SWARM监测松辽流域陆地水储量变化的适用性分析

孙炜程,魏德宏,罗朱键,禤键豪,张兴福

(1. 广东工业大学土木与交通工程学院,广东 广州 510006; 2. 同济大学测绘与地理信息学院,上海 200092)

GRACE和GRACE-FO重力卫星为全球和区域陆地水储量变化监测提供了数据支撑,但GRACE与GRACE-FO之间存在约1年的衔接空白,且当前GRACE-FO的D卫星加速度计已出现故障。SWARM卫星提供了新的对地观测数据,可作为GRACE和GRACE-FO数据填补或替换的有效手段。对于SWARM数据解算,ASU与IGG等科研机构分别采用去相关加速度法和短弧积分法等方式反演SWARM时变模型[1],COST-G机构则基于VCE方法对多机构SWARM时变模型进行融合[2]。可见国际机构足够重视SWARM卫星在时变重力场反演中的应用。

近年来,SWARM时变模型逐渐得到广泛应用。文献[2]组合多机构SWARM时变模型,对亚马孙、阿拉斯加等多个流域进行了陆地水储量反演分析,发现SWARM与GRACE模型反演结果在多个流域的相关系数大于0.6。文献[3]利用SWARM时变模型探测亚马孙干旱事件,通过GRACE、水文模型与虚拟水文站数据进行比较,验证了SWARM探测结果的可靠性。文献[4]联合SWARM卫星观测资料与ARIMA-MC预测方法,有效填补了GRACE与GRACE-FO在南极与格陵兰岛冰盖质量的间断空白。由于SWARM在不同区域的反演精度存在差异性,因此需分析SWARM是否适用于区域陆地水储量变化监测,为后续开展SWARM的应用提供参考。

松辽流域是我国主要的粮食产区之一,其中松花江流域曾发生严重的地下水匮乏[5],辽河流域则因农业灌溉用水导致地下水被过度开发利用[6]。因此,开展松辽流域的陆地水储量变化监测研究对当地的水资源管理与保护具有重要意义。本文选取该流域作为SWARM监测陆地水储量变化的研究对象,并综合多源数据分析SWARM时变模型用于陆地水储量变化监测的适用性。

1 数据来源

2015年7月前,SWARM卫星的星载设备尚未得到更新,受卫星接收器通道较少与太阳活动等因素影响,其探测数据存在较大噪声[2]。本文选取2015年7月及以后的SWARM卫星数据进行反演分析。数据来源信息见表1。

表1 数据来源信息

2 原理与数据处理

2.1 时变模型阶方差计算

由于采用的时变模型数量较多,为全面评估模型,计算模型各阶次位系数相对于参考重力场模型位系数的大地水准面阶方差[7],公式为

(1)

2.2 时变模型反演陆地水储量变化

利用时变重力场位系数计算陆地水储量等效水高的公式为(参数详见参考文献[8])

(2)

计算区域陆地水储量变化时间序列ΔTWS的公式为

(3)

式中,N为研究区域内的网格数量;θ、λ分别为地心余纬与地心经度。

本文利用TN-13一阶项估计值补充时变模型的一阶项位系数[9],同时结合SLR测定的C20项与C30项替换时变模型所对应的位系数[10-11],并进行GIA改正[12];采用高斯滤波与Duan去相关滤波处理,以削弱时变模型的高频噪声与条带误差[13-14],并通过GLDAS模型计算尺度因子以恢复信号[15];利用奇异谱分析(SSA)填补GRACE数据空缺[16]。此外,由于GRACE与GRACE-FO模型的求解方法基本相同,本文将两者统称为GRACE。

2.3 确定SWARM时变模型与滤波方案

选取各机构2015年7月—2016年12月的SWARM和GRACE时变模型计算阶方差,如图1所示。结果表明:ASU、COST-G、IGG的SWARM与GRACE阶方差的前10阶结果较接近,上述模型前10阶的阶方差均值分别为1.213、1.165、1.128、0.955 mm,可见时变模型的前10阶位系数精度较为一致,但随着阶次的增加,SWARM时变模型位系数的噪声逐渐增大。

