克里雅河地下水埋深空間插值方法優(yōu)選及影響因素分析

摘 要：為選擇合適的插值方法揭示干旱區(qū)綠洲地下水埋深空間變化特征，以克里雅河尾閭綠洲、沙漠段河道、于田綠洲為研究區(qū)，依據(jù)５３ 口地下水監(jiān)測(cè)井觀測(cè)資料，采用樣條函數(shù)法、反距離權(quán)重法、克里金法３ 種插值方法對(duì)地下水埋深進(jìn)行空間插值，選擇交叉驗(yàn)證法驗(yàn)證插值效果，并對(duì)影響克里雅河地下水埋深空間分布的因素進(jìn)行定性分析。結(jié)果顯示：２０１９—２０２１ 年，尾閭綠洲地下水埋深隨時(shí)間呈由西南到東北逐漸增大的趨勢(shì)，沙漠段河道地下水埋深南部和北部小、中部大，于田綠洲地下水埋深較尾閭綠洲和沙漠段河道的??；克里雅河地下水埋深總體呈增大趨勢(shì)，３ 個(gè)區(qū)域的地下水埋深排序?yàn)樯衬魏拥溃疚查偩G洲＞于田綠洲，沙漠段河道、尾閭綠洲、于田綠洲的地下水埋深平均值２０１９ 年分別為４．６４、４．０８、２．７８ ｍ，２０２０ 年分別為４．８０、４．２２、２．８８ ｍ，２０２１ 年分別為４．８６、４．１０、２．８７ ｍ?？死锝鸱ㄊ歉珊档貐^(qū)地下水埋深空間插值的最優(yōu)方法，綠洲植被覆蓋與蒸騰、人類活動(dòng)是影響克里雅河地下水埋深的重要因素。

關(guān)鍵詞：地下水埋深；插值方法；克里金法；影響因素；克里雅河

中圖分類號(hào)：Ｐ６４１．８ 文獻(xiàn)標(biāo)志碼：Ａ ｄｏｉ：１０．３９６９／ ｊ．ｉｓｓｎ．１０００－１３７９．２０２５．０４．０１３

引用格式：馬艷霞，郭玉川，李偉旭，等．克里雅河地下水埋深空間插值方法優(yōu)選及影響因素分析［Ｊ］．人民黃河，２０２５，４７（４）：７７－８３．

０ 引言

地下水是水資源的重要組成部分，與人類生存和社會(huì)發(fā)展有密不可分的聯(lián)系，地下水在干旱、半干旱地區(qū)更是必不可少的主要水源之一。在干旱地區(qū)，受多種外在條件的影響，監(jiān)測(cè)井能獲取的數(shù)據(jù)是十分有限的，因而對(duì)較大區(qū)域地下埋深的時(shí)空變化研究具有很大的挑戰(zhàn)性。進(jìn)行地下水空間數(shù)據(jù)分析時(shí)，使用不可靠的插值方法會(huì)影響研究結(jié)果的準(zhǔn)確性，因此選擇合適的空間插值方法對(duì)于研究地下水空間變化具有重要意義。

空間插值技術(shù)在研究地下水空間變異特征等方面應(yīng)用廣泛［１］ ，插值方法優(yōu)選和參數(shù)優(yōu)化是國(guó)內(nèi)外研究的熱點(diǎn)［２］ 。例如：Ｈａｓａｎ 等［３］ 采用克里金法分析孟加拉國(guó)錫耶特地下水位變化趨勢(shì)，結(jié)果表明２０００—２０１５年研究區(qū)地下水埋深大幅增大；徐存東等［４］ 采用空間插值模塊，對(duì)甘肅景泰川電力提灌灌區(qū)地下水埋深進(jìn)行插值，并采用交叉驗(yàn)證法篩選地下水埋深最優(yōu)插值法，結(jié)果表明克里金法對(duì)于反映地下水埋深時(shí)空變異規(guī)律及分布特征最優(yōu)；蔣慶［５］ 對(duì)疏勒河灌區(qū)的地下水埋深進(jìn)行插值，發(fā)現(xiàn)克里金法插值精度較高、反映地下水埋深空間分布特征較為準(zhǔn)確。上述研究對(duì)地下水埋深進(jìn)行插值均是基于一種或兩種插值方法，模擬結(jié)果的精度較低。

為探索地下水埋深空間插值優(yōu)化問(wèn)題，本文選取反距離權(quán)重法、樣條函數(shù)法、克里金法３ 種插值方法，分別對(duì)２０１９—２０２１ 年克里雅河流域尾閭綠洲、沙漠段河道、于田綠洲的地下水埋深進(jìn)行插值，并通過(guò)交叉驗(yàn)證法比較不同方法的插值效果，選擇最優(yōu)方法，分析該區(qū)域地下水埋深時(shí)空變化規(guī)律，以期為地下水資源保護(hù)及可持續(xù)發(fā)展提供參考。

