利用GPS垂向位移監測西南地區干旱事件

姚朝龍，羅志才，胡月明,3,4,5，王長委，張 瑞，李金明

1. 華南農業大學資源環境學院，廣東 廣州 510642； 2. 華中科技大學物理學院地球物理研究所，湖北 武漢 430074； 3. 國土資源部建設用地再開發重點實驗室，廣東 廣州 510642； 4. 廣東省土地利用與整治重點實驗室，廣東 廣州 510642； 5. 廣東省土地信息工程技術研究中心，廣東 廣州 510642

干旱問題不僅是全球地球科學界研究的重大問題之一，同時也是世界各國政府和社會公眾關注的焦點問題[1]。旱災不僅造成生態環境的惡化和嚴重的經濟損失，甚至會引發社會問題，如饑荒、大規模遷徙和人員傷亡等。中國是受旱災影響最為嚴重的國家之一，開展干旱監測、評估和預報研究意義重大[2]。干旱特征(強度、持續時間和影響范圍)通常用一個綜合表征地表干濕狀況的數值(即干旱指數)來描述。傳統干旱指數主要是基于地面觀測和遙感數據。受水文氣象站分布不均且數量有限的影響，地面觀測難以反映大尺度干旱狀況[3]，而基于多光譜、多時相和多角度遙感信息的干旱指數主要用于定性或半定量分析農業干旱[2]。此外，不同干旱指數在中國地區的適用性有一定的差異[4-5]，包括常用的帕爾默干旱指數和我國通用的綜合氣象干旱指數(CI)[6]。2002年以來，GRACE(gravity recovery and climate experiment)探測大尺度的陸地水儲量變化為全球和區域干旱監測提供了新的途徑，已被用于我國新疆地區[7]和西南地區[8-11]等區域干旱事件的研究。然而，GRACE數據在2011年后缺失較為嚴重，且GRACE和GRACE Follow-On任務之間存在數據空白，嚴重影響了該數據的應用[12]。因此，為了更好地監測干旱的特征和演變趨勢，亟需尋找新的干旱監測手段。

GPS坐標時間序列包含了地表負荷變化引起的地球彈性形變信息，與大氣、海底壓強、積雪、冰、地表水和地下水等環境要素的變化密切相關[13]。其中，陸地水文負荷變化是引起GPS臺站周期性垂向形變的重要因素[14-16]。陸地水文負荷的增加會導致地表下沉，使GPS臺站垂向位置向下運動。陸地水文負荷減少則會導致地表回彈，使GPS臺站垂向位置向上運動。扣除潮汐、大氣、地殼運動等非陸地水文效應影響后，GPS垂向位移可用于反演區域水儲量變化[17]以及監測干旱導致的水儲量虧損[18]。近期國內研究結果表明，GPS垂向位移可探測西南地區干旱的年變化特征[19]，以及反演該地區的陸地水儲量變化[20]，但均未將GPS垂向位移與干旱指數進行對比，分析其干旱監測的可靠性。此外，GPS探測干旱事件的能力還受區域環境特征和臺站分布的影響。

