1990—2020年天山北...水储量估算及其时空演变规律_王宗侠.pdf

地 理 学 报ACTA GEOGRAPHICA SINICA第78卷 第7期2023年7月Vol.78,No.7July,202319902020年天山北坡地下水储量估算及其时空演变规律王宗侠1,2，刘苏峡1,2,3（1.中国科学院地理科学与资源研究所 中国科学院陆地水循环及地表过程重点实验室，北京 100101；2.中国科学院大学资源与环境学院，北京 100049；3.中国科学院大学中丹学院，北京 100049）摘要：天山北坡位于中国新疆，地处亚欧桥的国门，社会经济发展迅速，其绿洲经济和灌溉农业对地下水资源的依赖程度高。揭示19902020年地下水储量的演变规律对维持区域可持续发展具有重要意义。但由于长时序和较高分辨率的区域地下水观测数据匮乏，使得该任务又极具挑战性。本文基于重建的陆地水储量（TWS）变化数据、ERA5-Land再分析数据和其他相关的土壤质地、海拔高程、植被指数和冰川分布等辅助数据，建立了随机森林降尺度模型，据此估算了天山北坡19902020年的8 km分辨率地下水储量（GWS）变化，分析了天山北坡GWS的时空演变规律。估算的GWS变化与实测地下水位序列的时间变化具有较高的一致性，二者的相关系数最高达到0.68。天山北坡GWS具有明显的年内变化和年际变化。GWS在夏季和春季较高，在秋季和冬季较低，峰值出现在6月，最低值出现在10月。19902020年天山北坡有85%以上的地区GWS发生了显著下降，全区平均的变化趋势为-0.38 cm/a。其中，艾比湖水系和中段诸河区GWS下降最剧烈，额敏河流域下降速率最小；耕地下降速率最大，草地次之，裸地下降速率最小。日益增强的农业耗水活动是19902020年天山北坡GWS持续下降的主要驱动因素。相比于季节变化和亚季节变化，长期趋势性变化是天山北坡GWS时间变化的主导模式。但对于额敏河流域，GWS变化由三者共同主导。特别值得指出的是，在冰川覆盖区联合重力卫星与水储量组分方程开展GWS估算工作面临的挑战之一是缺乏长序列、高分辨率的冰川水储量数据，以往大部分研究忽视了冰川覆盖的影响。本文研究表明，若忽视冰川的影响，将导致天山北坡的平均GWS变化速率至少高估27.56%，应引起重视。关键词：地下水储量；陆地水储量；GRACE；降尺度；天山北坡DOI:10.11821/dlxb2023070141 引言地下水资源是全球淡水资源的重要组成部分，是农业灌溉、工业生产、日常生活和生态系统的重要水源，对维持区域农业生产活动和社会经济可持续发展具有重要的战略意义。然而，不可持续的地下水开发利用会影响淡水资源的可用性，对区域水安全、粮食安全和社会经济安全造成严重威胁1-2。地下水储量的持续损失会导致地下水向河道的排泄量减少，对水生生态系统造成不利影响3。地下水位下降还会形成漏斗，导致地面沉降塌陷。为了保证地下水资源的可持续性，对区域地下水动态变化开展连续监测十分有必要。收稿日期：2023-04-10;修订日期：2023-06-30基金项目：第三次新疆综合科学考察项目(2021xjkk0803)Foundation:The Third Xinjiang Scientific ExpeditionProgram,No.2021xjkk0803作者简介：王宗侠(1998-),男,广东湛江人,博士生,主要从事水文水资源研究。E-mail:通讯作者：刘苏峡(1965-),女,湖北黄陂人,研究员,博士生导师,主要从事水文水资源研究。E-mail:1744-1763页7期王宗侠 等：19902020年天山北坡地下水储量估算及其时空演变规律地下水变化常用的监测方法主要包括监测井观测、模型模拟和重力卫星观测。监测井的选点受地形等客观条件约束，其数量和空间分布往往代表性有限，难以获得区域连续的地下水动态变化信息。受模型结构和参数化方案等因素的影响，使用水文模型模拟区域水储量具有很大的挑战性4，水文模型对地下水储量的模拟存在很高的不确定性。