１ 研究區(qū)概況

克里雅河位于新疆維吾爾自治區(qū)塔里木盆地南部，屬于內(nèi)陸河流，總長(zhǎng)約５３０ ｋｍ，源頭位于昆侖山北坡［６］ 。河流流向?yàn)樽阅舷虮?，在出山口普魯村到達(dá)于田綠洲后繼續(xù)一路向北，深入塔克拉瑪干沙漠腹地，最終消失在達(dá)里雅布依綠洲（下文稱尾閭綠洲）附近［７］ 。尾閭綠洲面積約３２４ ｋｍ２［８］ ，年均氣溫為１１ °Ｃ 左右，年均降水量不足２５ ｍｍ［９］ ，為典型的暖溫帶極端荒漠氣候區(qū)。于田綠洲位于克里雅河流域上中游地區(qū)，地勢(shì)南高北低，地貌多為戈壁。研究區(qū)共布設(shè)５３ 口地下水監(jiān)測(cè)井，研究區(qū)范圍與地下水監(jiān)測(cè)井分布見(jiàn)圖１。

２ 數(shù)據(jù)與方法

２．１ 數(shù)據(jù)采集

本研究所需的地下水位數(shù)據(jù)是通過(guò)布設(shè)在研究區(qū)的５３ 口監(jiān)測(cè)井內(nèi)安裝的水壓水位計(jì)采集所得。井內(nèi)懸掛感應(yīng)式水壓水位計(jì)（內(nèi)置ＨＯＢＯ 傳感器，可測(cè)潛水位下一定水深的壓強(qiáng)和地下水位），井外懸置可測(cè)大氣壓強(qiáng)的美國(guó)產(chǎn)Ｏｎｅ Ｓｅｔ 型號(hào)水位計(jì)（內(nèi)置ＨＯＢＯ傳感器）。采集的時(shí)間間隔為４ ｈ。地下水埋深Ｈ 計(jì)算公式［１０］ 為

Ｈ ＝ ｈ －（Ｐ１ － Ｐ２／ρｇ） （１）

式中：ｈ 為水位計(jì)到地面的高度， Ｐ１ 為地下水壓強(qiáng)， Ｐ２為當(dāng)?shù)卮髿鈮簭?qiáng)，ρ 為水的密度，ｇ 為重力加速度（?。梗?ｍ／ ｓ２）。

２．２ 數(shù)據(jù)處理方法

本文所用空間插值的原始數(shù)據(jù)為研究區(qū)２０１９—２０２１ 年地下水埋深數(shù)據(jù)。從美國(guó)地質(zhì)調(diào)查局（ＵＳＧＳ）官網(wǎng)（ｈｔｔｐｓ：／／ ｅａｒｔｈｅｘｐｌｏｒｅｒ．ｕｓｇｓ．ｇｏｖ） 下載新疆于田縣哨兵衛(wèi)星數(shù)據(jù)［１１］ ，運(yùn)用ＥＮＶＩ ５．１ 軟件對(duì)遙感影像進(jìn)行預(yù)處理，獲得包含克里雅河流域的于田縣遙感影像分布圖。在進(jìn)行地統(tǒng)計(jì)分析和空間插值前，要檢驗(yàn)原始數(shù)據(jù)是否符合正態(tài)分布［１２］ ，對(duì)不符合正態(tài)分布的數(shù)據(jù)通過(guò)ＳＰＳＳ 軟件進(jìn)行對(duì)數(shù)轉(zhuǎn)換處理。當(dāng)數(shù)據(jù)量≤５０時(shí)，傾向于以夏皮洛－威爾克（Ｓ－Ｗ）檢驗(yàn)結(jié)果為準(zhǔn)；當(dāng)數(shù)據(jù)量＞５０ 時(shí)，傾向于以柯?tīng)柲缏宸颍姑字Z夫（ＫＳ）檢驗(yàn)結(jié)果為準(zhǔn)［１３－１４］ 。對(duì)地下水原始數(shù)據(jù)進(jìn)行Ｓ－Ｗ檢驗(yàn)，檢驗(yàn)值為０．１９８，大于顯著性水平０．０５，說(shuō)明地下水埋深數(shù)據(jù)符合正態(tài)分布［１５－１７］ ，因此可使用不同插值方法對(duì)研究區(qū)地下水埋深進(jìn)行空間插值。采用反距離權(quán)重法、樣條函數(shù)法、克里金法３ 種常用的空間插值方法，借助ＡｒｃＧＩＳ １０．８ 對(duì)地下水埋深數(shù)據(jù)進(jìn)行擬合，并運(yùn)用交叉驗(yàn)證方法進(jìn)行檢驗(yàn)，從而獲得精度評(píng)價(jià)結(jié)果。

２．３ 研究方法

２．３．１ 插值方法

１）克里金法?？死锝鸱ㄊ且罁?jù)協(xié)方差函數(shù)（也稱變異函數(shù)）對(duì)隨機(jī)過(guò)程／ 隨機(jī)場(chǎng)進(jìn)行空間建模和預(yù)測(cè)（插值）的回歸算法，廣泛應(yīng)用于地下水、土壤、空氣質(zhì)量等眾多研究領(lǐng)域［１８－１９］ 。當(dāng)采樣點(diǎn)的數(shù)量越多時(shí)，得到的內(nèi)插結(jié)果越可信。其步驟依次為輸入數(shù)據(jù)、對(duì)區(qū)域進(jìn)行網(wǎng)格化處理、檢驗(yàn)數(shù)據(jù)與分析、繪制直方圖、變異函數(shù)計(jì)算、插值估計(jì)。