1 數據與方法

1.1 GPS垂向位移數據處理

本文利用中國地震局GNSS數據產品服務平臺提供的33個GPS臺站(圖1)2010年8月—2016年12月每日的垂向位移時間序列產品(ftp:∥ftp.cgps.ac.cn/)進行分析。臺站平均距離約為100 km。在分析數據的質量后，最終使用31個臺站數據開展研究。該產品已扣除了固體潮、海潮和極潮等因素的影響[20]。為了削弱GPS垂向位移中的隨機噪聲，利用2階Butterworth濾波(歸一化截止頻率為0.087)對單日解數據進行低通濾波處理[18]。圖2表明Butterworth濾波可以有效削弱隨機噪聲和非連續粗差的影響，為后續研究提供更為準確的數據。然而，通過月內平均得到的每月的GPS垂向位移時間序列中仍有幾個臺站包含粗差數據。對于出現明顯數據異常的臺站(圖3)的處理方法為：①SCMB臺站垂向位移出現非連續的跳躍，SCML臺站數據中包含明顯的系統偏差，由于無法確定其中的原因，不恰當的修正可能會對研究結果產生較大影響，因此直接剔除這兩個臺站的所有數據；②針對出現連續粗差的GPS臺站，首先計算31個GPS臺站垂向位移相對于所有臺站平均值的標準差(每個月對應一個標準差)，當GPS臺站某月的垂向位移的絕對值大于3倍標準差時，認為是粗差，將其剔除，包括SCJL、SCNN、YNJP和YNYM 4個臺站的異常數據，如2012—2013年和2015—2016年間存在明顯偏差的數據。為了提取GPS垂向位移的水文學效應，利用大氣模型MERRA2扣除大氣負荷的影響[20-21]。由于非潮汐海洋負荷對于大部分內陸地區垂向形變的影響很小(約1 mm)[19,22]，因此忽略這一因素的影響。

1.2 水文氣象數據和干旱指數數據

本文利用GRACE反演的水儲量變化(GRACE terrestrial water storage changes,GRACE TWSC)、河流水位觀測、降雨數據分析GPS垂向位移反映水文學效應的情況，再通過3種干旱指數驗證GPS監測干旱的可靠性。GRACE數據采用的是JPL提供的Mascon產品[23]，缺數月份的數據通過線性插值得到。河流水位數據為金沙江流域的屏山(Pingshan)和崗拖(Gangtuo)兩個水文站(圖1)的監測數據[24]。降雨數據從中國氣象局國家氣象科學數據共享服務平臺獲取，2016年12月缺失的數據通過線性插值得到。干旱指數數據包括GRACE干旱強度指數(GRACE-DSI)[25]、標準化降水蒸散指數(SPEI)[26]和中國氣象局國家氣候中心提供的綜合干旱指數(CI)數據。數據詳細信息如表1所示。需要指出的是，雖然JPL Mascon產品是0.5°×0.5°的形式，但其真實的分辨率為3°×3°，即約為300 km[23]。

表1 采用的水文氣象和干旱指數數據信息

Tab.1 Information about the adopted hydro-meteorological data and drought indices

GRACE-DSI用于反映水文干旱，是在GRACE反演陸地水儲量變化的基礎上建立的，包含了所有水文要素(地表水、土壤水、地下水等)的變化信息。SPEI是一種氣象干旱指數，是在標準化降水指數(standardized precipitation index，SPI)的基礎上，通過引入潛在蒸散發(受溫度的影響)構建的。CI屬于氣象干旱指數，作為國家氣候中心用于干旱監測的指標，是利用近30天(月尺度)和近90天(季尺度)SPI指數，以及近30天濕潤指數計算而得。表2給出了各指數的干旱等級劃分。

表2 3種干旱指數等級劃分

Tab.2 Drought degree classification of the three drought indices

等級分類GRACE-DSI[25]SPEI[27]CI[28]正常-0.49～0.49—>-0.60輕微干旱-0.79～-0.500～-0.99-1.20～-0.60中度干旱-1.29～-0.80-1.49～-1.00-1.80～-1.20嚴重干旱-1.59～-1.30-1.99～-1.50-2.40～-1.80極端干旱-1.99～-1.60<-2.00—特大干旱<-2.00—<-2.40

