利用GRACE反演长江流域水储量变化_翟宁
利用GRACE重力卫星数据反演黑河流域地下水变化_曹艳萍
盆地 ，是整 个 黑 河 流 域 的 灌 溉 区 和 水 资 源 敏 感 地 区 ，该区域第四系地 层 齐 全 ，地 下 水 主 要 储 存 在 第
８］ 四纪松散的 地 层 内 ［ ．合 黎 山 位 于 河 西 走 廊 北 部 ，
①
吴立宗 ，年雁云 ，李新 ，等 ．基于遥感于 Ｇ Ｉ Ｓ 的黑河流域汇
０ 引言
黑河流域是我国西北最具代表性的干旱区内陆 河流域 ，该地区的自 然 地 理 条 件 特 殊 ，生 态 环 境 脆 弱 ，潜在蒸散发量大 于 实 际 蒸 散 发 量 ，地 表 水 资 源 可开发利用量有限 ，使得地下水成为黑河流域水资 源利用中重要的水源
［ １］
游 ，数据十分有限 ，黑 河 流 域 地 下 水 变 化 的 研 究 多
游地下水资源的变化特征 ，并预测了未来的演变趋 势 ．目前对整个黑河流域地下水变化的研究较少 ． Ｇ Ｒ Ａ Ｃ Ｅ 重力卫星为监测 流 域 尺 度 上 的 地 下 水
４］ 变化提供了新方法 ．曹艳萍等 ［ 综述 Ｇ Ｒ Ａ Ｃ Ｅ 重力
水变化 ，对流域地下水的合理利用有重要意义 ． 地下水变化一般通过地下水观测井进行监测， 这种传统的方法布设维护耗时耗力 ，而且仅仅监测 单点的地下水变化 ，难以充分反映流域尺度地下水 的变化情 况 ．黑 河 流 域 地 下 水 测 井 主 要 集 中 在 中
［ ７］
在加利福尼亚州中谷地区
４ ２
两个总面积约为 １ ５ ． ４×１ ０ｋ ｍ 的流域上进 行 地 下 水消耗情况的反演 ，结果再次表明 Ｇ Ｒ Ａ Ｃ Ｅ 卫星数 据反演较小流域地下水变化具有较大的潜力 ． 本文 利 用 Ｇ Ｒ Ａ Ｃ Ｅ重力卫星反演黑河流域 — ２ ０ ０ ３ ２ ０ ０ ８ 年间的地下水时空变化趋势 ．进一 步 探 索缺少地下水监测井的西北干旱区的地下水资源变 化 ，为水资源的合理开发利用提供一定的理论依据 ．
全球水储量变化的grace卫星检测
明显 ,最大超过了 012 m ,中误差为 318 ×10 - 2 m. 可见 ,当前 GRACE 卫星时变重力场只能确定出上千公里及以上尺
度区域的水储量变化.
关键词 GRACE ,时变地球重力场 ,全球水储量变化
文章编号 0001 - 5733(2006) 06 - 1644 - 07
中图分类号 P228
determine water storage variation over thousands kilometers or more with high accuracy presently. Keywords GRACE , Time2variable gravity field , Global water storage variation
第 49 卷 第 6 期 2006 年 11 月
地 球 物 理 学 报
CHINESE JOURNAL OF GEOPHYSICS
Vol. 49 , No. 6 Nov. , 2006
周旭华 ,吴 斌 ,彭碧波等. 全球水储量变化的 GRACE 卫星检测. 地球物理学报 , 2006 , 49 (6) :1644～1650 Zhou X H ,Wu B ,Peng B B , et al. Detection of global water storage variation using GRACE. Chinese J . Geophys. (in Chinese) , 2006 , 49 (6) :1644～1650
化 ,其表达式可以表示为
∫ ΔCnm
ΔS nm
=
4πaρa
3 (2
n
+
1)
Δρ( r ,θ,λ)
利用重力卫星观测资料解算中国大陆水储量变化
利用重力卫星观测资料解算中国大陆水储量变化段建宾;钟敏;闫昊明;江敏【期刊名称】《大地测量与地球动力学》【年(卷),期】2007(27)3【摘要】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.【总页数】4页(P68-71)【作者】段建宾;钟敏;闫昊明;江敏【作者单位】中国科学院测量与地球物理研究所,武汉,430077;中国科学院研究生院,北京,100039;中国科学院测量与地球物理研究所,武汉,430077;中国科学院测量与地球物理研究所,武汉,430077;中国科学院研究生院,北京,100039【正文语种】中文【中图分类】P333【相关文献】1.基于GRACE卫星重力测量资料监测中国大陆及邻区陆地水储量变化 [J], 吴利平;詹军;田军锋2.利用广义三角帽方法评估GRACE反演中国大陆地区水储量变化的不确定性 [J], 姚朝龙;李琼;罗志才;王长委;张瑞;周波阳3.利用重力卫星探测近16年中国大陆地区陆地水储量长期变化趋势 [J], 邹正波;张诚;崔立鲁;钟波;高珊4.利用重力卫星监测全球陆地水储量变化时不同滤波算法的影响 [J], 崔立鲁;张诚;何明睿5.利用GRACE重力卫星观测研究近7年云南省水储量变化 [J], 王杰;黄英;曹艳萍;王雁因版权原因，仅展示原文概要，查看原文内容请购买。
基于GRACE数据的西南陆地水储量分析
ＧＦ Ｚ数 据得 出的等效 水高变 化 ．横坐 标起 点为 ２０ ０５年 １月 ．研 究表 明， ０项反 映的 陆地水储 量变化量最 高可达 １ ％【． ＲＡ Ｅ卫 星对重力场短波项 的测量误 差随波 长变短 ０ ２ Ｇ Ｃ 】 而迅速增 大 ，以至于无 法反映 引力信 号的变 化，故球 谐项 阶数 最好 小于 ８ ０阶，最高 不能
２ 数据 处理 方 法 与模 型
２１ ． ＧＲＡＣＥ 科 学数 据产 品
历元 时刻 的背景 引力 场 可以表 示为
Ｇ ＝ ＋Ｇ （一ｔ） Ｇ ＋ 。（ ＋５ ｐ（ ＋５ ＋ （ ￡ ｏ ＋ （ Ｇ ￡ ） ） Ｇ ￡ ） Ｇａ。 ）
２ １ —７２ ０ ００ — ９收 到 原稿 ， ２ １— ８３ ０ ００ — ｌ收 到 修 改 稿
０（ ） ＋ ＝ ０（ ）
也就 是说 在 Ｌｖｌ 产 品的处理 过程 中，通过 固体 潮、海潮、极 潮和大气 与海 洋的非 潮汐 ｅｅ ２ 一 模型 移除了对 引力场 的影响 ． 见 Ｌｖｌ 可 ｅｅ一 品中引力场的变化 反映 的主要是陆地 水储量 ２产
的变 化，当然还 包含其 他未模 型化 的地 球物 理现象 ．提供 Ｌ ｖ ｌ 产 品 的有 德克 萨斯大 学 ｅｅ ２ 一 空 间研 究 中 － Ｕ Ｃ Ｒ 、美国喷 气推进 实验室 （Ｐ ） Ｃ（Ｔ Ｓ ） ， Ｊ Ｌ 、德 国地学 研 究中心 （ Ｆ ） 由于 Ｇ Ｚ．
项月变化 序列解 ，可用 于替换 Ｌｖｌ ｅｅ２产 品 中的 ｏ ．图 １中曲线 Ｃ Ｒ ＧＳ Ｊ 和 项 Ｓ － Ｍ—２
Ｃ ＲＳ ＲＪ Ｓ － Ｌ －２、 Ｊ ＬＳ Ｒ Ｊ 、 ＧＦ —Ｌ －２ Ｐ —Ｌ —ｚ Ｚ Ｓ Ｒ Ｊ 分别 给 出替换 ０ 前后 由 ＵＴ Ｓ 、 Ｊ Ｌ、 ＣＲ Ｐ
基于GRACE和GLDAS的长江下游陆地水储量变化预测
