戴黎聰 ，柯潯 ，曹瑩芳 ，張法偉，杜巖功，李以康，郭小偉，李茜，林麗，曹廣民

1. 中國科學院西北高原生物研究所，青海 西寧 810001；2. 中國科學院大學，北京 100039

地下水是世界上最大的淡水儲存之一，工業(yè)用水、居民用水和農業(yè)用水分別占地下水的27%、36%和42%（D?ll et al.，2012）。隨著全球氣候變暖和人類活動的加劇，地下水資源發(fā)生一系列改變，氣候變化主要是通過改變水文過程（降雨過程、蒸散過程及凍土消融過程等），從而影響地下水位的收支（Taylor et al.，2013；Green et al.，2011）。自 20世紀 70年代以來，青藏高原氣候發(fā)生暖干向暖濕的轉變，降水增多，蒸發(fā)降低，年均氣溫上升，大面積冰川消融以及多年凍土退化嚴重（徐曉明等，2017），導致高原地下水位分布格局在時間和空間上發(fā)生變化。盡管IPCC第三次和第四次評估報告提出，地下水在保證生態(tài)安全和人類水資源的供應方面發(fā)揮著不可替代的作用（Parry et al.，2007），但關于氣候變化對地下水的影響以及未來地下水變化預測的研究仍鮮見報道。隨著水資源的愈加匱乏以及地下水污染加劇，地下水資源逐漸成為國際研究的熱點（吳建強等，2017）。近年來，許多學者采用模型方法模擬氣候變化對地下水位的影響，并預測未來幾十年地下水位的變化，如ANN模型( Daliakopoulos et al.，2005)、SVM 模型(Mustafa et al.，2012)、RBF 模型（Zhang et al.，2017；Evans et al.，2018）等，但所取得的成效并不理想。一方面由于模型的不確定性，且不同模型的參數不同以及時空差異，同時，一些模型未考慮及一些重要的氣象因子參數（如風速、蒸發(fā)等）；另一方面由于地下水的補給比地表水復雜，不僅受氣候條件和人類活動影響，還受植被、地形等因素影響，導致不同模型模擬結果差異巨大。因此，有必要結合野外觀測井地下水位實測數據，進一步明晰地下水位對環(huán)境因子的響應特征。

以往研究認為，降水是影響地下水位的主要驅動因子，且可以在降水與地下水位之間建立一個參數方程，來表征降水與地下水位之間的關系（劉瑞國等，2009；張玲等，2008；王智磊等，2011）。同時，劉瑞國等（2009）研究也發(fā)現，降雨與地下水位在年內和年際間的變化規(guī)律都具有較好的一致性，即當降雨到達最大時，地下水位也達到最高，當降雨減少時，地下水位也相應下降。還有研究表明，氣溫和土溫是影響地下水位變化的重要驅動因子，氣溫和土溫可以通過改變蒸散過程，從而影響地下水位的波動（Tabari et al.，2012），且氣溫并不是一直都影響地下水位，只是當地下水位埋深較淺時，氣溫對地下水位才有顯著的影響，當地下水位埋深較深時，氣溫對地下水位影響微弱（蒲健辰等，2004；傅志敏等，2010）。，過去關于環(huán)境因子對地下水的研究多集中于低海拔非凍土地區(qū)（常娟等，2015；蒲健辰等，2004），而對寒區(qū)季節(jié)性凍土區(qū)域地下水位的研究較為薄弱，這可能是受嚴酷的氣候條件所限制。由于季節(jié)的凍融作用顯著影響了寒區(qū)水文地質環(huán)境，導致凍土區(qū)域地下水位的補給及分布特征明顯不同于非凍土區(qū)域（常娟等，2015）。過去研究發(fā)現，在多年凍土區(qū)域，地下水的來源主要是冰川凍土的融化和雪山融水，而降水對地下水位影響微弱（郭鳳清等，2016），且氣溫是影響地下水位變化最重要的環(huán)境因子。氣溫主要通過影響土壤的凍結與消融過程，從而間接影響地下水位的收支（楊文元等，2017）。風速作為影響蒸散的主要影響因子，可能通過影響蒸散和凍土的消融過程間接影響地下水位的變化。

