基于GRACE数据的中国水储量变化特征分析

引用本文

陈坤, 蒋卫国, 何福红, 陈征. 基于GRACE数据的中国水储量变化特征分析.自然资源学报,2018 33(2): 275-286
CHEN Kun, JIANG Wei-guo, HE Fu-hong, CHEN Zheng. Tempoal and Spatial Variations of Water Storage Changes in China with GRACE Data. Journal of Natural Resources, 2018 33(2): 275-286 复制到剪切板

doi: 10.11849/zrzyxb.20161349

Permissions

《自然资源学报》编辑部所有

基于GRACE数据的中国水储量变化特征分析

陈坤^1,^2,³, 蒋卫国^2,^*, 何福红^3,^*, 陈征²

1. 中国环境科学研究院,北京 100012

2. 北京师范大学地理科学学部环境演变与自然灾害教育部重点实验室, 北京 100875

3. 鲁东大学资源与环境工程学院,山东烟台 264025

*通信作者简介：蒋卫国（1976- ）,男,湖南衡阳人,教授,研究方向为洪水灾害及湿地生态遥感监测与评价研究。E-mail:jiangweiguo@bnu.edu.cn；何福红（1978—2017）,男,湖南衡阳人,副教授,研究方向为土壤侵蚀与3S技术应用。

第一作者简介：陈坤（1989- ）,男,山东威海人,硕士研究生,主要从事水资源遥感方面的研究。E-mail:chenkun0697@126.com

收稿日期: 2016-12-06

基金: 国家重点研发计划（2016YFC0503002）; 国家自然科学基金（41571077,41471223）; 中央高校基本科研业务费专项基金

摘要

论文以中国2003—2015年GRACE水储量数据、GLDAS-Noah地表蒸散发数据、地面实测降水数据为数据源,基于Theil-Sen Median 趋势分析和Mann-Kendall检验法,分析了中国水储量、降水量以及蒸散发量的变化趋势及相关关系,并利用经验正交函数（EOF）分析了中国水储量变化时空分布特征,结果表明：1） 2006年以后中国整体水储量年际变化剧烈,且降水和蒸散发可以识别水储量异常时段内的特征信息;2） 2003—2015年全国各地水储量、降雨量和蒸散发量变化空间分布差异明显;3）全国共有18.6%的地区气候因素对水储量变化的方差解释量超过50%,主要位于中国东北、东南沿海、四川盆地、青海高原以及新疆西北部地区;4） EOF分解的GRACE水储量各主成分信息可以表征研究时段内中国地区整体和局部的水储量时空变化特征。

关键词: GRACE; 水储量; Theil-Sen Median 趋势分析; Mann-Kendall检验法; EOF

中图分类号:TV213 文献标志码:A 文章编号:1000-3037(2018)02-0275-12

Tempoal and Spatial Variations of Water Storage Changes in China with GRACE Data

CHEN Kun^1,^2,³, JIANG Wei-guo², HE Fu-hong³, CHEN Zheng²

1. Chinese Research Academy of Environmental, Beijing 100012, China

2. Key Laboratory of Environmental Change and Natural Disaster of Ministry of Education, Faculty of Geographical Science, Beijing Normal University, Beijing 100875, China

3. School of Resources and Environmental Engineering, Ludong University, Yantai 264025, China

Fund:National Key Research and Development Program of China, No. 2016YFC0503002; National Natural Science Foundation of China, No. 41571077 and 41471223; Fundamental Research Funds for the Central Universities.

Abstract

In this paper, we collected Gravity Recovery and Climate Experiment (GRACE) Tellus products data, GLDAS-Noah surface evapotranspiration data and ground observation rainfall data from 2003 to 2015 in China. The trends of water storage, rainfall and evapotranspiration and the correlations between them were analyzed with Theil-Sen Median trend analysis and Mann-Kendall test. Furthermore, empirical orthogonal function (EOF) decomposition was used to analyze the temporal and spatial distribution characteristics of total water storage in China. The results show that: 1) The annual variation of water reserves in China became more severe after 2006, and the characteristics of abnormal water storage periods can be characterized by precipitation and evapotranspiration. 2) From 2003 to 2015, the changes of water storage, rainfall and evapotranspiration had significant spatial variations. 3) In the past 13 years, climatic factors could explain more than 50% variation of water storage change in almost 18.6% of total area of China, mainly distributing in the Northeast China, the southeast coast area, the Sichuan Basin, the Qinghai Plateau and the northwest of Xinjiang. 4) The principal component information of GRACE water storage decomposed by EOF can characterize the temporal and spatial characteristics of the global and local water storage in China in the study period.

Key words: GRACE; water storage; Theil-Sen Median trend analysis; Mann-Kendall test; EOF

Show Figures

随着气候变化影响的加剧和社会经济的快速发展, 中国水资源短缺和时空分布不均等问题十分突出^[1]。因此, 准确地估算中国水储量的时空变化, 分析水储量与气象因素的响应规律, 对中国水资源宏观的开发利用和管理具有重要的参考意义。长期以来, 全球及区域大尺度陆地水储量研究主要是以水文过程模型（如Global Land Data Assimilation System, GLDAS）模拟为主^[2], 但是受观测资料和模型参数等因素的影响, 模拟结果不确定性较大。GRACE重力卫星（Gravity Recovery and Climate Experiment）的发射成功, 其采用的近极低轨道星载GPS跟踪、非保守力加速仪以及高精度星间距离测量等新技术, 显著提高了重力场观测的精度和时空分辨率, 从而为大、中尺度区域陆地水储量变化研究提供了新的途径^[3]。

GRACE卫星的重力观测提供了地球重力场变化信息, 在季节性或年际较短时间尺度上地球重力场变化主要原因是地球表层大气压力、海底压力和陆地水储量变化, 在陆地区域重力场变化主要是由水储量变化造成^[4]。在此基础上, Swenson等利用GRACE数据提取陆地水储量变化数据并对结果进行验证, 研究表明在研究区域大于4× 10⁵km²时, GRACE数据估算的水储量变化的精度可达1 cm等效水柱高度^[5]。此后, 很多学者利用GRACE数据对全球各大流域和典型区域进行了水储量变化研究, 并验证了GRACE数据适用于大中尺度水储量变化研究的可靠性^{[6, 7, 8, 9, 10]}。

在陆地水循环过程中, 降水、蒸散发是影响水储量变化的重要因素^[11]。目前, 很多学者利用GRACE数据分析水储量与气象因素之间的关系, Penatti等利用TRMM数据、MOD16数据和GRACE数据分析了潘塔纳湿地水储量与降水和蒸散发之间的相关性, 结果表明该地区水储量变化与降水和蒸散发都有较高的相关性^[12]。许民等利用GRACE数据和站点降水数据, 分析了2003— 2010年天山地区水储量变化与月降水量年内和年际变化趋势, 结果表明两者在变化趋势上保持很好的一致性^[13]。严家宝等利用GRACE数据和TRMM降水数据对比分析了中国各大流域陆地水储量与降水年内和年际变化规律^[14]。以上研究主要从区域尺度分析了降水、蒸散发与水储量变化的相关关系, 然而很少有人从全国角度出发, 分析中国蒸散发和降水共同作用对水储量变化的影响。

