气候变化和人类活动对中国陆地水储量变化的影响研究

孟莹， 刘俊国， 王子丰,3， 王凯， 冒甘泉

(1.哈尔滨工业大学 环境学院,黑龙江 哈尔滨 150090; 2.南方科技大学 环境科学与工程学院,广东 深圳 518055; 3.香港大学 地理系,中国 香港 999077)

全球变化深刻改变陆地水储量分布[1-4]。气候变化和人类活动是全球变化背景下影响陆地水储量变化的两个关键因素[5-6]。气候因素(如气温、降水等)直接作用于陆地水储量的补给，并通过人类活动间接影响陆地水储量[7]。同时，为满足社会经济发展日益增长的用水需求，地表水、地下水开采以及修库、建坝等工程措施也影响着各区域陆地水储量的分布[8]。

我国水资源短缺问题十分突出[9-10]。我国水资源总量仅占全球水资源总量的6%，人均水资源量不到全球水平的1/3[11]。在时间分布上，我国存在水资源年内和年际分配不均的问题。径流年际变化呈现明显的连续丰水年和连续枯水年特征；降水年内分布夏秋多、冬春少[12]。在空间上，我国水资源地区分布不均衡，水土资源不匹配。南方水多、土地少，而北方水少、土地多[13]；南方每公顷耕地水资源量为28 695 m3，而北方只有9 645 m3[14]。因此，准确刻画我国各流域水储量变化及其影响因素，可为实现水资源公平和有效配置、保障各流域生态安全及粮食安全提供科学依据。

相较于流域水通量(如径流、蒸散发)，流域水储量因其包括大范围地表水、土壤水和地下水，往往缺乏有效手段对其进行监测。自20世纪60年代以来，重力卫星资料得以在地球物理领域应用[15-16]；近十几年来，随着重力卫星GRACE(Gravity Recovery And Climate Experiment)计划的开展，为流域水储量的监测提供了新手段[17-19]。GRACE计划由美国国家航空航天局(The National Aeronautics and Space Administration，NASA)与德国宇航中心(Deutsches Zentrum für Luft-und Raumfahrt e.V.，DLR)联合开展，可用于监测陆地水储量距平(Terrestrial Water Storage Anomalies，TWSA)[20-21]。GRACE卫星自2002年3月发射以来持续运行至2017年12月。此后，由GRACE Follow-On(简称GRACE-FO)卫星继续其监测任务，该卫星于2018年5月开始运行并持续至今。根据求解方式不同，GRACE TWSA及GRACE-FO TWSA产品包括两大类：球谐函数产品(The Spherical Harmonic approach，SSH)和Mascons(Mass Concentration Blocks)产品。球谐函数产品为利用球谐函数求解的版本，Mascons产品为利用Mascons方法求解的版本。与球谐函数产品相比，Mascons数据产品一定程度上克服了时变信号的滤波问题，能有效解决时变重力场的南北条带效应[22]。

目前，众多学者大多以栅格为基本单元，使用GRACE数据探究我国水储量变化[9,23-27]。然而，不论从水文循环还是从水资源管理的角度，流域作为一个基本的空间单元，是一个与外界保持物质、能量和信息交换同时又相对封闭、有着清晰边界的系统。人类活动往往沿主要河流展开[28]，流域成为区域社会经济规划的重要载体，如长江经济带规划、黄河流域生态保护和高质量发展规划。此外，流域内往往存在上下游用水矛盾及由水问题激发的其他问题和冲突，这将影响地区安全和可持续发展[29]。因此，流域尺度是管理水资源、探索社会可持续发展的理想单元[30]。随着人类活动的日益加剧(如城市化及水利工程修建等)，流域自然水循环系统的平衡及规律已被打破，使得原有的流域水循环系统由单一受自然主导转变为受自然和人为共同影响[31]。因此，考虑人类活动对水储量变化的影响更符合当前社会发展的实际情况。

基于此，本研究基于重力卫星GRACE数据，分析了我国十大流域(如图1所示)自2002年以来TWSA的变化趋势，并结合气象监测及用水统计数据，探究气候变化与人类活动与各流域TWSA的相关性。本研究结果可为评估我国TWSA时空变化和实现水资源可持续管理提供科学依据。

