張昌偉，常 勇，羅 躍

（1. 河海大學(xué)地球科學(xué)與工程學(xué)院，江蘇 南京 210098； 2. 東華理工大學(xué)水資源與環(huán)境工程學(xué)院，江西 南昌 330013）

0 前 言

陸地水儲(chǔ)量（Terrestrial Water Storage， TWS）是儲(chǔ)存在地表以及地下的全部水分（積雪、冰川、土壤水、地下水、河流湖泊水以及生物水）等［1］，是陸地和全球水循環(huán)的重要組成部分［2］，也是人類賴以生存和發(fā)展的基礎(chǔ)。區(qū)域水資源的豐富程度一定程度上制約著當(dāng)?shù)剞r(nóng)業(yè)和工業(yè)的發(fā)展，水儲(chǔ)量的劇烈變化也會(huì)引發(fā)當(dāng)?shù)馗珊祷蚝闈碁?zāi)害，對(duì)當(dāng)?shù)亟?jīng)濟(jì)和社會(huì)的發(fā)展具有重要影響。

傳統(tǒng)對(duì)陸地水資源量的監(jiān)測(cè)主要基于點(diǎn)狀測(cè)量，受限于有限的監(jiān)測(cè)點(diǎn)分布和復(fù)雜的地下狀況，很難獲得區(qū)域水儲(chǔ)量的動(dòng)態(tài)變化監(jiān)測(cè)數(shù)據(jù)。自2002 年（Gravity Recovery and Climate Experiment）GRACE重力衛(wèi)星發(fā)射以來(lái)，基于陸地區(qū)域重力場(chǎng)提取的陸地水儲(chǔ)量距平（Terrestrial Water Storage Anomaly，TWSA），反映了地球陸地垂直方向上水儲(chǔ)量的異常變化［3］，能有效避免傳統(tǒng)方法的缺陷，為監(jiān)測(cè)全球或區(qū)域陸地水儲(chǔ)量變化提供了一種新的手段［4-6］。近年來(lái)，基于GRACE 衛(wèi)星獲取的TWSA 被廣泛用于監(jiān)測(cè)全球或區(qū)域尺度陸地水儲(chǔ)量的動(dòng)態(tài)變化，在認(rèn)識(shí)不同地區(qū)水資源變化趨勢(shì)以及影響因素方面展現(xiàn)出巨大的潛力。

氣候變化和人類活動(dòng)為影響TWSA 動(dòng)態(tài)變化的主要因素［7-10］，一方面氣候變化能改變水資源供給和排泄量，是決定區(qū)域水資源量豐富程度的關(guān)鍵因素；另一方面人類活動(dòng)，如農(nóng)業(yè)灌溉、修建水庫(kù)、跨流域調(diào)水等，也會(huì)改變區(qū)域水循環(huán)過(guò)程，進(jìn)一步影響TWSA的動(dòng)態(tài)變化。在當(dāng)前全球氣候逐漸變暖和人類活動(dòng)不斷加強(qiáng)的背景下，分析區(qū)域TWSA 的動(dòng)態(tài)變化及其主要控制影響因素對(duì)于正確認(rèn)識(shí)未來(lái)TWSA的變化趨勢(shì)和制定合理的水資源管理策略都具有重要意義。盡管目前開展了大量有關(guān)TWSA 變化方面的研究，但大部分研究通常以大型流域?yàn)榛狙芯繂卧?，11］，一定程度上忽略了流域內(nèi)部的差異。同時(shí)氣候因子與TWSA 變化之間的關(guān)系也多采用簡(jiǎn)單的相關(guān)性分析，缺少定量分析氣候因子對(duì)TWSA 變化的貢獻(xiàn)，進(jìn)而評(píng)估人類活動(dòng)對(duì)TWSA 的影響程度。鑒于此，選取南方7 省市（云南省、四川省、貴州省、廣西壯族自治區(qū)、重慶市、湖北省、湖南省），在網(wǎng)格尺度上分析TWSA 的動(dòng)態(tài)變化趨勢(shì)，在研究TWSA 與不同氣候指標(biāo)之間相關(guān)性的基礎(chǔ)上，進(jìn)一步采用偏最小二乘回歸模型定量評(píng)價(jià)氣候因子對(duì)TWSA 動(dòng)態(tài)變化的貢獻(xiàn)，分析南方7 省市不同區(qū)域TWSA 動(dòng)態(tài)變化的影響因素，為該區(qū)域水資源管理和保護(hù)提供一定的依據(jù)。