第50卷 第7期 2017年7月天津大学学报(自然科学与工程技术版)Journal of Tianjin University (Science and Technology )V ol. 50 No. 7Jul. 2017收稿日期：2016-08-19；修回日期：2017-01-11.作者简介：李晓英（19787— ），女，博士，讲师，lixy3@. 通讯作者：蔡晨凯，chkcai@.基金项目：国家重点研发计划资助项目(2016YFC0400909)；江苏高校优势学科建设工程资助项目(水利工程)；中央高校基本科研业 务费专项资金资助项目(2016B51014).Supported by Na tiona l Key R&D Pla n of China (No.2016YFC0400909)，the Priority Aca demic Progra m Development of Jia ngsu HigherEduca tion Institutions (Wa ter Conserva ncy Engineering )nd the Funda menta l Resea rch Funds for the Centra l Universi-ties (No.2016B51014).DOI:10.11784/tdxbz201608029基于GRACE 和GLDAS 的长江下游陆地水储量变化预测李晓英，蔡晨凯，叶根苗，苏志伟(河海大学水利水电学院，南京 210098)摘 要：利用GRACE 重力卫星数据反演2002—2015年间长江下游陆地水储量变化，与GLDAS 模型模拟陆地水储量从趋势性和相关性两方面进行对比分析，并利用长系列GLDAS 模拟水储量和两者间函数关系，建立改进灰色-马尔可夫模型预测长江下游地区未来陆地水储量变化．结果表明：GRACE 重力卫星数据反演的陆地水储量变化和GLDAS 模型模拟的陆地水储量变化趋势一致，均有微弱增长趋势，最小二乘拟合相关系数为0.79，两者间具有强相关性；利用改进灰色-马尔可夫模型预测长江流域下游地区2016年和2017年陆地水储量变化区间分别为(7.37cm ，12.05cm]和(7.29cm ，11.25cm]，2016年预测结果与实际情况一致，结果表明区域将会出现连续丰水状态，极有可能导致洪涝灾害发生，未来防洪治涝形势严峻．关键词：GRACE ；GLDAS ；陆地水储量变化；改进灰色-马尔可夫模型；长江下游 中图分类号：P339 文献标志码：A 文章编号：0493-2137(2017)07-0732-07Prediction of Terrestrial Water Storage Anomaly of Lower YangtzeRiver Basin Based on GRACE and GLDASLi Xiaoying ，Cai Chenkai ，Ye Genmiao ，Su Zhiwei(College of Water Conservation and Hydropower ，Hohai University ，Nanjing 210098，China )Abstract ：The terrestrial water storage anomalies (TWSA )of lower Yangtze River basin during 2002—2015 were re-constructe d by using GRACE data and analyze d with the TWS simulate d by global land data assimilation sys-tem (GLDAS )from the aspe cts of tre nd and corre lation ．According to the re sult ，the future TWSA data we re pre -dicted by the improved grey-Makov model with the long series GLDAS data ．The results show that both TWSA and TWS in lower Yangtze River basin exhibit an upward but not significant trend ．The same trend and high correlation coefficient (up to 0.79)indicate a functional re lationship be twe e n the two e le me nts ．Base d on the improve d gre y-Markov mode l ，the range s of TWSA in 2016 and 2017 are (7.37cm ，12.05cm] and (7.29cm ，11.25cm]，respectively ，which mean that the lower Yangtze River basin will stay in wet situation in the two years ．Flood will highly likely take place in this area and more attention should be paid to the safety control.Keywords ：GRACE ；GLDAS ；te rre strial wate r storage anomaly ；improve d gre y-Markov mode l ；lowe r YangtzeRiver basin2002年3月，由美国航空航天局(NASA )和德国宇航中心(DLR )联合研发的GRACE 重力卫星成功发射，通过其对每月全球重力场变化的观测，使得监测区域陆地水储量的月度变化首次成为了可能[1]．利用GRACE 卫星数据反演月度陆地水储量的变化值弥补了传统水文站点观测方法和遥感光谱技术在水储量观测上的不足．对于不同流域的陆地水储量变化特征的分析，对探寻流域水文循环中各要素之间的2017年7月李晓英等：基于GRACE和GLDAS的长江下游陆地水储量变化预测 ·733·水量平衡关系、研究流域气候变化和预防极端气候灾害有着重要作用．利用GRACE卫星数据反演得到不同流域的陆地水储量变化在水文上已经有了大量应用．Schmidt 等[2]在不同流域对基于GRACE 数据的陆地水储量变化与基于全球尺度的水文模型模拟得到的陆地水储量变化进行比较，发现其在年尺度上有良好的一致性．Strassberg等[3]利用GRACE 数据反演了美国地区陆地水储量变化，分析其季节变化，并将其与实测陆地水位数据进行相关性分析，结果表明在陆地水储量变化有明显季节性波动的地区，两者有着良好的相关性．Scanlon等[4]利用GRACE数据结合GLDAS数据及实测水文数据分析了科罗拉多河流域1970—2014年的陆地水储量变化趋势及其主要驱动因子．Chen等[5]通过GRACE卫星数据得到的陆地水储量变化成功观测到亚马孙流域在2002—2003年出现的极端旱季和2009年出现的极端雨季，充分证明GRACE卫星在观测大型极端气候事件中具有独特优势．近年来，国内也开展了对GRACE卫星数据的研究工作[6-14]．汪汉胜等[6]比较了三峡库区水库蓄量与GRACE数据反演得到的陆地水储量变化，表明GRACE数据基本能反映三峡库区每月的水储量变化．周旭华等[7]利用GRACE卫星数据反演了长江流域陆地水储量变化，并与CPC(Climate Prediction Center)水文同化模型进行对比，认为在长江流域等大尺度流域中，GRACE数据具有较高的精确度．郑秋月等[8]总结了GRACE数据处理方法，评述了近年来利用GRACE数据估算全球水储量变化、区域水储量变化、地下水变化及陆地河流流域水储量变化等方面的相关研究和应用，并对GRACE数据存在的球谐系数误差和信号泄露误差问题进行了探讨．李琼等[9]利用GRACE反演了我国西南地区的陆地水储量变化，发现反演结果与我国西南地区2010年干旱事件对应的时段和地区十分吻合，证明了GRACE数据对于极端气候情况具有良好的敏感性．尼胜楠等[10]通过对比GRACE数据与水文模型和实测降水资料，分析了长江、黄河两个流域陆地水储量的季节性变化，并表明GRACE具有有效监测厘米级别等效水高的能力．罗志才等[11]利用GRACE数据反演地质地貌结构多元的黑河流域陆地水储量变化，证明了GRACE 数据在不同地质地貌条件下的适用性．