李 舒，師鵬飛，谷曉偉，付新峰，倪深海，張 楠

（1. 河南省黃河流域生態(tài)環(huán)境保護(hù)與修復(fù)重點(diǎn)實(shí)驗(yàn)室，河南 鄭州 450003；2. 黃河水利委員會(huì)黃河水利科學(xué)研究院，河南 鄭州 450003；3. 河海大學(xué) 水文水資源學(xué)院，江蘇 南京 210098；4. 南京水利科學(xué)研究院，江蘇 南京 210029）

1 研究背景

地下水是支撐陜西省社會(huì)經(jīng)濟(jì)發(fā)展和維系生態(tài)系統(tǒng)健康的重要水源，其儲(chǔ)量變化對(duì)陜西省農(nóng)業(yè)、城鎮(zhèn)生活、工業(yè)及生態(tài)環(huán)境的用水量響應(yīng)較為敏感。而陜西省作為煤炭資源主產(chǎn)區(qū)，煤礦開(kāi)采這一人類(lèi)活動(dòng)對(duì)地下水水儲(chǔ)量的擾動(dòng)作用也十分明顯。采用傳統(tǒng)的地下水水位、給水度、有效孔隙度等水文地質(zhì)參數(shù)推測(cè)地下水水儲(chǔ)量的變化需要開(kāi)展大量的地質(zhì)鉆孔工作，既費(fèi)時(shí)又費(fèi)力［1-2］。區(qū)域內(nèi)的地下水水位觀測(cè)井布設(shè)的密度較小，而且有些煤礦的觀測(cè)井并未納入政府統(tǒng)一管理，含水層受采礦擾動(dòng)后，通過(guò)地下水模型模擬區(qū)域地下水水儲(chǔ)量變化亦存在難度［3-5］。

近年來(lái)，衛(wèi)星遙感技術(shù)的發(fā)展，為監(jiān)測(cè)地下水水儲(chǔ)量變化提供了新的途徑。GRACE（Gravity Recovery and Climate Experiment）重力衛(wèi)星于2002年3月發(fā)射升空，該衛(wèi)星可建立月尺度下的全球重力場(chǎng)模型，進(jìn)而反演全球水儲(chǔ)量變化的分布情況［6］。全球水儲(chǔ)量變化主要由陸地水儲(chǔ)量變化引起，陸地水儲(chǔ)量主要是由地表水、土壤水、地下水和冰川融雪等4 部分組成。近年來(lái)，國(guó)內(nèi)外學(xué)者利用GRACE重力衛(wèi)星成功反演了全球和華北平原、松花江流域等大、中尺度流域的陸地水儲(chǔ)量變化情況［7-9］，約旦、青藏高原、加利福尼亞中央山谷等區(qū)域內(nèi)地下水儲(chǔ)量變化情況［10-12］，以及冰川融雪的水儲(chǔ)量變化情況［13］。這些研究主要采用以下方法反演地下水和冰川融雪的水儲(chǔ)量變化情況，并評(píng)估GRACE監(jiān)測(cè)數(shù)據(jù)在研究區(qū)的適用性［14］。首先，利用氣候水文模型模擬地表水、土壤水儲(chǔ)量變化，其次，從GRACE反演出的陸地水儲(chǔ)量變化量中扣除地表水和土壤水儲(chǔ)量變化量，最后，將扣除后的陸地水儲(chǔ)量變化量與模型模擬結(jié)果或是實(shí)測(cè)數(shù)據(jù)進(jìn)行比較，評(píng)估反演結(jié)果的合理性和準(zhǔn)確性。

