气候变化与人类活动对三江平原典型区地下水埋深影响预估

刘波，樊成芳，束龙仓，王文鹏，胡鑫

气候变化与人类活动对三江平原典型区地下水埋深影响预估

刘波，樊成芳，束龙仓，王文鹏*，胡鑫

（河海大学 水文水资源学院，南京 210098）

【目的】预估未来发展情景下三江平原典型区地下水埋深对气候变化和人类活动的响应。【方法】分析三江平原典型区地下水埋深动态特征，采用分期建模的方式对三江平原典型区非灌溉季（10月—次年4月）和灌溉季（5—9月）分别建立支持向量机回归模型进行地下水埋深模拟，利用CMIP6发布的气候变化和灌区开采量变化情景，预估2020—2050年该区地下水埋深的响应。【结果】2001—2017年三江平原典型区地下水埋深多年平均增幅为0.2 m/a，非灌溉季主要受降水影响，灌溉季主要受灌区开采活动影响。与现状年（2001—2017年）比较，在温室气体高排放SSP585情景下，三江平原未来年降水量增加26.76 mm，若灌区开采量在2025年前逐年增加5%，灌溉季地下水埋深将增加17.11 cm，非灌溉季减小1.35 cm；在中等发展SSP245情景下，未来降水量增加38.83 mm，若灌区开采量在2020—2050年期维持多年平均不变，灌溉季地下水埋深将减小9.50 cm，非灌溉季减小1.77 cm；在可持续发展SSP126情景下，未来年降水量增加26.56 mm，若开采量在2025年前逐年减少5%，地下水埋深在灌溉季将减小19.76 cm，非灌溉季减小0.92 cm。【结论】开采活动是影响三江平原地下水埋深的主要因素，未来气候变化的影响主要显现在非灌溉季，限制开采措施能够有效恢复区域地下水位。

地下水埋深；分期建模；未来情景；地下水开采；三江平原

0 引言

【研究意义】三江平原位于黑龙江省东北部，由黑龙江、乌苏里江和松花江冲、洪积形成，土地肥沃，是我国重要的商品粮基地，农田灌溉用水占地下水总开采量的90%以上[1]。随着社会经济的发展，人口数量的增多，粮食需求量不断上涨，三江平原耕地面积逐年扩张[2-3]。近年来，三江平原地下水埋深不断增大，建三江垦区部分农场的地下水埋深增大趋势更加显著，1997—2017年，地下水位累计下降幅度为1.60～9.29 m[4-5]。根据政府间气候变化专门委员会（IPCC）发布的第六次评估报告（AR6）[6]，以全球变暖为主要特征的气候变化对地表、地下水资源的影响都在不断加强。研究三江平原地下水埋深对气候变化和人类活动的响应，预估未来情景下三江平原地下水埋深变化，是明晰地下水埋深动态变化规律，科学管理和优化调控三江平原地下水资源的基础性工作。【研究进展】近年来，已有不少学者对三江平原地下水埋深动态进行了多角度的研究，主要集中在以下几个方面：一是三江平原地下水埋深变化成因，认为水稻种植面积快速扩大、地下水超采是导致三江平原地下水位连续下降的主导因素[1, 5-7]。二是三江平原地下水埋深模拟预测，主要构建了RAGA-BP神经网络时间序列模型[8]，灰色预测GM(1，1)模型[9]，MODFLOW等数值模型[10-11]，在月或年尺度模拟并预测三江平原未来地下水埋深。三是气候变化及地下水开采量对三江平原地下水埋深的影响研究，利用气候模式预估的降水数据[10]结合数值模型研究降水量及地下水开采量对三江平原地下水埋深的影响。【切入点】上述成果为了解三江平原现状和未来的地下水埋深动态特征提供了颇具价值的参考。三江平原地下水开采以农业灌溉为主，地下水埋深在灌溉季（5—9月）和非灌溉季（10—次年4月）的控制因子不同，采用单一的预估模型难以准确反映研究区地下水动态变化特征，很有必要考虑气候因素和人类活动因素对地下水的影响，分期建立模型进行研究。【拟解决的关键问题】采用支持向量机回归模型对灌溉季和非灌溉季的地下水埋深建立模型，采用最新发布的气候模式预估数据，分析地下水埋深对未来气候变化及人类活动的响应，探明变化环境下三江平原典型区地下水埋深的动态演变规律，对合理开发利用区域地下水资源提供决策参考。

