2024, Vol. 36 
(2: 中国水利水电科学研究院防洪抗旱减灾工程技术研究中心(水旱灾害防御中心), 北京 100038)
(3: 河海大学水安全与水科学协同创新中心, 南京 210098)
(2: Research Center on Flood and Drought Disaster Prevention Reduction, China Institute of Water Resources and Hydropower Research, Beijing 100038, P.R.China)
(3: Cooperative Innovation Center for Water Safety and Hydro Science, Hohai University, Nanjing 210098, P.R.China)
陆地水储量(terrestrial water storage，TWS)通常定义为地表或地表以下所含有的水的总量，其组分包括土壤水、地下水、冠层截留、雪水、地表水等[1]。这些不同的水储量组分相互作用和影响，共同构成了流域内陆地水储量的动态变化格局。探究流域陆地水储量及各组分的时空演变特征，对了解区域水循环过程和水资源优化配置具有重要意义。
GRACE(gravity recovery and climate experiment)重力卫星于2002年3月成功发射，其通过精准观测地球重力场的变化反演陆地水储量变化，已经在长江流域[2]、黄河流域[3]、珠海流域[4]和青藏高原[5]等流域广泛应用。相较于GRACE卫星数据，全球陆面同化系统(global land data assimilation system，GLDAS)能够提供水储量组分的数据，使其能够从水储量组分的角度对流域陆地水储量变化进行归因分析[6]。褚江东等[7]结合GRACE数据和GLDAS数据分析了2002年4月-2021年3月中国九大流域的陆地水储量变化及其组分的时空变化，发现湿润半湿润地区的冠层水储量变化和土壤水储量变化对TWS变化的贡献较高。Chao等[8]利用GLDAS数据分析了2003—2015年长江流域各组分对陆地水储量变化的贡献，表明地下水储量是TWS变化的主要贡献组分。Zhang等[9]研究表明，2003—216年洞庭湖流域TWS的增加主要归因于水库蓄水的增加(47.4%)，而在鄱阳湖流域，同期TWS的增加主要归因于地下水储量的增加(52.6%)。限于GRACE数据记录相对较短，目前的研究时段整体偏短，长历史时期TWS变化的组分贡献有待进一步的定量分析。
陆地水储量的变化由其同期组分的变化所致；在动力机制上，主要表现为TWS受到降水输入的驱动。陆地水储量变化不仅会受到同期降水的影响，还会受到前期降水的影响，表现出对降水变化响应的滞后性[10-12]。目前已有学者在长江流域开展了关于陆地水储量对降水滞后响应的研究工作。例如，Yang等[13]研究表明，2003—2020年长江流域月尺度陆地水储量对降水的响应滞时为1~3个月。汤苗等[14]指出，长江流域陆地水储量对降水的响应存在着上游滞时较长、下游滞时较短的空间差异。然而，TWS对降水的滞后响应受到土壤含水层、植被、地形地貌和气候[10, 15-16]等因素的影响。这些因素通过影响TWS的各组分，进而对TWS对降水的滞后响应产生影响。Zhang等[10]发现TWS的不同组分在对降水响应滞后方面存在差异，即地下水对降水的响应滞时明显长于土壤水、地表水对降水的响应滞时。这种差异源于流域水循环过程中地表水、土壤水和地下水在纵向深度上的不同分布，进而导致它们吸收和释放水分的速率存在差异。TWS的各个组分之间的含量变化相互影响，并进一步反作用于TWS对降水的响应，值得注意的是，这些变化有可能会进一步加深响应滞时的差异性。目前关于各组分贡献变化如何调节TWS对降水的响应滞时规律，仍存在高度的不确定性。
陆地水储量及各组分变化不仅会对流域内的水循环过程产生影响，同时也会对流域出口河湖的水量变化产生影响。鄱阳湖作为长江中下游的重要湖泊之一，“五河”流域(修水、赣江、抚河、信江、饶河)分别从西、南、东三面汇入鄱阳湖，构成“山-湖”为一体的边缘-核心结构体系。Li等[17]分析了鄱阳湖洪泛区与主湖区之间的地表水文连通性，结果表明洪泛区对湖泊水体变化的贡献在18%~34%之间，两者之间的地表水文连通性以夏季最高而冬季最低。曹思佳等[18]明晰了洪泛区地下水与主湖区水量之间的动态补排模式，即地下水补给湖泊主要发生在枯水和退水时期，而湖泊补给地下水主要发生在涨水和高洪水位时期。Song等[19]研究表明洪泛区地下水渗出对湖区水量变化的贡献率高达55%，并强调了地下水是鄱阳湖区水平衡的主要组成部分。然而，“五河”流域水储量的变化与湖区水量之间存在相互影响关系[20-21]。目前“五河”流域陆地水储量及其组分的变化对于湖泊水量的影响关系尚未明晰，鲜有研究从陆地水储量及各组分的角度分析“五河”流域水储量对鄱阳湖主湖区水量变化的影响。
在过去六十年中，由于极端洪旱事件强度和频率增加等环境变化的影响，鄱阳湖流域的水安全问题日益突显[22-23]。为了对过去六十年鄱阳湖“五河”流域陆地水储量演变特征进行全面的解析，本文基于2003—2019年的GLDAS的CLSM模型，采用组分相加方法将计算的陆地水储量结果与GRACE重力卫星数据反演的陆地水储量进行对比评估。在CLSM模型的水储量模拟结果的基础上，本文的主要研究目的如下：(1)解析“五河”流域长序列(1960—2019年)陆地水储量的时空变化特征，及各组分对其变化的贡献；(2)探究不同组分贡献与陆地水储量对降水的响应滞时之间的关系；(3)分析“五河”流域陆地水储量及各组分与鄱阳湖主湖区水量之间的关系。
1 数据与方法 1.1 研究区概况鄱阳湖流域(24°29′~30°05′N，113°35′~118°29′E)是长江中下游重要的子流域，北临长江，东、南、西三面环山(图 1)。鄱阳湖流域面积为16.22万km2，约占江西省流域面积的96.9%[24]，以9%的流域面积占比贡献了长江流域15.5%的水量[25]。作为典型的山地流域，山地丘陵占流域面积的78%，岗地平原占22%[26-27]。流域地属亚热带湿润季风气候，多年平均气温16.2~19.7℃，冬夏气温差异较大。流域多年平均降水量为1341~1939 mm，空间分布不均，整体表现为北多南少、秋多冬少[28]。
|
图 1 鄱阳湖流域概况及主要水系分布 Fig.1 Location and major rivers in Lake Poyang Basin |
流域内河系众多，修水、赣江、抚河、信江、饶河、分别从西、南、东三面汇入鄱阳湖。水文站点的分布情况以及站点所在的子流域如图 1所示，“五河”流域对应S1~S7，主湖区对应S8。“五河”流域具体划分情况如下：修水流域北支控制站为虬津站(S1)、南支控制站为万家埠站(S2)；赣江流域控制站为外洲站(S3);抚河流域控制站为李家渡站(S4);信江流域控制站为梅港站(S5);饶河流域南支控制站为虎山站(S6)和北支控制站为渡峰坑(S7)。
1.2 数据 1.2.1 GRACE数据GRACE重力卫星是由美国宇航局(National aeronautics and space administration，NASA)和德国航天局(German aerospace center，DLR)合作研发的双星系统，于2002年3月成功发射[29]。本研究分别选取了美国得克萨斯州州立大学空间研究中心(CSR)、美国喷气推进实验室(JPL)和戈达德空间飞行中心(GSFC)发布的新一代GRACE观测数据产品——Mascon产品，以下分别记为TWSCSR、TWSJPL和TWSGSFC。Mascon产品相比于传统的球谐系数产品，使用方便，并且更好地考虑到了泄露误差的影响，越来越被广泛地应用于极地及高山冰盖、冰川观测、水文、海洋及固体地球动力学过程等多个领域[30]。
本研究选取的数据时段为2003年2月-2019年12月。TWSCSR的空间分辨率为0.25° × 0.25°，TWSJPL和TWSGSFC的空间分辨率为0.5° × 0.5°，每月网格数据表示相对于2004年1月-2009年12月平均值的质量变化，数据汇总如附表Ⅰ所示。对于部分月份缺失的数据利用线性插值方法进行插补，而对于2017年7月-2018年5月整段月份缺失的数据不作处理。运用ArcGIS对该数据集进行掩膜提取，得到“五河”流域2003年2月-2019年12月陆地水储量的逐月变化。