２）反距離權(quán)重法。反距離權(quán)重法是全局插值法，權(quán)重隨著采樣點(diǎn)與插值點(diǎn)之間的距離增大而減?。郏玻埃?。該方法中，冪是一個(gè)關(guān)鍵參數(shù)，用于控制已知點(diǎn)對(duì)未知點(diǎn)的影響隨距離衰減的速度，冪的指數(shù)越大距離較遠(yuǎn)的點(diǎn)對(duì)插值結(jié)果的影響越小，本文冪的指數(shù)分別取ｐ ＝１、ｐ ＝ ２、ｐ ＝ ３。該方法的不足之處是插值結(jié)果有時(shí)會(huì)出現(xiàn)“牛眼”現(xiàn)象（某些偏大或偏小的數(shù)據(jù)在插值過(guò)程中所形成的以插值點(diǎn)為圓心的圈狀現(xiàn)象）［２１］ ，當(dāng)數(shù)據(jù)間隔均勻時(shí)該方法表現(xiàn)良好。

參考馬諾等［２２］ 的研究，反距離權(quán)重法的插值計(jì)算公式為

式中：Ｚ 為所求插值點(diǎn)的值，Ｚｉ 為第ｉ 個(gè)采樣點(diǎn)的值，ｎ為采樣點(diǎn)數(shù)量，ｄｉ 為第ｉ 個(gè)采樣點(diǎn)與插值點(diǎn)之間的距離，Ｗｉ 為第ｉ 個(gè)采樣點(diǎn)的權(quán)重。

３）樣條函數(shù)法。樣條函數(shù)法分為規(guī)則樣條函數(shù)法和張力樣條函數(shù)法，后者更為常用。該方法基于數(shù)學(xué)函數(shù)以及數(shù)學(xué)模型，通過(guò)控制估計(jì)的方差［２３］ ，再利用一些特征節(jié)點(diǎn)，采用多項(xiàng)式擬合方法產(chǎn)生平滑插值曲線。權(quán)重在樣條函數(shù)法中起著至關(guān)重要的作用，它決定了輸出曲線的平滑程度和與控制點(diǎn)的貼合程度，通過(guò)合理選擇權(quán)重，可以獲得既平滑又符合數(shù)據(jù)特征的插值結(jié)果。本文取權(quán)重ｗ ＝１ 時(shí)，表示對(duì)一階導(dǎo)數(shù)項(xiàng)（張力項(xiàng)）賦予較小的權(quán)重；ｗ ＝ ５ 時(shí)，一階導(dǎo)數(shù)項(xiàng)的權(quán)重增大，意味著在插值過(guò)程中更強(qiáng)調(diào)數(shù)據(jù)的張力；ｗ ＝１０ 時(shí)，輸出的數(shù)據(jù)會(huì)非常緊密地貼合控制點(diǎn)，但全局的平滑性可能受到影響。該方法的優(yōu)點(diǎn)在于容易操作、計(jì)算量較小，缺點(diǎn)在于難以對(duì)誤差進(jìn)行準(zhǔn)確估計(jì)。

２．３．２ 精度評(píng)價(jià)

本文運(yùn)用交叉檢驗(yàn)法對(duì)各插值方法進(jìn)行精度評(píng)價(jià)和優(yōu)選，具體步驟：首先去除某一樣點(diǎn)的數(shù)據(jù)，用剩余的樣點(diǎn)數(shù)據(jù)進(jìn)行插值，得到該樣點(diǎn)的估值；然后對(duì)其他所有樣點(diǎn)重復(fù)這一操作，得到各個(gè)樣點(diǎn)的估值；最后對(duì)所有樣點(diǎn)的估值與實(shí)測(cè)值進(jìn)行對(duì)比分析。本研究中，評(píng)價(jià)的指標(biāo)有平均絕對(duì)誤差（ＥＭＡ ）、平均相對(duì)誤差（ＥＭＲ）以及均方根誤差（ＥＲＭＳ ），其中：ＥＭＡ 反映插值相對(duì)于實(shí)測(cè)值的誤差大小，ＥＭＲ 反映插值相對(duì)于實(shí)測(cè)值的準(zhǔn)確度，ＥＲＭＳ反映插值與實(shí)測(cè)值之間的偏差。較好的結(jié)果是ＥＭＡ、ＥＭＲ、ＥＲＭＳ 都接近０［ ２４］ 。３ 種誤差的計(jì)算公式為

式中： Ｓｉ 、Ｍｉ 分別為第ｉ 個(gè)采樣點(diǎn)的插值、實(shí)測(cè)值。

３ 結(jié)果與分析

３．１ 不同插值方法比較

為了直觀描述研究區(qū)地下水埋深的空間分布情況，本文選?。玻埃玻?年克里雅河尾閭綠洲、沙漠段河道、于田綠洲地下水埋深數(shù)據(jù)，運(yùn)用反距離權(quán)重法、樣條函數(shù)法、克里金法３ 種方法進(jìn)行空間插值， 并利用ＡｒｃＧＩＳ 中的插值模塊，繪制３ 種方法得到的地下水埋深空間分布圖，見(jiàn)圖２～圖４。