1 材料与方法

1.1 研究区概况

研究区为松花江、黑龙江、乌苏里江以及挠力河所围成的区域，地处东经131°26′—134°47′，北纬44°48′—48°23′之间，总面积约2.21万km2（图1）。

图1 研究区地形及地下水位监测井位置

根据1960—2017年逐月气象资料，研究区年降水量在383.5～886.1 mm之间，2001—2017年多年平均降水量为533.9 mm，75%～85%降水集中在6—10月。年平均气温在1～4 ℃之间，多年平均气温为2.66 ℃，雨热同季。研究区年水面蒸发量（E601）变化范围在580～730 mm之间，主要集中在4—8月，其中5—6月占全年蒸发量的30%左右，全年蒸发量最小的1、12月占全年蒸发量的1%左右。

三江平原主要作物类型为中稻、春小麦和春玉米[12]，水稻生育期为每年的5—9月[13]。旱作物生育期内该区的降水能够满足其生长需求，主要灌溉作物为水稻，其灌溉用水量90%来源于第四系孔隙水[5]，水稻灌溉是人类活动影响区内地下水动态的最主要因素[7]。

1.2 数据来源

收集了研究区2001—2017年的月降水、气温数据，19眼地下水位监测井（图1）逐月地下水埋深数据以及中国科学院资源环境科学数据中心发布（https://www.resdc.cn）的土地利用类型遥感影像资料。研究区地下水埋深取各监测井地下水埋深的月平均值。月蒸发数据根据高桥公式[14]计算得到。月开采量数据来自《黑龙江省水资源公报》，由农业灌溉用水开采量和城市综合用水开采量2部分组成：将水稻灌溉用水量作为三江平原典型区农业灌溉用水开采量，灌溉用水开采量根据三江平原典型区水稻灌溉制度[15]和土地利用类型遥感影像[16]解译得到的水田面积计算得出；根据三江平原典型区城市综合用水量指标[17]计算得到城市综合用水开采量。

本文用到的未来气候模式数据来源于WCRP（World Climate Research Programme）耦合模拟工作组WGCM（Working Group on Coupled Modelling）组织的第六次国际耦合模式比较计划（CMIP6），采用了BCC-CAM2-MR、FGOALS、MRI-ESM2-0和NE SM3共4种气候模式，气候预测实验同时考虑共享社会经济路径（SSPs）和代表性浓度路径（RCP），选择SSP1-RCP2.6（SSP126）、SSP2-RCP4.5（SSP245）和SSP5-RCP8.5（SSP585）3种情景[18]（表1）进行模拟，2020—2050年的降水和气温数据来源于https://esgf-node.llnl.gov/search/cmip6/。

表1 CMIP6气候情景模式[18]

1.3 计算方法

支持向量回归模型（support vector regression，SVR）能较好地解决小样本、非线性、高维数实际问题并能克服人工神经网络易产生局部最优和过学习现象[19]的缺点。地下水系统是一种非线性系统，具有非均质性和各向异性等特点，其内部各要素之间存在着十分复杂的相关性，适宜采用SVR模型进行地下水位动态的模拟。

三江平原非灌溉季（10月—次年4月）地下水埋深的主要影响因子为降水、气温等气候因子[1]，灌溉季（5—9月）又在此基础上增加了地下水开采因子。本文针对这一地下水动态特点，采用分期建模的方式进行地下水位动态模拟（图2）。建模思路是：在非灌溉季建立气候因子与地下水埋深相关的SVR模型，假定气候因子对地下水埋深的影响关系在灌溉季保持稳定，并在灌溉季叠加地下水开采的影响，综合2类因素建立的模型，得到灌溉季地下水埋深预测成果。

非灌溉季和灌溉季地下水埋深的影响因子通过相关分析以及逐步线性回归依次筛选得到。用验证好的模型分别预测非灌溉季和灌溉季地下水埋深，进而得到三江平原典型区逐月地下水埋深预测结果。

图2 地下水位动态预测分期建模技术路线

利用纳什效率系数及均方根误差来评定模型的模拟效果，其计算式分别为：

2 结果与分析

2.1 地下水埋深变化特征

三江平原典型区降水-地下水埋深年际变化如图3所示，2001—2017年降水量整体呈增加趋势，多年平均线性增长率为6.5 mm/a，但由于开采量逐年增长，17 a共增加34.72亿m3，地下水埋深整体仍呈波动下降趋势，多年平均降幅为0.2 m/a，2017年初地下水位较2001年初下降3.19 m，地下水埋深的增大无法依靠降水入渗补给自然缓解。

