 錦，吳劍鋒，吳吉春

（1.南京大學(xué)地球科學(xué)與工程學(xué)院，江蘇 南京 210023；2.南京水利科學(xué)研究院，江蘇 南京 210029）

在我國西北干旱地區(qū)，地下水資源是生態(tài)環(huán)境中最活躍的因素[1-2]，同時(shí)也是當(dāng)?shù)亟?jīng)濟(jì)發(fā)展的基本依靠[3-4]。根據(jù)2020年中國水資源公報(bào)，全國水資源總量為31 601.2×108m3，內(nèi)蒙古水資源總量為503.9×108m3，僅約占全國總量的1.6%，水資源短缺現(xiàn)象明顯，嚴(yán)重制約當(dāng)?shù)厣鐣?jīng)濟(jì)發(fā)展。本次研究選取內(nèi)陸河流域典型研究區(qū)—黃旗海盆地，位于內(nèi)蒙古自治區(qū)烏蘭察布市察哈爾右翼前旗境內(nèi)，整體符合西北地區(qū)自然環(huán)境特征，即降水量小，蒸發(fā)量大，地表徑流多季節(jié)性變化，流域?qū)Φ叵滤Y源依賴嚴(yán)重，地下水供水量約占總供水量的90%，導(dǎo)致當(dāng)?shù)氐叵滤涩F(xiàn)象嚴(yán)重，對當(dāng)?shù)赜绊懽顬槊黠@的是黃旗海湖水面積的變化。自1976—2001年黃旗海湖水面積下降三分之一，到了2010年，已經(jīng)處于全年基本干涸狀態(tài)，湖泊、濕地面積萎縮直接導(dǎo)致周邊生態(tài)環(huán)境的退化[5]。黃旗海流域地下水動態(tài)監(jiān)測信息缺乏，建立可靠的地下水模型是開展內(nèi)陸河流域典型區(qū)地下水動態(tài)研究的重要基礎(chǔ)。

地下水?dāng)?shù)值模擬技術(shù)是定量評價(jià)地下水水量的重要方法[6]，MODFLOW[7]作為最早開發(fā)的地下水?dāng)?shù)值模擬程序，歷經(jīng)多次更新后功能豐富，再加上開源、模塊化的優(yōu)勢，當(dāng)前被廣泛運(yùn)用于地下水運(yùn)動及溶質(zhì)運(yùn)移、地表-地下水交互、海水入侵、地面沉降等問題的研究[8-11]。

敏感性分析是指模型參數(shù)對于模型結(jié)果不確定性的影響分析，具有量化輸入的不確定性以及利用模型輸出結(jié)果計(jì)算敏感性度量的功能[12-13]。敏感性分析通常分為局部敏感性分析（LSA）和全局敏感性分析（GSA）[14]。局部敏感性分析側(cè)重針對某一參數(shù)改變對模型輸出的影響，優(yōu)點(diǎn)在于簡單快捷，可操作性強(qiáng)，但難以表征多個(gè)參數(shù)對結(jié)果的整體影響程度[15]。全局敏感性分析又分為定性敏感性分析，如Morris 篩選法[16]等，以及定量敏感性分析，包括Sobol 方法、回歸分析法、傅里葉振幅敏感試驗(yàn)（FAST）等。全局敏感性分析一并分析模型中的所有參數(shù)對模型輸出的綜合影響，并且可以深入分析參數(shù)間的相互影響, 但相應(yīng)計(jì)算壓力較大。隨著敏感性分析方法在水文地質(zhì)領(lǐng)域的不斷發(fā)展，當(dāng)前全局敏感性分析是識別地下水流模型影響因素與模型輸出之間復(fù)雜關(guān)系的首選方法[17]。