王文等[12]利用GRACE卫星数据与多源水文数据进行结合分析，阐明了长江流域各水文要素之间的关系特性．目前，对于GRACE卫星数据反演陆地水储量变化的精度问题已有许多论述[2-3, 6-14]，在大尺度流域范围内，GRACE卫星数据能够精确反映流域陆地水储量的变化．同时，较之GLDAS、CPC等水文模型模拟得到的水储量数据，GRACE卫星数据反演得到的水储量变化对于干旱和洪水等极端气候有着更好的敏感性，其数据在极端气候条件下的波动幅度更为明显，这对未来流域可能出现的极端气候情况预报有着重要意义[5，9]．然而，GRACE卫星发射至今的时间较短，GLDAS模型虽然能通过地表径流、地下径流、土壤水含量、雪水当量和生物含水量等变量的模拟来累加近似陆地水储量，但由于缺少对湖泊、水库和深层地下水水储量等变量的模拟，难以对陆地水储量进行准确预测．为此，本文利用GRACE卫星数据反演2002—2015年间长江流域下游的陆地水储量变化，并与GLDAS水文模型得到的陆地水储量(TWS)相结合，从趋势性和相关性两个方面进行对比分析，通过最小二乘拟合建立的函数关系表明两者之间具有高度的相关性．据此，运用长系列GLDAS数据和改进灰色-马尔可夫模型对长江流域下游地区未来陆地水储量变化进行预测，为长江下游地区可能出现的极端气候情况做出预警．1 研究区域概况及数据来源1.1 研究区域长江流域下游地区通常指长江大通站断面至长江口段，流域面积约12万km²(见图1)．长江下游地区受海陆热力性质差异的影响为亚热带季风气候，四季分明，夏季高温多雨，冬季低温少雨，雨热同期且雨量充沛，有利于农业生产．长江下游地区降雨主要集中在4—9月，汛期主要为6—9月．长江下游以平原地区为主，同时也是我国人口最稠密、经济最发达、城市化水平最高的地区．历史上长江下游地区曾发生多次洪涝灾害，造成重大的社会、经济损失．通图1长江流域示意Fig.1Location of Yangtze River basin·734· 天津大学学报(自然科学与工程技术版) 第50卷 第7期过分析预测长江流域下游未来陆地水储量年际丰枯趋势，可有效预警长江下游极端气候，降低长江下游洪涝、干旱等灾害造成的破坏． 1.2 数据来源1.2.1 GRACE 重力卫星数据目前，国际上有GFZ (German Research Center for Geosciences )、CSR (Center for S pace Research )和JPL (Jet Propulsion Laboratory )3家机构发布GRACE 月重力场模型球谐系数解，其值为原值减去2004-01—2009-12陆地水储量平均值后的值．本文采用GFZ 、CSR 和JPL 3家机构发布数据的平均值．3份数据均已扣除潮汐及非潮汐的大气和海洋质量变化．根据流域地形图，进行面积加权并计算平均数，得到流域当月平均水储量变化(terrestrial water stor-age anomaly ，TWSA )．t 月份的流域平均水储量变化值TWSA (t )为1TWSA()(,)mi i At h i t A ==∑ (1)式中：m 为与流域相交的像素个数；h (i ，t )为第t 月第i 个像素点的水储量变化等效水深；A i 为第i 个像素点与流域相交的面积；A 为全流域的面积．由于GRACE 卫星自身的轨道调整等因素，所获数据有部分缺失，缺失月份的数据采用三次样条插值法将其补充完整． 1.2.2 GLDAS 数据GLDAS 是由美国NASA 戈达德空间飞行中心(GSFC )与美国海洋和大气局(NOAA )国家环境预报中心(NCEP )共同开发的全球陆面数据同化系统，其结合了地表观测与卫星遥感观测数据，驱动Mosaic 、Noah 、CLM 和VIC 4 个陆面过程模型，通过模型模拟与数据同化，生成陆地水文变量，包括地表径流、地下径流、土壤水含量、雪水当量和生物含水量等．国内对于GLDAS 数据在中国地区的适用性已经做了许多的研究[15-16]，已有研究成果表明在我国湿润地区，GLDAS-Noah 模型数据质量较好．本文采用GLDAS-Noah 模型模拟1979-01—2016-01长江下游各项水文要素值．2 研究方法2.1 趋势性分析选用Mann-Kendall 秩次相关检验法对长江下游地区陆地水储量数据进行趋势性检验．Mann-Kendall 法是通过统计序列x i (i ＝1，2，…，n )中所有对偶值(x i ，x j )(j ＞i )中x i ＜x j 出现的个数p ，根据p 值求出τ和Var (τ)，进而计算U 值的大小，即41(1)p n n τ=−−2(25)Var()9(1)n n n τ+=−1/2[Var()]U ττ=(2)式中τ值为正代表上升，为负则代表下降．若给定显著性水平α＝0.05，则查正态分布表得U 0.05＝1.96．当|U |大于U α时，表明序列趋势变化显著，反之则不显著． 2.2 相关性分析采用最小二乘法建立长江流域下游GRACE 陆地水储量变化(TWSA GR )和GLDAS 模拟所得陆地水储量(TWS GL )之间的线性关系，求出二者间的相关系数．通过快速傅里叶变换将时域数据转换至频域，进一步分析其相关关系[1]． 2.3 灰色-马尔可夫预测模型的改进GM (1，1)模型是灰色预测中应用最广泛的一个模型[17]，具有原理简明、算法简便、短期预测精度高、适用于小样本数据等优点．其实质是一个拟微分方程的动态系统．建立GM (1，1)模型有4个步骤．(1) 原数据系列x (0)(k )一阶累加生成具有一定规律性的数据序列x (1)(k )； (1)(0)1()()ki x k x i ==∑(3)(2) 确定数据矩阵B 、Y n ；(1)(1)(1)(1)(1)(1)1[(1)(2)]121[(2)(3)]121[(1)()]12x x x x x n x n ⎡⎤−+⎢⎥⎢⎥⎢⎥−+⎢⎥=⎢⎥⎢⎥⎢⎥−−+⎢⎥⎣⎦B (4)(0)(0)(0)T [(2),(3),,()]n x x x n = Y (5)(3) 计算发展灰数a 和内性控制灰数u ； T 1T []()n a u −′==a B B B Y (6)(4) 建立GM (1，1)模型．(1)(1)(1)ˆ()()e 1a k u u x k x m k a a −−⎡⎤=−+⎢⎥⎣⎦≥ (7)式中x (1)(m )为初始条件．传统GM (1，1)模型以x (1)的第1个分量x (1)(1)作为初始条件，即认为最初的数据是最重要的，这在实际应用中是不合理的[18-19]．本文采用改进初始条件的GM (1，1)模型，将前一时刻的构造序列数据2017年7月 李晓英等：基于GRACE 和GLDAS 的长江下游陆地水储量变化预测 ·735·x (1)(k -1)作为初始条件，建立灰色预测模型，即(1)(1)ˆ()[(1)]e 2a u ux k x k k a a −=−−+≥ (8)再将其还原得到模型的预测值 (0)(1)(1)(0)ˆˆˆ()()(1)e (1)2a xk x k x k x k k −=−−=−≥ (9)为进一步提高预测精度，用马尔可夫方法对改进初始条件的灰色模型结果序列的相对误差进行分析，根据改进GM (1，1)得到的预测值求出相应的相对误差，即 (0)(0)(0)ˆ()()()100%()x k x k k x k Δ−=×(10)根据模糊聚类算法(fuzzy cluster method ，FCM )原理，将相对误差序列分为5类，采用马尔可夫理论计算相对误差转移矩阵，对模型结果的相对误差状态转移进行预测，进一步提高预测精度，建立灰色-马尔可夫模型．3 陆地水储量变化预测及结果分析3.1 趋势性分析2002-04—2015-08长江下游地区的月尺度TWSA GR 和TWS GL 序列见图2．