图1 我国十大流域的地理位置以及气象站点分布图

1 数据与方法

1.1 数据

1.1.1 GRACE及GRACE-FO数据

本研究基于美国喷气推进实验室(Jet Propulsion Laboratory, JPL)发布的GRACE Mascons 数据以及GRACE-FO Mascons数据(https://grace.jpl.nasa.gov/)分析我国TWSA变化趋势。其中，GRACE Mascons数据的覆盖时段为2002年4月—2017年6月；GRACE-FO Mascons数据的起止时间分别为2018年6月和2020年2月。GRACE Mascons数据以及GRACE-FO Mascons数据的空间分辨率均为0.5° × 0.5°。与传统的GRACE标准球谐函数产品相比，GRACE Mascons数据产品考虑不同区域质量变化对地球重力场的影响，因此,在刻画水储量变化分布情况方面更加精确[32-33]。本研究中所使用数据见表1。

表1 使用数据情况一览表

1.1.2 气温及降雨数据

气温和降雨是描述气候状态的2个基本变量，可反映气候系统的基本变化特征[34-35]。因此，本研究将关注流域气温和降雨的时间变化特征，分析气温和降雨对流域水储量变化的影响。气温和降雨数据来源于国家气象科学数据中心(http://data.cma.cn/)800个气象站点逐日气温和降雨资料，气象站点的分布情况如图1所示。本研究使用的气温及降雨数据的起止时间分别为2002年1月1日和2019年12月31日。由于GRACE Mascons数据以及GRACE-FO Mascons数据为逐月数据，本研究将气温和降雨数据处理为逐月气象数据。

1.1.3 用水数据

本研究采用了2002—2019年中国省市级行政区年用水数据，数据来源于中国统计年鉴(2003—2020)(http://www.stats.gov.cn/tjsj/ndsj/)。在空间尺度上，将各城市面积占其所在流域总面积的比例为权重，将各城市级别的用水数据加权求和，统计流域尺度用水量，以免重复计算跨流域的省市级行政区总用水量。在时间尺度上，根据PCR-GLOBWB对用水的模拟结果求得模拟期内(2002年1月—2005年12月)各月份用水量占全年用水量的比例的均值，并根据该比例的均值对年用水统计数据进行时间降尺度，得到各流域的月尺度用水数据。

1.2 研究方法

1.2.1 季节性分解法

季节变动趋势是时间序列的主要变动趋势之一，是指由于季节因素导致的时间序列的规则变动[36]。利用移动平均值法对TWSA、气温和降雨以及用水数据进行了季节性分解，得到各变量的年际变化趋势(Slong-term)、季节性成分(Sseasonal)和误差成分(Sresidual)，如公式(1)所示。本研究重点关注各变量去除季节性成分和误差成分后的年际变化趋势，以揭示TWSA、气温、降雨和用水的变化趋势。

Stotal=Slong-term+Sseasonal+Sresidual。

(1)

1.2.2 Mann-Kendal趋势分析法和Sen斜率估计法

本研究利用Mann-Kendal趋势分析来研究TWSA和气候因子的长期趋势。Mann-Kendal趋势分析法是一个非参数检验方法，适用于所有分布(即数据不需要满足正态分布的假设)，可用于分析持续增长或下降趋势(单调趋势)的时间序列数据[37-38]。Sen斜率估计可以降低或避免数据缺失及异常对统计结果的影响，以中值大小来检验时间序列变化趋势和程度[39]。两种方法可以很好地处理非正态分布的数据。因此，Mann-Kendal趋势分析法和Sen斜率估计法常用来评估时间序列气象和水文数据[40-41]。

本研究中TWSA和气候因子的时间序列长度分别为182和215，采用统计量Z进行趋势检验,

(2)

式中：α为显著性水平；Z1-(α/2)为在给定显著性水平α下正态分布表中的临界值。

当趋势度大于0且|Z|>Z1-(α/2)，时间序列呈显著上升趋势；当趋势度大于0且|Z|≤Z1-(α/2)，序列呈现上升但不显著趋势；当趋势度小于0且|Z|>Z1-(α/2)，序列呈现显著下降趋势；同理，当趋势度小于0且|Z|≤Z1-(α/2)，序列呈现下降但不显著趋势。