對黃旗海盆地及其周邊地下水的研究開始于1973年。自此以來，多個(gè)研究單位對周邊水源地的地質(zhì)條件、水文氣象特征、土地利用狀況、水資源承載力等方面進(jìn)行了詳細(xì)調(diào)查，發(fā)現(xiàn)研究區(qū)內(nèi)持續(xù)存在缺水問題并定性給出導(dǎo)致黃旗海湖泊萎縮的可能因素，但未計(jì)算黃旗海湖泊與地下水在不同時(shí)期的相互交換量，進(jìn)而難以準(zhǔn)確分析導(dǎo)致湖泊萎縮的各類影響因子。所以，通過建立黃旗海盆地地下水流數(shù)值模擬模型，與實(shí)際監(jiān)測數(shù)據(jù)相互佐證，才能定量分析地表水與地下水的相互轉(zhuǎn)化關(guān)系，利用全局敏感性分析方法表征多個(gè)主要輸入?yún)?shù)對模型輸出結(jié)果的綜合影響，并進(jìn)一步分析獲取黃旗海湖泊萎縮的主控因子，以期為黃旗海湖周邊經(jīng)濟(jì)社會的可持續(xù)發(fā)展以及生態(tài)環(huán)境的逐步恢復(fù)提供理論依據(jù)，實(shí)現(xiàn)人與環(huán)境和諧共處。

1 研究區(qū)概況

黃旗海盆地位于內(nèi)蒙古自治區(qū)烏蘭察布市察哈爾右翼前旗，屬典型內(nèi)陸河流域，其主要地形為丘陵、高平原和鹽湖平原，總流域面積為4 511 km2，見圖1（a）。研究區(qū)位于陰山山地水文地質(zhì)區(qū)，本次研究的主要供水含水層為第四系全新統(tǒng)（Q4）和更新統(tǒng)（Q3）孔隙潛水含水層組，見圖1（b）。流域降水總量小且年內(nèi)分配極不均勻，多年平均降水量為327.6 mm，蒸發(fā)量大，多年平均蒸散量（除黃旗海湖面）為237.93 mm。

圖1 黃旗海流域地形及典型水文地質(zhì)剖面圖Fig.1 Map of the Huangqihai watershed (a) and a profile (b)

黃旗海流域是包括霸王河、泉玉林河等內(nèi)陸河的最終匯入地，地表徑流多季節(jié)性變化，且由于上游水庫的建設(shè)，僅雨季或開閘放水農(nóng)灌期內(nèi)，河道有水滲漏補(bǔ)給地下水。黃旗海原屬于桑干水系外流湖，由于陷落較深，隆盛莊河的出口被切斷，演變?yōu)楝F(xiàn)在的內(nèi)陸閉塞湖。研究區(qū)地下水的補(bǔ)給來源主要為降水入滲補(bǔ)給和周圍玄武巖裂隙側(cè)向補(bǔ)給，此外還接受農(nóng)業(yè)回灌補(bǔ)給等其它人工補(bǔ)給；受地形地勢影響，地下水徑流主要為自西北向東南徑流；主要排泄方式以人工開采和蒸散發(fā)為主。近些年，隨著地下水人工開采量的增加，地下水水位埋深下降，黃旗海盆地地下水動態(tài)變化比較劇烈。

2 研究區(qū)模型構(gòu)建

2.1 水文地質(zhì)概念模型

結(jié)合研究區(qū)的地層巖性和含水層的供水條件，確定本次數(shù)值模擬的主要對象為第四系松散巖類潛水含水層組，組間存在少許弱透水層，但研究區(qū)內(nèi)大部分弱透水層較薄甚至尖滅，各含水層具有較好的水力聯(lián)系。從不同精度的地質(zhì)調(diào)查與評價(jià)工作積累的鉆孔資料中選擇了45 個(gè)標(biāo)志鉆孔作為生成研究區(qū)水文地質(zhì)模型頂?shù)装宓幕A(chǔ)數(shù)據(jù)。黃旗海流域?yàn)樗闹芨?，中間低的碗狀盆地，見圖1（a）。依據(jù)研究區(qū)地質(zhì)、水文地質(zhì)條件以及相關(guān)水文資料，可將底部邊界設(shè)為隔水邊界；上邊界設(shè)為開放邊界，考慮降水入滲與蒸發(fā)等外部源匯項(xiàng)補(bǔ)給與排泄；基于研究區(qū)地下水水位長觀數(shù)據(jù)，南北部邊界通過達(dá)西定律計(jì)算，設(shè)置為給定流量邊界；模型西側(cè)有少量淺層地下水觀測井，根據(jù)其觀測深度可處理為給定水頭邊界；地下水徑流較弱地區(qū)設(shè)置為隔水邊界（圖2）。研究區(qū)含水層結(jié)構(gòu)和邊界條件主要反映了黃旗海盆地的地下水流趨勢，區(qū)內(nèi)地下徑流自盆地南北向中央?yún)R聚，形成了對黃旗海的基流補(bǔ)給作用。