图3 降水量-开采量-地下水埋深年际变化

因19眼观测井地下水动态变化特征相似，故以创业农场监测井（图1）为例，来说明其2001—2017年多年平均地下水埋深年内变化过程（图4）。研究区1—4月的降水量逐渐增加，开采量基本维持在较低水平，地下水位小幅回升；5—9月降水量明显增加，开采强度逐渐加大，地下水埋深主要随开采量而变化；10—12月降水量逐渐减小，地下水开采重新回到低强度状态，地下水位有所恢复。总体来看，研究区地下水动态类型为降水入渗-开采型。在灌溉季，地下水埋深变化趋势同开采量的变化趋势基本保持一致；在非灌溉季，地下水埋深的变化趋势同降水量变化趋势基本保持一致；可见需要对2个时期分别建立模型以更准确地反映地下水位动态。

图4 降水量、开采量、创业农场监测井地下水埋深变化

2.2 地下水埋深变化预估

2.2.1 模型的建立与验证

根据三江平原典型区地下水埋深的主要成因，选取三江平原典型区降水量、气温和蒸发量作为影响当地地下水埋深的自然影响因子；选取地下水开采量作为反映人为因素对典型农灌区地下水埋深影响的因子。考虑到地下水埋深对以上4种因子响应的滞后性，将4种因子当月以及前1—4个月的值同地下水埋深进行相关性分析。挑选相关性较好的因子通过逐步线性回归进一步筛选，作为最终输入模型的因子，结果见表2。

表2 地下水埋深同各影响因子的相关系数

注 表中加粗内容为逐步线性回归后筛选出的模型输入因子。

非灌溉季模型选取的训练期长度为81个月，验证期长度为34个月；灌溉季模型选取的训练期长度为61个月，验证期长度为24个月。图5为非灌溉季和灌溉季地下水埋深实测值与模拟值的对比，地下水埋深模拟模型的分别达到0.63和0.72，验证期分别为0.57 m和0.66 m，构建的分期地下水埋深预测模型模拟精度较好，能够反映三江平原典型区地下水埋深对气候因子和人类活动的响应过程。

图5 模型在非灌溉季和灌溉季的模拟结果

2.2.2 未来变化情景

2020—2050年3种发展情景下4种气候模式预估的研究区未来30年（2020—2050年）降水量存在一定的不确定性，但均值变化特征一致，平均降水量有所增加（图6）。SSP126、SSP245、SSP585情景下降水量预估结果与现状年平均降水量相比，平均降水量的增幅分别为26.56、38.83、26.76 mm。

图6 基于4个气候模式预估的三江平原典型区降水量的变化趋势（图中阴影表示模式不确定性）

本文设置了3种开采情景[20]，开采量在2020—2025年按照给定的幅度逐年增加、减少或维持不变（表3）。灌溉季3种发展情景下，地下水埋深增幅均随着开采量的增大而增大（图7），同一种开采情景下，中等发展SSP245情景下的地下水埋深增幅小于其他2种发展情景，这是由于SSP245情景下降水增幅大于其他2种情景的降水增幅，地下水补给相应较多，地下水埋深增幅相对较小；“维持现状”开采情景下（即开采增幅为0%），SSP126、SSP245、SSP585情景下灌溉季地下水埋深分别减小6.9、9.5、8.2 cm，这是由于3种发展情景下的降水均有所增加，地下水得到了降水补给，地下水埋深相应减小。

表3 未来气候变化与开采情景设置

注 表中加粗内容为本文选出的典型组合情景。

图7 灌溉季多年平均地下水埋深3种情景下随开采增幅变化

2.2.3 预估结果

为了重点分析未来气候变化与开采情景下地下水埋深变化特点，在9种气候变化组合情景中选取“增加开采-SSP585”组合情景作为未来“粗放式发展”的情景；选取“维持现状-SSP245”组合情景作为未来“维持现状发展”的情景；选择“限制开采-SSP126”组合情景作为未来“可持续发展”的情景。根据《黑龙江省土地利用总体规划（2006—2020年）》，三江平原未来仍以发展种植业为主，湿地区禁止开垦占用，保持耕地总量动态平衡。因此，本研究假定三江平原未来用水结构与现状保持一致，根据2001—2017年开采量平均增速，确定2020—2025年开采量逐年增幅为5%（即平均每年增幅为1.33亿m3），之后保持不变。