青藏高原作為中國冰川和凍土的重要分布區(qū)域，其地下水資源豐富（Zou et al.，2017），在保證中國和東南亞水資源安全上具有重要的戰(zhàn)略意義（趙林等，2010）。在全球氣候變暖背景下，關于環(huán)境因子對青藏高原地下水位驅動的特征以及地下水位季節(jié)和年際動態(tài)的研究十分薄弱，且過去評估環(huán)境因子對地下水位的影響多是定性分析，定量分析較少，尤其是關于風速對地下水位的定量研究更是鮮見報道。因此，有必要研究該區(qū)域的地下水資源與環(huán)境因子的相互作用及其變化，定量探討環(huán)境因子對青藏高原地下水位的影響，確定影響地下水位的主控因子，這對于揭示氣候變暖對寒區(qū)水循環(huán)的影響具有重要的意義。

本文基于青海海北站高寒草甸 2012—2016年地下水位自動連續(xù)觀測數據，選取風速、降水、氣溫、蒸發(fā)、50 cm土溫等5個主要環(huán)境因子，采用優(yōu)勢分析方法，明晰地下水位的季節(jié)和年際動態(tài)，定量評估各氣象因子對青藏高原地下水位變異的貢獻，揭示影響青藏高原地下水位的主控因子，為保障中國青藏高原水資源安全，合理管理和利用提供重要的理論依據。

1 研究區(qū)概況

青海海北站矮嵩草草甸（37°37′N，101°19E）地處祁連山東段北支冷龍嶺南麓，大通河河谷的西北部。南北兩側分布冷龍嶺與大坂山，山地平均海拔4000 m，冷龍嶺主峰崗什卡海拔5254.5 m，常年積雪，且區(qū)域內分布有季節(jié)性凍土，平均最大凍土深度約為2.2 m，平均凍結時間約為8個月，該區(qū)域發(fā)育有現代冰川。站區(qū)以山間灘地和丘陵低山為主，灘地海拔 3200 m。受高原大陸性氣候及祁連山的影響，海北站無明顯四季之分，一年只有冷暖兩季，夏季濕潤多雨，冬季寒冷干燥，最熱月（7月）平均氣溫為9.8 ℃；最冷月（1月）平均氣溫為-14.8 ℃。年內無絕對無霜期，相對無霜期僅20 d左右。年降水量在426～860 mm之間，多年平均降水量為590.1 mm，降水集中于5—9月，占全年降水總量的80%，年際和季節(jié)降水分布不均。全年日照時間為 2462.7 h，年總輻射量為 5.8556×105J·cm-2。該區(qū)域土壤類型為草氈寒凍雛形土，自1982年以來一直被作為冬季牧場，以矮嵩草（Kobresia humilis）為建群種，主要優(yōu)勢種有異針茅（Stipa aliena）、垂穗披堿草（Elymus nutans），次優(yōu)勢種有甘肅棘豆（Oxytropis kansuensis）和麻花艽（Gentiana straminea）等（郭鳳清等，2017；戴黎聰等，2018）。

2 數據來源與分析方法

2.1 數據來源

環(huán)境因子、地下水位埋深和地上生物量數據來源于青海海北站。環(huán)境因子數據包括降水（52203，RM Young，USA）、1.5 m處風速（HMP45C，Vaisala，Finland）、蒸發(fā)、氣溫（Molis 520，Vaisala，Finland）和50 cm土壤溫度（Hydra ProbeⅡ，Stevens，USA），其中，降水、風速、氣溫和50 cm土壤溫度數據采集頻率均為 30 min，蒸發(fā)數據是通過小型標準蒸發(fā)皿觀測獲得的每日數據；計算2012—2016年各環(huán)境因子每月平均值。地下水位埋深數據由 LTC三參數電導率水位溫度自動記錄儀（LTC，Solinst Ltd.，Canada）采集，其中一個傳感器用來測定水下的壓強變化，另一個用于大氣壓補償，采集頻率為30 min；地下水位埋深是淺層地下水位埋深（即2.6～6 m），下層為砂礫層，文中地下水位埋深表征地下水位的高低，即地下水位埋深越深，表示地下水位越淺。地上生物量于2014—2015年每年生長季（5—9月）采集，采集方法為標準收獲法，樣方面積為50 cm×50 cm，重復10次，取其平均值。