圖2 水文地質(zhì)概念模型Fig.2 Schematic model conceptualization

研究區(qū)含水層巖性主要為砂礫石、含礫粗砂、含礫中粗砂及粉細(xì)砂以及小部分玄武巖孔隙形成的裂隙含水層。初始水文地質(zhì)參數(shù)取值參考了前人開展的39 個(gè)勘察孔抽水試驗(yàn)結(jié)果，采用克里格插值后生成的滲透系數(shù)作為模型的初值，并在模型識別過程中不斷修正。

研究區(qū)含水層地下水補(bǔ)給項(xiàng)包括大氣降水入滲、邊界側(cè)向流入、農(nóng)業(yè)回灌補(bǔ)給、湖泊水入滲。研究區(qū)的主要排泄方式包括人工開采、蒸散發(fā)、地下水排泄至湖泊。大氣降水?dāng)?shù)據(jù)來自TRMM 遙感數(shù)據(jù)，并結(jié)合水文地質(zhì)調(diào)查報(bào)告以及土地利用數(shù)據(jù)，初步刻畫出該區(qū)的降水入滲補(bǔ)給速率分區(qū)（圖2）。蒸發(fā)數(shù)據(jù)基于MODIS 遙感數(shù)據(jù)、氣象數(shù)據(jù)反演得到?；谘芯繀^(qū)地下水蒸發(fā)量及 2015年土地利用分區(qū)圖劃分2010—2016年研究區(qū)潛水最大蒸發(fā)速率分區(qū)。模型中實(shí)際潛水蒸發(fā)量受含水層極限蒸發(fā)深度以及實(shí)時(shí)地下水水位控制。另外，研究區(qū)農(nóng)業(yè)灌溉用水占比大，設(shè)置了田間灌溉補(bǔ)給系數(shù)計(jì)算農(nóng)業(yè)回滲補(bǔ)給量。研究區(qū)內(nèi)總共有開采井1 312 眼（圖2），開采強(qiáng)度為 0.2×104～58.3×104m3/a，開采時(shí)間主要集中在4—8月。總開采量2010—2016年逐年遞增，從3.292×107m3/a 增加到4.298×107m3/a。研究區(qū)內(nèi)4 個(gè)水源地范圍內(nèi)抽水井較為密集且抽水量較大，對地下水水位變動影響較大。

2.2 數(shù)學(xué)模型

地下水流數(shù)值模型可概化成非均質(zhì)各向同性的潛水二維非穩(wěn)定流模型，相應(yīng)的數(shù)學(xué)模型可表述為：

式中：K—含水層滲透系數(shù)/(m·d-1)；

b—潛水含水層底板標(biāo)高/m；

W—大氣降水、蒸散發(fā)、湖泊、人工開采和農(nóng)業(yè)灌溉等源匯項(xiàng)/(m·d-1)；

μ—給水度；

t—時(shí)間/d；

h—含水層水位標(biāo)高/m；

h0—初始水位/m；

h1—給定水頭邊界水位/m；

Ω—模擬范圍；

Γ1—給定水頭邊界；

Γ2—側(cè)向給定流量邊界；

q—流量邊界側(cè)向單寬流量/(m3·d-1·m-1)，流入為正，流出為負(fù)，隔水邊界值為0。

2.3 模型識別及驗(yàn)證

模擬區(qū)域總面積約為798 km2，網(wǎng)格剖分為100×100，共計(jì) 10 000 個(gè)有效單元。模擬期為2010年4月—2016年10月，根據(jù)當(dāng)?shù)卮焊汗嗵卣饕约敖涤昵闆r，總共劃分為20 個(gè)應(yīng)力期。其中識別期為2010年4月—2015年10月；驗(yàn)證期為2015年10月—2016年10月。

