地理科学进展 2018 , 37 (7): 912-922 https://doi.org/10.18306/dlkxjz.2018.07.005

研究论文

基于GRACE卫星和GLDAS系统的地下水水位估算模型——以和田地区克里雅河流域为例

孙倩, 阿丽亚·拜都热拉

新疆农业大学林学与园艺学院, 乌鲁木齐 830052

Mathematical fitting of influencing factors and measured groundwater level: Take Keriya River Basin in Hetian area as an example

SUN Qian, BAIDOURELA·Aliya

College of Forestry and Horticulture, Xinjiang Agriculture University, Urumqi 830052, China

收稿日期: 2017-06-6

修回日期: 2017-12-20

网络出版日期: 2018-07-28

基金资助: 国家自然科学基金项目(31600572)

作者简介:

作者简介：孙倩(1986-),女,山东平度人,博士生,主要从事干旱区资源与环境的RS和GIS应用研究,E-mail: sq061@163.com。

展开

摘要

地球重力场的变化是导致陆地水储量变化的重要因素之一,利用GRACE(Gravity Recovery and Climate Experiment)重力场恢复与气候实验重力卫星数据,结合GLDAS(Global Land Data Assimilation Systems)全球陆面数据同化系统和实测地下水位数据,反演和田地区克里雅河流域11年间四季和田地区的陆地水储量动态变化,模拟计算地下水等效水高变化趋势,构建了地下水水位估算模型。研究结果表明：和田地区春、夏两季的陆地水储量呈现出增加趋势,而秋、冬两季出现亏损状态;GRACE地球重力卫星所反演的陆地水储量比GLDAS同化系统所模拟的水资源变化更为剧烈,但2类数据的动态变化拟合度很高;GLDAS水资源等效水高二阶微分、GLDAS水资源变化倒数一阶微分、GRACE陆地水储量变化倒数变化、地下水储量变化一阶微分的敏感程度最高,构建的多元逐步回归模型明显优于线性函数,且水位深度越浅,该估算模型的适用性越高。

关键词： 重力场恢复与气候试验重力卫星(GRACE) ; 全球陆面数据同化系统(GLDAS) ; 水资源 ; 和田地区 ; 克里雅河流域

Abstract

The change of Earth's gravity field is an important factor that leads to the change of terrestrial water storage. Using GRACE (gravity recovery and climate experiment) gravity field recovery and climate experiment gravity satellite data, combined with GLDAS (global land data assimilation systems) global land surface data assimilation system and measured groundwater level data, inversion of the dynamic changes of terrestrial water storage in the Hetian area during four seasons in 11 years was simulated and the trend of change in equivalent water height was calculated, and the estimation model of groundwater level was constructed. The results indicate that the terrestrial water storage showed an increasing trend in the Hetian area in the spring and summer, in contrast to the autumn and winter; inversion of the terrestrial water storage by GRACE is more intense than simulation of the water resources change by GLDAS, but correlation of the dynamic changes of the two kinds of data is very high; equivalent water height by GLDAS second order differential, change of water resources by GLDAS reciprocal first order differential, change of terrestrial water reserves by GRACE reciprocal transformation, and change of groundwater reserves first order differential are most sensitive, and the stepwise regression model is superior to the linear function. The lower the water level, the higher the applicability of the stepwise regression estimation model.

Keywords： gravity recovery and climate experiment(GRACE) ; global land data assimilation systems(GLDAS) ; water resources ; Hetian area ; Keriya River Basin

PDF (6663KB) 元数据多维度评价相关文章收藏文章

本文引用格式导出 EndNote Ris Bibtex

孙倩, 阿丽亚·拜都热拉. 基于GRACE卫星和GLDAS系统的地下水水位估算模型——以和田地区克里雅河流域为例[J]. 地理科学进展, 2018, 37(7): 912-922 https://doi.org/10.18306/dlkxjz.2018.07.005

SUN Qian. Mathematical fitting of influencing factors and measured groundwater level: Take Keriya River Basin in Hetian area as an example[J]. Progress in Geography, 2018, 37(7): 912-922 https://doi.org/10.18306/dlkxjz.2018.07.005

1 引言

水资源变化与国民经济和社会发展紧密相关,在干旱半干旱地区,水资源也已成为重要的战略资源,是备受关注的问题之一(廖梦思等, 2016)。美国国家航空航天中心和德国航天中心联合发射的重力场恢复与气候试验重力卫星(GRACE,Gravity Recovery and Climate Experiment)为直接观测陆地水储量提供了可能,从宏观全球尺度到区域尺度,再到流域尺度可利用GRACE地球重力卫星实现对水资源的监测(Wahr, 2007; Ye at al, 2010; Mohamed A et al, 2011)。全球陆面数据同化系统(GLDAS, Global Land Data Assimilation Systems)是由美国国家宇航局下属的哥达空间飞行中心提供,能够通过模型模拟与数据同化结合,生成土壤含水量、地表温度等全球地表状态变量以及蒸发量、感热通量等通量数据,是全球变化与水循环研究的重要数据源之一,其月数据在干旱区也具有良好的适用性(王婉昭等, 2013; 王文等, 2014)。

自2002年GRACE卫星发射至今,国内外很多学者从不同的角度将GRACE卫星数据与GLDAS同化数据相结合进行研究。在二者的精度验证方面,Werth等(2009)利用GLDAS模拟的水资源信息来改进GRACE陆地水储量估算精度的方法;许民等(2013)综合利用GRACE和GLDAS数据对长江流域陆地水储量变化的趋势进行了对比分析,证明两者起到了相互验证的作用;在水资源监测方面,Rodell等(2004)更是将GRACE和GLDAS结合计算出流域范围内地下水储量变化;Lorenz等(2015)则更深入地将辅以Ensemble Kalman滤波算法来协同GRACE、GLDAS数据,在盆地范围实现了径流量的估算;Moiwo等(2011)将经验气候模式ECM融入GLDAS与GRACE的水资源研究中,探索了气候变化对喜马拉雅山冰雪水文的驱动影响。针对撒哈拉沙漠地质和含水层之间的关系,Goncaivas等(2013)利用了GRACE、GLDAS和撒哈拉含水层系统结合,从地球物理的角度来剖析了半干系统的水资源补给变化;苏晓莉等(2012)则将GRACE、GLDAS和CPC水文模型结合起来实现地区地下水的变化趋势分析。

本文利用重力卫星技术(GRACE)和全球陆面数据同化系统(GLDAS),辅以TRMM卫星、归一化植被指数NDVI等多源遥感数据、野外实测、气象监测和统计数据,实现和田地区陆地水储量的时空变化反演,地表水、土壤水和地下水的动态分异规律和模拟,并且利用示范区实测地下水水位数据进行地下水水位估算模型构建和修正,以期为实现地下水水位的定量遥感监测提供崭新的研究思路。

2 研究区域与数据来源

2.1 研究区域

和田地区位于新疆维吾尔自治区南隅,地理位置为77°31′E~84°53′E,34°22′N~39°38′N。东邻巴音郭楞蒙古族自治州,西部与喀什地区相接,南抵西藏自治区与昆仑山交界,北部深入塔克拉玛干沙漠腹地,辖区内包括1个县级市,7个县,分别为和田市、和田县、墨玉县、皮山县、洛浦县、策勒县、于田县和民丰县。春季多沙暴、浮尘天气,夏季炎热干燥,年均降水量仅35 mm,但年蒸发量却高达2480 mm。从东到西依次分布有安迪尔河、尼雅河、克里雅河、策勒河、玉龙喀什河、喀拉喀什河、皮山河等,其中玉龙喀什河、喀拉喀什河汇合成和田河,向北流入塔里木河。和田地区地表水年径流量为73.45亿m³,地下水可采量为32.46亿m³。

作为新疆典型的干旱地区,和田地区绿洲内可耗水量主要依靠山区的冰雪融水,受气候变化、季节更替等因素的影响显著,降水量稀少,径流形成困难(喻钰等, 2009)。水资源不足成为和田地区经济发展的制约因素。而地下水是和田绿洲的重要水资源,地下水埋深的变化对绿洲的灌溉农业和生态系统都至关重要(刘敏等, 2009),因此定量地研究和田绿地区洲地下水的水位埋深变化的影响因素,并且基于诸多影响因素构建地下水水位的预测模型显得尤为重要。

示范区克里雅河流域(图1)地处和田地区于田县境内,流域处于内陆腹地,远离海洋,为和田地区典型干旱区荒漠—绿洲交错区相对封闭的水系,而处于该流域下游的达里雅博依绿洲则是唯一深入塔克拉玛干沙漠腹地的天然绿色长廊,具有重要的荒漠生态科研价值(周兴佳等, 1995; 凌红波等, 2002)。年均气温11.6℃,年均降水量47.3 mm,年均蒸发量2432.3 mm,蒸降比为51.2:1,年日照总时数2769.5 h,日照率为62%(陶兰花等, 2014)。克里雅河流域平原地区地下水水位动态受地表引灌水入渗补给的影响显著,地下水储存量为3186.84亿m³,地下水综合补给量为6.7294亿m³,其中天然补给量为0.27887亿m³,山前砾石带以下绿洲平原区的地下水可开采量为5.07亿m³(程仲雷, 2012; 丁俊祥等, 2015)。

2.2 数据来源

(1) GRACE卫星数据：全称为“重力场恢复与气候实验重力卫星”,采用CSR (the University of Texasat Austin Center for Space Research)提供的RL05数据,时间跨度为2003年3月-2014年2月,经高斯平滑和滤波处理后,用于反演和田地区陆地水储量的动态变化,其空间分辨率为0.5°×0.5°,时间分辨率为1个月;

(2) GLDAS同化系统数据：全称为全球陆面数据同化系统,该系统共调用了CLM、NOAH和Mosaic 3个陆面过程模式以及VIC水文模型,时间跨度为2003年3月-2014年2月,空间分辨率为1°×1°,时间分辨率为1个月;

(3) 地下水水位数据：将HOBO-U20系列水位计仪器24台安装到所选取的和田地区的示范区,即克里雅河流域,用HOBOware Pro软件收集所测的的地下水水位数据;

(4) 数字高程模型DEM(Digital Elevation Model)图：由美国国家航空航天局(NASA)提供,空间分辨率为30 m;

(5) 和田地区数字化地图：投影方式为Lambert圆锥投影,地理坐标系统为WGS-1984;

(6) 主要河流分布图,投影方式和地理坐标系统同上。

研究区与HOBO水位仪在示范区的分布情况如图2所示。

显示原图| 下载原图ZIP| 生成PPT

图2 研究区DEM与监测点分布图

Fig.2 Digital elevation model(DEM) and monitoring points in the study area

3 方法与模型

3.1 陆地水储量的反演

GRACE地球重力卫星数据反演陆地水储量的原理是通过先求算出地球表面的密度变化,再将密度变化依据如下公式转化为等效水高的变化,以此来反演陆地水储量的分布情况：

$\begin{array}{l} HWT (θ, φ) = \frac{2 a ρ_{ave} π}{3 ρ_{water}} \overset{N}{\sum_{l = 0}} \overset{l}{\sum_{m = 0}} \frac{2 l + 1}{1 + k_{l}} W_{l} P_{lm} \cos θ \\ [Δ C_{lm} \cos (mφ) + Δ S_{lm} \sin (mφ)] \end{array}$ (1)

