陆地水储量变化指陆地各类水体的总变化，包括地表水、土壤水、地下水和植物冠层水等，是全球水循环的重要组成部分[1]。水平衡法为区域陆地水储量变化的间接估计方法，即通过气象水文数据的输入和输出之差来描述陆地水储量变化。然而在观测资料缺失地区，该方法不能很好地反映人类活动对区域水储量变化的影响[2]。GRACE重力卫星发射之后，以相同的数据质量覆盖全球[3]，弥补了水文观测易受观测条件制约、站点空间分布不均和数据质量不佳等不足，可直接获取不同空间尺度的陆地水储量变化。文献[4]利用GRACE数据分析了全球27条流域水储量的季节性及年际变化。文献[5]评估了5种GRACE时变重力场模型在反演中国大陆地区水储量变化中的不确定性。文献[6]利用GRACE数据监测了小尺度的三峡水库蓄水过程。
探明区域陆地水储量变化的驱动因素有助于认识区域水循环发生机制，为区域防灾减灾提供技术保障[7-9]。文献[10-11]通过分析气象水文因素对全球168个流域陆地水储量变化的影响，发现在低纬度流域降水对水储量变化的贡献较大，而在中高纬度流域蒸散和径流的贡献更大。文献[12]利用GRACE和水文模拟定性分析了2002-2010年气象水文因素与人类活动对全球30个流域水储量变化的影响。此外，还有学者重点探究了水库蓄水对流域水储量季节性变化的影响[13-15]。然而，定量评估不同驱动因素对陆地水储量变化贡献的相关研究较少，且主要量化降水、径流和蒸散单个气象水文因素的贡献[10-11, 16]。本文综合量化分析气象水文因素、人类活动耗水及水库水储量变化对红柳江区域陆地水储量变化的影响。
珠江流域是我国第二大流域，其陆地水储量变化主要受降水量、ENSO(El Niño/Southern Oscillation)和PDO(Pacific Decade Oscillation)等气候因素的影响[17]，存在明显的丰水及枯水循环周期[18]。同时，还与流域西北喀斯特地貌和水库蓄水有关[19-20]，也有学者探究了该流域水储量季节及趋势变化特性[21]，但未见流域内典型子区域水储量变化及其驱动因素分析的相关研究。红柳江区域为珠江流域面积最大的子流域，其陆地水储量增长速度显著高于其他子流域[22]，且区域内人类活动耗水量相对较多(年均耗水量约为10 km3)。我国第三大水库-龙滩水库位于该区域内，该水库在实现发电、防洪、供水等效益的同时，也造成了自然河流的分段、径流过程的均一化，其极强的径流调控能力显著改变了红柳江下游区域径流的年内分配[22-23]，因此，分析该区域陆地水储量变化并定量评估相关驱动因素对完善珠江流域水文研究具有重要意义。
1 研究区域红柳江区域是珠江流域内面积最大的二级子流域，其面积约为112 666.7 km2，位于贵州和广西境内，地势西北高、东南低(图 1)。红水河和柳江为该区域径流量最大的两条支流，红水河发源于云南省东部，东出云南后穿越广西西北和中部后与柳江汇合，两条河流的水文监测站见图 1中的红色标志，即迁江站(QJ)和柳州站(LZ)。
|
| 注：①南北盘江; ②红柳江; ③郁江; ④桂南沿海诸河; ⑤西江; ⑥北江; ⑦珠江三角洲; ⑧东江; ⑨韩江及粤东诸河。 图 1 红柳江区域概况(红线内) Fig. 1 Overview of the Hongliu River area(inside the red line) |
红柳江区域有十大水库，而在研究时段内(2003-2016年)进行蓄水的水库仅有龙滩水库、乐滩水库、桥巩水库和红花水库(具体位置如图 1所示)，水库库容量分别为272.70亿m3、9.50亿m3、9.03亿m3和5.70亿m3，可见龙滩水库的库容量远大于其他水库。
2 数据与方法 2.1 数据本文所用数据见表 1，可分为GRACE数据、气象水文数据和人类活动相关数据3大类。
| 数据类型 | 数据来源 | 时间分辨率 | 时间跨度 | 空间分辨率 |
| GRACE | CSR RL06、Tongji-Grace2018 (http://icgem.gfz-potsdam.de/home) | 月 | 2003年1月-2016年12月 | 1°×1° |
| 降水 | 中国国家气象信息中心(http://data.cma.cn) | 月 | 2003年1月-2016年12月 | 0.5°×0.5° |
| 蒸散 | GLEAM 3v (https://www.gleam.eu) | 月 | 2003年1月-2016年12月 | 0.25°×0.25° |
| GLDAS 2.1v中的NOAH、CLM、VIC (https://earthdata.nasa.gov) | 月 | 2003年1月-2016年12月 | 1°×1° | |
| 径流 | 红水河和迁江站实测径流(http://xxzx.mwr.gov.cn) | 月 | 2003年1月-2016年12月 | - |
| GLDAS 2.1v中的NOAH、CLM、VIC (https://earthdata.nasa.gov) | 月 | 2003年1月-2016年12月 | 1°×1° | |
| 水库 | 龙滩水库实测水量[19] | 月 | 2006年1月-2014年12月 | - |