2.3.1 參數(shù)識別

模型計(jì)算過程中結(jié)合模擬情況反復(fù)調(diào)整滲透系數(shù)、降雨入滲補(bǔ)給系數(shù)等模型參數(shù)，以求模型模擬流場與真實(shí)流場擬合情況整體良好。最終模型滲透系數(shù)為7.61～70 m/d，具體分布情況見圖3。給水度范圍為0.16～0.20。具體各源匯項(xiàng)參數(shù)取值范圍見表1。

表1 模型源匯項(xiàng)參數(shù)取值范圍Table 1 Values assigned to the source and sink terms

圖3 黃旗海盆地滲透系數(shù)分區(qū)圖Fig.3 Map of hydraulic conductivity in the Huangqihai Basin

2.3.2 模型識別與驗(yàn)證

數(shù)值模型基于美國地質(zhì)調(diào)查局的地下水水流模擬程序MODFLOW 通過試估-校正法進(jìn)行參數(shù)識別過程。根據(jù)內(nèi)蒙古地質(zhì)環(huán)境監(jiān)測總站提供的黃旗海盆地地下水水位觀測資料，其中共有18 眼有效觀測井用于模型的識別與檢驗(yàn)，井位見圖4。選取決定系數(shù)（R2）和均方根誤差（RMSE）2 個(gè)性能指標(biāo)作為模型擬合情況的統(tǒng)計(jì)指標(biāo)，用于評估模型校準(zhǔn)和模型驗(yàn)證。如圖5 所示，模型的散點(diǎn)圖和擬合曲線表明，在模型識別和驗(yàn)證階段，觀測值與模擬地下水水位之間的決定系數(shù)（R2）和均方根誤差（RMSE）分別為0.994，0.870，表明該地下水模型擬合度較高。隨后，選取6 組典型觀測井繪制在整個(gè)模擬期內(nèi)觀測與模擬水位對比曲線圖，觀測孔91#和164#存在部分?jǐn)?shù)據(jù)缺失。從圖6中可知，整體來說，計(jì)算水位與實(shí)際觀測值差距較小，大部分觀測值與模擬值誤差約為0.5 m，并且能夠較好地刻畫觀測孔地下水水位動態(tài)變化趨勢，表明該模型能夠真實(shí)刻畫區(qū)域含水層地下水水位變動情況。在春耕春灌期間，部分觀測井水位與模擬水位部分偏差較為明顯。主要是因?yàn)樘幱谒吹?，地下水開采強(qiáng)度變化劇烈；同時(shí)，根據(jù)總體水位變化趨勢及規(guī)律，測量水位的周期可能存在偏差，無法獲得本區(qū)域地下水水位的真實(shí)動態(tài)變化。

圖4 觀測孔位置分布圖Fig.4 Locations of the observation wells

圖5 模擬水位與觀測水位的相關(guān)性Fig.5 Correlation between the computed and observed groundwater levels

圖6 典型井觀測水位與模擬水位對比曲線圖Fig.6 Comparison of the observed and computed groundwater levels at the typical observation wells

3 水均衡分析

根據(jù)模擬計(jì)算的2010年4月—2016年10月地下水均衡組分分析，第四系潛水含水層接受補(bǔ)給量為2.550 7×108m3/a，主要補(bǔ)給項(xiàng)為降雨及灌溉補(bǔ)給入滲，達(dá)到1.509 4×108m3/a，占總補(bǔ)給量的60.4%；其次為地下水側(cè)向補(bǔ)給1.040 6×108m3/a，占39.5%。含水層的主要排泄方式為人工開采地下水，開采量為1.662 7×108m3/a，占總排泄量的50.9%；其次為蒸散發(fā)，為1.204 6×108m3/a，占36.8%，具體水均衡組分評估見表2。研究區(qū)2010—2016年地下水開采量逐年增加，尤其是在每年的4—6月份的春耕春灌期內(nèi)，導(dǎo)致含水層地下水超采現(xiàn)象嚴(yán)重。根據(jù)模擬結(jié)果繪制模擬期始末的地下水流場對比圖（圖7），可以直觀看到地下水水位的下降態(tài)勢，而湖周邊地下水水位的下降也將直接導(dǎo)致湖水位降低。