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。目前GLDAS结合Noah、VIC、CLSM陆面模式提供了大量的陆面数据产品，例如地表径流、地下径流、土壤水含量、雪水当量和植被截留等。本研究选取的GLDAS数据版本分别为GLDAS_CLSM025。与其他CLDAS产品相比，GLDAS-CLSM模型以地形划分的流域代替了传统陆面模型的网格作为模型计算单元，不仅考虑了部分人类活动的影响，并且能够模拟土壤含水量和地下水储量[31]。在时间分辨率上，CLSM模型为日尺度，故对CLSM模型的日尺度数据进行计算转为月尺度数据。为与GRACE数据保持一致，对CLSM数据进行和GRACE卫星数据同时间段的距平计算，即将流域水储量组分减去各自在2004年1月-2009年12月间的平均值。
为了验证CLSM模型对于TWS主要组分(河道流量R、土壤含水量SM和地下水储量GWS)的模拟结果，本研究同时选取了相应的验证数据进行验证，验证时段为2003—2019年共17年。对于R，将CLSM计算的R与实测径流进行对比验证，实测径流来自“五河”流域水文站点(虬津站、万家埠站、外洲站、李家渡站、梅港站、虎山站和渡峰坑站)。对于SM，将CLSM计算的SM与李清亮等[32]提供的中国范围内1 km高质量的土壤湿度数据集-SMCI1.0进行对比验证。该数据集基于中国气象局提供的1648个站点观测10层土壤湿度，土壤深度为100 cm，可以作为现有基于模型和卫星数据集的有效补充。对于GWS，将CLSM计算的GWS与江西省水资源公报中的年地下水资源量进行对比验证。其中实测径流与SMCI1.0数据集进行与CLSM模型数据一致的距平处理。
1.2.3 WGHM数据本研究选取WGHM(water hap global hydrology model)水文模型输出的河流、湖泊和湿地数据作为鄱阳湖主湖区水量[33]，采用的数据集为1960—2019年WGHM 2.2d月模型数据集，该数据集的空间分辨率为0.5°×0.5°。利用ArcGIS进行基于湖区面积的加权平均计算，得到湖区水量逐月变化过程，并将减去其在2004年1月-2009年12月间的平均值。
为了验证WGHM模型对鄱阳湖主湖区水量变化模拟的结果，本研究同时选取了鄱阳湖内典型水文站——星子站1960—2019年逐年实测水位进行对比，结果如附图Ⅰ所示。可以看出，在年尺度上，WGHM模型计算的湖区水量EWH与星子站实测水位WL之间呈显著相关(P＜0.05)。因此利用WGHM模型计算鄱阳湖主湖区水量变化具有一定的代表性。
1.2.4 实测降水数据实测降水数据来自中国气象数据网，通过提取鄱阳湖流域内气象站点的逐日实测降水，计算各站点的逐月降水量，利用反距离插值方法得到鄱阳湖“五河”流域1960—2019年逐月降水量。
1.3 研究方法 1.3.1 TWS的延长计算本研究以2003年2月-2019年12月“五河”流域TWSCSR、TWSJPL和TWSGSFC为基准，在变化趋势、相关性和变幅3个方面对比验证同期CLSM模型对陆地水储量的模拟结果，并进一步利用CLSM模型计算1960—2019年“五河”流域陆地水储量时空变化过程。以下为采用组分相加法进行陆地水储量计算的过程。
植被截留量CI、雪水当量SWE、地表水(河道流量R和水库蓄水量RS)、土壤含水量SM和地下水储量GWS是鄱阳湖“五河”流域陆地水储量的重要组成部分。通过对这些组分进行相加，可以得到流域的陆地水储量，计算公式如下：
| $ T W S=C I+S W E+R+R S+S M+G W S $ | (1) |
基于2012—2019年江西省水资源公报(附图Ⅱ)，全省大、中型水库年蓄水总量变化速率为0.1289亿m3/a(鄱阳湖“五河”流域面积为146060 km2，变化速率转换为0.0889 mm/a)，仅占同期“五河”流域陆地水储量变化速率(3.37 mm/a，见2.2节)的2.64%。同时，限于过去六十年江西省大、中型水库蓄水动态的资料难以获取，因此在本研究中陆地水储量的计算未考虑水库蓄水量。
对式(1)进行简化后，CLSM模型通过将组分CI、SWE、SM、GWS和R相加得到流域的陆地水储量TWSCLSM，其中SM对应地下0~100 cm植被根层的土壤含水量，GWS对应浅层地下水储量。TWSCLSM的计算公式如下：
| $ T W S_{\mathrm{CLSM}}=C I_{\mathrm{CLSM}}+S W E_{\mathrm{CLSM}}+R_{\mathrm{CLSM}}+S M_{\mathrm{CLSM}}+G W S_{\mathrm{CLSM}} $ | (2) |
式中，变量下标为变量所使用的数据来源。
1.3.2 突变和趋势分析首先在流域尺度上，本研究采用Pettitt突变检验方法分析1960—2019年“五河”流域TWS月序列是否发生显著突变(显著性水平取0.05)。若有突变，则以突变年为界，将整个研究时段划分为突变前后两个时段进行研究；否则，以整个序列为对象进行研究。对研究时段内年TWS和季节TWS进行Mann-Kendall趋势检验(显著性水平取0.05)，分析其趋势变化。需要说明的是，本研究中季节TWS分为春(3—5月)、夏(6—8月)、秋(9—11月)、冬季(12—次年2月)，年TWS为3月-次年2月的TWS均值。
1.3.3 TWS变化的组分贡献本研究中，通过组分对TWS变化的贡献来反映水储量组分特征。这些组分在各季节的贡献率计算如下[34]：
| $ { Rate }_{\mathrm{CI}} =C I C / T W S C $ | (3) |
| $ { Rate }_{\mathrm{SWE}} =S W E C / T W S C $ | (4) |
| $ { Rate }_{\mathrm{SM}} =S M C / T W S C $ | (5) |
| $ { Rate }_{\mathrm{GWS}} =G W S C / T W S C $ | (6) |
| $ { Rate }_{\mathrm{R}} = { RC/TWSC } $ | (7) |
式中，TWSC(terrestrial water storage change)为时段内TWS的变化量，CIC、SWEC、SMC、GWSC和RC具有相似的含义。RateCI、RateSWE、RateSM、RateGWS和RateR分别为CI、SWE、SM、GWS和R对TWS变化的贡献率。其中各组分贡献的和为1，组分贡献为正表示该组分增减变化与TWS变化一致，组分正向促进TWS的变化；组分贡献为负反之。
1.3.4 滞时分析本研究利用Pearson相关系数分析TWS与驱动因子的响应滞时[35]，表达式如下：
| $ r_k=\max \left\{\left|r_n, r_{n+1}, \cdots r_{n+11}, r_{n+12}\right|\right\} $ | (8) |
式中，rn, rn+1, …rn+11, rn+12分别表示TWS与驱动因子在n~(n+12)个月尺度上相关系数的绝对值；rk表示TWS与驱动因子在k个月尺度上的最大相关系数。如果相关系数显著(相关系数的检验采用t检验法，显著性水平取0.05)，则表明TWS对该驱动因子的响应滞时为k-n个月。
1.3.5 多元线性回归分析多元线性回归是一种用于估计2个或多个自变量与1个因变量之间线性关系的统计方法[36]。本研究使用3个拟合参数(土壤水储量SM、地下水储量GWS、地表径流R)作为自变量，鄱阳湖主湖区水量EWH作为因变量，其对应的多元线性回归模型计算公式为：
| $ E W H=\beta_1 S M+\beta_2 G W S+\beta_3 R+\beta_4 $ | (9) |
式中，β1、β2、β3和β4为待估参数。
2 研究结果 2.1 基于组分相加法的陆地水储量结果评估图 2是基于CLSM模型计算的2003—2019年“五河”流域年TWS及其组分与验证数据的对比，其中图 2a为TWSCLSM与GRACE反演TWS(TWSCSR、TWSJPL和TWSGSFC)的对比，图 2b为RCLSM与“五河”流域平均实测径流的对比，图 2c为SMCLSM与SMCI数据集输出的SM的对比，图 2d为GWSCLSM与江西省水资源公报中地下水资源量的对比。
|
图 2 CLSM模型模拟的陆地水储量(a)、河道流量(b)、土壤含水量(c)和地下水储量(d)与对应验证数据的变化趋势对比(*代表 0.05水平下的显著) Fig.2 Terrestrial water storage(a), river flow(b), soil moisture(c), and groundwater storage(d) derived from the CLSM model, comparing these trends with corresponding validation data (*represent the 0.05 significance levels) |
