王 坤,李玉龍,李琛曦,賴燕玲,楊傳國(guó),3
(1.河海大學(xué) 水文水資源學(xué)院, 江蘇 南京 210098; 2.河北省地質(zhì)資源環(huán)境監(jiān)測(cè)與保護(hù)重點(diǎn)實(shí)驗(yàn)室, 河北 石家莊050021; 3.河海大學(xué) 水災(zāi)害防御全國(guó)重點(diǎn)實(shí)驗(yàn)室, 江蘇 南京 210098)
地下水是水資源的重要組成部分,由于具有分布廣、水質(zhì)好、可持續(xù)開發(fā)利用等許多優(yōu)點(diǎn),已成為最重要的和最佳的供水選擇[1],特別是在水資源相對(duì)匱乏的北方地區(qū)。黃淮海地區(qū)是中國(guó)重要的糧食生產(chǎn)基地[2],是人均水資源量較少的地區(qū)之一,也是人類活動(dòng)對(duì)水資源影響最嚴(yán)重的區(qū)域[3]。大規(guī)模開發(fā)地下水資源導(dǎo)致地下水位下降嚴(yán)重,產(chǎn)生了水質(zhì)惡化、地面沉降、海水入侵等一系列水安全問題[4],已成為制約地區(qū)發(fā)展的主要因素。全面監(jiān)測(cè)地下水并掌握其變化規(guī)律是當(dāng)務(wù)之急。傳統(tǒng)人工監(jiān)測(cè)地下水的方法耗費(fèi)人力物力,且由于監(jiān)測(cè)站點(diǎn)布設(shè)的困難,難以實(shí)現(xiàn)地下水的大面積整體監(jiān)測(cè)。隨著重力衛(wèi)星探測(cè)技術(shù)的發(fā)展,通過(guò)測(cè)量地球重力場(chǎng)的變化反演全球陸地水儲(chǔ)量變化,為實(shí)現(xiàn)地下水的區(qū)域整體監(jiān)測(cè)提供了新途徑[5]。國(guó)內(nèi)外諸多學(xué)者利用GRACE (Gravity Recovery and Climate )重力衛(wèi)星在不同區(qū)域開展了地下水研究,證實(shí)了在大尺度范圍內(nèi)反演地下水資源量變化的可靠性[6]。Famiglietti 等[7]和Scanlon 等[8]利用GRACE 數(shù)據(jù)反演加利福尼亞州中央山谷地下水儲(chǔ)量變化,與研究區(qū)實(shí)測(cè)地下水位驗(yàn)證結(jié)果大體一致。國(guó)內(nèi)學(xué)者驗(yàn)證了GRACE 與GLDAS (Global Land Data Assimilation System)數(shù)據(jù)反演黃河流域[9]、海河流域[10]、三江源[11]等流域地下水儲(chǔ)量變化具有較好適用性。
黃淮海地區(qū)地下水儲(chǔ)量變化引起越來(lái)越多的研究者關(guān)注,對(duì)其影響的主導(dǎo)因素開展了相關(guān)研究。Guo 等[12]研究發(fā)現(xiàn)人類活動(dòng)在海河流域地下水儲(chǔ)量變化中占主導(dǎo)作用,農(nóng)業(yè)灌溉是地下水儲(chǔ)量消耗的主要因素,而降水和蒸發(fā)量相對(duì)穩(wěn)定;林雪敏等[13]研究表明農(nóng)業(yè)用水量對(duì)京津冀地區(qū)地下水儲(chǔ)量變化的影響程度明顯大于降水量與蒸散量;秦歡歡等[14]利用模型設(shè)定不同情景模擬華北平原水資源利用狀況,結(jié)果表明農(nóng)業(yè)節(jié)水措施和南水北調(diào)工程可以有效恢復(fù)地下水儲(chǔ)量。南水北調(diào)通水后黃淮海地區(qū)供水結(jié)構(gòu)發(fā)生了改變,相關(guān)研究較少,亟需采用多源數(shù)據(jù)深入分析區(qū)域地下水儲(chǔ)量變化的特征與成因。因此,本文利用最新的GRACE 數(shù)據(jù)和GLDAS 陸面同化數(shù)據(jù),定量計(jì)算地下水儲(chǔ)量變化,評(píng)估黃淮海地區(qū)地下水儲(chǔ)量變化的時(shí)空特征,結(jié)合降水、蒸散發(fā)、地下水供水、跨流域調(diào)水等自然和人為因素,探討影響地下水儲(chǔ)量變化的原因,從而為科學(xué)評(píng)估與合理利用地下水提供依據(jù)。
