SWARM監測松遼流域陸地水儲量變化的適用性分析

孫煒程,魏德宏,羅朱鍵,禤鍵豪,張興福

(1. 廣東工業大學土木與交通工程學院,廣東 廣州 510006; 2. 同濟大學測繪與地理信息學院,上海 200092)

GRACE和GRACE-FO重力衛星為全球和區域陸地水儲量變化監測提供了數據支撐,但GRACE與GRACE-FO之間存在約1年的銜接空白,且當前GRACE-FO的D衛星加速度計已出現故障。SWARM衛星提供了新的對地觀測數據,可作為GRACE和GRACE-FO數據填補或替換的有效手段。對于SWARM數據解算,ASU與IGG等科研機構分別采用去相關加速度法和短弧積分法等方式反演SWARM時變模型[1],COST-G機構則基于VCE方法對多機構SWARM時變模型進行融合[2]?？梢妵H機構足夠重視SWARM衛星在時變重力場反演中的應用。

近年來,SWARM時變模型逐漸得到廣泛應用。文獻[2]組合多機構SWARM時變模型,對亞馬孫、阿拉斯加等多個流域進行了陸地水儲量反演分析,發現SWARM與GRACE模型反演結果在多個流域的相關系數大于0.6。文獻[3]利用SWARM時變模型探測亞馬孫干旱事件,通過GRACE、水文模型與虛擬水文站數據進行比較,驗證了SWARM探測結果的可靠性。文獻[4]聯合SWARM衛星觀測資料與ARIMA-MC預測方法,有效填補了GRACE與GRACE-FO在南極與格陵蘭島冰蓋質量的間斷空白。由于SWARM在不同區域的反演精度存在差異性,因此需分析SWARM是否適用于區域陸地水儲量變化監測,為后續開展SWARM的應用提供參考。

松遼流域是我國主要的糧食產區之一,其中松花江流域曾發生嚴重的地下水匱乏[5],遼河流域則因農業灌溉用水導致地下水被過度開發利用[6]。因此,開展松遼流域的陸地水儲量變化監測研究對當地的水資源管理與保護具有重要意義。本文選取該流域作為SWARM監測陸地水儲量變化的研究對象,并綜合多源數據分析SWARM時變模型用于陸地水儲量變化監測的適用性。

1 數據來源

2015年7月前,SWARM衛星的星載設備尚未得到更新,受衛星接收器通道較少與太陽活動等因素影響,其探測數據存在較大噪聲[2]。本文選取2015年7月及以后的SWARM衛星數據進行反演分析。數據來源信息見表1。

表1 數據來源信息

2 原理與數據處理

2.1 時變模型階方差計算

由于采用的時變模型數量較多,為全面評估模型,計算模型各階次位系數相對于參考重力場模型位系數的大地水準面階方差[7],公式為

(1)

2.2 時變模型反演陸地水儲量變化

利用時變重力場位系數計算陸地水儲量等效水高的公式為(參數詳見參考文獻[8])

(2)

計算區域陸地水儲量變化時間序列ΔTWS的公式為

(3)

式中,N為研究區域內的網格數量;θ、λ分別為地心余緯與地心經度。

本文利用TN-13一階項估計值補充時變模型的一階項位系數[9],同時結合SLR測定的C20項與C30項替換時變模型所對應的位系數[10-11],并進行GIA改正[12];采用高斯濾波與Duan去相關濾波處理,以削弱時變模型的高頻噪聲與條帶誤差[13-14],并通過GLDAS模型計算尺度因子以恢復信號[15];利用奇異譜分析(SSA)填補GRACE數據空缺[16]。此外,由于GRACE與GRACE-FO模型的求解方法基本相同,本文將兩者統稱為GRACE。

2.3 確定SWARM時變模型與濾波方案

選取各機構2015年7月—2016年12月的SWARM和GRACE時變模型計算階方差,如圖1所示。結果表明:ASU、COST-G、IGG的SWARM與GRACE階方差的前10階結果較接近,上述模型前10階的階方差均值分別為1.213、1.165、1.128、0.955 mm,可見時變模型的前10階位系數精度較為一致,但隨著階次的增加,SWARM時變模型位系數的噪聲逐漸增大。