國(guó)內(nèi)外學(xué)者還利用GRACE 數(shù)據(jù)反演了不同氣候條件下區(qū)域的陸地水儲(chǔ)量和地下水水儲(chǔ)量。例如，Naveed等［15］采用GRACE反演出了月尺度的地下水水儲(chǔ)量變化，可為濕潤(rùn)氣候條件下印度河上游的水行政主管部門(mén)提供決策所需的基礎(chǔ)數(shù)據(jù)。Ouyang等［16］通過(guò)比較GRACE反演出的地下水水儲(chǔ)量變化和農(nóng)田擴(kuò)張面積的關(guān)系，發(fā)現(xiàn)GRACE數(shù)據(jù)可支撐半濕潤(rùn)區(qū)域下的凍融作物水資源管理。Pascal等［17］發(fā)現(xiàn)GRACE 無(wú)法監(jiān)測(cè)墨西哥中部農(nóng)業(yè)灌溉區(qū)的退水情況。Ahmed 等［18］利用GRACE 數(shù)據(jù)反演了地處干旱區(qū)的努比亞沙巖含水層水儲(chǔ)量的變化量，發(fā)現(xiàn)該含水層水儲(chǔ)量以極快的速率下降。曹艷萍等［19］反演了黑河中上游地下水儲(chǔ)量，發(fā)現(xiàn)與實(shí)測(cè)地下水?dāng)?shù)據(jù)的相關(guān)性較好。Soumendra 等［20］利用印度2005—2013年15000多口地下水觀測(cè)井?dāng)?shù)據(jù)，驗(yàn)證了基于質(zhì)量密集模型和球諧系數(shù)模型解譯GRACE重力場(chǎng)反演地下水水儲(chǔ)量的適用性，研究結(jié)果表明采用質(zhì)量密集模型解譯法在區(qū)域尺度反演效果更好。另外，還有一些學(xué)者在德克薩斯州［21］、中亞［22］、乍得湖流域［23］和底格里斯-幼發(fā)拉底河流域［24］等干旱區(qū)開(kāi)展了一系列的應(yīng)用研究，結(jié)果表明GRACE可有效監(jiān)測(cè)干旱區(qū)地下水水儲(chǔ)量變化量。除此之外，Liu等［25］利用GRACE 結(jié)合統(tǒng)計(jì)模型預(yù)測(cè)了黃河下游枯水期的流量，減少了預(yù)報(bào)誤差，增長(zhǎng)了預(yù)見(jiàn)期。Liu等［26］將GRACE與干旱指數(shù)結(jié)合分析了海河流域干旱情況。

當(dāng)前，大規(guī)模、大范圍煤礦開(kāi)采活動(dòng)導(dǎo)致流域地表-地下水循環(huán)發(fā)生了重要變化［5］，僅采用傳統(tǒng)的地下水水位觀測(cè)井?dāng)?shù)據(jù)尚無(wú)法全面刻畫(huà)區(qū)域尺度下地下水的變化情況。GRACE在流域和區(qū)域地下水儲(chǔ)量變化監(jiān)測(cè)中的成功運(yùn)用，特別是在干旱區(qū)的成功運(yùn)用，有力指導(dǎo)了流域水資源的科學(xué)配置，為研究大規(guī)模大范圍煤礦開(kāi)采活動(dòng)下的地下水儲(chǔ)量變化提供了新的途徑和先進(jìn)手段。為此，本文選擇典型的煤礦開(kāi)采區(qū)—窟野河流域，采用GRACE重力衛(wèi)星、結(jié)合GLDAS數(shù)據(jù)，監(jiān)測(cè)窟野河流域地下水水儲(chǔ)量變化，以揭示煤礦開(kāi)采影響下的窟野河流域地下水水儲(chǔ)量變化，并拓展GRACE的應(yīng)用范圍。

2 研究區(qū)概述

窟野河（圖1）是黃河中游的一級(jí)支流，河長(zhǎng)242 km，流域面積8706 km2。該流域位于黃土高原和毛烏素沙漠之間，地理范圍為北緯38°22′—39°50′，東經(jīng)109°28′—110°45′，主要由風(fēng)沙區(qū)、基巖出露區(qū)和黃土覆蓋區(qū)組成，其中，流域上中游以前兩種地貌為主，流域下游以后一種地貌為主［27］。受大陸季風(fēng)氣候影響，流域多年平均溫度為7.9℃，降水量為415 mm，降水多集中于6—9月，占年降水總量的75%～81%。流域多年平均徑流量為5.44億m3，多集中于7—10月，占年徑流量的57%～74%［28］。

