海洋科学  2021, Vol. 45 Issue (9): 29-39   PDF    
http://dx.doi.org/10.11759/hykx20201223003

文章信息

罗璐, 俞烜, 刘丙军, 陈晓宏. 2021.
LUO Lu, YU Xuan, LIU Bing-jun, CHEN Xiao-hong. 2021.
基于地表水-地下水耦合模型的海底地下淡水排放量估算
Investigation of submarine groundwater discharge using the coupled surface-subsurface modeling
海洋科学, 45(9): 29-39
Marina Sciences, 45(9): 29-39.
http://dx.doi.org/10.11759/hykx20201223003

文章历史

收稿日期:2020-12-23
修回日期:2021-01-21
基于地表水-地下水耦合模型的海底地下淡水排放量估算
罗璐1,2, 俞烜1,2, 刘丙军1,2, 陈晓宏1,2     
1. 中山大学土木工程学院, 广东 珠海 519082;
2. 南方海洋科学与工程广东省实验室(珠海), 广东 珠海 519082
摘要:陆源地下淡水排泄(SFGD)作为海底地下水排泄(SGD)中的重要组成部分,也是陆地向海洋输送化学物质重要且隐蔽的通道。将宾州州立集成水文模型PIHM应用到广东省东南部沿海地区,构建海岸地表水-地下水耦合模型,对SFGD速率进行时空变异分析,结果表明:(1)SFGD速率与相关影响因子的多元回归分析显示当地形坡度i≤2%时,地形坡度是SFGD速率的主控因子,地形坡度越大,SFGD速率越大,当i>2%时,SFGD速率与各影响因子均无显著相关。(2)研究区域子流域之间SFGD速率差异主要是流域形状以及地形差异造成的,螺河流域片区海岸线短且沿海地区主要为平原地区,因此年均单位长度SFGD速率小。(3)在主要降雨事件中,SFGD比地表径流对降雨的响应更快,峰值出现时间比地表径流平均早1~3 d。利用地表水-地下水耦合模型研究SFGD速率的时空变异规律为海底地下水排泄估算提供了新途径,为未来沿海生态管理规划提供了科学参考。
关键词海底地下水排泄    陆源地下淡水排泄    地表水-地下水耦合模型    PIHM模型    
Investigation of submarine groundwater discharge using the coupled surface-subsurface modeling
LUO Lu1,2, YU Xuan1,2, LIU Bing-jun1,2, CHEN Xiao-hong1,2     
1. School of Civil Engineering, Sun Yat-sen University, Zhuhai 519082, China;
2. Southern Marine Science and Engineering Guangdong Laboratory(Zhuhai), Zhuhai 519082, China
Abstract: Submarine fresh groundwater discharge (SFGD) is an important component of the submarine groundwater discharge (SGD) flux and a significant pathway of chemical transport from continents to oceans. To analyze the spatial and temporal variations of SFGD using the surface-subsurface coupled model, we applied the physics-based, fully-coupled, distributed hydrologic model Penn State Integrated Hydrologic Model to coastal areas in the southeastern part of the Guangdong Province. Results showed (1) higher SFGD rates offshore of the steep terrain and lower SFGD rates downgradient of low-lying areas. Multiple regression analyses were conducted between relative factors and SFGD, and the results showed that the topographic gradient (i) predominantly controls the SFGD rates when i ≤ 2%. By contrast, there are no significant correlations when i >2%. (2) The differences in SFGD rates between the subbasins are mainly affected by the shapes and topography of the watershed. The SFGD rates of the Luo River basin are less than those of other areas because of its shorter coastline and flatter terrain. (3) The peak value of SFGD flux often appears one-three days earlier than runoff during major precipitation events. The coupled surface-subsurface modeling method is a promising method for the estimation of SFGD, with important scientific references for coastal ecological management.
Key words: submarine groundwater discharge (SGD)    submarine fresh groundwater discharge (SFGD)    coupled surface-subsurface model    PIHM    

全球有大约40%的人口和2/3的大型城市集中在沿海地区[1], 日益加剧的人类活动使得沿海地区所承受的环境压力越来越大, 近年来近海环境水污染事件如赤潮、有害藻华等也频繁发生, 这与陆源营养物质和污染物的输入密切相关[2-3]。以往的研究更多的是关注通过地表径流和大气沉降的污染物质输入, 而忽略了通过海底地下水排泄(SGD)输入的营养物质与污染物对海洋生态环境的影响。海底地下水排泄(SGD)是指不考虑流体成分、来源或驱动力, 通过陆架边缘由海底进入海洋的所有流体, 主要包括陆源地下淡水排泄(submarine fresh groundwater discharge, SFGD)和再循环海水地下水排泄(submarine circulate groundwater discharge, SCGD)[4-5]。已有研究表明, SGD所携带的营养盐、有机物及其他化学物质在某些地区接近甚至超过了地表径流的输入量[6-7], SFGD作为SGD的重要组成部分, 带来大量的陆源营养物质, 是陆地向海洋输送化学物质重要且隐蔽的通道, 与沿海生态环境密切相关[8]。同时, SFGD对于某些沿海社区来说也是重要的淡水来源[5], 研究SFGD对近岸人类生活环境和生态环境具有重要影响和意义。