圖7 黃旗海盆地模擬期始末流場對比圖Fig.7 Comparison of groundwater levels at the beginning and end of the simulation period in the Huangqihai Basin

表2 地下水均衡表Table 2 Water budget of the aquifer system

根據(jù)總流入量與總流出量對比可知，地下水的儲蓄量總體呈減少趨勢。2010—2016年地下水儲量累計(jì)變化見圖8（正值表示儲量增加，負(fù)值表示儲量減?。?。整個(gè)研究期間地下水儲量總體變化約為-1.5×108m3，年平均儲量變化約為-2.188 3×107m3，尤其明顯的是在降雨補(bǔ)給最為匱乏的2011年，年內(nèi)地下水儲量下降4.566 3×107m3，占整個(gè)研究期間地下水儲存量總減少量的30%。湖泊滲漏量于2010—2014年間逐年遞減，在2015年及2016年呈現(xiàn)微弱反彈趨勢；地下水補(bǔ)給湖泊量整體呈上漲趨勢；研究期間年平均湖泊滲漏量約為3.3×104m3，年均地下水補(bǔ)給湖泊量約為1.179×107m3?？傮w地表水與地下水轉(zhuǎn)化關(guān)系為地下水補(bǔ)給湖泊水。

圖8 黃旗海盆地地下水儲量累計(jì)變化Fig.8 Groundwater storage changes in the Huangqihai Basin

基于1975—2015年湖水面積數(shù)據(jù)顯示[5,18]（圖9），黃旗?？傮w上呈現(xiàn)收縮下降態(tài)勢，與近幾十年全球性湖泊退化趨勢相匹配，模擬期內(nèi)黃旗海湖水位變化趨勢與湖水面積變化趨勢基本一致，擬合較好。研究采用皮爾遜相關(guān)系數(shù)分析模擬期內(nèi)黃旗海湖水面面積萎縮驅(qū)動因子。在自然科學(xué)領(lǐng)域中，皮爾遜相關(guān)系數(shù)廣泛用于度量2 個(gè)變量間的相關(guān)程度，計(jì)算值范圍為-1～1。根據(jù)人工地下水開采量與黃旗海湖水位間的皮爾遜相關(guān)系數(shù)結(jié)果為-0.65?？芍?，兩者在0.01（雙尾）級別負(fù)相關(guān)性較為顯著，所以模擬期間地下水水位的下降直接導(dǎo)致黃旗海湖的補(bǔ)給量不足，湖泊水位常年保持較低水平，難以保持地表水供水能力以及生態(tài)功能。

圖9 黃旗海湖面面積年際變化Fig.9 Interannual changes of the lake area of the Huangqihai Lake

黃旗海盆地的地下水過度開采是該區(qū)水均衡呈現(xiàn)出負(fù)均衡以及黃旗海湖面面積持續(xù)萎縮以致消失的主要原因。因此，為了保護(hù)當(dāng)?shù)厮Y源并逐步恢復(fù)黃旗海湖泊及濕地面積，需要優(yōu)化研究區(qū)地下水開采以及提高農(nóng)業(yè)灌溉效率。

4 Sobol 法全局敏感性分析

4.1 Sobol 方法

Sobol 方法是基于方差分解的全局敏感性分析方法[19-21]，最早由Sobol 于1993年提出[22]，是一種應(yīng)用較為廣泛的定量全局敏感性分析方法。在本研究中，使用一階和總階Sobol 指數(shù)作為定義模型參數(shù)敏感性的指標(biāo)。一階敏感度（Si）描述單個(gè)參數(shù)對模型結(jié)果的影響；總階敏感度（Sti）描述某一個(gè)參數(shù)與其他參數(shù)結(jié)合對模型結(jié)果的共同影響。

