基于Forward-Modeling方法的黑河流域水儲量變化特征研究

吳云龍， 李輝*, 鄒正波， 康開軒， 劉子維

1 中國地震局地震研究所(地震大地測量重點實驗室)， 武漢 430071 2 中國地震局地殼應力研究所武漢科技創(chuàng)新基地， 武漢 430071

?

基于Forward-Modeling方法的黑河流域水儲量變化特征研究

吳云龍1,2， 李輝1,2*, 鄒正波1,2， 康開軒1,2， 劉子維1,2

1 中國地震局地震研究所(地震大地測量重點實驗室)， 武漢 430071 2 中國地震局地殼應力研究所武漢科技創(chuàng)新基地， 武漢 430071

黑河流域陸地水儲量變化對流域下游等周邊區(qū)域水資源的合理利用以及經(jīng)濟和社會發(fā)展等有著重要的意義.本文利用2003年1月至2013年12月的GRACE RL05數(shù)據(jù)反演了黑河流域陸地水儲量長時間序列的變化，并針對重力場模型和數(shù)據(jù)處理中產(chǎn)生的信號泄漏問題，采用Forward-Modeling方法進行了改正并恢復泄漏信號；將GRACE獲得的泄漏信號恢復前后的黑河流域水儲量變化結(jié)果與全球水文模型GLDAS和CPC進行比較分析，結(jié)果表明泄漏信號改正后的結(jié)果與水文模型結(jié)果的時間序列相關性均有明顯提高，從其空間分布結(jié)果可以看出Forward-Modeling方法有效地恢復初始信號、增強被湮沒的信號，泄漏信號誤差減??；通過分析黑河流域水儲量變化的長時間序列結(jié)果，發(fā)現(xiàn)其具有明顯的階段性變化特征，即2003—2006年呈明顯下降趨勢，約為-0.86 cm·a-1，在2007—2010年趨于平衡狀態(tài)，而2011—2013年則呈現(xiàn)緩慢上升趨勢約為0.14 cm·a-1；聯(lián)合GRACE數(shù)據(jù)和GLDAS數(shù)據(jù)反演了黑河流域地下水儲量變化，并與全球降雨數(shù)據(jù)GPCC進行了比較分析，兩者相關性可達到0.88以上.

GRACE； 黑河流域； 水儲量變化； Forward-Modeling方法； 水文模型

1 引言

目前陸地水儲量的觀測方法主要是利用遙感衛(wèi)星觀測反演和以氣象和水文觀測資料為基礎，結(jié)合相關物理規(guī)律的模式模擬(鐘敏等，2009)，前者只能得到十幾厘米厚度的土壤含水量，后者在觀測資料稀疏的地區(qū)不確定性較大，導致大氣與陸地水文模式輸出的陸地水量變化的結(jié)果存在一定的差異；GRACE(Gravity Recovery and Climate Experiment)重力衛(wèi)星的出現(xiàn)，極大程度上彌補了遙感衛(wèi)星只能觀測地表十幾厘米厚度的土壤濕度和地表觀測臺站空間分布不均勻等不足，它在全球觀測分布均勻，并且觀測尺度統(tǒng)一，為定量研究大、中尺度陸地水儲量的變化提供了可能.Swenson等(2003)研究發(fā)現(xiàn)GRACE時變重力場反演中長空間尺度地表水儲量變化時，當流域區(qū)域大于4.0×105km2時，所估計的水儲量周年變化精度可達到0.7 cm；當流域區(qū)域為3.9×106km2或更大時，其精度可達到0.5 cm，并可通過定量確定流量和水儲量來完善水文模型.Swenson等(2006)在面積約為2.8×105km2的Illinois區(qū)域，首次將GRACE反演水儲量結(jié)果與實測的土壤水和地下水數(shù)據(jù)進行了驗證比較，兩者的不符值均方根誤差在2 cm左右.楊元德等(2009)利用GRACE的RL04數(shù)據(jù)分析了2003年1月—2007年12月全球27條流域和陸地水儲量的季節(jié)性和年際變化，GRACE與GLDAS數(shù)據(jù)均表明2006年后陸地水儲量年際變化明顯增加.近年來，利用GRACE衛(wèi)星時變重力觀測研究中國區(qū)域陸地水和地下水儲量變化的工作也陸續(xù)展開(Su et al.,2011；羅志才等，2012；李瓊等，2013；尼勝楠等，2014).Hu等(2006)利用2002年4 月—2003年12 月的GRACE數(shù)據(jù)分析了長江流域水儲量變化，與GLDAS和CPC水文模型結(jié)果差別小于1 cm等效水高.羅志才等(2012)利用2002年8 月—2011年6 月的時變重力場模型GRGS-EIGEN-RL04反演了黑河流域陸地水儲量變化，給出了黑河流域地下水儲量的時空變化，并利用張掖地區(qū)23口地下水測井數(shù)據(jù)對地下水反演結(jié)果進行了初步驗證.尼勝楠等(2014)利用2002年4 月—2011年9 月的GRACE數(shù)據(jù)反演了長江、黃河流域水儲量變化，與水文模型(GLDAS、WGHM)結(jié)果相關系數(shù)達到0.78以上.