1.2.3 Spearman相关分析法

Spearman相关分析是评价两个连续或顺序变量之间的单调关系，根据两列成对等级的各对等级数之差进行计算[23,42]，计算公式如式(3)所示。本研究将同一时段的TWSA与气温、降水及用水量序列进行Spearman相关分析，相关系数ρ为：。

(3)

2 结果与讨论

2.1 TWSA

图2是GRACE以及GRACE-FO数据反演得到的2002年4月至2020年2月我国十大流域各月份的TWSA变化趋势。

图2 2002年4月—2019年12月十大流域陆地水储量变化

从图2中可见，2002年4月至2020年2月，我国十大流域的TWSA年际变化均呈现出显著变化趋势(p<0.01)。其中，松花江、长江、珠江以及东南诸河4个流域的TWSA年际变化呈显著增加趋势。珠江及东南诸河流域的TWSA年际变化增加最快，增加速率分别为0.063 cm/年和0.061 cm/年，长江、松花江流域的增加速率分别为0.041 cm/年、0.011 cm/年，其余6个流域(辽河、海河、淮河、黄河、西南诸河以及西北诸河流域)的TWSA年际变化则呈现出显著减少的趋势。海河流域的TWSA年际变化减少速率最大，为-0.18 cm/年；淮河、西南诸河、黄河及辽河流域的TWSA年际变化减少速率分别为-0.12 cm/年、-0.092 cm/年、-0.072 cm/年和-0.070 cm/年；而西北诸河流域的TWSA年际变化减少速率最小，为-0.014 cm/年。

从图2中各流域气候特征可以看出，总体位于湿润、半湿润气候带流域(即松花江、长江、珠江以及东南诸河流域)的TWSA年际变化呈增长趋势，且湿润气候带面积占比较多的流域，其TWSA年际变化增加得越快。例如，珠江及东南诸河流域的TWSA年际变化高于松花江及长江流域的TWSA年际变化。位于干旱、半干旱气候带流域(即辽河、海河、淮河、黄河、西南诸河以及西北诸河流域)的TWSA则呈现减少的趋势。

2.2 气温与降雨的变化趋势

2002年1月—2019年12月我国十大流域逐月温度年际变化如图3所示。

图3 2002年1月—2019年12月十大流域气温变化趋势

由图3所示，近18年来，除松花江和辽河流域外，海河、黄河、长江、珠江、淮河、东南诸河、西南及西北诸河流域的气温年际变化均呈现显著上升的变化趋势。其中，西北诸河及西南诸河流域的气温年际变化升高得最快，变化速率分别为0.045 ℃/年和0.038 ℃/年；淮河、黄河和海河流域的次之，气温年际变化的升高速率分别为0.034 ℃/年、0.030 ℃/年和0.029 ℃/年；珠江、东南诸河及长江流域的气温年际变化升高得最慢，变化速率分别为0.018 ℃/年、0.017 ℃/年和0.0074 ℃/年。松花江及辽河流域为位于我国东北部的两大流域，年内温差较大，气温年际变化均呈现上升的趋势，但年际变化并不显著；松花江及辽河流域的气温年际变化升高速率分别为0.016 ℃/年和0.0053 ℃/年。

综上，我国十大流域气温在21世纪均呈现升高趋势。除东北两大流域(松花江及辽河流域)外，各流域气温年际变化均呈现显著变化趋势。此外，位于我国西部(干旱及半干旱气候为主)的流域(西北诸河及西南诸河流域)气温年际变化升高速率最快，位于中部及东部(干旱-湿润交接带)的流域(黄河和淮河流域)次之，位于南部及东南部(湿润气候为主)的流域(珠江、东南诸河及长江流域)最慢。