圖1 窟野河流域氣象站、水文站及礦區(qū)分布

通過(guò)對(duì)15個(gè)煤礦開(kāi)采區(qū)的水文地質(zhì)資料分析發(fā)現(xiàn)，礦井涌水的主要來(lái)源為薩拉烏蘇組含水層（第四系潛水）和侏羅系燒變巖含水層。薩拉烏蘇組含水層主要分布在流域中游，而在其他地方主要呈分散狀、薄層分布，分布面積為336.58 km2，補(bǔ)給源主要來(lái)自降雨，入滲系數(shù)在0.03 ～0.25之間。侏羅系燒變巖含水層主要分布在窟野河西邊的支流兩側(cè)，補(bǔ)給源主要來(lái)自薩拉烏蘇組含水層，構(gòu)造有利部位可形成強(qiáng)富水區(qū)，其滲透系數(shù)一般可達(dá)100 m/d。經(jīng)測(cè)算，研究區(qū)內(nèi)煤礦的礦井涌水量一般為500 ～1000 m3/d［29］。2009年研究區(qū)內(nèi)的煤礦開(kāi)采量達(dá)到2.03億t，研究發(fā)現(xiàn)，流域內(nèi)地下水發(fā)生了較大變化，徑流量為1.3億m3，是1954—2019年的最小徑流量。2009年之后，研究區(qū)開(kāi)始大規(guī)模應(yīng)用“保水開(kāi)采”技術(shù)。因此，本研究以2009年為典型年，分析煤礦開(kāi)采影響下的地下水儲(chǔ)量變化。

3 數(shù)據(jù)與方法

3.1 數(shù)據(jù)來(lái)源GRACE 數(shù)據(jù)來(lái)源于CSR（Center for Space Research，The University of Texas at Austin）、GFZ（GeoForschungsZentrum）和JPL（Jet Propulsion Laboratory）三個(gè)機(jī)構(gòu)。數(shù)據(jù)為level-3的球諧系數(shù)產(chǎn)品（RL-05）［30-31］，空間尺度為1°×1°，時(shí)間尺度為月，時(shí)間范圍為2002年4月到2017年1月。該數(shù)據(jù)已經(jīng)過(guò)高斯平滑和去條紋濾波技術(shù)處理［32］，由于電源問(wèn)題產(chǎn)生的空白數(shù)據(jù)，通過(guò)線(xiàn)性差值方法處理［33］。GLDAS數(shù)據(jù)來(lái)源于NASA官網(wǎng)中的NOAH［34］、VIC［35］、CLM［36］和Mosaic［37］水文模型的模擬結(jié)果，為匹配GRACE數(shù)據(jù)的時(shí)空分辨率，采用分辨率為1°×1°的月數(shù)據(jù)。

降雨數(shù)據(jù)來(lái)源于“中華人民共和國(guó)水文年鑒”，包括2004—2009年20個(gè)雨量站、1個(gè)水文站實(shí)測(cè)的日降雨資料，蒸發(fā)數(shù)據(jù)來(lái)源于氣象部門(mén)，包括2004—2009年3個(gè)氣象站日實(shí)測(cè)蒸發(fā)量。

3.2 方法地下水水儲(chǔ)量變化通常受氣候變化和人類(lèi)活動(dòng)雙重影響，為闡明煤礦開(kāi)采活動(dòng)對(duì)地下水水儲(chǔ)量的影響，采用以下步驟進(jìn)行處理。

（1）初步分析監(jiān)測(cè)要素合理性。分析GRACE 反演的陸地水儲(chǔ)量和站點(diǎn)監(jiān)測(cè)（降雨、蒸散發(fā)）要素的相關(guān)性，初步驗(yàn)證GRACE監(jiān)測(cè)結(jié)果的合理性。

（2）計(jì)算地下水儲(chǔ)量變化。將GRACE反演的陸地水儲(chǔ)量減去GLDAS模擬的地表徑流量、土壤水儲(chǔ)量、葉冠層儲(chǔ)水量、冰雪水儲(chǔ)量，得到地下水水儲(chǔ)量變化。具體計(jì)算方法如下：