相对于现状年的平均地下水埋深，“增加开采-SSP585”、“维持现状-SSP245”、“限制开采-SSP126”情景下未来30年（2020—2050年）平均地下水埋深分别增加6.10 cm、减少4.49 cm和8.77 cm（图8）。“增加开采-SSP585”情景下，地下水埋深整体呈增加趋势，2020—2025年地下水埋深随开采量的逐年增加而增大，2025年的地下水埋深比2020年增大13.83 cm，2050年的地下水埋深比2025年增大0.74 cm；“维持现状-SSP245”情景下的地下水埋深在2020—2050年呈略微减小趋势，2050年地下水埋深比2020年减小2.15 cm；“限制开采-SSP126”情景下，地下水埋深整体呈略微减小的趋势，2025年的地下水埋深比2020年减小10.22 cm，2050年的地下水埋深比2025年减小0.22 cm。相对于开采量稳定不变的年份（2026—2050年），开采量变化的2021—2025年，研究区地下水埋深变幅较为明显。

图8 典型组合发展情景下2020―2050年地下水埋深变化过程（图中阴影表示模式不确定性）

图9为典型组合发展情景下的逐月地下水埋深距平。与现状多年平均地下水埋深相比，“增加开采-SSP585”，“维持现状-SSP245”，“限制开采-SSP126”3种典型组合发展情景多年月平均地下水埋深在非灌溉季分别减小1.35、1.77、0.92 cm，在灌溉季分别增加17.11 cm、减小9.50 cm和19.76 cm，灌溉季的地下水埋深变幅明显高于非灌溉季的地下水埋深变幅，说明开采活动是影响研究区地下水埋深变化的主要因素，未来气候变化对研究区地下水埋深的影响相对较小。灌溉季的地下水埋深主要受开采活动强度的影响，3种典型组合发展情景的地下水埋深变幅差异比较明显；非灌溉季的地下水埋深主要受降水量控制，且未来SSP126、SSP245、SSP585发展情景的降水增幅无明显差异，因此非灌溉季3种典型组合发展情景的地下水埋深变幅无明显差异。灌溉季可以通过新增水稻的可供水源、提高水稻的灌溉水利用效率[21]等多种措施并举来减小开采量，使研究区在灌溉季的地下水位得到恢复。

图9 典型组合发展情景下逐月地下水埋深距平

3 讨论

现有的灌区地下水动态预测模型[8-12]通常基于地下水埋深的全序列建模，本文根据三江平原典型区地下水动态特征，结合农灌区地下水开采过程特点，分期建立统计模拟模型，据此分析未来气候变化与地下水开采情景下研究区地下水埋深的演变趋势。预估结果表明灌溉季的开采活动是影响三江平原地下水位变化的主要因素，与相关研究结论[1, 5, 7]一致。气候模式预估表明，未来降水增加，地下水得到补给，非灌溉季地下水位有所回升，地下水埋深相应减小。而在灌溉季受到开采活动的影响，地下水埋深仍继续增大。在未来降水增加的气候背景下，若能够采取有效措施限制开采活动，则更有利于地下水位的恢复。可见合理控制开采活动是治理研究区地下水位下降问题的重要对策。

本文建立的统计模型模拟的时间序列较短，是导致本文预估的地下水埋深变幅比前人研究[1,5,7,22]偏小的可能原因。本文提出的分期建模思路在灌区地下水动态预测有良好的适用性，在后续的研究中，可以采用该建模思路，使用多种类型的统计模型（如LSTM模型等）和数值模型（如MODFLOW等）更精细地刻画研究区地下水系统对气候变化和人类活动的响应过程，对地下水埋深或其变幅进行模拟和预估，从而得出更加精准的应对措施和适应策略。

4 结论

1）2001—2017年三江平原典型区降水量平均增幅6.5 mm/a，地下水开采量增幅34.72亿m3，地下水埋深多年平均增幅0.2 m/a。地下水位动态在非灌溉季主要受降水的影响，在灌溉季主要受人类开采活动的影响，地下水动态类型为降水入渗-开采型。利用支持向量机回归方法分期建立地下水埋深模拟模型，能较好地反映灌区地下水埋深在不同时期对降水和人类开采活动的响应。