在变化趋势上，TWSCSR、TWSJPL和TWSGSFC在2003—2019年分别以7.71、7.61、6.4 mm/a的变化速率上升(P＜0.05)。TWSCLSM以8.89 mm/a的变化速率显著上升(P＜0.05)。在年变化趋势上TWSCLSM与GRACE反演的TWS数据反演的结果一致。对于R、SM和GWS，在2003—2019年均呈现上升趋势，与其对应的验证数据变化趋势一致。在相关性上，CLSM模型计算TWS及其组分与验证数据均显著相关(P＜0.05)。同时，已有研究对于CLSM模型模拟的水储量结果进行评价。在土壤含水量的模拟方面，Yin等[37]研究表明CLSM模型对于长江流域的土壤含水量具有较好的模拟能力；在地表径流和地下水储量的模拟方面，现有研究表明CLSM模拟具有较好的适用性[31, 38]。
综上所述，在陆地水储量的模拟方面，“五河”流域CLSM模型计算的水储量结果在变化趋势和相关性上与GRACE反演TWS结果较为一致，CLSM模型对于陆地水储量及其组分的模拟具有一定的可靠性和稳健性。因此，本研究利用CLSM模型替代GRACE数据计算1960—2019年“五河”流域TWS的时空变化过程。
2.2 陆地水储量时空变化在流域尺度上，“五河”流域年、季节TWS的变化过程如图 3所示。由Pettitt突变检验得出，1960—2019年“五河”流域TWS月序列在2012年1月发生显著突变(P＜0.05)，突变检验结果如附图Ⅲ所示。因此，本文以2012年为分界点，将研究时段划分为1960—2011年(P1)和2012—2019年(P2)。在年变化上，通过Mann-Kendall趋势分析得，TWS在P1和P2阶段均无显著的变化趋势，变化速率由P1阶段的-0.07 mm/a上升至P2阶段的3.37 mm/a。在季节变化上，春、夏、秋、冬季TWS在P1和P2阶段均无显著变化趋势。尽管如此，P2阶段TWS的变化速率明显大于P1阶段。在P1阶段，春、夏、秋、冬季TWS在P1阶段分别以-0.09、-0.05、0.17和0.06 mm/a的变化速率呈微弱变化；在P2阶段，四季分别以1.66、3.68、-14.72和22.86 mm/a的变化速率大幅变化，其中以秋季下降速率最大，而冬季上升速率最大。可以看出，在2012年后，“五河”流域TWS的年内变化差距更加明显。
|
图 3 1960—2019年“五河”流域年TWS(a)和季节TWS(b~e)变化 Fig.3 Annual(a) and seasonal(b-e) TWS variations in the five rivers of the Lake Poyang Basin from 1960 to 2019 |
“五河”流域年、季节TWS的空间分布如图 4所示。在年变化上，“五河”流域TWS均值在全流域内均为正值，且呈西高东低的空间分布模式。TWS均值由P1阶段的37.12 mm上升至P2阶段的103.61 mm。在季节变化上，从P1至P2阶段，“五河”流域春、夏季流域TWS盈余增强，秋、冬季TWS耗损减弱。具体而言，春季P1和P2阶段的TWS均值分别为115.94和186.73 mm，其中流域99.19%的区域内TWS在P2阶段较P1阶段提升，且流域TWS在P2阶段较P1阶段呈现南、北部高而中部低的空间分布模式。夏、冬季TWS与春季TWS具有相似的空间分布模式。夏季在P1、P2阶段的TWS均值分别为126.21和206.23 mm，冬季分别为-71.36和31.95 mm，且两个季节内全流域TWS在P2阶段较P1阶段提升，提升较大区域集中在流域南部。秋季作为TWS由夏季最大盈余转为冬季最大亏损的过渡态，P1和P2阶段的TWS均值分别为-26.28和-10.46 mm，流域56.05%的区域内TWS在P2阶段较P1阶段提升，主要集中在流域南部和西北部，而流域东部则表现出更为严重的水储量亏损现象，这意味着流域调节和储存水储量的能力增强[35]。
|
图 4 1960—2011年(P1)和2012—2019年(P2)“五河”流域年、季节TWS均值的空间分布 Fig.4 Spatial distribution of the average changes of annual and seasonal TWS in the five rivers of Lake Poyang Basin during 1960-2011 (P1) and 2012-2019 (P2) |
“五河”流域年、季节TWS变化趋势的空间分布如图 5所示。在年变化上，流域南、北部TWS变化趋势呈北高南低的空间分布模式。从P1至P2阶段，TWS变化速率为正的流域面积占比分别由P1阶段的18.14%提升至P2阶段的79.03%，说明流域陆地水储量在2012年后趋向于提升[39]。在季节变化上，春、夏和冬季TWS变化趋势与年TWS具有相似的北高南低的空间分布模式。从P1至P2阶段，春、夏和冬季TWS变率为正的流域面积占比分别由P1阶段的3.22%、31.45%和36.69%提升至P2阶段的63.33%、75.00%和100.00%。秋季TWS呈正向变化的流域面积占比由P1阶段的19.35%下降至0.81%，且该由增向减的转变主要集中在流域北部。
|
图 5 1960—2011年(P1)和2012—2019年(P2)“五河”流域年、季节TWS变化速率的空间分布 Fig.5 Spatial distribution of the change rate of annual and seasonal TWS in the five rivers of Lake Poyang Basin during 1960-2011 (P1) and 2012-2019 (P2) |
图 6为“五河”流域年、季节TWS各组分变化过程。在年变化上，SM、GWS与TWS由减向增的变化一致，均分别由P1阶段以-0.05、-0.12 mm/a的变化速率减少转为P2阶段以0.92、2.11 mm/a的变化速率增加，而R的增长速率由P1阶段以0.11 mm/a增加为P2阶段0.34 mm/a。近年来伴随着鄱阳湖流域干旱趋势的增强[40]和流域蒸散发的增加[41]，地表水储量增长缓慢。此外，在“长江大保护”的背景下，鄱阳湖流域地下水开采量呈逐年减小的趋势[42]，促使地下水储量呈上升趋势[7]。对于CI和SWE，两者在变化速率均小于0.01 mm/a。在季节变化上，春、夏、秋、冬季R、SM、GWS在P2阶段均呈现较P1阶段更大的变化速率，其中以秋季GWS下降速率最大，而冬季GWS上升速率最大，这与TWS在秋、冬季的变化一致。
|
图 6 1960—2019年“五河”流域年(a)、季节(b~e)TWS各组分变化(由于CI和SWE的变率较小，图中并未显示) Fig.6 Annual(a) and seasonal(b-e) TWS components variations in the five rivers of Lake Poyang Basin from 1960 to 2019 (Due to the relatively low trend of CI and SWE, it is not depicted in the figure) |
“五河”流域年、季节各组分对TWS变化的贡献率如图 7所示。在年变化上，TWS的变化以R的贡献为主。相较于P1阶段，P2阶段“五河”流域SM、GWS对TWS变化的贡献率(RateSM、RateGWS)增加，而R对TWS变化的贡献(RateR)减少，这说明地表以下的水储量对TWS变化的贡献有所增强。具体而言，RateSM、RateGWS分别由P1阶段的12.48%、24.89%上升至P2阶段的17.12%、31.38%，而RateR由P1阶段的62.67%下降至P2阶段的51.55%。在季节变化上，尽管四季RateGWS、RateR均分别呈现不同程度的增加、减少，但对于水储量盈余的春、夏两季，TWS的变化以R的贡献为主；对于水储量亏损的秋、冬两季，TWS的变化均以GWS的贡献为主。相较RateGWS和RateR，RateSM在春、夏、秋季P1和P2阶段的变化均小于8%，仅在冬季内由P1阶段的46.55%下降至P2阶段的22.94%，这说明在SM对TWS变化的贡献更为稳定。
|