受GRACE產(chǎn)品空間分辨率影響，選取覆蓋研究區(qū)的2個(gè)網(wǎng)格數(shù)據(jù)（網(wǎng)格分布在東經(jīng)109°—111°，北緯38°～40°之間，中心點(diǎn)分別為東經(jīng)110°、北緯38°30'和東經(jīng)110°、北緯39°30'），并以此兩個(gè)網(wǎng)格2004年—2009年為基準(zhǔn)期的陸地水儲(chǔ)量變化的平均值作為研究區(qū)的陸地水儲(chǔ)量變化量。盡管2個(gè)網(wǎng)格已超出研究區(qū)范圍，但是研究期內(nèi)超出研究區(qū)范圍的地方并沒(méi)有大規(guī)模煤礦開(kāi)采活動(dòng)，因此，對(duì)研究結(jié)論影響較小。根據(jù)水量平衡原理，從GRACE反演的陸地水儲(chǔ)量中分離計(jì)算出地下水水儲(chǔ)量變化量，陸地水儲(chǔ)量的數(shù)學(xué)表達(dá)式如下：

式中：TWS為陸地水儲(chǔ)量；SMS為土壤水儲(chǔ)量；SWS為地表水體儲(chǔ)水量；SWE為冰雪水量；CWS為葉冠層儲(chǔ)水量；GWS為地下水水儲(chǔ)量。

GRACE重力衛(wèi)星反演出的陸地水儲(chǔ)量是變化量，根據(jù)水量平衡原理，式（1）可改寫(xiě)為：

式中Δ 表示某一時(shí)期的變化量，此處為月變化量。

流域內(nèi)SWS變化主要包括河流、湖泊、水庫(kù)中水儲(chǔ)量的變化，許多研究忽略了這項(xiàng)的變化量，會(huì)導(dǎo)致反演出的地下水水儲(chǔ)量的變化量與實(shí)際情況不一致［38-39］。但對(duì)于窟野河流域，由于煤礦開(kāi)采導(dǎo)致地表水體儲(chǔ)水量變化相比于地下水和土壤水儲(chǔ)量變化要小一個(gè)量級(jí)，而且GLDAS中的地表水體儲(chǔ)水量未考慮湖泊與水庫(kù)［40-41］，因此，可以忽略地表水體儲(chǔ)水量變化項(xiàng)。地下水水儲(chǔ)量變化ΔGWS為：

式中：ΔTWS項(xiàng)為來(lái)源于三個(gè)機(jī)構(gòu)（CSR、GFZ和JPL）發(fā)布的GRACE數(shù)據(jù)的平均值，ΔSMS、ΔSWE、ΔCWS來(lái)源于GLDAS 4個(gè)水文模型（NOAH、VIC、CLM和Mosaic）模擬結(jié)果的平均值，對(duì)4種模型結(jié)果取平均值是當(dāng)前研究中較為常用的方法，取平均值后的結(jié)果具有較強(qiáng)的可靠性［42］。

（3）驗(yàn)證結(jié)果合理性。采用相關(guān)系數(shù)法，將步驟（2）計(jì)算的地下水儲(chǔ)量變化ΔGWS與李舒等［43］采用地表-地下水耦合模型模擬的煤礦開(kāi)采影響下的地下水水儲(chǔ)量結(jié)果進(jìn)行相關(guān)分析，驗(yàn)證GRACE監(jiān)測(cè)煤礦開(kāi)采區(qū)地下水儲(chǔ)量的合理性。此外，由于地下水與土壤水間通常存在很強(qiáng)的水力聯(lián)系，通過(guò)分析土壤水儲(chǔ)量變化ΔSMS與地下水儲(chǔ)量變化ΔGWS間的相關(guān)性，驗(yàn)證地下水儲(chǔ)量計(jì)算結(jié)果的合理性。具體計(jì)算方法如下：

式中：ΔGWSi為地下水儲(chǔ)量月變化值；為2009年地下水儲(chǔ)量變化月變化值的平均值。當(dāng)計(jì)算ΔSMS與地下水儲(chǔ)量變化ΔGWS間的相關(guān)性時(shí)，Yi和分別為GLDAS 模擬的ΔSMS逐月變化值、ΔSMS2009年月變化值的平均值。當(dāng)計(jì)算地下水儲(chǔ)量變化ΔGWS與采用地表-地下水耦合模型模擬的地下水水儲(chǔ)量結(jié)果的相關(guān)性時(shí)，Yi和分別表示采用地表-地下水耦合模型模擬的地下水水儲(chǔ)量逐月變化值、模擬期月變化的平均值。