1 研究區(qū)域、數(shù)據(jù)與方法

1.1 研究區(qū)概況

選取南方7省市為研究區(qū)，包括云南省、四川省、貴州省、廣西壯族自治區(qū)、重慶市、湖北省、湖南省。這些省市區(qū)絕大部分地區(qū)位于亞熱帶季風(fēng)氣候，僅云南省南部局部區(qū)域?qū)儆跓釒Ъ撅L(fēng)氣候，四川省西北部分地區(qū)屬高山高原氣候。研究區(qū)內(nèi)地形起伏大，從向西向東逐漸由高原、山地逐漸轉(zhuǎn)變?yōu)榍鹆?、平原，降雨量豐富，年降雨量從東南向西北方向逐漸降低。除四川省西北部地區(qū)外，研究區(qū)絕大部分地區(qū)多年平均降雨量在800 mm以上，局部地區(qū)最高年降雨量可達(dá)2 000 mm，區(qū)內(nèi)僅局部山區(qū)存在常年冰川和積雪。

整個(gè)研究區(qū)涵蓋了長(zhǎng)江流域和珠江流域絕大部分上中游區(qū)域，水資源量豐富，基本無(wú)大面積地下水超采情況，但由于受亞熱帶季風(fēng)氣候的影響，降雨時(shí)空分布極不均勻，降雨多集中在4-9 月。這些省市也是我國(guó)巖溶集中分布區(qū)域［12］，地下水水位往往暴漲暴跌［13］，該地區(qū)也是我國(guó)干旱和洪澇頻發(fā)地區(qū)［14，15］。研究區(qū)另一特點(diǎn)是水電站眾多，其中大型的水電站包括位于長(zhǎng)江流域的三峽水電站、珠江流域的龍灘水電站以及2021 年開始發(fā)電的白鶴灘水電站，其中龍灘水電站庫(kù)容達(dá)273億m3；三峽水電站庫(kù)容393 億m3。這些水電站的庫(kù)容巨大，對(duì)于區(qū)域水資源量具有巨大的調(diào)蓄作用。研究這些省市陸地水儲(chǔ)量的動(dòng)態(tài)變化及其主要影響因素對(duì)于該地區(qū)水資源綜合管理和預(yù)測(cè)未來(lái)氣候下水資源的動(dòng)態(tài)變化具有重要意義。

1.2 數(shù)據(jù)來(lái)源

研究采用的TWSA 數(shù)據(jù)來(lái)自美國(guó)德克薩斯大學(xué)（Center for Space Research，CSR）空間研究所最新公布的第二版的CSR_GRACE_GRACE-FO_RL06 重力場(chǎng)模型數(shù)據(jù)［16］，該產(chǎn)品有效克服了傳統(tǒng)球諧系數(shù)因?yàn)V波而造成的泄露誤差，相對(duì)于前期傳統(tǒng)的球諧系數(shù)產(chǎn)品表現(xiàn)出更高的精度［17］。由于衛(wèi)星2002 年初進(jìn)行軌道校準(zhǔn)以及2016年底電池老化而導(dǎo)致的數(shù)據(jù)誤差，使得TWSA 不確定性小幅上升，其余時(shí)間皆穩(wěn)定在30 mm 左右。該數(shù)據(jù)的原始精度為1°×1°，整個(gè)研究區(qū)共含有160個(gè)網(wǎng)格。選取2002 年4 月至2017 年6 月期間GRACE 數(shù)據(jù)作為水儲(chǔ)量動(dòng)態(tài)數(shù)據(jù)，由于GRACE 衛(wèi)星前期調(diào)試以及運(yùn)行期間傳感器性能下降和功能不足問(wèn)題，存在20 個(gè)月的數(shù)據(jù)缺失，采用李夫鵬重建的GRACE數(shù)據(jù)對(duì)缺失數(shù)據(jù)進(jìn)行填補(bǔ)［18］。

為分析氣候因素對(duì)TWSA 動(dòng)態(tài)的影響，選取國(guó)家青藏高原科學(xué)數(shù)據(jù)中心發(fā)布的中國(guó)區(qū)域地面氣候要素驅(qū)動(dòng)數(shù)據(jù)集［19］，該數(shù)據(jù)集包含近地面氣溫、近地面氣壓、近地面空氣比濕、近地面全風(fēng)速、地面向下短波輻射、地面向下長(zhǎng)波輻射、地面降水量共7個(gè)氣候要素的月平均值，以下分別簡(jiǎn)稱為氣溫、氣壓、比濕、風(fēng)速、短波、長(zhǎng)波以及降雨。為檢查該數(shù)據(jù)集的精度，初步將研究區(qū)中該數(shù)據(jù)集1981 年至2010 年期間降雨、氣溫、比濕數(shù)據(jù)與中國(guó)氣候數(shù)據(jù)網(wǎng)（http：∕∕www.nmic.cn∕）公開發(fā)布的中國(guó)氣候標(biāo)準(zhǔn)值月值數(shù)據(jù)中的相關(guān)網(wǎng)格數(shù)據(jù)進(jìn)行對(duì)比，發(fā)現(xiàn)每個(gè)網(wǎng)格的相關(guān)系數(shù)均達(dá)到0.99 以上，顯示出該數(shù)據(jù)集在研究區(qū)較高的精度。除此之外，本文還選取由北京師范大學(xué)發(fā)布的全球陸表特征參量產(chǎn)品中的葉面積指數(shù)用于反應(yīng)陸地植被的變化［20］。在這8個(gè)指標(biāo)中，降雨為陸地水儲(chǔ)量的主要輸入量，而其他指標(biāo)主要影響陸面蒸散發(fā)。這8種指標(biāo)被選為陸地水儲(chǔ)量的潛在氣候驅(qū)動(dòng)因子，均選取GRACE 數(shù)據(jù)的相同時(shí)段（2002.4-2017.6），同時(shí)采用簡(jiǎn)單平均法尺度粗化至1°×1°的經(jīng)緯度網(wǎng)格月數(shù)據(jù)，與GRACE數(shù)據(jù)的空間和時(shí)間精度保持一致。