目前, 研究SFGD的方法主要有三种: 直接测量法、同位素示踪法和水平衡与水文模型法[9]。SFGD速率具有空间分布不均匀性, 直接测量法难以在空间和时间尺度上对SFGD速率进行展延[10], 无法进行流域或区域尺度上的估算。同位素示踪法[11-13]适用于不同尺度范围SGD的评估, 但并不能很好的解释与其总SGD相关的陆源地下淡水成分[14], 无法对研究区域进行SFGD空间分布以及时序变化分析。水平衡与水文模型法是用于估算区域SFGD速率的常用方法[15-16], 许多研究采用水文模型法对海岸SFGD进行估算时[17-18], 由于未考虑地下水与河流的交互作用, 无法反映SFGD对河流季节变化的响应规律, 由于海岸水文地质参数获取较难, 将水文耦合模型扩展应用到海岸带研究的较少[19]。随着海岸地区经济文化重要性的不断加强, 近海生态环境要求的不断提高, 进一步了解沿海流域与河口之间的水文过程, 对沿海地区陆源地下淡水排泄进行高分辨率时空估计显得愈加重要[9, 20]

本次研究利用宾州州立集成水文模型(Penn State Integrated Hydrologic Model)PIHM将地表水-地下水进行耦合, 构建海岸地表水-地下水耦合模型, 并应用于广东省东南部红海湾区域, 估计沿海流域的陆源地下淡水通量, 对SFGD速率进行时空变异分析, 从而进一步了解沿海流域与河口之间相互作用的水文过程。研究基于宾州州立集成水文模型PIHM和高分辨率水文数据集, 通过模拟沿海地表、地下和海洋之间的水量交换过程, 估计流域SFGD速率, 对其空间上进行流域尺度分析、影响因素分析, 时间上进行降水响应分析, 揭示流域SFGD速率的时空变异规律。

1 研究区概况与数据来源 1.1 研究区概况

研究区域位于广东省东南部沿海, 如图 1所示, 其地理位置为22°42′21″~23°29′25″N, 114°57′47″~ 115°46′48″E, 北倚莲花山脉, 南濒南海, 从东至西依次由螺河流域片区、黄江河流域片区以及赤石河流域片区构成。区域总面积3 510 km2, 海岸线总长190 km, 地势西北高东南低, 研究区内所有河流汇入南海。

图 1 研究区域概况 Fig. 1 Study area

研究区属南亚热带季风气候区, 年平均降水量为1 900~2 500 mm。降雨时空分配不均匀, 空间上从西北山区向东南沿海区递减, 时间上夏多冬少, 其中4月—9月(汛期)的降水占全年降水的85%以上。年平均气温为21.9 ℃ [21], 全年无霜期为347 d, 年平均日照为2 179.1 h, 日照率为49%; 太阳辐射总量年平均120 kcal/cm2以上。年平均水面蒸发量为1 351.5 mm, 沿海一带水面蒸发量较大, 山丘区水面蒸发量较小。研究区湿度为78%~83%。据陆丰气象站统计资料表明, 年最大瞬时风速为40 m/s (风向为SE、NW), 年最大10 min平均风速为25 m/s (风向为W)。

研究区上覆沉积物主要是晚更新统和全新统两个不同时期形成[22]。研究区土壤以红壤为主, 基底由燕山期花岗岩组成, 西北部靠近莲花山脉地区的坡地和山脚为母岩风化而成的山地红壤, 含砂质较高; 中部平原丘陵地区主要为第四系洪积和沉积赤红壤, 为河流或海潮挟带河沙沉积而成, 多种植水田, 此外, 东南碣石湾沿海地区和西部红海湾沿海地区分布有少量滨海风沙土和酸性硫酸盐土。

1.2 数据来源

模型所需的基础数据包括研究区地形数据(DEM)、土地利用类型及分布信息(LUCC)、土壤属性数据库信息、水文气象资料等。

DEM数据选用30 m空间分辨率的美国国家航空航天局(NASA)的SRTM数据(http://srtm.csi.cgiar.org)。水文气象数据来自中国气象局, 主要包括日降水、日平均气温、日照、相对湿度以及风速等。模型径流模拟结果率定与验证的标准数据来自区域内唯一水文站蕉坑站2001年—2002年实测日径流量, 数据系列完整连续。

本研究的土壤类型数据来源于中国科学院资源环境科学数据中心(http://www.resdc.cn)。由Pedotransfer函数[23]来估算饱和水力传导系数以及Van Genuchten持水参数αn(表 1)。

表 1 研究区域土壤类型及主要参数 Tab. 1 Descriptions and essential parameters of the soil types in the study area
土壤代码 土壤名称 粉砂土占比/% 黏土占比/% 饱和水力传导系数Ksat/(m·d–1) Van Genuchten模型参数α/m–1 Van Genuchten模型参数n
23119101 水稻土 38 29 0.33 3.73 1.17
23119102 潴育水稻土 38 26 0.35 3.79 1.18
23119104 渗育水稻土 35 28 0.38 4.08 1.17
23119108 盐渍水稻土 46 27 0.24 3.03 1.18
23121112 黄色赤红壤 29 43 0.34 3.69 1.13
23121121 红壤 25 36 0.49 4.84 1.15
23121122 黄红壤 33 31 0.39 4.2 1.16
23121132 漂洗黄壤 30 25 0.49 4.71 1.19
23115144 滨海风沙土 1 2 6.35 5.9 1.81
23118122 滨海盐土 29 43 0.34 3.69 1.13
23116141 潮土 31 22 0.49 4.57 1.21
23118132 酸性硫酸盐土 45 49 0.14 1.95 1.12