因此, 本文利用2003年1月到2015年12月的GRACE陆地水储量数据、GLDAS- Noah的地表蒸散发数据以及地面实测降水数据, 对中国近13 a陆地水储量、降水量和蒸散发量变化进行趋势分析和相关分析, 最后采用经验正交函数（EOF）分解方法分析了中国水储量时空变化特征, 研究结果将有助于我们宏观了解中国陆地水储量与降雨和蒸散发的关系, 并为我国水资源的合理分配与管理提供依据。

1 研究数据

1.1 GRACE重力卫星数据

GRACE重力卫星计划是由美国国家航空航天局（National Aeronautics and Space Administration, NASA）和德国宇航中心（Deutsches Zentrum fü r Luft- und Raumfahrt, DLR）联合开发, 并于2002年3月发射成功。GRACE卫星的主要任务是对地球重力场的时空变化进行精准测量, 获取的时变重力场信息可以等效转换为地球表面的质量变化。

本文采用的陆地水储量变化数据是NASA提供的GRACE Tellus陆地栅格数据产品, 数据时间序列为2003年1月至2015年12月共142期数据, 产品主要包括CSR、JPL和GFZ三个版本, 本文参考前人研究, 采用了CSR机构的产品数据^{[15, 16]}。产品数据反演过程中对重力场球谐系数截断至60阶, 并经过去条带滤波和窗口宽为300 km的高斯滤波处理^[17]。最终产品为全球陆地区域1.0° × 1.0° 栅格大小的月等效水柱高度变化数据, 单位为cm。由于卫星传感器问题, 2003— 2015年期间共丢失14期数据, 当数据缺失时, 对缺失月份为中心的5个月窗口用四次多项插值填补。

1.2 降水数据

本文采用的降水数据为中国地面气候资料日值数据集（V3.0）中地面实测数据, 来源于中国气象科学数据共享服务网（http://cdc.nmic.cn/home.do）, 该数据集共包含了839个地面气象站数据, 其中国家级基准、基本气象站824个, 其他级别测站15个, 日降水数据的比例因子为0.1, 单位为mm, 本文选取2003年1月到2015年12月的降水日值数据, 通过月累加求和和反距离加权插值处理, 最终得到空间分辨率为1.0° × 1.0° 的全国月降水空间分布数据。

1.3 蒸散发数据

本文采用的2003— 2015年地表蒸散发数据来源于GLDAS-Noah陆面模式的Version 2.1产品, 该产品的时间分辨率为月, 空间分辨率为1° × 1° , 根据研究需要提取了主要的输出变量蒸散发量, 为了与GRACE数据匹配, 将其处理成单位为cm的等效水柱高度, 且对2003年1月至2015年12月的数据做距平处理。

2 分析方法

2.1 经验正交函数

经验正交函数分析方法（Empirical Orthogonal Function, EOF）也称主成分分析或特征向量分析。它主要是利用数据集的方差贡献来识别和强化信号的相似性, 通过将随时间变化的地球物理场分解为正交的时间函数和空间函数部分^[18], 一个连续的时空随机场F(x, t)的分解可表示为：

$\begin{matrix} F (x, t) = \overset{K}{\sum_{k = 1}} c_{k} (t) u_{k} (x) \end{matrix}$ （1）

式中：向量（x, t）表示时间为t、空间位置为x的时空位置; K是正交时空随机场中的模态数, 这些模态由正交空间函数 $\begin{matrix} u_{k} (x) \end{matrix}$ 表示, 即EOF_k; 时间关联函数 $\begin{matrix} c_{k} (t) \end{matrix}$ 是F(x, t)在 $\begin{matrix} u_{k} (x) \end{matrix}$ 上的投影, 又称经验正交函数的膨胀系数, 即PC_k。为了解月水储量的时空变化模式, 在EOF分解之前将各栅格的月水储量时间序列数据进行标准化处理。

2.2 Mann-Kendall（M-K）检验法

在水文、气象时间序列趋势分析中, 非参数检验方法比参数检验方法更加适用于非正态分布的数据检验, 非参数M-K检验法常广泛用于降雨、气温和径流等水文气象要素的趋势分析及变异检验, 其结构简单, 计算方便, 且时间序列无需遵从一定的分布, 也不受少数异常值的干扰^[19]。

定义一组时间序列X=(x₁, x₂, …, x_n), 其标准化的检验统计量公式为：

$\begin{matrix} Z = \{\begin{matrix} \frac{(S - 1)}{\sqrt[]{Var (S)}} (S > 0) \\ 0 (S = 0) \\ \frac{(S + 1)}{\sqrt[]{Var (S)}} (S < 0) \end{matrix} \end{matrix}$ （2）

式中：

$\begin{matrix} S = \overset{n - 1}{\sum_{i = 1}} \overset{n}{\sum_{j = i + 1}} sgn (x_{j} - x_{i}) \end{matrix}$ （3）

$\begin{matrix} sgn (x_{j} - x_{i}) = \{\begin{matrix} 1 (x_{j} - x_{i} > 0) \\ 0 (x_{j} - x_{i} = 0) \\ - 1 (x_{j} - x_{i} < 0) \end{matrix} \end{matrix}$ （4）

$\begin{matrix} Var (S) = \frac{n (n - 1) (2 n + 5)}{18} \end{matrix}$ （5）

式中：x_i、x_j分别表示像元i和j时刻的像元值; n表示时间序列的长度; sgn是符号函数; 统计量Z的取值范围为（ $\begin{matrix} - \infty ， + \infty \end{matrix}$ ）。在给定显著性水平α 下, 当 $\begin{matrix} |Z| > u_{1 - \frac{α}{2}} \end{matrix}$ 时, 表示研究序列在α 水平上存在显著的变化。一般取α =0.05, 即本文判断在0.05置信水平上水储量时间序列变化趋势的显著性。

2.3 Theil-Sen Median 趋势分析法

Theil-Sen Median趋势分析是一种稳健的非参数统计的趋势计算方法, 可以减少数据异常值的影响^[20]。Theil-Sen Median趋势计算n(n– 1)/2个数据组合的斜率的中位数, 其计算公式为：

$\begin{matrix} S_{V} = Median (\frac{V_{j} - V_{i}}{j - i}) (2003 \leq i < j \leq 2015) \end{matrix}$ （6）

式中：V代表空间上某点的水储量或降水量时间序列; i和j代表时间序列上两个不同的年份。当 $\begin{matrix} S_{V} > 0 \end{matrix}$ 时, 表示变量呈现增长趋势, 反之, 则表示变量 $\begin{matrix} S_{V} \end{matrix}$ 呈现减少趋势。

3 结果与分析

3.1 中国水储量、降水量、蒸散发量时间变化分析

从2003— 2015年全国降水、蒸散发和水储量变化过程可以看出 [图1(a)], GRACE水储量变化与降水量和蒸散发量变化具有明显的一致性, 并表现为明显的季节性变化; GRACE水储量变化滞后于降水量和蒸散发量变化, 且降水量变化的幅度大于水储量和蒸散发量变化的幅度, 其中降水量、蒸散发量和GRACE水储量变化（距平值）幅度分别为12、6.3、10.5 cm, 这在一定程度上反映了降水需要经过地表径流、蒸发、渗透等复杂的水文过程使得水分重新分配, 最终形成陆地水储量^[21]。

	Figure Option View Download New Window
	图1 2003— 2015年中国陆地水储量（GRACE）、降水量、蒸散发量变化Fig. 1 Inter-annual changes of GRACE water storage, precipitation and evapotranspiration of China from 2003 to 2015