利用Mann-Kendall 秩次相关检验方法对月尺度的TWSA GR 和TWS GL 的趋势性检验结果见表1．图2 长江下游月尺度TWSA GR 、TWS GL 过程Fig.2 Monthly variations of TWSA GR and TWS GL inlower Yangtze River表1 长江下游陆地水储量Mann -Kendall 秩次相关检验结果Tab.1 Mann -Kendall test results of TWS over lowerYangtze River水文要素 τ U TWSA GR 0.151,50.685,7TWS GL 0.030,3 0.137,1可以看出，虽然长江下游地区TWSA GR 和TWS GL 都没有明显变化趋势，但各数据序列的τ值均大于0，呈现微弱上升趋势．3.2 相关性分析利用最小二乘拟合法建立长江流域下游TWSA GR 和TWS GL 之间函数关系(见图3)，两者间的相关系数为0.7866．通过快速傅里叶变换将两者从时域转变至频域后，两者之间的相关关系更为明显(见图4)．由图可看出，两者在1a 左右的低频部分存在十分显著的同周期．图5所示为两者之间的幅值平方相关系数．对于短周期部分，能清晰地看到两者之间的相关性接近0.8，而对于长周期部分，由于高频固有噪声等因素的影响，其相关性较差．图3 长江下游TWSA GR 与TWS GL 拟合效果Fig.3Fitting result between TWSA GR and TWS GL inlower Yangtze River图4 长江下游TWSA GR 与TWS GL 频谱图Fig.4Power spectra of TWSA GR and TWS GL inlowerYangtze River图5 长江下游TWSA GR 与TWS GL 幅值平方相关系数 Fig.5Magnitude -squared coherence between TWSA GRand TWS GL in lower Yangtze River·736·天津大学学报(自然科学与工程技术版)第50卷 第7期通过上述分析可知：GRACE陆地水储量变化和GLDAS陆地水储量之间具有一致的趋势和高度的相关性，并存在一定的线性关系．3.3 预测模型构建及精度验证为避免由GRACE陆地水储量变化数据的正负差异导致的模型精度问题，笔者先利用1979—2011年GLDAS数据对2012—2015年GLDAS陆地水储量值进行预测，再利用GLDAS陆地水储量和GRACE 陆地水储量变化之间的拟合关系对2012—2015年陆地水储量变化进行预测验证．验证预测年份包含了丰枯水年，具有代表性．利用GLDAS长系列数据及式(3)～式(9)建立改进初始条件的GM(1，1)模型，得到模型预测结果序列．根据式(10)计算预测结果序列的相对误差并根据模糊聚类算法原理，将相对误差序列分为5类，其状态中心分别为-15.40、-7.04、-1.91、4.83、11.54，结合FCM程序得出的状态分类结果和相对误差实际分布情况，在保证状态中心基本位于分类区间中间的前提下，划分相对误差各状态区间为θ1＝(-18，-10]、θ2＝(-10，-5]、θ3＝(-6，2]、θ4＝(2，9]、θ5＝(9，14]．由此可得相对误差的马尔可夫一步转移矩阵，见表2．表22012年长江下游陆地水储量相对误差一步转移矩阵Tab.2One step transformation probability matrix of the TWS relative error in lower Yangze River for 2012可能转移状态当前状态θ1θ2θ3θ4θ5θ10 0 0 33.33 66.67θ20 16.67 16.67 33.33 33.33θ30 33.33 33.33 11.11 22.22θ428.57 14.29 14.29 42.86 0θ533.33 16.67 50.00 0 0利用GM(1，1)模型预测2012年长江下游GLDAS陆地水储量的值为34.30cm．由于2011年的相对误差属于θ1，由相对误差一步转移矩阵可知，2012年的相对误差转入θ5状态最为可能，2012年预测值的相对误差在9%～14%之间．根据GLDAS和GRACE之间拟合关系式可得到2012年长江下游陆地水储量变化预测值区间为(2.33cm，5.58cm]，区间中心值为3.96cm，实际2012年长江下游陆地水储量变化值为4.14cm，相对误差为4.64%．表3为同样方法预测的2013—2015年陆地水储量变化结果．由表3可知，连续4年预测结果误差均小于5%，模型预测效果良好．表32012—2015年长江下游陆地水储量变化预测结果Tab.3Prediction results of TWSA in lower Yangtze River from 2012 to 2015年份预测中心值/cm实际值/cm 残差/cm 相对误差/%,2012 3.96 4.14 0.18 4.64 2013 -2.260-2.370-0.110 4.78 2014 2.48 2.55 0.07 2.71 2015 5.63 5.59 -0.040-0.7203.4 长江下游陆地水储量变化预测采用1979—2015年GLDAS数据对2016年下游地区陆地水储量进行预测．首先建立改进初始条件的GM(1，1)模型(1)(1)0.0022ˆ()[(1)17611]e176112x k x k k−=−−+≥(11)其模型预测值为(0)0.0022(0)ˆ()e(1)2x k x k k−=−≥(12)根据模糊聚类算法原理对模型残差相对值进行分类，其状态中心分别为-15.46、-7.10、-1.98、4.73、11.48，由于各中心状态和相对误差分布变化较小，可认为相对误差状态分类区间不变．根据马尔可夫原理，计算其一步转移矩阵和二步转移矩阵结果，如表4和表5所示．表42016年长江下游陆地水储量相对误差一步转移矩阵Tab.4One step transformation probability matrix of the TWS relative error in lower Yangze River for 2016可能转移状态当前状态θ1θ2θ3θ4θ5θ10 0 0 50.00 50.00θ20 16.67 16.67 33.33 33.33θ30 30.00 30.00 20.00 20.00θ422.22 11.11 22.22 44.44 0θ533.33 16.67 50.00 0 0表52017年长江下游陆地水储量相对误差二步转移矩阵Tab.5Two steps transformation probability matrix of the TWS relative error in lower Yangze River for 2017可能转移状态当前状态θ1θ2θ3θ4θ5θ127.78 13.89 36.11 22.22 0θ218.51 17.04 31.85 23.70 08.89θ311.11 19.56 28.45 24.89 16.00θ409.87 13.46 18.39 39.01 19.26θ50 17.78 17.78 32.22 32.22由于2015年的残差相对值属于θ4，由一步转移矩阵可知，2016年的残差相对值转入θ4状态最为可能．于是可知GM(1，1)模型预测的2016年长江下游GLDAS陆地水储量的相对误差在2%～9%之间．经计算得2016年长江下游陆地水储量变化预测2017年7月李晓英等：基于GRACE和GLDAS的长江下游陆地水储量变化预测 ·737·值区间为(7.37cm，12.05cm]．