图 7 “五河”流域TWS各组分对TWS变化的贡献率 Fig.7 Contributions of individual components of TWS to its variation in the five rivers of Lake Poyang Basin |
从P1至P2阶段，TWS变化的第一贡献组分(最大贡献率对应的组分)在空间上存在转变，且主要为R和GWS之间的转变(图 8)。在年变化上，TWS变化的第一贡献组分为GWS的面积占比由P1阶段的20.97%上升至P2阶段的28.63%，而TWS变化的第一贡献组分为R的面积占比由P1阶段的78.23%下降至P2阶段的70.56%，第一组分贡献由R转为GWS的区域主要集中在流域西部的赣江流域。在季节变化上，第一贡献组分由R转为GWS的变化在春、夏季表现得尤为明显。在春、夏季，TWS变化的第一贡献组分为R的面积占比分别由P1阶段的61.29%、91.13%下降至P2阶段的49.19%、83.06%，而TWS变化的第一贡献组分为GWS的面积占比分别由P1阶段的35.89%、7.66%上升至P2阶段的50.81%、16.13%，且第一贡献组分由R转为GWS的区域主要集中在流域西部。然而，冬季第一贡献组分变化呈现出与春、夏季相反的变化模式。在冬季，TWS变化的第一贡献组分为R的面积占比由P1阶段的7.26%上升至P2阶段的20.16%，而TWS变化的第一贡献组分为GWS的面积占比由P1阶段的86.69%下降至P2阶段的79.84%，第一贡献组分由GWS转为R的区域主要集中在流域东部。在水储量亏损速率加剧的秋季，TWS变化的第一贡献组分为GWS的面积占比由P1阶段的85.97%上升至P2阶段的95.97%，而TWS变化的第一贡献组分为R、SM的流域面积在两个阶段虽有所下降，但占比均低于10%，这说明GWS的减少是秋季TWS亏损的主要原因。
|
图 8 1960—2011年(P1)和2012-2019年(P2)“五河”流域年、季节TWS变化的第一贡献组分空间分布 Fig.8 Spatial distribution of the primary contributing component to annual and seasonal TWS variations in the five rivers of the Lake Poyang Basin during 1960-2011 (P1) and 2012-2019 (P2) |
“五河”流域TWS对降水量(P)的响应滞时如图 9所示。在年变化上，TWS对P的响应滞时(TP)为4个月，说明当年秋、冬季的P会影响到下一年的TWS变化。在季节变化上，夏、秋季TWS表现出对P较快的响应，TP为1个月；在冬、春季，TP相对较长，分别为3~5个月和6个月。季节TWS对P的滞后响应与TWS的年内蓄泄循环过程有关。具体而言，在夏季，富余的降水使得夏季水储量得以快速补充，TWS达到年内最大盈余；在秋、冬季TWS由盈余转为亏损的过程中，秋、冬季TWS亏损的主要补给源为当季储存于流域中的降水和夏季的盈余水储量；随着春季降水再次增加，流域中的水储量主要用于补充秋、冬季亏损的水储量。对于“五河”流域冬季TP，由P1阶段的3个月上升至P2阶段的5个月。相较于P1阶段，P2阶段TWS组分贡献变化，GWS对TWS变化的贡献增加，导致TWS对降水的响应滞时延长。
|
图 9 “五河”流域年、季节TWS对P的响应滞时(*代表 0.05水平下的显著) Fig.9 The lag time of annual and seasonal TWS response to precipitation in the five rivers of Lake Poyang Basin(* represent the 0.05 significance levels) |
对比P1和P2阶段TP的空间变化，不论是年TP和季节TP，TP延长的面积占比均呈不同程度的增加(图 10)。对于年TP，P2阶段TP较P1阶段延长的面积占比为20.56%，延长区域主要集中在流域东南部和北部。对于季节TP，春、夏、秋季P2阶段TP较P1阶段延长的面积占比分别为59.68%、33.87%、45.56%，且该变化主要集中在流域北部。在冬季，滞时延长的现象较其他3个季节更为明显。冬季P2阶段TP较P1阶段延长的面积占比为81.45%，且该变化主要集中在赣江流域和北部环湖区域。
|
图 10 1960—2011年(P1)和2012—2019年(P2)“五河”流域年、季节TWS对P响应滞时的空间分布 Fig.10 Spatial distribution of lag time of annual and seasonal TWS response to precipitation in the five rivers of the Lake Poyang Basin during 1960-2011 (P1) and 2012-2019 (P2) |
降水可以通过影响TWS的主要组分进而调节TWS的变化，同时TWS的主要组分变化也会反过来影响TWS对降水的滞后响应。因此，本文对P1和P2阶段空间上各网格的主要组分贡献和响应滞时进行统计，分析年、季节RateSM、RateGWS、RateR与TP之间的相关性，结果如图 11所示。
|
图 11 年、季节SM(a~e)、GWS(f~j)、R(k~o)对TWS变化的贡献率与TWS对降水响应滞时的相关分析(*代表 0.05水平下的显著) Fig.11 Correlation analysis between contribution ratios of Soil moisture(a-e), Groundwater storage(f-j), and River flow (k-o) to the changes in annual and seasonal TWS and TWS response lag to precipitation (* represent the 0.05 significance levels) |
在0.05显著性水平下，年TP分别与RateGWS、RateR呈显著的正、负相关，这说明GWS和R作为TWS变化的主要贡献组分，其组分贡献的变化会显著影响TWS对P的响应滞时。对于季节TP，相较P1阶段，P2阶段TP与RateGWS、RateSM之间的正相关性增强，而与RateR之间的负相关性增强。在春季，TP主要受到RateR的负相关影响。由于地表水对降水的响应较快，因此当春季降水增加使得地表水增加时，TWS对降水的响应加快。夏、冬两季TP主要受到RateGWS的正相关影响。由于地下水的运动速度较慢，降水透过土壤补给GWS需要一定的时间，使得GWS对降水的响应相对滞后[43-45]。当RateGWS增加时，同时也增加TWS对P响应的滞后时间。在秋季，TP主要受到RateSM的正相关影响。此时鄱阳湖已进入枯水季节，土壤水储量作为地表水储量与地下水储量之间的中间层，其增加会减缓TWS对降水的响应速度。
2.5 陆地水储量及其组分对湖区水量的影响“五河”流域水储量作为湖区水量的补给源之一，两者之间存在相互作用关系。图 12为“五河”年、季节TWS与湖区水量的相关分析结果。在0.05显著性水平下，TWS与湖区水量具有显著的正相关性。李晓英等[46]对基于GEE提取的湖泊面积进行趋势分析，结果表明鄱阳湖的湖泊面积总体经历了从缩小到扩大的过程，即2003—2013年湖泊面积呈缩小趋势，而2013—2020年为扩大趋势，这与本文分析流域TWS变化过程较为一致。相较P1阶段，P2阶段春、夏、秋季TWS与湖区水量的相关性减弱，这可能是由于该阶段的时段较短，数据量较少造成的。在冬季，TWS与湖区水量的正相关性增强，这表明在2012年后，伴随着冬季TWS增加，湖区水量得到进一步提升。
|
图 12 年(a)、季节(b~e)TWS与湖区水量的相关分析(*代表 0.05水平下显著相关) Fig.12 Correlation analysis between annual (a) and seasonal(b-e) TWS and lake water volume (* represent the 0.05 significance levels) |