本文選擇黃淮海地區(qū),包括海河流域、淮河流域及黃河流域花園口以下地區(qū)為研究區(qū)域(圖1)。地理位置位于北緯31°~43°,東經(jīng)112°~122°,北起燕山南麓,南抵桐柏山、大別山,西起太行山,東臨渤海、黃海,總面積為67.8 萬(wàn)km2。黃淮海地區(qū)屬溫帶季風(fēng)氣候,季節(jié)變化明顯,冬季干燥寒冷,夏季高溫多雨[15];年平均氣溫為13.1 ℃;年平均降水量為500~800 mm;人均水資源量為462 m3,為全國(guó)平均水平的五分之一,水資源承載能力與經(jīng)濟(jì)社會(huì)發(fā)展矛盾突出,是南水北調(diào)東線和中線工程的受水區(qū)[16]。黃淮海地區(qū)土層深厚,土質(zhì)肥沃,農(nóng)業(yè)規(guī)模大,主要種植小麥和玉米。地下水開采量的持續(xù)增加,導(dǎo)致一些地區(qū)的地下水位下降嚴(yán)重。
圖1 研究區(qū)位置Fig.1 The location of the study area
(1)GRACE 重力衛(wèi)星數(shù)據(jù)。GRACE 計(jì)劃是美國(guó)國(guó)家航空航天局和德國(guó)航空中心的合作項(xiàng)目,通過(guò)衛(wèi)星監(jiān)測(cè)地球重力場(chǎng),估算陸地水儲(chǔ)量的變化。本文選用美國(guó)德克薩斯大學(xué)研究中心(CSR)最新發(fā)布的RL06 Mascon 版本(https://www2.csr.utexas.edu/grace/)提供的重力衛(wèi)星陸地水儲(chǔ)量變化數(shù)據(jù)。相比于傳統(tǒng)的球諧系數(shù),Mascon 產(chǎn)品的最大特點(diǎn)是無(wú)需做任何后處理,可以直接提供格網(wǎng)產(chǎn)品。該數(shù)據(jù)以2004—2009 年的陸地水儲(chǔ)量等效水深為基準(zhǔn),空間分辨率為0.25°×0.25°,時(shí)間分辨率為1 個(gè)月,時(shí)間序列從2003 年2 月至2021 年12 月,個(gè)別缺測(cè)時(shí)段采用奇異譜分析法[17]插補(bǔ)缺失值。
(2)GLDAS 陸面同化數(shù)據(jù)。全球陸面數(shù)據(jù)同化系統(tǒng)(GLDAS)包含4 個(gè)陸面模型(Noah、CLM、Mosaic、VIC),本文采用的是GLDAS-2.1 Noah 模型陸面同化數(shù)據(jù),可解決內(nèi)陸水域無(wú)效數(shù)據(jù)的問題。從中選取總冠層水量(Canoplnt)、雪水當(dāng)量(SWE)、土壤含水量(SMS)和蒸散發(fā)(Evap)數(shù)據(jù),其中SMS 為4 層土壤含水量數(shù)據(jù)之和(0~10 cm、10~40 cm、40~100 cm、100~200 cm)。時(shí)間長(zhǎng)度及空間分辨率與GRACE 數(shù)據(jù)一致。
(2)降水和供水量數(shù)據(jù)。數(shù)據(jù)來(lái)源于水利部和流域部委水資源公報(bào),時(shí)間序列為2003—2021 年。選取各流域降水、地表水供水量、地下水供水量、跨流域調(diào)水和其他水源等數(shù)據(jù),其他水源包括污水處理回水、集雨工程供水、海水淡化供水等。
2.2.1 地下水儲(chǔ)量變化估算 陸地水儲(chǔ)量包括地表水、地下水、土壤水、生物水、冰雪、植被冠層水等,其中地表水與生物水相對(duì)于其他成分,其多年變化量可以忽略不計(jì)[18-19]。因此,陸地水儲(chǔ)量變化可表示為:
由此可得到地下水儲(chǔ)量變化量的計(jì)算:
式中:ΔGWS為地下水儲(chǔ)量變化(cm);ΔTWS為陸地水儲(chǔ)量變化(cm);ΔSMS為土壤含水量變化(cm);ΔSWE為雪水當(dāng)量變化(cm);ΔCanoplnt為冠層水量變化(cm)。陸地水儲(chǔ)量變化由GRACE 重力衛(wèi)星反演得到,土壤含水量、雪水當(dāng)量和植被冠層水的變化由GLDAS 數(shù)據(jù)計(jì)算。
