气候变化对四川省陆地水储量变化的影响

崔立鲁 朱承康 殷茂乔

摘 要：为研究气候变化对四川省水资源变化的影响，通过利用重力卫星数据反演得到近18年四川省陆地水储量变化，并通过互相关分析法对四川省陆地水储量变化和降水、蒸发与径流数据进行了量化分析，以讨论气候变化对四川省陆地水储量变化的影响.结果表明，气候变化对四川省陆地水储量变化的影响主要体现在降水变化上，降水变化与陆地水储量变化具有很强的相关性（0.955 7），陆地水储量变化对降水变化的响应时间为1个月，且降水和陆地水储量变化的变化趋势在时空分布上具有很强的一致性.

关键词：重力卫星;气候变化;陆地水储量

中图分类号：TV213.4;P333

文献标志码：A

文章编号：1004－5422（2023）03－0312－06DOI：10.3969/j.issn.1004-5422.2023.03.014

0 引 言

随着全球变暖趋势的增强，进一步加剧了水资源分布的不均，并导致极端水旱灾害频发，这对人类的生存和发展造成了严重的威胁［1-3］.因此，研究气候变化对区域陆地水储量变化（TWSC）的影响有利于采取科学合理的措施管理和调度水资源，有效防范极端水旱灾害造成的社会经济损失.重力恢复与气候实验（GRACE）卫星及其后续计划（GRACE-FO）是由美国国家航空航天局和德国太空中心联合开发的，可以探测全球和局部大尺度范围内的TWSC［4］.国内外众多学者已经成功地利用GRACE/GRACE-FO卫星数据在不同区域开展了气候变化对区域TWSC影响的研究.例如，长江流域［5-6］和黄河流域［7］等.Zhang等［8］通过反演长江流域的GRACE TWSC来评估该区域的干旱事件，但只分析了厄尔尼诺和南方涛动（ENSO）与TWSC的关系.田小娟等［9］虽然也对气候变化对长江流域TWSC影响进行了分析，但是仅分析了降水和ENSO的作用.禤键豪等［10］仅讨论了2002—2020年长江流域TWSC的时空分布特征，但对其影响因素没有进行讨论.

本研究以四川省为研究区域，首先，采用GRACE/GRACE-FO月时变重力场模型反演了2003—2020年四川省TWSC时间序列；其次，采用由中国气象局和全球陆地资料同化系统（GLDAS）分别提供的降水、蒸散发和径流等水文气象数据分析气候变化对本地TWSC的影响；最后，本研究利用互相关分析法对气候变化的影响进行量化评估.

1 研究区域

四川省位于北纬26°03′～34°19′，东经97°21′～108°12′之间.该区域气候地域差异显著，中东部地区属于季风气候区，四季分明，春旱、夏热、秋雨、冬暖；西部川西高原属于高原山地气候，寒冷、冬长，基本无夏.四川省水资源丰富，全省水资源总量共计约为3 489.7亿立方米.水资源以河川径流最为丰富，境内共有大小河流近1 400条，号称“千河之省”.区域面积48.6万平方千米，截至2022年底，四川省常住人口8 374万人，2022年四川省生产总值56 749.8亿元.

2 数据说明

GRACE/GRACE-FO数据：本研究采用最新版本的GRACE/GRACE-FO RL06月重力场模型是由美国得克萨斯州立大学奥斯丁分校空间研究中心提供.该模型扣除了潮汐、大气和海洋质量变化的影响［11］，阶次数截断至60阶.本研究所采用的数据，其起止时间为2003年1月至2020年12月，鉴于GRACE和GRACE-FO数据同一类，因此，在文中统一称为GRACE.为了获取长时间连续时间序列，本研究采用由国家青藏高原科学数据中心提供的“中国区域基于降水重构陆地水储量变化数据集（2002—2019年）”，填补GRACE和GRACE-FO之间的11个月数据空白［12］.

GLDAS水文模型数据：该模型是由美国国家航空航天局与美国国家海洋和大气管理局联合开发.该模型模拟了全球1°×1°的土壤水、蒸散发、径流、积雪水和植被树冠水等月格网数据.本研究所采用的基于GLDAS模型的TWSC是由土壤水、植被树冠水和积雪水三者组成的，时间跨度与GRACE数据保持一致.同时，本研究从该模型中提取了1°×1°的蒸散发和径流格网数据用于气候变化的分析.