图4为2002年1月—2019年12月我国十大流域逐月降雨年际变化趋势图。由图4可知，近18年来，除西北诸河、西南诸河及辽河流域外，松花江、海河、辽河、黄河、长江、珠江及东南诸河流域降雨年际变化均呈现显著变化趋势，且仅淮河流域降雨年际变化为显著减少趋势，其它流域降雨年际变化均为显著增加趋势。其中，东南诸河及珠江流域降雨年际变化增加趋势最快，变化速率分别为1.59 mm/年和1.26 mm/年；长江流域及松花江流域次之，降雨年际变化增加速率分别为0.73 mm/年和0.55 mm/年；海河及黄河流域降雨年际变化增加速率最慢，分别为0.32 mm/年和0.20 mm/年；而淮河流域作为我国唯一降雨年际变化呈减少趋势的流域，降雨减少速率为-0.37 mm/年。而西北、西南诸河流域及辽河流域降雨年际变化虽无显著变化趋势，但均呈现增加的趋势，其中，西南诸河流域降雨增加最快(增加速度0.11 mm/年)，辽河流域的次之(增加速度0.013 mm/年)，西北诸河流域的最慢(增加速度0.20 mm/年)。

图4 2002年1月—2019年12月十大流域降雨变化趋势

综上，位于湿润气候占主导的流域(东南诸河、珠江、长江及松花江流域)降雨增加最快；位于半干旱、干旱-湿润交接带的海河及黄河流域降雨增加相对较慢；而位于干旱-湿润交接带及湿润带的淮河流域，降雨则呈现减少趋势。

2.3 用水量的变化趋势

图5为2002年1月—2013年12月我国十大流域各月用水及其年际变化趋势图。从图5中可以看出，长江流域用水量最多，珠江和淮河流域次之，辽河和西南诸河流域用水量最少。我国十大流域用水量年际变化均呈现显著变化趋势，其中珠江、东南诸河及辽河流域用水量年际变化呈显著减少趋势，用水量年际变化减少速率分别为-0.0022 km3/年、-0.000 80 km3/年和-0.000 70 km3/年；而长江、松花江、淮河、西北诸河、黄河、西南诸河及海河流域用水量年际变化呈显著增加趋势，其中，长江流域用水量年际变化增加得最快(增加速度0.013 km3/年)，松花江流域(增加速度0.007 1 km3/年)、淮河流域(增加速度0.004 3 km3/年)及西北诸河流域(增加速度0.004 0 km3/年)次之，而黄河流域(增加速度0.000 95 km3/年)、西南诸河流域(增加速度0.000 18 km3/年)及海河流域(增加速度0.000 12 km3/年)用水量年际变化增加得最慢。

图5 2002年1月—2019年12月十大流域用水变化趋势

此外，长江流域不仅用水量最多，且用水量年际变化增长最快；松花江、淮河及西北诸河流域次之，用水量相对较高且用水量年际变化增加得相对较快；而黄河、西南诸河及海河流域用水量最小，且用水量年际变化增长得最为缓慢。对于用水量年际变化呈减少趋势的三大流域(珠江、东南诸河及辽河流域)：珠江流域用水量最多，但用水量年际变化减少得最快；东南诸河流域次之，用水量年际变化减少得相对较快；辽河流域用水量最少，其年际变化减少得最慢。综上可以看出，用水量多的流域，用水量年际间变化(增加或者减少)更为迅猛；反之，用水量少的流域，用水量年际间变化较为缓慢。

2.4 TWSA与气温和降雨的相关性

图6表示2002—2019年我国十大流域的TWSA与气温、降雨数据的相关性，红色区域代表TWSA与气温或降雨呈负相关，蓝色区域代表TWSA与气温或降雨呈正相关。

图6 我国十大流域的TWSA与气温、降雨的相关性

从图6中可以看出，松花江、海河、黄河、东南诸河、珠江及西南诸河流域的TWSA与气温和降雨的相关性具有相似性：松花江、东南诸河及珠江流域的TWSA与气温和降雨均呈现正相关；而海河、黄河及西南诸河流域的TWSA与气温和降雨均呈现负相关。呈正相关的三大流域(松花江、东南诸河及珠江流域)均位于我国湿润气候带，呈负相关的三大流域(海河、黄河及西南诸河流域)则处于半干旱及半湿润/湿润的交接带。其中，黄河流域(TWSA与气温、降水均为负相关)及珠江流域(TWSA与气温、降水均为正相关)两次检验均p<0.01，说明黄河及珠江流域的TWSA很大程度受气候变化的影响。而西北诸河、长江、淮河及辽河流域的TWSA与气温、降水的相关性如下：西北诸河、长江、淮河及辽河流域的TWSA与气温呈现负相关，但仅西北诸河及淮河流域的TWSA与气温的相关性通过p<0.01的检验；西北诸河、长江、淮河及辽河流域的TWSA与降水呈现正相关，仅长江及辽河流域的TWSA与降水的相关性通过p<0.01的检验。