對(duì)于反距離權(quán)重法，通過(guò)調(diào)整冪的指數(shù)ｐ（?。?＝１、ｐ ＝２、ｐ ＝３）控制插值結(jié)果對(duì)鄰近點(diǎn)的依賴程度，更好地反映地下水埋深的局部變化特征。對(duì)于樣條函數(shù)法，通過(guò)調(diào)整權(quán)重ｗ（?。?＝ １、ｗ ＝ ５、ｗ ＝ １０）控制插值結(jié)果的平滑程度，對(duì)于地下水埋深數(shù)據(jù)，較大的權(quán)重可以更好地反映局部變化（如井點(diǎn)附近的埋深突變），而較小的權(quán)重則適合反映區(qū)域整體的埋深變化趨勢(shì)。對(duì)于克里金法，變異函數(shù)采用高斯函數(shù)、線性函數(shù)、指數(shù)函數(shù)，高斯函數(shù)適用于埋深變化平滑的區(qū)域（如平原地區(qū)），線性函數(shù)適用于埋深變化平緩的區(qū)域，而指數(shù)函數(shù)適用于埋深變化劇烈的區(qū)域（如山區(qū)或地下水開(kāi)采強(qiáng)烈的區(qū)域）［２５］ 。

由圖２～圖４ 可知：１）３ 個(gè)區(qū)域的反距離權(quán)重法插值結(jié)果中均出現(xiàn)“牛眼”現(xiàn)象，造成這種現(xiàn)象的原因是某些監(jiān)測(cè)點(diǎn)數(shù)據(jù)相對(duì)于插值數(shù)據(jù)過(guò)大或過(guò)小，從而形成類似“牛眼”的圓圈。反距離權(quán)重法生成的等值線彎曲程度受地下水埋深極大值或極小值的影響，說(shuō)明該方法對(duì)于極值的處理較為欠缺，對(duì)分析總體趨勢(shì)的表現(xiàn)不佳。２）３ 個(gè)區(qū)域的樣條函數(shù)法，權(quán)重ｗ ＝ ５ 和ｗ ＝１０ 的插值結(jié)果為正值，ｗ ＝１ 的插值結(jié)果為負(fù)值，造成這種現(xiàn)象的原因主要是樣條函數(shù)法插值需要大量的監(jiān)測(cè)數(shù)據(jù)，同時(shí)要求監(jiān)測(cè)點(diǎn)均勻分布，對(duì)于在局部范圍內(nèi)變化較大的數(shù)據(jù)點(diǎn)插值不適用樣條函數(shù)法。３）３ 個(gè)區(qū)域的克里金法，高斯函數(shù)空間插值曲線比線性函數(shù)、指數(shù)函數(shù)以及其他兩種方法得到的插值曲線更為平滑，該方法在賦權(quán)時(shí)綜合考慮了距離、方位等多方面因素的影響，同時(shí)對(duì)數(shù)學(xué)模型的依賴性強(qiáng)，對(duì)極值的處理比其他方法好，能較好地反映地下水埋深總體和局部的變化趨勢(shì)；在估值方面，該方法對(duì)誤差估計(jì)的處理更合理，提高了插值的精度。

綜上所述，３ 種插值方法得出的克里雅河地下水埋深空間分布規(guī)律基本一致，地下水埋深大多在３ ～５ ｍ范圍內(nèi)?？死镅藕又邢掠蔚叵滤裆钭畲笾党霈F(xiàn)在尾閭綠洲東北部以及河道中部，尾閭綠洲北部由地下水補(bǔ)給地表水，該區(qū)域僅在季節(jié)性洪水來(lái)臨時(shí)地表水才補(bǔ)給地下水；地下水埋深最小值出現(xiàn)在于田綠洲河道兩側(cè)區(qū)域，原因是河道兩側(cè)區(qū)域靠近河流，河水通過(guò)河床滲漏直接補(bǔ)給地下水，導(dǎo)致地下水位升高、埋深變小。

３．２ 地下水埋深空間插值最優(yōu)方法選取

本研究采用交叉驗(yàn)證法，通過(guò)ＥＭＡ、ＥＭＲ、ＥＲＭＳ ３ 個(gè)指標(biāo)來(lái)評(píng)價(jià)不同插值方法的精度，選取適合研究區(qū)的最優(yōu)插值方法，３ 種插值方法的誤差統(tǒng)計(jì)見(jiàn)表１。

按ＥＭＡ大小排序?yàn)闃訔l函數(shù)法＞克里金法＞反距離權(quán)重法，按ＥＭＲ 大小排序?yàn)闃訔l函數(shù)法＞反距離權(quán)重法＞克里金法，按ＥＲＭＳ大小排序?yàn)榉淳嚯x權(quán)重法＞樣條函數(shù)法＞克里金法，說(shuō)明克里金法的誤差相對(duì)較小，插值精度高于其他２ 種方法，準(zhǔn)確度較高。綜合地下水埋深空間分布圖和精度評(píng)價(jià)結(jié)果，優(yōu)選克里金法對(duì)研究區(qū)地下水埋深進(jìn)行插值。

３．３ 研究區(qū)地下水埋深時(shí)空分布

運(yùn)用克里金法（變異函數(shù)為高斯函數(shù)）對(duì)２０１９—２０２１ 年研究區(qū)的地下水埋深數(shù)據(jù)進(jìn)行空間插值，結(jié)果見(jiàn)圖５。