4 結(jié)果分析

4.1 GRACE反演的陸地水儲(chǔ)量合理性分析將CSR、GFZ和JPL三個(gè)機(jī)構(gòu)發(fā)布的數(shù)據(jù)進(jìn)行比較，從圖2中可以看出，三個(gè)機(jī)構(gòu)提供的2009年反演結(jié)果差距較大，其中，JPL 1—7月的陸地水儲(chǔ)量比另外兩個(gè)機(jī)構(gòu)數(shù)據(jù)的平均值大了16.7 mm，而GFZ機(jī)構(gòu)8—10月的陸地水儲(chǔ)量比另外兩個(gè)機(jī)構(gòu)數(shù)據(jù)的平均值大了7.4 mm。可知，不同機(jī)構(gòu)發(fā)布的GRACE 產(chǎn)品數(shù)據(jù)存在較大差異性，換言之，GRACE 反演的陸地水儲(chǔ)量數(shù)據(jù)存在較大不確定性。研究表明［45］采用三個(gè)機(jī)構(gòu)陸地水儲(chǔ)量的平均值作為GRACE最終反演結(jié)果，是減小誤差的有效方法。對(duì)三個(gè)機(jī)構(gòu)的數(shù)據(jù)進(jìn)行平均處理后，陸地水儲(chǔ)量在1—3月，3—9月，9—12月均呈現(xiàn)減少-增加的趨勢(shì)。與2004—2009年的基準(zhǔn)期相比，2009年陸地水儲(chǔ)量減少量為15.5 mm/月。

圖2 2009年GRACE反演的陸地水儲(chǔ)量結(jié)果

由于GRACE反演出的陸地水儲(chǔ)量受到氣候變化和人類(lèi)活動(dòng)的雙重影響，所以先定性分析2009年研究區(qū)降雨量和蒸發(fā)量相較于基準(zhǔn)期（2004—2009年）的變化趨勢(shì)。從圖3中可以看出，2009年研究區(qū)蒸發(fā)量為2280 mm，大于基準(zhǔn)期年平均蒸發(fā)量2143 mm；降雨量為374 mm，略小于基準(zhǔn)期的年平均降雨量388 mm；相對(duì)基準(zhǔn)期，2009年降水量小、蒸發(fā)量大，GRACE反演的陸地水儲(chǔ)量相較于基準(zhǔn)期也較小，說(shuō)明從年尺度的變化趨勢(shì)上看，反演結(jié)果基本合理。

圖3 窟野河2004—2009年降雨量和蒸發(fā)量

2009年月降雨量和蒸發(fā)量的變化值與GRACE 反演結(jié)果的對(duì)比，如圖4 所示。僅考慮氣候變化，當(dāng)蒸發(fā)量大于（小于）降雨量時(shí)，陸地水儲(chǔ)量應(yīng)呈現(xiàn)減少（增加）的趨勢(shì)。但是，4月、7月、8月和11月反演的陸地水儲(chǔ)量的變化量與月降雨量和蒸發(fā)量與上述規(guī)律正好相反，說(shuō)明GRACE反演結(jié)果與月降雨量和蒸發(fā)量的趨勢(shì)匹配度一般。工業(yè)用水、生活用水、水保措施以及煤礦開(kāi)采等人類(lèi)活動(dòng)對(duì)陸地水儲(chǔ)量也有較大的影響，進(jìn)一步說(shuō)明GRACE反演出的陸地水儲(chǔ)量的變化趨勢(shì)是合理的。

圖4 研究區(qū)2009年GRACE反演結(jié)果與月降雨量和蒸發(fā)量比較（紫色部分說(shuō)明月降雨量與蒸發(fā)量變化結(jié)果重疊）

4.2 GRACE與GLDAS模擬結(jié)果對(duì)比分析

4.2.1 GRACE反演的陸地水儲(chǔ)量與GLDAS模擬結(jié)果對(duì)比分析 前文定性分析了GRACE反演的陸地水儲(chǔ)量的合理性，本節(jié)結(jié)合GLDAS水文模型定量分析GRACE反演結(jié)果的合理性。GLDAS給出了4種水文模型計(jì)算出的土壤水量，冰雪水量和葉冠層儲(chǔ)水量等結(jié)果，通過(guò)與2004—2009年基準(zhǔn)期相比，2009年研究區(qū)GLDAS的模擬結(jié)果見(jiàn)圖5。