式中：S～i—所有不包含參數(shù)Xi的項(xiàng)，即與Xi互補(bǔ)的總方差。

基于本模型的特點(diǎn)，表3 總結(jié)了選取的8 個(gè)模型參數(shù)或輸入量，包括水文地質(zhì)參數(shù)（如滲透系數(shù)和給水度）以及關(guān)鍵的驅(qū)動數(shù)據(jù)（降水入滲補(bǔ)給、蒸發(fā)、湖床滲漏速率和地下水開采等源匯項(xiàng)）?？紤]到大部分變量具有時(shí)空異質(zhì)性，所以在敏感性分析過程中并不針對原始變量，而是給原始變量設(shè)定一個(gè)乘數(shù)，稱為“調(diào)整因子”[23]，采用拉丁超立方抽樣方法（LHS）在[0.8,1.2]中隨機(jī)抽取參數(shù)樣本，最后通過調(diào)整因子與地下水儲量、湖水位、湖泊滲漏量、地下水補(bǔ)給湖水量等4 個(gè)目標(biāo)函數(shù)的關(guān)系進(jìn)行敏感性分析。

表3 敏感性分析的模型參數(shù)與輸入量Table 3 Model parameters and their ranges of the input values for the sensitivity analysis

4.2 敏感度計(jì)算結(jié)果與討論

采用地下水儲存變化累計(jì)量和其余3 種輸出變量在2010—2016年間平均值作為響應(yīng)變量，采用基于全局敏感性分析的Sobol 法計(jì)算敏感度，分析在4 種目標(biāo)函數(shù)下8 個(gè)輸入?yún)?shù)的敏感性。圖9 顯示了參數(shù)樣本為8 000 組情況下4 種目標(biāo)函數(shù)對應(yīng)的一階和總階敏感度及置信區(qū)間，其中部分敏感度可能出現(xiàn)負(fù)值，這是由于簡化公式引起的數(shù)值誤差。這種誤差不影響分析結(jié)果，因?yàn)槊舾卸瘸霈F(xiàn)負(fù)值一般表示敏感度非常低[24]。

敏感度結(jié)果與置信區(qū)間見圖10。除個(gè)別參數(shù)外，大部分參數(shù)的置信區(qū)間極值差小于0.1 且總體上不改變主控因子的敏感性排序，說明Sobol 敏感度計(jì)算結(jié)果可靠。一階敏感度反映單個(gè)參數(shù)對目標(biāo)函數(shù)的影響能力；總敏感度反映一個(gè)參數(shù)與其他參數(shù)共同對目標(biāo)函數(shù)的影響能力；總敏感度和一階敏感度的差值為參數(shù)的交互敏感度，反映了參數(shù)間相互耦合作用的間接影響，實(shí)際表征模型“異參同效”的可能性[20]。

圖10 不同目標(biāo)函數(shù)下參數(shù)敏感度結(jié)果及置信區(qū)間Fig.10 Sensitivity analysis results by the Sobol method with the confidence bound for different objective functions

圖10（a）顯示黃旗海地下水儲量目標(biāo)函數(shù)中人工開采與降水灌溉補(bǔ)給的一階敏感度分別為0.379 6，0.262 6；總敏感度分別為0.381 3，0.439 9；交互敏感度分別為0.001 7，0.177 3。因此可知，地下水儲量變化主要受人工開采和降雨灌溉補(bǔ)給2 個(gè)參數(shù)的控制，且降雨灌溉補(bǔ)給的交互敏感性較大，可能存在模型參數(shù)的“異參同效”性。

從圖10（b）中可知，湖水位函數(shù)中滲透系數(shù)與側(cè)向補(bǔ)給的一階敏感度分別為0.443 7，0.168 0；總敏感度分別為0.709 6，0.332 7；交互敏感度分別為0.265 9，0.164 7。滲透系數(shù)與湖床滲漏速率2 個(gè)參數(shù)的敏感度顯著高于其他參數(shù)，表明湖水位受兩者影響并受到參數(shù)交互影響明顯。

圖10（c）顯示黃旗海湖泊滲漏量目標(biāo)函數(shù)中滲透系數(shù)與側(cè)向補(bǔ)給的一階敏感度分別為0.532 7，0.230 7；總敏感度分別為0.625 5，0.213 2。圖10（c）與圖10（b）對比可知，湖水位函數(shù)和湖泊滲漏量函數(shù)均受滲透系數(shù)與湖床滲漏速率2 個(gè)參數(shù)的顯著影響，除主控參數(shù)外的其余參數(shù)敏感性排序也具有相似一致性。