为了消除水储量、降水量和蒸散发量年内变化的影响, 本文对原时间序列数据做了13点滑动平均, 得到研究时段内中国水储量（GRACE）、降水量和蒸散发量变化图, 如图1(b)所示。降水量、蒸散发量、GRACE水储量三者的年际变化存在明显差异, 降水量虽然与水储量有一定差异, 但是降水量变化能够很好地识别出水储量变化过程中的主要峰谷特征; 从整体上看蒸发量在研究时段内呈上升趋势, 在一定程度上可以解释水储量下降; 2003— 2005年水储量、降水量和蒸散发量的年际变化相对平稳, 2006年以后中国水储量年际波动剧烈, 2006、2007、2009、2011以及2013年以后水储量出现明显下降, 而且多年处于偏低状态, 仅在2010和2012年间回升到平均状态以上, 降水量和蒸散发量的年际变化幅度虽然不大, 但是在水储量年际波动异常年份也能表现出一致的变化趋势。由EM-DAT数据库^①（① 比利时鲁汶大学灾害流行病学研究中心的紧急灾害数据库（Emergency Events Database, EM-DAT）, 该数据在国际灾害管理和研究领域被广泛应用, 该数据库收录了自1900年以来17 000多例大灾害发生和影响数据。）提供的灾害信息可知（图2）, 2006年之后全国干旱和洪涝事件频发, 其中2006年、2009— 2011年和2014— 2015年连续干旱可能是直接导致水储量常年偏低的主要原因, 而2011年下半年至2012年水储量的迅速回升可能与降水量增加和各地区连续的洪水事件有关。

	Figure Option View Download New Window
	图2 2003— 2015年中国地区洪水和干旱发生次数Fig. 2 The number of floods and droughts in China from 2003 to 2015

3.2 中国水储量、降水量、蒸散发量空间变化分析

为了分析中国陆地水储量变化与降水、蒸散发的季节性响应的空间分布规律, 本文计算了研究时段内多年平均的月降水量、月蒸散发量以及月水储量, 并提取了各栅格最大值、最小值出现的月份。由图3(a)、(b)、(d)、(e)可知, 全国大部分地区降水量和蒸散发量最大值主要发生在夏季, 受大陆性季风气候作用, 南方降水量最大值对应的月份要早于北方, 而在高原冰川地区的蒸散发量会受积雪升华影响, 最终导致最大值出现在春季; 从降水量和蒸散发量最小值对应的月份来看, 全国大部分地区降水量和蒸散发量出现在冬季。由图3(c)、(f)可知, 全国各地区水储量最大值和最小值对应的月份具有明显差异, 其中全国最大值出现的月份以长江为分界线由南向北分层明显, 长江以南最大值主要出现在夏季, 长江以北大部分地区出现在秋季, 而华北和东北以及新疆大部分地区分别出现在冬季和春季; 从全国各地区水储量最小值对应的月份来看, 长江以南和黄河上游地区分别出现在冬季和春季, 东北、新疆、内蒙古以北地区和华北地区分别出现在秋季和夏季。综合图3可以看出, 我国大部分地区水储量最大最小值出现的月份要滞后于降水和蒸散发1~2个月, 而对于华北、东北以及新疆大部分地区水储量最大最小值对应的月份明显晚于其他地区, 主要是因为这些地区的水储量变化受人类活动影响和水汽来源不同造成的。前人研究发现, 中国北方地区的水库管理、调水以及运煤等人类活动造成的质量增益在一定程度上可以补偿水储量亏损导致的质量减少^[22], 最终导致北方地区水储量最大最小值对应的月份具有延迟性; 东北和新疆地区水储量最大值出现于早春, 主要是因为冬季大部分液态水以固态形式保存, 加上蒸发量和径流量较小, 导致这些地区水储量最大值出现在春汛之前。新疆地区水储量最小值主要出现在秋季, 主要是因为夏季蒸发量较大导致, 而东北地区由于经历春汛和夏汛期导致水储量最小值出现在秋季。吐鲁番盆地由于地形、地势特点形成了与邻近地区截然不同的气候特征, 最终导致该区域内水储量最大最小值对应的月份与周边地区差异明显。

	Figure Option View Download New Window
	图3 月多年平均降水量、蒸散发量和水储量最大、最小值对应月份空间分布Fig. 3 The months corresponding to the maximum and the minimum monthly average precipitation, evaporation and GRACE water storage

本文利用Theil-Sen Median趋势分析法和M-K检验方法对全国降水量、蒸发量和水储量（GRACE）变化趋势及显著性空间分布特征进行分析。从图4(a)看, 在研究时段内华北平原中部和南部、西藏中部以及横断山脉地区年降水量呈减少趋势, 而中国东北、陕北高原北部、四川盆地、长江中下游平原以及华南部分地区的降水量呈增加趋势, 部分地区降水量年际变化超过1 cm/a, 且通过了95%置信区间的M-K检验; 西北干旱区由于降水量少, 降水量没有明显的变化趋势。图4(b)是蒸散发量年际变化趋势及显著性的空间分布, 我国大部分地区蒸散发呈增加趋势, 其中东北、黄淮平原东部、四川盆地以及华南沿海地区蒸散发量显著增加; 我国西部干旱地区虽然实际蒸散发较小, 但是局部地区仍具有显著变化趋势, 例如新疆西部虽然蒸散发量年增加率不足0.4 cm/a, 但是仍然通过了95%置信区间的M-K检验。从图4(c)可知, 研究时段内我国有6个地区水储量变化显著, 其中东北边境、藏北高原、长江中下游及华南沿海地区水储量整体呈显著上升趋势, 华北地区、西南诸河流域和新疆吐鲁番盆地周边地区水储量呈显著下降趋势, 局部地区虽然水储量整体变化趋势不明显, 但是研究时段内该区域内水储量变化显著。对比图4(a)、(b)、(c)可知, 我国东部和南部地区降水和蒸发量与水储量变化趋势大体一致, 局部地区变化趋势显著, 说明降水和蒸散发在一定程度上影响了该地区的水储量变化, 而西北地区水储量变化与降水和蒸散发的变化趋势截然不同, 这是由于该地区水储量变化主要是受冰川融雪和内流河补给的影响, 近年来的气候变暖导致冰川融化、冻土水分释放增加了高原及周边地区水储量的补给, 加上可可西里和三江源地区生态保护政策的实施促使了水储量增加^{[23, 24]}。

	Figure Option View Download New Window
	图4 2003— 2015年降水量、蒸发量、水储量（GRACE）年变化趋势空间分布Fig. 4 Spatial distribution of annual changes of precipitation, evaporation and GRACE water storage in China from 2003 to 2015

