摘 要：为了研究中国大陆地区的陆地水储量变化，利用陆态网182个GNSS站点垂向坐标时间序列反演了中国大陆地区2011—2021年的陆地水储量变化，并结合GRACE时变重力场数据、GLDAS水文模型和GPM降雨数据对中国大陆地区不同流域的陆地水储量反演结果进行对比分析。结果表明：①中国西南地区陆地水储量变化振幅最为显著，华南地区次之，西北内陆地区最不明显；②GNSS的结果与GRACE和GLDAS总体上具有较高的一致性，但在不同地区存在差异。其中，华南地区多种数据集一致性较高，华北地区则相对差异较大，可能是受该地区地下水减少的影响。结果表明GNSS可以作为监测区域陆地水储量变化的有效手段。
0 引言
监测陆地水储量变化对于研究全球和区域气候变化和水循环信息具有重要意义。水文模型能有效描述全球水循环问题，但水文模型通常基于有限的水循环表征来简化复杂的水文变化过程，无法捕捉全部的水文成分[1]。GRACE（Gravity Recovery and Climate Experiment）重力卫星的发射为研究地球表面质量变化提供了新的手段。GRACE卫星提供全球尺度的地球重力场变化，已广泛应用于陆地水储量变化研究中[2-4]。但是GRACE的时间（月）和空间（300 km）分辨率较低，对于小范围内的水储量变化不敏感，在实际应用中还存在卫星测量误差、信号泄露及反演过程中背景模型应用误差等。此外，由于供电系统老化导致的间接性数据缺失、GRACE与其后续计划GRACE Follow-on间存在的数据空白[5]，也都影响其在陆地水储量变化研究中的应用。
近些年，随着GNSS（global navigation satellite system）技术的发展，其定位精度达到毫米级。GNSS可以有效监测地表质量负荷变化引起的位移变化[6]，特别是在水储量变化明显区域，GNSS坐标时间序列中的周期变化主要与区域陆地水储量变化有关，和利用GRACE定量计算的水负荷形变位移有着较高的一致性[7-10]。利用GNSS监测得到的地壳位移变化，可以进一步定量反演区域陆地水储量变化：文献[11]提出结合地表形变负荷理论利用垂向GNSS坐标时间序列反演加利福尼亚地区陆地水储量变化；文献[12]探讨了GNSS陆地水储量反演中的边界效应和站点密度的影响；此后，GNSS作为一种独立的观测手段广泛应用于不同区域陆地水储量变化研究中[13-20]。本文使用中国大陆构造环境监测网络（以下简称陆态网）182个GNSS站点的垂向坐标时间序列，基于格林函数方法反演了整个中国大陆地区的陆地水储量变化，分析了中国大陆地区陆地水储量的时空变化特征；进一步在不同流域将GNSS反演结果与GRACE、GLDAS（global land data assimilation system）数据及GPM（global precipitation measurement mission）降雨模型进行了对比分析，验证了GNSS陆地水储量反演的可行性。
1 数据来源
1.1 GNSS数据
使用由地震局提供的陆态网261个参考站原始GNSS坐标时间序列（ftp://ftp.cgps.ac.cn）(该FTP服务器需要账号登陆，用户可申请账号进行数据访问)。GAMIT/GLOBK 10.4软件用于处理原始观测数据，获得单日松弛解，GAMIT给出的单日松弛解是无基准解，它没有依附于特定的参考框架，因而必须将每天分网处理的单日松弛解绑定为一个无基准的大网并利用七参数转换法将其固定到ITRF 2008框架下，最终得到ITRF2008框架下的坐标时间序列。对于固体潮、海潮和极潮等，利用IERS Conventions 2003协议模型进行扣除。有关附加处理的详细信息，请参阅《数据处理手册》（ftp://ftp.cgps.ac.cn/doc/processing_manual.pdf）。将噪声较大和数据残缺较多的台站去除后，最终选择了数据质量较好的182个GNSS站点作为后续研究对象，观测数据时段为2011年至2021年。图1(a)为182个GNSS站点的位置分布，图1(b)为大陆地区不同流域分布（其中a为内陆、b为海河流域、c为淮河流域、d为黄河流域、e为松辽流域、f为西南流域、g为东南流域、h为珠江流域、i为长江流域）。
采用3倍中误差的方法剔除GNSS坐标时间序列中异常值，并对每个站点位移序列进行建模[21]。