1.3 研究方法

采用Theil-Sen Median 方法分析每個(gè)網(wǎng)格陸地水儲(chǔ)量的變化趨勢(shì)和程度，對(duì)于時(shí)間序列（x1，x2，…，xn），斜率計(jì)算公式可表示為：

式中：Β為斜率；xi和xj分別為i、j時(shí)刻的TWSA 值；Median 為取中值函數(shù)。

采用基于局部回歸分析（locally weighted regression，LOESS）算法的季節(jié)趨勢(shì)分解（Seasonal-Trend-Loss，STL），對(duì)TWSA 進(jìn)行分解，分別計(jì)算季節(jié)項(xiàng)與趨勢(shì)項(xiàng)相對(duì)于總信號(hào)方差的貢獻(xiàn)占比。STL是以魯棒局部加權(quán)回歸作為平滑方法的時(shí)間序列分解方法，分解周期性數(shù)據(jù)效果較好，適用于GRACE 數(shù)據(jù)［21］。STL可表示為：

式中：Xo為原始的時(shí)間序列；Xlong代表時(shí)間序列的長(zhǎng)期趨勢(shì)；Xsea代表時(shí)間序列中所存在的周期性變化規(guī)律；Xres為殘差項(xiàng)。

互相關(guān)分析被用于研究不同氣候指標(biāo)與TWSA之間的相關(guān)性程度，前期的大量研究表明TWSA 的動(dòng)態(tài)變化一般滯后于氣候指標(biāo)的變化，且滯后時(shí)間對(duì)于不同的氣候指標(biāo)或在不同的地區(qū)均存在差異。考慮到氣候指標(biāo)的周期性，結(jié)合袁瑞強(qiáng)等在全球尺度上分析TWS 與氣候要素的時(shí)間滯后皆為2 或3 個(gè)月［22］，選取每個(gè)網(wǎng)格滯后時(shí)間3個(gè)月之內(nèi)的相關(guān)系數(shù)的最大值表征該網(wǎng)格TWSA與氣候指標(biāo)之間的最大相關(guān)性。每個(gè)網(wǎng)格相關(guān)系數(shù)的計(jì)算方法如下：

式中：k為滯后月數(shù)；n為數(shù)據(jù)個(gè)數(shù)；Gt和Qt為TWSA 和氣候指標(biāo)的時(shí)間序列數(shù)據(jù)；σG和σQ分別為TWSA 和氣候指標(biāo)的方差。選擇5%的顯著性水平對(duì)相關(guān)系數(shù)進(jìn)行顯著性檢驗(yàn)。

氣候變化與人類活動(dòng)是影響TWSA 變化的主要因素，由于人類活動(dòng)在區(qū)域尺度上對(duì)TWSA 的影響很難進(jìn)行統(tǒng)計(jì)和分析，通過(guò)定量評(píng)估氣候指標(biāo)對(duì)TWSA 動(dòng)態(tài)變化的預(yù)測(cè)程度，可以在一定程度上間接了解人類活動(dòng)對(duì)TWSA動(dòng)態(tài)的影響?？紤]到不同氣候指標(biāo)之間存在很強(qiáng)的相關(guān)性，選取偏最小二乘回歸模型定量評(píng)估氣候指標(biāo)對(duì)TWSA動(dòng)態(tài)的解釋程度。偏最小二乘回歸模型（Partial Least Squares Regression， PLSR）是多元線型回歸模型的擴(kuò)展，可以同時(shí)實(shí)現(xiàn)多元線型回歸和主成分分析過(guò)程，特別適合當(dāng)因變量比自變量有更多的變量，以及自變量存在多重共線性的情況。PLSR 算法主要包括以下步驟：首先，獲取自變量的氣候要素矩陣和因變量的TWSA 數(shù)據(jù)矩陣，進(jìn)行標(biāo)準(zhǔn)化處理，得到自變量矩陣X和因變量矩陣Y。結(jié)合典型關(guān)聯(lián)分析以及主成分分析思想，求出第一對(duì)主成分，并分別建立Y和X對(duì)第一對(duì)主成分的回歸模型，隨后用該方程的殘差代替X和Y重復(fù)以上步驟，最終可建立以下偏最小二乘回歸方程：