| 人类活动耗水 | 红柳江区域年度耗水量(http://www.pearlwater.gov.cn) | 年 | 2003年-2016年 | - |
2.1.1 GRACE数据
GRACE数据采用2003年1月-2016年12月美国得克萨斯大学空间研究中心(CSR)发布的RL06版和同济大学发布的Tongji-Grace2018版96阶次时变重力场模型，研究时段内分别存在17个月和18个月的数据缺失，其空缺月份用三次样条进行填补。GRACE数据处理过程中，考虑了地心改正项和GIA影响[24-26]，利用SLR解算结果(NASA GSFC C20)替换了C20项[27]，并扣除2004年1月-2009年12月平均场，以便与GRACE CSR Mascon产品的背景场一致。此外，选用P4M6+300 km高斯滤波方式处理球谐系数噪声[28]，并利用无约束Forward Modeling对泄漏信号进行恢复[29]，最终基于纬度加权原则求得区域陆地水储量异常。
2.1.2 气象及水文数据降水数据采用国家气象科学数据共享服务平台提供的地面降水月值数据(V2.0版)，其空间分辨率为0.5°×0.5°。该数据基于中国地面2472个台站的降水资料，利用薄盘样条进行空间插值而生成，并经过交叉验证分析，数据质量状况良好[30]。
实测径流数据来自中国泥沙公报公布的迁江站和柳州站的月径流量，代表整个红柳江区域的出境流量。水文模型模拟径流数据选用全球陆面数据同化系统(GLDAS 2.1v)的NOAH、CLM、VIC模型[31]。蒸散发数据产品有两类，即基于遥感数据反演的GLEAM 3v产品[32]和NASA发布的GLDAS 2.1v中的NOAH、CLM、VIC产品。本文直接使用气象及水文原始格网数据，避免了滤波处理及泄漏改正不充分导致的信号削弱问题。
2.1.3 人类活动数据人类活动数据包括龙滩水库实测水量[19]和人类活动年耗水量，两者均以km3表示。为了统一比较，将气象水文数据及GRACE估算的水储量变化归算为体积变化形式。
2.2 方法本文利用水平衡法[33]计算珠江流域陆地水储量变化，将其与GRACE时变重力数据估算结果进行比较，以评估人类活动对流域水储量变化的影响；同时，基于文献[34]中的贡献率定量法量化各驱动因素对流域陆地水储量变化的贡献。
2.2.1 水平衡法水平衡法[33]和GRACE时变重力数据是计算区域陆地水储量变化的不同方法，分别利用式(1)和式(2)进行计算
(1)
(2)
式中，P为降水量；E和R分别为区域蒸散量和径流量，当缺乏蒸散数据或实测径流时，通常利用水文模型进行估算[35]；TWSCGRACE(t)为GRACE模型求得的t月份陆地水储量变化，其单位为km3/month；TWSA(t)和TWSA(t-1)分别为t和t-1月份陆地水储量异常，单位为km3。
2.2.2 贡献率定量法陆地水储量变化驱动因素贡献率定量公式为[34]
(3)
式中，N为陆地水储量变化驱动因素数目；Hi为第i个驱动因素引起的陆地水储量变化; ηi为第i个驱动因素对区域陆地水储量变化的贡献率。当η为正时驱动因素促进区域陆地水储量增长，反之则消耗区域水储量。选用相关系数(p-value检验法计算置信区间)及均方根误差作为模型接近程度的评定指标，均方根误差为
(4)
式中，ΔSi为不同模型计算的时间序列值之差；N为研究时段内总月(年)份。
3 红柳江区域陆地水储量变化 3.1 水平衡法估算陆地水储量变化图 2(a)、(b)、(c)分别给出了红柳江区域降水量、径流量(实测径流、CLM、NOAH、VIC)和蒸散量(GLEAM、CLM、NOAH、VIC)月变化序列。由图 2(a)可知，2004、2005及2010年红柳江区域降水量显著高于其他年份，2011和2013年的降水量则低于其他年份。图 2(b)所示的区域径流量中，CLM、NOAH和VIC模型估算结果与实测径流量(柳州站和迁江站径流之和)相关系数分别为0.84、0.80和0.82(p值均为0.01)，均方根误差分别为2.90、4.61和6.44 km3，因此CLM模型估算径流值与实测径流值最为接近。CLM、VIC、NOAH和GLEAM模型估算的蒸散量存在差异(图 2(c))，周年振幅分别为33.3±9.62、36.1± 1.25、43±1.98和41.3±1.87 km3。本文选用CLM模型对区域径流和蒸散量进行估算，估算值分别记为RCLM和ECLM，实测径流记为R实。
|
| 图 2 红柳江区域降水、径流和蒸散量 Fig. 2 Precipitation, runoff and evapotranspiration in the Hongliu River area |
3.2 GRACE估算陆地水储量变化
图 3给出了CSR-RL06和Tongji-Grace2018模型计算的红柳江区域陆地水储量变化，其周年振幅分别为3.45±0.44 km3/a和3.47±0.45 km3/a，相位为296.9°±7.25°/a和293.4°±7.4°/a，长期趋势分别为0.04±0.08 km3/a2和0.03±0.08 km3/a2，两者吻合较好，因此取其均值作为GRACE模型估算结果。
|