圖5 GLDAS模擬結(jié)果與GRACE反演結(jié)果

由圖5可知，4種模型模擬結(jié)果的變化趨勢(shì)基本一致，變化值存在差異。例如，Mosaic模型模擬出的土壤水量變化量在1—4月與其他三種模型差距較大，VIC模擬出的土壤水量變化量在5—6月與其他三種模型差距較大，4種模型在9—12月均不一致；VIC模擬出的冰雪水量變化量與其他三種模型模擬結(jié)果均不一致；Noah模擬出的葉冠層儲(chǔ)水變化量在11月與其他三種模型差距較大，CLM模擬出的葉冠層儲(chǔ)水變化量在8月與其他三種模型差距較大。

為了減少模型模擬結(jié)果的不確定性，當(dāng)前研究中多采用對(duì)4種模型模擬結(jié)果取平均值的方法，以平均值作為GLDAS模擬結(jié)果［42］。從圖5（a）中可以看出土壤水量變化量的峰值出現(xiàn)在9月，為46.9 mm，谷值出現(xiàn)在6月，為-17 mm，2009年土壤水量平均增加了14 mm/月。圖5（b）中可以看出冰雪水量變化量的峰值出現(xiàn)在11月，為0.97 mm，2009年冰雪水量平均減少了0.13 mm/月。圖5（c）中可以看出葉冠層儲(chǔ)水變化量的峰值出現(xiàn)在8月，為0.07 mm，谷值出現(xiàn)在1月，為-0.03 mm，2009年葉冠層儲(chǔ)水變化量基本無(wú)變化。

將GRACE 反演的陸地水儲(chǔ)量變化量與GLDAS 模擬結(jié)果進(jìn)行比較（圖5（d）），可知兩者的變化趨勢(shì)基本一致，但是兩者變化值存在較大差異，相關(guān)系數(shù)為0.45，這是因?yàn)镚LDAS中的計(jì)算結(jié)果未包含地下水儲(chǔ)量的變化情況。結(jié)果表明，研究區(qū)地下水水儲(chǔ)量的變化是造成GRACE與GLDAS變化值不一致的主要原因。

4.2.2 GRACE反演的地下水水儲(chǔ)量與GLDAS模擬結(jié)果對(duì)比分析 根據(jù)式（3），利用GRACE聯(lián)合GLDAS反演出的研究區(qū)地下水水儲(chǔ)量變化結(jié)果，如圖6所示。將地下水水儲(chǔ)量與GLDAS模擬結(jié)果進(jìn)行比較，發(fā)現(xiàn)地下水水儲(chǔ)量與GLDAS模擬值在趨勢(shì)上呈反對(duì)稱(chēng)分布的特點(diǎn)，相關(guān)系數(shù)達(dá)到0.84，并且通過(guò)95%的置信度檢驗(yàn)。而研究區(qū)土壤水量在GLDAS 模擬結(jié)果中的比重達(dá)到95%左右。由此可知，研究區(qū)土壤水變化量與地下水水儲(chǔ)量變化量存在著較強(qiáng)的相關(guān)性。

圖6 GRACE反演地下水水儲(chǔ)量與GLADS模擬結(jié)果的比較

GRACE反演出的研究區(qū)2009年地下水水儲(chǔ)量的減少量為29.4 mm，年內(nèi)分布的峰值出現(xiàn)在6月，為-8.6 mm，谷值出現(xiàn)在9月，為-63.2 mm。變化趨勢(shì)呈現(xiàn)“N”型，即2—6月呈現(xiàn)增加的趨勢(shì)，隨后呈現(xiàn)減少的趨勢(shì)，到9月底后又呈現(xiàn)增加的趨勢(shì)。地下水水儲(chǔ)量變化幅度很明顯，這與研究區(qū)40%的耗水來(lái)源于地下水的現(xiàn)狀也是相符的，特別是夏季耗水量激增也造成了6—9月地下水水儲(chǔ)量減少。