圖10（d）顯示黃旗海地下水補(bǔ)給湖水量函數(shù)中人工開采與降水灌溉補(bǔ)給的一階敏感度分別為0.526 0，0.180 7；總敏感度分別為0.572 7，0.349 5；交互敏感度分別為0.04，0.168 8。可知地下水補(bǔ)給湖水量主要受到人工開采和降雨灌溉補(bǔ)給2 個(gè)參數(shù)影響，進(jìn)而與地下水儲量目標(biāo)函數(shù)相似。

在氣候條件穩(wěn)定的情況下，人工不合理開采地下水是影響水資源儲量以及地下水補(bǔ)給湖水量的主控因子，這與前文中水均衡分析結(jié)果一致?，F(xiàn)有的地下水開采強(qiáng)度使得研究區(qū)內(nèi)的地下水資源不能實(shí)現(xiàn)可持續(xù)利用并加劇黃旗海的干涸速度，對湖泊及其生態(tài)環(huán)境造成較大威脅。因此從長遠(yuǎn)角度看，黃旗海水資源的利用要全流域統(tǒng)籌考慮，建立地下水資源優(yōu)化管理模型，通過上游大壩按期放水及嚴(yán)格規(guī)范湖泊周邊的人工取水量等切實(shí)措施，逐步恢復(fù)黃旗海湖水位，保護(hù)黃旗海湖泊濕地等珍稀生態(tài)資源，實(shí)現(xiàn)人與水的和諧相處。

5 結(jié)論

（1）構(gòu)建的黃旗海盆地地下水流數(shù)值模型顯示，長期觀測井的地下水水位觀測值與模擬值的決定系數(shù)（R2）為0.994，均方根誤差（RMSE）為0.87m，且模擬水位能較好地反映觀測孔水位動態(tài)變化趨勢，說明該地下水水流數(shù)值模型能基本再現(xiàn)研究區(qū)地下水流運(yùn)動變化狀況，具有較好的可信度。

（2）模擬分析表明，第四系潛水含水層主要補(bǔ)給項(xiàng)為降雨及灌溉補(bǔ)給入滲，約占60.4%；其次為地下水側(cè)向補(bǔ)給，約為39.5%。含水層的主要排泄方式為人工開采，占總排泄量的50.9%；其次為蒸散發(fā)排泄，約為36.8%。2010—2016年，湖泊滲漏量約為3.3×104m3/a，地下水補(bǔ)給湖泊量約為1.179×107m3/a，地表地下水轉(zhuǎn)化關(guān)系整體呈現(xiàn)地下水大量補(bǔ)給湖泊水，且因地下水過度開采，研究區(qū)地下水儲量累計(jì)虧空達(dá)1.5×108m3，這是黃旗海盆地地下水系統(tǒng)呈現(xiàn)為負(fù)均衡的核心原因。

（3）基于Sobol 分析法的參數(shù)敏感性分析表明，湖水位函數(shù)和湖泊滲漏量函數(shù)均受滲透系數(shù)與湖床滲漏速率2 個(gè)參數(shù)的顯著影響。地下水儲量函數(shù)和地下水補(bǔ)給湖水量函數(shù)主要受到人工開采和降雨灌溉補(bǔ)給2 個(gè)參數(shù)影響。說明超采地下水是造成黃旗海盆地地下水資源枯竭以及黃旗海湖泊面積萎縮的主控因子。

（4）研究區(qū)內(nèi)觀測井分布不均勻，大部分集中于黃旗海北岸水源地附近，而湖泊周邊及南部區(qū)域缺乏長期地下水水位動態(tài)監(jiān)測井，因此全區(qū)地下水模型精度仍有待提高。敏感性分析中忽略了各敏感參數(shù)的時(shí)序影響，未來需對此進(jìn)行補(bǔ)充研究和完善?，F(xiàn)有地下水開采模式會加劇黃旗海湖泊的干涸速度，不利于該區(qū)地下水資源的可持續(xù)利用。有必要嚴(yán)格控制地下水開采，提高農(nóng)業(yè)灌溉效率，優(yōu)化地下水開采方案，在保證當(dāng)?shù)厣鐣?jīng)濟(jì)發(fā)展的同時(shí)，逐步恢復(fù)黃旗海湖泊及濕地面積，促進(jìn)人與自然和諧發(fā)展。