| 图 3 GRACE估算陆地水储量月变化 Fig. 3 Monthly terrestrial water storage change derived from GRACE |
3.3 区域水量平衡方程闭合性分析
GRACE和水平衡法估算的闭合流域陆地水储量变化应满足平衡关系[33]，图 4(a)、(b)分别为两种方法估算的红柳江区域陆地水储量月变化和年变化，其长期趋势、周年振幅和相位统计结果见表 2。在水平衡法中，实测径流和CLM模型径流数据计算的陆地水储量变化分别记为P-ECLM-R实和P-ECLM-RCLM。
|
| 图 4 红柳江区域陆地水储量月变化和年变化 Fig. 4 Monthly and annual terrestrial water storage change in the Hongliu River area |
| 统计指标 | P-ECLM-R实 | P-ECLM-RCLM | TWSCGRACE |
| 长期趋势(km3/a2) | 0.03±0.08 | 0.03±0.10 | 0.03±0.07 |
| 周年振幅(km3/a) | 3.64±0.47 | 3.75±0.54 | 3.46±0.38 |
| 周年相位((°)/a) | 306.6±5.2 | 313.5±7.7 | 295.1±6.6 |
水平衡法中P-ECLM-R实和P-ECLM-RCLM与GRACE模型估算的陆地水储量月变化之差值计算的均方根误差分别为3.41 km3/month和3.61 km3/month；年变化差值计算的均方根误差分别为13.1 km3/a和19.74 km3/a。由图 4和表 2可知，P-ECLM-R实比P-ECLM-RCLM更接近GRACE模型的估算结果，其原因为GLDAS中的CLM模型未模拟人类活动耗水(human consume, HC)(包括工业、生活、农业灌溉和生态耗水)和水库储水(reservoir storage, RESS)等因素对区域陆地水储量变化的贡献[36]；人类活动耗水量将转为径流和蒸散量输出，水库的径流拦截及水面蒸发作用也会影响水量平衡方程的闭合性，而实测径流考虑了人类活动的影响。此外，表 2中GRACE模型及水文模式计算的陆地水储量变化长期趋势均不显著，部分月份数据质量较差，导致其不确定度较大。
为探究人类活动耗水对红柳江区域陆地水储量变化的影响，将考虑该驱动因素后，CLM模型计算的陆地水储量变化与实测径流，以及GRACE模型估算结果进行比较，如图 5所示，考虑人类活动耗水为该区域陆地水储量输出项时，P-ECLM-RCLM与GRACE模型估算的区域陆地水储量年变化吻合程度有明显提高，均方根误差减小到12.26 km3/a，较之前降低了39%，且与P-ECLM-R实较为一致。
|
| 图 5 红柳江区域陆地水储量年变化(GRACE及水平衡法估算结果) Fig. 5 Annual terrestrial water storage change in the Hongliu River area (from GRACE and water balance method) |
4 红柳江区域陆地水储量变化驱动因素分析 4.1 气象水文因素及人类活动耗水
由上述分析可知，红柳江区域水储量变化的潜在驱动因素包括气象水文因素(P-ECLM-RCLM)、人类活动耗水(HC)和其他因素(other)，利用式(3)计算不同驱动因素对区域陆地水储量变化贡献率。图 6(a)、(b)分别为气象水文因素和人类活动耗水对红柳江区域陆地水储量变化的贡献率，以及区域年降水量，径流和蒸散量之和。气象水文因素和人类活动耗水量与该区域水储量变化的相关系数分别为0.82(p值为0.01)和0.50(p值为0.07)，其贡献率在-29.0%~61.7%和-72.0%~-14.1%范围内。气象水文因素贡献率仅于2009、2011和2016年为负，其均值为-22.5%，其余年份正贡献率均值为47.7%；人类活动耗水贡献率始终为负，其均值为-34.8%。图 6(b)中，2009、2011和2016年区域降水量低于径流和蒸散量之和，导致气象水文因素的贡献率为负。
|
| 图 6 人类活动耗水和气象水文因素贡献率及气象水文因素水量变化 Fig. 6 Contribution rate of meteorological and hydrological factors and human-induced water consumption and water volume change of meteorological and hydrological factors |
4.2 龙滩水库水储量变化
龙滩水库(面积约为63.18 km2)于2006年9月开始蓄水，到2009年底蓄水完成，水位上涨了330 m。图 7(a)、(b)分别为龙滩水库蓄水前(2003年1月-2006年8月)和蓄水阶段(2006年9月-2009年12月)红柳江区域陆地水储量异常趋势空间分布，箭头方向表示红水河流向，其平均水储量变化速度分别为-1.28 km3/a和0.15 km3/a。该区域陆地水储量在龙滩水库蓄水阶段整体呈现增长趋势，且红水河上游区域水储量增长速度高于中下游区域，表明水库蓄水促进了区域陆地水储量的增长。
