作者:Sam Zipper、Ian Gambill、Monty Schmitt、Claire Kouba、Leland Scantlebury、Thomas Harter、Nicholas P. Murphy
虽然地表水和地下水资源历来是分开管理和监管的(Gage & Milman, 2020),但在许多情况下,它们实际上是相互关联的资源(Winter et al., 1998)。由于地下水抽取导致的径流量减少,即“径流量枯竭”(Barlow et al., 2018, Barlow and Leake, 2012),是地下水使用影响地表水资源和依赖地下水的生态系统的主要机制(Rohde et al., 2017)。近年来,出现了要求在制定水资源管理计划时量化并考虑地下水资源与地表水资源之间相互联系的水资源管理框架。例如,《欧洲水框架指令》和《澳大利亚国家水资源倡议》都规定,地下水使用不得损害相互关联的地表水资源(Kallis and Butler, 2001, Rohde et al., 2017, Ross, 2018, Vázquez-Su?é et al., 2006)。在美国,加利福尼亚州的《可持续地下水管理法》(SGMA)于2014年通过,要求特定的优先地下水子流域在2040年前实现地下水可持续性。SGMA将可持续性定义为长期地下水管理,能够防止显著且不合理的不利后果,包括相互关联的地表水资源的枯竭(Harter, 2020, Leahy, 2016, Owen et al., 2019)。根据SGMA,地下水管理者需要估计由于地下水抽取而导致的径流量枯竭的位置、时间和数量(加利福尼亚州水资源部,2024)。
量化径流量枯竭具有挑战性,因为抽取的影响经常被其他变异性因素所掩盖,如天气/降水动态、地表水储存/改道以及地下水抽取与径流量影响之间的时间滞后(Barlow & Leake, 2012)。径流量枯竭只能通过短时间尺度上的河流观测数据直接测量(Flores et al., 2020, Hunt et al., 2001, Kollet and Zlotnik, 2003, Malama et al., 2024, Nyholm et al., 2002)。然而,由于数据需求的强度,无法仅使用观测数据在管理相关的尺度(如含水层或流域)上量化径流量枯竭,因此需要采用多种方法进行建模(Zipper et al., 2022a)。数值模型(如MODFLOW、MIKE-SHE和HydroGeoSphere)使用物理控制方程来模拟地下水和地表水系统中的水量储存和流动(Falke et al., 2011, Fienen et al., 2018, RRCA, 2003, Tolley et al., 2019)。数值模型通常被认为是评估径流量枯竭最可靠的工具,因为它们基于过程,并具有针对特定地点进行校准的能力。但由于其复杂性,这些模型的开发成本较高,需要大量的数据、人力和专业知识(Barlow and Leake, 2012, Zipper et al., 2022a)。
分析性枯竭函数(ADF)被提出作为一种低成本且可扩展的方法来估计径流量枯竭(Zipper et al., 2019)。ADF基于径流量枯竭的分析模型,通过假设简化物理控制方程,这些假设通常包括一个井在均匀的地下环境中抽取,该井部分或完全穿透含水层系统(Glover and Balmer, 1954, Hantush, 1965, Huang et al., 2018, Hunt, 1999)。分析模型中的简化可能会引入不确定性,例如忽略了对抽取的水文响应的空间异质性。ADF通过使用经验方法来解决其中一些假设,例如通过识别每口井可能影响的多个河流段,并使用称为枯竭分配方程的几何方法在河流段之间分配枯竭量(Zipper et al., 2018;详见第2节)。然而,一个关键的简化假设是河流中的水量是无限的。非常年性(间歇性或短暂性)河流很常见,据估计占全球河流网络的一半以上(Messager et al., 2021),并且由于气候变化和人类活动,这类河流越来越普遍(Sauquet et al., 2021, Tramblay et al., 2021, Zipper et al., 2021a)。此外,在抽取占水量平衡很大比例的情况下,径流量枯竭本身可能导致河流储水量减少和河流干涸(Datry et al., 2022, Malama et al., 2024, Zipper et al., 2022b),这违反了水量无限的假设。