2 結果與討論

2.1 GPS垂向位移水文學效應分析

圖4為31個GPS臺站的平均垂向位移和GRACE水儲量、降雨區域月平均變化時間序列。為了方便比較，GPS垂向位移數據進行了反符號處理(后面均作相同處理)，即降雨增加實際對應的是GPS臺站垂向位置向下運動(GPS U為負)，降雨減少則對應GPS臺站垂向位置向上運動(GPS U為正)。從圖4中可以看出，在季節性變化方面，GPS垂向位移與降雨、GRACE水儲量變化都具有很強的相關性，相關系數分別達到-0.81和-0.62。由于西南地區處于季風區，降雨、GPS垂向位移、GRACE反演的水儲量都具有很強的季節性變化。不同的是，在降雨較少的冬季和春季，GPS垂向位移能即時地反映降雨的變化，在降雨豐富的夏季則存在1個月的時間延遲(圖5)。而GRACE與降雨的變化則存在明顯的延遲響應。結合圖5顯示的每月平均變化可以看出，GRACE與降雨變化整體存在約2個月的時間延遲，而與降雨的累計變化(圖中月均降雨變化的累計值)相吻合。結果表明，GPS能較好地反映降雨的即時變化，而GRACE主要反映降雨的累積變化效應。從水量平衡的角度分析，即水儲量的變化等于輸入(降雨)與輸出(徑流和蒸散)之差，水儲量的變化還受徑流和蒸散的影響，由此造成GPS垂向位移和GRACE水儲量變化與降雨存在時延。此外，受地殼結構、水文模式等因素的綜合影響，GPS垂向位移和GRACE水儲量變化在一些地區會存在2～4個月的延遲[29]。

從長期趨勢變化來看，GPS垂向位置整體呈下降趨勢(-0.9 mm/a)，這與降雨(4.6 mm/a)增加導致水文負荷(GRACE觀測的水儲量變化趨勢為1.6 mm/a)增加相符合。然而，川滇地區地處青藏高原東南緣，地殼運動情況復雜，僅在云南地區就同時存在地殼抬升和下沉兩種相反的變化趨勢[30-31]。GPS垂向位移速率中包含了構造因素的影響，因此其與水儲量變化在長期趨勢方面的一致性仍需作深入研究。

為了進一步分析GPS垂向位移反映的水文效應，將其與河流水位變化進行對比。圖6為研究區域內金沙江流域17個GPS臺站垂向位移的平均變化(臺站位置見圖1)與兩個水文站觀測的河流水位變化情況。屏山站處于流域的出口，雖然該站水位反映的是整個流域的水文變化情況，但從地理位置而言，其受下游水文變化影響更快。而崗拖站反映的是上游水文的變化，對下游水文的影響較為滯后。雖然水位變化數據有限，但從圖中可以得到和上述分析一致的結果，即GPS垂向位移與屏山站水位峰值變化相符合，而與崗拖站水位變化存在1個月的延遲。

2.2 GPS垂向位移干旱監測分析

通過以上分析可以發現，GPS垂向位移能很好地反映區域水文學效應的季節變化。本節將GPS與3種干旱指數進行對比分析，驗證其在干旱監測方面的可靠性。由于干旱反映的是氣候的異常變化，因此，需要將GPS垂向位移和降雨的季節性變化扣除。與文獻[32]采用的方法一樣，本文通過從降雨和GPS垂向位移的原始信號(圖4)中扣除季節性信號(圖5)得到非季節性變化。

從圖7(a)可以看出，西南地區在2013年5月之前降雨明顯偏少，特別是2011年4月—2012年5月和2012年10月—2013年3月降雨負異常分別持續了13和6個月，最大異常值高達-73 mm。由此導致水文負荷減少，使得GPS垂向位移大部分呈現出明顯的正異常，而干旱指數均呈現顯著的負異常。2013年6月—2015年8月期間降雨總體處于平衡，但波動較大，并且在2015年5—7月期間降雨出現了較為明顯的負異常。相應的，GPS垂向位移、GRACE-DSI和SPEI在此期間正負異常交替出現。2015年9月之后降雨明顯偏多，造成地表負荷增加，從而導致GPS垂向位移出現了持續的負異常，GRACE-DSI則為明顯的正異常。總體而言，GPS垂向位移與GRACE-DSI和CI具有較強的相關性(圖8(a)、(b))，相關系數分別為-0.713和-0.708，而與SPEI的相關性較弱(圖8(a))，相關系數僅為-0.320。