拟合并去除GNSS时间序列中的趋势项（）与阶跃项（），然后，使用PCA迭代插值补齐时间序列中的缺失部分[22]。为了获取GNSS坐标时间序列中的水文负荷形变，采用International Mass Loading service[23-26]提供的在线解算服务(http://massloading.net/)计算了182个站点的大气负荷（ATML，Atmospheric loading）和非潮汐海洋负荷（NTOL，Non-tidal loading）。其中，在ATML计算中选择了MERRA2大气数据，时间分辨率为3 h，空间分辨率为2′2′；NTOL计算中选择了MPIOM06数据，时间分辨率为3 h，空间分辨率为2′2′。将计算得到的ATML和NTOL数据平均至每日位移，并在182个预处理后的GNSS站点坐标时间序列中进行扣除，剩余的序列认为是陆地水储量变化引起的站点位移序列。
（说明：图（b）中a为内陆、b为海河流域、c为淮河流域、d为黄河流域、e为松辽流域、f为西南流域、g为东南流域、h为珠江流域、i为长江流域。）
图1 中国大陆地区GNSS站点分布及中国大陆九大流域分布图
为了验证GNSS反演结果，使用GRACE时变重力场数据、GLDAS水文模型数据和GPM数据来进行对比分析。其中，GRACE数据采用CSR(Center for Space Research)公布的GRACE RL06 Mascon数据(http://www2.csr.utexas.edu/grace/)，时间跨度从2011年1月—2017年6月（可用数据的截止日期）。数据解算使用卫星激光测距的估计值代替C20 项和C30项[27]。使用文献[28]计算的估计值校正了地心改正项，基于ICE6G-D模型修正冰川均衡。缺失月份使用三次样条插值得到。GLDAS使用的是美国航天航空局提供的全球陆地数据同化模型GLDAS-Noah 2.1(https://disc.gsfc.nasa.gov/)，空间分辨率为1°1°。计算时选取了0~2 m深度的土壤水、积雪量和树冠总蓄水来获取陆地总含水量。此外还使用了美国航天航空局提供的GPM降雨数据来进一步进行综合对比分析(https://disc.gsfc.nasa.gov/)。GPM数据时间分辨率为1个月，空间分辨率为0.1°0.1°。为了方便对比，将空间分辨率内插为1°1°。
2 GNSS水储量反演方法
GNSS垂向坐标时间序列中的周期变化主要是由地表荷载形变引起的，利用格林函数可以计算得出荷载引起的地表形变[29]。
3 结果与讨论
3.1 GNSS垂向坐标时间序列变化
经过预处理，得到182个GNSS站点上的水文位移信息，图2为选取的6个代表性站点的GNSS水文位移序列变化图，进一步可以估计得到各站点位移序列的年周期振幅和相位，结果如图3所示。GNSS的年振幅呈现出明显的空间差异，其中，西南地区GNSS垂向位移振幅最为显著，为7~10 mm，具有明显的季节性变化特征（图2中SCXC和YNMZ）；在长江中下游、东北和新疆西南地区也存在着较明显的GNSS位移振幅，周年振幅为4~6 mm（图2中JXJA、HRBN和XJWU）；在西北内陆和华北，各GNSS站点的垂向位移振幅较小，无明显季节性变化（图2中HELY）。GNSS垂向位移周年相位整体变化范围在6—10月之间，不同地区仍存在差距。西北内陆地区属于温带大陆性气候，降雨量水，气候干燥，陆地蓄水量在6—7月达到峰值，早于其他地区。长江中下游地区受梅雨雨季影响，陆地水储量在7—8月达到峰值。在中国西南地区，此地受南亚季风影响，降雨丰富，具有明显的季节性，陆地水储量在9—10月达到峰值。中国北部地区为温带季风气候，夏季高温多雨，冬季寒冷干燥，四季分明，7—8月达到蓄水量峰值。结合GNSS周年相位分布情况，推测各地区陆地水储量达到峰值的时间具有以下顺序：首先在6—7月，内陆地区陆地水储量首先达到峰值；接着受梅雨雨季影响的长江中下游地区和中国北部地区相继于7—8月陆地水储量达到峰值；最后受南亚季风影响的中国西南地区到达峰值。通过对GNSS垂向坐标时间序列研究，得到了中国大陆地区的水储量变化特征。
图2 GNSS站点垂向位移时间序列图
图3 GNSS站点水文负荷引起的位移振幅、相位图
3.2 GNSS陆地水储量反演结果
得到水储量变化序列后，进行拟合，并与降雨量进行了对比，结果如图4所示。3种数据集的年振幅在空间上总体一致，在中国西南地区（云南和青藏高原南部地区）有较强的季节性水储量变化，GNSS、GRACE和GLDAS的最大年振幅分别达到300、200和150 mm。这些地区受到南亚季风的影响，降雨有明显的季节性。此外在中国东南沿海地区，3种方法也表现出了较明显的季节性水储量变化特征。
图4 中国大陆地区GNSS、GRACE和GLDAS陆地水储量振幅图和中国大陆总降雨量图
年降雨量呈现由东南沿海到西北内陆递减的趋势。受亚热带季风影响，东南沿海的降雨总量十分丰富，达1 000 mm以上，华北及东北大部分地区的年降雨总量在500~1 000 mm范围内，西北地区则降雨量最少，均在500 mm以下。虽然东南地区的降雨总量最大，但年水循环相对较小，原因是大部分降雨可能随河流输送至海洋，以及温度普遍偏高，蒸发输送至大气。