3.3 中国水储量变化对气象因素敏感性分析

本文采用偏相关和复相关分析了2003— 2015年中国陆地水储量变化对气象因素（降水和蒸散发）的敏感性, 即水储量变化与气象因素之间的相关关系。图5(a)、(b)为中国陆地水储量变化与气象因素（降水和蒸散发）的偏相关显著性空间分布, 本文将显著性水平低于0.05的区域认为两者具有显著的线性相关性。从图5(a)看, 全国大部分地区水储量与降水量变化呈正相关, 其中显著正相关区域主要集中在东南沿海、西南中部、黑龙江北部以及新疆西部, 共占全国面积的15.9%, 而显著负相关区域主要在内蒙古高原东北部, 仅占全国面积的1.6%。从图5(b)看, 中国水储量变化与蒸发量变化呈负相关的地区主要分布在中国东部、青藏高原北部以及新疆天山附近, 其中显著负相关区域主要分布于我国东北和青藏高原中部, 共占全国面积的12.5%, 而显著正相关地区较少, 零星分布于山西、陕西、四川、西藏以及新疆等地区。图5(c)为中国陆地水储量变化与气象因素（降水和蒸散发）复相关决定系数的空间分布, 研究时段内全国共有18.6%的地区气候因素对水储量变化的方差解释量超过50%, 这些地区主要集中在中国东北、东南沿海、四川盆地、青海高原以及新疆西北部, 而华北、西北以及西藏北部等地区的方差解释量均小于30%, 说明这些地区水储量变化受气象因素影响较小。

	Figure Option View Download New Window
	图5 2003— 2015年陆地水储量与降水量和蒸散发量变化的敏感性空间分布Fig. 5 Sensitivity of GRACE water storage to precipitation and evapotranspiration

3.4 中国水储量变化的EOF分析

为了分析水储量变化的空间分布特征, 本文采用2003— 2015年中国GRACE水储量变化数据进行EOF分解, 分解后的第一、二、三特征向量分别占总方差的40.6%、20.1%和11.5%, 前3个分量共占72.2%的比重, 各特征向量的空间分布和时变特征如图6所示。

	Figure Option View Download New Window
	图6 EOF第一、二、三模态空间分布和时间系数变化Fig. 6 The first, second and third characteristic vector and corresponding time series of GRACE water storage changes

1）第一主成分

图6(a)为中国GRACE水储量变化经EOF分解得到的第一特征向量和时间系数（方差贡献值为40.6%）, 表征了全国水储量时空变化的整体趋势。从空间分布来看, EOF1是以强正值为主的西南诸河流域为中心向四周呈递减趋势。在时间系数上, 2003— 2015年整体变化趋势不明显, 年内表现为正负交替, 说明水储量变化具有季节性变化规律; 其中2006、2011和2013年时间系数变化明显减弱, 说明在2006、2011、2013年全国水储量变化减弱, 对比图1的水储量变化曲线, 也可以发现与之对应的规律。

2）第二主成分

图6(b)为中国GRACE水储量变化经EOF分解得到的第二特征向量和时间系数（方差贡献值为20.1%）。从EOF2可以明显看出中国主要有6个水储量变化异常区, 其中华南、可可西里和三江平原地区为强正值区, 西南诸河流域、华北平原和新疆东部吐鲁番盆地等地区为强负值区。在时间系数上, 2003— 2015年呈现明显上升趋势, 表明近13 a华南、可可西里和三江平原地区水储量呈增加趋势, 而西南诸河流域、华北平原和新疆东部吐鲁番盆地等地区水储量呈下降趋势。

3）第三主成分

图6(c)为中国GRACE水储量变化经EOF分解得到的第三特征向量和时间系数（方差贡献值为11.5%）。从EOF3可以看出, 强正值区位于中国东南部和新疆吐鲁番盆地周边区, 而强负值区主要位于云南西南部地区。从时间系数上看, 2006年下半年至2008年呈下降趋势, 表明云南西南部地区水储量呈增加趋势, 东南和新疆地区水储量呈减少趋势; 2009年下半年至2010年上半年时间系数显著上升, 表明云南地区水储量呈减少趋势, 而东南沿海地区水储量增加, 资料显示该时段内云南境内发生了一次干旱事件, 同时湖南、福建东南部地区在该时段内共发生了两次流域性洪水, 因此这种时间系数的异常可能与极端旱涝事件有关; 2011至2015年时间系数变化呈上升趋势, 表明东南和新疆地区水储量增加, 云南等负值区水储量减少。

4 结论

本文利用GRACE水储量变化数据、GLDAS地表蒸散发数据和地面实测降水数据, 对中国2003— 2015年水储量、降水量、蒸散发量变化进行趋势分析和相关分析, 并通过EOF分解对中国水储量进行时空变化分析, 本研究的主要结论如下:

1）GRACE水储量、降水量、蒸散发量变化在时间序列上具有一致性, 呈现明显的季节性变化特征, 但是水储量的季节性变化要滞后于降水和蒸散发变化, 同时GRACE水储量和蒸散发量的变化幅度小于降水量变化幅度。水储量、降水量、蒸散发量年际变化结果表明, 2006年以后水储量年际变化剧烈, 水储量长时期处于减少状态, 同时降水量和蒸散发量在相应时段内变化显著, 而且EM-DAT数据显示该时段内洪涝灾害频发。

2）从中国月水储量、月降水量和月蒸散发量最大、最小值对应月份空间分布来看, 全国降水量和蒸散发量最大值出现在夏季, 最小值出现在冬季; 由于各地区水汽来源和人类活动影响程度的不同, 导致各地区水储量最大最小值出现的月份具有显著差异。从全国水储量、降雨量和蒸散发量的年际变化趋势及显著性空间分布看, 我国各地区水储量变化差异明显, 且全国大部分地区具有显著性变化, 而降水量和蒸散发的显著变化区域主要集中在中国东部地区。

3）从全国水储量变化与气象因素（降水、蒸散发）的偏相关显著性空间分布来看, 降水量与水储量变化呈显著正相关地区主要在华南, 蒸散发量与水储量变化呈显著正相关的区域主要分布在东北和青海高原西部地区。全国水储量变化与气象因素的复相关的决定系数空间分布表明, 全国共有18.6%的地区气象因素对水储量变化的方差解释量超过50%, 主要集中在中国东北、东南沿海、四川盆地、青海高原以及新疆西北部。

4）通过对中国GRACE水储量和降水量变化进行EOF分解, 得到水储量变化的第一、二、三特征向量和时间系数, 前3个特征向量的方差贡献之和达72.2%。第一特征向量的贡献值为40.6%, 因此EOF1中空间分布和时间系数代表整个中国地区水储量的时空变化特征; 第二特征向量的贡献值为20.1%, 结合EOF2的空间变化和时间系数可知, 华南、三江平原和三江源地区水储量呈增加趋势, 西南诸河流域、华北平原和新疆吐鲁番盆地周边地区水储量呈减少趋势; 第三特征向量的贡献值仅为11.5%, 由EOF3的空间分布和时间系数可知, 2010年的时间系数异常波动与云南和东南地区的干旱和洪水有关。

本文的研究结果虽然在一定程度上反映了中国各地区水储量变化对气象因素敏感性差异, 为水资源的管理和分配提供了依据, 但是受数据限制, 本文仅从气象因子（降水和蒸散发）的角度分析了中国水储量变化, 而区域水储量变化是降水、气温、径流、人类活动等多种因素共同作用的结果, 因此未来研究会综合考虑气象、人类活动、径流量等因素对中国水储量变化的影响。

The authors have declared that no competing interests exist.

