近20年黃河源區陸地水儲量增加及其可能原因分析

梁文濤，衛林勇，劉 懿，尹 航，韓振華

（1.中國水利水電科學研究院內蒙古陰山北麓草原生態水文國家野外科學觀測研究站，北京 100038；2.河海大學水文水資源學院，南京 210098；3.水利部牧區水利科學研究所，呼和浩特 010020）

0 引 言

黃河源區位于“亞洲水塔”青藏高原的東部地區，是黃河流域生態保護與社會經濟高質量發展的重要區段［1］。隨著社會經濟不斷發展和人類活動的作用力加劇，黃河源區存在著嚴重的水資源問題，如湖泊萎縮、冰川凍土退化、植被覆蓋度減少導致涵養水源能力下降［2］。陸地水儲量由冰雪、湖泊、河流、土壤水和地下水等組成，是流域水平衡的關鍵參數，能夠綜合反映流域降水、蒸發和徑流變化過程。了解陸地水儲量的變化現狀對黃河源區水資源的可持續決策和合理規劃具有重要支撐作用。

由于在高海拔山區缺乏地面觀測，它阻礙掌握陸地水儲量的時空變異性。自2002年3月GRACE 衛星發射，其為全球范圍的水儲量監測提供了一種有用的手段和數據集［3］。目前，GRACE 產品結合GLDAS 數據已經被廣泛用于調查區域陸地水儲量變化，包括西非、印度半島、塔里木河流域、長江流域以及黃河流域等［3-5］。已有研究表明陸地水儲量在黃河流域2003年至2017年具有下降趨勢［4］。但是，黃河流域局部地區的氣候和水文差異性大。盡管許等人指出陸地水儲量在黃河源區2003年至2008年呈增加趨勢［5］。作為GRACE 產品的繼承者，GRACE-FO 數據集也得到了很好的水文應用［6，7］。利用最新的更長時間序列的GRACE 產品，即聯合GRACE 和GRACE-FO 數據集，揭示黃河源區陸地水儲量演變特征有著與時俱進的意義，且該調查工作幾乎處于空白狀態。

本文利用機器學習模型，結合GRACE 和GRACE-FO 產品解析黃河源區2002年4月至2020年3月的陸地水儲量演變規律、陸地水儲量成分時間變化特征、以及陸地水儲量與氣象因素之間的聯系。

1 研究區與數據

1.1 研究區域

黃河源區的地理位置介于東經95.5°～103.5°、北緯31.5°～36.5°之間，覆蓋面積約13 萬km2，橫穿青海、四川和甘肅三省。黃河源區的地貌復雜，涵蓋了冰川、凍土、湖泊、高山、盆地等地理特征；自然生境獨特，以高寒植被為主。黃河源區地勢西高東低，且絕大部分地區的海拔高于2 600 m；氣候屬于半干旱半濕潤型，多年平均降水量從東南部（832 mm）向西北部（325 mm）逐漸降低且降水集中在夏季；氣溫東高西低且晝夜溫差大，多年平均蒸散發量為240～764 mm（見圖1）。源區自然資源豐富，是黃河流域重要的產流區和水源涵養區［8］。

圖1 黃河源區的高程、降水和蒸散發空間分布Fig.1 Spatial distribution of elevation，precipitation and evapotranspiration in the source region of the Yellow River

1.2 數據來源

GRACE產品是由美國國家航空航天局（NASA）和德國航空航天中心聯合研制的地球重力衛星數據［7］。在陸地上，GRACE提供垂直整合的陸地水儲量變化觀測資料，其值為各月陸地水儲量減去2004年1月至2009年12月的月平均陸地水儲量。目前，GRACE陸地水儲量產品可以從德克薩斯大學空間研究中心（CSR）、德國地球科學研究中心（GFZ）和噴氣推進實驗室（JPL）獲取。在它們之中，CSR RL06 mascon 產品是現階段空間分辨率最高的陸地水儲量數據集，其在1°等面積上提供0.25°網格數值，并已經頻繁應用在小流域或小尺度區域的陸地水儲量變化研究和干旱監測［6，7，9］。因此，本研究使用CSR GRACE/GRACEFO RL06 Mascon V2 產品，研究時期從2002年4月至2020年3月。對于GRACE 數據在時間序列上存在的數據缺失情況，其1個月或連續2 個月缺失的數值采用樣條插值方法進行插補；由于GRACE 衛星被GRACE-FO 衛星更替所導致的數據鴻溝較長，本文利用長短期記憶網絡模型對2017年7月至2018年5月連續缺失的GRACE數據進行修復。