黑河流域地處河西走廊和祁連山中段，是我國西北典型的內(nèi)陸河流域，總面積約為2.71×105km2，主要受中部高緯度的西風帶環(huán)流控制和極地冷氣團影響，氣候干旱少雨，生態(tài)環(huán)境脆弱，水資源短缺，屬于典型的資源型缺水地區(qū).因而，研究黑河流域陸地水儲量變化，包含了水循環(huán)過程中降雨量、蒸散發(fā)量、地表徑流、土壤水與地下水含量等各部分變化的總和，不但可以為水文模型提供數(shù)據(jù)，也可驗證模型輸出結(jié)果的精度；此外，測量水儲量的變化還有助于對干旱洪澇等災害進行監(jiān)測及評估(曹艷萍和南卓銅，2011).

盡管楊元德等(2009)考慮到利用水文模型對信號泄漏進行改正，但時間跨度短，其他文獻則均沒有考慮.Chen等(2014)針對GRACE數(shù)據(jù)處理中，由于采用濾波方法造成的信號衰減和泄露效應，提出了恢復初始信號、增強被湮沒信號以及減小泄漏信號誤差的Forward-Modeling方法，本文主要側(cè)重于對Forward-Modeling方法的實現(xiàn)，以及利用該方法對GRACE RL05數(shù)據(jù)反演得到的黑河流域陸地水儲量長時間序列(2003年1月—2013年12 月)的變化結(jié)果進行了恢復改正，并與全球水文模型GLDAS(Global Land Data Assimilation System)、CPC(Climate Prediction Center)結(jié)果作了對比，對其時空分布變化特征進行了精細分析，給出了新的物理解釋.同時，聯(lián)合GRACE數(shù)據(jù)和GLDAS數(shù)據(jù)反演了黑河流域地下水儲量變化，與全球降雨數(shù)據(jù)GPCC(Global Precipitation Climatology Centre)進行了比較分析，兩者的相關性達到0.88以上.

2 GRACE反演水儲量變化

GRACE提供的時變重力場反映了地球系統(tǒng)的質(zhì)量分布及變化，在陸地區(qū)域，陸地水的變化是引起重力場變化的主要原因.根據(jù)重力場球諧系數(shù)反演以面密度變化表示的地表質(zhì)量變化的模型為(Wahr et al.,1998; Swenson and Wahr,2002)：

(1)

(2)

其中ρw為水的密度.并認為這種變化量在陸地區(qū)域是水儲量變化量(Wahretal.,1998).解算步驟為：考慮到GRACEC20項不準確(Chenetal.,2005)，采用衛(wèi)星激光測距(SLR,)觀測的C20項替代GRACE的C20項；從球諧系數(shù)中，扣除該時間段的平均值，得到球諧系數(shù)變化量；采用500km高斯濾波濾除高階球諧系數(shù)的噪聲；使用Swenson和Wahr(2006)提出的去相關濾波濾除高次項間的奇偶階相關性誤差；最后采用水儲量變化公式得到1°×1°的全球分布的等效水高量.

3 Forward-Modeling 方法

Chen等(2005)發(fā)現(xiàn)對于重力場球諧系數(shù)的截斷和高斯平滑都會不同程度削弱原始信號，引起信號失真(泄漏).本文計算模擬了黑河區(qū)域重力場信號(以等效水高變化率表示)的處理過程，如圖1所示.