|
| 图 7 红柳江区域陆地水储量异常趋势 Fig. 7 Trend of terrestrial water storage anomaly in the Hongliu River area |
图 8(a)、(b)分别为2006年9月-2014年12月GRACE模型与龙滩水库水储量异常原始序列及傅里叶分析结果，其长期趋势、周年振幅和周年相位信息列于表 3。GRACE模型与龙滩水库水储量异常序列相关系数为0.66(p值为0.01)，长期趋势和周年相位吻合较好，均存在明显的一年和两年周期信号，反映了GRACE模型与龙滩水库的水储量变化具有一定相关性。由于GRACE模型计算的陆地水储量变化包含龙滩水库外的水储量变化，因此图 8中的信号强度高于龙滩水库。
|
| 图 8 GRACE和龙滩水库(LT)实测水储量异常原始序列和傅里叶分析结果 Fig. 8 Original and Fourier analysis result of GRACE and in-site Longtan Reservoir water storage anomaly |
| 统计量 | 长期趋势/(km3/a) | 周年振幅/km3 | 周年相位/(°) |
| GRACE | 0.45±0.40 | 6.78±1.37 | 164.4±10.9 |
| LT | 0.45±0.28 | 2.47±0.93 | 160.5±21.8 |
龙滩水库水储量变化(TWSCLT)的计算方法同式(2)，其对区域陆地水储量变化贡献率可由式(3)估算。图 9为2006-2014年龙滩水库对红柳江区域陆地水储量变化贡献率，其值在-45.9%~29.2%范围内。2006-2008年水库蓄水，水库贡献率持续为正；2009年和2011年水库负贡献率较大，其原因为这两年降水量较少，而人类活动耗水量较多(图 6)。此外，龙滩水库蓄水完成后(2009年之后)，水库贡献率正负交替，此现象可能与政府调控有关。
|
| 图 9 龙滩水库对陆地水储量变化的贡献率 Fig. 9 Contribution rate of Longtan Reservoir to terrestrial water storage change in the Hongliu River area |
5 结论
本文讨论了人类活动耗水对红柳江区域水量平衡方程闭合性的影响，定量分析了气象水文因素、人类活动耗水和龙滩水库水储量变化对该区域陆地水储量变化的贡献，主要结论如下。
(1) 人类活动耗水是红柳江区域不可忽略的陆地水储量输出项，考虑该因素后，由水量平衡方程闭合差计算的均方误差减少了39%。人类活动耗水与该区域水储量变化相关性为0.50，对该区域陆地水储量变化的年均贡献率为-34.8%。
(2) 气象水文因素引起的水储量变化与红柳江区域陆地水储量变化的相关性达到0.82，对区域陆地水储量变化的贡献率仅于2009、2011和2016年为负，其均值为-22.5%；其余年份正贡献率均值为47.7%，因此降水、径流和蒸散的相互作用为该区域陆地水储量变化的重要因素。
(3) 红柳江区域平均陆地水储量变化趋势在龙滩水库蓄水前(2003年1月-2006年8月)和蓄水阶段(2006年9月-2009年12月)分别为-1.28 km3/a和0.15 km3/a，表明水库蓄水促进了该区域的水储量增长。2006-2014年龙滩水库对区域陆地水储量变化贡献率在-45.9%~29.2%范围内。
(4) 由于人类活动因素考虑不全面(如缺少实测蒸散，水库水面蒸发及拦截径流数据等)，水平衡法和GRACE模型估算的陆地水储量变化仍有较大的不闭合值(图 5)；同时还需要细致分析并定量除气象水文因素和人类活动耗水外其他因素对陆地水储量变化的贡献；此外，本文仅定量直接气象水文因素对区域陆地水储量变化(降水、径流和蒸散)贡献，缺少对间接气象水文因素(如ENSO、PDO和西太副高等)影响作用的分析。
| [1] |
NIE Ning, ZHANG Wanchang, CHEN Hao, et al. A global hydrological drought index dataset based on gravity recovery and climate experiment (GRACE) data[J]. Water Resources Management, 2018, 32(4): 1275-1290. DOI:10.1007/s11269-017-1869-1 |
| [2] |
聂宁, 张万昌, 陈豪, 等. 长江流域水储量变化的时间变化特征及归因分析[J]. 水科学进展, 2021, 32(3): 12. NIE Ning, ZHANG Wanchang, CHEN Hao, et al. Temporal variation characteristics and attribution analysis of terrestrial water storage change in the Yangtze River basin[J]. Advances in Water Science, 2021, 32(3): 12. DOI:10.14042/j.cnki.32.1309.2021.03.008 |
