利用GRSFAI预测内蒙古北部干旱地区浅层地下水分布

刘永新,姜琦刚,刘伟,谷强

1.吉林大学地球探测科学与技术学院，长春130026；2.中国地质调查局呼和浩特自然资源综合调查中心，呼和浩特010010；3.中国地质调查局西宁自然资源综合调查中心，西宁810000

0 引言

地下水资源是水资源中重要的一部分，特别是干旱、半干旱地区水资源存在的主要形式，是干旱、半干旱地区人们日常生活和工农业生产最主要的水资源来源。干旱、半干旱地区约占全球面积的30%[1]，所以在干旱、半干旱地区寻找地下水资源有着非常重要的现实意义。目前利用遥感技术在干旱区寻找地下水资源的探索方法相对其他气候类型地区较少，其原因一是干旱地区一般经济发展相对落后，农业、工业发展相对不发达，人口密度低，难以投入较多资金进行水资源勘查，经济回报较低；二是干旱地区浅层地下水对地表土壤湿度、地表温度的影响较小，难以直接通过遥感数据获取这些指标来反应地下水富集情况。但事实上在干旱区寻找地下水资源对发展地方经济、应急救援和军事行动等工作具有非常重要的现实意义。

随着遥感技术的不断发展，遥感技术作为宏观、综合、动态、快速监测和评价自然资源的有效手段，在快速、大面积监测地下水中发挥着重要作用[2]。国内外学者也对不同地区遥感找水技术方法进行了研究，精度逐渐由定性向半定量或定量方向发展。刘杰[3]等利用MODIS地表温度产品和地表反照率产品计算地表表观热惯量，并与地下水水位年际变化比较分析，建立相关关系。郑璞等[4]利用TM数据提取多年的地表土壤湿度信息，定义了修正归一化水体差异指数，认为该指数可以较好地预测地下水富集带。Machiwal等[5]利用遥感技术提取了与地下水有关的10个指标，并从中选取7个对半干旱区地下水进行评估。Mukherjee等[6]利用空间分析方法，划分出9个主题层对地下水分布进行评价。邓正栋等[7]利用遥感技术提取与地下水相关的7个指标，采用模糊隶属度函数量化各评估指标，构建了地下水遥感模糊评估指数Groundwater Remote Sensing Fuzzy Assessment Index(GRSFAI)。

GRSFAI的提出为遥感技术寻找浅层地下水提供了定量分析的方法，许春华等[8]利用GRSFAI指数对阿里地区浅层地下水进行了预测，Xu等[9]利用GRSFAI指数成功在新疆干旱区圈定地下水富集区，以上学者的研究表明GRSFAI在寻找地下水的工作中具有一定的指导作用，可以较好地预测地下水的分布情况。GRSFAI指数的提出是以丹东地区为研究背景区，该区属于湿润地区，而本次研究区位于内蒙古乌拉特中旗北部地区，属于典型的大陆性干旱气候，蒸发量远远大于降水量，无地表水出露，地表沙化严重，地表基本无土壤分布，植被较稀疏。该地区浅层地下水对地表的温度与土壤湿度影响较小，原GRSFAI指数中的地表温度和地表湿度很难有效地反映浅层地下水的分布情况，所以本次研究中引入地表植被覆盖度替代地表温度和地表湿度指标，并将断裂密度指标舍去，重新建立了GRSFAI用以评估研究区浅层地下水分布情况。

本文以GF1数据、Landsat8 OLI数据、1∶5万地形图和DEM数据为基础，并参考研究区水文地质、地貌等资料，对研究区地层岩性类型、地貌类型、地形坡度、汇流累计量和植被覆盖度进行遥感解译与提取。针对各要素对地下水富集的影响程度，利用层次分析法(AHP)[10]赋以相应权重，利用模糊数学方法[11]重新建立了GRSFAI,对浅层地下水分布情况进行定量分析，并通过测区内水井单井出水量数据对评估结果进行了验证，技术流程见图1。

图1 技术流程图Fig.1 Technical flow chart

1 研究对象与数据

1.1 工作区概况

研究区位于中蒙边境，中国内蒙古自治区乌拉特中旗北部与蒙古国南部接壤地区，地理坐标为42°00′～42°20′N，107°00′～108°00′E。区内气候属于典型的内陆气候区，风大天旱，气温变化频繁，四季温差和单日温差较大，年平均气温5℃～7℃，年平均降水量225 mm，平均蒸发量1 454 mm，雨季集中在七八月份。测区水系不发育，地表无径流，水资源匮乏，无地表水出露，人、畜供水以水井取水为主，地下水类型主要以孔隙水、裂隙水和裂隙孔隙水为主，浅层地下水分布主要为第四系孔隙水，一般埋深2～10 m。调查区地属偏远，自然环境恶劣，社会经济发展、能源交通以及基础设施建设相对落后，人口较少，主要集中在甘其毛都口岸附近，其他地区零星分布有少量牧民。