克里雅河中下游受地質(zhì)構(gòu)造、土壤顆粒大小及分布等水文地質(zhì)條件的影響，地下水埋深總體呈增大趨勢(shì)，并具有較強(qiáng)的空間差異性。尾閭綠洲地下水埋深隨時(shí)間呈由西南到東北逐漸增大的趨勢(shì)，沙漠段河道南部和北部地下水埋深小、中部地下水埋深大，于田綠洲地下水埋深較尾閭綠洲和沙漠段河道的小。具體表現(xiàn)：２０１９ 年尾閭綠洲地下水最大埋深為５ ｍ 左右的監(jiān)測(cè)井有５ 口，到２０２１ 年已擴(kuò)張到６ 口，說(shuō)明該區(qū)域地下水埋深不斷增大；沙漠段河道地下水埋深也在不斷增大，南部和北部地下水最小埋深為２．０～２．５ ｍ 的區(qū)域面積不斷減小，而中部地下水埋深為６．５～７．０ ｍ 的區(qū)域面積不斷變大；于田綠洲東部地下水埋深為２．０～３．０ 的區(qū)域面積逐漸減小、地下水埋深為３．０～３．５ ｍ 的區(qū)域面積逐漸增大。

對(duì)２０１９—２０２１ 年研究區(qū)地下水埋深特征值進(jìn)行提取，結(jié)果見(jiàn)表２。

由表２ 可知，尾閭綠洲地下水埋深的最小值呈逐年增大的趨勢(shì)，由２０１９ 年的１．９０ ｍ 增大到２０２１ 年的２．０６ ｍ，增大了０．１６ ｍ。地下水埋深最大值位于沙漠段河道，由２０１９ 年的１０．５１ ｍ 增大到２０２１ 的１０．６４ ｍ，增大了０．１３ ｍ；于田綠洲地下水埋深的最小值、最大值和平均值較尾閭綠洲和沙漠段河道的小，由２０１９ 年的１．１８、４．９８、２．７８ ｍ 分別增大到２０２１ 年的１．３０、６．２２、２．８７ ｍ，分別增大了０．１２、１．２４、０．０９ ｍ。綜上所述，克里雅河地下水埋深總體呈增大趨勢(shì)，３ 個(gè)區(qū)域的地下水埋深排序?yàn)樯衬魏拥溃疚查偩G洲＞于田綠洲，沙漠段河道、尾閭綠洲、于田綠洲的地下水埋深平均值２０１９年分別為４．６４、４．０８、２．７８ ｍ，２０２０ 年分別為４．８０、４．２２、２．８８ ｍ，２０２１ 年分別為４．８６、４．１０、２．８７ ｍ。

４ 討論

４．１ 影響克里雅河地下水埋深的主要因素

地下水埋深受多種因素的影響，單靠監(jiān)測(cè)井獲取的數(shù)據(jù)是不全面的。隨著研究的深入，很多學(xué)者從單純考慮監(jiān)測(cè)井?dāng)?shù)據(jù)發(fā)展到加入經(jīng)緯度、地質(zhì)等影響因素，本文在研究時(shí)考慮了地理位置和地形等因素。而影響地下水埋深空間分布的還有蒸發(fā)、地表水補(bǔ)給和排泄、水文、地質(zhì)、人類活動(dòng)等許多隨機(jī)因素［２６－２７］ ，加入隨機(jī)因素是否會(huì)進(jìn)一步提高地下水埋深插值精度還有待進(jìn)一步探討。

１）于田綠洲、尾閭綠洲植被覆蓋。克里雅河流域內(nèi)的綠洲生態(tài)系統(tǒng)對(duì)該地區(qū)的環(huán)境和經(jīng)濟(jì)社會(huì)發(fā)展起著關(guān)鍵作用。于田綠洲和尾閭綠洲的植被覆蓋對(duì)地下水埋深有顯著影響。綠洲植被通過(guò)根系從地下吸收水分并通過(guò)葉片將水分蒸騰到大氣中，這一過(guò)程會(huì)影響地下水埋深。植被覆蓋度越高，蒸騰作用就越強(qiáng)，地下水消耗也就越大，從而可能導(dǎo)致地下水埋深增大，但同時(shí)植被有截留降水和減少地表土壤水分蒸發(fā)的作用［２８］ ，具體影響效果因綠洲位置及水資源狀況而異。于田綠洲位于克里雅河上游，水資源相對(duì)較為豐富，地表水對(duì)地下水的補(bǔ)給作用可能更為顯著；而尾閭綠洲位于克里雅河下游，水資源相對(duì)匱乏，植被蒸騰作用對(duì)地下水的消耗更為顯著，因而導(dǎo)致于田綠洲地下水埋深小于尾閭綠洲的。

２）水文地質(zhì)。流域內(nèi)的地質(zhì)構(gòu)造會(huì)影響地下水的徑流方向和速度，通常山區(qū)和丘陵區(qū)地下水埋深較大，而平原區(qū)地勢(shì)較低、地下水埋深較?。郏玻梗?。不同地層的巖性會(huì)影響地下水的儲(chǔ)存和流動(dòng)，例如：礫石、沙土層具有較好的透水性，地下水埋深通常較淺；而黏土層透水性差，地下水埋深一般較大。

３）人類活動(dòng)。人類活動(dòng)對(duì)地下水埋深的影響主要體現(xiàn)在以下３ 個(gè)方面：一是農(nóng)業(yè)灌溉，大量的河水被引入農(nóng)田進(jìn)行灌溉，增加了地表水的入滲量，從而導(dǎo)致局部地下水位上升、地下水埋深減小；而過(guò)度抽取地下水用于灌溉會(huì)導(dǎo)致地下水位下降、地下水埋深增大，尤其是灌區(qū)附近。二是工業(yè)用水，工業(yè)生產(chǎn)需要大量水資源，可能導(dǎo)致過(guò)度抽取地下水，使地下水位下降、地下水埋深增大。三是水利工程建設(shè)，水庫(kù)、堤壩和引水渠等水利工程的建設(shè)會(huì)改變河流的自然流動(dòng)，影響地下水的補(bǔ)給和流動(dòng)模式。