全球升温导致水文循环发生变化[43]，已有研究表明，气温每升高1 ℃，水汽将增加7%[44]，因此，更多的水被蒸发，从而为强暴雨提供了条件。此外，强烈的蒸发将减少地下水含量，并增加世界不同地区极端天气事件的发生频率。我国西部(西北诸河、西南诸河及黄河流域)气温呈显著增长趋势，而水储量却呈现显著减少趋势。由图6(a)可以看出，该区域气温与TWSA呈现显著负相关关系。因此，该区域(西北诸河、西南诸河及黄河流域)的TWSA受到气温变化的影响较为明显。

降雨是补充水资源的重要来源，长期降水短缺很可能造成水储量的亏损[45]。我国南方地区(长江、东南诸河及珠江流域)降雨量充沛，近年来，降雨呈显著增长趋势，且降雨与TWSA呈现显著正相关关系。因此，本研究认为该区域(长江、东南诸河及珠江流域)的TWSA主要受到降雨变化的影响。处于我国东北部的松花江流域，降雨量虽然低于我国南方地区，但处于我国湿润气候带，降雨近年来呈显著增加趋势，降雨与TWSA呈现显著正相关关系。因此，该区域的TWSA主要受到降雨变化的影响。

此外，海河流域的气温、降雨均呈现显著升高或增加趋势，但海河流域的TWSA仅与气温呈现显著负相关。因此，该区域的TWSA主要受气温的影响；淮河流域的气温和降雨均呈现显著变化趋势，且该流域的TWSA与气温和降雨均呈现显著相关关系。因此，淮河流域的TWSA同时受到气温和降雨的影响。辽河流域的降雨、气温均无显著变化趋势。因此，辽河流域的TWSA受气候变化的影响较小。

2.5 TWSA与人类用水量的相关性

人类活动可以强烈影响全球水文循环，进而影响区域TWSA。本研究关注的用水量是取用水量，而非耗水量。2002—2019年，各流域的TWSA年际变化与用水量年际变化的相关性如图7所示。图7中红色区域代表TWSA年际变化与用水量年际变化呈负相关，蓝色区域代表TWSA年际变化与用水量年际变化呈正相关，被栅格覆盖的区域表示该区域的TWSA年际变化与用水量年际变化相关性通过p<0.01的显著性检验。

图7 我国十大流域的TWSA与用水量的相关性

从图7中可以看出，除辽河和东南诸河流域外，我国其余各流域的TWSA年际变化与用水量年际变化的相关性均通过p<0.01显著性检验。海河、淮河、黄河、西北诸河、西南诸河和珠江流域的TWSA年际变化与用水量年际变化呈显著负相关，而松花江和长江流域的TWSA年际变化与用水量年际变化呈显著正相关。