式中：ωk為主成分的軸向量；βk為Y對(duì)因變量主成分回歸建模的回歸系數(shù)；k即為主成分個(gè)數(shù)。

對(duì)于每個(gè)網(wǎng)格，TWSA 作為PLSR 模型因變量，考慮最優(yōu)滯后時(shí)間的8 個(gè)氣候指標(biāo)作為模型的因變量，采用決定系數(shù)R2來(lái)評(píng)估模型的模擬效果和留一法交叉驗(yàn)證來(lái)最終確定最優(yōu)模型結(jié)構(gòu)。除采用PLSR 模型評(píng)估氣候指標(biāo)對(duì)TWSA 的預(yù)測(cè)能力外，PLSR 模型中每個(gè)氣候指標(biāo)的回歸系數(shù)描述了PLSR 中的每個(gè)分量依賴于原始變量的權(quán)重，可用于評(píng)估不同氣候指標(biāo)對(duì)TWSA動(dòng)態(tài)變化的貢獻(xiàn)程度。

除采用互相關(guān)分析和PLS模型在月尺度上分析每個(gè)單元格不同氣候指標(biāo)與陸地水儲(chǔ)量變化的關(guān)系外，研究還將每個(gè)氣候指標(biāo)和陸地水儲(chǔ)量做13點(diǎn)滑動(dòng)平均，一定程度上消除各指標(biāo)的季節(jié)變化，分析它們?cè)谀瓿叨壬系年P(guān)系。

2 研究結(jié)果

2.1 TWSA變化的趨勢(shì)以及主導(dǎo)模式

2002 年至2017 年間，TWSA 在南方七省市中，75%的網(wǎng)格多年平均水儲(chǔ)量距平呈現(xiàn)明顯上升趨勢(shì)，在重慶、貴州和湖南省交界處上升幅度最大，平均增幅可達(dá)每年0.9 cm。在四川以及云南西部，TWSA則呈現(xiàn)出緩慢下降的趨勢(shì)，最大下降幅度為每年0.3 cm左右。

基于STL 法，將TWSA 分解為趨勢(shì)項(xiàng)、季節(jié)項(xiàng)以及殘差項(xiàng)，通過(guò)比較每個(gè)分量與總信號(hào)的方差，可以評(píng)估這3 個(gè)分量的相對(duì)貢獻(xiàn)。圖2展示了研究區(qū)TWSA 趨勢(shì)項(xiàng)與季節(jié)項(xiàng)方差的相對(duì)貢獻(xiàn)的空間分布，展現(xiàn)出明顯的區(qū)域規(guī)律。云南、四川中南部、廣西南部以及湖南湖北二省的東部季節(jié)項(xiàng)的方差貢獻(xiàn)占比皆大于50%，云南中西部占比達(dá)到最大為78.9%；趨勢(shì)項(xiàng)的方差占比則普遍小于35%，云南中西部最小占比為11.9%，反映出TWSA在這些區(qū)域以周期性季節(jié)變化為主。四川北部、貴州、重慶以及湖南湖北二省的西部季節(jié)項(xiàng)的方差貢獻(xiàn)占比皆小于50%，重慶、貴州、湖北和湖南四省市交界處占比最小達(dá)到26.1%；趨勢(shì)項(xiàng)的方差占比則普遍在30%～50%之間，四省市交界處這一區(qū)域最大貢獻(xiàn)可達(dá)48.5%。這表明TWSA 在這些區(qū)域受長(zhǎng)期趨勢(shì)和季節(jié)變化的共同影響。

2.2 氣候指標(biāo)與TWSA相關(guān)性分析

當(dāng)考慮研究區(qū)氣候指標(biāo)與TWSA 最大相關(guān)時(shí)，月尺度下80%以上的網(wǎng)格TWSA 與氣候指標(biāo)之間均存在2～3個(gè)月的滯后時(shí)間，僅氣壓與TWSA 的滯后時(shí)間無(wú)明顯規(guī)律。年尺度下，80%以上的網(wǎng)格TWSA 與降雨、濕度和短波之間仍存在1～3 個(gè)月的滯后，與其他指標(biāo)基本無(wú)滯后。圖3 顯示了不同時(shí)間尺度下研究區(qū)內(nèi)不同氣候指標(biāo)與TWSA 之間最大的相關(guān)系數(shù)，圖中僅顯示相關(guān)系數(shù)顯著性水平大于5%的網(wǎng)格。

在月尺度上，氣溫、長(zhǎng)波、降雨、葉面指數(shù)和比濕5種指標(biāo)在研究區(qū)呈現(xiàn)相似的相關(guān)系數(shù)空間分布特征，除在重慶市、貴州省、湖南省和湖北省交界處以及四川西北部15個(gè)網(wǎng)格存在相關(guān)系數(shù)低于0.5 外，其他區(qū)域5 種指標(biāo)與TWSA 均較高的相關(guān)性，最大相關(guān)系數(shù)可達(dá)0.95。在這5 種指標(biāo)中，比濕、氣溫、葉面積指數(shù)與TWSA 的相關(guān)系數(shù)要高于其他2 個(gè)指標(biāo)，降雨并未顯示比其他指標(biāo)更強(qiáng)相關(guān)性，僅在四省市交界處的相關(guān)性高于其他氣候指標(biāo)。短波、風(fēng)速和氣壓與TWSA 的相關(guān)關(guān)系明顯弱于其他指標(biāo)。

