利用GRACE数据研究柴达木盆地区域水储量时空变化及干旱特征

杨国林，孙学先，胡 栋，锁旭宏，邵 明，曹 辰

利用GRACE数据研究柴达木盆地区域水储量时空变化及干旱特征

杨国林1,2，孙学先1,2，胡 栋1,2，锁旭宏1,3，邵 明1,4，曹 辰1,4

（1. 兰州交通大学 测绘与地理信息学院，兰州 730070；2. 地理国情监测技术应用国家地方联合工程研究中心，兰州 730070；3. 中交一航局 第二工程有限公司，山东 青岛 266071；4.甘肃省地理国情监测工程实验室，兰州 730070）

为了进一步研究青藏高原东北部柴达木盆地水储量变化时空分布及其干旱特征，提出一种水储量时空变化及干旱特征分析方法：利用重力恢复与气候实验卫星（GRACE）数据、全球陆面数据同化模型（GLDAS）数据以及中国地面气候资料日值数据集（V3.0）中5个气象站点降水数据，通过500 km高斯滤波和去相关滤波、基于空间约束的区域质量变化估计方法和反距离加权平均法，得到2004—2016年间柴达木盆地水储量变化、相对水储量指数和标准化降水指数（SPI）。研究结果表明：时间分布上，2004—2016年柴达木盆地水储量变化整体呈上升趋势，且在2004—2006年、2007—2012年和2013—2016年3个时间段内分别呈下降—上升—下降趋势，与水文模型GLDAS计算得到的水储量变化趋势基本一致；空间分布上，除11月之外其余月份均有较为明显的南北差异；在相对水储量指数与SPI对比中，相对水储量指数与SPI变化趋势基本相同，不同于SPI指数，相对水储量指数变化幅度更小，且反映柴达木盆地干旱情况较SPI更为准确；通过GRACE监测到柴达木盆地2004—2007年为极端干旱发生状况比较严重的时间段，2006年出现夏伏旱，2015年2月干旱严重，2009年和2013年个别月份出现干旱，与柴达木盆地实际干旱情况一致。

重力恢复与气候实验卫星（GRACE）；柴达木盆地；水储量时空变化；相对水储量指数；标准化降水指数；干旱

0 引言

卫星监测陆地水储量变化是获取大尺度地表物质变迁的有效手段，传统陆地水储量及干旱监测的方法由于气象站点空间分布不均，导致计算得到的干旱指数精度较低，不能准确反映地区干旱信息[1]。重力恢复与气候实验卫星（gravity recovery and climate experiment，GRACE）的成功发射及数据采集弥补了传统方法获取水储量变化信息的局限，为陆地水储量变化的反演提供了丰富数据资源[2]。

通过GRACE数据得到的水储量变化信息反映地区干旱特征在局部地区已经得到了应用。文献[1]利用GRACE数据研究了新疆地区2002年8月至2013年7月的干旱事件，其结果与近十年新疆干旱灾害实际情况相符合；文献[3]利用GRACE反演得到的陆地水储量变化与西南干旱事件对应时段十分吻合；文献[4]利用GRACE数据得到的水储量变化结合105个气象站点数据，研究了伊朗中部高原地区的干旱，结果表明GRACE反演的水储量变化反映地区干旱特征具有一定的可靠性；文献[5]结合GRACE数据和水文数据研究了澳大利亚东南多年干旱事件；文献[6]根据2003—2013年GRACE数据标准化陆地水储量指数（standardized water storage index，SWSI）监测中国区域干旱特征，研究表明SWSI指数可以更明显地反映出干旱事件。

柴达木盆地地处青藏高原东北部，属高原大陆性气候区域，以干旱为主要特征。本文利用2004—2016年GRACE数据，结合标准化降水指数（standardized precipitation index，SPI），研究柴达木盆地水储量时空变化规律，分析柴达木盆地在这期间的干旱情况，评估GRACE相对水储量指数监测干旱事件的适用性。

1 研究区域概况

柴达木盆地是中国三大内陆盆地之一，平原区降雨稀少，山区降水相对较多[7-8]，平均降雨量从盆地中心区的16 mm到西部和东部地区的190mm差异分布，多年平均潜在蒸发量为 1937～3200 mm[9]。

图1 柴达木盆地地形及气象站和水系分布

2 数据来源及处理

2.1 GRACE数据

GRACE数据来源于得克萨斯大学空间研究中心（Center for Space Research at the University of Texas，CSR）发布的GRACE RL06 Level-2版本的GSM模型（goal-signal-metric，设计目标-现象信号-衡量指标，是谷歌提出的一种量化方法，主要用来对设计效果进行量化的监控）数据，时间跨度为2004—2016年，其中数据缺失月份有2011年1、6月，2012年5、10月，2013年3、8、9月，2014年2、7、12月，2015年6、10、11月，2016年4、9、10月。获取的GRACE数据已经去除了潮汐和非潮汐的影响，故在内陆地区GRACE数据主要反映水储量信息。