式中： $HWT (θ, φ)$ 为陆地水储量的等效水高;l、m为阶数;k为勒夫数; $W_{l}$ 为权函数,可由以下递推公式获得： $W_{0} = \frac{1}{2 π}$ , $W_{1} = \frac{1}{2 π} [\frac{1 + e^{- 2 b}}{1 - e^{- 2 b}} - \frac{1}{b}]$ , $W_{l + 1} = - \frac{2 l + 1}{b} W_{l} + W_{l - 1}$ , $b = \frac{\ln (2)}{1 - \cos (r / a)}$ ;α为地球的平均半径;r是高斯平均半径; $ρ_{water}$ 为水的密度; $ρ_{αve}$ 表示地球的平均密度(取值为5517 kg/m³); $Δ ρ (r, θ, λ)$ 表示物质的体密度变化;θ与 $φ$ 分别是地心的余纬和地心经度; ${\overset{__}{P}}_{lm}$ 是规格化谛合勒让德函数; $k_{l}$ 为勒夫数; $Δ C_{lm}$ 与 $Δ S_{lm}$ 表示地球重力场球谐系数相对其均值的变化量(翟宁等, 2009)。

3.2 GLDAS模拟的参数

在美国国家海洋与大气局和美国国家宇航局的大力支持下,GLDAS同化数据模式中的VIC模型得到了快速发展,它是一种半分布式的宏观水文模型。本文利用GLDAS的VIC模型,模拟深度为0~200 cm土壤的含水量,以及冠层水和地表水等属性。模拟出的属性及其单位如表1所示。

3.3 趋势分析和克里格插值

线性趋势分析法能表征属性的变化趋势,其计算公式如下：

$slope = {\frac{(n \overset{n}{\sum_{i = 1}} i X_{i} - \overset{n}{\sum_{i = 1}} i \overset{n}{\sum_{i = 1}} X_{i})}{n \overset{n}{\sum_{i = 1}} i^{2} - (\overset{n}{\sum_{i = 1}} i)}}^{2}$ (2)

式中：Slope为斜率;n是时段月份的数目;i代表第几个月;X_i代表属性的平均值。

克里格插值计算主要是依赖已知的实测数据来估算空间范围内未知点的数据,假设x是所研究区域内任意一点,Z(x)是该点的测量值,在研究区内共有n个实测的点数据,即x₁,x₂,…,x_n,其估算值 ${Z_{v}}^{*} (x)$ 则是通过该待估点影响范围内的n个有效样本值 $Z_{v} (x_{i}) (i = 1, 2, 3, \dots, n)$ 的线性组合来表示：

${Z_{v}}^{*} (x) = \overset{n}{\sum_{i = 1}} λ_{i} Z (x_{i})$ (3)

式中： $λ_{i}$ 为权重系数,是各已知样本在估算时的影响系数;而估算值 ${Z_{v}}^{*} (x)$ 的优劣主要取决于克里金插值的计算方法和所选择的权重系数 $λ_{i}$ (Lee et al, 2007; Tavarbeae et al, 2008; 姚荣江等, 2011)。

3.4 地下水变化的计算

GRACE卫星反演的是陆地水储量变化,GLDAS同化系统能模拟出冠层水、地表水和土壤水的总量,由此推算地下水等效水高的公式如下：

$W_{GRACE} = W_{can} + W_{swe} + W_{qs} + W_{soil} + W_{ground}$ (4)

$W_{GLADS} = W_{can} + W_{swe} + W_{qs} + W_{soil}$ (5)

$W_{ground} = W_{GRACE} - W_{GLADS}$ (6)

式中： $W_{GRACE}$ 表示GRACE卫星反演的陆地水储量变化, $W_{GLADS}$ 表示GLDAS同化系统模拟的水资源变化的总量; $W_{can}$ 表示冠层水变化; $W_{swe}$ 表示雪水当量的变化; $W_{qs}$ 表示地表水的变化; $W_{soil}$ 表示土壤水的变化; $W_{ground}$ 表示地下水的变化(冉全等, 2013; 尹文杰等, 2015)。

3.5 多元逐步回归分析

多元逐步回归分析模型的表达式如下所示：

$Y = β_{0} + β_{1} X_{1} + β_{2} X_{2} + ∙ ∙ ∙ + β_{k} X_{k}$ (7)

式中： $β_{0}$ 为回归常数; $β_{1}$ 、 $β_{2} ∙ ∙ ∙ β_{k}$ 为自变量1、2 $∙ ∙ ∙$ k的偏回归系数;k为自变量的个数(王志强等, 2007)。

式(7)中的偏回归系数和回归常数的数值可以通过样本数据分析计算获得。

统计理论表明,用统计量可以检验自变量 $x_{i}$ 是否可以引入方程。

$F = \frac{\frac{V_{i} (x_{1}, x_{2}, \dots, x_{l})}{1}}{\frac{Q (x_{1}, x_{2}, \dots, x_{l}, x_{i})}{(n - l - 2)}} ~ F (1, n - l - 2)$ (8)

式中：n是样本容量;l是已进入方程的自变量个数, $i = l + 1, l + 2, \dots, m$ ; $V_{i} (x_{1}, x_{2}, \dots, x_{l})$ 为自变量 $x_{i}$ 对因变量y的方差贡献,如果 $V_{i} (x_{1}, x_{2}, \dots, x_{l})$ 越大,则 $x_{i}$ 对y的影响就越大, $x_{i}$ 对回归方程就越显重要,应该引入。

4 结果分析与讨论

4.1 GRACE卫星陆地水储量的动态变化

根据和田地区的气候环境变化情况,划分3-5月为春季,6-8月为夏季,9-11月为秋季,12月-次年2月为冬季。由GRACE卫星所反演的陆地水储量,进一步使用式(1)和式(2)来计算多年陆地水储量的季节性变化趋势,采用克里格插值的方法,实现和田地区四季的陆地水储量的变化分异规律分析,其空间分布如图3所示。

显示原图| 下载原图ZIP| 生成PPT

图3 和田地区陆地水储量变化克里格插值图

Fig.3 Kriging interpolation graph of terrestrial water reserve changes in the Hetian area

从图3可看出和田地区陆地水储量处于动态变化中,春、夏季的陆地水储量变化尤为显著,且春夏两季的水储量等效水高在10年间都保持着增加的趋势。在春季,皮山县和洛浦县南部等效水高增加值最大,高达53.83 cm,在克里雅河流域、和田河流域虽有水储量增加的趋势但总体变化量不大。主要是由于温度逐步升高,受到气温因素的影响,西昆仑山脉北坡的冰川也逐步消融,冰川厚度略有所减小,融水汇入克里雅河和和田河。经过春季水资源的循环积累,夏季研究区内水储量变化值的最大值仅为29.95 cm,但呈现出水储量增加趋势的面积明显比春季更广,且由东北到西南陆地水储量的增加也逐步加剧,由于冰川的融水补充了径流量,克里雅河和和田河水源均较为充沛。秋季蒸散发量远远大于降水量,加之不完善的水利设施,传统漫灌的落后灌溉方式,细砂质的河床蒸发渗漏严重,都会导致水资源大量流失。和田河流域产流较少,加上受人类活动干扰,也导致径流沿程急剧减少。人类活动频繁导致对地下水的利用和开发需求提高,随之陆地水储量总量有所下降,且减少值较大,其中皮山县和和田县水储量降低状况尤为显著,陆地水储量增加的最大值仅为7.22 cm,但降低的最大值却高达38.37 cm。冬季干燥少雨,研究区内由西向东,陆地水储量逐步增加,民丰县和于田县水储量的增加值达到冬季最大值。和田地区以农业经济为主,冬季农业作物稀少,植被覆盖指数较低,降水较少,水资源转化缓慢。

4.2 GRACE与GLDAS结合的地下水储量变化

为从陆地水储量当中提取出地下水储量的信息,常依托GLDAS来进行计算(胡立堂等, 2016)。GLDAS能模拟出冠层水、地表水、土壤水总量的绝对值(Rodell et al, 2007),而GRACE卫星所反演的是陆地水资源的变化值,为便于水资源变化的匹配和分析,需要计算出GLDAS模拟的水资源等效水高的变化量,从而实现GLDAS与GRACE卫星的单位和意义的统一。但无论是卫星的反演还是同化系统的模拟,均无法避免少许异常值的存在,本文采用3点滑动平均的方法,以有效地消除季节内的随机波动。GLDAS和GRACE的数据对比如图4所示。

显示原图| 下载原图ZIP| 生成PPT

图4 GRACE 与GLDAS三点移动平滑图

Fig.4 Three-point moving smoothing graph of gravity recovery and climate experiment (GRACE) and global land data assimilation systems (GLDAS) simulation results

从图4可看出,GRACE卫星反演的陆地水储量变化值与GLDAS同化系统模拟的水资源变化值间的吻合程度较高,变化趋势的波动情况相似度较高。GRACE反演的陆地水储量的变化值明显大于GLDAS模拟的水资源变化值,且逐月动态变化显著。但总体来看,在2003年3月-2007年3月的4年间,水资源变化趋于减弱,并且减弱的趋势非常显著;之后4年陆地水储量的总变化呈现逐步增加趋势,而GLDAS模拟的水资源变化值却表现出相反的变化状态(图5),说明在此期间,地下水的动态变化异常显著;自2010年4月-2014年2月又略呈现下降趋势,但斜率不大,降低程度较为微弱。

显示原图| 下载原图ZIP| 生成PPT

图5 GRACE、GLDAS和地下水储量的变化情况

Fig.5 The change of GRACE, GLDAS and groundwater storage

根据式(4)-(6)计算出和田地区的地下水等效水高变化,来判断地下水逐月的盈亏情况。

当GRACE卫星反演的陆地水储量和GLDAS模拟的水资源均呈现出盈余状态时,若GRACE陆地水储量波动相对更大,则地下水的变化为正值;反之,若GLDAS的水资源总量变化值相对更大,则地下水的变化为负值。当两者均呈现出亏损状态时,若GRACE陆地水储量波动更大,则地下水处于亏损状态;反之,若GLDAS的水资源变化值更大,则地下水呈现出盈余状态。

由式(2)-(6)计算出和田地区地下水等效水高的变化趋势值,其空间格局如图6所示：基于GRACE卫星所反演的陆地水储量变化,减去GLDAS同化系统模拟的水资源变化,计算出地下水等效水高的变化情况,由图6可知,和田地区地下水储量呈现出降低趋势的面积非常大,但降低的数据并不大,为满足生产生活对水资源的需求,人们不断开采地下水资源,降水量的空间分布的不均衡,城市化建设促使陆面渗水性能下降,这些原因都会导致地下水水位略有下降。而在和田县、于田县和民丰县的北部,则呈现地下水储量具有显著增加趋势,夏季和秋季相对径流较为充沛,农业灌溉用水量较大,加上排水不及时,促使地下水的水位略有所升高,同时地下水水储量随之有所增加。

显示原图| 下载原图ZIP| 生成PPT

图6 地下水等效水高变化趋势图

Fig.6 The trend of groundwater equivalent water thickness

4.3 地下水水位估算模型

由于HOBO-U20地下水水位监测仪器的安装需要在土壤上进行钻孔或者打井,将该仪器浸泡在地下水中,仪器通过探测地下水的压强,再辅以HOBOware Pro软件反计算地下水的水位,其最大误差仅为1 cm。该仪器安装耗资较大,且打井工作繁杂,无法在和田地区广泛应用。由于克里雅河流域为典型的荒漠—绿洲交错带,随着人口与经济的发展,水土资源开发利用的程度不断加剧,导致该流域成为生态系统退化与待修复的关键区域(丁俊祥等, 2015; 杜清等, 2015)。因而,本文选择和田地区的克里雅河流域为示范区,将购置的24台水位计安装在示范区内。该示范区的地下水水位均在30 m内,对该仪器的适用性较好,从而能满足验证和研究的需求。