圖1 不同條件下信號數(shù)據(jù)處理結(jié)果Fig.1 The result from different condition

圖2 信號經(jīng)Forward-Modeling方法改正結(jié)果Fig.2 The correction based on Forward-Modeling

圖1a為模擬的初始信號，圖1b為球諧階數(shù)截斷到60階的結(jié)果，圖1c為60階內(nèi)300km半徑濾波結(jié)果，圖1d為60階內(nèi)500km半徑的濾波結(jié)果.發(fā)現(xiàn)在上述處理過程中，信號明顯削弱且泄漏到周圍區(qū)域.針對這種泄漏誤差的改正，Chen等設計了一種正演模型(Forward-Modeling)，通過以下4個步驟可以恢復到最初的信號信息(Chenetal.,2005, 2009,2011,2013,2014)：

(1)對于1°×1°的每個格網(wǎng)點的真實質(zhì)量變化值(或質(zhì)量變化率)，可以令其初始值等于零或等于GRACE算的等效水高(或等效水高變化率)，結(jié)果記為Model00；

(2)將(1)中的初始值采用與GRACE數(shù)據(jù)同樣的處理方法：對全球1°×1°格網(wǎng)點數(shù)據(jù)進行球諧展開，得到正則化的球諧系數(shù)，系數(shù)截斷到60階次，0階和1階項設為零，然后進行半徑為500km的高斯濾波，結(jié)果記為Model01；

(3)對于每一個格網(wǎng)點的質(zhì)量變化(或變化率)值，將GRACE解算的結(jié)果與Model01之間的差值加到Model00，得到新的初始值，然后重復步驟(2)；

(4)當GRACE與Model01之間的差值低于某一個特殊的闕值或者迭代一定次數(shù)，則停止迭代.

圖2為采用Forward-Modeling方法，對黑河區(qū)域模擬數(shù)據(jù)的500km濾波結(jié)果進行改正前后的對比效果，圖2a為500km半徑濾波后的信號結(jié)果，圖2b為Forward-Modeling方法恢復后的結(jié)果，即Model00，圖2c為得到的真實信號500km濾波處理后結(jié)果，即Model01，圖2d為GRACE的結(jié)果與Model01的差值，差值很小時，認為恢復的真實信號是可信的.由圖2a、2b可以看出，經(jīng)Forward-Modeling方法后，泄漏明顯收斂，恢復效果顯著，觀測信號采用Forward-Modeling方法前后與真實信號不符值的均方根誤差分別為0.14cm·a-1和0.09cm·a-1，再結(jié)合圖2d的誤差值很小，說明圖2b恢復的信號可以明顯減小泄漏效應帶來的誤差.

4 水文數(shù)據(jù)處理

(1)GLDAS水文模型

GLDAS水文模型是由美國宇航局哥達航空中心(GoddardSpaceFlightCenter,NASA)和美國國家環(huán)境預報中心(NCEP,NationalCentersofEnvironmentalPrediction)共同建立的全球水文模式(Rodelletal.,2004)，通過近實時的地面和空間數(shù)據(jù)約束其模型, 利用數(shù)據(jù)同化技術，輸出陸地表面各項參數(shù)(如土壤濕度和溫度、蒸發(fā)量等)，進而獲得陸地表面變化的近實時信息，主要反映土壤水分和冰雪變化.空間分辨率為1°×1°，每月一值，土壤水分為0～10cm、10～40cm、40～100cm和100～200cm四層.

(2)CPC水文模型

CPC水文模式是由美國國家海洋和大氣管理局(NOAA)氣候預報中心(CPC)提供的陸地同化數(shù)據(jù)集(FanandvandenDool,2004)，根據(jù)全球觀測到的降水分布而建立的，采用每小時和每日的降水分析結(jié)果、太陽輻射分布、地表大氣壓、溫度和水平風速等數(shù)據(jù)，提供的產(chǎn)品包括土壤溫度和地表以下4層(0～1.6m)的土壤水含量等，該模式輸出結(jié)果的空間分辨率為0.5°×0.5°，每月一值.

5 結(jié)果分析

5.1 陸地水儲量變化

圖3a為等效水高表示的黑河流域水儲量月變化，變化幅度在±5 cm內(nèi)，圖3b為周年、半周年變化，振幅變化在±1.5 cm.從圖3a的時間序列上看出2003年初到2006年底呈現(xiàn)下降趨勢，2007年初到2010年底呈現(xiàn)平穩(wěn)變化，而從2011年初到2013年底則呈現(xiàn)上升趨勢，而水文模型的周期性變化則比較明顯.從圖3b的周期項可以看出每年的4月份水儲量虧損達到最大，8月份盈余量最大，而相應的水文結(jié)果則要滯后一個月.這可能與模型本身的建立相關，對于時變信號的反映比較滯后.比較結(jié)果如表1、表2所示.