3种方法计算的结果总体上具有很好的一致性，特别是在陆地水储量变化较大的区域。但是由于方法不同，在一些区域存在差异。GNSS反演的结果普遍大于GRACE和GLDAS。这是由于GRACE空间分辨率较大，难以反演小尺度范围内的水储量变化。而GLDAS模型仅包含表层土壤水，没有包括深层的地下水和地表水成分（如河流和湖泊）。
3.3不同流域反演结果对比分析
受中国大陆地区丰富的气候和复杂的地理环境影响，不同流域的水储量变化均有所不同。为此，进一步分析了不同流域的水储量变化情况，流域分布如图1(b)所示。分别研究中国九大流域的水储量变化时间序列，将GRACE和GLDAS数据与GNSS反演结果进行了对比，验证了GNSS反演结果的可行性。
图5显示了2011年1月—2021年12月九大流域不同方法的时间序列变化（GRACE数据到2017年7月，GPM数据到2021年9月）。GNSS反演的结果整理成月分辨率，以便与其他数据集直接比较。表1为各流域不同方法之间的相关系数及相位差，第一个数是相关系数，第二个数是以月为单位的时间滞后，正值代表后者的季节性峰值晚于前者，反之亦然。在西北内陆地区，降雨量最小，地区干旱，持水能力较弱。GRACE与GLDAS水储量波动较小，几乎没有季节性变化。但GNSS反演结果反映出了与降雨一致的季节性变化，并具有较高的相关系数为0.51。这是因为GRACE空间分辨率较大，无法反映出小区域的水储量变化，GLDAS中存在未建模的水文成分。在中国北方地区（淮河、黄河和海河流域），GRACE和GLDAS计算出的陆地水储量变化与降雨相关性较低，这主要是由于中国北方的地下水减少导致陆地水储量减小[34-35] ，且植被覆盖率不高降雨不能很好地储存，两种数据集与降雨数据均有较大的相位差，无法及时反映出这些流域的水储量变化。在松辽流域，2013年降雨表现出明显的增长，3种数据集也很好地将这一特性表现了出来。受南亚季风影响，西南流域水储量变化具有明显的季节性，GNSS、GRACE和GLDAS的年最大振幅分别达到300、200和150 mm。GNSS结果与GRACE和GLDAS也表现出了较强的相关性，分别为0.69和0.79。在长江流域和东南流域，受亚热带季风和梅雨季节影响，4月到10月都有较为丰富的降雨，3种数据集的相关性也均在0.5以上。珠江流域GNSS反演的结果与GRACE反演的相关性较低，可能由于气候炎热，强蒸发导致水分蒸发输送至大气。文献[16]也利用陆态网进行了GNSS相关水储量反演的研究，由于本文在站点选择和时间跨度上与其有所区别，具体结果上会有差异，但总体上结论可以进行相互印证。在中国南方地区，水储量峰值滞后于最大降水1~2个月，这是大多数热带和亚热带地区的共同特征[36]，可能与储水和运输过程中涉及的复杂动态过程有关[37]。总体来说，GNSS结果与GRACE和GLDAS具有良好的一致性，GNSS可以作为一种监测陆地水储量变化的有效手段。
图5 九大流域陆地水储量时间序列图
4 结束语
本文通过使用陆态网182个GNSS站点的垂向坐标时间序列反演了中国大陆地区的陆地水储量变化，并与GRACE、GLDAS水文模型和降雨数据进行了综合比较。结果表明陆地水储量在西南地区均表现出了显著的季节性变化，华南地区次之，西北内陆地区的水储量变化最小。进一步分析，在不同流域，不同数据集结果存在差异。在陆地水储量变化较大的区域（如西南流域、东南流域和长江流域），GNSS结果与GRACE和GLDAS表现出较好的时间相关性（均在0.5以上）。在华北区域（海河流域、黄河流域和淮河流域），由于地下水减少，3种数据集相关性较弱。在内陆地区，GNSS与GRACE和GLDAS的相关系数仅为0.29和0.36，这是因为内陆干旱少雨，蓄水能力差，GRACE和GLDAS都只捕捉到了微弱的水文信息，GNSS表现出与降雨一致的季节性变化，相关系数为0.51。
GNSS反演结果与多源数据集具有较高的一致性，表明GNSS可以作为一种独立观测量来监测陆地水储量变化，是GRACE与GLDAS水文模型之外的另一种可行方案。
参考文献（略），原文有删减
审图号GS京（2023）1208号
作者简介：刘斌（1988—），男，河北武安人，讲师，博士研究生，主要研究方向为GNSS地表形变监测及反演。
E-mail：binliu@csust.edu.cn
基金项目：国家自然科学基金项目(41904003，42274055，42074013)；湖南省教育厅优秀青年基金项目（22B0346）
通讯作者：骆亚波 副教授 E-mail: luoyaborubber@163.com
引用格式：刘斌,龙飞,骆亚波,等.GNSS垂向位移反演中国大陆地区陆地水储量变化[J].测绘科学,2023,48(5):9-16,24.
转自：“测绘学术资讯”微信公众号
如有侵权，请联系本站删除！