在模型构建中,选用2012年6月-2013年2月的数据进行模型的构建。该水位仪于2012年4月安置于克里雅河流域,经过仪器调试,从2012年5月1日开始,仪器数据趋于稳定。调整记录周期为1 d,为使得所有数据能与该项研究中的GRACE、GLDAS等数据的周期一致性,选择将2012年6月-2013年2月之间共计272天的数据,将所有监测的天数据平均为月数据,以方便对比分析和模型构建。

根据研究区物候情况,界定3-5月为春季。在春季冰川融水增多,地表径流逐渐充沛,地表—土壤—地下水资源的交换频繁,促使地下水水位变化频繁而剧烈,不宜于估算模型的构建。剔除春季的地下水水位数据,保持建模数据的季节性和绝对稳定性,完整地覆盖了新疆克里雅河流域的夏、秋、冬3个季节。

以上理由充分证明上述时段观测数据在当地具有良好的典型性和代表性。

剔除仪器故障、以及数据异常值后,采用时间跨度为9个月,180个地下水水位仪器的实测天数据进行地下水估算模型的构建,利用3个月共计60个水位仪的实测数据进行模型的校验与修正。

对地下水水位动态的分析,需要从影响因素着手,而影响地下水动态变化因素很多,且这些因素自身也在不断地变化,由此导致地下水水位变化研究更加趋于复杂(王仕琴等, 2008)。微分法、对数变换和倒数变换都是常用的数据增强的手段,可更便捷地发现地下水水位和各个驱动因子之间的关系,使地下水水位和影响因子之间的正态分布关系显著,便于进行数据统计推断和数学建模。其中,微分法是表达线性形式的近似计算,低阶微分处理能令驱动因子与地下水水位之间的敏感性提高,一般当多项式拟合点数较多的情况下,并非微分次数越高越好,因为微分的次数越高,反而越会产生振荡现象,并影响精度。因此,为保证数据的敏感性提高,且确保精度,本文的微分处理选择低阶微分。

本文主要选用GRACE卫星的陆地水储量变化、GLDAS水资源等效水高(包括地表水、土壤水、冠层水和雪水当量)、GLDAS水资源变化、地下水储量变化4个驱动因子,利用Origin 9.0软件对以上数据进行数学变换,如一阶微分(X')、二阶微分(X'')和倒数对数(lg(1/X))、倒数对数一阶微分(lg(1/X)')、二阶微分(lg(1/X)''),从而提高各因素的驱动敏感度;之后再分别将以上影响因子进行线性函数、幂函数、复合函数、对数函数的拟合,从中选择最佳的因子拟合方式。地下水水位与影响因子的数学拟合最佳方程如表2所示。

表2 影响因子与实测地下水水位的数学拟合

Tab.2 Mathematical fitting of influencing factors and measured groundwater level

数据类型	提高敏感度	最佳拟合方程	统计量F	决定系数R²	校正决定系数
GLDAS水资源等效水高	二阶微分	X₁=0.063X³+0.39X²-0.432X+0.511	12.33	0.60	0.54
GLDAS水资源变化	倒数一阶微分	X₂=0.231X³+0.512X²-0.781X+1.241	9.76	0.53	0.51
GRACE陆地水储量变化	对数变换	X₃=0.38×e^-15.69^X	21.22	0.55	0.49
地下水储量变化	一阶微分	X₄=0.25X²-0.44X+2.219	18.39	0.67	0.69

新窗口打开

从表2可看出,对不同的影响因子,提高其与地下水水位敏感度所采用的数学变化方式也各不相同。而基于GRACE卫星和GLDAS水文同化系统中所反演的水资源信息,其提高敏感度的数学方式均较为简约直接,经过函数拟合后,各种变换后的影响因子与地下水水位数据的相关性也得以提高,其中地下水储量变化与水位数据呈现显著的负相关关系,即地下水储量增高,水位数据降低,距离地面的距离减少。而校正决定系数也被看作是拟合优度的指标,表征了拟合函数的优劣,可以看出相对而言地下水储量变化值和GLDAS水文同化系统模拟的水资源等效水高与地下水水位之间的拟合关系效果较好。

基于每个影响因子的拟合关系,进一步利用SPSS 19.0软件进行线性回归和多元逐步回归分析,从而建立适宜的地下水水位估算模型(表3)。SPSS软件里多元线性回归采用了软件中的ENTER法,将对地下水水位产生影响的全部因子都选择进去,建立线性回归模型。而逐步回归则采用的是软件中的Stepwise法,分别将GLDAS水资源等效水高的二阶微分变化、倒数已结微分变化,GRACE陆地水储量的对数变化和一阶微分变化逐步选入模型中,每次都保留系数显著水平最高的那个变量,剔除不显著的变量,通过多次的选入和剔除最终得到系数的显著的回归方程。以GLDAS水资源等效水高经二阶微分后的模拟公式为X₁,GLDAS水资源变化经倒数一阶微分的模拟公式为X₂,GRACE陆地水储量变化经倒数变换的模拟公式为X₃,地下水储量变化经一阶微分的模拟公式为X₄,分别进行线性拟合和多元逐步回归模型拟合。

表3 影响因子与地下水水位的线性拟合和多元逐步回归模型

Tab. 3 Linear fitting of groundwater level and influencing factors, stepwise regression model

模型类型	拟合函数	模型校正			模型检验
模型类型	拟合函数	R²	RMSE	F	R²	RMSE	F	t
线性函数	Y=0.167X₁+0.125X₂-0.634X₃-0.327X₄+5.745	0.5012	1.4722	12.98	0.5810	0.9189	10.34	2.021
多元逐步回归	Y=0.642X₁+0.016X₂+0.261X₃-0.191X₄+0.41	0.7381	0.4428	21.32	0.6824	0.4393	17.49	2.242

新窗口打开

当统计量F值大于理论临界值时,F值越大,R²越大,RMSE越小,表示该估算模型的准确度越高,模型越稳定;反之,则意味着模型估算的准确性欠佳(侯艳军等, 2014)。校正系数R²的大小表征了估算模型的优劣和稳定程度,其中多元逐步回归方式的模型校正系数最大,而总均方根差RMSE能够表征估算模型的预测水平,RMSE越小表示估算模型的预测水平越佳。由于T检验在分析其偶然误差时,对小样本数据的检验更加具有说服力,因此本文任意选择的样本容量为30,多源逐步回归的T值绝对值为2.242,而临界T值t_0.05=2.042,说明逐步回归模型接受假设。

综合上述指标的数学意义,可以看出,将GLDAS数据同化系统中的水资源等效水高进行二阶微分,且最高次数为三次,GLDAS水资源的变化值进行倒数一阶微分,GRACE的陆地水储量进行对数变化,而地下水的储量值经过一阶微分后,能对地下水水位的估算产生很好的驱动性,代入所拟合出的多元逐步回归模型中,能定量的估算地下水的水位。

$X_{1} = 0.063 A^{3} + 0.39 A^{2} - 0.432 A + 0.511$ (9)

$X_{2} = 0.231 B^{3} + 0.512 B^{2} - 0.781 B + 1.241$ (10)

$X_{3} = 0.38 \times e^{- 15.69 C}$ (11)

$X_{4} = 0.25 D^{2} - 0.44 D + 2.219$ (12)

式中：X_GW为GLDAS水资源等效水高,则A为二阶微分(X_GW)'';X_GWC为GLDAS水资源的变化,则B倒数一阶微分(1/X_GWC)';X_WSC为GRACE陆地水储量变化,则C为对数变换lg(X_WSC);X_GSC为地下水水位储量变化,则D为一阶微分(X_GWC)'。

将以上式(9)-(12)中的数学变换X₁、X₂、X₃和X₄,带入最佳的地下水水位估算模型为多元逐步回归方程Y=0.642X₁+0.016X₂+0.261X₃-0.191X₄+0.41,从而能估算地下水水位数据。

基于该地下水水位估算模型,对示范区验证点地下水水位进行估算,验证点的估算值和实测值的散点图如图7所示：利用同期的GRACE、GLDAS、NDVI数据进行地下水水位的估算,估算值共计240个数据,进行实测数据和估算数据的拟合。

显示原图| 下载原图ZIP| 生成PPT

图7 地下水水位实测值与估算值散点图

Fig.7 Comparison of measured groundwater level and estimated values by estimation model

在240个估算数据中,2012年8月出现偏离严重的异常值共计12个,这可能是由于8月12日新疆于田县,也就是克里雅河流域示范区内发生了6.2级的地震,可能导致GRACE对水储量的监测、HOBO仪器自身出现监测异常。但这几个异常值集中出现在地震发生时间前后,在仪器稳定后,任何其他时段均不曾发生过偏差。如果在构建模型和验证模型时将这12个数值和正常数据一起进行统计分析,会影响模型参数的选择。经过回归分析,利用残差分布信息进行判断,发现残差超出了经验范围,无法呈现正态分布规律,协方差比率也表现出显著异常,对整个模型的构建和验证而言,都会产生干扰,所以必须进行剔除。只有剔除以上异常值,才能保证模型的构造的科学性和合理性。

添加1:1趋势线图,能更清晰地看出HOBO地下水水位计的实测数据与估算模型估算值之间的差别,由此评价该地下水水位估算模型的拟合程度。在GLDAS水资源等效水高经二阶微分、GLDAS水资源变化经倒数一阶微分、GRACE陆地水储量变化经倒数变换、地下水储量变化经一阶微分的基础上,提高了GRACE卫星和GLDAS水文同化系统对地下水监测的敏感程度,经过数学模拟方程的优化后,由此构建的多元逐步回归模型能粗略地估算出地下水水位的变化情况。可以看出,地下水水位估算模型具有水位深度的局限性,当0 m<地下水水位深度<5 m 时,该模型具有较为良好的适用性,地下水水位估算模型估算误差较小,效果良好;当5 m<地下水水位深度<14 m时,随着地下水水位的深度不断加深,该模型的估算值会偏离实测值,水位超过5 m该模型适用性欠佳。

5 结论

该文基于GRACE地球重力卫星,结合GLDAS数据同化系统,反演了陆地水储量等效水高的变化情况,模拟计算了地下水水位的变化,构建了克里雅河流域的地下水水位估算模型,得出以下结论：

和田地区陆地水储量春季和夏季的陆地水储量等效水高均呈现增加的趋势,秋季和冬季水资源大量流失,陆地水储量呈现亏损状态。

GRACE地球重力卫星所反演的陆地水储量比GLDAS同化系统所模拟的水资源变化更为剧烈,陆地水资源变化趋于先显著减弱之后逐步的增加趋势;而GLDAS模拟的水资源变化规律恰与之相反,地下水的动态变化异常显著。

和田地区地下水储量呈现出降低趋势的面积非常大,而在和田县、于田县和民丰县北部地下水储量具有显著增加趋势。

将实测的地下水水位数据作为因变量,以GLDAS水资源等效水高二阶微分、GLDAS水资源变化倒数一阶微分、GRACE陆地水储量变化倒数变化、地下水储量变化一阶微分的模拟方程为自变量,所构建的多元逐步回归模型明显优于线性函数,且水位深度越浅,该模型适用性越好。

The authors have declared that no competing interests exist.