圖1 不同機構數據的大地水準面階方差

為進一步分析各SWARM時變模型在松遼流域的精度差異,以GRACE反演結果為參考進行比較,并結合信噪比進行綜合評價,從而篩選模型并確認濾波方案,對比時段為2015年7月—2020年12月。為了保證數據處理的一致性,對SWARM與GRACE時變模型均截斷至40階,并采用相同的濾波處理與泄露誤差改正,濾波半徑分別采用800、1000、1200 km。考慮松遼流域面積限制及信號削弱等因素的影響,本文未添加濾波半徑更大的方案參與比較。濾波結果統計見表2。

表2 時變模型濾波結果的數據統計

由表2可以看出,IGG-SWARM所得結果的均方根誤差(RMSE)與相關系數均優于其他SWARM的濾波結果;且采用1200 km高斯濾波處理時,統計得到的RMSE與相關系數相對于其他濾波結果更佳。在信噪比方面,IGG-SWARM經1200 km高斯濾波的信噪比數據相對于ASU和COST-G機構的結果分別高62.47%、55.99%。因此,后續相關計算選擇IGG-SWARM時變模型(簡稱SWARM),濾波方案選用1200 km高斯濾波。

3 松遼流域陸地水儲量時空變化分析

分別選擇10、40階次的SWARM時變模型,以及10、40、60階次的GRACE時變模型,反演松遼流域陸地水儲量變化,并進行相關分析與對比。其中,10階模型未進行任何濾波處理;40階模型均采用1200 km高斯濾波與泄露誤差改正;而60階GRACE時變模型則采用300 km高斯濾波、Duan去相關濾波與泄露誤差改正。

圖2為松遼流域2015年7月—2020年12月的陸地水儲量及降水量的空間變化趨勢。可以看出:①10階SWARM與GRACE反演松遼流域的陸地水儲量均在西南區域變化不大,在其他大部區域上升;②40階SWARM與GRACE均反映出流域陸地水儲量的上升中心位于中東部,且與降水量的空間變化趨勢符合度較好;③60階GRACE反演結果同樣顯示流域中東部呈顯著上升趨勢,相較于40階SWARM結果,60階GRACE結果的空間分辨率有所提高,能夠檢測到流域西南區域的陸地水儲量存在虧損。此前研究表明,2002—2018年,松花江流域的陸地水儲量自北向南逐漸減少,而遼河流域的陸地水儲量呈南少北多的形勢[17],與本文結果相吻合。綜合而言,SWARM和GRACE在同一尺度下所得松遼流域陸地水儲量的空間變化趨勢較一致,而模型在不同尺度下反演結果的空間分辨率存在一定的差異,但基本可以反映出流域陸地水儲量的空間變化情況。

圖2 松遼流域2015年7月—2020年12月陸地水儲量與降水量的空間變化趨勢

SWARM與GRACE反演松遼流域陸地水儲量變化的時間序列與降水量如圖3所示(虛線表示時變模型反演陸地水儲量的變化趨勢)。表3為變化趨勢與周年振幅?？梢钥闯?當SWARM與GRACE同為10階時,兩者的趨勢項分別為0.59、0.48 cm/a,周年振幅差值為0.04 cm;當SWARM與GRACE同為40階時,其趨勢項分別為0.96、0.71 cm/a,周年振幅差值為0.65 cm;60階GRACE的趨勢項為0.75 cm/a,綜合說明松遼流域的陸地水儲量整體呈上升趨勢。結合RMSE與相關系數計算得知,圖3中3組模型結果在數據重疊時段的RMSE分別達2.443、2.936、3.923 cm,相關系數依次為0.704、0.813、0.621,說明SWARM與GRACE反演結果具有較好的吻合度與相關性,其中同尺度模型反演結果的RMSE與相關系數較優。此外,圖3反映出模型反演的陸地水儲量變化嚴重滯后于實際降水變化,通過相位差計算估計滯后約4～6個月。相關研究表明松花江流域在2002—2017年的GRACE反演結果與地下水實測數據具有長達8個月的滯后,這種滯后現象可能與流域氣候特征、流域面積和地下水超采等因素有關[5]。