将GRACE数据进行500 km的高斯滤波、去相关滤波，由于考虑到500 km滤波半径会造成泄露误差的影响，本文通过利用基于空间约束的区域质量变化估计方法来削弱泄露误差的影响[10]。用卫星激光测距（satellite laser ranging，SLR）测得的C20项代替GRACE数据2阶项系数C20项，同时加入地心改正项，用来修正一阶项系数，避免由于地球质心变化造成的误差。使用滤波方法主要是降低高阶项球谐系数噪声及其相关性，替换C20项是由于原始C20项精度较差。从而获得柴达木盆地真实质量变化。将获得的质量变化数据转换为等效水柱高，即

2.2 GLDAS数据

全球陆面数据同化系统（global land data assimilation system，GLDAS）数据采用GLDAS陆面模型（land surface model，LSM）数据，时间分辨率单位为月，空间分辨率为0.25°×0.25°，以土壤水、冠层水、雪水当量和融雪水四者之和作为验证GRACE反演得到的柴达木盆地水储量变化的精度指标。

2.3 降水数据

降水资料由国家气象数据中心提供的中国地面气候资料日值数据集（V3.0）中提取得到。本文利用柴达木盆地5个气象站降水日值数据，将其月值化，并通过反距离加权平均插值法（inverse distance weight，IDW）将其格网化，以与GRACE格网数据进行对比分析。

2.4 标准化降水指数（SPI）

标准化降水指数（SPI）能较好地反映地区的干旱特征[11-15]。本文利用中国地面气候资料日值数据集中2004年1月至2016年12月日降水数据，计算得到月值数据，再根据月值数据计算SPI值。最后根据SPI的干旱等级划分（如表1所示）确定柴达木盆地干旱特征。

表1 SPI干旱等级划分表

2.5 相对水储量指数

本文基于GRACE水储量变化量，计算得到相对水储量指数[16]，将相对水储量指数与标准化降水指数进行分析比较，并结合中国水旱灾害公报、青海省水资源公报相关数据记载，分析GRACE相对水储量指数反映干旱特征的适用性。

3 结果分析

3.1 GRACE和GLDAS、降水结果对比

为了准确分析GRACE反演得到的水储量变化数据，利用GLDAS数据进行验证对比（如图2所示）。

图2 GRACE和GLDAS水储量变化对比

图中可以得出：在2004—2016年，柴达木盆地水储量变化整体上呈上升趋势，且在-52.9 ～56.7 mm之间变化波动，其中出现最大值和最小值的时间分别为2012年8月和2015年2月。在2004—2006年、2007—2012年和2013—2016年3个时间段内，水储量变化分别呈下降、上升和下降趋势，且相关性系数分别为0.71、0.65和0.77，均为强正相关。其中2013—2016年GLDAS数据下降明显，主要是由于GRACE数据包含参数远多于GLDAS数据选择参数造成的。

将GRACE水储量变化数据与降水进行对比分析，如图3所示。

图3 GRACE水储量变化与降水对比

从图3（a）可以看出，水储量变化与降水变化趋势基本一致，水储量变化滞后于降水1～2个月，出现滞后的原因是GRACE反演得到的该月水储量变化信息中包括了该月之前月份的降水部分[17-19]。从图3（b）可以看出，水储量变化在夏季达到最大值56.4 mm，在冬季达到最小值-37.5 mm，具有非常明显的季节性变化。

3.2 柴达木盆地水储量空间变化

对2004—2016年GRACE时变重力场格网数据进行处理，计算得到柴达木盆地年内各月水储量变化等效水高空间分布如图4所示。

从图4可以看出，柴达木盆地水储量变化除11月份外，其余月份均具有较为明显的南北差异，其中1—5月和12月柴达木盆地水储量变化整体亏损，且南部区域水储量变化明显大于北部区域，2月份西北部亏损最严重。

6月份开始随着降水的增加，水储量变化也随之增加。6月份柴达木盆地北部地区水储量变化表现为盈余，而南部地区则表现为较小的亏损。7—10月柴达木盆地水储量变化整体盈余，水储量变化呈现出非常明显的南北差异，其中北部地区水储量变化明显大于南部地区，且在7—8月水储量变化盈余达到年内最大值。11月水储量变化整体盈余，相对于7—10月，11月水储量变化盈余量小。