再根据2016年残差相对值状态θ4和马尔可夫二步转移矩阵可得，2017年残差相对值仍最有可能落在区间θ4内，其相对误差在2%～9%之间，计算2017年陆地水储量变化预测区间为(7.29cm，11.25cm]．3.5 预测结果分析根据国家标准《水文基本术语和符号标准》(GB/T50095—98)中的径流丰枯划分准则，将陆地水储量变化丰枯水年也做类似划分．将丰、平、枯细分为特丰水年、偏丰水年、平水年、偏枯水年和特枯水年．通常可认为特丰、偏丰水年对应丰水年；特枯、偏枯水年对应枯水年．水文数据一般可认为服从P-Ⅲ型分布，采用常规的频率分析法统计确定划分年均水储量变化丰、枯的标准，见表6，其中P为频率，S为陆地水储量变化值．表6长江下游年均陆地水储量变化丰、枯划分标准Tab.6Classification of wet and dry year about TWSA in lower Yangtze River丰平枯级别划分标准年均陆地水储量划分标准/cm特丰水年P≤12.5%,S≥6.33偏丰水年 12.5%,＜P≤37.5%, 1.21≤S＜6.33平水年 37.5%,＜P≤62.5%,-1.39≤S＜1.21偏枯水年 62.5%＜P≤87.5%,-3.36≤S＜－1.39特枯水年P＞87.5%,S＜－3.36预测结果表明，2016年长江下游陆地水储量变化预测值区间为(7.37cm，12.05cm]，由表6可知，2016年属特丰水年，这与2016年长江下游地区出现多次特大暴雨，且流域内出现洪涝灾害的实际情况相吻合，进一步证明预测模型的准确性．2017年区域陆地水储量变化预测区间为(7.29cm，11.25cm]，长江下游地区仍处于特丰状态．4 结 论(1) 由GRACE重力卫星反演得到的长江流域下游2002—2015年陆地水储量变化和GLDAS陆地水储量数据均有微弱增长趋势，拟合函数表明GRACE反演得到的陆地水储量变化和GLDAS陆地水储量之间具有高度相关性．(2) 利用1979—2011年长系列GLDAS模拟水储量和改进初始条件灰色-马尔可夫模型预测2012—2015年GLDAS陆地水储量，结合GLDAS陆地水储量和GRACE陆地水储量变化的拟合关系，对2012—2015年陆地水储量变化进行预测，预测结果与2012—2015年实际GRACE反演陆地水储量变化值相吻合，相对误差不超过5%，模型具有良好预测效果．(3) 对2016、2017年长江下游地区陆地水储量变化进行预测，2016年预测结果与实际情况一致，结果表明长江下游地区未来水储量将出现连续丰水状态．基于陆地水储量变化对极端气候的高度敏感性，连续丰水年极有可能导致洪涝灾害发生，未来区域防洪治涝形势严峻．参考文献：［1］Riegger J，Tourian M J. Characterization of runoff-storage relationships by satellite gravimetry and remotesensing[J]. Wate r Resou r ces Resea r ch，2014(2)：3444-3466.［2］Schmidt R，Schwintzer P，Flechtner F，et al. GRACE observations of changes in continental water storage[J].Global and Planetary Change，2006，50(1)：112-126. ［3］Strassberg G，Scanlon B R，Rodell M，et al. Compari-son of seasonal terrestrial water storage variations fromGRACE with groundwater-level measurements from thehigh plains aquifer[J]. Geophysical Resear ch Letter s，2007，34(14)：L14402-1-L14402-5.［4］Scanlon B R，Zhang Zizhan，Reedy R C，et al. Hydro-logic implications of GRACE satellite data in the Colo-rado River Basin[J]. Wate r Resou r ces Resea r ch，2015，51(12)：9891-9903.［5］Chen J L，Wilson C R，Tapley B D. The 2009 excep-tional Amazon flood and interannual terrestrial waterstorage change observed by GRACE[J]. Wate r Re-sour ces Resear ch，2010，46(12)：w12526-1-w12526-10.［6］汪汉胜，王志勇，袁旭东，等. 基于GRACE时变重力场的三峡水库补给水系水储量变化[J]. 地球物理学报，2007，50(3)：730-736.Wang Hansheng，Wang Zhiyong，Yuan Xudong，et al.Water storage changes in Three Gorges water systems in-ferred from GRACE time-variable gravity data[J]. Chi-nese J Geophys，2007，50(3)：730-736(in Chinese). ［7］周旭华，吴 斌，彭碧波，等. 全球水储量变化的GRACE卫星检测[J]. 地球物理学报，2006，49(6)：1644-1650.Zhou Xuhua，Wu Bin，Peng Bibo，et al. Detection ofglobal water storage variation using GRACE[J]. ChineseJ Geophys，2006，49(6)：1644-1650(in Chinese).·738·天津大学学报(自然科学与工程技术版)第50卷 第7期［8］郑秋月，陈 石. 应用GRACE卫星重力数据计算陆地水变化的相关进展评述[J]. 地球物理学进展，2015，30(6)：2603-2614.Zheng Qiuyue，Chen Shi. Review on the recent devel-opments of terrestrial water storage variations usingGRACE satellite-based datum[J]. Progress in Geophys-ics，2015，30(6)：2603-2614(in Chinese).［9］李 琼，罗志才，钟 波，等. 利用GRACE时变重力场探测2010年中国西南干旱陆地水储量变化[J].地球物理学报，2013，56(6)：1843-1849.Li Qiong，Luo Zhicai，Zhong Bo，et al. Terrestrial wa-ter storage changes of the 2010 Southwest China droughtdetected by GRACE temporal gravity field[J]. Chinese JGeophys，2013，56(6)：1843-1849(in Chinese). ［10］尼胜楠，陈剑利，李 进，等. 利用GRACE卫星时变重力场监测长江、黄河流域水储量变化[J]. 大地测量与地球动力学，2014，34(4)：49-55.Ni Shengnan，Chen Jianli，Li Jin，et al. Terrestrial wa-ter storage change in the Yangtze and Yellow River ba-sins from GRACE time-variable gravity measure-ments[J]. Jou r nal of Geodesy and Geodynamics，2014，34(4)：49-55(in Chinese).