土地利用类型选用清华大学地球科学系统研究中心2017年全球土地覆盖10 m空间分辨率数据集[24](http://data.ess.tsinghua.edu.cn/fromglc10_2017v01.html)。将土地利用类型转换为PIHM模型自带的土壤属性数据库, 研究区内有8种土地覆盖类型, 包括常绿林(46.7%)、耕地(32.0%)、城市地面(6.4%)、开放水域(5.9%)、草地(5.1%)、灌木林(3.2%)、荒地(0.6%)和林木湿地(0.2%)。

2 研究方法 2.1 模型介绍

宾州州立集成水文模型PIHM是基于物理过程的、完全耦合的分布式水文模型[25], 以完全耦合的方式模拟截留、入渗、补给、蒸发蒸腾、地表径流、地下径流和河网汇流过程(图 2)。区域分解受观测点、边界条件等水文特征的约束, 根据流域的地貌或水文特征, 改变流域空间离散的分辨率。每个控制体上进行水文过程建模, 包括地表径流、地下径流和渠道径流的偏微分方程, 以及叶面截留、入渗、补给和蒸散发的常微分方程。采用有限体积法将偏微分方程离散化为常微分方程, 每个网格都有对应的局部常微分方程系统, 整个研究区域组合形成一个总常微分方程系统, 使用SUNDIALS进行求解[26]

图 2 PIHM模型产汇流结构 Fig. 2 PennState Integrated Hydrologic Model processes

在PIHM的原始方程中, 侧重于对闭合流域进行水文模拟。通过对方程进行修改, 在流域的海岸边界处添加水头压力[27], 将海岸水文边界条件整合到模型中, 使得PIHM能够考虑海岸边界对海岸流域的影响。

2.2 基本方程

总蒸发量为林冠截留量(ec)、植被蒸腾量(et)、土壤蒸发量(es)的总和。采用Penman Monteith方程计算潜在蒸发量, 采用Noah_LSM方程来计算实际蒸散发量:

$ \left\{ {\begin{array}{*{20}{c}} {{e_{\rm{p}}} = \frac{{\Delta \left( {{R_{\rm{n}}} - G} \right) + {\rho _{\rm{a}}}{C_{\rm{p}}}\frac{{\left( {{\varepsilon _{\rm{s}}} - {\varepsilon _{\rm{a}}}} \right)}}{{{r_{\rm{a}}}}}}}{{\Delta + \gamma \left( {1 + \frac{{{r_{\rm{s}}}}}{{{r_{\rm{a}}}}}} \right)}}}\\ {{e_{\rm{c}}} = {\sigma _{\rm{f}}}{e_{\rm{p}}}{{\left( {\frac{{{W_{\rm{c}}}}}{S}} \right)}^{0.5}}}\\ {{e_{\rm{t}}} = {\sigma _{\rm{f}}}{e_{\rm{p}}}{B_{\rm{c}}}\left[ {1 - {{\left( {\frac{{{W_{\rm{c}}}}}{S}} \right)}^{0.5}}} \right]}\\ {{e_{\rm{s}}} = \left( {1 - {\sigma _{\rm{f}}}} \right)\beta {e_{\rm{p}}}}\\ {\beta = \frac{{\theta - {\theta _{\rm{w}}}}}{{{\theta _{{\rm{ref}}}} - {\theta _{\rm{w}}}}}}\\ {\frac{{{\rm{d}}{h_{\rm{v}}}}}{{{\rm{d}}t}}{{\rm{|}}_m} = {p_{\rm{v}}} - {e_{\rm{c}}} - {p_{\rm{t}}}{{\rm{|}}_m},} \end{array}} \right.$ (1)

式中, ep为潜在蒸散发量; Rn为植被地表净辐射; G为土壤热通量密度; εs – εa为空气蒸汽压差额; ρa为空气密度; Cp为空气比热; Δ为饱和蒸气压-温度关系曲线的斜率; γ为计量常数; rs, ra分别为表面和空气动力阻力; σf为植被覆盖率; Wc为截冠含水量; S为最大冠层容量; Bc为冠层阻力; β为土壤水饱和度; θref为田间持水量; θw为萎蔫点; hv为植被截留量; pv为总降水量当量; pt为地表储水的入渗量和径流量; 下标m为空间网格编号, 范围从1到三角形网格总数。

使用二维Saint Venant方程来描述坡面漫流, 使用一维Saint Venant方程描述渠道径流, 使用Richard方程来描述地下径流, 用半离散方式表示为:

$ \left\{ {\begin{array}{*{20}{c}} {\frac{{{\rm{d}}{h_0}}}{{{\rm{d}}t}}{{\left| {m = {p_{\rm{t}}} - {q^ + } - e + \sum\limits_{j = 1}^3 {q_j^{\rm{s}}} } \right|}_m}}\\ {{\theta _{\rm{s}}}\frac{{{\rm{d}}{h_{\rm{u}}}}}{{{\rm{d}}t}}{{\left| {m = {q^ + } - {q^0}} \right|}_m}}\\ {{\theta _{\rm{s}}}\frac{{{\rm{d}}{h_{\rm{g}}}}}{{{\rm{d}}t}}{{\left| {m = {q^0} + \sum\limits_{j = 1}^3 {q_j^{\rm{g}}} } \right|}_m}}\\ {\frac{{{\rm{d}}{h_{\rm{c}}}}}{{{\rm{d}}t}}{{\left| {k = p - e + \sum\limits_{j = 1}^2 {\left( {q_{\rm{l}}^{\rm{s}} + q_{\rm{l}}^{\rm{g}}} \right) + q_{{\rm{in}}}^{\rm{c}} - q_{{\rm{out}}}^{\rm{c}}} } \right|}_k},} \end{array}} \right. $ (2)