2.2.2 Theil-Sen Median 和Mann-Kendall 法 Theil-Sen Median 方法又稱Sen 斜率估計(jì),是一種穩(wěn)健的非參數(shù)統(tǒng)計(jì)的趨勢(shì)計(jì)算方法[20],用于估計(jì)地下水儲(chǔ)量的變化速率 β,計(jì)算公式為:
式中:x為 各時(shí)段的ΔGWS;i和j為時(shí)段月份數(shù);Median 表示取中值。若β大于0,則表示地下水儲(chǔ)量為增長(zhǎng)趨勢(shì),反之則為下降趨勢(shì)。
Mann-Kendall 檢驗(yàn)是一種非參數(shù)的時(shí)間序列趨勢(shì)性檢驗(yàn)方法,廣泛應(yīng)用于水文氣象數(shù)據(jù)分析,定義檢驗(yàn)統(tǒng)計(jì)量S:
使用檢驗(yàn)統(tǒng)計(jì)量Z進(jìn)行趨勢(shì)檢驗(yàn),Z值計(jì)算方法為:
式中:Svar為統(tǒng)計(jì)量S的方差。取顯著性水平α=0.05,當(dāng)|Z|≥1.96 時(shí),表示該序列通過(guò)95%置信度檢驗(yàn),地下水儲(chǔ)量變化趨勢(shì)顯著,反之變化趨勢(shì)不顯著。
2.2.3 隨機(jī)森林模型 隨機(jī)森林(Random Forest)是一種基于統(tǒng)計(jì)學(xué)習(xí)理論的組合分類智能算法。基本單元是決策樹,使用自抽樣(Bootstrap)法從原始數(shù)據(jù)集中隨機(jī)重復(fù)采樣,得到多個(gè)決策樹模型,并將所有結(jié)果的平均值作為最終回歸結(jié)果。根據(jù)基尼指數(shù)判斷多個(gè)自變量對(duì)因變量的所做貢獻(xiàn),可以有效進(jìn)行特征重要性排序,隨機(jī)森林算法具有訓(xùn)練速度快、精度高、不易過(guò)擬合等優(yōu)點(diǎn),在水文地質(zhì)學(xué)領(lǐng)域應(yīng)用越來(lái)越廣泛[21]。本文采用python 語(yǔ)言中sklearn 庫(kù)建立隨機(jī)森林模型,以地下水儲(chǔ)量變化作為因變量,將影響地下水儲(chǔ)量變化的因素作為自變量,計(jì)算影響因素的貢獻(xiàn)率。
基尼指數(shù)代表了模型的不純度,基尼指數(shù)越小,則不純度越低,特征越好。其計(jì)算公式為:
式中:K為數(shù)據(jù)集分類總數(shù);pk為某個(gè)子集屬于第k類的概率。
特征A在內(nèi)部某個(gè)節(jié)點(diǎn)m的重要性Vim,m為分枝前后基尼指數(shù)的變化量:
式中:Gini,m為節(jié)點(diǎn)m處的基尼指數(shù),Gini,l、Gini,r為分枝后出現(xiàn)新節(jié)點(diǎn)處的基尼指數(shù);l、r為節(jié)點(diǎn)m處分枝后的新節(jié)點(diǎn)。
則特征A在隨機(jī)森林模型中基尼指數(shù)評(píng)分為:
式中:Vim,i為第i棵決策樹各節(jié)點(diǎn)處分支前后基尼指數(shù)變化量,n為節(jié)點(diǎn)數(shù)。
根據(jù)GRACE 和GLDAS 數(shù)據(jù),采用式(2)計(jì)算研究區(qū)各網(wǎng)格地下水儲(chǔ)量的逐月變化。整個(gè)黃淮海地區(qū)相對(duì)于基準(zhǔn)期,地下水儲(chǔ)量在2003—2021 年總體波動(dòng)范圍為?24.94~5.99 cm(見圖2),整體呈減少趨勢(shì),近20 年內(nèi)共減少23.18 cm,平均每年減少1.22 cm。其中在2003—2010 年平均減少0.45 cm/a,在2011—2019 年間減少速度加快為1.68 cm/a,其原因可能與經(jīng)濟(jì)快速發(fā)展及人口增長(zhǎng)有關(guān),在2020 年以后以1.05 cm/a 的速度開始增加。
圖2 黃淮海地區(qū)地下水儲(chǔ)量時(shí)間變化趨勢(shì)Fig.2 Temporal fluctuations in groundwater storage within the Huang-Huai-Hai region