1.2 数据源收集及预处理

收集国产GF--1数据，数据获取时间为2016年7月～9月；Landsat8 OLI数据，数据获取时间为2017年6月；1∶5万地形图为国家测绘地理信息局-国家基础地理信息中心2015年发布的地形数据。原始影像在ENVI5.3软件下进行了几何校正、辐射校正、大气校正、影像融合和影像裁剪等。GF--1主要用于地层岩性解译，Landsat8 OLI数据用于提取地表植被覆盖度指数，1∶5万地形图利用ArcGIS软件提取研究区DEM数据，作为提取地貌类型、地形坡度数据和汇流累积量数据。

参考资料选用2013年内蒙古第一水文地质工程地质勘察院编制的1∶10万乌拉特后旗地质地貌图和1963年内蒙古地质局编制的1∶50万内蒙古乌兰察布盟—巴彦淖尔盟地貌图等各种比例尺新老地貌图，1∶5万、1∶20万地质图及各类文字资料等。

2 研究方法

地下水富集性具有相对性和模糊性，并没有绝对的好与差，采用模糊数学方法，能够更客观地对地下水富集性进行评估[7]。本次研究确定以地层岩性Lithology(L)、地形坡度 Slope(S)、地貌类型Relief(R)、汇流累积量Flow Accumulation(FA)和植被覆盖度 Vegetation Coverage(VC)等5个指标作为地下水地表的评估指标，并利用遥感技术对各指标进行提取，建立评价指标集：

Y={yL,yS,yR,yFA,yVC}

(1)

根据每个评估指标对浅层地下水的影响程度不同，建立模糊隶属度函数将其影响程度归一化到[0，1]区间：

Pi=f(Yi) ∈[0,1]

(2)

式中：Pi表示指标对浅层地下水影响程度的量化值；f表示映射函数；Yi代表评估指标。

如果用·表示广义模糊“与”运算，+表示广义模糊“或”运算，则每个像元的浅层地下水富集性评估值为：

Y(xi)=(P1·ω1)+(P2·ω2)+…+(Pm·ωm)

(3)

将各评估指标的模糊隶属度加权相加，得到地下水遥感模糊评价指标为：

GRSFAI=Σ(Pi·ωi) (Σωi=1，Pi∈[0,1])

(4)

式(3)和式(4)中：Pi为第i个影响因素归一化后的数值；ωi为第i个评价指标的权重值。这样建立的GRSFAI数值在[0,1]区间，0代表浅层地下水富水性最差，1代表浅层地下水富水性最好。

3 建立GRSFAI

3.1 地层岩性(L)的解译与赋值

利用GF--1数据，结合测区地质、水文等资料，采用人机交互解译的方法，对测区地层岩性进行解译，并对解译结果进行野外验证。结合本次研究内容，最终将地层划分为基岩岩体、冲积物、洪积物、风积物和湖积物5大类(图2)。

图2 遥感解译地层岩性分布图Fig.2 Stratigraphic lithology distribution map from remote sensing interpretation

根据遥感解译结果，结合野外调查内容，综合研究各类岩层地层的富水性大小，赋以相应的值(表1)。

表1 地层岩性划分及赋值表

3.2 地貌类型(R)的提取与归一化处理

地形起伏度控制着地下水的补给条件，地形起伏度从数量上讲是单位面积内的高差，某点的地势起伏度是指某一确定面积中最高点与最低点之高差[12]，计算地形起伏度的关键在于获取分析窗口的最大和最小高程值，确定最佳分析窗口是地形起伏度计算的关键[13]，由于研究区高差较小，地势相对平坦，最终确定以600 m×600 m的分析窗口计算研究区地形起伏度。

地形起伏度越大越不利于地下水的补给，经过计算得到研究区地形起伏度在0～117 m之间，所以采用线性变换的方法将地貌类型值R归一化到[0,1]区间。最终得到PR指数分布图(图3)。

(5)

3.3 地形坡度(S)提取与归一化处理

采用1∶5万地形图等高线要素插值生成DEM，利用ArcGIS软件对研究区坡度进行提取，结果显示该地区的坡度范围在0°～38°之间，且大部分数据集中在0°～10°区间，显示该地区地势相对平坦，不利于地下水的汇集作用。地形坡度越大越有利于地下水的富集，采用极差变化法将地形坡度归一化到[0,1]区间，最终得到地形坡度指数分布图(图4)。

(6)

3.4 汇流累积量(FA)的计算与归一化处理

汇流累计量的基本思想是以规则网格表示的数字地面高程模型每点处有一个单位的水量，按照自然水流方向，根据区域地形的水流方向数据计算每个点处所流过的水量数值，便为该区域的汇流累积量[14]。汇流累积量的数值越大，在地表处越容易形成地表径流，随之对地下水的补给就越强。利用ArcGIS软件水文分析工具计算研究区汇流累积量，当汇流累积量>500时，对地下水富水性能影响较小。所以采用功效系数法将汇流累积量归一化到[0，1]区间，并最终得到汇流累积量指数分布图(图5)。