降水数据：本研究所采用的0.5°×0.5°降水格网月值数据来源于中国气象局气象数据中心.

3 基本原理

3.1 球谐系数反演理论

利用重力场模型球谐系数反演陆地水储量变化的计算公式［13］为，

式中，ΔH为等效水高（EWH）;θ和λ分别为地心余纬和地心经度;l和m分别为阶数和次数;a为地球平均半径（6 371.393 km）;kl为勒夫数;ρw为水密度，其值为1 000 kg/m3;ρave为地球平均密度，其值为5 507.85 kg/m3;ΔClm和ΔSlm为重力场球谐系数相对于背景场的变化量;lm（cosθ）为规格化缔合勒让德函数.

在反演前需要对GRACE/GRACE-FO重力场球谐系数进行预处理.由于GRACE球谐系数中C20项精度较低，因此，采用卫星激光测距仪的C20项进行替换［14］.为了削弱由于地心运动所引起的誤差，本研究采用Swenson等［15］的方法对球谐系数一阶项系数进行改正.同时，为了消除条带误差和高频误差的影响，采用350 km Fan滤波对球谐系数进行处理［16］.背景场为2003年1月至2020年12月的重力场球谐系数平均值.

3.2 信号提取

为了研究四川省的TWSC变化规律，本研究需要从TWSC时间序列中提取相应的长期趋势变化和加速度信息.根据文献［17］的研究成果，可以利用线性回归方程实现上述目的.具体表达式为，

式中，a为常数项，b为长期变化趋势项，b′为长期变化加速度项，c和d为年周期项，e和f为半年周期项，ε为残差项，t为时间.当t0取值为整个研究时间段的中点时，b表示研究时间段内的年际变化率，b′则为对应的加速度.当b为正，b′为正（负）时，说明TWSC增加趋势在加快（减缓）；当b为负，b′为正（负）时，说明其减少趋势在加快（减缓）.

3.3 相关系数与滞后性

为了量化降水、蒸发和径流因素对四川省TWSC的影响，本研究采用互相关分析法评估TWSC和上述3种因素之间的关系.假设有2组独立的时间序列z1和z2，两者之间的相关系数计算公式［18］为，

式中，t为滞后月份数，r（t）为相关系数，σ11和σ22分别为z1和z2的方差，σ12为z1和z2的协方差.当r（t）取得最大值时，t为相应的最大滞后月份数，其中t≤12.

4 结果分析

4.1 TWSC时空变化

图1为GRACE和GLDAS水文模型计算得到的四川省TWSC时间序列.由图可知，2组时间序列在变化趋势上基本保持一致，且呈现出显著的周期性变化，其中在2003、2007、2011—2015年均出现了明显的异常低值，这说明在上述时间段内四川省出现了水储量亏损的现象.由图还可知，2种模型得到的TWSC模型具有一致的变化趋势，这验证了GRACE卫星探测四川省TWSC的可靠性.

为了进一步分析四川省TWSC的变化情况，本研究根据公式（2）得到了四川省TWSC长期变化趋势及其加速度变化，如图2（A）和图2（B）所示.由图2（A）可知，四川省TWSC均呈现出增长趋势，而增长趋势最为显著的区域集中在东部地区.图2（B）显示出在四川省西北部和东北部TWSC的变化趋势在减缓，而西南部TWSC的变化趋势则是在加剧.结合图2（A）和图2（B）可知，四川省西北部地区TWSC减少趋势得到了缓解，东北部地区TWSC的增长趋势在放缓，而西南地区TWSC的增加趋势得到了加强.

4.2 气候变化对四川省TWSC的影响

由于气候变化都具有季节性，因此本研究比较了降水、蒸发和径流月尺度变化对四川省TWSC的影响，如图3所示.四川省TWSC具有显著的季节性变化，其中6～12月TWSC为正值，其最大值出现在9月；1～5月TWSC为负值，其最小值出现在4月，TWSC范围在-4～6 cm之间.由图3（A）可知，降水变化也表现出明显的季节性，其中5～9月为正值，10～4月为负值，最大值和最小值分别出现在7月和1月.同时，降水与TWSC呈现出显著的关联性.当降水在5月由负值变正值时，TWSC也开始从波谷开始爬升，最终在9月达到最大值；而当降水在10月由正值变负值时，TWSC也开始从波峰处下降，直至4月达到最小值.而TWSC对降水的响应存在着一定的延迟性，大约滞后1～2个月的时间.蒸发和径流的月尺度变化与降水完全一致，如图3（B）和图3（C）所示.降水的范围是最大的，为-8～12 cm，其次是蒸发，其大约在-4～6 cm之间，最后是径流，大约为-0.4～0.8 cm.由此可知，降水的变化量远大于蒸发和径流变化量，因此降水是影响四川省TWSC的主要气候因素.