綜合考慮克里雅河流域各方面情況可知，綠洲植被覆蓋與蒸騰、人類活動(dòng)是影響克里雅河流域地下水埋深的重要因素。長(zhǎng)期連續(xù)的地下水監(jiān)測(cè)和科學(xué)研究有助于制定合理的地下水管理策略，以確保流域水資源可持續(xù)利用。

４．２ 地域時(shí)空尺度差異對(duì)最優(yōu)插值法選取結(jié)果的影響

由于研究區(qū)地下水監(jiān)測(cè)井相對(duì)較少，且空間分布不均勻，同時(shí)對(duì)其他因素考慮較少，因此插值結(jié)果與實(shí)測(cè)值會(huì)存在一定的偏差，如何在數(shù)據(jù)有限的情況下提高插值精度是后續(xù)研究的重點(diǎn)。由于所選時(shí)空尺度的差異以及空間變量的不同，優(yōu)選出的插值法也是有區(qū)別的，因此應(yīng)考慮實(shí)際情況選取最優(yōu)插值法。蒙波等［３０］ 認(rèn)為適用于地下水埋深的最優(yōu)統(tǒng)計(jì)方法為高斯模型，這與本文研究結(jié)果一致。在空間插值分析中采用克里金法時(shí)，變異函數(shù)和參數(shù)的選擇尤為重要，尤其在環(huán)境條件惡劣、空間變異特征不明顯且數(shù)據(jù)獲取困難的區(qū)域，克里金法更具實(shí)際價(jià)值和應(yīng)用意義。

５ 結(jié)論

１）反距離權(quán)重法插值結(jié)果中出現(xiàn)較多“牛眼”現(xiàn)象，生成的等值線彎曲程度取決于埋深極大值或極小值的影響，說(shuō)明這種方法對(duì)于極值的處理是較為欠缺的；樣條函數(shù)法需要數(shù)據(jù)量大，同樣對(duì)極值點(diǎn)的處理較差；克里金法相比其他兩種方法得到的插值曲線更為平滑，在賦權(quán)時(shí)綜合考慮了距離、方位等多方面因素的影響，同時(shí)對(duì)數(shù)學(xué)模型的依賴性強(qiáng)，對(duì)極值的處理較其他方法好，能更為準(zhǔn)確地反映地下水埋深時(shí)空分布的特點(diǎn)和變化趨勢(shì)，而且該方法平均相對(duì)誤差和均方根誤差均最小、精度最高，因此克里金法在地下水埋深插值方面較其他兩種方法更優(yōu)。

２）２０１９—２０２１ 年，尾閭綠洲地下水埋深呈由西南到東北逐漸增大的趨勢(shì)，沙漠段河道地下水埋深南部和北部小、中部大，于田綠洲地下水埋深較尾閭綠洲和沙漠段河道的?。豢死镅藕拥叵滤裆羁傮w呈增大趨勢(shì)，３ 個(gè)區(qū)域的地下水埋深排序?yàn)樯衬魏拥溃疚查偩G洲＞于田綠洲，沙漠段河道、尾閭綠洲、于田綠洲的地下水埋深平均值２０１９ 年分別為４．６４、４．０８、２．７８ ｍ，２０２０ 年分別為４．８０、４．２２、２．８８ ｍ，２０２１ 年分別為４．８６、４．１０、２．８７ ｍ。

３）綜合考慮克里雅河流域各方面情況可知，綠洲植被覆蓋與蒸騰、人類活動(dòng)是影響克里雅河流域地下水埋深的重要因素。

參考文獻(xiàn)：

［１］ 王克曉，陳偉濤，李顯巨，等．空間插值方法模擬地下水空間分布適宜性探討：以敦煌盆地東湖保護(hù)區(qū)為例［Ｊ］．甘肅地質(zhì)，２０１７，２６（４）：７７－８１．

［２］ 鄭軍，張辛，劉清蘭，等．基于正交曲線網(wǎng)格的河道地形插值方法及應(yīng)用［Ｊ］．人民黃河，２０２３，４５（７）：６２－６７．

［３］ ＨＡＳＡＮ Ｋ，ＰＡＵＬ Ｓ，ＣＨＹ Ｔ Ｊ，ｅｔ ａｌ．Ａｎａｌｙｓｉｓ ｏｆ ＧｇｒｏｕｎｄｗａｔｅｒＴａｂｌｅ Ｖａｒｉａｂｉｌｉｔｙ ａｎｄ Ｔｒｅｎｄ Ｕｓｉｎｇ Ｏｒｄｉｎａｒｙ Ｋｒｉｇｉｎｇ：Ｔｈｅ ＣａｓｅＳｔｕｄｙ ｏｆ Ｓｙｌｈｅｔ，Ｂａｎｇｌａｄｅｓｈ［Ｊ］．Ａｐｐｌｉｅｄ Ｗａｔｅｒ Ｓｃｉｅｎｃｅ，２０２１，１１（７）：１０８－１１６．