2）SSP126、SSP245、SSP585情景下预估未来研究区年降水量过程存在较大不确定性，但均值变化特征一致。各情境预估未来30年多年平均降水量均增加，较现状年（2001—2017年）增幅在26.56～38.83 mm之间。

3）未来30年非灌溉季地下水得到降水补给，地下水埋深呈减小趋势，降幅为0.92～1.77 cm。在开采量变化-5%～5%情况下，灌溉季的地下水埋深变化幅度为-19.76～17.11 cm，表明开采活动是影响研究区地下水埋深变化的主要因素。结合气候变化情景，相应调整和限制开采量能有效恢复区域地下水位。

[1] 刘伟朋, 崔虎群, 刘伟坡, 等. 三江平原地下水流场演化趋势及影响因素[J]. 水文地质工程地质, 2021, 48(1): 10-17.

LIU Weipeng, CUI Huqun, LIU Weipo, et al. An analysis of the evolution trend and influencing factors of the groundwater flow field in the Sanjiang Plain[J]. Hydrogeology ＆ Engineering Geology, 2021, 48(1): 10-17.

[2] 张文琦, 宋戈. 三江平原典型区水田时空变化及驱动因素分析[J]. 农业工程学报, 2019, 35(6): 244-252.

ZHANG Wenqi, SONG Ge. Spatial-temporal variations and driving factor analysis of paddy fields in typical regions of Sanjiang Plain[J]. Transactions of the Chinese Society of Agricultural Engineering, 2019, 35(6): 244-252.

[3] 杨春霞, 郑华, 欧阳志云. 三江平原土地利用变化、效应与驱动力[J]. 环境保护科学, 2020, 46(5): 99-104.

YANG Chunxia, ZHENG Hua, OUYANG Zhiyun. Changes, effect and driving forces of land use in Sanjiang plain[J]. Environmental Protection Science, 2020, 46(5): 99-104.

[4] 杨湘奎, 孔庆轩, 李晓抗. 三江平原地下水资源合理开发利用模式探讨[J]. 水文地质工程地质, 2006, 33(3): 49-52.

YANG Xiangkui, KONG Qingxuan, LI Xiaokang. Discussion of reasonable exploration and use pattern of groundwater resources in the Sanjiang Plain[J]. Hydrogeology ＆ Engineering Geology, 2006, 33(3): 49-52.

[5] 刘伟坡, 沙娜, 程旭学. 三江平原建三江地下水动态变化特征[J]. 灌溉排水学报, 2020, 39(5): 96-101.

LIU Weipo, SHA Na, CHENG Xuxue. Groundwater dynamics in catchment of Jiansanjiang in Sanjiang plain[J]. Journal of Irrigation and Drainage, 2020, 39(5): 96-101.

[6] 樊星, 秦圆圆, 高翔. IPCC第六次评估报告第一工作组报告主要结论解读及建议[J]. 环境保护, 2021, 49(S2): 44-48.

FAN Xing, QIN Yuanyuan, GAO Xiang. Interpretation of the main conclusions and suggestions of IPCC AR6 working group Ⅰ report[J]. Environmental Protection, 2021, 49(S2): 44-48.

[7] 王韶华, 田园. 三江平原地下水埋深变化及成因的初步分析[J]. 灌溉排水学报, 2003, 22(2): 61-64.

WANG Shaohua, TIAN Yuan. Preliminary research on groundwater table change and causes in San-Jiang plain[J]. Journal of Irrigation and Drainage, 2003, 22(2): 61-64.

[8] 苏安玉, 李衡, 濮励杰, 等. 基于RAGA-BP神经网络模型的三江平原地下水资源预测研究[J]. 地理科学, 2009, 29(2): 283-287.

SU Anyu, LI Heng, PU Lijie, et al. Evaluation of groundwater resources based on RAGA-BP neural networks in the Sanjiang plain[J]. Scientia Geographica Sinica, 2009, 29(2): 283-287.

[9] 赵清. 基于灰色预测的建三江地区地下水变化趋势研究[J]. 水资源与水工程学报, 2009, 20(5): 128-130, 134.