考虑到流域土壤水、地下水和地表径流是流域陆地水储量的主要组分，本文采用多元线性回归方法研究这些组分对湖区水量的影响，拟合结果如表 1所示。在年变化上，P1和P2阶段拟合公式均满足0.05显著性水平。两个阶段内的分析结果表明，R和GWS对湖区水体的增长具有正向作用，而SM储量则对湖区水体的增长具有反向作用。现有研究表明，流域地表水源通过地表径流的方式汇入湖区，成为鄱阳湖湖区的主要补给来源，对湖泊水量的变化起着主导作用[47]。此外，地表水与地下水之间的相互转换在维持湖区水量平衡中起着重要作用，尤其在枯水期，基流主要通过消耗地下水来维持[47-48]。相对而言，土壤水则在不同程度上影响流域与湖泊之间的水循环。鄱阳湖流域土壤类型以红壤为主[49-50]，其具有良好的吸水性能。降雨通过渗入土壤，并部分贮存于土壤中，用以调节地表水和地下水的平衡。因此，土壤水储量越高意味着更多的水分滞留在流域中，未能进入湖泊。在季节变化上，P1阶段内，春、夏、冬季拟合公式均满足0.05显著性水平，其中以春季拟合效果最优，R、SM和GWS对湖区水体变化的作用与年变化一致。在P2阶段，TWS的各个组分对湖区水体变化的拟合效果并不显著(P＞0.05)。
|
表 1 TWS主要组分对湖区水量的多元线性拟合 Tab. 1 Multivariate linear fitting of TWS primary components to lake water volume |
本文利用GRACE和GLDAS数据解析了1960—2019年“五河”流域陆地水储量的时空变化特征及其变化的组分贡献，探究了不同组分贡献与陆地水储量对降水的滞后响应之间的关系，分析了“五河”流域陆地水储量及其组分对鄱阳湖主湖区水量变化的影响，主要结论如下：
1) Pettitt突变检验结果表明，“五河”流域TWS在2012年发生显著突变。年TWS的变化速率由1960—2011年(P1)的-0.07 mm/a上升至2012—2019年(P2)的3.37 mm/a。对比P1和P2阶段TWS的均值变化，春、夏季流域TWS盈余增强，秋、冬季TWS亏损减弱，这意味着流域调节和储存水储量的能力增强。
2)“五河”流域年TWS的变化以R的贡献为主。在P1至P2阶段，SM、GWS对TWS变化的贡献率增加，而R对TWS变化的贡献减少。春、夏季的第一贡献组分为R，而秋、冬季的第一贡献组分为GWS。春、夏季内，流域西部TWS变化的第一贡献组分由R转为GWS。
3) 年TWS对P的响应滞时TP为4个月；季节TWS对P的响应滞时呈现夏、秋短(1个月)而春、冬长的模式(3~6个月)。相较P1阶段，P2阶段TP与TWS的主要组分贡献相关性更强。在P2阶段，随着春季降雨加强，春季TP主要受到RateR的负相关影响；在夏、冬季，TP主要受到RateGWS的正相关影响；对于水储量盈余向亏损过渡的秋季，TP主要受到RateSM的正相关影响。
4)“五河”流域年、季节TWS与湖区水量呈显著的正相关性。对于TWS的各主要组分，地表径流和地下水储量增加在维持湖区水体增长中起正向作用，而土壤水储量增加对湖区水体的增长具有反向作用。
4 附录附表Ⅰ、附图Ⅰ~Ⅲ见电子版(DOI: 10.18307/2024.0451)。
|
|
附表Ⅰ 研究数据汇总 Appendix Ⅰ Summary of datasets used in this study |
|
附图Ⅰ WGHM模型计算的湖区水量与星子站实测水位变化过程(*代表 0.05水平下显著相关) AttachedFigI Variations of lake water volume calculated by the WGHM model and the observed water levels at the Xingzi station(* represent the significance of 0.05 levels) |
|
附图Ⅱ 2012—2019年江西省年度水库蓄量过程(数据来源于江西省水资源公报) AttachedFigII Annual water resource in Jiangxi Province from 2012 to 2019 (Data sourced from the Jiangxi Water Resources Bulletin) |
|
附图Ⅲ 1960—2019年“五河”流域TWS的Pettitt突变检验结果 AttachedFigIII The Pettitt abrupt change test results for Terrestrial Water Storage (TWS) in the five rivers of the Lake Poyang Basin from 1960 to 2019 |
| [1] |
Zhang L, Shen YZ, Chen QJ et al. Analysis of terrestrial water storage change and its driving factors of Hongliu River Region. Acta Geodaetica et Cartographica Sinica, 2022, 51(4): 622-630. [张林, 沈云中, 陈秋杰等. 红柳江区域陆地水储量变化及其驱动因素分析. 测绘学报, 2022, 51(4): 622-630. DOI:10.11947/j.AGCS.2022.20220030] |
| [2] |
Zhao YX, Zhang ZZ, Zheng S et al. Comparison of satellite gravimetry of terrestrial water storage anomaly and drought indices in the Yangtze River Basin. Journal of Geodesy and Geodynamics, 2023, 43(2): 121-127. [赵雅娴, 张子占, 郑硕等. 长江流域陆地水储量异常的卫星重力监测与干旱指数对比分析. 大地测量与地球动力学, 2023, 43(2): 121-127. DOI:10.14075/j.jgg.2023.02.003] |
| [3] |
Ren LL, Wang Y, Jiang SH et al. GRACE and GRACE-FO-based terrestrial water storage and its influencing factor analysis of the Yellow River Basin. Water Resources Protection, 2022, 38(4): 26-32. [任立良, 王宇, 江善虎等. 基于GRACE和GRACE-FO的黄河流域陆地水储量及影响因素分析. 水资源保护, 2022, 38(4): 26-32. DOI:10.3880/j.issn.1004-6933.2022.04.005] |
| [4] |
Chen ZW, Zhang XF, Ran JJ et al. Terrestrial water storage changes in Pearl River Region derived from the latest release temporal gravity field models. Journal of Geodesy and Geodynamics, 2020, 40(3): 305-310. [陈智伟, 张兴福, 冉将军等. 利用新版GRACE时变模型反演珠江流域陆地水储量变化. 大地测量与地球动力学, 2020, 40(3): 305-310. DOI:10.14075/j.jgg.2020.03.016] |
| [5] |
Deng HJ, Chen YN, Chen XW. Driving factors and changes in components of terrestrial water storage in the endorheic Tibetan Plateau. Journal of Hydrology, 2022, 612: 128225. DOI:10.1016/j.jhydrol.2022.128225 |
| [6] |
Hu BY, Wang L. Terrestrial water storage change and its attribution: A review and perspective. Water Resources and Hydropower Engineering, 2021, 52(5): 13-25. [胡宝怡, 王磊. 陆地水储量变化及其归因: 研究综述及展望. 水利水电技术: 中英文, 2021, 52(5): 13-25.] |
| [7] |