图1 不同机构数据的大地水准面阶方差

为进一步分析各SWARM时变模型在松辽流域的精度差异,以GRACE反演结果为参考进行比较,并结合信噪比进行综合评价,从而筛选模型并确认滤波方案,对比时段为2015年7月—2020年12月。为了保证数据处理的一致性,对SWARM与GRACE时变模型均截断至40阶,并采用相同的滤波处理与泄露误差改正,滤波半径分别采用800、1000、1200 km。考虑松辽流域面积限制及信号削弱等因素的影响,本文未添加滤波半径更大的方案参与比较。滤波结果统计见表2。

表2 时变模型滤波结果的数据统计

由表2可以看出,IGG-SWARM所得结果的均方根误差(RMSE)与相关系数均优于其他SWARM的滤波结果;且采用1200 km高斯滤波处理时,统计得到的RMSE与相关系数相对于其他滤波结果更佳。在信噪比方面,IGG-SWARM经1200 km高斯滤波的信噪比数据相对于ASU和COST-G机构的结果分别高62.47%、55.99%。因此,后续相关计算选择IGG-SWARM时变模型(简称SWARM),滤波方案选用1200 km高斯滤波。

3 松辽流域陆地水储量时空变化分析

分别选择10、40阶次的SWARM时变模型,以及10、40、60阶次的GRACE时变模型,反演松辽流域陆地水储量变化,并进行相关分析与对比。其中,10阶模型未进行任何滤波处理;40阶模型均采用1200 km高斯滤波与泄露误差改正;而60阶GRACE时变模型则采用300 km高斯滤波、Duan去相关滤波与泄露误差改正。

图2为松辽流域2015年7月—2020年12月的陆地水储量及降水量的空间变化趋势。可以看出:①10阶SWARM与GRACE反演松辽流域的陆地水储量均在西南区域变化不大,在其他大部区域上升;②40阶SWARM与GRACE均反映出流域陆地水储量的上升中心位于中东部,且与降水量的空间变化趋势符合度较好;③60阶GRACE反演结果同样显示流域中东部呈显著上升趋势,相较于40阶SWARM结果,60阶GRACE结果的空间分辨率有所提高,能够检测到流域西南区域的陆地水储量存在亏损。此前研究表明,2002—2018年,松花江流域的陆地水储量自北向南逐渐减少,而辽河流域的陆地水储量呈南少北多的形势[17],与本文结果相吻合。综合而言,SWARM和GRACE在同一尺度下所得松辽流域陆地水储量的空间变化趋势较一致,而模型在不同尺度下反演结果的空间分辨率存在一定的差异,但基本可以反映出流域陆地水储量的空间变化情况。

图2 松辽流域2015年7月—2020年12月陆地水储量与降水量的空间变化趋势

SWARM与GRACE反演松辽流域陆地水储量变化的时间序列与降水量如图3所示(虚线表示时变模型反演陆地水储量的变化趋势)。表3为变化趋势与周年振幅。可以看出,当SWARM与GRACE同为10阶时,两者的趋势项分别为0.59、0.48 cm/a,周年振幅差值为0.04 cm;当SWARM与GRACE同为40阶时,其趋势项分别为0.96、0.71 cm/a,周年振幅差值为0.65 cm;60阶GRACE的趋势项为0.75 cm/a,综合说明松辽流域的陆地水储量整体呈上升趋势。结合RMSE与相关系数计算得知,图3中3组模型结果在数据重叠时段的RMSE分别达2.443、2.936、3.923 cm,相关系数依次为0.704、0.813、0.621,说明SWARM与GRACE反演结果具有较好的吻合度与相关性,其中同尺度模型反演结果的RMSE与相关系数较优。此外,图3反映出模型反演的陆地水储量变化严重滞后于实际降水变化,通过相位差计算估计滞后约4～6个月。相关研究表明松花江流域在2002—2017年的GRACE反演结果与地下水实测数据具有长达8个月的滞后,这种滞后现象可能与流域气候特征、流域面积和地下水超采等因素有关[5]。