3.3 GRACE水储量变化和SPI对比分析

根据GRACE反演得到相对水储量指数及SPI时间曲线如图5所示。

图5 相对水储量指数与SPI比较

图5结果表明：GRACE得到的相对水储量指数与反映干旱特征的标准化降水指数变化趋势基本相同；相对于SPI指数，相对水储量指数变化幅度更小。2006年相对水储量指数和SPI都反映了柴达木盆地的干旱事件，2011—2016年相对水储量指数和SPI变化趋势有较好的一致性，但SPI变化幅度更大，部分月份当SPI值反映干旱时，相对水储量指数除2015年2月外其余月份则出现不旱或轻旱。GRACE监测到的柴达木盆地2004—2016年间的干旱事件：2004—2007年发生极端干旱的状况比其余时间段更为严重；2008—2010年为中旱或轻旱集中的时间段；2011—2014年干旱特征为轻旱或不旱；2015—2016年表现为轻旱状态，其中2015年2月旱情严重

由《中国水旱灾害公报》数据和《青海省水资源公报》相关记载可知，2006年柴达木盆地出现夏伏旱[20]。文献[21]利用地面降水和气温格点数据集研究柴达木盆地极端干旱变化结果表明：2004—2007年是柴达木盆地极端干旱发生状况比较严重的时间段；2009年和2013年个别月份发生干旱。这与GRACE监测到的干旱事件基本一致。而通过SPI指数得到，在2009—2013年干旱持续时间长，较相对水储量指数吻合度低；因此利用GRACE监测干旱情况相对于SPI指数具有更好的适用性。

4 结束语

本文利用500 km高斯滤波和去相关滤波方法，基于GRACE和GLDAS数据分析了柴达木盆地2004—2016年水储量变化时空分布，根据月水储量变化量和月均水储量变化计算得到相对水储量指数，并结合标准化降水指数研究了2004—2016年间柴达木盆地干旱情况，结果表明：

1）2004—2016年间GRACE反演得到的水储量变化与GLDAS计算得到的水储量变化趋势基本一致，且在整体上升的同时，又分为下降—上升—下降3个阶段，3个阶段相关性系数分别为0.71、0.65和0.77，均为强相关。

2）根据GRACE数据绘制的柴达木盆地水储量变化空间分布图，可知水储量变化具有明显的南北差异。

3）基于水储量变化得到的相对水储量指数与基于降水数据得到的标准化降水指数变化趋势基本一致，但相对水储量指数幅度较小。

4）GRACE监测到柴达木盆地在2004—2016年的干旱情况，其中2004—2007年为极端干旱发生状况比较严重的时间段，2009年和2013年个别月份出现干旱，2006年出现夏伏旱，2015年2月干旱严重。

[1] 曹艳萍, 南卓铜, 程国栋. GRACE重力卫星监测新疆干旱特征[J]. 干旱区资源与环境, 2015(8): 87-92.

[2] SCHMIDT R, SCHWINTZER P, FLECHTNER F, et al. GRACE observations of changes in continental water storage[J]. Global and Planetary Change, 2006, 50(1-2): 112-126.

[3] 李琼, 罗志才, 钟波, 等. 利用GRACE时变重力场探测2010年中国西南干旱陆地水储量变化[J]. 地球物理学报, 2013, 56(6): 1843-1849.

[4] AHMAD N, SEYED H G N, GHOLAMREZA J, et al. Monitoring and analysis of drought using gravity recovery and climate experiment (GRACE)[J]. Hydrology, 2019, 6(3):

[5] MARC J, LEBLANC, PAUL T, et al. Basin-scale, integrated observations of the early 21st century multiyear drought in southeast Australia[J]. Water Resources Research, 2009, 45(4):

[6] 阚增辉. 基于GRACE卫星的中国区域陆地水储量变化及干旱特征研究[D]. 华东师范大学, 2017.

[7] 苏子校. 利用GRACE卫星数据估算柴达木盆地水储量变化[D]. 中国地质大学(北京), 2015.

[8] 王洋. 基于GRACE的柴达木盆地水储量变化研究[D]. 青海大学, 2018.

[9] 尹文杰, 张梦琳, 胡立堂. 柴达木盆地干旱时空变化特征[J]. 干旱区研究, 2018, 35(2): 387-394.

[10] 冯伟, 王长青, 穆大鹏, 等. 基于GRACE的空间约束方法监测华北平原地下水储量变化[J]. 地球物理学报, 60(5): 1630-1642.

[11] STAGGE J H, TALLAKSEN L M, GUDMUNDSSON L, et al. Candidate distributions for climatological drought indices (SPI and SPEI)[J]. International Journal of Climatology, 2015, 35(13): 4027-4040.

[12] 阿丽雅. 基于SPI指数的满洲里市气象干旱特征分析[J]. 现代农业科技, 2021(22): 152-154.

[13] 苑希民, 张家铭, 滕振敏. 基于SPI指标左江流域旱涝演变规律与趋势预测分析[J]. 水力发电, 2022, 48(1): 31-38.