3．明成化《新昌縣志·縣境圖》和明萬歷《新昌縣志·輿地圖》中，右上方表示河流圖中文字注明“水自金庭來”[16]。

由于本文主要是研究利用GPS進行干旱監測，因此重點分析前面提到的3個降雨連續虧損(至少3個月)階段(表3)GPS垂向位移異常與干旱指數之間的關系。從圖7(b)可以看出，在第1個降雨虧損階段，GRACE-DSI、CI和SPEI顯示區域最大干旱強度均為中度干旱，對應的干旱指數最小值分別為-1.15、-1.33和-1.24。由干旱引發的水文負荷減少使區域GPS臺站垂向位置向上抬升，最大值達到了5.2 mm；在第2個降雨虧損階段，不同干旱指數表征的干旱強度存在較大差異。GRACE-DSI顯示該地區為無旱狀態(最小值為-0.24)，而CI和SPEI均顯示該地區仍處于中度干旱狀態，最小值分別為-1.61和-1.09，區域GPS臺站垂向位置上升最大值為4.3 mm。顯然，GRACE-DSI沒能探測到這一干旱事件。在第3個降雨虧損階段，GRACE存在1個月的數據缺失情況，且其余兩個月的GRACE-DSI均為正值。CI顯示該地區為無旱狀態(最小值為-0.07)，SPEI則顯示為輕旱狀態(最小值為-0.87)，而GPS臺站垂向位置上升最大值為1.9 mm。

為了更好地比較不同指標反映干旱強度的差異，對3個降雨虧損階段GPS垂向位移和干旱指數進行統計(表3)。GRACE-DSI在第2、第3階段分別缺失2個和1個月的數據。從表3可以看出，雖然第2階段降雨的平均虧損量最小，但CI和SPEI的平均值均為3個階段中的最小值，GPS臺站垂向位置上升則為最大(2.57 mm)，均表明該時間段西南地區受干旱影響最為嚴重。這主要是由于該階段與第1階段非常接近，且虧損持續時間較長(6個月)，受干旱累積效應影響最為嚴重。第3階段的降水虧損雖然最為嚴重，但持續時間較短，且之后降雨持續顯著的正異常(圖7)能有效緩解降雨虧損的影響。

圖1 GPS臺站分布及金沙江流域的兩個水文觀測站Fig.1 Locations of the GPS stations and two gaging stations in the Jinsha River basin

圖2 濾波前后YNHZ臺站每日的垂向位移變化時間序列Fig.2 Time series of daily GPS vertical position variations at YNHZ before and after filtering

圖3 各個GPS臺站垂向位移月變化時間序列及區域平均值Fig.3 Monthly GPS vertical position variations at each station and the regional mean time series

注：紅色陰影部分為31個GPS臺站垂向位移時間序列的標準差。圖4 31個GPS臺站的平均垂向位移(GPS U)、降雨和GRACE TWSC月變化Fig.4 Monthly variations in GPS vertical position, precipitation and GRACE TWSC

圖5 降雨、GPS垂向位移(GPS U)和GRACE TWSC每月的平均變化Fig.5 Monthly mean variations in precipitation, GPS vertical position and GRACE TWSC

注：紅色陰影部分為17個GPS臺站垂向位移時間序列的標準差。圖6 研究區域內金沙江流域Pingshan、Gangtuo站河流水位變化和GPS垂向位移平均變化Fig.6 Monthly water level variations at Pingshan and Gangtuo and GPS vertical position variations in the Jinsha River basin within the study area

圖7 降雨和GPS垂向位移非季節性變化與3種干旱指數Fig.7 Nonseasonal precipitation/GPS vertical position variations and the three drought indices

圖8 GPS垂向位移與3種干旱指數的散點圖Fig.8 Scatter plots of GPS vertical position anomalies and the three drought indices