［４］ 徐存東，朱興林，張銳，等．地下水埋深空間插值方法比較和空間變異性研究［Ｊ］．節(jié)水灌溉，２０１９（１）：４９－５６．

［５］ 蔣慶．疏勒河灌區(qū)地下水埋深空間插值方法比較［Ｊ］．節(jié)水灌溉，２０１３（７）：６２－６４．

［６］ 宋聚鳳．克里雅河流域徑流基本特征分析與評(píng)估［Ｊ］．水上安全，２０２３（４）：３７－３９．

［７］ 魏宣，王寧，周明通，等．氣候變化和人類活動(dòng)對(duì)克里雅河徑流變化影響定量研究［Ｊ］．灌溉排水學(xué)報(bào)，２０２２，４１（８）：８０－８６．

［８］ 張紅，王大偉．基于ＮＤＶＩ 的克里雅河尾閭天然綠洲范圍及面積變化研究［Ｊ］．測(cè)繪與空間地理信息，２０２２，４５（５）：１３６－１３８，１４２，１４６．

［９］ 周興佳，李保生，朱峰，等．南疆克里雅河綠洲發(fā)育和演化過(guò)程研究［Ｊ］．云南地理環(huán)境研究，１９９６，８（２）：４４－５７．

［１０］ 王艷萍，李新慶，劉垚，等．不同插值算法對(duì)氣溫空間插值效果評(píng)估分析［Ｊ］．信息技術(shù)，２０２０，４４（６）：３１－３５．

［１１］ ＨＯＦＳＴＲＡ Ｎ，ＮＥＷ Ｍ，ＭＣＳＷＥＥＮＥＹ Ｃ．Ｔｈｅ Ｉｎｆｌｕｅｎｃｅ ｏｆ Ｉｎ?ｔｅｒｐｏｌａｔｉｏｎ ａｎｄ Ｓｔａｔｉｏｎ Ｎｅｔｗｏｒｋ Ｄｅｎｓｉｔｙ ｏｎ ｔｈｅ Ｄｉｓｔｒｉｂｕｔｉｏｎｓａｎｄ Ｔｒｅｎｄｓ ｏｆ Ｃｌｉｍａｔｅ Ｖａｒｉａｂｌｅｓ ｉｎ Ｇｒｉｄｄｅｄ Ｄａｉｌｙ Ｄａｔａ［Ｊ］．Ｃｌｉｍａｔｅ Ｄｙｎａｍｉｃｓ，２０１０，３５（５）：８４１－８５８．

［１２］ ＬＡＳＳＥＧＵＥＳ Ｐ．Ｄａｉｌｙ ａｎｄ Ｃｌｉｍａｔｏｌｏｇｉｃａｌ Ｆｉｅｌｄｓ ｏｆ Ｐｒｅｃｉｐｉ?ｔａｔｉｏｎ ｏｖｅｒ ｔｈｅ Ｗｅｓｔｅｒｎ Ａｌｐｓ ｗｉｔｈ ａ Ｈｉｇｈ Ｄｅｎｓｉｔｙ Ｎｅｔｗｏｒｋｆｏｒ ｔｈｅ Ｐｅｒｉｏｄ ｏｆ １９９０－２０１２［Ｊ］．Ｔｈｅｏｒｅｔｉｃａｌ ａｎｄ ＡｐｐｌｉｅｄＣｌｉｍａｔｏｌｏｇｙ，２０１８，１３１（１／２）：１－１７．

［１３］ ＺＨＡＮＧ Ｍ Ｊ，ＷＡＮＧ Ｓ Ｊ．Ａ Ｒｅｖｉｅｗ ｏｆ Ｐｒｅｃｉｐｉｔａｔｉｏｎ ＩｓｏｔｏｐｅＳｔｕｄｉｅｓ ｉｎ Ｃｈｉｎａ：Ｂａｓｉｃ Ｐａｔｔｅｒｎ ａｎｄ Ｈｙｄｒｏｌｏｇｉｃａｌ Ｐｒｏｃｅｓｓ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｇｅｏｇｒａｐｈｉｃａｌ Ｓｃｉｅｎｃｅｓ，２０１６，２６（７）：９２１－９３８．

［１４］ 談燦燦，張潤(rùn)潤(rùn)，鄧志民，等．基于暴雨空間自相關(guān)的插值方法比較［Ｊ／ ＯＬ］．河海大學(xué)學(xué)報(bào)（自然科學(xué)版）：１－１４（２０２４－ ０３ － ２６） ［２０２４ － ０６ － １２］． ｈｔｔｐ：／／ ｋｎｓ． ｃｎｋｉ． ｎｅｔ／ｋｃｍｓ／ ｄｅｔａｉｌ／３２．１１１７．ｔｖ．２０２４０３２１．１９２８．００５．ｈｔｍｌ．

［１５］ ＣＨＥＮ Ｆ Ｗ，ＬＩＵ Ｃ Ｗ．Ｅｓｔｉｍａｔｉｏｎ ｏｆ ｔｈｅ Ｓｐａｔｉａｌ ＲａｉｎｆａｌｌＤｉｓｔｒｉｂｕｔｉｏｎ Ｕｓｉｎｇ Ｉｎｖｅｒｓｅ Ｄｉｓｔａｎｃｅ Ｗｅｉｇｈｔｉｎｇ （ＩＤＷ） ｉｎｔｈｅ Ｍｉｄｄｌｅ ｏｆ Ｔａｉｗａｎ［Ｊ］．Ｐａｄｄｙ ａｎｄ Ｗａｔｅｒ Ｅｎｖｉｒｏｎｍｅｎｔ，２０１２，１０（３）：２０９－２２２．