Chu JD, Su XL, Wu HJ et al. Analysis of terrestrial water storage and its component changes in China from 2002 to 2021. Water Resources Protection, 2023, 39(3): 170-178. [褚江东, 粟晓玲, 吴海江等. 2002—2021年中国陆地水储量及其组分变化分析. 水资源保护, 2023, 39(3): 170-178. DOI:10.3880/j.issn.1004-6933.2023.03.021] |
| [8] |
Chao NF, Jin TY, Cai ZS et al. Estimation of component contributions to total terrestrial water storage change in the Yangtze River Basin. Journal of Hydrology, 2021, 595: 125661. DOI:10.1016/j.jhydrol.2020.125661 |
| [9] |
Zhang D, Liu XM, Li XH et al. Assessing changes in total water storage in two large freshwater lake basins of China. Hydrological Processes, 2022, 36(3): e14556. DOI:10.1002/hyp.14556 |
| [10] |
Zhang YF, He B, Guo LL et al. Differences in response of terrestrial water storage components to precipitation over 168 global river basins. Journal of Hydrometeorology, 2019, 20(9): 1981-1999. DOI:10.1175/jhm-d-18-0253.1 |
| [11] |
Zhao YL, Shen Q, Feng W et al. Changes and spatio-temporal characteristics of terrestrial water storage variation in China's Seven main river basins during 2002-2018. Journal of Geodesy and Geodynamics, 2022, 42(8): 796-801. |
| [12] |
Guo LL, Li TW, Chen DL et al. Links between global terrestrial water storage and large-scale modes of climatic variability. Journal of Hydrology, 2021, 598: 126419. DOI:10.1016/j.jhydrol.2021.126419 |
| [13] |
Yang BB, Li YX, Tao CX et al. Variations and drivers of terrestrial water storage in ten basins of China. Journal of Hydrology: Regional Studies, 2023, 45: 101286. DOI:10.1016/j.ejrh.2022.101286 |
| [14] |
Tang M, Zhong P, Jiang ZS et al. Investigation of spatiotemporal characteristics of terrestrial water storage changes in the Yangtze River Basin using GNSS vertical displacement data. Chinese Journal of Geophysics, 2022, 65(10): 3780-3796. [汤苗, 钟萍, 姜中山等. 利用GNSS垂直位移研究长江流域陆地水储量变化的时空分布特征. 地球物理学报, 2022, 65(10): 3780-3796. DOI:10.6038/cjg2022P0562] |
| [15] |
Awange JL, Gebremichael M, Forootan E et al. Characterization of Ethiopian mega hydrogeological regimes using GRACE, TRMM and GLDAS datasets. Advances in Water Resources, 2014, 74: 64-78. DOI:10.1016/j.advwatres.2014.07.012 |
| [16] |
Lorenzo-Lacruz J, Garcia C, Morán-Tejeda E. Groundwater level responses to precipitation variability in Mediterranean insular aquifers. Journal of Hydrology, 2017, 552: 516-531. DOI:10.1016/j.jhydrol.2017.07.011 |
| [17] |
Li YL, Zhang Q, Yao J et al. Assessment of water storage response to surface hydrological connectivity in a large floodplain system (Poyang Lake, China) using hydrodynamic and geostatistical analysis. Stochastic Environmental Research and Risk Assessment, 2019, 33(11): 2071-2088. DOI:10.1007/s00477-019-01740-9 |
| [18] |
Cao SJ, Li YL, Li NN et al. Groundwater numerical simulation in the typical floodplain of Lake Poyang. J Lake Sci, 2023, 35(1): 298-312. [曹思佳, 李云良, 李宁宁等. 鄱阳湖典型洪泛区地下水数值模拟研究. 湖泊科学, 2023, 35(1): 298-312. DOI:10.18307/2023.0123] |
| [19] |
Song YY, Zhang Q, Melack JM et al. Groundwater dynamics of a lake-floodplain system: Role of groundwater flux in lake water storage subject to seasonal inundation. Science of the Total Environment, 2023, 857: 159414. DOI:10.1016/j.scitotenv.2022.159414 |
| [20] |
Xu YY, Li J, Wang JD et al. Assessing water storage changes of Lake Poyang from multi-mission satellite data and hydrological models. Journal of Hydrology, 2020, 590: 125229. DOI:10.1016/j.jhydrol.2020.125229 |
| [21] |
Zhou Y, Jin SG, Tenzer R et al. Water storage variations in the Poyang Lake Basin estimated from GRACE and satellite altimetry. Geodesy and Geodynamics, 2016, 7(2): 108-116. DOI:10.1016/j.geog.2016.04.003 |
| [22] |