當(dāng)所有氣候指標(biāo)和TWSA 采取13 點(diǎn)滑動(dòng)平均一定程度上消除季節(jié)變化后，從年尺度分析TWSA 與氣候因素的互相關(guān)關(guān)系，不同氣候指標(biāo)與TWSA互相關(guān)程度出現(xiàn)了明顯變化。比濕、長(zhǎng)波以及葉面積指數(shù)總體上仍呈現(xiàn)明顯正相關(guān)，但與月尺度的相關(guān)系數(shù)相比，對(duì)應(yīng)網(wǎng)格會(huì)降低0.1～0.5，其中長(zhǎng)波與葉面指數(shù)與TWSA 相關(guān)系數(shù)的下降最為明顯，最大相關(guān)系數(shù)僅為0.71。在這四種指標(biāo)中，降雨在絕大部分網(wǎng)格均呈現(xiàn)出與TWSA 最高的相關(guān)性，這也表明在年時(shí)間尺度上，TWSA在研究區(qū)80%以上的區(qū)域與降雨的關(guān)系最密切。對(duì)于其他指標(biāo)，氣溫與TWSA 的相關(guān)關(guān)系最弱，45%網(wǎng)格沒有通過(guò)顯著性檢驗(yàn)。90%網(wǎng)格的短波呈現(xiàn)負(fù)相關(guān)關(guān)系，氣壓的空間分布與之類似，負(fù)相關(guān)網(wǎng)格占據(jù)65%左右，但在貴州、湖南以及研究區(qū)域北部仍有正相關(guān)關(guān)系分布。風(fēng)速整體上未呈現(xiàn)明顯的規(guī)律，正、負(fù)相關(guān)都有所體現(xiàn)，在研究區(qū)中部和東部地區(qū)與TWSA的相關(guān)程度較高，最大相關(guān)系數(shù)值可達(dá)0.84。

從TWSA 和8 種不同指標(biāo)的相關(guān)性分析可以發(fā)現(xiàn)，在月時(shí)間尺度上，除研究區(qū)中部區(qū)域外，TWSA與多種指標(biāo)均呈很強(qiáng)的相關(guān)關(guān)系，而在年時(shí)間尺度上，僅降雨與比濕與TWSA呈現(xiàn)較強(qiáng)的相關(guān)性，表明不同時(shí)間尺度下控制TWSA 的動(dòng)態(tài)變化因素存在一定的差異。

2.3 偏最小二乘回歸模型擬合結(jié)果

圖4 為PLSR 模型評(píng)價(jià)結(jié)果，其中圖4（b）和圖4（d）僅顯示了每個(gè)網(wǎng)格貢獻(xiàn)前三的氣候指標(biāo)，圓圈大小表示貢獻(xiàn)度的大小。從圖4中可以看出，月尺度下PLSR模型對(duì)研究區(qū)西部區(qū)域（整個(gè)云南省、四川省中南部）和東南部區(qū)域（廣西南部和湖南東部）的模擬結(jié)果較高，決定系數(shù)值R2均大于0.60，最大決定系數(shù)達(dá)0.92。與月尺度下互相關(guān)分析結(jié)果類似，PLSR模型對(duì)研究區(qū)北部和中部區(qū)域的擬合結(jié)果較差，最低R2值僅為0.17，表明在這些區(qū)域僅采用氣候指標(biāo)不能很好的解釋TWSA的月動(dòng)態(tài)變化。進(jìn)一步分析每個(gè)氣候指標(biāo)對(duì)陸地水儲(chǔ)量變化的貢獻(xiàn)，在65%網(wǎng)格中，比濕均為貢獻(xiàn)度最大的指標(biāo)，最大貢獻(xiàn)度可達(dá)48.3%，同時(shí)氣溫在70%的網(wǎng)格尤其是研究區(qū)東部均在貢獻(xiàn)前三的指標(biāo)中，而降雨僅在40%網(wǎng)格中進(jìn)入貢獻(xiàn)前三。除此之外，在研究區(qū)南部和四川省，葉面積指數(shù)和長(zhǎng)波對(duì)TWSA的變化起主要貢獻(xiàn)，其余氣候指標(biāo)僅在局部網(wǎng)格中進(jìn)入貢獻(xiàn)前三。