参考文献

View Option

[1]	刘佳骏, 董锁成, 李泽红. 中国水资源承载力综合评价研究[J]. 自然资源学报, 2011, 26(2): 258-269. [LIU J J, DONG S C, LI Z H. Comprehensive evaluation of China’s water resources carry capacity. Journal of Natural Resources, 2011, 26(2): 258-269. ] [本文引用:1]
[2]	RODELL M, HOUSER P R, JAMBOR U, et al. The global land data assimilation system[J]. Bulletin of the American Meteorological Society, 2004, 85(3): 381-394. [本文引用:1]
[3]	HU X G, CHEN J, ZHOU Y, et al. Seasonal water storage change of the Yangtze River Basin detected by GRACE[J]. Science in China: Series D Earth Sciences, 2006, 49(5): 483-491. [本文引用:1]
[4]	段建宾, 钟敏, 闫昊明, 等. 利用重力卫星观测资料解算中国大陆水储量变化[J]. 大地测量与地球动力学, 2007, 27(3): 68-71. [DUAN J B, ZHONG M, YAN H M, et al. Recovery of land water storage variations in Chinese mainland by use of GRACE data. Journal of Geodesy and Geodynamics, 2007, 27(3): 68-71. ] [本文引用:1]
[5]	SWENSON S, WAHR J, MILLY P C D. Estimated accuracies of regional water storge variations inferred from the gravity recovery and climate experiment (GRACE)[J]. Water Resources Research, 2003, 39(8): 1223. [本文引用:1]
[6]	LINAGE C D, FAMIGLIETTI J S, RANDERSON J T. Statistical prediction of terrestrial water storage changes in the Amazon Basin using tropical Pacific and North Atlantic sea surface temperature anomalies[J]. Hydrology and Earth System Sciences, 2014, 18(6): 2089-2102. [本文引用:1]
[7]	CHEN J L, LI J, ZHANG Z Z, et al. Long-term groundwater variations in Northwest India from satellite gravity measurements[J]. Global and Planetary Change, 2014, 116: 130-138. [本文引用:1]
[8]	AWANGE J L, KHANDU, SCHUMACHER M, et al. Exploring hydro-meteorological drought patterns over the Greater Horn of Africa (1979-2014) using remote sensing and reanalysis products[J]. Advances in Water Resources, 2016, 94: 45-59. [本文引用:1]
[9]	ABELEN S, SEITZ F, ABARCA-DEL-RIO R, et al. Droughts and floods in the La Plata basin in soil moisture data and GRACE[J]. Remote Sensing, 2015, 7(6): 7324-7349. [本文引用:1]
[10]	杨元德, 鄂栋臣, 晁定波, 等. GRACE估算陆地水储量季节和年际变化[J]. 地球物理学报, 2009, 52(12): 2987-2992. [YANG Y D, E D C, CHAO D B, et al. Seasonal and inter-annual change in land water storage from GRACE. Chinese Journal of Geophysics, 2009, 52(12): 2987-2992. ] [本文引用:1]
[11]	金晓龙, 邵华, 张弛, 等. GPM卫星降水数据在天山山区的适用性分析[J]. 自然资源学报, 2016, 31(12): 2074-2085. [JIN X L, SHAO H, ZHANG C, et al. The applicability evaluation of three satellite products in Tianshan Mountains. Journal of Natural Resources, 2016, 31(12): 2074-2085. ] [本文引用:1]
[12]	PENATTI N C, ALMEIDA T I R D, FERREIRA L G, et al. Satellite-based hydrological dynamics of the world’s largest continuous wetland [J]. Remote Sensing of Environment, 2015, 170(1): 1-13. [本文引用:1]
[13]	许民, 叶柏生, 赵求东, 等. 利用GRACE重力卫星监测新疆天山山区水储量时空变化[J]. 干旱区研究, 2013, 30(3): 404-411. [XU M, YE B S, ZHAO Q D, et al. Spatiotemporal change of water reserves in the Tianshan Mountains, Xinjiang based on GRACE. Arid Zone Research, 2013, 30(3): 404-411. ] [本文引用:1]
[14]	严家宝, 贾绍凤, 吕爱锋, 等. 近十年中国陆地水储量变化及其时空分布规律[J]. 南水北调与水利科技, 2016, 14(4): 21-28. [YAN J B, JIA S F, LÜ A F, et al. Spatial- temporal variation characteristics of China terrestrial water storage in the last ten year. South-to-North Water Transfers and Water Science & Technology, 2016, 14(4): 21-28. ] [本文引用:1]
[15]	曹艳萍, 南卓铜, 胡兴林. 利用GRACE重力卫星数据反演黑河流域地下水变化[J]. 冰川冻土, 2012, 34(3): 680-689. [CAO Y P, NAN Z T, HU X L. Changes of groundwater storage in the Heihe River Basin derived from GRACE gravity satellite data. Journal of Glaciology and Geocryology, 2012, 34(3): 680-689. ] [本文引用:1]
[16]	MO X, WU J J, WANG Q, et al. Variations in water storage in China over recent decades from GRACE observations and GLDAS[J]. Natural Hazards and Earth System Sciences, 2016, 16(2): 469-482. [本文引用:1]
[17]	SWENSON S, WAHR J. Post-processing removal of correlated errors in GRACE data[J]. Geophysical Research Letters, 2006, 33(8): 1223. doi: DOI:10.1029/2005GL025285. [本文引用:1]
[18]	邹正波, 李辉, 吴云龙, 等. 日本M_W9. 0地震震区及其周缘2002—2015年卫星重力变化时空特征[J]. 地震学报, 2016, 38(3): 417-428. [ZOU Z B, LI H, WU Y L, et al. Spatial and temporal characteristics of long-term satellite gravity change in the epicenter of Mw9. 0 Japan earthquake and its surrounding region. Acta Seismologica Sinica, 2016, 38(3): 417-428. ] [本文引用:1]
[19]	刘兆飞, 王翊晨, 姚治君, 等. 太湖流域降水、气温与径流变化趋势及周期分析[J]. 自然资源学报, 2011, 26(9): 1575-1584. [LIU Z F, WANG Y C, YAO Z J, et al. Trend and periodicity of precipitation, air temperature and runoff in the Taihu Lake Basin. Journal of Natural Resources, 2011, 26(9): 1575-1584. ] [本文引用:1]
[20]	袁丽华, 蒋卫国, 申文明, 等. 2000—2010年黄河流域植被覆盖的时空变化[J]. 生态学报, 2013, 33(24): 7798-7806. [YUAN L H, JIANG W G, SHEN W M, et al. The spatio-temporal variations of vegetation cover in the Yellow River Basin from 2000 to 2010. Acta Ecologica Sinica, 2013, 33(24): 7798-7806. ] [本文引用:1]
[21]	魏浩翰, 何秀凤, 郑加柱. 联合重力卫星数据及气候水文模型监测西南地区陆地水储量变化[J]. 河海大学学报(自然科学版), 2013, 41(6): 488-492. [WEI H H, HE X F, ZHENG J Z. Terrestrial water storage variations in Southwest China revealed by gravity mission and hydrologic and climate model. Journal of Hohai University (Natural Sciences Edition), 2013, 41(6): 488-492. ] [本文引用:1]
[22]	TANG Q H, ZHANG X J, TANG Y. Anthropogenic impacts on mass change in North China[J]. Geophysical Research Letters, 2013, 40(15): 3924-3928. [本文引用:1]
[23]	YAO X J, LIU S Y, LONG L, et al. Spatial-temporal characteristics of lake area variations in Hoh Xil region from 1970 to 2011[J]. Journal of Geographical Sciences, 2014, 24(4): 689-702. [本文引用:1]
[24]	XIANG L W, WANG H S, STEFFEN H, et al. Groundwater storage changes in the Tibetan Plateau and adjacent areas revealed from GRACE satellite gravity data[J]. Earth and Planetary Science Letters, 2016, 449: 228-239. [本文引用:1]

2011

0.0

刘佳骏, 董锁成, 李泽红. 中国水资源承载力综合评价研究[J]. 自然资源学报, 2011, 26(2): 258-269.