式中, h0为地表浅水深度; qjs为元素i到相邻元素j的归一化侧向地表流量; ptq+e分别为净降水量、入渗量、蒸发量; 下标m为空间网格编号, 范围从1到三角形网格总数; θs为含水率; hu为非饱和地下水深度; hg为地下水深度; q0为非饱和-饱和区之间的地下水通量; qjg为从元素i到邻近元素j的归一化侧向地下流量; hc为河道水深; pe分别为来自河道段的降水量和蒸发量; qls、qlg分别为来自河道两侧的地表侧向流量和与河道相互作用的地下水流量; 各河道段的上下游流量分别为qincqoutc; 下标k为河道段编号, 范围从1到河道段总数。

淡水地下水通量采用以下公式进行计算[27]:

$ {q_{{\rm{freshSGD}}}} = - k\frac{{\theta \left( {{S_{{\rm{sat}}}} + {Z_{\rm{b}}} - SL} \right)}}{{\partial x}} , $ (3)

式中, qfreshSGD为淡水地下水通量, 单位m2/s; Ssat为饱和地下水储量, 单位m; Zb为基底高程, 单位m; K为水力传导系数, 单位m/d; SL为潮位高, 单位m, 设为平均海平面高度。

2.3 模型构建

用三角网格剖分法对模型进行剖分, 共得到节点6 473个, 三角形单元12 206个, 河网剖分为231条河道段。沿海岸线单元设置为定水头边界。单元平均面积约为2.88×105 m2, 单元边长为500~ 1 000 m, 主要径流宽度为50~100 m。模型空间离散图如图 1(e)所示。模拟区域初始地表水设置为0 m, 初始地下水位设定为地表以下5 m, 沿海边界处的初始地下水位高程设置为0 m(平均海平面)。通过输入1992年至2014年的气象数据对研究区域的水文过程进行模拟。

3 结果与讨论 3.1 模型率定与验证

以1992年为预热期, 利用区域内唯一水文站蕉坑站2001—2002年实测日径流量, 对模型土壤及土地覆盖关键参数进行率定和验证, 选取相关系数(R)、相对误差(RE)、纳什效率系数(NSE)[28]和Kling-Gupta系数(KGE)[29]作为评价指标。RNSE用于评估日径流过程模拟效果, RE用于分析年径流总量的模拟精度, KGE是一个集成相关系数、模拟值和实测值的均值与误差的评价指标, 用于综合反映模拟效果。关键参数包括土壤孔隙率、土壤水力参数、含水层导水率、优先流深度、河床曼宁糙率。早期模型应用提供了这些关键参数上下界的参考值[30-31]以及率定方法[26]。由于地表水-地下水耦合模拟的计算过程耗时高, 需要将参数分成两组: 产流参数组与蒸发参数组, 进行分别调参。产流参数调参选取了2001年7月1日到至7月15日的降雨径流过程, 利用CMA-ES(协方差矩阵自适应进化策略)方法进行优化。将优化结果代入后, 利用2001年水量平衡进行蒸发组参数的率定。验证期为2002年1月1日至2002年12月31日。模型率定和验证期结果见图 3

图 3 蕉坑水文站实测日径流量与模拟日径流量过程 Fig. 3 Observed and simulated streamflows at Jiaokeng station

图 3中可以看出, 率定期和验证期模拟的日均流量过程与实测过程吻合。NSE在率定期和验证期分别为0.74和0.79, R分别为0.90和0.91, 年径流相对误差RE低于10%, KGE分别为0.78和0.73, 四个评价指标充分说明模拟满足精度要求。模型率定得到的主要参数结果见表 1表 2

表 2 研究区域土地覆盖类型及主要参数水 Tab. 2 Land cover types and essential parameters in the study area
土地覆盖类型(英文) 土地覆盖类型(中文) 最大叶面指数(LAI) 最小孔隙阻力 参考孔隙阻力/(×106) 反照率 植被
因子
曼宁粗糙系数/(×10–7${\rm{d/}}{{\rm{m}}^{\frac{{\rm{1}}}{{\rm{3}}}}}$) 根区深度/m
Open water 开放水域 0.00 0.000 0 0.00 0.14 0.00 4.34 0.00
Developed High Intensity 城市地面 5.00 0.001 8 8.42 0.25 0.10 1.50 0.00
Barren Land 荒地 0.00 0.000 0 0.00 0.23 0.00 4.14 0.00
Evergreen Forest 常绿林 4.98 0.001 8 8.44 0.24 0.83 6.71 0.60
Shrub/Scrub 灌木林 1.53 0.001 2 6.54 0.15 0.38 3.13 0.60
Grassland/Herbaceous 草地 4.30 0.001 7 7.78 0.26 0.65 4.17 0.60
Cultivated Crops 耕地 2.87 0.000 8 5.18 0.15 0.50 2.78 0.60
Woody Wetlands 林木湿地 1.53 0.002 0 1.19 0.24 0.40 4.75 0.60
3.2 SFGD影响因素分析