相對(duì)于月尺度的模擬結(jié)果，年尺度下PLSR 模型對(duì)云南省內(nèi)TWSA 預(yù)測(cè)的決定系數(shù)略微降低，但對(duì)月尺度下預(yù)測(cè)結(jié)果較差的區(qū)域擬合結(jié)果明顯提高。除研究區(qū)三峽水庫(kù)附近的網(wǎng)格外，絕大部分網(wǎng)格的決定系數(shù)R2均大于0.6，研究區(qū)中部部分網(wǎng)格R2值可達(dá)0.91，表明在研究區(qū)大部分區(qū)域TWSA 的60%以上年尺度變化可以由氣候指標(biāo)的波動(dòng)來(lái)解釋。對(duì)比月尺度下不同指標(biāo)對(duì)TWSA的貢獻(xiàn)，網(wǎng)格中降雨出現(xiàn)的頻率明顯增加，且降雨對(duì)TWSA 變化的貢獻(xiàn)通常排名第一或第二，研究區(qū)內(nèi)75%以上的地區(qū)，降雨仍是影響TWSA 變化的重要?dú)夂蛞蛩?。除降雨外，比濕和氣溫也仍為半?shù)網(wǎng)格中貢獻(xiàn)前三的氣候指標(biāo)。在研究區(qū)中部及東部地區(qū)的網(wǎng)格中，風(fēng)速為貢獻(xiàn)排名第一的氣候指標(biāo)，其他氣候指標(biāo)僅在局部網(wǎng)格為貢獻(xiàn)前三的指標(biāo)。

3 討 論

互相關(guān)分析結(jié)果指出除研究區(qū)中部區(qū)域外，TWSA 月動(dòng)態(tài)變化與研究區(qū)內(nèi)多個(gè)氣候指標(biāo)（除風(fēng)速、短波輻射和氣壓外）均具有密切的相關(guān)性，結(jié)合TWSA變化主要模式分析結(jié)果，這均與這些氣候指標(biāo)和TWSA在亞熱帶氣候影響下均呈現(xiàn)出明顯的周期性季節(jié)變化有關(guān)。圖5（b）為云南省一個(gè)網(wǎng)格（中心坐標(biāo)為（25.5，100.5），具體位置見圖1中TWSA 和不同氣候指標(biāo)在月尺度上的變化，這些指標(biāo)均呈現(xiàn)出以年為周期的規(guī)律性變化，除風(fēng)速外，在冬季出現(xiàn)最低值，在夏季達(dá)到最大值。然而，當(dāng)采用13點(diǎn)滑動(dòng)平均一定程度上降低不同指標(biāo)的季節(jié)變化后，僅降雨和比濕與TWSA 呈現(xiàn)明顯的相關(guān)性，這也進(jìn)一步驗(yàn)證了TWSA月動(dòng)態(tài)變化與大部分氣候指標(biāo)的強(qiáng)相關(guān)性主要與周期性的季節(jié)波動(dòng)有關(guān)。當(dāng)進(jìn)一步采用PLSR 模型分析每個(gè)指標(biāo)對(duì)TWSA月動(dòng)態(tài)變化的貢獻(xiàn)，發(fā)現(xiàn)相對(duì)于降雨和溫度，比濕在大部分網(wǎng)格中均為貢獻(xiàn)度最高的指標(biāo)，表明比濕的月動(dòng)態(tài)變化與TWSA的月變化最為接近。盡管研究區(qū)降雨在季風(fēng)氣候下也呈現(xiàn)一定的季節(jié)變化，但其變化主要體現(xiàn)在豐水期，而枯水期TWSA主要受蒸散發(fā)的影響，降雨量的變化遠(yuǎn)小于TWSA，這可能是導(dǎo)致降雨對(duì)TWSA 月動(dòng)態(tài)變化貢獻(xiàn)度較低的原因。在年尺度下，70%以上網(wǎng)格中降雨為解釋TWSA 動(dòng)態(tài)變化的第一貢獻(xiàn)因子，降雨仍為大部分區(qū)域TWSA長(zhǎng)期變化的主控因素。

圖1 研究區(qū)域圖Fig.1 Map of the study area

圖2 TWSA變化趨勢(shì)、季節(jié)項(xiàng)以及趨勢(shì)項(xiàng)方差貢獻(xiàn)占比分布Fig.2 The TWSA changing trend and variance contribution of seasonal term and trend term to TWSA variance

圖3 月尺度和年尺度下TWSA與氣候指標(biāo)之間的最大互相關(guān)系數(shù)分布圖Fig.3 Maximum correlation coefficients between TWSA and climate indicators in monthly and annual scales

圖4 不同尺度下每個(gè)網(wǎng)格PLSR模型的決定系數(shù)值和不同尺度下每個(gè)網(wǎng)格對(duì)TWSA變化貢獻(xiàn)前三的氣候指標(biāo)分布Fig.4 Determination coefficient of each grid simulated by PLSR in different time scales， the top three climate factors of each grid that contribute to the TWSA variation in different time scales

圖5 2002-2017年不同網(wǎng)格TWSA與8種氣候要素變化圖Fig.5 Variations of TWSA and eight climate factors in two different grids from 2002 to 2017