圖3 時變模型反演松遼流域在2015年7月—2020年12月陸地水儲量變化的時間序列與降水量

表3 松遼流域陸地水儲量變化趨勢與周年振幅

由圖3可以看出,在SWARM與GRACE數據重疊時段,10、40階的SWARM與GRACE反演松遼流域的陸地水儲量于2016和2019年普遍達到較高水平。水文資料表明,2016年松遼流域雨季連續4月降水量大于9.0 cm,東遼河出現罕見洪水,吉林圖們江、黑龍江等干流全線超警[18],導致陸地水儲量顯著上升;2019年5—8月,松遼流域的降水量均值相對于2016—2020年同期高19.96%,引發了兩次編號洪水,共67條河流發生超警洪水,是范圍最廣的洪澇事件之一[18]。而在圖3(c)中,60階GRACE顯示2016年陸地水儲量達到2015年7月—2017年6月間的最高值,且2019年流域陸地水儲量水平高于2018年。整體而言,SWARM時變模型可有效識別松遼流域的顯著洪澇事件,其陸地水儲量的趨勢變化與GRACE反演的趨勢變化具有較好的一致性。

而在GRACE與GRACE-FO衛星的銜接空白期,由于滯后現象,陸地水儲量變化與實際水文變化存在較大時間差。結果顯示,在10、40階尺度條件下,SWARM數據與GRACE填補數據的相關系數分別為0.565、0.733,具有較高相關性,并均于2017和2018年出現兩處明顯谷值;而在60階尺度條件下,GRACE填補數據的趨勢變化不明顯,這是由于當GRACE大于40階時,其信號變異性的比例增大[16]。結合水文資料記載,松遼流域在2017年初連續4個月降水量低于1.0 cm,加上氣溫逐漸回暖使蒸散量增大,引起東北大部地區春夏連旱[18],該年地表水、地下水及水資源總量相對于2016—2020年的年均值分別低30.03%、15.75%和30.31%[19];而在2018年,松遼流域1—2月的降水量均值相對于2016—2020年同期降低10.48%,導致東北地區再次出現春旱[18]。綜上所述,在GRACE與GRACE-FO衛星的間斷期,SWARM數據與GRACE空缺填補數據在10、40階尺度條件下的相關性較好,并與降水及水資源公報等水文資料記錄的水文變化一致。

4 結 論

本文選擇ASU、IGG和COST-G等機構的SWARM時變模型反演松遼流域陸地水儲量變化,并與GRACE、GRACE-FO時變模型進行比較,分析了IGG-SWARM時變模型用于松遼流域陸地水儲量變化監測的適用性,結論如下。

(1)ASU、IGG和COST-G等機構的SWARM與GRACE時變模型的前10階位系數精度接近,其中IGG-SWARM時變模型更適用于松遼流域的反演研究,該模型采用1200 km高斯濾波后的信噪比相比ASU與COST-G模型結果分別高62.47%、55.99%。

(2)IGG-SWARM與GRACE/GRACE-FO時變模型在同尺度下均反映出在2015年7月—2020年12月,松遼流域西南區域的陸地水儲量變化較小,其他大部區域呈上升趨勢;而時變模型在不同尺度下的反演結果對流域陸地水儲量變化的探測能力存在一定的差異,但基本可以反映出流域陸地水儲量的空間變化情況。

(3)IGG-SWARM時變模型的時序結果可識別流域內的顯著旱澇事件,與GRACE、GRACE-FO時變模型反演結果具有較好的一致性,兩者在數據重疊時段的相關系數可達0.6以上。綜合說明SWARM時變模型適用于監測松遼流域的陸地水儲量變化研究。