GLDAS 數據是由NASA 與美國國家海洋和大氣管理局基于先進數據同化技術共同開發的地表場信息產品，其包含了大量的水文變量數據［10，11］。GLDAS 同化系統能夠融合衛星與地面觀測數據，驅動不同的陸面模型。在這些陸面模型中，GLDAS Noah 陸面模式具有最高0.25°的分辨率，與GRACE CSR mascon 產品的空間分辨率一致。由此，本文選取2002年4月至2020年3月GLDAS Noah 模型估計的蒸散發、冠層水、雪水當量、4 層土壤水數據集，并基于水文模型用冠層水、雪水當量和土壤水資料疊加計算出GLDAS陸地水儲量［10］。為了與GRACE衛星產品保持一致，GLDAS 逐月陸地水儲量也減去2004年到2009年的月均值。GLDAS 陸地水儲量已經被頻繁用于驗證GRACE陸地水儲量數值的可靠性［3，9-11］。

黃河源區降水數據來自國家氣象局2002年4月至2020年3月的中國地面降水0.5°格點數據集V2，該數據是基于大約2400 個氣象站的觀測資料利用薄盤樣條插值方法生成的網格降水數據，其時間分辨率為1月、空間分辨率為0.5°［6］。本文利用雙線性插值法將此數據集內插成0.25°分辨率的降水數據。

2 研究方法

2.1 長短期記憶網絡模型

較先進的深度學習模型長短期記憶（LSTM）網絡是一種特殊的循環神經網絡，其主要作用在于改進傳統的循環神經網絡在記憶模塊中學習長期依賴性的缺陷［6］。LSTM 神經元由輸入層、隱藏層（包含細胞記憶的狀態單元和刪除冗余信息的遺忘門）、輸出層組成，這些模塊能夠控制和調整網絡的單元狀態。關于LSTM 模型的具體結構和計算公式可參考文獻［12］。LSTM 網絡模型具有較高的模型擬合和學習能力，在干旱預測、地星降水產品融合、徑流還原以及陸地水儲量重建得到了較好的應用。因此，LSTM 模型可以作為復雜水文地質特征的黃河源區GRACE 陸地水儲量修復的一種可行方案。本文主要調試LSTM 模型中的幾個關鍵參數，即丟棄率、初始學習率、學習率和梯度閾值，最終確定其數值分別為0.2、0.005、0.2、1。

2.2 統計模型

皮爾遜相關系數（CC）法是用于估計給定n組兩個變量（Gi，Si；i=1，2，…，n）間相關程度的一種統計學方法。它的計算公式如方程（1）所示，G和S分別表示兩個變量的均值，CC表示兩個變量的皮爾遜相關系數。CC的數值范圍在-1至1之間，越接近于1，正相關程度越高，反之則負相關程度越高。皮爾遜相關系數可用于驗證GRACE陸地水儲量產品與GLDAS數據的一致性以及分析陸地水儲量與氣象因素之間的相關關系。另外，皮爾遜相關系數和納什效率系數（NSE）也可用于評估LSTM 模型重建GRACE陸地水儲量的可靠性。

最小二乘法是基于給定的n組數組對（xi，yi；i=1，2，…，n），以線性函數y=k x+b 估算的數據與yi之間最小化誤差的平方和為準則，去尋找該組數組對最佳擬合公式的一種數學優化技術。其中，參數k為變量y隨著時間x的變化趨勢，若k＞0，表示因變量呈現增加的趨勢，反之則呈現下降的趨勢，它的數學表達式見方程（2）。本文利用最小二乘回歸方法分析黃河源區陸地水儲量、陸地水儲量成分和氣象因子在相應尺度上的變化趨勢。