［11］罗志才，李 琼，钟 波. 利用GRACE时变重力场反演黑河流域水储量变化[J]. 测绘学报，2012，41(5)：676-681.Luo Zhicai，Li Qiong，Zhong Bo. Water storage varia-tions in Heihe River basin recovered from GRACE tem-poral gravity field[J]. Acta Geodaetica et CartographicaSinica，2012，41(5)：676-681(in Chinese). ［12］王 文，王 鹏，崔 巍. 长江流域陆地水储量与多源水文数据对比分析[J]. 水科学进展，2015，26(6)：759-768.Wang Wen，Wang Peng，Cui Wei. A comparison of ter-restrial water storage data and multiple hydrological datain Yangtze River basin[J]. Advances in Water Science，2015，26(6)：759-768(in Chinese).［13］王正涛，超能芳，姜卫平，等. 联合GRACE与TRMM探测阿富汗水储量能力及其发生洪水的可能性[J]. 武汉大学学报：信息科学版，2016，41(1)：58-65.Wang Zhengtao，Chao Nengfang，Jiang Weiping，etal. Combination GRACE and TRMM estimate of waterstorage capacity and flood potential in Afghanistan[J].Geomatics and Information Science of Wuhan University，2016，41(1)：58-65(in Chinese).［14］孙 倩. 基于GRACE和GLDAS的新疆水资源时空变化研究[D]. 乌鲁木齐：新疆大学资源与环境科学学院，2015.Sun Qian. GRACE and GLDAS Data-Based Estimationof Spatial Variations in Terrestrial Water Variations overXinjiang[D]. Urumqi：College of Resources and Envi-ronment Science，Xinjiang University，2015(in Chi-nese).［15］王 文，汪小菊，王 鹏. GLDAS月降水数据在中国区的适用性评估[J]. 水科学进展，2014，25(6)：769-778.Wang Wen，Wang Xiaoju，Wang Peng. Assessing theapplicability of GLDAS monthly precipitation data inChina[J]. Advances in Water Science，2014，25(6)：769-778(in Chinese).［16］汪小菊，王 文，王 鹏. GLDAS月气温数据在中国区的适用性评估[J]. 水电能源科学，2014，32(11)：10-13，57.Wang Xiaoju，Wang Wen，Wang Peng. Assessing theapplicability of GLDAS monthly temperature data inChina[J]. Water Resources and Power，2014，32(11)：10-13，57(in Chinese).［17］肖聚亮，楫 骏，姚永胜，等. 灰色预测在FAST液压促动器中的应用[J]. 天津大学学报：自然科学与工程技术版，2016，49(2)：178-185.Xiao Juliang，Ji Jun，Yao Yongsheng，et al. Applica-tion of grey predictor based algorithm to hydraulic actua-tor used in FAST project[J]. Journal of Tianjin Univer-sity：Science and Technology，2016，49(2)：178-185(in Chinese).［18］何 俊，刘会茹. GM(1，1)初始条件改进的研究及其在预测中的应用[J]. 统计与决策，2013(17)：76-77.He Jun，Liu Huiru. The research of GM(1，1)initialconditions and its application in prediction[J]. Statistics& Decisions，2013(17)：76-77(in Chinese). ［19］杜 川，梁秀娟，王中凯，等. 改进灰色-马尔科夫模型在年降水预测中的应用研究[J]. 节水灌溉，2014(6)：32-36.Du Chuan，Liang Xiujuan，Wang Zhongkai，et al. Ap-plication of improved grey-Markov model in annual pre-cipitation prediction[J]. Wate r Saving I r r igation，2014(6)：32-36(in Chinese).(责任编辑：赵艳静)。
基于随机森林模型的GRACE数据3种空间降尺度对比
基于随机森林模型的GRACE数据3种空间降尺度对比褚江东;粟晓玲;张特;雷逸甦;姜田亮;吴海江;王芊予【期刊名称】《湖泊科学》【年(卷),期】2024(36)3【摘要】陆地水储量是赋存在陆地上各种形式水的综合体现,研究其时空变化对认识区域水循环过程和水资源调控等具有重要意义。
然而现有陆地水储量变化数据实际分辨率较低,限制了其在中小流域或地区中的应用。
针对这一问题,本文基于GRACE重力卫星和其后续卫星GRACE-FO反演的陆地水储量变化数据,首先采用随机森林模型,分别基于格点、区域(流域)和区域(全国)3种空间降尺度思路将GRACE数据降尺度至0.25°×0.25°,后结合GLDAS模型数据,基于水量平衡原理计算得到地下水储量变化数据,最后基于降尺度模型模拟效果和实测地下水位数据评估3种降尺度思路在全国的适用性。
结果表明:随机森林模型能够较好地模拟驱动数据(降水、气温、植被条件指数和土壤水储量)与GRACE数据的统计关系,验证期格点降尺度思路的平均相关系数总体在0.6左右,区域降尺度思路的平均纳什效率系数、相关系数和均方根误差分别>0.5、>0.75和<6.6 cm,3种空间降尺度思路的模拟精度均满足基本要求;2003—2021年间,GRACE数据、格点降尺度、区域降尺度(流域)和区域降尺度(全国)得到的我国陆地水储量亏缺量分别约为119.5×10^(8)、62.4×10^(8)、121.1×10^(8)和121.8×10^(8)m^(3)/a,地下水储量亏缺量分别约为230.0×10^(8)、171.8×10^(8)、235.6×10^(8)和236.4×10^(8)m^(3)/a,受制于样本数较少等原因,格点降尺度结果精度较差;两种区域降尺度思路得到的水储量变化速率均和原始GRACE数据基本一致,模拟结果均优于格点降尺度,且细化到流域的区域降尺度对地下水储量变化验证精度有一定的改善。
利用GRACE反演长江流域水储量变化_翟宁