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]	程仲雷. 2012. 克里雅绿洲盐渍化及地下水调控措施研究 [D]. 乌鲁木齐: 新疆大学. [本文引用: 1] [Cheng Z L. Study on salinization and groundwater control measures of Keleya Oasis [D]. Urumqi, China: Xinjiang University.] [本文引用: 1]
[2]	丁俊祥, 邹杰, 唐立松, 等. 2015. 克里雅河流域荒漠—绿洲交错带3种不同生活型植物的光合特性 [J]. 生态学报, 35(3): 733-741. https://doi.org/10.5846/stxb201310302623 URL [本文引用: 2] 摘要利用LI-6400光合仪测定新疆克里雅河流域荒漠-绿洲交错带自然生长的芦苇、柽柳、胡杨叶片的气体交换参数及环境影响因子,通过对比3种植物光合特性的差异及其与环境因子间的关系,探讨3种植物对荒漠环境的适应特性和机制.结果表明:(1)3种植物叶片Pn日变化均呈不对称的双峰曲线,“午休”现象明显,Pn日均值的大小依次为胡杨＞芦苇＞柽柳,种间差异不显著. (2)Tr、PAR和Gs与3种植物Pn的日变化存在极显著或显著的相关关系,其中影响芦苇Pn的主要因子是Tr、PAR和Gs,作用效应为 Tr＞Gs＞PAR;影响柽柳Pn的主要因子是Tr、Gs,作用效应为Tr＞Gs,;影响胡杨Pn的主要因子是Tr.(3)3种植物的光合作用对光强和 CO2的响应特征可用二次方程描述;光补偿点和饱和点均为柽柳＞胡杨＞芦苇;CO2补偿点为胡杨＞柽柳＞芦苇,饱和点为胡杨＞芦苇＞柽柳.(4)3种植物的表观量子效率在0.0341-0.0411 mol/mol之间,羧化效率在0.0480-0.0546mol m-2 s-1之间.综合比较表明,3种干旱区植物在自然条件下日均净光合速率、光能利用率和CO2同化能力差异不显著,气孔限制是光合“午休”现象产生的主要原因;影响3种植物光合作用的主导因子各不相同,但Tr与Pn间的关系较其它因子更为密切. [Ding J X, Zou J, Tang L S, et al.2015. Photosynthetic characteristics of three different life-form plants in the desert-oasis ecotone of Keriya River Basin [J]. Acta Ecologica Sinica, 35(3): 733-741.] https://doi.org/10.5846/stxb201310302623 URL [本文引用: 2] 摘要利用LI-6400光合仪测定新疆克里雅河流域荒漠-绿洲交错带自然生长的芦苇、柽柳、胡杨叶片的气体交换参数及环境影响因子,通过对比3种植物光合特性的差异及其与环境因子间的关系,探讨3种植物对荒漠环境的适应特性和机制.结果表明:(1)3种植物叶片Pn日变化均呈不对称的双峰曲线,“午休”现象明显,Pn日均值的大小依次为胡杨＞芦苇＞柽柳,种间差异不显著. (2)Tr、PAR和Gs与3种植物Pn的日变化存在极显著或显著的相关关系,其中影响芦苇Pn的主要因子是Tr、PAR和Gs,作用效应为 Tr＞Gs＞PAR;影响柽柳Pn的主要因子是Tr、Gs,作用效应为Tr＞Gs,;影响胡杨Pn的主要因子是Tr.(3)3种植物的光合作用对光强和 CO2的响应特征可用二次方程描述;光补偿点和饱和点均为柽柳＞胡杨＞芦苇;CO2补偿点为胡杨＞柽柳＞芦苇,饱和点为胡杨＞芦苇＞柽柳.(4)3种植物的表观量子效率在0.0341-0.0411 mol/mol之间,羧化效率在0.0480-0.0546mol m-2 s-1之间.综合比较表明,3种干旱区植物在自然条件下日均净光合速率、光能利用率和CO2同化能力差异不显著,气孔限制是光合“午休”现象产生的主要原因;影响3种植物光合作用的主导因子各不相同,但Tr与Pn间的关系较其它因子更为密切.
[3]	杜清, 徐海量, 凌红波, 等. 2015. 克里雅河流域1990-2010年土地利用/覆被变化及其生态环境状况评价 [J].水土保持研究, 22(3): 198-202. URL [本文引用: 1] 摘要通过GIS技术,以及1990年、2000年、2010年克里雅河流域Landsat-TM影像数据和中巴资源卫星数据,分析了克里雅河流域近20 a土地利用/覆被变化并对其生态环境状况进行评价,结果显示:(1)克里雅河1990-2010年的20 a里各土地利用类型变化显著,其中耕地、水域湿地、建设用地和林地呈不断增加趋势,变化幅度分别为29.62％,16.64％,11.28％,2.9％. 草地、沙地和未利用地面积不断减少,变化幅度为-3.65％,-0.6％,-0.33％;(2) 1990 2010年流域新增耕地主要由3.11％的草地、0.3％的沙地和0.35％的未利用地转移而来,新增水域湿地主要由0.15％的沙地和0.29％的草地转移而来,新增建设用地主要由0.02％的沙地和0.15％的耕地转移而来,新增林地则主要由0.18％的沙地和0.03％的草地转移而来;(3)对流域生态环境状况进行评价可知在近20 a里克里雅河流域生态环境状况无明显变化,但是流域耕地面积的不断扩张对流域生态环境良性发展产生一定隐患,因此合理利用流域水土资源对流域生态环境安全十分重要. [Du Q, Xu H L, Ling H B, et al.2015. Land use/cover change and its ecological environment condition evaluation in the Keriya River Basin from 1990 to 2010 [J]. Research of Soil and Water Conservation, 22(3): 198-202.] URL [本文引用: 1] 摘要通过GIS技术,以及1990年、2000年、2010年克里雅河流域Landsat-TM影像数据和中巴资源卫星数据,分析了克里雅河流域近20 a土地利用/覆被变化并对其生态环境状况进行评价,结果显示:(1)克里雅河1990-2010年的20 a里各土地利用类型变化显著,其中耕地、水域湿地、建设用地和林地呈不断增加趋势,变化幅度分别为29.62％,16.64％,11.28％,2.9％. 草地、沙地和未利用地面积不断减少,变化幅度为-3.65％,-0.6％,-0.33％;(2) 1990 2010年流域新增耕地主要由3.11％的草地、0.3％的沙地和0.35％的未利用地转移而来,新增水域湿地主要由0.15％的沙地和0.29％的草地转移而来,新增建设用地主要由0.02％的沙地和0.15％的耕地转移而来,新增林地则主要由0.18％的沙地和0.03％的草地转移而来;(3)对流域生态环境状况进行评价可知在近20 a里克里雅河流域生态环境状况无明显变化,但是流域耕地面积的不断扩张对流域生态环境良性发展产生一定隐患,因此合理利用流域水土资源对流域生态环境安全十分重要.
[4]	侯艳军, 塔西甫拉提·特依拜, 买买提·沙吾提, 等. 2014. 荒漠土壤有机质含量高光谱估算模型 [J]. 农业工程学报, 30(16): 113-120. [本文引用: 1] [Hou Y J, Tashpolat·T, Mamat·S, et al.2014. Estimation model of desert soil organic matter content using hyperspectral data [J]. Transactions of the Chinese Society of Agricultural Engineering, 30(16): 113-120.] [本文引用: 1]
[5]	胡立堂, 孙康宁, 尹文杰. 2016. GRACE卫星在区域地下水管理中的应用潜力综述 [J]. 地球科学与环境学报, 38(2): 258-266. [本文引用: 1] [Hu L T, Sun K N, Yin W J.2016. Review on the application of GRACE satellite in regional groundwater management [J]. Journal of Earth Sciences and Environment. 38(2): 258-266.] [本文引用: 1]
[6]	廖梦思, 章新平, 黄煌, 等. 2016. 利用GRACE卫星监测近10年洞庭湖流域水储量变化 [J]. 地球物理学进展, 31(1): 61-68. URL [本文引用: 1] 摘要监测流域水储量的变化对研究流域水资源变化和水平衡具有重要意义,而GRACE重力卫星为流域尺度水储量变化的研究提供了新的手段.本文利用2003-2012年近十年来洞庭湖流域GRACE RL05时变重力场数据并结合30个气象站点的降水量数据,反演洞庭湖流域水储量时空变化特征及其与降水量之间的联系,并采取趋势分析法,揭示了该流域近10年来水储量变化趋势.结果表明:在空间上,洞庭湖流域水储量变化呈现总体从东北向西南递减格局.在时间上,水储量变化与降水量变化之间存在明显的季节性变化规律,两者变化过程基本一致,但水储量变化峰值出现滞后于降水量峰值一个月左右.近十年来洞庭湖流域水储量整体呈逐年上升趋势,平均每月上升0.5 mm,其中秋季增加幅度最大,为26.07 mm·a-1,全球变暖,降水量增加,导致该流域水储量变化增大. [Liao M S, Zhang X P, Huang H, et al.2016. Monitoring water storage changes in Dongting Lake Basin from GRACE gravity satellite [J]. Progress in Geophysics, 31(1): 61-68.] URL [本文引用: 1] 摘要监测流域水储量的变化对研究流域水资源变化和水平衡具有重要意义,而GRACE重力卫星为流域尺度水储量变化的研究提供了新的手段.本文利用2003-2012年近十年来洞庭湖流域GRACE RL05时变重力场数据并结合30个气象站点的降水量数据,反演洞庭湖流域水储量时空变化特征及其与降水量之间的联系,并采取趋势分析法,揭示了该流域近10年来水储量变化趋势.结果表明:在空间上,洞庭湖流域水储量变化呈现总体从东北向西南递减格局.在时间上,水储量变化与降水量变化之间存在明显的季节性变化规律,两者变化过程基本一致,但水储量变化峰值出现滞后于降水量峰值一个月左右.近十年来洞庭湖流域水储量整体呈逐年上升趋势,平均每月上升0.5 mm,其中秋季增加幅度最大,为26.07 mm·a-1,全球变暖,降水量增加,导致该流域水储量变化增大.
[7]	凌红波, 徐海量, 刘新华, 等. 2002. 新疆克里雅河流域绿洲适宜规模 [J]. 水科学进展, 23(4): 563-568. URL [本文引用: 1] 摘要利用克里雅河流域1957～2009年水文气象资料及2010年遥感影像数据,借助Z指数法及水热平衡模型分析了流域水资源在不同丰枯水平下的绿洲适宜规模。结果表明：克里雅河流域地表径流存在明显的丰枯变化;维持克里雅河流域下游天然绿洲稳定所需要的水资源为1.583亿m3;现状面积下,克里雅河流域人工绿洲在丰水期处于稳定水平,枯水期与平水期皆为亚稳定水平;克里雅河流域人工绿洲在丰水期、平水期和枯水期的适宜规模分别为1 608～2 413 km2、1 157～1 736 km2和978～1 467 km2,而较高水资源保证度下最为适宜的规模应控制在978～1 736 km2。 [Ling H B, Xu H L, Liu X H, et al.2002. Suitable scale of oasis in Keriya River Basin, Xinjiang [J]. Advances in Water Science, 23(4): 563-568.] URL [本文引用: 1] 摘要利用克里雅河流域1957～2009年水文气象资料及2010年遥感影像数据,借助Z指数法及水热平衡模型分析了流域水资源在不同丰枯水平下的绿洲适宜规模。结果表明：克里雅河流域地表径流存在明显的丰枯变化;维持克里雅河流域下游天然绿洲稳定所需要的水资源为1.583亿m3;现状面积下,克里雅河流域人工绿洲在丰水期处于稳定水平,枯水期与平水期皆为亚稳定水平;克里雅河流域人工绿洲在丰水期、平水期和枯水期的适宜规模分别为1 608～2 413 km2、1 157～1 736 km2和978～1 467 km2,而较高水资源保证度下最为适宜的规模应控制在978～1 736 km2。
[8]	刘敏, 黄领梅, 沈冰, 等. 2009. 和田绿洲地下水埋深的自然影响因素分析 [J]. 中国生态农业学报, 17(1): 174-177. https://doi.org/10.3724/SP.J.1011.2009.00174 URL [本文引用: 1] 摘要采用灰色关联分析方法研究自然因素对和田绿洲地下水埋深的影响,并建立多元线性回归模型进行检验.结果表明,气温、蒸发是地下水埋深的两个最重要的影响因子,埋深随蒸发增加、气温升高而增大.出山口径流(主要为冰雪融水)对地下水埋深的影响仅次于气温和蒸发,埋深随径流增大而逐渐减小,约有1～2个月的滞时.风速、水温和湿度对地下水埋深的影响相对较小,降水与地下水埋深的关系不太明显.影响因子与埋深的多元线性回归模型的拟合精度较高,且通过了置信水平 α=0.01的显著性检验. [Liu M, Huang L M, Shen B, et al.2009. Physical influencing factors of groundwater depth in Hotan Oasis [J]. Chinese Journal of Eco-Agriculture, 17(1): 174-177.] https://doi.org/10.3724/SP.J.1011.2009.00174 URL [本文引用: 1] 摘要采用灰色关联分析方法研究自然因素对和田绿洲地下水埋深的影响,并建立多元线性回归模型进行检验.结果表明,气温、蒸发是地下水埋深的两个最重要的影响因子,埋深随蒸发增加、气温升高而增大.出山口径流(主要为冰雪融水)对地下水埋深的影响仅次于气温和蒸发,埋深随径流增大而逐渐减小,约有1～2个月的滞时.风速、水温和湿度对地下水埋深的影响相对较小,降水与地下水埋深的关系不太明显.影响因子与埋深的多元线性回归模型的拟合精度较高,且通过了置信水平 α=0.01的显著性检验.
[9]	冉全, 潘云, 王一如, 等. 2013. GRACE卫星数据在海河流域地下水年开采量估算中的应用 [J]. 水利水电科技进展, 33(2): 42-46. https://doi.org/10.3880/j.issn.10067647.2013.02.009 URL [本文引用: 1] 摘要结合GRACE卫星数据和全球陆面数据同化系统GLDAS数据,反演了2004—2009年连续72个月的海河流域地下水储量变化。在此基础上,结合2004—2009年海河流域水资源公报的降水量、地下水开采量数据,建立了地下水年开采量与GRACE地下水储量年变化、年降水量的二元回归模型。利用GRACE卫星数据和GLDAS数据反演的地下水储量年变化与由地下水位观测数据计算出的地下水储量年变化相关性较强,其R2为0.804;基于GRACE地下水储量年变化数据与年降水量数据,对地下水年开采量的估算结果良好,建立的回归模型的R2为0.787,表明利用GRACE卫星数据对地下水年开采量进行估算是可行的,是传统地面调查的良好补充。 [Ran Q, Pan Y, Wang R Y, et al.2013. Estimation of annual ground water exploitation in Haihe River Basin by use of GRAC Esatellite data [J]. Advances in Science and Technology of Water Resources, 33(2): 42-46.] https://doi.org/10.3880/j.issn.10067647.2013.02.009 URL [本文引用: 1] 摘要结合GRACE卫星数据和全球陆面数据同化系统GLDAS数据,反演了2004—2009年连续72个月的海河流域地下水储量变化。在此基础上,结合2004—2009年海河流域水资源公报的降水量、地下水开采量数据,建立了地下水年开采量与GRACE地下水储量年变化、年降水量的二元回归模型。利用GRACE卫星数据和GLDAS数据反演的地下水储量年变化与由地下水位观测数据计算出的地下水储量年变化相关性较强,其R2为0.804;基于GRACE地下水储量年变化数据与年降水量数据,对地下水年开采量的估算结果良好,建立的回归模型的R2为0.787,表明利用GRACE卫星数据对地下水年开采量进行估算是可行的,是传统地面调查的良好补充。
[10]	苏晓莉, 平劲松, 叶其欣. 2012. GRACE 卫星重力观测揭示华北地区陆地水量变化 [J]. 中国科学: 地球科学, 42(6): 917-922. [本文引用: 1] [Su X L, Ping J S, Ye Q X.2012. Terrestrial water variations in the North China Plain revealed by the GRACE mission [J]. Science China: Earth Science, 42(6): 917-922.] [本文引用: 1]
[11]	陶兰花, 塔西甫拉提·特依拜, 姜红涛, 等. 2014. 克里雅河流域土壤盐分光谱定量分析 [J]. 中国沙漠, 34(6): 1562-1567. https://doi.org/10.7522/j.issn.1000-694X.2013.00427 URL [本文引用: 1] 摘要本文对克里雅河流域进行野外调查、采集土壤样品及其光谱反射特性的测量,通过比较不同光谱预处理的方法建立偏最小二乘回归(PLSR)模型,并利用决定系数(R2)、均方根误差(RMSEP)、残留预测偏差(RPD)对模型的稳定性和预测能力进行检验。结果表明:反射率一阶微分是预测土壤样本盐分含量的最佳光谱指标。PLSR模型在建立土壤光谱与盐分含量关系时较为适用,R2、RMSE和RPD分别为0.77、0.25和1.88。利用反射光谱估算土壤中盐分含量,通过各种光谱预处理方法可以提高估算精度,可以为该区土壤盐渍化评价和生态环境调查提供依据。 [Tao L H, Tashpolat·T, Jiang H T, et al.2014. Quantitative retrieval of soil salt content using hyperspectral data in the Keriya River Basin [J]. Journal of Desert Research, 34(6): 1562-1567.] https://doi.org/10.7522/j.issn.1000-694X.2013.00427 URL [本文引用: 1] 摘要本文对克里雅河流域进行野外调查、采集土壤样品及其光谱反射特性的测量,通过比较不同光谱预处理的方法建立偏最小二乘回归(PLSR)模型,并利用决定系数(R2)、均方根误差(RMSEP)、残留预测偏差(RPD)对模型的稳定性和预测能力进行检验。结果表明:反射率一阶微分是预测土壤样本盐分含量的最佳光谱指标。PLSR模型在建立土壤光谱与盐分含量关系时较为适用,R2、RMSE和RPD分别为0.77、0.25和1.88。利用反射光谱估算土壤中盐分含量,通过各种光谱预处理方法可以提高估算精度,可以为该区土壤盐渍化评价和生态环境调查提供依据。