| [3] |
MOSUKE Y, HEKI K. Characteristic precipitation patterns of El Niño/La Niña in time-variable gravity fields by GRACE[J]. Earth and Planetary Science Letters, 2008, 272(3-4): 677-682. DOI:10.1016/j.epsl.2008.06.003 |
| [4] |
杨元德, 鄂栋臣, 晁定波, 等. GRACE估算陆地水储量季节和年际变化[J]. 地球物理学报, 2009, 52(12): 2987-2992. YANG Yuande, E Dongchen, CHAO Dingbo, et al. Seasonal and inter-annual change in land water storage from GRACE[J]. Chinese Journal of Geophysics, 2009, 52(12): 2987-2992. DOI:10.3969/j.issn.0001-5733.2009.12.007 |
| [5] |
姚朝龙, 李琼, 罗志才, 等. 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]. 地球物理学报, 2019, 62(3): 883-897. DOI: CNKI:SUN:DQWX.0.2019-03-006. YAO Chaolong, LI Qiong, LUO Zhicai, et al. Uncertainties in GRACE-derived terrestrial water storage changes over mainland China based on a generalized three-cornered hat method[J]. Chinese Journal of Geophysics, 2019, 62(3): 883-897. DOI: CNKI:SUN:DQWX.0.2019-03-006. |
| [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, 2007(3): 730-736. WANG Hansheng, WANG Zhiyong, YUAN Xudong, et al. Water storage changes in Three Gorges water systems area inferred from GRACE time-variable gravity data[J]. Chinese Journal of Geophysics, 2007, 2007(3): 730-736. DOI:10.3321/j.issn:0001-5733.2007.03.011 |
| [7] |
王洋, 魏加华, 解宏伟. 基于GRACE的柴达木盆地水储量变化[J]. 南水北调与水利科技, 2018, 16(1): 75-82. WANG Yang, WEI Jiahua, JIE Hongwei. The variation of terrestrial water storage in the Qaidam Basin based on GRACE data[J]. South-to-North Water Transfers and Water Science & Technology, 2018, 16(1): 75-82. DOI:10.13476/j.cnki.nsbdqk.20180012 |
| [8] |
李爱华, 崔胜玉, 王红瑞, 等. 基于GRACE卫星时变重力场模型的黄河中游地区水储量变化研究[J]. 自然资源学报, 2017, 3(32): 111-123. LI Aihua, CUI Shengyu, WANG Hongrui, et al. Water storage changes in the middle reaches of the Yellow River basin based on GRACE time variable gravitation model[J]. Journal of Natural Resources, 2017, 3(32): 111-123. DOI:10.11849/zrzyxb.20160233 |
| [9] |
刘剑宇, 张强, 邓晓宇, 等. 气候变化和人类活动对鄱阳湖流域径流过程影响的定量分析[J]. 湖泊科学, 2016, 28(2): 432-443. LIU Jianyu, ZHANG Qiang, DENG Xiaoyu, et al. Quantitative analysis the influences of climate change and human activities on hydrological processes in Poyang Basin[J]. Journal of Lake Sciences, 2016, 28(2): 432-443. DOI:10.18307/2016.0224 |
