中国地下水干旱的时空格局、突变点及植被响应

《Ecological Indicators》:Spatiotemporal patterns, abrupt change points and vegetation response of groundwater drought in China

【字体: 大 中 小 】 时间:2026年07月03日 来源:Ecological Indicators 8.7

编辑推荐:

  地下水干旱(Groundwater Drought)对水安全、生态可持续性和农业生产构成严重威胁,特别是在气候变化加速和人类活动强化的背景下。表征不同地理区域地下水干旱的时空演化、传播机制及主导驱动因素,对于中国精准水资源管理和干旱风险缓解至关重要。本研究中,

  
地下水干旱(Groundwater Drought)对水安全、生态可持续性和农业生产构成严重威胁,特别是在气候变化加速和人类活动强化的背景下。表征不同地理区域地下水干旱的时空演化、传播机制及主导驱动因素,对于中国精准水资源管理和干旱风险缓解至关重要。本研究中,研究人员系统调查了中国主要气候区地下水干旱的时空动态,量化了其长期趋势特征和时空传播模式,并进一步阐明了地下水干旱变化背后的自然因子与遥感驱动机制。结果表明,中国地下水干旱呈现显著的空间异质性和时间变化性。大多数地区表现出总体加剧趋势,而北方干旱/半干旱区与南方湿润区之间存在明显的地带性差异。基于贝叶斯估计器算法,大多数子区地下水干旱指数(GDI)的突变点集中在2018年至2023年之间,该时期覆盖面积达48.1%。小波变换分析显示,三种气候因子组合中对GDI解释力最强的因子为降水、蒸散发和土壤温度。此外,植被相对于地下水干旱表现出明显的滞后响应和累积效应(3.18个月)。研究结果为中国区域地下水干旱预警、差异化水资源调控和地下水可持续保护提供了坚实的理论参考和实践支撑。
《Ecological Indicators》发表的这项研究聚焦于2003年至2025年中国地下水干旱的时空演化规律、突变特征及生态响应机制。研究背景在于:全球气候变化与人类活动加剧背景下,干旱事件的频率、持续时间和空间范围显著增加,而地下水作为地球液态淡水资源的最大组成部分,在水安全保障中发挥关键作用。相较于地表水,地下水具有储量大、时空分布稳定、对短期气候波动缓冲能力强等特征,在干旱区尤为重要。然而,传统地下水干旱监测依赖观测井数据,存在空间分布不均、记录不连续、数据获取受限等局限,难以满足区域尺度监测需求。GRACE(Gravity Recovery and Climate Experiment,重力恢复与气候实验)卫星任务及其后继任务GRACE-FO的启动,为陆地水储量(TWS)变化监测提供了新途径,结合陆面模型输出可进一步分离地下水储量变化,克服了传统方法的不足。目前地下水干旱研究已从简单识别拓展至时空演化分析、趋势诊断和归因分析,但对关键转折点、突变类型及演化模式的系统研究仍显不足;同时,地下水干旱向植被干旱的传播时间、强度及其空间变异性的系统认知尚付阙如,尤其缺乏对不同气候区差异的比较研究。

研究人员以中国为研究区,基于GRACE mascon产品和GLDAS(Global Land Data Assimilation System,全球陆面数据同化系统)Noah模型数据集构建GDI,并整合贝叶斯时间序列分解、格点曼-肯德尔趋势与赫斯特检验(GMKH)、偏小波相干(PWC)与多重小波相干(MWC)分析、可解释机器学习(SHAP)以及游程理论等方法,系统揭示中国地下水干旱的时空演化、传播过程与驱动机制。研究采用的核心数据包括:CSR发布的GRACE/GRACE-FO mascon产品(0.25°×0.25°,2003–2025年)、NASA的GLDAS Noah模型数据(0.25°×0.25°,2003–2025年)、国家地球系统科学数据中心8 km月尺度NDVI数据集(2003–2025年)、国家青藏高原科学数据中心1 km月尺度潜在蒸散发(ET0)数据集(2003–2025年)、USGS全球实际蒸散发(ETa)产品(2003–2025年)、NOAA物理科学实验室16项大气环流指数(2003–2025年),以及国家青藏高原科学数据中心1 km地下水埋深数据集(2005–2022年)用于GDI验证。

**突变点识别**

基于BEAST(Bayesian Estimator of Abrupt change, Seasonality and Trend,贝叶斯突变、季节性与趋势估计器)时间序列分解方法,研究人员识别了中国整体及七大气候子区地下水干旱时间序列季节性与趋势性成分的演化特征。全中国及大多数子区的突变点集中于2018–2023年,该时期突变面积占比达48.1%。中温带干旱区(MTA)的季节性突变发生于2014年9月(概率61.47%),趋势突变点为2017年1月(概率64.12%),属"中断下降"型;中温带半干旱区(MTSA)的季节性和趋势突变分别发生于2020年3月和2018年6月,趋势突变为"下降转上升"型;中温带半湿润区(MTSH)的趋势突变为"下降转上升"型。八大子区中,五个为"下降转上升"型(暖温带半湿润区WTSH、北亚热带湿润区NSH、MTSA、MTSH、MC),两个为"中断下降"型(高原温带半干旱区PTSA、MTA),一个为"中断上升"型(Marginal热带湿润区MTH)。各子区突变前后GDI差值(ΔGDI)统计显示显著空间异质性:MTSH的ΔGDI均值最高(1.30),表明突变后干旱加剧最为显著;MTA(0.90)、WTSH(0.71)、MTSA(0.56)和MC(0.41)亦为正值;仅NSH(?0.25)和PTSA(?0.11)为负值,表示突变后干旱缓解。