3 結果分析

3.1 陸地水儲量變化趨勢

為了填補GRACE 和GRACE-FO 數據記錄中的缺失片段，以GLDAS 數據計算的陸地水儲量、GLDAS 蒸散發、降水數據作為自變量，以GRACE 陸地水儲量作為因變量，構建LSTM 模型。在研究期所有變量的月時間序列數據重疊時段共205 個月，考慮陸地水儲量在時間上的變異性，采用隨機抽樣的方式獲得194 個訓練樣本和11 個測試樣本。該模型在訓練期間的性能較高，并且在驗證階段也表現出良好的一致性，皮爾遜相關系數為0.923、納什效率系數為0.816（圖2）。這些結果體現了所建立的LSTM 模型可以用來填補GRACE 與GRACE-FO 之間的數據缺口。

圖2 LSTM模型在測試期的性能Fig.2 Performance of LSTM model in the test period

為了驗證GRACE 反演的陸地水儲量數值的準確性，選用GLDAS 水文模型模擬的陸地水儲量對其進行驗證。圖3 展示了黃河源區2002年4月至2020年3月GRACE和GLDAS估算的區域平均陸地水儲量在月尺度上的變化過程。由圖3 可知，GRACE 與GLDAS 估計的陸地水儲量在幅度和時間上變化趨勢基本上一致，兩者的皮爾遜相關系數在GRACE時期為0.538、在數據鴻溝時段為0.936、在GRACE-FO 時期為0.436、在研究期為0.737。盡管如此，它們之間存在細微的偏差，GRACE 反演的結果波動范圍為-76.7 至113.4 mm，而GLDAS 計算的范圍為-83.7 至132.6 mm。這可能因為兩者所包含的水文變量不一致，如GRACE產品含有的地下水和湖泊相關數值，而GLDAS陸地水儲量數據不包括。總之，GRACE重力衛星反演的陸地水儲量產品的可靠性有著很好的保障，可為黃河源區的陸地水儲量變化分析提供較大潛力的數據集。

從圖3 可以看出，黃河源區的陸地水儲量在研究期間呈現先增加后降低再增加的變化過程，但整體上表現出增加趨勢，線性斜率為0.198 mm/月。具體地，陸地水儲量在2002年4月至2012年8月以0.267 mm/月的線性斜率緩慢地上升，在2012年9月至2016年9月以1.369 mm/月的線性斜率急劇地下降并在2016年9月出現最低的負值。然而，陸地水儲量在2016年10月至2020年3月再次以3.124 mm/月的線性斜率回升，并且在GRACE-FO 時期所有月份均顯示出盈余的狀態，以及大部分月份的數值一般高于GRACE 時期的量值。這些結果相較于許等所報道的相關內容［5］，更能揭示該區域的陸地水儲量歷史變化狀態。另外，陸地水儲量也有明顯的季節性變化特征，即，在旱季易出現虧損狀態，而在濕季通常呈現盈余狀態。這是因為具有季節性的降水、蒸散發、氣溫等因素直接促使陸地水儲量發生相似的變化。

圖3 基于GRACE與GLDAS產品的陸地水儲量在月尺度上的變化Fig.3 Variation of terrestrial water storage based on GRACE and GLDAS products at a monthly scale

3.2 陸地水儲量成分時間變化

詳細的陸地水儲量成分分析有助于更好地闡釋陸地水儲量的時空變化特征。地下水、土壤水和雪水當量是陸地水儲量的主要成分［11］。這里的地下水數據是用GRACE 陸地水儲量數值減去土壤水和雪水當量數值獲得的［13］。由圖4 可知，3 個陸地水儲量成分的時間變化特征有著很大的差別，并表現出不同的增減趨勢。詳細地，雪水當量在研究期以0.008 mm/月的線性斜率平坦地增加，在個別月份出現較豐富的盈余狀態，如在2011年11月達最高正值16.8 mm；它與陸地水儲量的時間序列極為不一致。有趣地，土壤水的時間變化展示出明顯的增加趨勢，在2002年4月至2020年3月期間的線性斜率為0.398 mm/月；且它也有著先增加后降低再增加的變化趨勢，與陸地水儲量的時間變化有著高度的相似性，皮爾遜相關系數為0.731。相比于受氣候變化影響敏感的雪水當量和土壤水，地下水呈現相反的趨勢，其以0.209 mm/月的線性斜率下降，與陸地水儲量的變化趨勢方向不一致。因此，在3個陸地水儲量成分中，土壤水是黃河源區的陸地水儲量變化的主要貢獻成分。

圖4 地下水、土壤水和雪水當量變化趨勢Fig.4 Variation trend of groundwater，soil moisture and snow water equivalent