PLSR 模型的結(jié)果顯示在月尺度上除四川省西北部部分網(wǎng)格外，研究區(qū)中部（貴州省、重慶市、湖北省和湖南省西部）模擬結(jié)果較差，R2值低于0.45，表明這些區(qū)域的TWSA 的變化可能受到人類活動(dòng)的強(qiáng)烈影響。研究區(qū)中分布有長(zhǎng)江與珠江兩大水系，地表水資源豐富且地表地形坡度大，該區(qū)域修建了大量的水電站，研究區(qū)中部分布有三峽和龍灘兩個(gè)大型水庫(kù)前期的研究也表明三峽、龍灘等特大型水庫(kù)蓄水期間會(huì)導(dǎo)致該地區(qū)重力異常增加［23］，蓄水量變化相當(dāng)于該局部區(qū)域的80%以上的TWS變化［24］，這也反映了水庫(kù)蓄水會(huì)對(duì)TWSA 的變化造成顯著影響。因此，該區(qū)域水庫(kù)可能為研究區(qū)中部影響TWSA 月尺度變化的主要人為因素。相對(duì)而言，研究區(qū)其他區(qū)域PLSR 模型均展示了較好的模擬結(jié)果，大部分網(wǎng)格R2大于0.60，最大值可達(dá)0.92，表明這些區(qū)域TWSA 的變化與氣候波動(dòng)基本一致，受人類活動(dòng)影響較小。

為進(jìn)一步分析TWSA 動(dòng)態(tài)過(guò)程的影響因素，分別選取了貴州省和云南省某網(wǎng)格的TWSA、氣候指標(biāo)的變化進(jìn)一步分析。這兩個(gè)網(wǎng)格PLSR 模型的R2分別為0.21 和0.88，代表了是否主要受氣候波動(dòng)控制下的TWSA 的變化。從圖5 中可以看出，當(dāng)TWSA 主要受氣候波動(dòng)影響時(shí)，TWSA 與大部分氣候指標(biāo)的變化相似，表現(xiàn)出明顯的周期性且波動(dòng)幅度較大。但是，當(dāng)TWSA受到人類活動(dòng)時(shí)，TWSA的周期性變化明顯減弱，除部分豐水年或枯水年出現(xiàn)明顯的峰值或谷值外，其他年份的波動(dòng)都非常小，這可能主要與水庫(kù)消峰填谷的調(diào)控方式有關(guān)，一定程度上明顯削減了豐枯季陸地水儲(chǔ)量的季節(jié)波動(dòng)幅度，相對(duì)于未受人為活動(dòng)影響的地區(qū)表現(xiàn)出較弱的波動(dòng)。這也說(shuō)明該地區(qū)水庫(kù)的修建確實(shí)對(duì)于當(dāng)?shù)胤篮榭购涤幸欢ǖ淖饔谩?/p>

當(dāng)從年尺度分析氣候指標(biāo)對(duì)TWSA 動(dòng)態(tài)變化的預(yù)測(cè)能力時(shí)，結(jié)果顯示研究區(qū)中部絕大部分網(wǎng)格模擬結(jié)果均出現(xiàn)大幅提升，人為活動(dòng)對(duì)年尺度TWSA動(dòng)態(tài)變化的影響明顯減弱，僅三峽水庫(kù)集水區(qū)域的網(wǎng)格R2值仍相對(duì)較低，表明研究區(qū)大部分地區(qū)年尺度TWSA 變化仍主要受氣候變化的影響。一般情況下，水庫(kù)主要在豐水期攔截洪水，枯水期向下游放水，因此水庫(kù)蓄水庫(kù)容一般在一個(gè)水文年內(nèi)主要為周期性波動(dòng)，而在不同水文年內(nèi)蓄水庫(kù)容的變化也取決于上游來(lái)水量的多少，即與氣候變化也存在一定的聯(lián)系。盡管水庫(kù)的連續(xù)性蓄水會(huì)導(dǎo)致陸地水儲(chǔ)量的持續(xù)增加，但這種蓄水情況一般僅發(fā)生在水庫(kù)運(yùn)行初期，很難長(zhǎng)時(shí)間影響陸地水儲(chǔ)量的年尺度變化。模擬結(jié)果也顯示三峽水庫(kù)集水區(qū)域內(nèi)的網(wǎng)格年尺度TWSA變化仍一定程度上受到人為活動(dòng)的影響，這可能與研究時(shí)段三峽水庫(kù)多次頻繁的蓄水活動(dòng)有關(guān)。據(jù)百度百科資料記載，三峽水庫(kù)從2003 年6 月首次蓄水開始，2006 年9 月開始實(shí)行了第二次蓄水，隨后多年間多次啟動(dòng)175 m 試驗(yàn)性蓄水，研究時(shí)段內(nèi)這種多次人為蓄水活動(dòng)可能會(huì)對(duì)TWSA年尺度上的變化造成影響。總體上，PLSR模型在不同時(shí)間尺度上的模擬結(jié)果表明，研究區(qū)中部地區(qū)除三峽水庫(kù)附近區(qū)域外，研究時(shí)間內(nèi)水庫(kù)僅對(duì)TWSA 月尺度的變化具有明顯的影響，而對(duì)于TWSA年尺度的變化影響相對(duì)較弱，氣候條件的變化仍是TWSA年尺度變化的主控因素。