[14] 牛文娟. 渝东北地区1979-2015年干旱时空分布特征[J]. 水利科技与经济, 2021, 27(10): 1-7.

[15] THOMAS A C, REAGER J T, FAMIGLIETTI J S, et al. A GRACE-based water storage deficit approach for hydrological drought characterization[J]. Geophysical Research Letters, 2014, 41(5): 1537-1545.

[16] 陈芳, 刘绥华, 阮欧, 等. 基于GRACE重力卫星数据监测分析贵州干旱特征[J]. 大地测量与地球动力学, 2021, 41(2): 201-205.

[17] 曹艳萍, 南卓铜. 利用GRACE重力卫星监测黑河流域水储量变化[J]. 遥感技术与应用, 2011, 26(6): 719-727.

[18] 束美珍, 杨传国, 李玉龙, 等. 黄淮海地区2003—2014年GRACE水储量时空变化[J]. 南水北调与水利科技, 2018, 16(1): 83-88.

[19] 陈坤, 蒋卫国, 何福红, 等. 基于GRACE数据的中国水储量变化特征分析[J]. 自然资源学报, 2018, 33(2): 275-286.

[20] 2006年中国水旱灾害公报[J]. 中华人民共和国水利部公报, 2008(1): 11-26.

[21] 周丹, 保广裕, 张静, 等. 基于格点数据的柴达木盆地极端干旱变化特征分析[J]. 自然灾害学报, 2017, 26(1): 165-175.

Application of GRACE data in analysis on temporal and spatial changes of water reserves and drought characteristics of Qaidam Basin

YANG Guolin1,2, SUN Xuexian1,2, HU Dong1,2, SUO Xuhong1,3, SHAO Ming1,4, CAO Chen1,4

（1. Faculty of Geomatics, Lanzhou Jiaotong University, Lanzhou 730070, China;2. National-Local Joint Engineering Research Center of Technologies and Applications for National Geographic State Monitoring, Lanzhou 730070, China;3. No.2 Engineering Company Ltd. of CCCC First Harbor Engineering Company Ltd., Qingdao, Shandong 266071, China;4.Gansu Provincial Engineering Laboratory for National Geographic State Monitoring, Lanzhou, Gansu 730070, China）

In order to study the temporal and spatial distribution of water storage changes and its arid characteristics in the Qaidam Basin in the northeastern Qinghai-Tibet Plateau, the gravity recovery and climate experiment (GRACE) data, the global land surface data assimilation model (GLDAS) data and the precipitation data of 5 meteorological stations in the set (V3.0) were used. Through 500 km Gaussian filtering and decorrelation filtering, regional mass change estimation method based on spatial constraints and inverse distance weighted average method, the changes of water reserves, relative water storage index and standardized precipitation index (SPI) in the Qaidam Basin from 2004 to 2016 were obtained. The research shows that in terms of time distribution, the change of water storage in the Qaidam Basin showed an upward trend as a whole from 2004 to 2016, a downward trend in 2004-2006, an upward trend in 2007 to 2012, and a downward trend in 2013 to 2016. The above change is consistent with the data obtained from GLDAS. In terms of spatial distribution, there are obvious north-south differences in the months except in November. Through a contrastive analysis of the relative water storage index and the drought index (SPI), it is found that the relative water storage index and the SPI showed a similar trend of change. Compared with SPI, the relative water storage index showed a smaller change range. According to data obtained from GRACE monitoring, 2004 to 2007 was the most severe period of extreme drought in the Qaidam Basin, summer drought occurred in 2006, severe drought occurred in February 2015, and drought occurred in some months in 2009 and 2013. The data is consistent with the actual drought situation in the Qaidam Basin.

gravity recovery and climate experiment satellite (GRACE); Qaidam Basin; temporal and spatial change of water reserves; relative water reserve index; standardized rainfall index; drought

P228

A

2095-4999(2023)01-0107-06

杨国林，孙学先，胡栋，等. 利用GRACE数据研究柴达木盆地区域水储量时空变化及干旱特征[J]. 导航定位学报, 2023, 11(1): 107-112.（YANG Guolin, SUN Xuexian, HU Dong, et al. Application of GRACE data in analysis on temporal and spatial changes of water reserves and drought characteristics of Qaidam Basin[J]. Journal of Navigation and Positioning, 2023, 11(1): 107-112.）DOI:10.16547/j.cnki. 10-1096.20230116.

2022-04-02

国家自然科学基金(41764001，41761088)；兰州交通大学优秀平台支持项目(201806)；兰州交通大学天佑创新团队支持项目（TY202001）。

杨国林（1978—），男，甘肃临洮人，博士研究生，副教授，研究方向为大地测量理论及数据处理。