图3 地貌指数分布图Fig.3 Distribution map of geomorphic indexes

图4 地形坡度指数分布图Fig.4 Distribution map of terrain slope indexes

PFA= (FA>500时，PFA为1)

(7)

图5 汇流累积量指数分布图Fig.5 Distribution map of flow accumulation indexes

图6 植被覆盖度指数分布图Fig.6 Distribution map of vegetation coverage indexes

3.5 植被覆盖度指数(VC)的建立

植被覆盖度是指植被(包括叶、茎、枝)在地面的垂直投影面积占统计区总面积的百分比，它可以在一定程度上反应浅层地下水的富集情况。本次研究利用植被指数近似估算植被覆盖度，计算得到的植被覆盖度值在[0,1]区间，不需进行归一化处理，最后得到植被覆盖度指数分布图(图6)。

3.6 GRSFAI的建立

利用专家打分法对地层岩性(L)、地貌类型(R)、地形坡度(S)、汇流累积量(FA)和植被覆盖度(VC)对浅层地下水的影响能力进行打分。通过计算归一化指数，并通过一致性检验指数对计算结果进行验证，最终确定各影像因素的权重为：ωL=0.49，ωR=0.13，ωS=0.27，ωFA=0.07,ωVC=0.04(表2)。

将以上计算得到的PL、PR、PS、PFA、PVC值和各指标权重代入公式(4)，利用ArcGIS中栅格计算功能，最终得到GRSFAI分布图(图7)。

表2 地貌类型评分表及归一化计算结果

注：表中1代表相Ki与Kj同等重要，3代表相Ki比Kj稍重要，5代表相Ki比Kj重要，7代表Ki比Kj甚重要(Ki，Kj代表相互比较的两个因素)。

图7 GRSFAI分布图Fig.7 Distribution map of GRSFAI

4 预测结果分析与验证

为分析GRSFAI与地下水富集程度间的数学关系，本次工作对研究区内的18口水井进行了出水量调查。因为该区特殊的气候环境，浅层地下水获取主要形式为水井，一般水井形式以大口井或水泥管井为主，井口或坑口直径可达几米至几十米，为方便对比研究，将所有井的出水量换算成井口直径100 cm的单井出水量(表3)。

通过研究GRSFAI与单井出水量之间的关系发现(图8)，出水量与通过模糊计算得到的GRSFAI呈良好的指数关系，决定系数R2达到了0.77，表明GRSFAI可以较好地反映地下水的富集程度，具有较好地指示作用。从图8中可以看出当GRSFAI>0.3时，单井出水量可达6.7 m3/d以上，这对干旱地区，特别是人口稀少的牧区来讲，已经可以供应人畜饮用和应急救援使用，当GRSFAI>0.6时，出水量可达30m3/d以上。所以本次研究将GRSFAI>0.3的区域定义为浅层地下水找水潜在有利区，GRSFAI>0.6的区域定义为浅层地下水找水靶区(图9)。从中可以发现沟谷、河谷及其边缘地区GRSFAI较高，是浅层地下水相对较集中的区域，而冲洪积平原和风积沙地GRSFAI相对较低，浅层地下水富集能力减弱，而基岩区则不利于浅层地下水的富集。

表3 验证点参数表

图8 GRSFAI与单井出水量相关性分析Fig.8 Correlation analysis of water yield between GRSFAI and single well

针对研究成果，分别选择分布在潜在有利区和富水靶区的水井W1和W2对浅层地下水分布预测进行验证，W1验证井井深8.1 m，W2验证井井深4.3 m，两井出水量均可代表所在区域浅层地下水富集程度。分别对两口井的出水量进行计算，其中W1号井在GRSFAI分布图中对应的值为0.408 2，通过相关性函数公式计算出水量为13.24 m3/d，W2号井GRSFAI分布图中对应值为0.665 8，通过相关性函数公式计算出水量为39.4 m3/d。最后经过野外实地验证，W1和W2号井的出水量分别达到了57.45 m3/d和66.12 m3/d，均高于计算所得数值，证明了GRSFAI所预测的浅层地下水潜在有利区和富水靶区浅层地下水富集程度较高。

5 结论

(1)针对内蒙古北部干旱区特殊环境，可以将地层岩性、地貌类型、地形坡度、汇流累积量和植被覆盖度等作为构建GRSFAI的主要指标。

(2)通过研究GRSFAI与单井出水量的数学关系，得到GRSFAI与单井出水量之间的决定系数达0.77，表明GRSFAI对浅层地下水的分布具有一定的指示作用。

(3)利用GRSFAI的分布特征对研究区划分了浅层地下水分布空白区、潜在有利区和富水靶区。通过在富水有利区和富水靶区选取验证井，单井出水量均比较大，证明利用GRSFAI评价浅层地下水分布情况可靠性较高，GRSFAI在同类地区寻找浅层地下水方面具有广泛的适用性。