從表1結(jié)果看，GRACE的結(jié)果與水文模型(GLDAS、CPC)的相關性分別為0.53和0.63，采用Forward-Modeling后相關性有所提高，達到0.63和0.71.從周年項上看，CPC的結(jié)果與GRACE和Forward-Modeling的更為接近，GLDAS的振幅要偏小一些，這估計與模型的建立有關，水文模型只包含了土壤水文和積雪，并不包含地表水和地下水.在半周年項上，F(xiàn)orward-Modeling的結(jié)果要高于其他三種結(jié)果，為GRACE結(jié)果的2倍，這也說明了采用這種方法對信號泄漏的恢復在半周年上更為明顯.表2中給出了不同時間段的水儲量變化率，兩者的相關系數(shù)為0.95，這說明對GRACE的結(jié)果恢復是可信的，可能正是由于半周年振幅的差別，導致相同時間內(nèi)的變化率大小不一致，為此給出了不同時間段的變化率空間分布，如圖4所示.

表1 黑河流域水儲量變化等效水高的周期項特征及不同數(shù)據(jù)結(jié)果間的相關系數(shù)Table 1 The trend of TWS change in the Heihe River and the correlation coefficients of different methods

表2 黑河流域水儲量變化率Table 2 The TWS rate in the Heihe River area

圖4a為GRACE的結(jié)果，圖4b為Forward-Modeling的結(jié)果，從上至下分別為2003—2006、2007—2010和2011—2013三個時間段的水儲量變化率空間分布.在2003—2006時間段內(nèi)，水儲量變化率呈現(xiàn)從區(qū)域的西南方向到東北方向依次遞減的階梯分布，區(qū)域范圍內(nèi)主要以下降為主，在東北區(qū)域達到最大-0.5 cm·a-1，采用Forward-Modeling方法后區(qū)域內(nèi)的這種虧損信號得到了增強，在保持東北區(qū)域-0.5 cm·a-1下降趨勢和西南區(qū)域0.5 cm·a-1上升趨勢的情況下，最大虧損集中出現(xiàn)在區(qū)域中部，達到了-1.5 cm·a-1，可能正是這種初始信號向周圍的泄漏，導致了之前出現(xiàn)的階梯分布.在2007—2010年間，GRACE結(jié)果同樣仍呈現(xiàn)西南到東北依次下降的趨勢，如果把區(qū)域從中間分為東、西兩部分，可以看出西部以盈余為主，東部以虧損為主，而采用Forward-Modeling方法后在西北區(qū)域出現(xiàn)了部分虧損，以及東部的虧損集中到了東南區(qū)域，整個東北部區(qū)域保持穩(wěn)定，變化率基本為0.西北部虧損的出現(xiàn)可能由于整個西部兩端的盈余泄漏引起的，把這種信號湮沒了.從2011—2013年，可以看出整個分布格局出現(xiàn)了由西北到東南依次增長的趨勢，采用Forward-Modeling后這種趨勢更為顯著，虧損由西北延伸到了區(qū)域中部，說明了該方法有助于恢復被湮沒的信號.結(jié)合表2給出的變化率，對于2003—2006年間正是由于區(qū)域中部虧損信號的恢復使得Forward-Modeling結(jié)果遠大于GRACE結(jié)果，對于2007—2010和2011—2013年間，F(xiàn)orward-Modeling的值要小于GRACE的結(jié)果，或許也正是對部分湮沒了的虧損信號恢復，使得整體變化減緩.因此可以認為表2給出的結(jié)果是可信的.

5.2 地下水儲量變化

黑河流域作為西北干旱地區(qū)較大的內(nèi)陸河流域，其水資源特性決定了地下水通常是干旱地區(qū)最重要的水源和供水選擇，準確判斷地下水在干旱地區(qū)的空間分布及其變化程度是制定區(qū)域地下水合理利用規(guī)劃的關鍵.由GRACE反演得到的陸地水儲量變化包含了地下水、冰雪、土壤水、地表水(水庫、河流等)和地表生物含水量的變化，但考慮到黑河流域?qū)嶋H情況和現(xiàn)有資料，利用全球水文模型GLDAS得到黑河流域土壤水和冰雪變化，從GRACE時變重力反演的陸地水儲量變化中扣除土壤水和冰雪變化即可得到黑河流域的地下水儲量變化.