2.2 分析方法

鑒于各環(huán)境因子之間存在顯著共線性及交互作用（表1），一般的多元線性回歸已不適用，故采用 R（3.3.1）中 yhat和 MBESS包中的優(yōu)勢分析（dominance analysis）方法（Budescu，1993），定量估測5個氣象因子（降水、氣溫、蒸發(fā)、50 cm土壤溫度、風速）對地下水位的影響，其基本原理是對自變量進行排秩和對各自變量相對重要性進行定量估算，基本思想為：假設有一對隨機變量xi和xj，xh表示 p-2 個變量的任何一個子集（排除 xj，xh），當添加到2p-2子模型的貢獻增量大于xj時的貢獻增量時，則變量xi優(yōu)于xj，即變量xi的相對重要性高于xj。與傳統(tǒng)方法相比，優(yōu)勢分析方法平均了變量的直接效應、偏效應和總體效應，最大優(yōu)勢是能夠在全面比較所有可能的子模型條件下，計算預測變量的相對重要性，且各預測變量的總平均貢獻之和等于方差，各氣象因子對地下水位的相對重要性為各氣象因子的平均貢獻占總平均貢獻的比例。具體計算公式如下：

表1 各個變量之間的相關系數Table 1 The correlation coefficients among the variables

假如有3個隨機變量xl，x2，x3，計算k個變量的每個模型中各變量的平均貢獻，再對所有模型中的這些貢獻進行求平均。其中xl的重要性計算如下：

3 結果與分析

3.1 地下水位和降水季節(jié)變化

依據觀測井數據，季節(jié)尺度上，2012—2016年地下水位總體呈“雙峰雙谷”曲線趨勢，大致可分為兩個階段，1—8月為第一階段，9月—翌年1月為第二階段。在第一階段中，1—4月由于植物開始返青，蒸騰作用加強，加之風速較大，降水較少，地表蒸發(fā)加強，地下水位逐漸下降，且在5月初地下水位到達第一個最低值，為(4.78±0.06) m；5—7月（生長季），隨著凍土的消融完全，地下水位得到補給，表現為逐漸緩慢抬升趨勢，并在8月初地下水位達到第一個峰值，為(4.25±0.13) m。第二階段中，8—10月，地下水位逐漸下降，之后11—12月地下水位呈逐漸上升趨勢（圖1A）。降水年內分配不均勻，主要集中在生長季 5—9月，約占全年降水的80%，非生長季降雨較少（20%）（圖1A）。總體而言，在季節(jié)尺度上，降水與地下水位的變化規(guī)律差異較大，降水變化趨勢呈單峰型，而地下水位變化表現為雙峰雙谷型，且降水變異大于地下水位（表2）。

圖1 地下水位和降水季節(jié)及年際變化Fig. 1 The seasonal and interannualvariation of precipitation and groundwater

表2 地下水位埋深和降水的季節(jié)和年際變化特征Table 2 Inter-annual and annual variation coefficient of groundwater level depth and rainfall

3.2 地下水位和降水的年際變化

據 2012—2016年觀測的地下水位和降水的年際變化特征（圖1B），地下水位變化趨勢為波動型，總體表現為逐漸下降趨勢，并在 2013年出現一個波谷，之后緩慢上升，于 2014年達到最高，為(4.18±0.27) m；而降水變化則與地下水位不同，表現為先增加后減少，并在 2014年達到最大值，為567.2 mm?？傮w而言，地下水位與降水變化不一致，僅在 2014年，地下水位達到最大，降水也達到最大，具有較好的一致性。通過2012—2016 5年變異系數分析結果可知，相對于降水變化，地下水位年際變化較為穩(wěn)定（表2）。