在本次研究中, SFGD的影响因素主要为地形坡度(i)、渗透系数(k)以及含水层厚度(t)。模型离散化将研究区域沿海边界剖分成216段, 计算每一段边界的坡度、渗透系数、含水层厚度以及年均单位长度SFGD速率, 通过SFGD速率与各参数关系图(图 4)可以看出, 当i≤2%时, lg(SFGD)随i的增加而增加, 当i > 2%时, lg(SFGD)逐渐趋于稳定值。按照地形坡度是否大于2%, 对SFGD速率与地形坡度(i)、渗透系数(k)以及含水层厚度(t)进行多元线性回归分析(表 3)。结果显示, 当i≤2%时, lg(SFGD)与地形坡度呈极显著正相关性(P < 0.01, ri = 0.617), 与渗透系数(k)无显著相关性(P > 0.05, rk = –0.101), 与含水层厚度(t)关系不显著(P > 0.05, rt = 0.465)。表明地形坡度是SFGD速率的主控因子, 地形坡度通过影响水力坡度从而影响流向海岸的地下水, 随着地形坡度的增加, SFGD速率增加。SFGD速率空间分布图(图 5)显示, 地形坡度大的沿海地区SFGD速率大, 地形平缓或低洼地区SFGD速率较小。当i > 2%时, 回归模型相关系数R较小, 表明回归模型没有明显相关性, lg(SFGD)与各个自变量均无显著相关。

图 4 模拟SFGD速率与相关水文参数关系图 Fig. 4 Relationship between submarine fresh groundwater discharge (SFGD) flux and related parameters

表 3 lg(SFGD)多元线性回归分析系数 Tab. 3 Coefficients of multiple linear regression analysis of lg(SFGD)
地形坡度范围 回归参数 k t i 常量 R n
i≤ 2% r –0.101 0.465 0.617 10.906 0.630 122
回归系数β (标准化) –0.127 0.004 0.620**
Sig. 0.079 0.973 0.000
i > 2% r –0.027 0.064 0.068 12.340 0.162 94
回归系数β (标准化) –0.066 0.077 0.083
Sig. 0.542 0.463 0.427
注: **表示P < 0.01水平上达到极显著; r为与lg(SFGD)的Pearson相关系数; R为回归模型的相关系数; n为样本数

图 5 SFGD速率空间分布图 Fig. 5 Spatial distribution maps of SFGD
3.3 SFGD流域尺度分析

研究区总面积为3.51×103 km2, 海岸线长190.32 km, 从东至西按照主河道依次可划分为三个子流域片区, 分别是螺河流域片区、黄江河流域片区和赤石河流域片区。通过分析研究区1993年—2014年共22 a的SFGD模拟结果(表 4), 年平均SFGD速率为20.69×107 m3/a (2.98 m2/d或0.016 1 cm/d), 占研究区内河道径流入海总量的3.28%。三个子流域中, 赤石河流域的单位长度SFGD速率最大, 为3.21 m2/d, 黄江河流域为3.05 m2/d, 与赤石河流域相近, 螺河流域的单位长度SFGD速率最小, 为0.7 m2/d, 根据4.2及4.3的分析结果, 造成这种差异的重要原因是由于三个子流域之间地形和形状的差异, 螺河流域海岸线短, 且沿海地区几乎都是平原, 地表坡度小, 因此海底地下水排泄量小。

表 4 海底地下水排泄量结果统计 Tab. 4 Results of submarine groundwater discharge
子流域名称 流域面积/km2 海岸线长度/km 年平均地表径流量/(×109 m3·a–1) 年平均SFGD/(×107m3·a–1) 单位长度SFGD/(m2·d–1) 单位面积SFGD/(cm·d–1) SFGD占比径流量
螺河流域 1 556.2 7.19 2.90 0.18 0.70 0.000 3 0.06%
黄江河流域 1 516.8 166.13 2.71 18.51 3.05 0.033 4 6.84%
赤石河流域 436.8 16.99 0.70 2.00 3.21 0.012 5 2.87%
总计 3 509.8 190.32 6.31 20.69 2.98 0.016 1 3.28%
3.4 SFGD对降水的响应分析

统计三个子流域片区入海口处1993年—2014年间主要降水事件中地表径流峰值与SFGD通量峰值响应时间, 采用配对t检验进行分析比较(图 6), 螺河流域片区、黄江河流域片区及赤石河流域片区检验的t值分别为7.638、15.426、6.603, 其双侧检验的P值均小于0.05, 表明检验结果差异显著。对比分析发现相对于地表径流, SFGD对降雨的响应更快, 平均快1~3 d。这种差异的产生可能是由于SFGD与流域地表径流的补给区不同造成的。Sawyer等[32]在对美国海岸的陆源地下淡水进行估算时, 将沿海流域依据其地貌地质划分为了不同类别的区域(图 7), SFGD的补给区为径流集水区之外的向海集水区域(图 7中的白色区域), 该区域内的地下水直接流向海洋。而地表径流则来源于径流集水区(图 7中的灰色区域), 在本研究中, 计算的地表径流降水响应时间为流域入海口处的降水响应时间, 径流集水区的流域范围要更大, 因此其汇流时间会大于SFGD补给区的汇流时间。以上分析表明, 当发生降雨事件时, 陆源地下淡水会先于地表径流达到峰值, 因此, 在沿海地区进行地下水资源管理和SFGD观测时, 需要加强监管以更快进行应对。以上分析表明, 在沿海地区进行地下水资源管理和SFGD观测时, 需要投入更多的精力以更快进行应对。