2002年重力场恢复与气候实验（Gravity Recovery and Climate Experiment,GRACE）卫星的发射为研究地球系统质量变化、全球水循环和气候变化创造了新机遇5-7，同时也为地下水储量的大尺度监测提供了新手段8。通过扣除水文模型模拟的地表水组分，可以从GRACE观测的陆地水储量（Terrestrial Water Storage,TWS）变化数据中分离出地下水储量（Groundwater Storage,GWS）变化。例如，Scanlon 等9联合 GRACE 和 GLDAS（Global Land Data Assimilation System）模型的输出结果，评估了美国高平原和中央山谷地区的地下水枯竭状况。Feng等10从GRACE观测的陆地水储量变化中移除土壤水储量变化，获得了华北地区的地下水储量变化。Chen等11基于GRACE和GLDAS数据，计算了印度西北部20032012年的地下水下降速率。联合GRACE卫星与陆地水储量组分方程已成为目前估算大尺度地下水储量变化的主流方法。天山北坡位于中国新疆，地处亚欧桥国门。过去几十年，天山北坡社会经济快速发展，给水资源管理带来了较大压力12，气候变化也对天山北坡的水循环过程造成了深刻影响13。受气候变化和人类活动的共同影响，天山北坡面临严峻的水资源危机，是中国陆地水储量下降速率最明显的3个地区之一14。天山北坡的绿洲经济和灌溉农业对地下水资源的依赖程度高，但地下水资源状况不容乐观，例如昌吉市自20102019年地下水位从2 m下降到6 m13。相比于华北平原和青藏高原等热点区域，针对天山北坡水储量变化的研究比较匮乏，主要集中在点尺度上的地下水位动态分析，面尺度研究较少。在面尺度上，一般以新疆15、中国西北地区16乃至中亚地区17作为研究区，虽然在空间上涵盖了天山北坡，但仍存在以下三点不足：其一，空间分辨率过于粗糙。GRACE观测数据的足迹约为 200000 km2，无法直接应用于小尺度水文研究18-19。已有研究采用的 GRACETWSA数据的表观分辨率多为11。在此分辨率下，天山北坡仅有大约30个像元，如此有限的空间样本量不利于准确识别水储量的时空分异特征。其二，研究时段较短，均不超过20 a。由于GRACE卫星发射较晚，且GRACE和GRACE-FO之间存在空窗期，已有研究的时间序列较短，无法得知重力卫星观测时代以前的水储量变化，难以开展长期变化趋势检测。其三，绝大多数研究的地下水储量估算结果都受到冰川质量变化的干扰。已有研究多忽视了冰川覆盖的影响，直接从陆地水储量中扣除土壤水储量和雪水当量来获得地下水储量，其计算结果杂糅了冰川质量变化信号，无法真实反映区域地下水储量的变化。受上述局限性的影响，迄今对天山北坡地下水储量的长期演变规律及其时空分异特征尚无清晰全面的认识。本文基于重建的长序列陆地水储量数据、ERA5-Land再分析数据和土壤质地、海拔高程、植被指数和冰川分布等辅助数据，考虑冰川覆盖的影响，联合随机森林回归降尺度模型与陆地水储量组分方程，估算获得天山北坡非冰川覆盖区19902020年的较高分辨率（8 km）长序列地下水储量数据集。基于该数据集，揭示过去30 a天山北坡地下水储量的时空演变规律及其驱动力，并初步量化冰川覆盖对地下水储量估算结果的影响。本文可为天山北坡水资源管理和地下水可持续利用提供参考。1745地 理 学 报78卷2 研究区概况与数据来源2.1 研究区概况天山北坡位于中国新疆（79.33E96.51E,42.06N47.63N）。其面积为 225462km2，占新疆面积的13.54%，人口数量和GDP分别占新疆的33.96%和62.2%12。天山北坡的海拔范围为1885138 m，从南到北海拔逐渐降低（图1），自然景观呈现出“山地平原绿洲荒漠绿洲荒漠”的过渡变化特征。天山北坡最主要的土地覆盖类型是草地、裸地和耕地，三者占比合计97.46%，其中草地占比最高（42.30%）（图2）。