[LIU J

, DONG S

, LI Z

. Comprehensive evaluation of China’s water resources carry capacity. Journal of Natural Resources, 2011, 26(2): 258-269. ]

China’s water resources shortages, combined with uneven spatial and temporal distribution of water resources, does not match the layout of land and water resources. Actually in China water resources deficiency has become an important factor, which constrained China’s social and economic sustainable development. Based on the point of view of system theory, this paper researches on the coordinated development relationship among socio-economic development, ecological environment and water resources in China. Using comprehensive evaluation model for water resources carrying capacity and selecting data of a given year from each province in China (not including Hong Kong, Macao and Taiwan due to no data), it calculates the comprehensive evaluation index of carrying capacity of water resources,describes the water resources carrying capacity situation of China’s various provinces and autonomous regions,thus to get a comprehensive analysis and evaluation of the water resources carrying capacity in China. The results showed that:1) the distribution of water resources did not match the distribution of population and economic divisions in China; 2) the southwestern provinces have relatively large potential of water carrying capacity; 3) the Yangtze River, Pearl River, and eastern coastal areas are no longer having the advantages of water carrying capacity; and 4) in North China Plain, northwestern regions, such as Xinjiang, Ningxia, Gansu etc, water shortage is severe, water carrying capacity overload seriously, and the water resources carrying capacity is becoming exhausted.

中国水资源短缺,加之水资源时空分布不均、水土资源分布不匹配,水资源已成为制约中国社会经济可持续发展的重要因素。文章从系统论的角度出发,研究中国经济、社会发展、生态环境与水资源的协调发展关系,运用水资源承载力综合评价模型,通过选取特定年份相关数据计算其水资源承载力综合评价指数,描述中国各省区水资源承载力状况,以此综合分析评价中国水资源的承载能力。结果表明:中国水资源分布不均,与人口分布和经济布局不相匹配;西南省区水资源承载潜力相对较大;长江、珠江流域及东部沿海地区,已无水资源承载力优势;华北平原、西北地区如新疆、宁夏、甘肃等地区水资源严重短缺,水资源超载严重,水资源承载力渐趋枯竭。

... 随着气候变化影响的加剧和社会经济的快速发展,中国水资源短缺和时空分布不均等问题十分突出^[1] ...

2004

0.0

... 长期以来,全球及区域大尺度陆地水储量研究主要是以水文过程模型（如Global Land Data Assimilation System, GLDAS）模拟为主^[2],但是受观测资料和模型参数等因素的影响,模拟结果不确定性较大 ...

2006

0.0

... GRACE重力卫星（Gravity Recovery and Climate Experiment）的发射成功,其采用的近极低轨道星载GPS跟踪、非保守力加速仪以及高精度星间距离测量等新技术,显著提高了重力场观测的精度和时空分辨率,从而为大、中尺度区域陆地水储量变化研究提供了新的途径^[3] ...

2007

0.0

段建宾, 钟敏, 闫昊明, 等. 利用重力卫星观测资料解算中国大陆水储量变化[J]. 大地测量与地球动力学, 2007, 27(3): 68-71.

[DUAN J

, ZHONG

, YAN H

, et al. Recovery of land water storage variations in Chinese mainland by use of GRACE data. Journal of Geodesy and Geodynamics, 2007, 27(3): 68-71. ]

Thevariations of water storage at large space scales in Chinese mainland are inversedby use of 20month GRACE gravity field solutions (from April 2002 to July 2004). Chinese mainland is divided into 8 major typical regions, the monthly variations of water storage in each region are calculated respectively, and then the results are compared with that derived from the NOAA’s CPC (Climate Prediction Center) hydrologic model. The comparison results show good consistencies in most regions: in Tibet, Southwest and South China, the amplitude of annual variations in water storage are about 12-14 cm, the maximum and minimum values appear in September and April respectively; and there are variations of about 8cm in East & Central China and the eastern part of Southwest China,in Xinjiang area,the variation is obvious. However, in North & Northeast China, there are obvious differences between the GRACE and CPC modeled results.

利用GRACE重力卫星2002年4月~2004年7月共计20个月的时变重力场数据，反演了中国大陆空间大尺度陆地水储量变化，并将该结果与美国气候预测中心（CPC）的全球水文模式结果进行了比较。结果显示:GRACE的结果与水文模式结果在大多数区域符合得相当好:在西藏、西南和华南地区，水储量季节性变化的幅值达到12～14 cm；在华东、华中、西北东部地区，水储量季节性变化的幅度一般在8 cm左右；在新疆地区，水储量季节性变化很小。而在华北、东北地区，GRACE的结果与模式结果存在较大差别。

... GRACE卫星的重力观测提供了地球重力场变化信息,在季节性或年际较短时间尺度上地球重力场变化主要原因是地球表层大气压力、海底压力和陆地水储量变化,在陆地区域重力场变化主要是由水储量变化造成^[4] ...

2003

0.0

... 10⁵km²时,GRACE数据估算的水储量变化的精度可达1 cm等效水柱高度^[5] ...

2014

0.0

... 此后,很多学者利用GRACE数据对全球各大流域和典型区域进行了水储量变化研究,并验证了GRACE数据适用于大中尺度水储量变化研究的可靠性^[6,7,8,9,10] ...

2014

0.0

2016

0.0

2015

0.0

2009

0.0

杨元德, 鄂栋臣, 晁定波, 等. GRACE估算陆地水储量季节和年际变化[J]. 地球物理学报, 2009, 52(12): 2987-2992.

[YANG Y

, E D C, CHAO D B, et al. Seasonal and inter-annual change in land water storage from GRACE. Chinese Journal of Geophysics, 2009, 52(12): 2987-2992. ]

2016

0.0

金晓龙, 邵华, 张弛, 等. GPM卫星降水数据在天山山区的适用性分析[J]. 自然资源学报, 2016, 31(12): 2074-2085.

[JIN X

, SHAO

, ZHANG

, et al. The applicability evaluation of three satellite products in Tianshan Mountains. Journal of Natural Resources, 2016, 31(12): 2074-2085. ]

摘　要：卫星降水产品在山区的适用性具有较高的不确定性。论文基于天山山区2014—2015年167个气象站点数据,应用较为广泛的两套卫星降水产品——TRMM与CMORPH,选用均方根误差（RMSE）、相关系数（R）、相对误差（PB）,以及分类统计分析指标（错报率FAR、探测率POD、公正先兆评分ETS、频率偏差BIAS）等,评估了新一代卫星降水产品——Global Precipitation Measurement（GPM）在天山山区的适用性。结果表明：相对于以上两种产品,GPM在山区的精度最高。具体表现在：1）3套产品在降水较多的夏秋季均表现较好,相对于TRMM与CMORPH,GPM与观测数据的相关系数最高（R≥0.6）,相对误差最小（PB≈10%）;2）在整个天山山区,GPM相对于其他两套产品表现出较低的误差范围（-55%~55%）;3）GPM在不同的高程带内,均表现出同观测站点较低的误差与较高的相关系数;4）3套降水产品均表现出对探测弱降水事件较高的准确性（POD≈0.58）和较低的错误率（FAR≈0.63）,但综合分析4种指数,GPM表现最佳,能够以较准确的精度和较低的误差估测降水系统。

... 在陆地水循环过程中,降水、蒸散发是影响水储量变化的重要因素^[11] ...