图 6 地表径流峰值与SFGD峰值响应时间对比 Fig. 6 Comparison between the peak values of runoff and SFGD flux

图 7 SFGD补给区示意图(改自Sawyer等[32]) Fig. 7 Recharge area of SFGD (modify from Sawyer et al.[32])
3.5 SFGD模拟结果比较

研究区域位于广东省东南部红海湾区域, SFGD速率为2.1×108 m3/a, 该区域目前尚无SFGD评估结果可供直接比对。最近两篇估算全球海岸SFGD通量的研究中, Zhou等[18]关于研究区域的估算结果为2.4×108 m3/a, 与我们的估算结果相近; Luijendijk等[17]关于研究区域的估算结果为2.66×107(2.16×106~ 1.48×108) m3/a, 低于我们的评估结果。在进行全球海岸SFGD评估中, 采用的流域数据库比较粗糙, 而且由于考虑到模型计算成本, 在局部区域上会进行简化计算。本研究采用高分辨率水文气象数据集和详细的水文地质参数, 考虑了地表水-地下水交互作用, 对SFGD的时空分析有更高的分辨率。

将本研究的SFGD估计值与表 5中其他研究区域的SFGD估计值进行比较。为方便比较, 将单位统一为单位时间内单位海岸线长度排放量(m2/d), 即研究区域海岸线长度除SFGD排泄量。研究区的SFGD速率为2.78 m2/d, 在其他海岸SFGD评估结果范围内。沿海流域受到复杂的近海动力过程影响, 如潮汐、波浪以及海平面变化等。Kuan等[33]结合物理实验和数值模拟法研究改变内陆淡水输入以及潮汐力对海底地下水排泄的影响, 发现潮汐会通过改变淡水排泄区域宽度从而引起SFGD时间排放规律的变化; Michael等[36]的研究表明海平面上升对SFGD的影响主要取决于沿海含水层的水文地质属性, 通量控制属性(flux-controlled)的沿海含水层受到海平面上升带来的影响较小, 而水头控制属性(head-controlled)的沿海含水层则会受到较大影响。本文对研究区域近海驱动力进行简化处理, 将海岸边界设置为定水头边界, 对小时尺度的SFGD估算存在一定误差, 在日尺度及月尺度的误差影响更为明显, 将在以后的研究中进行进一步的考虑。

表 5 其他地区SFGD速率 Tab. 5 Submarine fresh groundwater discharge in different coastal zones
研究区 海岸线/km SFGD/(m2·d–1) 评估方法 参考文献
香港吐露港 82 2.56~6.71 镭同位素质量平衡模型 [35]
墨西哥湾 1 200 0.1~3.7 氡同位素盐度混合模型法、达西定律法 [36]
Indian river lagoon, Florida 250 0.02~0.9 氡同位素法、渗流仪法 [37]
Waquoit Bay 0.61 4.06 镭同位素法、渗流仪法 [38]
红海湾 190 2.78 水文模型法 本研究
4 结论

本文将宾州州立集成水文模型PIHM拓展应用到沿海地区, 通过开发沿海区域尺度地表水—地下水耦合模型, 估算区域SFGD通量, 深入揭示SFGD通量时空变异特征, 进一步理解沿海流域与河口之间相互作用的水文过程。模型在广东省东南部红海湾区域模拟效果良好。主要结论如下:

1) 当坡度i≤2%时, 地形坡度是SFGD的主控因子, 随着地形坡度的上升, SFGD排放速率增加, 地形坡度大的沿海地区SFGD速率大, 地形平缓或低洼地区SFGD速率较小; 当坡度i > 2%时, SFGD速率与各个自变量均无显著相关。

2) 研究区域年均SFGD通量占研究区内河道径流年均总量的3.28%。三个子流域片区之间SFGD通量的差异主要是流域形状和地形的差异引起的, 螺河流域海岸线短且沿海主要为平原地区, 因此海底地下水排泄量小。

3) 分别对三个子流域片区的地表径流峰值与SFGD峰值在主要降雨事件中的响应时间进行分析, 结果表明SFGD比地表径流对降雨的响应更快, 峰值出现时间比地表径流平均早1~3 d。

4) 本文将地表水-地下水耦合模型应用于海岸地区, 所建立的地表水-地下水耦合模型为分析SFGD通量的时空变异规律提供了一种有效的数值方法。现阶段模型缺少与流域内地下水水位数据的对比, 将在以后的工作中着重考虑。