逐一分析比較黃淮海地區(qū)內(nèi)各二級(jí)子流域地下水儲(chǔ)量變化(見圖3),具體變化速度見表1。從表1 和圖3 可見研究期內(nèi)各子流域的地下水儲(chǔ)量均處于持續(xù)減少狀態(tài),海河流域平均下降速率為1.75 cm/a,淮河流域平均下降速率為0.57 cm/a。在2003—2010 年間,地下水儲(chǔ)量下降最快的是海河南系,達(dá)1.94 cm/a,而淮河流域整體處于緩慢上升階段。2011—2019 年研究區(qū)地下水儲(chǔ)量虧損程度擴(kuò)大,虧損地區(qū)增多,除淮河下游變化不明顯,各子流域呈現(xiàn)不同程度的下降趨勢(shì),花園口以下地區(qū)以2.92 cm/a 的速率下降,海河南系下降速率為2.86 cm/a。2020 年后,部分子流域地下水儲(chǔ)量開始上升,花園口以下地區(qū)上升速率為7.22 cm/a。
表1 黃淮海地區(qū)子流域地下水儲(chǔ)量變化速度Tab.1 The rates of change in groundwater storage within the Huang-Huai-Hai region
圖3 黃淮海地區(qū)各子流域地下水儲(chǔ)量變化趨勢(shì)Fig.3 Temporal fluctuations in groundwater storage within the sub-basins of the Huang-Huai-Hai region
各子流域地下水儲(chǔ)量變化在年內(nèi)變化表現(xiàn)出差異性(圖4)。灤河及冀東沿海、海河北系地區(qū)地下水儲(chǔ)量逐月變化較為穩(wěn)定,山東半島沿海諸島、淮河下游地區(qū)地下水儲(chǔ)量在4—8 月份處于高位。海河南系、徒駭馬頰河、花園口以下、淮河上游等主要農(nóng)作物耕種地區(qū)的地下水儲(chǔ)量下降明顯,且在6—7 月份明顯偏少。黃淮海地區(qū)水儲(chǔ)量持續(xù)減少主要是因農(nóng)業(yè)灌溉進(jìn)行的大規(guī)模開采地下水[22],用于農(nóng)作物灌溉的地下水供水量占地下水開采總量的80%。黃淮海地區(qū)的農(nóng)作物以冬小麥和夏玉米為主,5—8 月為作物需水關(guān)鍵期,需水量占整個(gè)生長(zhǎng)發(fā)育過(guò)程的79%[23],地下水下降最快,地下水儲(chǔ)量處于最低狀態(tài)。冬小麥開始大量播種時(shí)間為10 月中旬,越冬期不需要灌溉,降水基本能滿足需要,此時(shí)地下水儲(chǔ)量得到恢復(fù)。提高農(nóng)業(yè)用水效率和減少地下水開采量是緩解區(qū)域地下水資源短缺的重要措施。
圖4 黃淮海地區(qū)地下水儲(chǔ)量逐月變化Fig.4 The monthly average of groundwater storage in the Huang-Huai-Hai region
從空間分布看,研究區(qū)地下水儲(chǔ)量變化存在明顯的空間差異性,整體上由東至西呈現(xiàn)下降幅度增大趨勢(shì),變化范圍為?21.9~2.27 cm,負(fù)值為相對(duì)于基準(zhǔn)期處于減少狀態(tài)。圖5 表明地下水儲(chǔ)量減幅最大的是海河南系,主要集中在邯鄲、安陽(yáng)、鶴壁,淮河流域上游較為盈余;最低值出現(xiàn)在鶴壁市,最高值出現(xiàn)在淮安市。位于海河南系的白洋淀流域是華北最大的淡水湖,已成為雄安新區(qū)發(fā)展的重要生態(tài)水體,該地區(qū)地下水儲(chǔ)量最低值為?10.75 cm,最高值為?4.07 cm,虧損較為嚴(yán)重。
圖5 黃淮海地區(qū)多年平均地下水儲(chǔ)量變化分布Fig.5 The spatial pattern of groundwater storage within the Huang-Huai-Hai region