4.3 GRACE監(jiān)測(cè)煤礦開(kāi)采區(qū)地下水水儲(chǔ)量的結(jié)果為了進(jìn)一步分析GRACE反演煤礦開(kāi)采區(qū)地下水水儲(chǔ)量變化的適用性，將反演結(jié)果與李舒等［43-44］利用地表-地下水耦合模型（SWAT-VISUAL MODFLOW）計(jì)算出的2009年研究區(qū)煤礦開(kāi)采對(duì)地下水影響的結(jié)果進(jìn)行比較。地表-地下水耦合模型基于水量平衡原理，設(shè)置了有、無(wú)煤礦開(kāi)采兩種情景，計(jì)算煤礦開(kāi)采對(duì)地下水水量的影響，比較結(jié)果見(jiàn)圖7。

圖7 GRACE反演的地下水水儲(chǔ)量變化量與耦合模型模擬結(jié)果比較

對(duì)GRACE反演的地下水水儲(chǔ)量與耦合模型模擬結(jié)果進(jìn)行相關(guān)性分析，結(jié)果表明兩組數(shù)據(jù)相關(guān)系數(shù)為0.64，并且通過(guò)了95%的置信度檢驗(yàn)，說(shuō)明煤礦開(kāi)采是導(dǎo)致研究區(qū)地下水變化的一個(gè)重要因素。此外，王童等［46］研究發(fā)現(xiàn)窟野河流域植被覆蓋度2004年至2009年，由45%快速增加至58%，而研究區(qū)2009年較基準(zhǔn)期的蒸發(fā)量也是增加的，植物的蒸騰作用成為地下水排泄的一個(gè)重要途徑，說(shuō)明研究區(qū)地下水水儲(chǔ)量2009年呈現(xiàn)減少趨勢(shì)的原因是大規(guī)模的煤礦開(kāi)采和植樹(shù)造林造成的。

但是，兩組數(shù)據(jù)月尺度下的等效水深除5月、7月和11月較接近，其他月份差距較大。年尺度下，GRACE 反演出的地下水水儲(chǔ)量變化量為-29.4 mm/月，大于耦合模型模擬結(jié)果的-23.2 mm/月。從結(jié)果來(lái)看，GRACE 反演的煤礦開(kāi)采區(qū)的地下水水儲(chǔ)量的月均值變化量較為合理，但是GRACE 反演出的逐月值結(jié)果較差。

5 討論

5.1 煤礦開(kāi)采對(duì)地下水水儲(chǔ)量的影響機(jī)理分析通過(guò)對(duì)研究區(qū)內(nèi)的榆林市2004—2009年的耗水量進(jìn)行分析，發(fā)現(xiàn)其中約40%的耗水量來(lái)源于地下水，將耗水量按榆林市面積換算為等效水深，2009年地下水耗水量相較于基準(zhǔn)期減少了0.04 mm/月［47］，耗水量減少但是地下水水儲(chǔ)量卻呈現(xiàn)減少的趨勢(shì)，說(shuō)明直接取用地下水對(duì)地下水水儲(chǔ)量的影響較小。而研究區(qū)土壤水變化量與地下水水儲(chǔ)量變化量存在著較強(qiáng)的相關(guān)性，直接說(shuō)明研究區(qū)內(nèi)的煤礦開(kāi)采造成的導(dǎo)水裂隙帶導(dǎo)通了土壤水與地下水交換的通道，加強(qiáng)了土壤水與地下水的交換頻率和交換量，這與國(guó)內(nèi)相關(guān)研究成果也是一致的［5］。

煤礦開(kāi)采過(guò)程中，導(dǎo)水裂隙帶由下至上逐漸發(fā)育，最終發(fā)育至地表，形成地裂縫，最終完全導(dǎo)通煤層以上的含水層，在此過(guò)程中為了采礦安全需進(jìn)行礦井水的疏干外排，進(jìn)而加速了地下水與地表水的交換頻率和交換量。而耦合模型模擬出的煤礦開(kāi)采情景下的地下水水量也呈下降趨勢(shì)，第一階段（3—10月）緩慢下降，下降率為3.4 mm/月；第二階段（10—11月）迅速下降，下降率為15 mm/月；第三階段（11—12月）穩(wěn)定下降，下降率為0.2 mm/月，反映了導(dǎo)水裂隙帶發(fā)育過(guò)程中，地下水水儲(chǔ)量的變化特征，即采礦初期礦井疏干水緩慢增加，采礦中期礦井疏干水迅速增大，采礦末期礦井疏干水逐漸穩(wěn)定。而GRACE 反演的地下水水儲(chǔ)量與耦合模型模擬結(jié)果的相關(guān)系數(shù)為0.64，間接說(shuō)明GRACE反演結(jié)果也能反映出導(dǎo)水裂隙帶加強(qiáng)了地表水-地下水之間的交換頻率和交換量。