| [10] |
ZHANG Yafeng, HE Bin, GUO Lanlan, et al. The relative contributions of precipitation, evapotranspiration, and runoff to terrestrial water storage changes across 168 river basins[J]. Journal of Hydrology, 2019, 579: 124-194. DOI:10.1016/j.jhydrol.2019.124194 |
| [11] |
ZHANG Yafeng, HE Bin, GUO Lanlan, et al. Differences in response of terrestrial water storage components to precipitation over 168 global river basins[J]. Journal of Hydrometeorology, 2019, 20(9): 1981-1999. DOI:10.1175/JHM-D-18-0253.1 |
| [12] |
FELFELANI F, WADA Y, LONGUEVERGNE L, et al. Natural and human-induced terrestrial water storage change: a global analysis using hydrological models and GRACE[J]. Journal of Hydrology, 2017, 553: 105-118. DOI:10.1016/j.jhydrol.2017.07.048 |
| [13] |
YU Meixiu, LIU Xiaolong, LI Qiongfang. Impacts of the Three Gorges Reservoir on its immediate downstream hydrological drought regime during 1950-2016[J]. Natural Hazards: Journal of the International Society for the Prevention and Mitigation of Natural Hazards, 2019, 96(1): 413. DOI:10.1007/s11069-018-3549-8 |
| [14] |
YI Shuang, SONG Chunqiao, WANG Qiuyu, et al. The potential of GRACE gravimetry to detect the heavy rainfall-induced impoundment of a small reservoir in the upper Yellow River[J]. Water Resources Research, 2017, 53(8): 6562-6578. DOI:10.1002/2017WR020793 |
| [15] |
CHAO Nengfang, CHEN Gang, LUO Zhicai, et al. Detecting water diversion fingerprints in the Danjiangkou Reservoir from Satellite Gravimetry and Altimetry Data[J]. Sensors (Basel, Switzerland), 2019, 19(16): 3510. DOI:10.3390/s19163510 |
| [16] |
张璐, 江善虎, 任立良, 等. 基于GRACE数据监测黄河流域陆地水储量变化[J]. 人民黄河, 2020, 42(4): 47-51, 64. DOI: CNKI:SUN:RMHH.0.2020-04-011. ZHANG Lu, JIANG Shanhu, REN Liliang, et al. Explore and analysis variation of the terrestrial water storage in Yellow River Basin based on GRACE Data[J]. Yellow River, 2020, 42(4): 47-51, 64. DOI: CNKI:SUN:RMHH.0.2020-04-011. |
| [17] |
LUO Zhicai, YAO Chaolong, LI Qiong, et al. Terrestrial water storage changes over the Pearl River Basin from GRACE and connections with Pacific climate variability[J]. Geodesy and Geodynamics, 2016, 7(3): 171-179. DOI:10.1016/j.geog.2016.04.008 |