ZHAO Qing. Research on the trend of underground water change in Jiansanjiang area based on gray prediction[J]. Journal of Water Resources and Water Engineering, 2009, 20(5): 128-130, 134.

[10] 李鸿雁, 王凡, 刘莹莹, 等. 洮儿河流域平原区气候变化情景下浅层地下水水位动态响应分析[J]. 北京师范大学学报(自然科学版), 2021, 57(3): 345-352.

LI Hongyan, WANG Fan, LIU Yingying, et al. Shallow groundwater level under climate change conditions in the Taoer River plain[J]. Journal of Beijing Normal University (Natural Science), 2021, 57(3): 345-352.

[11] 朱冰, 束龙仓, 刘波, 等. 短历时生态输水条件下的地下水系统响应[J]. 水电能源科学, 2011, 29(10): 19-21, 11.

ZHU Bing, SHU Longcang, LIU Bo, et al. Response of groundwater system under conditions of short duration ecological water transportation[J]. Water Resources and Power, 2011, 29(10): 19-21, 11.

[12] 周浩, 雷国平, 杨雪昕, 等. RCPs气候情景下挠力河流域耕地水土资源平衡效应模拟[J]. 应用生态学报, 2018, 29(4): 1 302-1 312.

ZHOU Hao, LEI Guoping, YANG Xuexin, et al. Simulation for balanced effect of soil and water resources on cultivated land in Naoli River Basin, Northeast China under the RCPs climate scene[J]. Chinese Journal of Applied Ecology, 2018, 29(4): 1 302-1 312.

[13] 任修琳, 李宏亮, 张玉虎, 等. 2000—2015年三江平原主要作物需水量特征及影响因素分析[J]. 干旱区地理, 2019, 42(4): 854-866.

REN Xiulin, LI Hongliang, ZHANG Yuhu, et al. Water requirement characteristics and influencing factors of main crops in the Sanjiang Plain from 2000 to 2015[J]. Arid Land Geography, 2019, 42(4): 854-866.

[14] 朱红蕊, 刘赫男, 张洪玲, 等. 1971—2010年黑龙江省蒸发量气候变化特征[J]. 气象与环境学报, 2013, 29(3): 63-68.

ZHU Hongrui, LIU Henan, ZHANG Hongling, et al. Climatic characters of evaporation from 1971 to 2010 in Heilongjiang Province[J]. Journal of Meteorology and Environment, 2013, 29(3): 63-68.

[15] 王小林, 刘云涛, 张勇. 三江平原地区水稻灌溉制度设计综述[J]. 黑龙江水利科技, 2004, 32(2): 81-82.

[16] 徐新良, 庞治国, 于信芳. 土地利用/覆被变化时空信息分析方法及应用[M]. 北京: 科学技术文献出版社, 2014.

XU Xinliang, PANG Zhiguo, YU Xinfang. Spatial-temporal pattern analysis of land use/cover change: methods & applications[M]. Beijing: Scientific and Technical Documents Publishing House, 2014.

[17] 沈炜彬, 桂明. 城市规划用水量指标确定及选用探讨[J]. 给水排水, 2013, 49(12): 119-123.

[18] LI S Y, MIAO L J, JIANG Z H, et al. Projected drought conditions in Northwest China with CMIP6 models under combined SSPs and RCPs for 2015—2099[J]. Advances in Climate Change Research, 2020, 11(3): 210-217.

[19] 温忠辉, 任化准, 束龙仓, 等. 岩溶地下河日流量预测的小样本非线性时间序列模型[J]. 吉林大学学报(地球科学版), 2011, 41(2): 455-458, 464.

WEN Zhonghui, REN Huazhun, SHU Longcang, et al. Daily discharge forecast of Karst underground river on non-linear time series model of A small sample[J]. Journal of Jilin University (Earth Science Edition), 2011, 41(2): 455-458, 464.

[20] 王恩, 束龙仓, 刘波. 地下水系统对水资源开发利用方案的时空响应[J]. 吉林大学学报(地球科学版), 2010, 40(3): 617-622, 630.

WANG En, SHU Longcang, LIU Bo. Tempo-spatially responses of the groundwater system to water resources exploration and utilization schemes[J]. Journal of Jilin University (Earth Science Edition), 2010, 40(3): 617-622, 630.

[21] 陈皓锐, 高占义, 王少丽, 等. 基于Modflow的潜水位对气候变化和人类活动改变的响应[J]. 水利学报, 2012, 43(3): 344-353, 362.