第34卷第4期2009年4月武汉大学学报 信息科学版Geo matics and Informat ion Science of W uhan U niver sity V ol.34N o.4A pr.2009收稿日期:2009 01 20。
项目来源:中国极地科学战略研究基金资助项目;国家测绘局重点项目极地基础测绘保障资助项目。
文章编号:1671 8860(2009)04 0436 04文献标志码:A利用GRACE 反演长江流域水储量变化翟 宁1,2,3 王泽民1,2 伍 岳4 叶聪云5(1 武汉大学中国南极测绘研究中心,武汉市珞喻路129号,430079)(2 极地测绘科学国家测绘局重点实验室,武汉市珞喻路129号,430079)(3 珠海市海洋与渔业环境监测中心,珠海市梅华东路465号,519000)(4 三峡大学三峡库区地质灾害教育部重点实验室,宜昌市大学路8号,443002)(5 武汉大学测绘学院,武汉市珞喻路129号,430079)摘 要:利用G RA CE 重力卫星2003年1月~2006年9月共计43个月的时变重力场数据,反演了长江流域水储量的变化。
结果显示,基于G RA CE 数据的反演结果和CPC 模型符合得相当好;若考虑低阶项的影响,对GR ACE 的反演结果有很明显的改进。
关键词:GR ACE;重力场;长江流域中图法分类号:P228.42长江流域是我国重要的经济政治区域,人口约占全国的1/3,粮食产量约占全国的1/2。
三峡大坝建成后,其发电和防洪能力,为促进我国经济发展和减少国民经济损失,都发挥了重要的作用。
因此监测长江流域水储量变化具有很重要的经济意义。
文献[1 5]的研究表明,利用GRACE 数据采用适当的平滑函数可以反演大尺度的河流流域水储量的季节性变化,并且结果和水文模型符合得相当好,这为更好地监测长江流域水储量的变化提供了新方法。
1 数据处理模型1.1 GRACE 数据反演地球重力场可以用大地水准面来描述。
基于GRACE数据监测黄河流域陆地水储量变化
基于GRACE数据监测黄河流域陆地水储量变化作者：张璐江善虎任立良来源：《人民黄河》2020年第04期摘要：利用2003—2015年的GRACE重力卫星数据，结合降水量与蒸发量数据，研究黄河流域水储量的时空变化情况，分析其变化趋势与影响因素，并将GRACE数据与GLDAS水文模型的反演结果进行比较，验证GRACE反演结果的准确性。
结果表明：研究时段内，黄河流域水储量呈下降趋势，水储量呈现季节性变化，夏秋季水储量较丰，春冬季较少，空间上由西向东递减;相比蒸发量，水储量与降水量相关性更好。
关键词：GRACE重力卫星;陆地水储量;时空变化;黄河流域中图分类号：TV213.4;TV882.1 文献标志码：Adoi：10.3969/j.issn.1000-1379.2020.04.009Abstract： The GRACE gravity satellite data from 2003 to 2015， combined with precipitation and evaporation data were used to study the temporal and spatial changes of terrestrial water storage in the Yellow River basin in order to analyze its changing trend and influencing factors. The results of GRACE and the GLDAS hydrological model were compared to verify its accuracy. The results show that during the study period， the terrestrial water storage demonstrates a declining trend and decreases from west to east in space; the terrestrial water storage presents seasonal changes clearly，abundant in summer and autumn and less in spring and winter. Comparing with evaporation， the correlation of water storage and precipitation is better.Key words： GRACE gravity satellite; terrestrial water storage; spatial-temporal change; Yellow River basin随着全球气候变暖，水文循环进程加快，降水强度与蒸发强度都随之改变[1]。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第34卷第4期2009年4月武汉大学学报 信息科学版Geo matics and Informat ion Science of W uhan U niver sity V ol.34N o.4A pr.2009收稿日期:2009 01 20。
项目来源:中国极地科学战略研究基金资助项目;国家测绘局重点项目极地基础测绘保障资助项目。
文章编号:1671 8860(2009)04 0436 04文献标志码:A利用GRACE 反演长江流域水储量变化翟 宁1,2,3 王泽民1,2 伍 岳4 叶聪云5(1 武汉大学中国南极测绘研究中心,武汉市珞喻路129号,430079)(2 极地测绘科学国家测绘局重点实验室,武汉市珞喻路129号,430079)(3 珠海市海洋与渔业环境监测中心,珠海市梅华东路465号,519000)(4 三峡大学三峡库区地质灾害教育部重点实验室,宜昌市大学路8号,443002)(5 武汉大学测绘学院,武汉市珞喻路129号,430079)摘 要:利用G RA CE 重力卫星2003年1月~2006年9月共计43个月的时变重力场数据,反演了长江流域水储量的变化。
结果显示,基于G RA CE 数据的反演结果和CPC 模型符合得相当好;若考虑低阶项的影响,对GR ACE 的反演结果有很明显的改进。
关键词:GR ACE;重力场;长江流域中图法分类号:P228.42长江流域是我国重要的经济政治区域,人口约占全国的1/3,粮食产量约占全国的1/2。
三峡大坝建成后,其发电和防洪能力,为促进我国经济发展和减少国民经济损失,都发挥了重要的作用。
因此监测长江流域水储量变化具有很重要的经济意义。
文献[1 5]的研究表明,利用GRACE 数据采用适当的平滑函数可以反演大尺度的河流流域水储量的季节性变化,并且结果和水文模型符合得相当好,这为更好地监测长江流域水储量的变化提供了新方法。
1 数据处理模型1.1 GRACE 数据反演地球重力场可以用大地水准面来描述。
大地水准面的球谐系数表达式为:N ( , ,t)=al=0 lm=0Plm(co s )[C lm (t)cos (m )+S lm (t)sin (m )](1)由时变重力场系数直接得到表面密度变化为[6]:( , )=a ave 3l=0 lm=02l +11+k lP lm (cos ) [ C lm cos (m )+ S lm sin (m )](2)式中, C lm 、 S lm 为GRACE 提供的球谐系数变化量,在本文中取的是月平均重力场减去所有月重力场的平均值。
考虑到GRACE 重力场模型系数误差随阶数增大而增大,因而一般采用空间平均来减低误差。