5.2 GRACE監(jiān)測(cè)煤礦開(kāi)采區(qū)地下水水儲(chǔ)量的適用性分析GRACE反演的地下水水儲(chǔ)量變化幅度很明顯，這與研究區(qū)40%的耗水來(lái)源于地下水的現(xiàn)狀是相符的，特別是夏季耗水量激增也造成了6—9月地下水水儲(chǔ)量減少。因此，說(shuō)明GRACE反演的煤礦開(kāi)采區(qū)的地下水水儲(chǔ)量的月均值變化量還是較為合理的，但是GRACE反演出的逐月值與耦合模型模擬結(jié)果相比較差，主要原因有以下3個(gè)：（1）研究區(qū)除了煤礦開(kāi)采外還有大面積的植樹(shù)造林活動(dòng)，而耦合模型并未考慮該影響；（2）GRACE 反演陸地水儲(chǔ)量時(shí)選擇的2 個(gè)網(wǎng)格中還包含了禿尾河流域，而耦合模型模擬范圍僅包含窟野河流域，但是2010年后禿尾河流域內(nèi)的煤礦開(kāi)采活動(dòng)才大規(guī)模出現(xiàn)，對(duì)結(jié)果影響較小；（3）耦合模型模擬結(jié)果是2009年的煤礦開(kāi)采對(duì)地下水的影響量，與GRACE反演結(jié)果的基準(zhǔn)期不一致，但是煤炭產(chǎn)量在2004—2009年間增長(zhǎng)速度較緩慢，因此對(duì)結(jié)果影響較小。

6 結(jié)論與展望

通過(guò)比較GRACE重力衛(wèi)星反演的陸地水總儲(chǔ)量和地下水水儲(chǔ)量的變化量與GLDAS中4種水文模型模擬結(jié)果以及降雨、蒸發(fā)等氣象因素的相關(guān)性，分析了反演結(jié)果的合理性。將GRACE重力衛(wèi)星反演的地下水水儲(chǔ)量的變化量與地表-地下水耦合模型模擬結(jié)果進(jìn)行了比較，分析了GRACE重力衛(wèi)星在監(jiān)測(cè)煤礦開(kāi)采區(qū)地下水水儲(chǔ)量的適用性。研究結(jié)果表明：

（1）GRACE 重力衛(wèi)星可反演干旱半干旱區(qū)大規(guī)模煤礦開(kāi)采區(qū)地下水水儲(chǔ)量的月均值變化量，但是無(wú)法準(zhǔn)確的反演逐月的地下水水儲(chǔ)量的變化量。

（2）煤礦開(kāi)采區(qū)的土壤水與地下水存在著較強(qiáng)的相關(guān)性，煤礦開(kāi)采造成的導(dǎo)水裂隙帶導(dǎo)通了土壤水與地下水交換的通道，加強(qiáng)了土壤水與地下水的交換頻率和交換量。

（3）2018年5月GRACE-Follow on 計(jì)劃實(shí)施，新一代的衛(wèi)星較上一代增加了激光干涉測(cè)距儀，該儀器可大幅增加數(shù)據(jù)觀測(cè)精度，未來(lái)隨著數(shù)據(jù)精度的提高必將使其成為監(jiān)測(cè)流域煤礦開(kāi)采對(duì)地下水影響的一個(gè)新手段。

GRACE在大流域反演地下水水儲(chǔ)量已有很多成果，但是在中、小流域反演地下水水儲(chǔ)量的研究還較少，主要是因?yàn)槠淇臻g分辨率較低。因此，如何提高中、小流域尺度下監(jiān)測(cè)地下水及其變化的精度還有待進(jìn)一步研究。