基于Sen 斜率估計(jì)和Mann-Kendall 法分析黃淮海地區(qū)2003—2021 年地下水儲(chǔ)量變化趨勢(shì),計(jì)算出每個(gè)格網(wǎng)的β斜率和顯著性Z值,研究區(qū)88.87%區(qū)域通過(guò)置信水平0.05 的檢驗(yàn),其中94.2%的區(qū)域呈現(xiàn)出顯著的負(fù)向變化,即地下水儲(chǔ)量減少。為了進(jìn)一步比較各個(gè)地區(qū)地下水儲(chǔ)量的變化情況,將研究區(qū)域劃分為極顯著增加、顯著增加、微顯著增加、不顯著增加、不顯著減少、微顯著減少、顯著減少、極顯著減少等8 個(gè)等級(jí)(圖6)。從圖6 可以看出:黃淮海地區(qū)地下水儲(chǔ)量減少速率整體表現(xiàn)出自南向北逐步增大的特點(diǎn),海河南系大部分區(qū)域處于極顯著減少狀態(tài),水儲(chǔ)量增加的地區(qū)位于淮河流域上游及中游部分區(qū)域。
圖6 Sen+M-K 計(jì)算地下水儲(chǔ)量變化趨勢(shì)分布Fig.6 The trend of variations in groundwater storage calculated using Sen+M-K methods
3.3.1 降水、蒸散發(fā)變化影響 降水入滲補(bǔ)給是影響地下水儲(chǔ)量變化最直接的因子?;春恿饔蚪邓S沛,年均降水量為873.3 mm,充足的降水可促進(jìn)地下水補(bǔ)給,有利于恢復(fù)地下水儲(chǔ)量。海河流域年均降水量為532.7 mm,降雨徑流經(jīng)水庫(kù)截留等損失后流域下滲較少,對(duì)地下水儲(chǔ)量變化影響的并不明顯(圖7)。同時(shí),由于海河流域農(nóng)業(yè)部門耗水最多,降水量變化會(huì)影響灌溉量,枯水年灌溉量增多,地下水開采量會(huì)隨之增多。蒸散發(fā)過(guò)程會(huì)消耗土壤水分,減少地下水的補(bǔ)給。黃淮海地區(qū)多年平均蒸散量表現(xiàn)為增加趨勢(shì),淮河流域的蒸散量由2003—2015 年的722.4 mm 增加至2016—2021 年的782.7 mm,海河流域的蒸散量由533.9 mm 增加至597.3 mm,花園口以下的蒸散量由629.7 mm 增加至678.0 mm。
圖7 降水、蒸散發(fā)與地下水儲(chǔ)量變化關(guān)系Fig.7 The interrelationship among precipitation, evapotranspiration, and groundwater storage
降水在黃淮海地區(qū)時(shí)間空間上的分布差異明顯?;春恿饔蚪邓觌H變化更大,直接影響地下水儲(chǔ)量變化速度,地下水儲(chǔ)量變化與降水變化趨勢(shì)具有較明顯的一致性。而海河流域降水對(duì)地下水儲(chǔ)量變化的影響不顯著,整個(gè)海河流域年降水量與地下水儲(chǔ)量之間的相關(guān)系數(shù)僅為0.02,灤河及冀東沿海、海河北系甚至出現(xiàn)負(fù)相關(guān),這表明影響海河流域地下水儲(chǔ)量變化的主要因素不是降水量,而是人類開采的地下水量,這與之前學(xué)者研究結(jié)果一致[24]。
3.3.2 供水量變化影響 流域供水來(lái)源包括當(dāng)?shù)氐乇硭?、地下水、跨流域調(diào)水等,其中淮河流域外調(diào)水為引長(zhǎng)江水與黃河水,海河流域外調(diào)水在2015 年之前為引黃河水,南水北調(diào)引長(zhǎng)江水主要從2015 年開始?;春恿饔虻叵滤┧壤鹉昃徛郎p少,從2003 年占總供水量的32.3%降至2021 年的22%,主要原因是跨流域調(diào)水量呈增加趨勢(shì);地表水多年平均供水比例為55.8%,是其最主要的供水來(lái)源,地下水次之,平均占比26.9%(圖8)。黃河花園口以下地區(qū)地下水供水比例呈減小趨勢(shì),但總供水量呈增加趨勢(shì)。
圖8 黃淮海地區(qū)年供水量變化Fig.8 The annual fluctuations in water supply within the Huang-Huai-Hai region