[12]	王仕琴, 宋献方, 王勤学, 等. 2008. 华北平原浅层地下水水位动态变化 [J]. 地理学报, 63(5): 462-472. https://doi.org/10.3321/j.issn:0375-5444.2008.05.002 URL [本文引用: 1] 摘要利用中日合作项目在华北平原设置的自动监测设备KADEC-MIZU Ⅱ型地下水水位自计仪，对2004-2006年39处浅层地下水水位监测的结果，结合区域影响地下水宏观动态类型的主要因素，如地形地貌、地下水埋深、地下水开采程度、地下水漏斗以及河流湖泊等，叠加各影响因素分区图得到地下水动态影响因素综合分区图，结合观测孔地下水水位体现的动态特征，将华北平原地下水观测点分为山前开采型、山前侧向补给-径流-开采型、中部河道带补给-开采型、中部地下水浅埋区降水入渗-蒸发型动态、黄河影响带侧向补给-蒸发型动态和滨海平原区入渗-蒸发型6大地下水动态类型。在此基础上阐明了大区域范围内不同类型地下水水位年内及多年动态变化的特点，比较了不同类型区地下水动态所受影响因素的不同。 [Wang S Q, Song X F, Wang Q X, et al.2008. Dynamic features of shallow groundwater in North China Plain [J]. Acta Geographica Sinica, 63(5): 462-472.] https://doi.org/10.3321/j.issn:0375-5444.2008.05.002 URL [本文引用: 1] 摘要利用中日合作项目在华北平原设置的自动监测设备KADEC-MIZU Ⅱ型地下水水位自计仪，对2004-2006年39处浅层地下水水位监测的结果，结合区域影响地下水宏观动态类型的主要因素，如地形地貌、地下水埋深、地下水开采程度、地下水漏斗以及河流湖泊等，叠加各影响因素分区图得到地下水动态影响因素综合分区图，结合观测孔地下水水位体现的动态特征，将华北平原地下水观测点分为山前开采型、山前侧向补给-径流-开采型、中部河道带补给-开采型、中部地下水浅埋区降水入渗-蒸发型动态、黄河影响带侧向补给-蒸发型动态和滨海平原区入渗-蒸发型6大地下水动态类型。在此基础上阐明了大区域范围内不同类型地下水水位年内及多年动态变化的特点，比较了不同类型区地下水动态所受影响因素的不同。
[13]	王婉昭, 高艳红, 许建伟. 2013. 青藏高原及其周边干旱区气候变化特征与GLDAS适用性分析 [J]. 高原气象, 32(3): 635-645. https://doi.org/10.7522/j.issn.1000-0534.2013.00054 URL [本文引用: 1] 摘要青藏高原及其周边干旱区的水循环过程对全球变化的响应十分敏感。基于观测资料驱动的全球陆面数据同化系统(GLADS)能为区域尺度水循环变化研究提供更全面的数据。利用GLADS数据,首先对青藏高原及其周边干旱区进行气候区划分,分析了各气候区内气温和降水的时空分布和变化特征;然后检验了GLDAS数据在青藏高原地区的适用性;最后探讨了模拟期间地表水循环关键要素的时空变化特征及区域水资源分配格局。结果表明,各气候区在2000-2007年比1979-1994年平均气温上升了0.65～0.97℃,增幅明显提高。不同区域降水量变化各异,干旱区和半干旱区2000-2007年比1979-1994年平均年降水量分别升高了14mm和25mm。1979-1994年间GLDAS气温、降水数据在青藏高原及其周边地区适用性较高;极端干旱区气温数据与中国地面气温格点数据之间的均方根误差仅为0.41℃;在各气候区GLDAS数据与APHRODITE平均降水差值均小于0.18mm·d-1,但2000-2007年数据质量有待提高。研究时段内研究区域水循环处于动态平衡状态。2000年以来青藏高原及其周边干旱区径流量、蒸发量呈增长趋势的区域明显扩大,且幅度大幅上升,但变化量级存在不确定性。新疆大部分地区水循环变化特征表现为暖干向暖湿转变。青藏高原及其周边干旱区自2000年以来水循环有所加强,降水仍主要用于蒸发,多年平均径流系数大多小于0.2。 [Wang W Z, Gao Y H, Xu J W.2013. Applicability of GLDAS and climate in the Qinghai-Xizang Plateau and its surrouding arid area [J]. Plateau Meteorology, 32(3): 635-645.] https://doi.org/10.7522/j.issn.1000-0534.2013.00054 URL [本文引用: 1] 摘要青藏高原及其周边干旱区的水循环过程对全球变化的响应十分敏感。基于观测资料驱动的全球陆面数据同化系统(GLADS)能为区域尺度水循环变化研究提供更全面的数据。利用GLADS数据,首先对青藏高原及其周边干旱区进行气候区划分,分析了各气候区内气温和降水的时空分布和变化特征;然后检验了GLDAS数据在青藏高原地区的适用性;最后探讨了模拟期间地表水循环关键要素的时空变化特征及区域水资源分配格局。结果表明,各气候区在2000-2007年比1979-1994年平均气温上升了0.65～0.97℃,增幅明显提高。不同区域降水量变化各异,干旱区和半干旱区2000-2007年比1979-1994年平均年降水量分别升高了14mm和25mm。1979-1994年间GLDAS气温、降水数据在青藏高原及其周边地区适用性较高;极端干旱区气温数据与中国地面气温格点数据之间的均方根误差仅为0.41℃;在各气候区GLDAS数据与APHRODITE平均降水差值均小于0.18mm·d-1,但2000-2007年数据质量有待提高。研究时段内研究区域水循环处于动态平衡状态。2000年以来青藏高原及其周边干旱区径流量、蒸发量呈增长趋势的区域明显扩大,且幅度大幅上升,但变化量级存在不确定性。新疆大部分地区水循环变化特征表现为暖干向暖湿转变。青藏高原及其周边干旱区自2000年以来水循环有所加强,降水仍主要用于蒸发,多年平均径流系数大多小于0.2。
[14]	王文, 王小菊, 王鹏. 2014. GLDAS月降水数据在中国区的适用性评估 [J]. 水科学进展, 25(6): 769-778. [本文引用: 1] [Wang W, Wang X J, Wang P.2014. Assessing the applicability of GLDAS monthly precipitation data in China [J]. Advances in Water Science, 25(6): 769-778.] [本文引用: 1]
[15]	王志强, 柴寿喜, 仲晓梅, 等. 2007. 多元逐步回归分析应用于固化土强度与微结构参数相关性评价 [J]. 岩土力学, 28(8): 1650-1654. [本文引用: 1] [Wang Z Q, Chai S X, Zhong X M, et al.2007. Multivariate stepwise regression method use in correlation analysis of microstructure indices and strength of solidified soil [J]. Rock and Soil Mechanics, 28(8): 1650-1654.] [本文引用: 1]
[16]	许民, 叶柏生, 赵求东. 2013. 2002-2010年长江流域GRACE水储量时空变化特征 [J].地理科学进展, 32(1) : 68-77. [本文引用: 1] [Xu M, Ye B S, Zhao Q D.2013. Temporal and spatial patternof water storage changes over the Yangtze River basin during 2002-2010 based on GRACE satellite data [J]. Progress in Geography, 32(1): 68-77.] [本文引用: 1]
[17]	姚荣江, 杨劲松, 杨奇勇, 等. 2011. 禹城地区土壤铅含量空间分布的指示克里格估值 [J]. 生态环境学报, 20(12): 1912-1918. https://doi.org/10.3969/j.issn.1674-5906.2011.12.023 URL [本文引用: 1] 摘要以鲁西北禹城地区土壤重金属Pb含量为例，针对其存在特异值与偏态分布的特点，利用指示克里格法研究了土壤Pb含量小于特定阈值的条件概率分布，分析了该地区土壤Pb含量的空间分布特征，并对普通克里格和指示克里格的估值效果进行交叉验证。结果表明：研究区土壤Pb含量总体较低，未超过国家标准的限值，但不同部位土壤Pb含量差异较大；普通克里格法和指示克里格法形成的土壤Pb含量空间分布格局相似，但普通克里格法的平滑效果强于指示克里格法；研究区域土壤环境质量总体良好，Pb含量高值区主要集中在各乡镇驻地附近的农田；指示克里格对土壤Pb 含量空间估值的精度优于普通克里格，指示克里格法更适用于原始数据呈非正态分布且特异值对估值结果有较大影响的土壤属性。本研究结果为该地区土壤环境质量评价和重金属污染防控提供科学依据。 [Yao R J, Yang J S, Yang Q Y, et al.2011. Indicator Kriging of spatial distributionof soil Pb content in Yucheng City [J]. Ecology and Environmental Sciences, 20(12): 1912-1918.] https://doi.org/10.3969/j.issn.1674-5906.2011.12.023 URL [本文引用: 1] 摘要以鲁西北禹城地区土壤重金属Pb含量为例，针对其存在特异值与偏态分布的特点，利用指示克里格法研究了土壤Pb含量小于特定阈值的条件概率分布，分析了该地区土壤Pb含量的空间分布特征，并对普通克里格和指示克里格的估值效果进行交叉验证。结果表明：研究区土壤Pb含量总体较低，未超过国家标准的限值，但不同部位土壤Pb含量差异较大；普通克里格法和指示克里格法形成的土壤Pb含量空间分布格局相似，但普通克里格法的平滑效果强于指示克里格法；研究区域土壤环境质量总体良好，Pb含量高值区主要集中在各乡镇驻地附近的农田；指示克里格对土壤Pb 含量空间估值的精度优于普通克里格，指示克里格法更适用于原始数据呈非正态分布且特异值对估值结果有较大影响的土壤属性。本研究结果为该地区土壤环境质量评价和重金属污染防控提供科学依据。
[18]	尹文杰, 胡立堂, 王景瑞. 2015. 基于GRACE重力卫星的甘肃北山地区地下水储量变化规律研究 [J]. 水文地质工程地质, 42(4): 29-34. https://doi.org/10.16030/j.cnki.issn.1000-3665.2015.04.06 URL [本文引用: 1] 摘要作为我国高放废物地质处置预选区之一的甘肃北山地区,其地下水动态规律研究对于安全地地质处置有着重要的意义。重力反演与气候实验卫星(GRACE)数据可从网上免费获取,为分析区域地下水运动规律提供了可能。利用GRACE数据和全球陆面同化系统(GLDAS)数据反演了甘肃北山地区2003—2012年的地下水储量变化。结果表明:2003—2012年间甘肃北山区域地下水储量变化呈约0.26 cm/a下降趋势,且由西向东方向,地下水储量变幅呈减少趋势;区域地下水储量变化与同时期的降雨量关系不大。采用的基于GRACE-GLDAS的反演方法对于缺乏地下水动态监测数据的区域尺度地下水动态变化分析具有较大的应用潜力。 [Yin W J, Hu L T, Wang J R.2015. Changes of groundwater storage variation based on GRACE data at the Beishan area, Gansu Province [J]. Hydrogeology & Engineering Geology, 42(4): 29-34.] https://doi.org/10.16030/j.cnki.issn.1000-3665.2015.04.06 URL [本文引用: 1] 摘要作为我国高放废物地质处置预选区之一的甘肃北山地区,其地下水动态规律研究对于安全地地质处置有着重要的意义。重力反演与气候实验卫星(GRACE)数据可从网上免费获取,为分析区域地下水运动规律提供了可能。利用GRACE数据和全球陆面同化系统(GLDAS)数据反演了甘肃北山地区2003—2012年的地下水储量变化。结果表明:2003—2012年间甘肃北山区域地下水储量变化呈约0.26 cm/a下降趋势,且由西向东方向,地下水储量变幅呈减少趋势;区域地下水储量变化与同时期的降雨量关系不大。采用的基于GRACE-GLDAS的反演方法对于缺乏地下水动态监测数据的区域尺度地下水动态变化分析具有较大的应用潜力。
[19]	喻钰, 黄领梅, 沈冰, 等. 2009. 和田流域耗水现状分析 [J]. 水资源与水工程学报, 20(6): 47-51. URL [本文引用: 1] 摘要和田河流域位于干旱内陆区,降雨稀少,蒸发剧烈,水量散耗是该地区水份运动的主要形式。本文采用和田绿洲散耗型水文模型,对流域耗水现状进行综合分析。分别从河流、水库、地下水、绿洲灌区的耗水水平,流域耗水的年内分配,社会经济与自然生态系统耗水比例等方面体现耗水现状,为和田河流域今后的水土资源合理配置与管理提供参考。 [Yu Y, Huang L M, Shen B, et al.2009. Current situation analysis of water consumption in Hotan River Basin [J]. Journal of Water Resources & Water Engineering, 20(6): 47-51.] URL [本文引用: 1] 摘要和田河流域位于干旱内陆区,降雨稀少,蒸发剧烈,水量散耗是该地区水份运动的主要形式。本文采用和田绿洲散耗型水文模型,对流域耗水现状进行综合分析。分别从河流、水库、地下水、绿洲灌区的耗水水平,流域耗水的年内分配,社会经济与自然生态系统耗水比例等方面体现耗水现状,为和田河流域今后的水土资源合理配置与管理提供参考。
[20]	翟宁, 王泽民, 伍岳, 等. 2009. 利用GRACE反演长江流域水储量变化 [J]. 武汉大学学报, 34(4): 436-439. [本文引用: 1] [Zhai N, Wang Z M, Wu Y, et al.2009. Recovery of Yangtze River Basin water storage variations by GRACE observations [J]. Geomatics and Information Science of Wuhan University, 34(4): 436-439.] [本文引用: 1]
[21]	周兴佳, 黄小江, 陈方. 1995. 新疆克里雅河绿洲形成、演变与综合整治 [J]. 干旱区资源与环境, 9(3): 65-73. URL [本文引用: 1] 摘要该文以新疆克里雅河实例，阐述了绿洲形成的年代，分布及主要类型，并根据现代环境、社会特征及绿洲的实际利用状况，论述及预测了克里雅河沿岸绿洲的发展趋势，对克里雅河绿洲的整治与合理利用提出了意见。 [Zhou X J, Huang X J, Chen F, 1995. Formation, evolution and management of Keliyahe Oasis [J]. Journal of Arid Land Resources and Environment, 9(3): 65-73.] URL [本文引用: 1] 摘要该文以新疆克里雅河实例，阐述了绿洲形成的年代，分布及主要类型，并根据现代环境、社会特征及绿洲的实际利用状况，论述及预测了克里雅河沿岸绿洲的发展趋势，对克里雅河绿洲的整治与合理利用提出了意见。
[22]	Goncaivas J, Petersen J, Deschamps P, et al.2013. Quantifying the modern recharge of the "fossil" Sahara aquifers [J]. Geophysical Research Letters, 40(11): 2673-2678. https://doi.org/10.1002/grl.50478 URL [本文引用: 1] 摘要 The North-Western Sahara Aquifer System (NWSAS), one of the world's largest groundwater systems, shows an overall piezometric decline associated with increasing withdrawals. Estimating the recharge rate in such a semiarid system is challenging but crucial for sustainable water development. In this paper, the recharge of the NWSAS is estimated using a regional water budget based on GRACE terrestrial water storage monthly records, soil moisture from the GLDAS (a land data system that assimilates hydrological information), and groundwater pumping rates. A cumulated natural recharge rate of 1.40 +/- 0.90 km(3) yr(-1) is estimated for the two main aquifers. Our results suggest a renewal rate of about 40% which partly contradicts the premise that recharge in this area should be very low or even null. Aquifer depletion inferred from our analysis is consistent with observed piezometric head decline in the two main aquifers in the region. Annual recharge variations were also estimated and vary between 0 and 4.40 km(3) yr(-1) for the period 2003-2010. These values correspond to a recharge between 0 and 6.75 mm yr(-1) on the 650,000 km(2) of outcropping areas of the aquifers, which is consistent with the expected weak and sporadic recharge in this semiarid environment. These variations are also in line with annual rainfall variation with a lag time of about 1 year.