| [18] |
丁一航, 黄丁发, 姜中山, 等. 利用GRACE研究我国四大流域陆地水储量循环周期[J]. 大地测量与地球动力学, 2018, 38(6): 603-608. DOI: CNKI:SUN:DKXB.0.2018-06-011. DING Yihang, HUANG Dingfa, JIANG Zhongshan, et al. The periods of terrestrial water storage changes of China's four basins derived from GRACE[J]. Journal of Geodesy and Geodynamics, 2018, 38(6): 603-608. DOI: CNKI:SUN:DKXB.0.2018-06-011. |
| [19] |
HUANG Zhiyong, YEH P, PAH Yun, et al. Detection of large-scale groundwater storage variability over the karstic regions in Southwest China[J]. Journal of Hydrology, 2019, 569: 409-422. DOI:10.1016/j.jhydrol.2018.11.071 |
| [20] |
HUANG Zhiyong, JIAO J, LUO Xin, et al. Drought and flood characterization and connection to climate variability in Pearl River Basin, Southern China using long-term GRACE and reanalysis data[J]. Journal of Climate, 2020, 1-63. DOI:10.1175/JCLI-D-20-0332.1 |
| [21] |
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[J]. 大地测量与地球动力学, 2020, 40(3): 305-310. DOI: CNKI:SUN:DKXB.0.2020-03-016. CHEN Zhiwei, ZHANG Xinfu, RAN Jiangjun, et al. Terrestrial water storage changes in Pearl River Region derived from the latest release temporal gravity field models[J]. Journal of Geodesy and Geodynamics, 2020, 40(3): 305-310. DOI: CNKI:SUN:DKXB.0.2020-03-016. |
| [22] |
詹金刚, 王勇. 卫星重力捕捉龙滩水库储水量变化[J]. 地球物理学报, 2011, 54(5): 1187-1192. ZHAN Jingang, WANG Yong. Detect water storage variation of Longtan Reservoir with GRACE data[J]. Chinese Journal of Geophysics, 2011, 54(5): 1187-1192. DOI:10.3969/j.issn.0001-5733.2011.05.007 |
| [23] |
陈立华, 赖河涛, 叶明. 龙滩水库工程对红水河天峨站水文情势的影响分析[J]. 广西大学学报(自然科学版), 2017, 42(1): 394-402. CHEN Lihua, LAI Hetao, YE Ming. Influence of Longtan reservoir project on hydrological regime of Hongshui river[J]. Journal of Guangxi University(Natural Science Edition), 2017, 42(1): 394-402. DOI:10.13624/j.cnki.issn.1001-7445.2017.0394 |
| [24] |
LANDERER F. Monthly estimates of degree-1 (geocenter) gravity coefficients, generated from GRACE (04-2002-06/2017) and GRACE-FO (06/2018 onward) RL06 solutions, GRACE Technical Note 13, The GRACE Project, NASA Jet Propulsion Laboratory[DB]. 2019.