海河流域地下水是主要的供水來(lái)源,2015 年以前地下水供水占比64.2%,2015 年南水北調(diào)工程通水后開始顯著減少,2019—2021 年已降到39.1%,但仍是海河流域最主要的供水來(lái)源。南水北調(diào)工程通水后,海河流域供水結(jié)構(gòu)發(fā)生了改變,地下水供水量明顯減少,但由于地下水多年持續(xù)超采嚴(yán)重,目前仍維持在近150 億m3/a,地下水儲(chǔ)量減少速率有所減緩,但下降趨勢(shì)未得到根本遏制[10]。
3.3.3 成因分析 以降水量、蒸散量、地下水供水量和跨流域調(diào)水量為自變量建立隨機(jī)森林模型,將計(jì)算所得影響因素重要性評(píng)分進(jìn)行歸一化處理,定量分析比較不同因子對(duì)黃淮海地區(qū)地下水儲(chǔ)量變化的相對(duì)影響程度(圖9)。結(jié)果表明,淮河流域地下水儲(chǔ)量變化的影響因子相對(duì)貢獻(xiàn)率為降水>蒸散發(fā)>地下水供水>跨流域調(diào)水,而海河流域影響因子的相對(duì)貢獻(xiàn)率為地下水供水>跨流域調(diào)水>降水>蒸散發(fā),黃河流域花園口以下的相對(duì)貢獻(xiàn)率為地下水供水>蒸散發(fā)>降水。各個(gè)流域地下水儲(chǔ)量變化的主導(dǎo)因素不同,降水是淮河流域的主導(dǎo)因素,貢獻(xiàn)率28.3%;地下水供水是海河流域和黃河流域花園口以下地區(qū)的主導(dǎo)因素,貢獻(xiàn)率分別達(dá)52.6%和58.0%。
圖9 黃淮海地區(qū)地下水儲(chǔ)量變化影響因素的相對(duì)貢獻(xiàn)度Fig.9 The relative contributions of factors influencing variations in groundwater storage within the Huang-Huai-Hai region
降水和蒸發(fā)等自然因素對(duì)淮河流域地下水儲(chǔ)量變化的影響程度顯著大于海河流域,而地下水供水是影響海河流域和黃河流域花園口以下地區(qū)地下水儲(chǔ)量下降的主導(dǎo)因素。研究表明人為因素對(duì)黃淮海地區(qū)地下水儲(chǔ)量變化影響逐漸增大[25-26],2003—2021 年間,地下水消耗遠(yuǎn)遠(yuǎn)超出了地下水系統(tǒng)的自然補(bǔ)給能力,導(dǎo)致整個(gè)海河流域和淮河流域北部地下水儲(chǔ)量大幅下降。海河流域跨流域調(diào)水的相對(duì)貢獻(xiàn)率大于淮河流域,隨著地下水超采治理及南水北調(diào)供水工程持續(xù)推進(jìn),地下水儲(chǔ)量下降速率近年來(lái)有所減緩,北京、天津等受水區(qū)城市地下水位上升明顯[27-28],但農(nóng)業(yè)區(qū)地下水位仍在下降。
(1)2003—2021 年間,黃淮海地區(qū)地下水儲(chǔ)量呈波動(dòng)減少趨勢(shì),平均變化速率為?1.22 cm/a,其中海河流域?yàn)?1.75 cm/a,淮河流域?yàn)?0.57 cm/a;海河南系虧損程度最嚴(yán)重,淮河上游和下游變化不顯著。2010 年代的下降速率高于2000 年代,隨著南水北調(diào)工程調(diào)水量的增加,地下水儲(chǔ)量下降速率有所減緩,沿線部分城市地下水儲(chǔ)量有所回升。
(2)地下水儲(chǔ)量變化存在明顯的空間差異性,海河流域虧損程度大于淮河流域。黃淮海地區(qū)94.2%的區(qū)域地下水儲(chǔ)量呈下降狀態(tài),下降速率整體表現(xiàn)出自南向北逐步增加的特征;海河南系為極顯著減少趨勢(shì),淮河流域上游及中游部分地區(qū)呈增加趨勢(shì)。
(3)黃淮海地區(qū)地下水儲(chǔ)量變化的主導(dǎo)因素不同,降水對(duì)淮河流域地下水儲(chǔ)量變化具有主導(dǎo)作用,而影響海河流域和黃河流域花園口以下地區(qū)最主要的因素是地下水供水量,多年持續(xù)超采造成地下水儲(chǔ)量大幅減少。南水北調(diào)工程通水后海河流域地下水開采量減少,改善了區(qū)域供水結(jié)構(gòu),地下水儲(chǔ)量下降得到緩解,但還需進(jìn)一步提高農(nóng)業(yè)用水效率,加強(qiáng)地下水資源管理。