2015

0.0

... 目前,很多学者利用GRACE数据分析水储量与气象因素之间的关系,Penatti等利用TRMM数据、MOD16数据和GRACE数据分析了潘塔纳湿地水储量与降水和蒸散发之间的相关性,结果表明该地区水储量变化与降水和蒸散发都有较高的相关性^[12] ...

2013

0.0

许民, 叶柏生, 赵求东, 等. 利用GRACE重力卫星监测新疆天山山区水储量时空变化[J]. 干旱区研究, 2013, 30(3): 404-411.

[XU

, YE B

, ZHAO Q

, et al. Spatiotemporal change of water reserves in the Tianshan Mountains, Xinjiang based on GRACE. Arid Zone Research, 2013, 30(3): 404-411. ]

Change of the volume of water reserves in the Tianshan Mountains was analyzed using the monthly gravity field data derived from GRACE satellite with Gaussian filter during the period from 2003 to 2010, and the spatial resolution was 1°×1°. Trend analysis was used to analyze the spatiotemporal variation trend of water reserves in the Tianshan Mountains in recent 8 years based on the monthly precipitation data observed by 31 state meteorological stations. Results showed that there was a significant spatial variation of water reserves in the Tianshan Mountains, the volume of water reserves in the eastern and western parts of the mountains was higher than that in the central part. Temporally, there was an obvious seasonal variation of water reserves and precipitation, and their change trends were similar. The growth of water reserves in the mountains was negative during the period from January to March, its minimum value, -21.7 mm•a -1, occurred in February. The growth of water reserves was positive during the period from April to December, and its maximum value, 29.9 mm•a- 1 , occurred in November. However, the volume of water reserves in the Tianshan Mountains was holistically in a decrease trend during the period from 2003 to 2010, it was decreased by 13×108 m 3 in recent 8 years, and its average monthly decrease was 4.8 mm. Reduction of water reserves in the Tianshan Mountains was mainly caused by climate warming, aggravation of glacier melt and increase of the volume of irrigation water and domestic water in the piedmont oases.

利用经过高斯平滑滤波处理的2003年1月至2010年12月逐月的GRACE卫星时变重力场数据，反演得到新疆天山山区水储量变化,其空间分辨率为1°×1°，结合同时间段该区域31个国家气象台站逐月降水资料，采用趋势分析方法，研究天山山区近8 a来的水储量时空变化特征。结果表明：天山山区水储量变化具有明显的空间差异性，总体表现为东、西部多，中部少的空间分布格局。在时间上，水储量变化与降水具有明显的季节性变化规律，两者变化过程基本一致。天山山区平均水储量变化趋势的年内分布总体上1—12月呈递增变化；1—3月为负增长，最大负增长为21.7 mm•a -1 ,出现在2月；4—12月呈正增长，最大月份出现在11月，增长趋势达到29.9 mm•a- 1 。水储量变化增加的主要原因是天山山区近几年夏季降水有所增加造成的。2003—2010年天山山区水储量变化总体上呈逐年下降趋势，平均每月下降速度为4.8 mm，8 a间水储量变化减少约13×10 8 m 3 ，其主要原因是由于气候转暖、冰川消融加速、山前绿洲灌溉及生活用水量增加，导致山区水储量变化减少。

... 2010年天山地区水储量变化与月降水量年内和年际变化趋势,结果表明两者在变化趋势上保持很好的一致性^[13] ...

2016

0.0

严家宝, 贾绍凤, 吕爱锋, 等. 近十年中国陆地水储量变化及其时空分布规律[J]. 南水北调与水利科技, 2016, 14(4): 21-28.

[YAN J

, JIA S

, LÜ A

, et al. Spatial- temporal variation characteristics of China terrestrial water storage in the last ten year. South-to-North Water Transfers and Water Science & Technology, 2016, 14(4): 21-28. ]

... 严家宝等利用GRACE数据和TRMM降水数据对比分析了中国各大流域陆地水储量与降水年内和年际变化规律^[14] ...

2012

0.0

曹艳萍, 南卓铜, 胡兴林. 利用GRACE重力卫星数据反演黑河流域地下水变化[J]. 冰川冻土, 2012, 34(3): 680-689.

[CAO Y

, NAN Z

, HU X

. Changes of groundwater storage in the Heihe River Basin derived from GRACE gravity satellite data. Journal of Glaciology and Geocryology, 2012, 34(3): 680-689. ]

... 本文采用的陆地水储量变化数据是NASA提供的GRACE Tellus陆地栅格数据产品,数据时间序列为2003年1月至2015年12月共142期数据,产品主要包括CSR、JPL和GFZ三个版本,本文参考前人研究,采用了CSR机构的产品数据^[15,16] ...

2016

0.0

2006

0.0

... 产品数据反演过程中对重力场球谐系数截断至60阶,并经过去条带滤波和窗口宽为300 km的高斯滤波处理^[17] ...

2016

0.0

邹正波, 李辉, 吴云龙, 等. 日本M_W9. 0地震震区及其周缘2002—2015年卫星重力变化时空特征[J]. 地震学报, 2016, 38(3): 417-428.

[ZOU Z

, LI

, WU Y

, et al. Spatial and temporal characteristics of long-term satellite gravity change in the epicenter of Mw9. 0 Japan earthquake and its surrounding region. Acta Seismologica Sinica, 2016, 38(3): 417-428. ]

本文在考虑全球陆面数据同化系统陆地水储量变化影响后,利用2002年4月-2015年4月GRACE卫星RL05月重力场模型获取了2011年日本Mw9.0地震震中及其周边区域的重力场信息;然后给出了日本及其周边2003-2015年的年度累积重力变化和差分重力变化,并且利用经验正态函数方法深入分析了该地震过程中同震重力变化对区域重力场的贡献.结果显示:日本Mw9.0地震前研究区域出现了幅值高达2×10-8 m/s2的异常重力变化,其同震效应的时间和空间特征均出现在第一模态,且同震重力变化和震后区域重力场变化特征显著,这充分表明该地震对区域重力场的影响显著.

... 它主要是利用数据集的方差贡献来识别和强化信号的相似性,通过将随时间变化的地球物理场分解为正交的时间函数和空间函数部分^[18],一个连续的时空随机场F(x, t)的分解可表示为： ...

2011

0.0

刘兆飞, 王翊晨, 姚治君, 等. 太湖流域降水、气温与径流变化趋势及周期分析[J]. 自然资源学报, 2011, 26(9): 1575-1584.

[LIU Z

, WANG Y

, YAO Z

, et al. Trend and periodicity of precipitation, air temperature and runoff in the Taihu Lake Basin. Journal of Natural Resources, 2011, 26(9): 1575-1584. ]

... 2 Mann-Kendall（M-K）检验法在水文、气象时间序列趋势分析中,非参数检验方法比参数检验方法更加适用于非正态分布的数据检验,非参数M-K检验法常广泛用于降雨、气温和径流等水文气象要素的趋势分析及变异检验,其结构简单,计算方便,且时间序列无需遵从一定的分布,也不受少数异常值的干扰^[19] ...