从水资源角度来看，天山北坡属于中国一级水资源分区中的西北诸河区，主要包含额敏河、艾比湖水系、中段诸河、东段诸河、古尔班通古特荒漠区和巴伊盆地6个三级水资源分区（三级水资源分区出处：https:/ 数据来源2.2.1 重建的长序列陆地水储量变化数据Li 等20-21基于德克萨斯大学空间研究中心（Center for Space Research,CSR）发布的RL06 GRACE/GRACE-FO mascon产品，以气温、降水、海面温度、土壤湿度、蒸散发和地表/地下径流等气候水文变量为驱动数据，注：基于自然资源部标准地图服务网站GS(2020)4642号的标准地图制作，底图边界无修改。图1研究区概况Fig.1 Location of the northern slope of the Tianshan Mountains图22020年天山北坡土地覆盖Fig.2 Land cover on the northern slope of the Tianshan Mountains in 202017467期王宗侠 等：19902020年天山北坡地下水储量估算及其时空演变规律结合统计分解、时间序列分解和机器学习方法，重建了19792020年的全球逐月陆地水储量变化数据，空间分辨率为 0.50.5。Li 等21使用卫星激光测距（Satellite LaserRanging,SLR）数据和全球海平面变化验证发现，该数据集相比于Humphrey等22基于经典统计方法重建的陆地水储量变化数据集表现出更高的可靠性。2.2.2 陆地水储量组分数据陆地水储量组分数据来源于ERA5-Land。ERA5-Land是欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecasts,ECMWF）第五代再分析产品（The fifth generation of European ReAnalysis,ERA5）中的最新陆地分量数据集23。本文使用ERA5-Land提供的土壤水分、雪水当量、地表径流和冠层水储量数据，选取的时间跨度为 19902020 年，时间分辨率为月，空间分辨率为 0.10.1。ERA5-Land将土壤剖面分为4层，即07 cm、728 cm、28100 cm和100289 cm。将每层的土壤体积含水量乘以土层厚度得到各层土壤水储量，并对4层土壤的水储量进行累加得到整个剖面的土壤水储量。为了与陆地水储量数据的单位相匹配，各组分数据都统一使用等效水柱高（cm）为单位。由于GRACE卫星解算得到的并非陆地水储量的绝对数值，而是相对于基准期（20042009年）平均陆地水储量的异常值，因此其他水储量组分相应扣除各自 20042009 年的平均值得到异常值，便于进行水储量之间的加减运算。2.2.3 降尺度辅助数据除了2.2.2章节提及的水储量组分数据外，在开展陆地水储量数据降尺度时，还用到其他辅助数据。在气候方面，使用ERA5-Land提供的气温、地表温度、土壤温度、降水量和实际蒸散发数据。在植被方面，使用ERA5-Land提供的叶面积指数和GIMMS/MODIS提供的归一化植被指数数据。在地形方面，使用美国奋进号航天飞机的雷达地形测绘任务（Shuttle Radar Topography Mission,SRTM）提供的海拔高度数据，并在此基础上利用ArcGIS的栅格表面分析工具提取坡度数据。在土壤方面，使用世界土壤数据库（Harmonized World Soil Database,HWSD）提供的土壤砂粒、粉粒和粘粒含量数据。另外，使用ERA5-Land提供的地下径流数据来表征地下水的影响。由于长序列高分辨率的农业管理数据集比较匮乏，本文使用的辅助数据均为自然变量，在降尺度过程中将通过残差校正来间接考虑人类活动的影响。2.2.4 实测地下水位数据用于验证GWSA估算结果的实测数据来源于中国地质环境监测院编写的中国地质环境监测地下水位