根據(jù)水量平衡方程ΔS=P+Q-E-R-W，其中ΔS為流域陸地水儲量變化，P為降水，Q為冰川融水，E為蒸散發(fā)，R為地表徑流，W為人類活動用水(曹艷萍和南卓銅，2011).黑河流域作為內(nèi)陸河流域，除部分冰川融水外，降水對水儲量變化起主導作用，是地下水補給的主要來源.為對比黑河流域地下水儲量變化與降水變化的相關性，本文采用全球降水氣候?qū)W中心(GPCC)提供的2003年1月—2013年12月的全球180°×360°月降水格網(wǎng)數(shù)據(jù)(與GRACE水儲量數(shù)據(jù)具有相同的分辨率)(Schneideretal.,

圖3 GRACE、Forward-Modeling、GLDAS和CPC得到的黑河流域水儲量變化Fig.3 Results of the Heihe River storage variation from GRACE, Forward-Modeling, GLDAS and CPC

圖4 黑河流域水儲量變化率在不同時間段內(nèi)的空間分布Fig.4 The spatial distribution of TWS variation rate in the Heihe River from different periods

表3 黑河流域地下水儲量變化的周期性特征Table 3 The trend of TWS variation in the Heihe River

2014)，得到黑河流域降水變化(以降水量距平值表示，單位cm).

圖5a為黑河流域地下水儲量2003—2013年的時間變化序列和扣除平均值后的降水變化序列，對于地下水的獲取本文采用了兩種方法：第一種是將水文模型GLDAS的格網(wǎng)數(shù)據(jù)轉(zhuǎn)換為與GRACE重力場同階次的球諧系數(shù)，采用GRACE數(shù)據(jù)的處理方法獲得土壤水和冰雪變化量，然后從GRACE結(jié)果中扣除得到地下水變化量；另一種是將GLDAS的數(shù)值除以水密度轉(zhuǎn)換為等效水高值，然后從Forward-Modeling結(jié)果中直接扣除得到地下水變化.圖5b為地下水變化和降水變化的周年特征曲線.可以看出，由GRACE月模型直接計算得到的黑河流域地下水變化結(jié)果、通過Forward-Modeling方法計算得到的地下水變化結(jié)果以及扣除平均值后的降水變化序列等三種結(jié)果在周年變化上比較接近.結(jié)合表3，盡管GRACE的結(jié)果與GPCC的相關系數(shù)達到了0.96，而Forward-Modeling的結(jié)果只為0.88，但從振幅和相位的總體趨勢分析可以看出，F(xiàn)orward-Modeling結(jié)果與GPCC更為接近.采用Forward-Modeling后，在周年和半周年項上，振幅均有顯著提高.造成這樣的原因可能是某些月份經(jīng)過泄漏改正后與降水差別加劇，降低了數(shù)據(jù)間的相關性，但降水只是地下水變化的主要因素，它受到冰雪融化、蒸發(fā)、徑流等影響，這種經(jīng)過恢復后差距的加大，也許正體現(xiàn)了這些信號的影響.在表3中同時給出了趨勢項，在2007年以后，兩者結(jié)果比較相近，而對于2003—2006年間則存在明顯差異.如圖6所示，給出了不同時間段內(nèi)的地下水儲量變化率的空間分布.

圖6a為GRACE扣除GLDAS濾波處理后的地下水變化率分布，圖6b為Forward-Modeling的結(jié)果，從上至下依次為2003—2006、2007—2010和2011—2013三個時間段.從圖6a中可以看出，2003—2006年期間地下水變化率整體保持正增長，中部區(qū)域基本保持了零變化，地下水變化率最大變化集中在東南和西南區(qū)域，達到0.4 cm·a-1；而圖6b則分辨比較明顯，中部區(qū)域被湮沒的負增長信號得到恢復，最大可達到-1 cm·a-1，從而使得區(qū)域呈現(xiàn)下降趨勢.對于2007—2010和2011—2013時間段，從圖6b恢復結(jié)果可以看出，正是部分區(qū)域正增長信號的泄漏，使得周圍虧損信號被湮沒，采用Forward-Modeling方法可以有效改善這種結(jié)果，增強信號.另外，從3個時間段恢復后的結(jié)果來看，都基本保持了上游區(qū)域正增長的趨勢，該地區(qū)位于祁連山脈，植被條件好、降雨多、氣溫低、蒸發(fā)量小，且受到冰雪消融的影響，從而保證了地下水的盈余.中部多為干旱、大風和沙漠化區(qū)域，降雨少、蒸發(fā)量大、天然植被少，使得地下水下降比較嚴重.