［１６］ ＢＯＳＴＡＮ Ｐ Ａ，ＨＥＵＶＥＬＩＮＫ Ｇ Ｂ Ｍ，ＡＫＹＵＲＥＫ Ｓ Ｚ．Ｃｏｍ?ｐａｒｉｓｏｎ ｏｆ Ｒｅｇｒｅｓｓｉｏｎ ａｎｄ Ｋｒｉｇｉｎｇ Ｔｅｃｈｎｉｑｕｅｓ ｆｏｒ Ｍａｐｐｉｎｇｔｈｅ Ａｖｅｒａｇｅ Ａｎｎｕａｌ Ｐｒｅｃｉｐｉｔａｔｉｏｎ ｏｆ Ｔｕｒｋｅｙ ［ Ｊ ］．Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ａｐｐｌｉｅｄ Ｅａｒｔｈ Ｏｂｓｅｒｖａｔｉｏｎ ａｎｄＧｅｏｉｎｆｏｒｍａｔｉｏｎ，２０１２，１９：１１５－１２６．

［１７］ 張弛．基于插值技術(shù)的四川省降水量空間分布特征研究［Ｊ］．科技與創(chuàng)新，２０２３（２２）：８１－８４．

［１８］ 譚劍波，李愛(ài)農(nóng)，雷光斌．青藏高原東南緣氣象要素Ａｎｕｓｐｌｉｎ 和Ｃｏｋｒｉｇｉｎｇ 空間插值對(duì)比分析［Ｊ］．高原氣象，２０１６，３５（４）：８７５－８８６．

［１９］ 徐英．考慮塊段效應(yīng)的ＲＢＦ 神經(jīng)網(wǎng)絡(luò)在土壤空間插值中的應(yīng)用［Ｊ］．水科學(xué)進(jìn)展，２０１２，２３（１）：６７－７３．

［２０］ 江源天，王文婷，謝云，等．基于ＩＭＥＲＧ 反演降水?dāng)?shù)據(jù)估算廣東省降雨侵蝕力［Ｊ］．農(nóng)業(yè)工程學(xué)報(bào)，２０２３，３９（２４）：１５３－１６４．

［２１］ 盛亞琴，劉清泉．基于ＡＴＰＲＫ 算法江蘇省降水量空間插值研究［Ｊ］．水利科學(xué)與寒區(qū)工程，２０２３，６（１１）：８９－９２．

［２２］ 馬諾，唐冶，常存，等．基于ＤＥＭ 的氣溫空間插值方法比較［Ｊ］．干旱氣象，２０２０，３８（３）：４６５－４７１．

［２３］ 馮鄭文，劉亞靜．不同空間插值方法對(duì)土壤化學(xué)元素空間分布適用性分析［Ｊ］．華北理工大學(xué)學(xué)報(bào)（自然科學(xué)版），２０２３，４５（４）：７－１８．

［２４］ 于喆，王奎華，吳君濤．基于改進(jìn)克里金法的基樁缺陷空間插值研究［Ｊ］．地基處理，２０２３，５（５）：３７６－３８２，４５０．

［２５］ 汪永華，蔚遠(yuǎn)江，吳珍珍，等．基于ＡｒｃＧＩＳ 空間圖形插值法的致密氣資源評(píng)價(jià)：以俄羅斯蒂曼－伯朝拉盆地為例［Ｊ］．地球科學(xué)與環(huán)境學(xué)報(bào)，２０２３，４５（５）：１２４６－１２５６．

［２６］ 李麗蘭，姚彩燕，于東升，等．基于時(shí)空變異的旱地土壤有機(jī)碳含量最優(yōu)預(yù)測(cè)插值方法［Ｊ］．福建農(nóng)林大學(xué)學(xué)報(bào)（自然科學(xué)版），２０２３，５２（５）：６９４－７００．

［２７］ 張慧斌，吳倩，楊磊，等．空間插值方法在土壤污染物研究方面的應(yīng)用［Ｊ］． 油氣田環(huán)境保護(hù)，２０２３，３３（４）：２５－２９．

［２８］ 石帥．靈璧縣淺層地下水位動(dòng)態(tài)變化特征及影響因素分析［Ｊ］．水上安全，２０２３（４）：５８－６１．

［２９］ 白宜斐，王弋，陳亞寧，等．葉爾羌河流域灌區(qū)地下水埋深變化及影響因素分析［Ｊ］．水資源與水工程學(xué)報(bào)，２０１９，３０（６）：２４２－２４９．

［３０］ 蒙波，桂東偉，曾凡江，等．塔里木盆地南緣綠洲地下水時(shí)空變異與監(jiān)測(cè)點(diǎn)位優(yōu)化：以策勒綠洲為例［Ｊ］．水土保持通報(bào)，２０１６，３６（２）：２０９－２１５．

【責(zé)任編輯 張華興】

基金項(xiàng)目：國(guó)家自然科學(xué)基金資助項(xiàng)目（４１９６１００３）；國(guó)家自然科學(xué)基金聯(lián)合重點(diǎn)支持項(xiàng)目（Ｕ１７０３２３７）