CHEN Haorui, GAO Zhanyi, WANG Shaoli, et al. Modeling on impacts of climate change and human activities variability on the shallow groundwater level using Modflow[J]. Journal of Hydraulic Engineering, 2012, 43(3): 344-353, 362.

[22] 束龙仓, 殷晓然, 袁亚杰, 等. 三江平原典型区河水与地下水水量交换的时空变化规律分析[J]. 水利学报, 2021, 52(10): 1 151-1 162.

SHU Longcang, YIN Xiaoran, YUAN Yajie, et al. Temporal and spatial variation of water quantity exchange between surface water and groundwater in typical district of Sanjiang Plain[J]. Journal of Hydraulic Engineering, 2021, 52(10): 1 151-1 162.

Impact of Climate Change and Anthropogenic Activities on Groundwater in Sanjiang Plain

LIU Bo, FAN Chengfang, SHU Longcang, WANG Wenpeng*, HU Xin

(College of Hydrology and Water Resources, Hohai University, Nanjing 210098, China)

【Background and objective】Sanjiang Plain is located in the northeast Heilongjiang Province, formed by alluvial and diluvial deposits of Heilong, Wusuli River and Songhua Rivers. Its fertile soils make it one of most important grain production bases in China. Irrigation consumes more than 90% of extracted groundwater in these regions. To sustain its groundwater usage, it is important to understand the impact of climate change and androgenetic activities on groundwater. The purpose of this paper is to address this issue.【Method】The analysis was based on groundwater dynamics in typical regions across the plain, and the stepwise support vector regression (SVR) was established to simulate groundwater dynamics in non-irrigated season (October to next April) and irrigated season (May to September). Climate change scenarios were taken from the CMIP6 and the change in groundwater extraction for irrigation were applied to evaluate the response of groundwater depth to climate change from 2020 to 2050. 【Result】From 2001 to 2017, the depth of groundwater table in typical areas had risen at a rate of 0.2 m/a, largely due to precipitation in non-irrigation season and pumping in irrigated season. Compared with 2001—2017, the annual precipitation increased by 26.76 mm under the SSP585 scenario. If groundwater exploitation increased by 5% annually until 2025, the depth of groundwater table would increase by 17.11 cm in irrigation season and decrease by 1.35 cm in non-irrigation season.Under the medium development scenario of SSP245, the annual precipitation may increase by 38.83 mm in average. If the amount of exploitation remains unchanged on average for many years until 2050, groundwater depth will decrease by 9.50 cm in irrigated season and 1.77 cm in non-irrigated season.Under the sustainable development scenario SSP126, the annual precipitation may increase by 26.56 mm in average. If groundwater exploitation is reduced by 5% annually until 2025, the depth of groundwater table will rise by 19.76 cm in irrigated season and 0.92 cm in non-irrigated season.【Conclusion】Groundwater exploitation is the dominant determinant of groundwater change in Sanjiang plain, and climate change affects groundwater in non-irrigation season more than in irrigation season. The rational use of groundwater can effectively alleviate continued decline in regional groundwater table. The stepwise modeling we proposed can effectively model annual variation in groundwater budget in irrigated areas, and simulate the response of groundwater to climate change and anthropogenic activities.

groundwater depth; stepwise modeling; future scenarios; groundwater exploitation; Sanjiang Plain

刘波, 樊成芳, 束龙仓, 等. 气候变化与人类活动对三江平原典型区地下水埋深影响预估[J]. 灌溉排水学报, 2022, 41(8): 63-69.

LIU Bo, FAN Chengfang, SHU Longcang, et al. Impact of Climate Change and Anthropogenic Activities on Groundwater in Sanjiang Plain[J]. Journal of Irrigation and Drainage, 2022, 41(8): 63-69.

1672 - 3317（2022）08 - 0063 - 07

S512.11

A

10.13522/j.cnki.ggps.2021381

2021-08-19

国家自然科学基金面上项目（41971027）；国家自然科学基金青年项目（41701015）

刘波（1980-），女。副教授，博士，主要从事地下水资源评价及模拟研究。E-mail: liubohhu@hhu.edu.cn

王文鹏（1983-），男。副研究员，博士，主要研究水文不确定性理论与应用。E-mail: wangwenpeng@hhu.edu.cn

责任编辑：白芳芳