3.3 地下水位季節(jié)變化主要影響因素

基于優(yōu)勢分析方法，定量評估了降水（X1）、氣溫（X2）、蒸發(fā)（X3）、風速（X4）和50 cm土壤溫度（X5）對地下水位的貢獻，同時結合相關分析，進一步分析環(huán)境因子對地下水位的驅動特征。結果表明，風速與地下水位呈顯著負相關（r2=0.38，P＜0.01）（圖2D），且風速是影響地下水位變異的主要驅動氣象因子，占總貢獻（變異總方差）的36.8%，而降水對地下水位變異貢獻最小，僅占總貢獻9.3%（表 3）。地下水位變異還受蒸發(fā)和氣溫影響，且蒸發(fā)與地下水位呈極顯著負相關（r2=0.28，P＜0.01）（圖2C），占總貢獻（變異總方差）的27.68%，與單個因子對地下水位的影響相比，各因子之間的交互作用對地下水位影響更強（表3）。

4 討論和結論

4.1 氣象因子對地下水位變異的影響

圖2 降水（A）、50 cm土壤溫度（B）、蒸發(fā)（C）和風速（D）與地下水位關系Fig. 2 Relationship between groundwater and precipitation (A), 50 cm soil temperature (B), evaporation (C), wind speed (D)

表3 5個氣象因子對地下水位的優(yōu)勢分析矩陣表Table 3 The dominance matrix for the groundwater level with five weather variables

基于優(yōu)勢分析方法定量評估了地下水位對各環(huán)境因子的響應特征，研究結果表明，降水對地下水位的貢獻最小，這與一些學者的研究結果不一致，過去研究者認為，降雨與地下水位有很好的相關關系，且降水是地下水的主要補給來源（幺文等，2017；謝麗純等，2011；肖德安等，2009），還有研究認為，地下水位主要受人類生產生活用水影響，如工業(yè)、居民及農業(yè)用水（嚴明疆等，2010）。本研究結果之所以與其他研究結果存在較大的差異，主要是由于以下兩個方面的不同：一方面是氣候和地貌條件不同，在低海拔地區(qū)，由于太陽輻射弱，年降水豐富，地表蒸發(fā)相對較弱，因此地下水位的收支主要由降水調節(jié)，降水量變化會直接影響地下水位的收支。而在青藏高原高海拔地區(qū)，由于生長季風速較大，太陽輻射強，蒸散能力強，降水量幾乎都以蒸散形式全部返回大氣中（Zhang et al.，2017），致使降水對地下水位的貢獻較小。本研究地下水位觀測井位于青藏高原東北隅，祁連山北支冷龍嶺東段南麓的大通河谷，平均海拔 3200 m，年均溫低于零度，并且發(fā)育著并發(fā)育有現代冰川，為該區(qū)域地下水的補給提供重要來源。同時，地下水位還受巖性影響，該區(qū)域分布著季節(jié)性凍土，對寒區(qū)地下水的收支、運移和分布格局具有重要影響，比如凍土層作為寒區(qū)一種特殊的隔水層或弱透水層，一定程度上能夠阻礙地表水和地下水的交換，當土壤凍結時，土壤導水率顯著下降，致使降水在土層中的入滲率顯著下降，最終導致降水對地下水位變化影響微弱（常娟等，2015）。還有研究表明，土壤凍結階段，在水勢梯度作用下，地下水會向土壤凍結鋒面轉移，導致地下水在土壤凍結階段快速下降，而土壤融化階段，由于凍土融水的補給，地下水位在凍土融化階段呈抬升趨勢（Ireson et al.，2013）。另一方面是由于人類活動影響不同，包括放牧、灌溉和土地利用等，青藏高原作為天然牧場，近年來，隨著放牧強度不斷加劇，草原退化嚴重，草氈層較厚，降水事件發(fā)生后，土壤表層水分進入深層土壤受抑制，且80%降水發(fā)生在生長季，而生長季太陽日照時數長，蒸發(fā)能力強，短時間內，多數降水來不及向深層土壤滲透就被以蒸發(fā)或蒸騰的形式返回大氣中，致使降水不能及時補給地下水。當然，還有研究表明，降水對地下水位的補給存在滯后現象，當降雨達到最大時，地下水位需要幾個月，甚至幾年時間才能達到最大（嚴明疆等，2010）。本研究之所以出現降水與地下水位相關性微弱的結果，也可能與降水對地下水位的補給存在滯后效應有關，未來需要進一步研究。