图3 时变模型反演松辽流域在2015年7月—2020年12月陆地水储量变化的时间序列与降水量

表3 松辽流域陆地水储量变化趋势与周年振幅

由图3可以看出,在SWARM与GRACE数据重叠时段,10、40阶的SWARM与GRACE反演松辽流域的陆地水储量于2016和2019年普遍达到较高水平。水文资料表明,2016年松辽流域雨季连续4月降水量大于9.0 cm,东辽河出现罕见洪水,吉林图们江、黑龙江等干流全线超警[18],导致陆地水储量显著上升;2019年5—8月,松辽流域的降水量均值相对于2016—2020年同期高19.96%,引发了两次编号洪水,共67条河流发生超警洪水,是范围最广的洪涝事件之一[18]。而在图3(c)中,60阶GRACE显示2016年陆地水储量达到2015年7月—2017年6月间的最高值,且2019年流域陆地水储量水平高于2018年。整体而言,SWARM时变模型可有效识别松辽流域的显著洪涝事件,其陆地水储量的趋势变化与GRACE反演的趋势变化具有较好的一致性。

而在GRACE与GRACE-FO卫星的衔接空白期,由于滞后现象,陆地水储量变化与实际水文变化存在较大时间差。结果显示,在10、40阶尺度条件下,SWARM数据与GRACE填补数据的相关系数分别为0.565、0.733,具有较高相关性,并均于2017和2018年出现两处明显谷值;而在60阶尺度条件下,GRACE填补数据的趋势变化不明显,这是由于当GRACE大于40阶时,其信号变异性的比例增大[16]。结合水文资料记载,松辽流域在2017年初连续4个月降水量低于1.0 cm,加上气温逐渐回暖使蒸散量增大,引起东北大部地区春夏连旱[18],该年地表水、地下水及水资源总量相对于2016—2020年的年均值分别低30.03%、15.75%和30.31%[19];而在2018年,松辽流域1—2月的降水量均值相对于2016—2020年同期降低10.48%,导致东北地区再次出现春旱[18]。综上所述,在GRACE与GRACE-FO卫星的间断期,SWARM数据与GRACE空缺填补数据在10、40阶尺度条件下的相关性较好,并与降水及水资源公报等水文资料记录的水文变化一致。

4 结 论

本文选择ASU、IGG和COST-G等机构的SWARM时变模型反演松辽流域陆地水储量变化,并与GRACE、GRACE-FO时变模型进行比较,分析了IGG-SWARM时变模型用于松辽流域陆地水储量变化监测的适用性,结论如下。

(1)ASU、IGG和COST-G等机构的SWARM与GRACE时变模型的前10阶位系数精度接近,其中IGG-SWARM时变模型更适用于松辽流域的反演研究,该模型采用1200 km高斯滤波后的信噪比相比ASU与COST-G模型结果分别高62.47%、55.99%。

(2)IGG-SWARM与GRACE/GRACE-FO时变模型在同尺度下均反映出在2015年7月—2020年12月,松辽流域西南区域的陆地水储量变化较小,其他大部区域呈上升趋势;而时变模型在不同尺度下的反演结果对流域陆地水储量变化的探测能力存在一定的差异,但基本可以反映出流域陆地水储量的空间变化情况。

(3)IGG-SWARM时变模型的时序结果可识别流域内的显著旱涝事件,与GRACE、GRACE-FO时变模型反演结果具有较好的一致性,两者在数据重叠时段的相关系数可达0.6以上。综合说明SWARM时变模型适用于监测松辽流域的陆地水储量变化研究。