6 結(jié)論

本文通過計算發(fā)現(xiàn)，利用GRACE數(shù)據(jù)反演陸地水儲量變化的處理過程中進行球諧階數(shù)截斷、濾波都會不同程度的引起原始信號泄漏，從而會湮沒周圍區(qū)域的信號，造成信號失真.針對此，文中采用了Chen等提出的Forward-Modeling方法對黑河流域陸地水儲量(包括地下水儲量)進行了泄漏改正，增強被湮沒的信號，使得原始信號得到有效恢復，改善反演結(jié)果.并將本文結(jié)果與GLDAS和CPC水文數(shù)據(jù)結(jié)果以及GPCC降水數(shù)據(jù)結(jié)果進行了比較分析，研究結(jié)果表明：

(1) 泄漏誤差改正的量級平均接近1 cm(約為8 mm)，是利用GRACE數(shù)據(jù)反演水儲量變化需要考慮的重要因素；并且采用Forward-Modeling方法后可有效地恢復初始信號，增強被湮沒的信號，提高水儲量變化的空間分辨效果.

(2) 通過對黑河流域2003—2013年長時間序列的水儲量變化分析，發(fā)現(xiàn)其變化具有明顯的階段性特征，在2003—2006年水儲量下降趨勢嚴重，可達到-0.86 cm·a-1，在2007—2010年間基本保持不變，然而從2011—2013年則呈現(xiàn)緩慢上升趨勢，為0.14 cm·a-1并且在周年季節(jié)變化上與水文結(jié)果較為接近，相關系數(shù)達到0.64以上，在8、9月份達到最大盈余，4、5月份虧損最為嚴重.

圖5 黑河流域地下水儲量變化和降水量變化Fig.5 The TWS variation of the Heihe River and its GPCC result

圖6 黑河流域水儲量變化率在不同時間段內(nèi)的空間分布(扣除GLDAS模型)Fig.6 The spatial distribution of TWS variation rate in the Heihe River from different periods (GLDAS processed)

(3) 降雨作為黑河流域地下水補給的主要來源，將GPCC月降雨變化量與地下水儲量變化比較發(fā)現(xiàn)，兩者相關性可達到0.88以上，在周年季節(jié)變化上基本一致，F(xiàn)orward-Modeling結(jié)果與GPCC在振幅和相位更為接近，在秋冬季普遍下降，2月份虧損最大，春夏逐漸增加，7月份達到最大盈余.

Cao Y P, Nan Z T. 2011. Monitoring water storage variations in the Heihe River Basin by the GRACE gravity satellite.RemoteSens.Tech.Appl. (in Chinese), 26(6): 719-727.

Chen J L, Rodell M, Wilson C R, et al. 2005. Low degree spherical harmonic influences on Gravity Recovery and Climate Experiment (GRACE) water storage estimates.Geophys.Res.Lett., 32(14): L14405. Chen J L, Wilson C R, Tapley B D, et al. 2009. 2005 drought event in the Amazon River basin as measured by GRACE and estimated by climate models.J.Geophys.Res.,114(B5): B05404. Chen J L, Wilson C R, Tapley B D. 2011. Interannual variability of Greenland ice losses from satellite gravimetry.J.Geophys.Res.:SolidEarth, 116(B7): B07406.

Chen J L, Wilson C R, Tapley B D. 2013. Contribution of ice sheet and mountain glacier melt to recent sea level rise.Nat.Geosci., 6(7): 549-552.

Chen J L, Li J, Zhang Z Z, et al. 2014. Long-term groundwater variations in Northwest India from satellite gravity measurements.GlobalPlanet.Change, 116: 130-138. Fan Y, van den Dool H. 2004. Climate Prediction Center global monthly soil moisture data set at 0.5° resolution for 1948 to present.J.Geophy.Res.:Atmos., 109(D10): D10102.