为了进一步分析降水、蒸发和径流对四川省TWSC的影响，本文分别计算了TWSC与降水、蒸发、径流和降水与蒸发、径流之间的最大相关系数和滞后月份数，相关数据见表1.TWSC在月尺度上与降水、蒸发和径流具有很强的相关性，之间的最大相关系数分别为0.955 7、0.970 1和0.916 7，同时TWSC对降水、蒸发和径流的响应时间都在1个月.而降水与蒸发和径流之间也存在很强的相关性，其相关系数分别为0.985 2和0.980 2，而蒸发和径流对降水的响应不存在延迟现象.上述结果表明，当降水量增大时，蒸发和径流的增量也随之增大，而蒸发和径流的变化很大程度上取决于降水的变化.而降水与TWSC之间存在着很强的联系，这再次说明降水是影响四川省TWSC最重要的气象因素.因此，在后续的研究中，本研究将重点分析降水对四川省TWSC的影响.

为了进一步研究降水和TWSC之间的关系，本文比较了2003—2020年四川省TWSC和降水在4个季中的表现，结果如图4所示，图中虚线表示TWSC的变化趋势.由图可知，在4个不同的季节中，四川省TWSC均呈现出增长的趋势，这与图2（A）的结果是一致的.从TWSC的数量级来看，夏秋2季的TWSC是最大的，冬季的TWSC是最小的.这与图3的结论相同.其中，夏季的TWSC较为均衡，秋季的波动是最大的.从降水的數量级来看，降水主要集中在夏秋2季，冬季的降水是最少的.这与TWSC的四季分布基本一致.

本研究还分析了2003—2020年四川省TWSC和降水量的时间分布，如图5所示.由图可知，TWSC和降水的时间序列具有相同的变化趋势，而TWSC的变化相对于降水而言，存在着延迟.这与图3和表1的结果是一致的.为了分析降水和TWSC在空间上的关系，本研究绘制了降水长期趋势变化和加速度项的空间分布图，如图6所示.图6（A）表明降水整体上呈现出增加趋势，其中增加趋势最为显著的是四川省西南区域，增加趋势较弱的是东北区域；图6（B）显示四川省东北区域的趋势在放缓，而西南区域的趋势在加速.结合图6（A）和图6（B）可以说明，四川省东北区域的增长趋势在放缓，而西南区域的增长趋势在加速，这与图2（A）和图2（B）得到的四川东北部TWSC增长趋势放缓和西南部的增长趋势加剧相互印证.上述结果说明，不论是在时间尺度还是在空间分布上降水对四川省TWSC都具有十分重要的影响.

5 结 论

本研究利用GRACE/GRACE-FO重力卫星数据研究了近18年以来气候变化对四川省水资源储量的影响.结果表明，气候变化对四川省TWSC的影响主要是由降水变化来体现的，降水与TWSC存在着很强的相关性，其相关系数高达0.955 7，且TWSC对降水变化的响应存在着1个月的滞后期.TWSC的最大值出现在9月，而最小值则出现在1月.从季节尺度来看，四川省TWSC最大的是夏秋2季，而冬季是最小的，降水变化在四季的分布情况也基本相同.四川省TWSC总体呈现出增加的趋势，但是在空间分布上略有差别，在东北部其增长趋势有所减缓，而西南部其增加趋势则表现为加剧，这与降水的变化趋势是一致的.因此，降水对四川省TWSC具有十分重要的影响，这也体现出气候变化对四川省TWSC的影响是非常大的.本研究结果有助于了解四川省水资源的变化情况，为管理和调度四川省水资源提供有用的科学资料.

参考文献：

［1］梁缘毅，吕爱锋.中国水资源安全风险评价［J］.资源科学，2019，41（4）：775-789.