圖3 生長季風速與生長季地下水位埋深關系（A）；非生長季風速與非生長季地下水位埋深關系（B）；風速與蒸發(fā)關系（C）；風速與熱通量的關系（D）Fig. 3 Relationship between growing wind speed and growing groundwater level (A); the relationship between non-growing wind speed and non-growing groundwater level (B); the relationship between wind speed and evaporation (C); the relationship between wind speed and thermal flux (D) at the seasonal scale

本研究表明，在所有環(huán)境因子當中，風速是影響青藏高原地下水位變化最重要的環(huán)境因子（表 3和圖3D），為了明確風速與地下水位的關系，本研究進一步對生長季的風速與生長季的地下水位以及非生長季的風速和非生長季的地下水位進行相關分析。結果發(fā)現，無論是生長季還是非生長季，風速與地下水位都存在極顯著負相關（P＜0.01）（圖3A、B）。風速對地下水位的影響主要通過以下兩個方面，一方面風速影響土壤水分蒸發(fā)和植物蒸騰過程，風速能夠通過連續(xù)不斷地波動擾動，加快表層土壤的空氣流動，帶走水汽飽和的空氣帶，換之以干燥的空氣，從而加快地表水分的蒸發(fā)，且風速越大，土壤表面水分的蒸發(fā)越快（r2=0.46，P＜0.01）（圖 3C），植物蒸騰作用越強（r2=0.86，P＜0.01）（圖4），最終影響地下水位的收支。另一方面，當風速大時，云量較少、輻射較強，進而加快了地表水分的蒸發(fā)，導致地下水位下降。當然，地下水位除了受風速影響，還受氣溫和50 cm土壤溫度影響。氣溫和土溫主要是通過影響蒸散和凍土凍結與融化過程，從而改變地下水位的收支。盡管氣象因子對地下水位變化具有重要影響，但僅能解釋49%的變異，仍有51%變異不能被其解釋，這主要是由于地下水影響因素較為復雜，本研究僅考慮了環(huán)境因子和植被因素對地下水位影響，未來將結合凍土的凍結與消融過程以及地形等因素進一步明晰影響寒區(qū)地下水位變化的主控因子，為保障青藏高原水資源安全和合理管理、利用提供基礎資料。

圖4 地上生物量與地下水位埋深關系Fig. 4 Relationship between aboveground biomass and groundwater level depth

4.2 結論

季節(jié)尺度上，地下水位變化總體呈雙峰雙谷曲線趨勢，生長季（5—8月）地下水位高于非生長季（1—4月和9—12月），8月初地下水位達到最高，約為(4.25±0.13) m，5月初地下水位達到最低，約為(4.78±0.06) m；年際尺度上，地下水位總體呈降低趨勢，相比于降水年際變異，地下水位年際變異較小。

在各環(huán)境因子中，風速是影響地下水位最重要的環(huán)境因子，其次依次是蒸發(fā)、氣溫和土壤溫度，而降水對地下水位影響微弱。盡管氣象因子對地下水位的變異貢獻較大，但5個環(huán)境因子（降雨、風速、蒸發(fā)、氣溫和50 cm土壤溫度）對地下水位的變異貢獻只有49.4%，仍有50.6%的方差變異不能被解釋。