参考文献
[1]
MRTTINEZ M L, INTRALAWAN A, VAZQUEZ G, et al. The coasts of our world: Ecological, economic and social importance[J]. Ecological Economics, 2007, 63(2/3): 254-272.
[2]
陈吉余, 陈沈良. 中国河口海岸面临的挑战[J]. 海洋地质动态, 2002, 18(1): 1-5, 3.
CHEN Jiyu, CHEN Shenliang. Estuarine and coastal challenges in China[J]. Marine Geology Frontiers, 2002, 18(1): 1-5, 3. DOI:10.3969/j.issn.1009-2722.2002.01.001
[3]
周名江, 朱明远. "我国近海有害赤潮发生的生态学、海洋学机制及预测防治"研究进展[J]. 地球科学进展, 2006, 21(7): 673-679, 764-765.
ZHOU Mingjiang, ZHU Mingyuan. Progress of the project "ecology and oceanography of harmful algal blooms in China"[J]. Advance in Earth Science, 2006, 21(7): 673-679, 764-765. DOI:10.3321/j.issn:1001-8166.2006.07.003
[4]
BURNETT W C, BOKUNIEWICZ H, HUETTEL M, et al. Groundwater and pore water inputs to the coastal zone[J]. Biogeochemistry, 2003, 66(1/2): 3-33. DOI:10.1023/B:BIOG.0000006066.21240.53
[5]
MOORE W S. The effect of submarine groundwater discharge on the ocean[J]. Annual Review of Marine Science, 2010, 2: 59-88. DOI:10.1146/annurev-marine-120308-081019
[6]
李海龙, 王学静. 海底地下水排泄研究回顾与进展[J]. 地球科学进展, 2015, 30(6): 636-646.
LI Hailong, WANG Xuejing. Submarine groundwater discharge: A review[J]. Advance in Earth Science, 2015, 30(6): 636-646.
[7]
ZHANG Y, LI H L, XIAO K, et al. Improving estimation of submarine groundwater discharge using radium and radon tracers: application in Jiaozhou Bay, China[J]. Journal of Geophysical Research-Oceans, 2017, 122(10): 8263-8277. DOI:10.1002/2017JC013237
[8]
张锋. 海底地下水排泄对沿海海域营养盐平衡的影响[D]. 杭州: 浙江大学, 2010.
ZHANG Feng. Influence of submarine groundwater discharge on nutrients balance in coastal waters[D]. Hangzhou: Zhejiang University, 2010.
[9]
刘建辉, 郭占荣. 输入海洋的沿岸区地下水研究进展[J]. 海洋科学, 2008, 32(4): 87-91.
LIU Jianhui, GUO Zhanrong. Advances of the research of submarine ground water discharge (SGD) in coastal ocean[J]. Marine Sciences, 2008, 32(4): 87-91.
[10]
TANIGUCHI M, ISHITOBIT T, SAEKI K I. Evaluation of time-space distributions of submarine ground water discharge[J]. Groundwater, 2005, 43(3): 336-342. DOI:10.1111/j.1745-6584.2005.0027.x
[11]
王希龙, 杜金洲, 张经. 基于223Ra和224Ra的桑沟湾海底地下水排放通量[J]. 海洋学报, 2017, 39(4): 16-27.
WANG Xilong, DU Jinzhou, ZHANG Jing. Submarine groundwater discharge into Sanggou Bay traced by 223Ra and 224Ra[J]. Haiyang Xuebao, 2017, 39(4): 16-27. DOI:10.3969/j.issn.0253-4193.2017.04.002
[12]
卜庆伟, 李福林, 陈学群, 等. 莱州湾东岸海底地下水来源判别及量值估算[J]. 海洋科学, 2013, 37(11): 74-78.
BU Qingwei, LI Fulin, CHENG Xuequn, et al. Identification and quantification of submarine groundwater discharge along the east coast of the Laizhou Bay[J]. Marine Sciences, 2013, 37(11): 74-78.
[13]
王亚丽, 张芬芬, 陈小刚, 等. 海底地下水排放对典型红树林蓝碳收支的影响——以广西珍珠湾为例[J]. 海洋学报, 2020, 42(10): 37-46.
WANG Yali, ZHANG Fenfen, CHEN Xiaogang, et al. Influence of submarine groundwater discharge in the blue carbon budget of typical mangrove-A case study from the Zhenzhu Bay, Guangxi[J]. Haiyang Xuebao, 2020, 42(10): 37-46.
[14]
PRIETO C, DESTOUNI G. Is submarine groundwater discharge predictable?[J]. Geophysical Research Letters, 2011, 38: L01402.
[15]
SHIMIZU Y, ONODERA S I, SAITO M. Estimation of spatial variation in submarine groundwater discharges from a coastal grid 50 m square, using a topographic model: An example of the application to the middle of the Seto Inland Sea[J]. Japanese Journal of Limnology (Rikusuigaku Zasshi), 2009, 70(2): 129-139. DOI:10.3739/rikusui.70.129
[16]
常雅雯, 胡晓农, 张汉雄, 等. 泥质潮滩的海水-地下水交换量化研究——以莱州湾南岸为例[J]. 海洋通报, 2018, 37(4): 450-458.
CHANG Yawen, HU Xiaonong, ZHANG Hanxiong, et al. Quantifying seawater−groundwater exchange rates in muddy tidal flat: a case study of the south coast of the Laizhou Bay[J]. Marine Science Bulletin, 2018, 37(4): 450-458.
[17]
LUIJENDIJK E, GLEESON T, MOOSDORF N. Fresh groundwater discharge insignificant for the world's oceans but important for coastal ecosystems[J]. Nature Communication, 2020, 11: 1260. DOI:10.1038/s41467-020-15064-8
[18]
ZHOU Y Q, SAWYER A H, DAVID C H, et al. Fresh submarine groundwater discharge to the near-global coast[J]. Geophysical Research Letters, 2019, 46(11): 5855-5863. DOI:10.1029/2019GL082749
[19]
王焰新, 甘义群, 邓娅敏, 等. 海岸带海陆交互作用过程及其生态环境效应研究进展[J]. 地质科技通报, 2020, 39(1): 1-10.
WANG Yanxin, GAN Yiqun, DENG Yamin, et al. Land-ocean interactions and their eco-environmental effects in the coastal zone: Current progress and future perspectives[J]. Bulletin of Geological Science and Technology, 2020, 39(1): 1-10.