[23]	Lee J J, Jang C S, Wang S W, et al.2007. Evaluation of potential health risk of arsenic-affected groundwater using indicator Kriging and dose response model [J]. Science of the Total Enviroment, 384(1):151-162. https://doi.org/10.1016/j.scitotenv.2007.06.021 URL [本文引用: 1]
[24]	Lorenz C, Tounan M J, Devaraju B, et al.2015. Basin-scale runoff prediction: An Ensemble Kalman Filter framework based on global hydrometeorological data sets [J]. Water Resources Research, 51(10): 8450-8475. https://doi.org/10.1002/2014WR016794 URL [本文引用: 1]
[25]	Mohamed A, Mohamed S, John W, et al.2011. Integration of GRACE (Gravity Recovery and Climate Experiment)data with traditional data sets for a better understanding of the time dependent water partitioning in African watersheds [J]. Geology, 39(5): 479-482. https://doi.org/10.1130/G31812.1 URL [本文引用: 1]
[26]	Moiwo J P, Yang Y, Tao F, et al.2011. Water storage change in the Himalayas from the Gravity Recovery and Climate Experiment (GRACE) and an empirical climate model [J]. Water Resources Research, 47: W07521. [本文引用: 1]
[27]	Rodell M, Chen J, Kato H, et al.2007. Estimating groundwater storage changes in the Mississippi River Basin(USA) using GRACE [J]. Hydrogeology Journal, 15(1): 159-166. https://doi.org/10.1007/s10040-006-0103-7 URL [本文引用: 1] 摘要 Based on satellite observations of Earth time variable gravity field from the Gravity Recovery and Climate Experiment (GRACE), it is possible to derive variations in terrestrial water storage, which includes groundwater, soil moisture, and snow. Given auxiliary information on the latter two, one can estimate groundwater storage variations. GRACE may be the only hope for groundwater depletion assessments in data-poor regions of the world. In this study, soil moisture and snow were simulated by the Global Land Data Assimilation System (GLDAS) and used to isolate groundwater storage anomalies from GRACE water storage data for the Mississippi River basin and its four major sub-basins. Results were evaluated using water level records from 58 wells set in the unconfined aquifers of the basin. Uncertainty in the technique was also assessed. The GRACE-GLDAS estimates compared favorably with the well based time series for the Mississippi River basin and the two sub-basins that are larger than 900,000 km 2 . The technique performed poorly for the two sub-basins that have areas of approximately 500,000 km 2 . Continuing enhancement of the GRACE processing methods is likely to improve the skill of the technique in the future, while also increasing the temporal resolution.
[28]	Rodell M, Famiglietti J S, Chen J L, et al.2004. Basin scale estimates of evapotranspiration using GRACE and other observation [J]. Geophysical Research Letters, 31: L20504. https://doi.org/10.1029/2004GL020873 URL [本文引用: 1] 摘要 Evapotranspiration is integral to studies of the Earth system, yet it is difficult to measure on regional scales. One estimation technique is a terrestrial water budget, i.e., total precipitation minus the sum of evapotranspiration and net runoff equals the change in water storage. Gravity Recovery and Climate Experiment (GRACE) satellite gravity observations are now enabling closure of this equation by providing the terrestrial water storage change. Equations are presented here for estimating evapotranspiration using observation based information, taking into account the unique nature of GRACE observations. GRACE water storage changes are first substantiated by comparing with results from a land surface model and a combined atmospheric-terrestrial water budget approach. Evapotranspiration is then estimated for 14 time periods over the Mississippi River basin and compared with output from three modeling systems. The GRACE estimates generally lay in the middle of the models and may provide skill in evaluating modeled evapotranspiration.
[29]	Tavarbeae M T, Sousaa A J, Abreu M M.2008. Ordinary kriging and indicator Kriging in the cartography of trace elements contamination in Sao Domingos mining site (Alentejo, Portugal) [J]. Journal of Geochemical Exporation, 98(1-2): 43-56. https://doi.org/10.1016/j.gexplo.2007.10.002 URL [本文引用: 1]
[30]	Wahr J M.2007. Time variable gravity from satellites [J]. Treatise on Geophysics, 3: 213-237. https://doi.org/10.1016/B978-044452748-6/00176-0 URL [本文引用: 1]
[31]	Werth S, Guntner A, Schmidt R, et al.2009. Evaluation of GRACE filter tools from a hydrological perspective [J]. Geophysical Journal International, 179: 1499-1515. https://doi.org/10.1111/j.1365-246X.2009.04355.x URL [本文引用: 1] 摘要 Approximately seven years of time-variable gravity data from the satellite mission Gravity Recovery and Climate Experiment (GRACE) are available to quantify present-day mass variations on and near the Earth's surface. Mass variations caused by the continental water cycle are the dominant signal component after subtracting contributions from atmosphere and oceans. This makes hydrology a primary area of application of GRACE data. To derive water storage variations at the scale of large river basins, appropriate filter techniques have to be applied to GRACE gravity fields given in a global spherical harmonic representation. A desirable filter technique minimises both GRACE data error and signal leakage across the border of the region of interest. This study evaluates the performance of six widely used filter methods (isotropic filters, anisotropic filters and decorrelation methods) and their parameter values to derive regionally averaged water mass variations from GRACE data. To this end, filtered time series from GRACE for 22 of the world's largest river basins were compared to continental water mass variations from a multimodel mean of three global hydrological models (WGHM, GLDAS and LaD). Filter-induced biases for seasonal amplitudes and phases of water storage variations, as well as satellite and leakage error budgets, were quantified for each river basin and explained in terms of storage variations in and around the basin. The optimum filter types and filter parameters were identified for each basin. The best results were provided by a decorrelation method that uses GRACE orbits for the filter design. Our ranking between all filter types and parameters depended on the geographical location, shape and signal characteristics of the specific river basin. Based on a multicriterial evaluation of satellite and leakage error, as well as an error assessment of the hydrological data, the filter selection and parameter optimisation results were shown to be reliable for 17 river basins. The results serve as a guideline for the optimal filtering of GRACE global spherical harmonic coefficients for hydrological applications.
[32]	Ye S H, Ping J S, Su X L, et al.2010. GRACE mission revealed the seasonal changes of water storage [J]. Spacecraft Engineering, 19(4): 1-7. URL [本文引用: 1] 摘要 Using 70 months of gravity field models of Gravity Recovery and Climate Experiment(GRACE)in the period from January 2004 to October 2009,this study estimates the seasonal changes of water storage in water thickness in Africa,China and Amazon.Annual amplitudes of 10.5cm±2.1cm,16.2cm±2.9cm,8.3cm±1.5cm and 30.5cm±5.6cm in equivalent height of water thickness are found in northern Africa,southern Africa,southern China and Amazon respectively.The study has proved the potentials of GRACE mission in monitoring mass variations even in a relatively small area.The results will be helpful for the management of water resources,as well as the policy-decision of preventing and alleviating the hazards.And it is expected that the advanced GRACE-like mission in support of monitoring of mass redistribution,global change and natural hazards will promote better understanding of hydrology,ocean dynamics,geophysics and so on.