Hu X G, Chen J L, Zhou Y H, et al. 2006. Seasonal water storage change of the Yangtze River basin detected by GRACE.Sci.ChinaEarthSci., 49(5): 483-491.

Li Q, Luo Z C, Zhong B, et al. 2013. Terrestrial water storage changes of the 2010 southwest China drought detected by GRACE temporal gravity field.ChineseJ.Geophys. (in Chinese), 56(6): 1843-1849, doi: 10.6038/cjg20130606.Luo Z C, Li Q, Zhong B. 2012. Water storage variations in Heihe River Basin Recovered from GRACE temporal Gravity Field.ActaGeodaeticaetCartographicaSinica(in Chinese), 41(5): 676-681.

Ni S N, Chen J L, Chen C, et al. 2014. Terrestrial water storage change in the Yangtze and Yellow River Basins from GRACE time-variable gravity measurements.JournalofGeodesyandGeodynamics(in Chinese), 34(4): 49-55.

Rodell M, Houser P R, Jambor U, et al. 2004. The global land data assimilation system.Bull.Amer.Meteor.Soc., 85(3): 381-394.

Schneider U, Becker A, Finger P, et al. 2014. GPCC′s new land surface precipitation climatology based on quality-controlled in situ data and its role in quantifying the global water cycle.Theor.Appl.Climatol., 115(1-2): 15-40.

Su X L, Ping J S, Ye Q X. 2011. Terrestrial water variations in the North China Plain revealed by the GRACE mission.Sci.ChinaEarthSci., 54(12): 1965-1970.

Swenson S, Wahr J. 2002. Methods for inferring regional surface-mass anomalies from Gravity Recovery and Climate Experiment (GRACE) measurements of time-variable gravity.J.Geophys.Res.:SolidEarth, 107(B9): ETG 3-1-ETG 3-13.

Swenson S, Wahr J, Milly P C D. 2003. Estimated accuracies of regional water storage variations inferred from the Gravity Recovery and Climate Experiment (GRACE).WaterResour.Res., 39(8): 1223.

Swenson S, Wahr J. 2006. Post-processing removal of correlated errors in GRACE data.Geophys.Res.Lett., 33(8): L08402.Swenson S, Yeh P J F, Wahr J, et al. 2006. A comparison of terrestrial water storage variations from GRACE with in situ measurements from Illinois.Geophys.Res.Lett.,33(16): L16401.Tapley B D, Bettadpur S, Ries J C, et al. 2004. GRACE measurements of mass variability in the earth system.Science, 305(5683): 503-505.Wahr J, Molenaar M, Bryan F. 1998. Time variability of the Earth′s gravity field: Hydrological and oceanic effects and their possible detection using GRACE.J.Geophys.Res., 103(B12): 30205-30229.

Yang Y D, E D C, Chao D B, et al. 2009. Seasonal and inter-annual change in land water storage from GRACE.ChineseJ.Geophys. (in Chinese), 52(12): 2987-2992, doi: 10.3969/j.issn.0001-5733.2009.12.007.

Zhong M, Duan J B, Xu H Z, et al. 2009. Trend of China land water storage redistribution at medi- and large-spatial scales in recent five years by satellite gravity observations.ChineseSci.Bull., 54(5): 816-821.

附中文參考文獻

曹艷萍, 南卓銅. 2011. 利用GRACE重力衛(wèi)星監(jiān)測黑河流域水儲量變化. 遙感技術與應用, 26(6): 719-727.

李瓊, 羅志才, 鐘波等. 2013. 利用GRACE時變重力場探測2010年中國西南干旱陸地水儲量變化. 地球物理學報, 56(6): 1843-1849, doi: 10.6038/cjg20130606.

羅志才, 李瓊, 鐘波. 2012. 利用GRACE時變重力場反演黑河流域水儲量變化. 測繪學報, 41(5): 676-681.

尼勝楠, 陳劍利, 李進等. 2014. 利用GRACE衛(wèi)星時變重力場監(jiān)測長江、黃河流域水儲量變化. 大地測量與地球動力學, 34(4): 49-55.

楊元德, 鄂棟臣, 晁定波等. 2009. GRACE估算陸地水儲量季節(jié)和年際變化. 地球物理學報, 52(12): 2987-2992, doi: 10.3969/j.issn.0001-5733.2009.12.007.