3.3 水儲量變化的氣象因素分析

黃河源區的氣候變化復雜，降水、蒸發等因素容易導致陸地水儲量發生急劇變化。另外，陸地水儲量對人類活動的響應也頗為敏感，但本文重點分析氣象變量（降水和蒸散發）對源區陸地水儲量的影響。

降水被認為是影響陸地水儲量變化的最重要的氣候因素之一。由圖5 可以觀察到，降水和蒸散發變量具有很強的年代周期性和年內季節性變化，在夏季和秋季降雨量大、蒸散發強，而春季和冬季降雨量小、蒸散發弱，導致陸地水儲量也有著相似的演變特征。另外，降水在研究期間以0.017 mm/月的線性斜率略微增加，而蒸散發量有著-0.026 mm/月的線性斜率下降趨勢。一般地，這兩個變量與陸地水儲量在季節性變化上有著緊密的一致性，均在旱、濕季分明。

圖5 陸地水儲量與月降水和月蒸散發的變化關系Fig.5 Variation relationship between terrestrial water storage and monthly precipitation and monthly evapotranspiration

降水和蒸散發在月尺度上趨勢變化是微弱的，不易于直觀發現陸地水儲量與它們之間的聯系。圖6展示了陸地水儲量與降水和蒸散發在年尺度上的變化關系。年降水量也有先增加后降低再迅速增加的趨勢，而年蒸散發量緩慢地增加再急劇下降。圖6（a）、6（b）顯示，陸地水儲量變化量和源區降水量之間存在統計上顯著的正相關，皮爾遜相關系數為0.597、p小于0.05、線性斜率為2.52，即隨著降水增加、陸地水儲量變化量也增加。相反，在陸地水儲量變化量和蒸散發之間存在負相關，皮爾遜相關系數為-0.219、線性斜率為-2，即陸地水儲量與蒸散發量變化方向相反［見圖6（c）、6（d）］。顯而易見地，降水趨勢增加是黃河源區陸地水儲量增加的重要因素，而蒸散發量減少是該地區陸地水儲量上升的可能原因。

圖6 陸地水儲量與年降水和年蒸散發的變化關系Fig.6 Variation relationship between terrestrial water storage and annual precipitation and annual evapotranspiration

氣象因素對陸地水儲量變化扮演著重要的角色。近20年來，降水量以0.017 mm/月的趨勢增加是黃河源區陸地水儲量增加的重要原因。降水是陸地水儲量變化的主要天然補給來源［11］。在2016年之后，陸地水儲量急劇上升，年降水也有快速增加的趨勢。近年來氣溫上升，引起山頂上的積雪融化和多年凍土的融化，也會給陸地水儲量帶來一定量的補給［14］，但相對于降水量來說只是少量的。蒸散發是陸地水儲量變化的主要自然消耗源。增加的氣溫，在其他區域會導致蒸散發量的增加，而蒸散發量在黃河源區整體上呈現下降趨勢。因此，陸地水儲量的增加是多種因素綜合變化影響的結果。

4 結 論

（1）LSTM 模型在源區的GRACE 產品修復方面具有很好的可靠性，以及GRACE 重力衛星陸地水儲量產品與GLDAS 水文模型模擬結果有著較好的匹配度，皮爾遜相關系數為0.737，可為黃河源區提供適用的水儲量數據。

（2）研究時段，黃河源區的陸地水儲量具有顯著的季節性和先增加后降低再增加的變化趨勢，整體上以0.198 mm/月的線性斜率上升。此外，土壤水的增加是陸地水儲量增加的主要貢獻成分。

（3）陸地水儲量與降水有著顯著的正相關，而與蒸散發之間存在負相關。因此，降水量增加是近20年來黃河源區陸地水儲量上升的重要原因，而蒸散發下降是該區域陸地水儲量增加的可能原因。

總體而言，本文聯合GRACE 和GRACE-FO 重力衛星產品更深層次地了解黃河源區的陸地水儲量演變特征及其原因，可為黃河流域生態保護和高質量發展政策提供更詳細的黃河源區陸地水儲量狀況，以及未來區域水資源規劃提供有力的參考。在未來研究中，則需進一步探討陸地水儲量變化對人類活動的響應，如土地利用、水庫、取用水工程等，從而更合理地利用流域水資源，降低旱澇損失。