［2］王浩，游进军.中国水资源配置30年［J］.水利学报，2016，47（3）：265-273.

［3］崔立鲁，何明睿，张诚，等.利用GRACE/GRACE-FO时变重力场数据量化长江流域干旱事件特征［J］.测绘通报，2022，68（5）：45-48.

［4］崔立鲁，宋哲，邹正波，等.利用重力卫星监测中国西南地区陆地水储量变化［J］.科学技术与工程，2020，20（30）：12313-12317.

［5］超能芳，王正涛，晁定波，等.利用GRACE RL05模型监测长江流域水储量变化［J］.测绘科学，2014，39（6）：40-43.

［6］崔立鲁，宋哲，邹正波，等.基于GRACE的2009—2010年西南地区特大干旱分析［J］.人民长江，2020，51（7）：13-19.

［7］李圳，章传银，柯宝贵，等.顾及GRACE季节影响的华北平原水储量变化反演［J］.测绘学报，2018，47（7）：940-949.

［8］Zhang Z，Chao B F，Chen J，et al.Terrestrial water storage anomalies of Yangtze River basin droughts observed by GRACE and connections with ENSO［J］.Global Planet Change，2015，126：35-45.

［9］田小娟，邹芳，金双根.气候变化和人类活动对长江流域水储量变化的影响研究［J］.大地测量与地球动力学，2019，39（4）：371-376.

［10］禤键豪，陈智伟，张兴福，等.联合GRACE与GRACE-FO反演2002—2020年长江流域陆地水储量变化［J］.大地测量与地球动力学，2021，41（9）：961-967.

［11］崔立鲁，周甜，张诚，等.利用重力卫星监测尼泊尔Ms8.1地震前后重力变化［J］.科学技术与工程，2020，20（28）：11434-11441.

［12］Zhong Y L，Feng W，Humphrey V，et al.Human-induced and climate-driver contributions to water storage variations in the Haihe river basin，China［J］.Remote Sens，2019，11（24）：3050-1-3050-12.

［13］崔立鲁，杜安，张诚，等.不同GRACE-FO模型反演流域陆地水储量变化对比［J］.人民长江，2022，53（3）：98-102.

［14］Chen J，Rodell M，Wilson C R，et al.Low degree spherical harmnonic influences on Gravity Recovery and Climate Experiment （GRACE）water storage estimates［J］.Geophys Res Lett，2005，32（14）： L14405-1-L14405-8.

［15］Swenson S，Chambers D，Whar J.Estimating geocenter variations form a combination of GRACE and ocean model output［J］.J Geophys Res，2008，113：B08410-1-B08410-12.

［16］崔立鲁，张诚，何明睿.利用重力卫星监测全球陆地水储量变化时不同滤波算法的影响［J］.成都大学学报（自然科学版），2021，40（4）：436-439.

［17］崔立鲁，张诚，邹正波，等.2003—2016年南极地区冰盖质量变化时间序列分析［J］.大地测量与地球动力学，2020，40（12）：1219-1222.

［18］陈威，钟敏，冯伟，等.2005—2017年两次强ENSO事件对中国区域陆地水储量变化影响的卫星重力观测［J］.地球物理学报，2020，63（1）：141-154.

（实习编辑：罗 媛）

Abstract：To study the influence of climate change on water resources change in Sichuan province，the terrestrial water storage change of Sichuan Province in the past 18 years was estimated by gravity satellites data，and the terrestrial water storage change，precipitation，evapotranspiration and runoff data were quantitatively analyzed by using cross-correlation method to discuss the influence of climate change on the terrestrial water storage change of Sichuan.The results show that the influence of cliamte change in Sichuan province is mainly reflecetd in the precipitation change.The precipitation and terrestrial water storage change has a strong correlation （0.955 7）.The response of terrestrial water storage change to precipitation is 1 month，and the change trend of precipitation and terrestrial water storage change have a high consistency in the spatial and temporal distribution.

Key words：gravity satellite;climate change;terrestrial water storage change

基金項目：汉引力与固体潮国家野外科学观测研究站开放研究基金资助项目（WHYWZ202102）；成都大学大学生创新训练计划孵化培育项目（CDUCX2022179、CDUCX2022185）

作者简介：崔立鲁（1983—），男，博士，副教授，从事卫星重力水文应用研究.E-mail：lilucui@126.com