Li XH, Zhang Q, Zhang D et al. Investigation of the drought-flood abrupt alternation of streamflow in Poyang Lake Catchment during the last 50 years. Hydrology Research, 2017, 48(5): 1402-1417. DOI:10.2166/nh.2016.266 |
| [23] |
Luo W, Zhang X, Deng ZM et al. Variation of the total runoff into Poyang Lake and drought-flood abrupt alternation during the past 50 years. Journal of Basic Science and Engineering, 2013, 21(5): 845-856. [罗蔚, 张翔, 邓志民等. 近50年鄱阳湖流域入湖总水量变化与旱涝急转规律分析. 应用基础与工程科学学报, 2013, 21(5): 845-856. DOI:10.3969/j.issn.1005-0930.2013.05.005] |
| [24] |
Tian ZH, Yin CX, Wang XL. Dynamic monitoring and driving factors analysis of ecological environment quality in Poyang Lake basin. Environmental Science, 2023, 44(2): 816-827. [田智慧, 尹传鑫, 王晓蕾. 鄱阳湖流域生态环境动态评估及驱动因子分析. 环境科学, 2023, 44(2): 816-827. DOI:10.13227/j.hjkx.202201097] |
| [25] |
Liu X, Wu XD, Yan XY et al. Spatio-temporal characteristics of water resources development and utilization in the Poyang Lake Basin. Journal of Water Resources and Water Engineering, 2022, 33(4): 72-78. [刘鑫, 吴向东, 鄢笑宇等. 鄱阳湖流域水资源开发利用的时空特征. 水资源与水工程学报, 2022, 33(4): 72-78. DOI:10.11705/j.issn.1672-643X.2022.04.10] |
| [26] |
Liu TT, Yang XX, Ye XC et al. Effects of human activities on terrestrial vegetation coverage change of Poyang Lake basin during 2000-2020. Bulletin of Soil and Water Conservation, 2022, 42(4): 320-329. [刘婷婷, 杨晓霞, 叶许春等. 人类活动对2000—2020年鄱阳湖流域陆地植被覆盖变化的影响. 水土保持通报, 2022, 42(4): 320-329.] |
| [27] |
Liu GH, Qi SH, Zhu JX et al. Quantitative estimation of runoff changes in Ganjiang River, Lake Poyang Basin under climate change and anthropogenic impacts. J Lake Sci, 2016, 28(3): 682-690. [刘贵花, 齐述华, 朱婧瑄等. 气候变化和人类活动对鄱阳湖流域赣江径流影响的定量分析. 湖泊科学, 2016, 28(3): 682-690. DOI:10.18307/2016.0326] |
| [28] |
Xia J, Diao YX, She DX et al. Analysis on ecological security and ecological carrying capacity of water resources in the Poyang Lake Basin. Water Resources Protection, 2022, 38(3): 1-8, 24. [夏军, 刁艺璇, 佘敦先等. 鄱阳湖流域水资源生态安全状况及承载力分析. 水资源保护, 2022, 38(3): 1-8, 24. DOI:10.3880/j.issn.1004-6933.2022.03.001] |
| [29] |
Feng GP, Wang QM, Song QT. Greenland ice sheet mass variations based on GRACE satellite gravity data. Haiyang Xuebao, 2018, 40(11): 73-84. [冯贵平, 王其茂, 宋清涛. 基于GRACE卫星重力数据估计格陵兰岛冰盖质量变化. 海洋学报, 2018, 40(11): 73-84. DOI:10.3969/j.issn.0253-4193.2018.11.008] |
| [30] |
Zhang L, Sun WK. Progress and prospect of GRACE Mascon product and its application. Reviews of Geophysics and Planetary Physics, 2022, 53(1): 35-52. [张岚, 孙文科. 重力卫星GRACE Mascon产品的应用研究进展与展望. 地球与行星物理论评, 2022, 53(1): 35-52. DOI:10.19975/j.dqyxx.2021-033] |
| [31] |
Deliry SI, Pekkan E, Avdan U. GIS-Based water budget estimation of the Kizilirmak River Basin using GLDAS-2.1 Noah and CLSM Models and remote sensing observations. Journal of the Indian Society of Remote Sensing, 2022, 50(7): 1191-1209. DOI:10.1007/s12524-022-01522-x |
| [32] |
Li QL, Shi GS, Shangguan W et al. A 1 km daily soil moisture dataset over China using in situ measurement and machine learning. Earth System Science Data, 2022, 14(12): 5267-5286. DOI:10.5194/essd-14-5267-2022 |
| [33] |
Müller Schmied H, Cáceres D, Eisner S et al. The global water resources and use model WaterGAP v2.2d: Model description and evaluation. Geoscientific Model Development, 2021, 14(2): 1037-1079. DOI:10.5194/gmd-14-1037-2021 |
| [34] |
Meng FC, Su FG, Li Y et al. Changes in terrestrial water storage during 2003-2014 and possible causes in Tibetan Plateau. Journal of Geophysical Research: Atmospheres, 2019, 124(6): 2909-2931. DOI:10.1029/2018JD029552 |
| [35] |
Wang LM, Wang JX, Wang LC et al. Terrestrial water storage regime and its change in the endorheic Tibetan Plateau. Science of the Total Environment, 2022, 815: 152729. DOI:10.1016/j.scitotenv.2021.152729 |