[20]
CHEN Y, SHI F, KIRBY J T, et al. A computationally efficient subgrid model for coupled surface and groundwater flows[J]. Coastal Engineering, 2020, 157: 103665. DOI:10.1016/j.coastaleng.2020.103665
[21]
钟平威, 林晓青, 李世光. 汕尾市近53年的气候变化特征[J]. 广东气象, 2008, 30(S2): 45-47.
ZHONG Pingwei, LIN Xiaoqing, LI Shiguang. Characteristics of climate changing in Shanwei[J]. Guangdong Meteorology, 2008, 30(S2): 45-47.
[22]
杨胜明. 广东红海湾第四纪沉积特征[J]. 海洋地质与第四纪地质, 1987, 7(1): 81-90.
YANG Shengming. Characteristics of Quaternary sedimentation in Honghai Bay, Guangdong Province[J]. Marine Geology & Quaternary Geology, 1987, 7(1): 81-90.
[23]
WOSTEN J H M, PACHEPSKY Y A, RAWLS W J. Pedotransfer functions: bridging the gap between available basic soil data and missing soil hydraulic characteristics[J]. Journal of Hydrology, 2001, 251(3): 123-150.
[24]
GONG P, LIU H, ZHANG M N, et al. Stable classification with limited sample: transferring a 30-m resolution sample set collected in 2015 to mapping 10-m resolution global land cover in 2017[J]. Science Bulletin, 2019, 64(6): 370-373. DOI:10.1016/j.scib.2019.03.002
[25]
QU Y Z, DUFFY C J. A semidiscrete finite volume formulation for multiprocess watershed simulation[J]. Water Resources Research, 2007, 43(8): W08419.
[26]
YU X, BHATT G, DUFFY C, et al. Parameterization for distributed watershed modeling using national data and evolutionary algorithm[J]. Computers & Geosciences, 2013, 58: 80-90.
[27]
ZHANG Y, LI W, SUN G, et al. Understanding coastal wetland hydrology with a new regional-scale, process-based hydrological model[J]. Hydrological Processes, 2018, 32(20): 3158-3173. DOI:10.1002/hyp.13247
[28]
NASH J E, SUTCLIFFE J V. River flow forecasting through conceptual models part Ⅰ-A discussion of principles[J]. Journal of Hydrology, 1970, 10(3): 282-290. DOI:10.1016/0022-1694(70)90255-6
[29]
GUPTA H V, KLING H, YILMAZ K K, et al. Decomposition of the mean squared error and NSE performance criteria: Implications for improving hydrological modelling[J]. Journal of Hydrology, 2009, 377(1/2): 80-91.
[30]
YU X, DUFFY C, ZHANG Y, et al. Virtual experiments guide calibration strategies for a real-world watershed application of coupled surface-subsurface modeling[J]. Journal of Hydrologic Engneering, 2016, 21(11): 04016043. DOI:10.1061/(ASCE)HE.1943-5584.0001431
[31]
YU X, DUFFY C, KAYE J, et al. Watershed reanalysis of water and carbon cycle models at a critical zone observatory[M]//LAKSHMI V, ALSDORF D, ANDERSON M, et al. Geophysical monograph series: remote sensing of the terrestrial water cycle. Hoboken, New Jersy, US: John Wiley and Sons, 2014, 206: 493-509.
[32]
SAWYER A H, DAVID C H, FAMIGLIETTI J S. Continental patterns of submarine groundwater discharge reveal coastal vulnerabilities[J]. Science, 2016, 353(6300): 705-707. DOI:10.1126/science.aag1058
[33]
KUAN W K, XIN P, JIN G Q, et al. Combined effect of tides and varying inland groundwater input on flow and salinity distribution in unconfined coastal aquifers[J]. Water Resources Research, 2019, 55(11): 8864-8880. DOI:10.1029/2018WR024492
[34]
MICHAEL H A, RUSSONIELLO C J, BYRON L A. Global assessment of vulnerability to sea-level rise in topography-limited and recharge-limited coastal groundwater systems[J]. Water Resources Research, 2013, 49(4): 2228-2240. DOI:10.1002/wrcr.20213
[35]
LUO X, JIAO J J, MOORE W S, et al. Submarine groundwater discharge estimation in an urbanized embayment in Hong Kong via short-lived radium isotopes and its implication of nutrient loadings and primary production[J]. Marine Pollution Bulletin, 2014, 82(1/2): 144-154.
[36]
SANTOS I R, BURNETT W C, CHANTON J, et al. Land or ocean?: Assessing the driving forces of submarine groundwater discharge at a coastal site in the Gulf of Mexico[J]. Journal of Geophysical Research: Oceans, 2009, 114: C04012.
[37]
MARTIN J B, CABLE J E, SMITH C, et al. Magnitudes of submarine groundwater discharge from marine and terrestrial sources: Indian River Lagoon, Florida[J]. Water Resources Research, 2007, 43(5): W05440.
[38]
MICHAEL H A, CHARETTE M A, HARVEY C F. Patterns and variability of groundwater flow and radium activity at the coast: A case study from Waquoit Bay, Massachusetts[J]. Marine Chemistry, 2011, 127(1/4): 100-114.