我国供水结构上存在着用水需求及水资源量地理空间分布不匹配的问题，为解决该问题，除重视实体水供水工程调水和节水外，统筹考虑农产品交易中的虚拟水流动十分必要。虚拟水是指在生产产品和服务中所需要的水资源数量，即凝结在产品和服务中的虚拟水量。虚拟水贸易是指通过进口或出口水密集型商品的形式进口或出口水资源[46]。本研究从实体水和虚拟水的角度来分析各流域的TWSA年际变化与用水量年际变化的相关性。我国松花江、辽河、黄河、淮河、海河及长江流域为我国粮食的主产区[47-49]，该流域的粮食产量之和超过了全国总产量的70%[50]。为了缓解我国北方地区由农业灌溉引起的水资源短缺问题，我国已经修建20多个重大的调水工程，其总长度超过7 200 km[13,51]，包括当前全球最大的调水工程——南水北调工程。南水北调工程从水资源丰富的长江流域调水至黄河、淮河、海河流域，可有效缓解黄河、淮河及海河流域水资源短缺问题[52]。TWSA与用水量的相关性通过p<0.01显著性检验的八大流域中(如图7所示)，松花江、长江、黄河、淮河及海河流域为我国农产品虚拟水净调出地区，其中松花江和长江流域的TWSA年际变化呈显著增加趋势(p<0.01)，而黄河、淮河及海河流域的TWSA年际变化则呈现出显著减少的趋势(p<0.01)；西北诸河、西南诸河及珠江流域为我国农产品虚拟水的净调入区，西北诸河及西南诸河流域的TWSA年际变化呈显著减少趋势，而珠江流域的TWSA年际变化呈显著增加趋势。从图7中可以看出，通过p<0.01显著性检验的八大流域中，TWSA年际变化与用水量年际变化呈正相关的区域(即松花江流域和长江流域)为我国农产品虚拟水净调出地区，而TWSA年际变化与用水量年际变化呈负相关的区域(西北诸河、西南诸河及珠江流域)为我国农产品净调入地区。此外，同样作为我国粮食主要产区的黄河、淮河及海河流域，其TWSA年际变化与用水量年际变化呈负相关。一方面，由于南水北调工程有效缓解了该区域水资源短缺问题；另一方面，我国相继出台了《关于实行最严格水资源管理制度的意见》等政策建议。这些限制了该区域水资源开采，提高了该区域水资源利用效率，使得该区域的TWSA年际变化和用水量年际变化相关性与松花江和长江流域的TWSA年际变化和用水量年际变化相关性不同。本研究通过定性评价的方法从虚拟水贸易的角度探究了TWSA与人类用水量的关系，初步查明TWSA年际变化与虚拟水调出/调入区的关系。然而，虚拟水调出/调入区对TWSA年际变化的影响机制以及水资源管理政策如何影响TWSA年际变化，需要在未来研究中进行深入的定量分析。

3 结论

本研究基于GRACE Mascons、GRACE-FO Mascons数据、国家气象科学数据中心的气温和降雨监测数据及我国用水统计数据，利用Mann-Kendal趋势分析及相关分析方法，对我国流域尺度的TWSA、气温和降雨及用水量变化趋势及其相关关系进行探究，并得出以下主要结论：

1)我国流域的TWSA变化呈现“干湿分异”的空间格局。湿润、湿润/半湿润及半湿润流域(珠江流域、东南诸河流域、长江流域及松花江流域)的TWSA呈增长趋势，而干旱和半干旱流域(西北诸河、黄河流域、海河流域、淮河流域、辽河流域及西南诸河流域)的TWSA则呈现减少的趋势。其中，珠江流域及东南诸河流域的TWSA增加最快，增加速度分别为0.021 cm/年和0.022 cm/年，海河流域的TWSA减少速度最大，为0.059 cm/年。

2)我国十大流域的TWSA与气候因子存在显著关联。西北诸河、西南诸河、黄河及海河流域的TWSA年际变化显著受到气温影响；长江、东南诸河、珠江及松花江流域的TWSA年际变化显著受到降雨影响；淮河流域的TWSA年际变化受气温和降雨的双重显著性影响；而辽河流域的TWSA年际变化受气候变化的影响较小。

3)松花江、长江、黄河、淮河及海河流域为我国农产品虚拟水净调出地区，其中松花江和长江流域的TWSA年际变化呈显著增加趋势，黄河、淮河及海河流域的TWSA年际变化则呈现出显著减少的趋势；西北诸河、西南诸河及珠江流域为我国农产品虚拟水的净调入区，西北诸河及西南诸河流域的TWSA年际变化呈显著减少趋势，珠江流域的TWSA年际变化呈显著增加趋势。我国农产品虚拟水净调出地区(松花江流域和长江流域)的TWSA年际变化与用水量年际变化呈显著正相关；我国农产品虚拟水的净调入区(西北诸河、西南诸河及珠江流域)的TWSA年际变化与用水量年际变化呈显著负相关

4)本研究通过定性评价的方法从虚拟水贸易的角度探究了TWSA与人类用水量的关系，初步查明了TWSA年际变化与虚拟水调出/调入区的关系，然而，虚拟水调出/调入区对TWSA年际变化的影响机制以及水资源管理政策如何影响TWSA年际变化需要在未来研究中进行深入的定量分析。