**持续性与非持续性特征**

基于GMKH方法,年尺度上全国平均Zs值为?0.63,表明地下水干旱总体呈加剧趋势。34.71%的区域呈显著上升趋势,13.78%呈显著下降趋势。季节尺度上,夏、春、秋、冬的平均Zs值分别为?0.68、?0.59、?0.60和?0.51。Hurst指数分析表明,年尺度GDI序列的Hurst值为0.59,81.43%的区域未来将持续历史趋势。GMKH综合诊断显示,年尺度上49.45%的区域呈非持续性加剧趋势,表明地下水干旱未来趋于短期化、间歇性,长期连续干旱概率降低;夏季非持续性加剧面积比例最低(33.03%),而持续性加剧面积达28.05%,在华北和西北地区显著扩张。

**单因子与多因子驱动**

偏小波相干(PWC)分析显示,五种气候因子(空气湿度AH、气温AT、蒸散发ET、降水PC、土壤温度ST)中,降水对GDI的贡献在全时空尺度上最为显著(POSP=16.30%,AWC=0.908),为最优单变量解释因子。多重小波相干(MWC)分析表明,双因子组合中PC-ET对GDI解释力最强(POSP=11.54%,AWC=0.908);三因子组合中PC-ET-ST为最优组合(POSP=17.82%,AWC=0.972)。各因子组合在不同时间尺度上呈现多重显著共振周期,反映了地下水干旱驱动的多尺度复杂性。

**环流因子影响**

基于SHAP(Shapley Additive Explanations,沙普利可加性解释)算法对XGBoost回归模型的解释分析,16项大气环流指数中影响最强的是IPO(0.0842,正向促进)和TSA(0.0646,负向抑制),SOI影响最弱(0.0055)。IPO高值时AO的SHAP值趋于0(影响减弱),IPO低值时AO波动增强;ENSO与TSA存在显著正负交互效应。环流因子并非独立作用,而是存在显著交互效应,一个因子对地下水干旱的影响强度和方向会随另一因子数值变化而改变。

**植被干旱响应**

游程理论分析表明,全国植被干旱相对于地下水干旱的平均滞后时间为3.18个月,存在显著区域变异:MTSH(4.58个月)、NSH(4.52个月)、MTH(4.42个月)滞后较长,MTSA(1.99个月)和MTA(2.20个月)滞后较短,呈现"湿润区长滞后、干旱区短滞后"的空间格局。地下水干旱强度与植被干旱强度呈显著正线性关系(r=0.90,p<0.001),表明植被干旱对地下水干旱具有有效且敏感的跟踪能力。

讨论部分深入分析了突变模式的区域差异机制:2018–2023年突变点集中与中国近年来极端水文事件频发及水资源强化开发密切相关;中东部"下降转上升"型突变主导了全国GDI时间序列的整体格局;西部MTA和PTSA的干旱加剧与气候变暖、冰冻圈退化及复合水文失衡有关。驱动机制方面,降水是地下水补给的直接来源,蒸散发电通过对土壤水分的强烈消耗阻碍降水入渗补给,土壤温度则通过改变土壤物理水文性质调节补给效率和蒸散发损失率,三者串联主导整个水循环过程。IPO作为"年代际干旱驱动器",其相位变化决定区域干旱的长期风险趋势;TSA通过调控区域水汽输送路径影响降水格局。植被响应的空间差异与区域水文条件、土壤持水能力和植被类型密切相关:湿润区较高的降水、土壤水分和土壤持水能力提供了有效缓冲,而干旱区有限的土壤缓冲能力使水分胁迫快速传递至植被。

研究结论部分明确指出:

(1)检测到的趋势突变点中,五类属"下降转上升"型(WTSH、NSH、MTSA、MTSH、MC),两类属"中断下降"型(PTSA、MTA),一类属"中断上升"型(MTH)。

(2)所有双因子气候组合中,PC-ET对GDI解释力最强(POSP=11.54%,AWC=0.908);解释中国地下水干旱的最优三因子组合为PC-ET-ST(POSP=17.82%,AWC=0.972)。

(3)植被相对于地下水干旱的平均滞后时间为3.18个月,该滞后时间在不同分区之间存在显著空间异质性,总体分布格局为湿润区高、干旱区低。

(4)SHAP算法表明环流指数IPO、TSA和ENSO对地下水干旱有显著影响,对应SHAP值分别为0.0842(正向效应)、0.0646(负向效应)和0.0315(负向效应);且这些环流因子之间存在交互效应,其协同作用共同控制干旱的演化趋势和严重程度。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号