| [36] |
Yang XC, You W, Wan XY et al. Reconstruction of terrestrial water storage changes of nine major river basins in China using a multiple linear regression model. Journal of Geodesy and Geodynamics, 2023, 43(2): 116-120. [杨鑫春, 游为, 万祥禹等. 利用多元线性回归模型重构中国九大流域陆地水储量变化. 大地测量与地球动力学, 2023, 43(2): 116-120. DOI:10.14075/j.jgg.2023.02.002] |
| [37] |
Yin WJ, Yang S, Hu LT et al. Improving understanding of spatiotemporal water storage changes over China based on multiple datasets. Journal of Hydrology, 2022, 612: 128098. DOI:10.1016/j.jhydrol.2022.128098 |
| [38] |
Li BL, Rodell M, Kumar S et al. Global GRACE data assimilation for groundwater and drought monitoring: Advances and challenges. Water Resources Research, 2019, 55(9): 7564-7586. DOI:10.1029/2018WR024618 |
| [39] |
Wang W, Li WW, Wang FW. Terrestrial water storage variations in Yangtze River Basin based on Tongji-Grace 2018 Temporal Gravity Field Model. Yangtze River, 2020, 51(10): 110-115, 149. [王微, 李伟伟, 王奉伟. 利用GRACE模型反演长江流域陆地水储量的变化. 人民长江, 2020, 51(10): 110-115, 149.] |
| [40] |
Xing ZK, Yu ZB, Wei JH et al. Lagged influence of ENSO regimes on droughts over the Poyang Lake Basin, China. Atmospheric Research, 2022, 275: 106218. DOI:10.1016/j.atmosres.2022.106218 |
| [41] |
Qin XC, Dai ZJ, Chen XJ et al. Variation characteristics and cause analysis of potential evapotranspiration in Poyang Lake Basin from 1981 to 2019. Transactions of the Chinese Society of Agricultural Engineering, 2021, 37(7): 94-102. [秦晓晨, 戴志健, 陈兴鹃等. 1981—2019年鄱阳湖流域潜在蒸散变化特征及气候成因分析. 农业工程学报, 2021, 37(7): 94-102. DOI:10.11975/j.issn.1002-6819.2021.07.012] |
| [42] |
Jia JW, Wang D, He KJ et al. Distribution characteristics and exploitation potentiality of groundwater resources in Changjiang River Basin. Yangtze River, 2021, 52(9): 107-112. [贾建伟, 王栋, 何康洁等. 长江流域地下水资源量分布特征及开采潜力分析. 人民长江, 2021, 52(9): 107-112.] |
| [43] |
Khorrami B, Gunduz O. Evaluation of the temporal variations of groundwater storage and its interactions with climatic variables using GRACE data and hydrological models: A study from Turkey. Hydrological Processes, 2021, 35(3): e14076. DOI:10.1002/hyp.14076 |
| [44] |
Zhang ZG, Song CC, Guo YD et al. Effects of climate change and agricultural expansion on groundwater storage in the Amur River Basin. Frontiers in Earth Science, 2023, 10: 1037688. DOI:10.3389/feart.2022.1037688 |
| [45] |
Aribisala JO, Awopetu MS, Ademilua OL et al. Effect of climate change on groundwater resources in south west, Nigeria. Journal of Environment and Earth Science, 2015, 5(12): 1-8. |
| [46] |
Li XY, Tong ZC, Wang BL et al. Variation and correlation analysis of lakewater storage and terrestrial water storage anomaly in Poyang Lake. Journal of Changjiang River Scientific Research Institute, 2023, 40(5): 38-43, 57. [李晓英, 童泽淳, 王必磊等. 鄱阳湖湖泊与陆地水储量变化及相关分析. 长江科学院院报, 2023, 40(5): 38-43, 57.] |
| [47] |
Jiang WY, Liu B, Deng YP et al. Simulation of surface water-groundwater interaction in the plain area of the Poyang Lake considering the change of water body area. Hydrogeology & Engineering Geology, 2023, 50(4): 95-104. [姜文瑜, 刘波, 邓月萍等. 考虑水体面积变化的鄱阳湖平原区地表—地下水相互作用模拟. 水文地质工程地质, 2023, 50(4): 95-104.] |
| [48] |
Li YL, Zhao GZ, Yao J et al. Interactions between groundwater and lake water of riparian zone in the typical area of Poyang Lake. Tropical Geography, 2017, 37(4): 522-529. [李云良, 赵贵章, 姚静等. 湖岸带地下水与湖水作用关系——以鄱阳湖为例. 热带地理, 2017, 37(4): 522-529.] |
| [49] |
郭华. 气候变化及土地覆被变化对鄱阳湖流域径流的影响[学位论文]. 南京: 中国科学院南京地理与湖泊研究所, 2007.
|
| [50] |
Liu J, Zhang Q, Zuo HJ et al. A surface runoff model for Lake Poyang watershed. J Lake Sci, 2009, 21(4): 570-578. [刘健, 张奇, 左海军等. 鄱阳湖流域径流模型. 湖泊科学, 2009, 21(4): 570-578. DOI:10.18307/2009.0417] |