克里雅绿洲盐渍化及地下水调控措施研究

2012

... 示范区克里雅河流域(图1)地处和田地区于田县境内,流域处于内陆腹地,远离海洋,为和田地区典型干旱区荒漠—绿洲交错区相对封闭的水系,而处于该流域下游的达里雅博依绿洲则是唯一深入塔克拉玛干沙漠腹地的天然绿色长廊,具有重要的荒漠生态科研价值(周兴佳等, 1995; 凌红波等, 2002).年均气温11.6℃,年均降水量47.3 mm,年均蒸发量2432.3 mm,蒸降比为51.2:1,年日照总时数2769.5 h,日照率为62%(陶兰花等, 2014).克里雅河流域平原地区地下水水位动态受地表引灌水入渗补给的影响显著,地下水储存量为3186.84亿m³,地下水综合补给量为6.7294亿m³,其中天然补给量为0.27887亿m³,山前砾石带以下绿洲平原区的地下水可开采量为5.07亿m³(程仲雷, 2012; 丁俊祥等, 2015). ...

克里雅绿洲盐渍化及地下水调控措施研究

2012

克里雅河流域荒漠—绿洲交错带3种不同生活型植物的光合特性

2015

... 由于HOBO-U20地下水水位监测仪器的安装需要在土壤上进行钻孔或者打井,将该仪器浸泡在地下水中,仪器通过探测地下水的压强,再辅以HOBOware Pro软件反计算地下水的水位,其最大误差仅为1 cm.该仪器安装耗资较大,且打井工作繁杂,无法在和田地区广泛应用.由于克里雅河流域为典型的荒漠—绿洲交错带,随着人口与经济的发展,水土资源开发利用的程度不断加剧,导致该流域成为生态系统退化与待修复的关键区域(丁俊祥等, 2015; 杜清等, 2015).因而,本文选择和田地区的克里雅河流域为示范区,将购置的24台水位计安装在示范区内.该示范区的地下水水位均在30 m内,对该仪器的适用性较好,从而能满足验证和研究的需求. ...

克里雅河流域荒漠—绿洲交错带3种不同生活型植物的光合特性

2015

克里雅河流域1990-2010年土地利用/覆被变化及其生态环境状况评价

2015

克里雅河流域1990-2010年土地利用/覆被变化及其生态环境状况评价

2015

荒漠土壤有机质含量高光谱估算模型

2014

... 当统计量F值大于理论临界值时,F值越大,R²越大,RMSE越小,表示该估算模型的准确度越高,模型越稳定;反之,则意味着模型估算的准确性欠佳(侯艳军等, 2014).校正系数R²的大小表征了估算模型的优劣和稳定程度,其中多元逐步回归方式的模型校正系数最大,而总均方根差RMSE能够表征估算模型的预测水平,RMSE越小表示估算模型的预测水平越佳.由于T检验在分析其偶然误差时,对小样本数据的检验更加具有说服力,因此本文任意选择的样本容量为30,多源逐步回归的T值绝对值为2.242,而临界T值t_0.05=2.042,说明逐步回归模型接受假设. ...

荒漠土壤有机质含量高光谱估算模型

2014

GRACE卫星在区域地下水管理中的应用潜力综述

2016

... 为从陆地水储量当中提取出地下水储量的信息,常依托GLDAS来进行计算(胡立堂等, 2016).GLDAS能模拟出冠层水、地表水、土壤水总量的绝对值(Rodell et al, 2007),而GRACE卫星所反演的是陆地水资源的变化值,为便于水资源变化的匹配和分析,需要计算出GLDAS模拟的水资源等效水高的变化量,从而实现GLDAS与GRACE卫星的单位和意义的统一.但无论是卫星的反演还是同化系统的模拟,均无法避免少许异常值的存在,本文采用3点滑动平均的方法,以有效地消除季节内的随机波动.GLDAS和GRACE的数据对比如图4所示. ...

GRACE卫星在区域地下水管理中的应用潜力综述

2016

利用GRACE卫星监测近10年洞庭湖流域水储量变化

2016

... 水资源变化与国民经济和社会发展紧密相关,在干旱半干旱地区,水资源也已成为重要的战略资源,是备受关注的问题之一(廖梦思等, 2016).美国国家航空航天中心和德国航天中心联合发射的重力场恢复与气候试验重力卫星(GRACE,Gravity Recovery and Climate Experiment)为直接观测陆地水储量提供了可能,从宏观全球尺度到区域尺度,再到流域尺度可利用GRACE地球重力卫星实现对水资源的监测(Wahr, 2007; Ye at al, 2010; Mohamed A et al, 2011).全球陆面数据同化系统(GLDAS, Global Land Data Assimilation Systems)是由美国国家宇航局下属的哥达空间飞行中心提供,能够通过模型模拟与数据同化结合,生成土壤含水量、地表温度等全球地表状态变量以及蒸发量、感热通量等通量数据,是全球变化与水循环研究的重要数据源之一,其月数据在干旱区也具有良好的适用性(王婉昭等, 2013; 王文等, 2014). ...

利用GRACE卫星监测近10年洞庭湖流域水储量变化

2016

新疆克里雅河流域绿洲适宜规模

2002

新疆克里雅河流域绿洲适宜规模

2002

和田绿洲地下水埋深的自然影响因素分析

2009

... 作为新疆典型的干旱地区,和田地区绿洲内可耗水量主要依靠山区的冰雪融水,受气候变化、季节更替等因素的影响显著,降水量稀少,径流形成困难(喻钰等, 2009).水资源不足成为和田地区经济发展的制约因素.而地下水是和田绿洲的重要水资源,地下水埋深的变化对绿洲的灌溉农业和生态系统都至关重要(刘敏等, 2009),因此定量地研究和田绿地区洲地下水的水位埋深变化的影响因素,并且基于诸多影响因素构建地下水水位的预测模型显得尤为重要. ...