|
| [25] |
SUN Y, RIVA R, DITMAR P. Optimizing estimates of annual variations and trends in geocenter motion and J2 from a combination of GRACE data and geophysical models[J]. Journal of Geophysical Research: Solid Earth, 2016, 121(11): 8352-8370. DOI:10.1002/2016JB013073 |
| [26] |
PELTIER W, ARGUS D, DRUMMOND R, et al. Comment on "an assessment of the ICE-6G_C (VM5a) glacial isostatic adjustment model" by Purcell[J]. Journal of Geophysical Research: Solid Earth, 2018, 123(2): 2019-2028. DOI:10.1002/2016JB013844 |
| [27] |
LOOMIS B, RACHLIN K, WIESE D, et al. Replacing GRACE/GRACE-FO with satellite laser ranging: impacts on Antarctic ice sheet mass change[J]. Geophysical Research Letters, 2020, 47(3). DOI:10.1029/2019GL085488 |
| [28] |
CHEN J. 2005 drought event in the Amazon River basin as measured by GRACE and estimated by climate models[J]. Journal of Geophysical Research: Solid Earth, 2009. DOI:10.1029/2008JB006056 |
| [29] |
CHEN J, WILSON C, LI Jin., et al. Reducing leakage error in GRACE-observed long-term ice mass change: a case study in West Antarctica[J]. Journal of Geodesy, 2015, 89: 925-940. DOI:10.1007/s00190-015-0824-2 |
| [30] |
钟玉龙, 钟敏, 冯伟, 等. 联合GRACE重力卫星与实测资料估计西辽河流域蒸散发量[J]. 武汉大学学报(信息科学版), 2020, 45(2): 173-178. ZHONG Yulong, ZHONG Min, FENG Wei, et al. Evaluation of the evapotranspiration in the West Liaohe River Basin based on GRACE satellite and in situ measurements[J]. Geomatics and Information Science of Wuhan University, 2020, 45(2): 173-178. DOI:10.13203/j.whugis20170402 |
| [31] |
RODELL M, HOUSER P, AMBOR U, et al. The global land data assimilation system[J]. Bulletin of the American Meteorological Society, 2004, 85(3): 381-394. |
| [32] |
MARTENS B, MIRALLES D, HANS L, et al. GLEAM v3: satellite-based land evaporation and root-zone soil moisture[J]. Geoscientific Model Development Discussions, 2016, 1-36. DOI:10.5194/gmd-2016-162 |
| [33] |
刘任莉, 佘敦先, 李敏, 等. 利用卫星观测数据评估GLDAS与WGHM水文模型的适用性[J]. 武汉大学学报(信息科学版), 2019, 44(11): 1596-1604. DOI: CNKI:SUN:WHCH.0.2019-11-003. LIU Renli, SHE Dunxian, LI Min, et al. Using satellite observations to assess applicability of GLDAS and WGHM hydrological model[J]. Geomatics and Information Science of Wuhan University, 2019, 44(11): 1596-1604. DOI: CNKI:SUN:WHCH.0.2019-11-003. |
| [34] |
MENG Fanchong, SU Fengge, LI Ying, et al. Changes in terrestrial water storage during 2003-2014 and possible causes in Tibetan Plateau[J]. Journal of Geophysical Research: Atmospheres, 2019, 124(6): 2909-2931. DOI:10.1029/2018jd029552 |
| [35] |
XIE Jingkai, XU Yueping, WANG Yitong, et al. Influences of climatic variability and human activities on terrestrial water storage variations across the Yellow River basin in the recent decade-science direct[J]. Journal of Hydrology, 2019, 579(3): 124-218. DOI:10.1016/j.jhydrol.2019.124218 |
| [36] |
QI Wei, LIU Junguo, YANG Hong, et al. Large uncertainties in runoff estimations of GLDAS versions 2.1 in China[J]. Earth and Space Science, 2020, 7(1): e2019EA000829. DOI:10.1029/2019EA000829 |