鐘敏, 段建賓, 許厚澤等. 2009. 利用衛(wèi)星重力觀測研究近5年中國陸地水量中長空間尺度的變化趨勢. 科學通報, 54(9): 1290-1294.

(本文編輯 何燕)

Investigation of water storage variation in the Heihe River using the Forward-Modeling method

WU Yun-Long1,2, LI Hui1,2*, ZOU Zheng-Bo1,2, KANG Kai-Xuan1,2, LIU Zi-Wei1,2

1KeyLaboratoryofEarthquakeGeodesy,InstituteofSeismology,ChinaEarthquakeAdministration,Wuhan430071,China2WuhanBaseofInstituteofCrustalDynamics,ChinaEarthquakeAdministration,Wuhan430071,China

The Heihe drainage is located in the Gansu Corridor and the middle Qilian Mountains. It is a typical inland river basin and water-lack area in Northwest China. Study of storage variation in the Heihe drainage is essential to the rational utilization of downstream basins and the development of economy in this region.With the appearance of GRACE (Gravity Recovery and Climate Experiment) gravity satellite mission, it is possible to quantitatively study the terrestrial water storage (TWS) at large or medium scales using satellite data. Simulation research indicates the original signal leakage when the spherical harmonic order truncation and filter methods are employed in TWS computation on the GRACE model. The signal distortion is inevitable due to the signal annihilation, which limits the accuracy of GRACE model application.The latest Forward-Modeling method can restore the original signal, enhance the annihilation signal and decrease the error. This work inverts the time series variation of the water storage capacity of the Heihe River using the GRACE RL05’s model between January and December 2003. The Forward-Modeling method is mainly used to improve the inverse results. And then a precise analysis and its geophysical interpretation are conducted to reveal variation characteristics of spatial and temporal distribution, compared with GLDAS (Global Land Data Assimilation System) and CPC (Climate Prediction Center).The results draw three major conclusions. (1) The average magnitude of corrected leakage signal is close to 1 cm (8 mm), which is the major considered correction in TWS computation using the GRACE model. It can effectively restore the original signal, enhance the annihilation signal and improve the spatial resolution on water storage variation using the Forward-Modeling method. (2) Analyzing the long-term variation of water storage capacity in the Heihe basin region during 2003—2013 shows a significant characteristic of phase change. The water storage declined significantly between 2003 and 2006 at a rate of 0.86 cm·a-1, while tended to an equilibrium state between 2007 and 2010, and raised slowly at about 0.14 cm·a-1between 2011 and 2013. The annual seasonal change of the Heihe basin region is close to the hydrologic model value inversed from GLDAS data and CPC, with the correlation coefficient 0.64. It shows that the water storage rises to the maximum surplus around August or September, and decreases to the maximum loss around April or May. (3) Rainfall is the major source of groundwater recharge in the Heihe basin region, with a consistent correlation up to 0.88, by comparison between the water storage variation from GRACE and monthly rainfall variation from GPCC (Global Precipitation Climatology Centre). The results show consistency in annual seasonal change and close correlation in amplitude and phase from the Forward-Modeling method and GPCC model value. It also implies that the rainfall decreases in autumn and winter with the maximum loss in February, and increases gradually in spring and summer with the maximum surplus in July.

GRACE; Heihe; Variation of water storage capacity; Forward-Modeling; Hydrologic model

吳云龍， 李輝, 鄒正波等. 2015. 基于Forward-Modeling方法的黑河流域水儲量變化特征研究.地球物理學報，58(10):3507-3516,

10.6038/cjg20151007.

Wu Y L, Li H, Zou Z B, et al. 2015. Investigation of water storage variation in the Heihe River using the Forward-Modeling method.ChineseJ.Geophys. (in Chinese),58(10):3507-3516,doi:10.6038/cjg20151007.

國家自然科學基金(41304018、41374088)、中國地震局地震科技星火計劃攻關項目(XH14036)、科研院所基本科研業(yè)務費中國地震局地震研究所所長基金(IS201326140)資助.

吳云龍，男，1981年生，博士，副研究員，主要從事衛(wèi)星重力學、重力場建模及應用研究.E-mail：yunlongwu@gmail.com

*通訊作者 李輝，男，1957年生，研究員，主要從事重力學領域研究.E-mail：lihuieq@163.com

10.6038/cjg20151007

P228

2015-05-04，2015-08-10收修定稿