平均后的表面密度变化为[6]:( , )=2a ave 3 N l=0 lm=02l +11+k lW l P lm (cos ) [ C lm cos (m )+ S lm sin (m )](3)式中,W l 为权函数,定义为:W 0=12,W 1=12 1+e -2b1-e -2b -1b ,W l +1=-2l +1bW l +W l -1,其中,b =ln (2)1-cos (r /a),r 是高斯平均半径。
一般情况下,将表面密度变化变成等效水高变化:H WT ( , )=2a ave 3 water Nl=0 lm=02l +11+k lW l P lm(cos ) [ C lm cos (m )+ S lm sin (m )](4)式中, water 为水的密度。
本文采用的数据是CSR 提供的RL04从2003 01~2006 09GRACE 所测得的共43个近似月平均时变重力场模型。
每个重力场以60阶第34卷第4期翟 宁等:利用G RA CE反演长江流域水储量变化球谐系数的形式给出,它们之间的时间间隔并不完全一致。
潮汐影响和非潮汐的大气和海洋影响在Level 2的数据处理过程中已经扣除,因而GRACE时变重力场反映的是非大气、非海洋的质量变化,即主要是陆地水储量的变化,同时还有未被模型完全模拟的海洋、大气的变化。
由于卫星的轨道以及两颗卫星之间的距离很短,GRACE 低阶项尤其是C20项不能很精确地得到,在大多数的文章中,将C20项剔除掉,而本文采用Cheng 等[7]提供的根据激光测卫得到的C20代替GRACE的C20,提高反演精度。
另外,由于GRACE无法提供重力场一阶项球谐系数,而Chambers等[8,9]和Chen等[1]的研究表明一阶项不能忽略,本文采用地球质心季节变化项计算得到一阶项代替GRACE的一阶项。
针对重力场低阶项,本文采用以下4种方案分别处理GRACE的重力场数据得到流域水储量变化的时间序列: 剔除GRACE数据中的C20项; 纯GRA CE数据; 用SLR测得的C20代替GRACE的C20项; 在方案 的基础上,地球质心季节变化项得到的一阶项代替GRACE的一阶项[5]。
因为在GRACE重力场解算的过程中,已经扣除了非潮汐大气、海洋信号的影响,本文方案 中的一阶项同样扣除非潮汐大气、海洋信号的影响。
在本文计算中,考虑到目前的精度水平,重力场系数最高阶取为60阶。
另外,精度分析显示,2003年以后的重力场空间分辨率可达到400~600km,为此,在计算长江流域水储量变化时,采用高斯平滑半径1000km,利用式(4)计算格网点地表水变化,然后再利用纬度的余弦加权平均,得到流域的地表水变化。
1.2 水文模型CPC流域水储量的平衡方程可以简单地描述为:降雨量-土壤水分蒸发蒸腾-表面流失-深层渗透=土壤水分变化+积雪变化。
对于流域水储量,其变化就等于土壤水分变化加上积雪变化。
在本文中,土壤水分变化和积雪变化数据来自于美国国家海洋和大气局(NOAA)的气象预报中心(climate pr edictio n center,CPC)的陆地资料同化系统。
CPC是根据全球观测到的降水分布而建立的,采用的数据包括CPC每日和每小时的降水分析结果、太阳辐射分布、地表大气压、潮湿度、温度以及水平风速等。
CPC提供的产品包括地表积雪分布、厚度及其反照率、土壤温度、地表以下4层的土壤水含量等。
本文采用CPC陆地资料同化系统提供的月平均陆地水储量的格网数据,时间间隔为1个月,经度和纬度方向的格网点间隔为1 ,时间跨度选取与GRA CE相同月份的数据,数据单位是和等效水高相同的cm。
对流域内的格网点数据,利用纬度的余弦加权平均,得到河流流域的水储量变化。
1.3 最小二乘拟合最小二乘拟合长江流域水储量变化时间序列。
拟合的形式为A co s( t- ),其中 为频率, A为振幅(单位为cm), 为相位,参考时间为0101。
可以将任一个月的水储量变化表示为:y(t)=a+bt+ M i=1A i cos(2 T i(t- i))式中,a为常数项;b为线性项系数;T i、A i、 i分别为对应的周期、振幅和相位。
由于GRACE发布的数据时间跨度不长,线性项并无很大的研究价值,因此,本文仅考虑年变化项和半年变化项。
2 数据分析和结论本文计算得到长江流域水储量变化。
GRACE 反演出来的等效水高和利用CPC模型计算出来的结果比较见图1。
图1(a)~1(d)所示的反演结果和CPC水文模型符合得相当好,都反映出了长江流域水储量存在明显的季节变化,并可以看出水储量的周年变化,主要在春季和秋季达到最小和最大值。
图中,GRC代表GRACE数据,CPC代表CPC 水文模型,SLR代表SLR测得的C20,GEOC代表根据地球质心季节变化项得到的一阶项。
图1(a)为GRACE数据(剔除C20项)反演和CPC水文模型估计的长江流域水储量变化;图1(b)为GRACE 数据反演和CPC水文模型估计的长江流域水储量变化;图1(c)为GRACE数据(利用SLR测得的C20项代替GRACE的C20项)反演和CPC水文模型估计的长江流域水储量变化;图1(d)为GRACE 数据(利用SLR测得的C20项代替GRACE的C20项,根据地球质心季节变化项得到的一阶项代替GRACE的一阶项)反演和CPC水文模型估计的长江流域水储量变化。
在图1中,2003年第一季度和2006年第三季度GRA CE的反演结果和CPC水文模型有明显的差别,原因可能是缺乏2002和2006年底的数据,导致GRACE不能很好地反映出该时间段的变化趋势。
由于实测数据的缺乏以及传统测量方法的成本太高,水文模型的精度有限,利用CPC水文模型得到2005年8、9、10月的结果和其2003、2004年同期结果存在437武汉大学学报 信息科学版2009年4月很大差别,而GRACE 的反演结果和其2003、2004年同期反演结果基本相似,因而2005年8、9、10月GRACE 和CPC 存在明显差别的原因可能是CPC 水文模型的不准确造成的。
另外,在2006年4月~10月,长江流域出现严重的旱情,图1中,该时间段的GRACE 反演结果和CPC 水文模型的振幅明显变小,它们都很好地反映出了该旱情。
图1 长江流域水储量变化F ig.1 Water Sto rag e Changes of t he Y ang tze River Basin在几百km 或者更大的空间尺度上,GRACE 可探测平均小于1cm 的表层水变化[3]。
长江总面积约1.9 106km ,利用GRA CE 可以反演出周年信号变化。
用最小二乘拟合分别估计上述5个时间序列的周年信号、半年信号(振幅和相位,结果见表1)。
由于GRA CE 的轨道几何形状对重力场C20项不是很敏感,它所确定的C20项精度相对较低,因而C20项在很多文章中不予考虑,而本文采用卫星激光测距技术得到的C20项代替GRACE 的C20项。
在周年信号上,方案 和方案 的周年项振幅和相位相差很小,与CPC 相比,方案 的周年项振幅和CPC 更接近。
从图1(b)、1(c)图可以看出,方案 和 反演的结果和CPC 符合程度相当,不存在显著差别,只是方案 得到的曲线更平滑,符合得稍微好些,因而在本文中考虑采用SLR 的C20项对反演结果有些许改善。
另外,从表1可以看出,方案 ~ 的周年振幅、相位与CPC 水文模型周年振幅、相位都比较接近,但是方案 和CPC 的周年振幅、相位完全相等,可见方案 对反演结果的质量有明显改善,和CPC 水文模型更接近。
综合以上分析可见,若考虑低阶项的影响尤其是一阶项,对反演结果的质量有明显的提高。
如何更好地提高GRACE 的时变重力场以及低阶项的解算精度和改进地球质心时间序列的精度,同时改善平滑方法,将有利于提高反演质量。
相信随着GRACE 卫星数据精度的提高以及处理方法的完善,利用GRACE 卫星将能更有效地对长江流域水储量变化进行监测,为监督三峡大坝对长江流域环境的影响以及加强水资源的合理利用作出贡献,为国民建设服务。