GRACE-DSI通過扣除每個月對應的多年平均值得到水儲量變化的異常值，但GRACE存在約15%的數據缺失，當整個時間段內某些月份數據缺失較為嚴重時，將導致多年平均值無法很好地反映水儲量的平均水平，也就無法準確地獲得水儲量變化的異常情況。此外，GRACE數據時間長度不到17年，而多年平均值通常需要30年的數據才能很好地反映平均變化情況[32]，導致GRACE-DSI低估了西南地區的干旱程度[25]。對于不同因素主導的干旱事件，GRACE-DSI與其他干旱指數也存在一定的差異[25]。此外，GRACE空間分辨率(約300 km)也較低。這些都可能成為GRACE無法探測第2、第3階段干旱事件的原因。

CI指數在計算過程中將30天和90天內的日降水量對干旱發展的影響程度視為相同，即權重相等[29]。因此，相比于長期降雨虧損引起的干旱事件，短期降雨虧損(如第3階段為3個月)對應的CI值會受前期降雨的影響較大，從而影響其探測短期干旱事件的效果。為此，有學者提出對不同時間的降雨量給定不同的權重，并在特定區域對CI指數進行了改進[33-34]。此外，西南地區顯著的地形起伏使得降雨的空間分布差異大[9]，這種不均勻性會導致干旱指數在干旱時空分布特征分析方面存在一定的局限性[5]。

雖然SPEI均能很好地探測到3個階段降雨的虧損(表3)，但其顯示研究時間段內干旱最為嚴重時間為2014年5月(最小值為-1.98)，幾乎達到了極端干旱的程度。這與降雨、GPS垂向位移和其他干旱指數明顯不符。從圖7還可以看出，相比其他干旱指數，由于SPEI對潛在蒸散計算方法敏感[4]，其波動更為明顯。

表3 3個降雨虧損階段干旱指數和GPS垂向位移平均變化情況

Tab.3 Mean of drought indices and GPS vertical position anomalies during three periods of precipitation deficits

時間段降雨/mmGRACE-DSICISPEIGPS U/mm第1階段(2011-04—2012-05)-16.8-0.39-0.82 -0.532.51第2階段(2012-10—2013-03)-12.0-0.08-0.94-0.782.57第3階段(2015-05—2015-07)-32.10.24-0.05-0.660.45

3 結 論

本文利用中國大陸構造環境監測網(陸態網)31個GPS臺站2010年8月—2016年12月的垂向位移數據，在削弱隨機噪聲影響并剔除粗差數據的基礎上，通過扣除大氣負荷效應獲得反映水文學效應的GPS垂向位移，用于分析我國西南地區的干旱事件，并討論了不同干旱指標之間的差異。研究結果表明：①GPS垂向位移的季節性變化與區域水文變化(降雨、水儲量和河流水位變化)具有很強的負相關；②GPS垂向位移的非季節性變化與GRACE-DSI、CI干旱指數具有較強的相關性(相關系數約為-0.7)。相比于CI干旱指數，GPS垂向位移可以更好地反映短期降雨急劇減少引起的水文學效應。而數據缺失影響了GRACE-DSI監測干旱的準確性，SPEI則會嚴重高估某些降雨虧損的水文學效應。研究結果表明GPS垂向位移可作為干旱研究的一種有效手段。

需要指出的是，本文研究范圍選取的是陸態網臺站較為密集的西南地區，在站點稀疏的區域GPS監測干旱的可靠性仍需進一步分析，而研究利用GPS監測更小時間尺度(如日尺度或旬尺度)的干旱事件將具有更大的實用價值。此外，GPS探測的大氣水汽含量能為干旱研究提供更多信息。隨著站點的增加和觀測數據的積累，以及我國北斗衛星定位系統的完善，GNSS將有效地促進空間大地測量技術在水文學中的應用研究。

致謝：感謝中國地震局GNSS數據產品服務平臺(http:∥www.cgps.ac.cn/)提供數據支撐。