2013

0.0

袁丽华, 蒋卫国, 申文明, 等. 2000—2010年黄河流域植被覆盖的时空变化[J]. 生态学报, 2013, 33(24): 7798-7806.

[YUAN L

, JIANG W

, SHEN W

, et al. The spatio-temporal variations of vegetation cover in the Yellow River Basin from 2000 to 2010. Acta Ecologica Sinica, 2013, 33(24): 7798-7806. ]

Vegetation cover is one of the primary indicators of changes to ecosystems. Large scale vegetation cover observations will indicate the effect of natural factors and human activities on the ecological environment, so it is one of the hot topics in global change research. The Yellow River Basin is located in an arid, semi-arid and semi-humid area and its ecological environment is vulnerable. In recent years, the vegetation in the Yellow River Basin has had a relatively large variance in spatial and temporal patterns, affected by changes in climatic conditions and perturbations from human activities. Therefore, improving the observation of vegetation will provide us with more information about vegetation status and make us better able to understand the variations of ecological environment characteristics. With this background, this paper provides an analysis of spatio-temporal variations of MODIS/NDVI in the vegetation covered area of the Yellow River Basin. The MODIS product, which is assumed to be suitable for large scale observations of vegetation variation, was used, and MOD13Q1 data with a spatial resolution of 250 m×250 m from 2000 to 2010 was utilized as the data source. NDVI was used as a proxy for vegetation cover and the Theil-Sen Median trend analysis with the Mann-Kendall test were both used to analyze NDVI trends as they are new methods in the long term series analysis of NDVI. Theil-Sen Median trend analysis was used to describe the trend of NDVI and the Mann-Kendall test was used to estimate the significance of trend. The combination of the result of Theil-Sen Median trend analysis and Mann-Kendall test, as well as the result of Hurst index were conducted to analyze the sustainability in NDVI trend. The results indicate that: 1) From the distribution of the annual NDVI in the Yellow River Basin, the NDVI values are high in the west and the southeast, but low in the north; 2) From the time variation of annual NDVI in the vegetation covered area in the Yellow River Basin, the values of NDVI fluctuate between 0.3 and 0.4, from 2000 to 2010, and NDVI from 2000-2004 shows high fluctuations, but rapid upward trend since 2005; 3) From the spatial trends of NDVI, the area where the values of NDVI increase is much larger than the area where the values of NDVI decrease and the area where the values of NDVI increase occupies 62.9% of the vegetation covered area, while the area where the values of NDVI decrease accounts for 27.7%. 9.4% of the vegetation covered area remained unchanged, during the period of 2000-2010; 4) From the spatial sustainability of NDVI trend, the overlaid result of the Theil-Sen Median trend analysis, Mann-Kendall test and Hurst index indicates that 86.0% of the area presents a positive sustainable development. From the overlaid result of the Theil-Sen Median trend analysis and Mann-Kendall map and Hurst index map, it can be concluded that 53.7% of the vegetation-covered area presents a sustainable-increased state, 7.8% of the vegetation-covered area presents a sustainable-unchanged state, 24.5% of the vegetation-covered area shows a sustainable-decreased state and 14.0% of vegetation-covered area cannot be identified in the future. These areas need to be focused upon and further researched.

黄河流域位于干旱、半干旱和半湿润地区，生态环境脆弱，近年来，在气候变化和人类活动影响下，植被覆盖状况发生了变化。因此需要对黄河流域植被覆盖的变化进行监测，进而掌握流域植被的动态变化特征。在此背景下，利用2000-2010年的250 m分辨率的MOD13Q1数据来研究黄河流域植被覆盖区域的NDVI时空变化特征。采用Theil-Sen Median趋势分析和Mann-Kendall检验来研究NDVI的变化趋势特征，通过对Theil-Sen Median趋势分析和Mann-Kendall检验的结果和Hurst指数的结果的叠加，来研究NDVI的可持续特征。研究表明：1）从空间分布上看，黄河流域NDVI呈现出西部和东南部高，北部低的特征；2）从时间变化特征上看，2000-2010年植被覆盖区域年均NDVI均值在0.3-0.4之间波动，其中2000-2004年NDVI波动较大，但自2005年以来NDVI呈现快速增长的趋势；3）从变化趋势上看，2000-2010年黄河流域植被改善的区域远远大于退化的区域，改善的区域占植被覆盖区域总面积的62.9%，退化的区域占27.7%，9.4%的区域NDVI稳定不变；4）从可持续性来看，86.0%的植被覆盖区域NDVI呈现正向可持续性，即NDVI的可持续性较强；由变化趋势与Hurst指数的耦合信息得出，持续改善的面积占植被覆盖区域总面积的53.7%，持续稳定不变的区域占7.8%，持续退化的区域占24.5%，另外14.0%的区域未来变化趋势无法确定，持续退化和未来变化趋势无法确定区域的植被变化状况需要研究人员继续关注。

... 3 Theil-Sen Median 趋势分析法Theil-Sen Median趋势分析是一种稳健的非参数统计的趋势计算方法,可以减少数据异常值的影响^[20] ...

2013

0.0

魏浩翰, 何秀凤, 郑加柱. 联合重力卫星数据及气候水文模型监测西南地区陆地水储量变化[J]. 河海大学学报(自然科学版), 2013, 41(6): 488-492.

[WEI H

, HE X

, ZHENG J

. Terrestrial water storage variations in Southwest China revealed by gravity mission and hydrologic and climate model. Journal of Hohai University (Natural Sciences Edition), 2013, 41(6): 488-492. ]

利用GRACE重力卫星观测数据和GLDAS水文模型资料反演我国西南地区陆地水储量变化,并结合该区域月平均降水资料进行分析。结果表明,GRACE重力卫星观测数据和GLDAS水文模型资料反演的西南地区陆地水储量变化相关系数为0.95,平均偏差为0.58 cm,具有良好的相关性;陆地水储量变化呈总体逐渐增加的趋势,受降雨量变化影响明显,且在时间上相对降雨量变化具有延迟性,与降水量变化的总体趋势一致,并具有显著的季节性变化特性,尤其是周年变化明显。

... 5 cm,这在一定程度上反映了降水需要经过地表径流、蒸发、渗透等复杂的水文过程使得水分重新分配,最终形成陆地水储量^[21] ...

2013

0.0

... 前人研究发现,中国北方地区的水库管理、调水以及运煤等人类活动造成的质量增益在一定程度上可以补偿水储量亏损导致的质量减少^[22],最终导致北方地区水储量最大最小值对应的月份具有延迟性 ...

2014

0.0

... 对比图4(a)、(b)、(c)可知,我国东部和南部地区降水和蒸发量与水储量变化趋势大体一致,局部地区变化趋势显著,说明降水和蒸散发在一定程度上影响了该地区的水储量变化,而西北地区水储量变化与降水和蒸散发的变化趋势截然不同,这是由于该地区水储量变化主要是受冰川融雪和内流河补给的影响,近年来的气候变暖导致冰川融化、冻土水分释放增加了高原及周边地区水储量的补给,加上可可西里和三江源地区生态保护政策的实施促使了水储量增加^[23,24] ...

2016

0.0