分析過(guò)程中，PLSR 模型被選取用于分析氣候指標(biāo)對(duì)TWSA的預(yù)測(cè)能力，作為一種線型回歸模型，當(dāng)氣候指標(biāo)與TWSA之間存在較強(qiáng)的非線性關(guān)系時(shí)，該模型很難準(zhǔn)確評(píng)估氣候指標(biāo)對(duì)TWSA 貢獻(xiàn)。我國(guó)南方地區(qū)廣泛分布大量的巖溶地貌，巖溶地區(qū)由于特殊的水文地質(zhì)結(jié)構(gòu)［25］，相對(duì)于非巖溶區(qū)水文過(guò)程更為復(fù)雜，氣候指標(biāo)與TWSA之間可能存在強(qiáng)烈的非線性關(guān)系，采用PLSR 線型模型可能會(huì)一定程度上低估氣候指標(biāo)對(duì)TWSA 動(dòng)態(tài)的貢獻(xiàn)，高估人為因素對(duì)TWSA 的影響。除此之外，選取的CSR Mascon 提供的原始分辨率為1°×1°，但由于GRACE 的信號(hào)衰減，Mascon的分辨率仍然受到GRACE 的頻帶限制［26］，其實(shí)際的分辨率可能遠(yuǎn)小于該精度，因此最后得出的結(jié)論僅用于認(rèn)識(shí)區(qū)域上的空間變化規(guī)律認(rèn)識(shí)，而不適用于解釋具體一個(gè)或幾個(gè)網(wǎng)格TWSA的影響因素。

4 結(jié) 論

基于8種不同的氣候指標(biāo)和GRACE 重力衛(wèi)星數(shù)據(jù)，從網(wǎng)格尺度（1°×1°）上調(diào)查了我國(guó)南方7 省市區(qū)域上TWSA 動(dòng)態(tài)變化的影響因素，相對(duì)于前期研究主要以大型流域?yàn)檠芯繂卧跃W(wǎng)格為基本研究單元有助于認(rèn)識(shí)研究區(qū)內(nèi)局部區(qū)域TWSA動(dòng)態(tài)變化的影響因素。采用趨勢(shì)分析、主導(dǎo)模式分析、互相關(guān)分析和PLSR 模型詳細(xì)分析了不同氣候指標(biāo)與TWSA 之間的相關(guān)性以及氣候指標(biāo)對(duì)TWSA變化的解釋程度，主要得出以下結(jié)論。

（1）2002 年至2017 年期間，研究區(qū)內(nèi)除云南省和四川省東部區(qū)域外，75%以上地區(qū)TWSA 均呈上升趨勢(shì)，在重慶、貴州和湖南省交界處上升幅度最大，平均增幅可達(dá)每年0.9 cm。云南、四川中南部、廣西南部以及湖南湖北二省的東部區(qū)域中，TWSA隨時(shí)間變化的主導(dǎo)模式為季節(jié)周期性變化；重慶、貴州、湖北和湖南四省市交界處，由長(zhǎng)期趨勢(shì)引導(dǎo)的年際變化占據(jù)了TWSA變化的主導(dǎo)地位。

（2）除研究區(qū)中北部區(qū)域外，TWSA 月動(dòng)態(tài)變化與大多數(shù)氣候指標(biāo)呈良好的相關(guān)性，這主要由于研究區(qū)大部分地區(qū)受季風(fēng)氣候影響，TWSA與氣候指標(biāo)均呈明顯的季節(jié)變化有關(guān)，與比濕的動(dòng)態(tài)變化相似度最高。而年尺度下，TWSA 的變化僅與降雨和比濕相關(guān)性較高，降雨為70%以上地區(qū)解釋TWSA 動(dòng)態(tài)變化貢獻(xiàn)度最高的指標(biāo)。

（3）在月時(shí)間尺度上，研究區(qū)中北部地區(qū)TWSA的動(dòng)態(tài)變化明顯受到水庫(kù)消峰填谷調(diào)控的影響，整體上TWSA 的季節(jié)波動(dòng)遠(yuǎn)低于其他地區(qū)，15%網(wǎng)格的氣候指標(biāo)僅能解釋陸地水儲(chǔ)量17%～28%的變化，而其他區(qū)域TWSA 動(dòng)態(tài)變化仍主要受氣候條件的控制。進(jìn)一步分析TWSA 年時(shí)間尺度變化時(shí)，研究區(qū)大部分地區(qū)TWSA 的變化仍主要受氣候波動(dòng)的影響，水庫(kù)的影響相對(duì)較小，降雨為控制TWSA 年際變化的主控因素，陸地水儲(chǔ)量60%以上的變化可由氣候波動(dòng)解釋，僅三峽水庫(kù)附近的TWSA年尺度的變化仍明顯受到人類活動(dòng)的強(qiáng)烈影響。