为了提高受地下水抽取影响的流域中地下水-地表水综合决策能力,本研究探讨了将河流干涸和下游径流量枯竭的累积纳入考虑如何影响径流量枯竭的时间以及ADF模拟径流量和径流量枯竭时空模式的能力。为此,我们将ADF模拟的径流量和径流量枯竭结果与观测到的径流量数据以及基于过程的Scott Valley综合水文模型(SVIHM;Foglia et al., 2013, Foglia et al., 2018, Tolley et al., 2019)在美国加利福尼亚州Scott River Valley的输出进行了比较。我们开发了一种新颖的、基于水预算的方法来表示河流干涸,并将其与ADF结合使用。因此,我们可以解释由河流网络干涸引起的径流量枯竭的时间变化,并将抽取和干涸的影响传播到整个河流网络。我们还展示了区域统计模型在未设测站和未建模流域中应用ADF的潜力。
分析性枯竭函数(ADF)理论与开发
分析性枯竭函数有三个主要步骤来估计地下水抽取对径流量的影响(图1a),这些步骤在Zipper et al.(2019)中有描述。首先,使用“河流邻近性标准”根据河流网络几何结构识别可能受到井影响的河流段(Zipper et al., 2019)。其次,使用河流网络几何结构通过“枯竭分配方程”在受影响的河流段之间分配枯竭量(Huggins et al., 2018, Reeves et al.,
方法
在这项研究中,我们通过将ADF与加利福尼亚州Scott Valley地区的河流观测数据和基于过程的数值水文模型(SVIHM)进行比较,开发和测试了包括河流干涸和枯竭路径在内的ADF。
在流域出口模拟径流量和径流量枯竭
当考虑河流干涸时,ADF + SVIHM模型能够准确模拟径流量(图3a,图S1)和径流量枯竭(图3b,图S2)。在大多数年份,不考虑河流干涸的ADF会低估径流量,并在高夏和初秋期间高估径流量枯竭,因此错误地预测河流在夏季应在流域出口处干涸。相比之下,ADF + SVIHM + Drying模型能够准确模拟径流量枯竭的情况
结论
分析性枯竭函数(ADF)是一种低复杂度且可扩展的方法,能够为Scott River Valley提供准确的径流量和径流量枯竭估计。本研究描述了由抽取引起的河流干涸及其对径流量的滞后影响,其中干涸期间的断开会延迟径流量枯竭,直到季节性重新湿润期,并提供了一个基于水预算的框架来模拟这些过程。
关于写作过程中生成式AI和AI辅助技术的声明
在准备这项工作时,主要作者使用了ChatGPT来探索创建定向河流网络图的替代编程方法,并结合河流干涸进行测试,以评估其适用性和效率。使用该工具/服务后,作者根据需要对内容进行了审查和编辑,并对发表文章的内容负全责。
CRediT作者贡献声明
Sam Zipper:撰写 – 审稿与编辑、撰写 – 原稿、可视化、验证、监督、软件、项目管理、方法论、调查、资金获取、正式分析、数据管理、概念化。
Ian Gambill:撰写 – 审稿与编辑、可视化、软件、方法论、调查、正式分析、数据管理。
Monty Schmitt:撰写 – 审稿与编辑、项目管理、方法论、资金获取、概念化。
Claire Kouba:
资助
本项工作得到了The Nature Conservancy的资助,项目编号为#10192023-16680和#06132024-17291(资助给SZ)。
利益冲突声明
作者声明没有已知的利益冲突或个人关系可能影响本文所述的工作。
致谢
我们感谢Ben Kerr、Laura Foglia、Matt O’Connor、Jeremy Kobor以及两位匿名审稿人的宝贵反馈。