和田绿洲地下水埋深的自然影响因素分析

2009

GRACE卫星数据在海河流域地下水年开采量估算中的应用

2013

... 式中：

W_{GRACE}

表示GRACE卫星反演的陆地水储量变化,

W_{GLADS}

表示GLDAS同化系统模拟的水资源变化的总量;

W_{can}

表示冠层水变化;

W_{swe}

表示雪水当量的变化;

W_{qs}

表示地表水的变化;

W_{soil}

表示土壤水的变化;

W_{ground}

表示地下水的变化(冉全等, 2013; 尹文杰等, 2015). ...

GRACE卫星数据在海河流域地下水年开采量估算中的应用

2013

... 式中：

W_{GRACE}

表示GRACE卫星反演的陆地水储量变化,

W_{GLADS}

表示GLDAS同化系统模拟的水资源变化的总量;

W_{can}

表示冠层水变化;

W_{swe}

表示雪水当量的变化;

W_{qs}

表示地表水的变化;

W_{soil}

表示土壤水的变化;

W_{ground}

表示地下水的变化(冉全等, 2013; 尹文杰等, 2015). ...

GRACE 卫星重力观测揭示华北地区陆地水量变化

2012

... 自2002年GRACE卫星发射至今,国内外很多学者从不同的角度将GRACE卫星数据与GLDAS同化数据相结合进行研究.在二者的精度验证方面,Werth等(2009)利用GLDAS模拟的水资源信息来改进GRACE陆地水储量估算精度的方法;许民等(2013)综合利用GRACE和GLDAS数据对长江流域陆地水储量变化的趋势进行了对比分析,证明两者起到了相互验证的作用;在水资源监测方面,Rodell等(2004)更是将GRACE和GLDAS结合计算出流域范围内地下水储量变化;Lorenz等(2015)则更深入地将辅以Ensemble Kalman滤波算法来协同GRACE、GLDAS数据,在盆地范围实现了径流量的估算;Moiwo等(2011)将经验气候模式ECM融入GLDAS与GRACE的水资源研究中,探索了气候变化对喜马拉雅山冰雪水文的驱动影响.针对撒哈拉沙漠地质和含水层之间的关系,Goncaivas等(2013)利用了GRACE、GLDAS和撒哈拉含水层系统结合,从地球物理的角度来剖析了半干系统的水资源补给变化;苏晓莉等(2012)则将GRACE、GLDAS和CPC水文模型结合起来实现地区地下水的变化趋势分析. ...

GRACE 卫星重力观测揭示华北地区陆地水量变化

2012

克里雅河流域土壤盐分光谱定量分析

2014

克里雅河流域土壤盐分光谱定量分析

2014

华北平原浅层地下水水位动态变化

2008

... 对地下水水位动态的分析,需要从影响因素着手,而影响地下水动态变化因素很多,且这些因素自身也在不断地变化,由此导致地下水水位变化研究更加趋于复杂(王仕琴等, 2008).微分法、对数变换和倒数变换都是常用的数据增强的手段,可更便捷地发现地下水水位和各个驱动因子之间的关系,使地下水水位和影响因子之间的正态分布关系显著,便于进行数据统计推断和数学建模.其中,微分法是表达线性形式的近似计算,低阶微分处理能令驱动因子与地下水水位之间的敏感性提高,一般当多项式拟合点数较多的情况下,并非微分次数越高越好,因为微分的次数越高,反而越会产生振荡现象,并影响精度.因此,为保证数据的敏感性提高,且确保精度,本文的微分处理选择低阶微分. ...

华北平原浅层地下水水位动态变化

2008

青藏高原及其周边干旱区气候变化特征与GLDAS适用性分析

2013

青藏高原及其周边干旱区气候变化特征与GLDAS适用性分析

2013

GLDAS月降水数据在中国区的适用性评估

2014

GLDAS月降水数据在中国区的适用性评估

2014

多元逐步回归分析应用于固化土强度与微结构参数相关性评价

2007

... 式中：

β_{0}

为回归常数;

β_{1}

、

β_{2} ∙ ∙ ∙ β_{k}

为自变量1、2

∙ ∙ ∙

k的偏回归系数;k为自变量的个数(王志强等, 2007). ...

多元逐步回归分析应用于固化土强度与微结构参数相关性评价

2007

... 式中：

β_{0}

为回归常数;

β_{1}

、

β_{2} ∙ ∙ ∙ β_{k}

为自变量1、2

∙ ∙ ∙

k的偏回归系数;k为自变量的个数(王志强等, 2007). ...

2002-2010年长江流域GRACE水储量时空变化特征

2013

2002-2010年长江流域GRACE水储量时空变化特征

2013

禹城地区土壤铅含量空间分布的指示克里格估值

2011

... 式中：

λ_{i}

为权重系数,是各已知样本在估算时的影响系数;而估算值

{Z_{v}}^{*} (x)

的优劣主要取决于克里金插值的计算方法和所选择的权重系数

λ_{i}

(Lee et al, 2007; Tavarbeae et al, 2008; 姚荣江等, 2011). ...

禹城地区土壤铅含量空间分布的指示克里格估值

2011

... 式中：

λ_{i}

为权重系数,是各已知样本在估算时的影响系数;而估算值

{Z_{v}}^{*} (x)

的优劣主要取决于克里金插值的计算方法和所选择的权重系数

λ_{i}

(Lee et al, 2007; Tavarbeae et al, 2008; 姚荣江等, 2011). ...

基于GRACE重力卫星的甘肃北山地区地下水储量变化规律研究

2015

... 式中：

W_{GRACE}

表示GRACE卫星反演的陆地水储量变化,

W_{GLADS}

表示GLDAS同化系统模拟的水资源变化的总量;

W_{can}

表示冠层水变化;

W_{swe}

表示雪水当量的变化;

W_{qs}

表示地表水的变化;

W_{soil}

表示土壤水的变化;

W_{ground}

表示地下水的变化(冉全等, 2013; 尹文杰等, 2015). ...

基于GRACE重力卫星的甘肃北山地区地下水储量变化规律研究

2015

... 式中：

W_{GRACE}

表示GRACE卫星反演的陆地水储量变化,

W_{GLADS}

表示GLDAS同化系统模拟的水资源变化的总量;

W_{can}

表示冠层水变化;

W_{swe}

表示雪水当量的变化;

W_{qs}

表示地表水的变化;

W_{soil}

表示土壤水的变化;

W_{ground}

表示地下水的变化(冉全等, 2013; 尹文杰等, 2015). ...

和田流域耗水现状分析

2009

和田流域耗水现状分析

2009

利用GRACE反演长江流域水储量变化

2009

... 式中：

HWT (θ, φ)

为陆地水储量的等效水高;l、m为阶数;k为勒夫数;

W_{l}

为权函数,可由以下递推公式获得：

W_{0} = \frac{1}{2 π}

W_{1} = \frac{1}{2 π} [\frac{1 + e^{- 2 b}}{1 - e^{- 2 b}} - \frac{1}{b}]

W_{l + 1} = - \frac{2 l + 1}{b} W_{l} + W_{l - 1}

b = \frac{\ln (2)}{1 - \cos (r / a)}

;α为地球的平均半径;r是高斯平均半径;

ρ_{water}

为水的密度;

ρ_{αve}

表示地球的平均密度(取值为5517 kg/m³);

Δ ρ (r, θ, λ)

表示物质的体密度变化;θ与

φ

分别是地心的余纬和地心经度;

{\overset{__}{P}}_{lm}

是规格化谛合勒让德函数;

k_{l}

为勒夫数;

Δ C_{lm}

与

Δ S_{lm}

表示地球重力场球谐系数相对其均值的变化量(翟宁等, 2009). ...

利用GRACE反演长江流域水储量变化

2009

... 式中：

HWT (θ, φ)

为陆地水储量的等效水高;l、m为阶数;k为勒夫数;

W_{l}

为权函数,可由以下递推公式获得：

W_{0} = \frac{1}{2 π}

W_{1} = \frac{1}{2 π} [\frac{1 + e^{- 2 b}}{1 - e^{- 2 b}} - \frac{1}{b}]

W_{l + 1} = - \frac{2 l + 1}{b} W_{l} + W_{l - 1}

b = \frac{\ln (2)}{1 - \cos (r / a)}

;α为地球的平均半径;r是高斯平均半径;

ρ_{water}

为水的密度;

ρ_{αve}

表示地球的平均密度(取值为5517 kg/m³);

Δ ρ (r, θ, λ)

表示物质的体密度变化;θ与

φ

分别是地心的余纬和地心经度;

{\overset{__}{P}}_{lm}

是规格化谛合勒让德函数;

k_{l}

为勒夫数;

Δ C_{lm}

与

Δ S_{lm}

表示地球重力场球谐系数相对其均值的变化量(翟宁等, 2009). ...

新疆克里雅河绿洲形成、演变与综合整治

1995

新疆克里雅河绿洲形成、演变与综合整治

1995

Quantifying the modern recharge of the "fossil" Sahara aquifers

2013

Evaluation of potential health risk of arsenic-affected groundwater using indicator Kriging and dose response model

2007

... 式中：

λ_{i}

为权重系数,是各已知样本在估算时的影响系数;而估算值

{Z_{v}}^{*} (x)

的优劣主要取决于克里金插值的计算方法和所选择的权重系数

λ_{i}

(Lee et al, 2007; Tavarbeae et al, 2008; 姚荣江等, 2011). ...

Basin-scale runoff prediction: An Ensemble Kalman Filter framework based on global hydrometeorological data sets

2015

Integration of GRACE (Gravity Recovery and Climate Experiment)data with traditional data sets for a better understanding of the time dependent water partitioning in African watersheds

2011

Water storage change in the Himalayas from the Gravity Recovery and Climate Experiment (GRACE) and an empirical climate model

2011

Estimating groundwater storage changes in the Mississippi River Basin(USA) using GRACE

2007

Basin scale estimates of evapotranspiration using GRACE and other observation

2004

Ordinary kriging and indicator Kriging in the cartography of trace elements contamination in Sao Domingos mining site (Alentejo, Portugal)

2008

... 式中：

λ_{i}

为权重系数,是各已知样本在估算时的影响系数;而估算值

{Z_{v}}^{*} (x)

的优劣主要取决于克里金插值的计算方法和所选择的权重系数

λ_{i}

(Lee et al, 2007; Tavarbeae et al, 2008; 姚荣江等, 2011). ...

Time variable gravity from satellites

2007

Evaluation of GRACE filter tools from a hydrological perspective

2009

GRACE mission revealed the seasonal changes of water storage

2010

〈

〉

基于GRACE卫星和GLDAS系统的地下水水位估算模型——以和田地区克里雅河流域为例

Mathematical fitting of influencing factors and measured groundwater level: Take Keriya River Basin in Hetian area as an example

1 引言

2 研究区域与数据来源

2.1 研究区域

2.2 数据来源

3 方法与模型

3.1 陆地水储量的反演

3.2 GLDAS模拟的参数

3.3 趋势分析和克里格插值

3.4 地下水变化的计算

3.5 多元逐步回归分析

4 结果分析与讨论

4.1 GRACE卫星陆地水储量的动态变化

4.2 GRACE与GLDAS结合的地下水储量变化

4.3 地下水水位估算模型

5 结论

参考文献 文献选项 原文顺序 文献年度倒序 文中引用次数倒序 被引期刊影响因子

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子