重力卫星总储水量变化信号校正与回推重建方法研究及应用

GRACE-observed total water storage changes (TWSC) have been widely used by the hydrological community in recent years, but large uncertainties and short time span of the GRACE data have hampered a greater understanding of how climate change and variability as well as human activities impact terrestrial TWSC. This research aims to restore filtered GRACE TWSC using scaling factors (1°×1°) derived from a global hydrological model, PCR-GLOBWB that comprehensively simulate human impact on TWSC and the interactions between the surface water and subsurface water storage changes. Furthermore, TWSC at river basin scales will be restored by the additive correction approach combined with bias and leakage signals from PCR-GLOBWB. Artificial Neural Network models applied with outputs from land surface models and ground-based observations will be developed to reconstruct GRACE TWSC time series back to 1979, generating two sets of GRACE TWSC data at both 1°×1° and river basin scales over the globe, which could be more accurate than the existing GRACE TWSC datasets. Based on the generated data, we plan to systematically investigate TWSC and groundwater depletion over major river basins and aquifers globally, and provide valuable data sets for studies related to hydrology, hydrometeorology, and climate.

针对目前重力卫星(GRACE)总储水量数据存在不确定性较大、时间跨度较短两个主要局限，本研究拟采用全球水文模型PCR-GLOBWB总储水量构造全球陆面的放缩因子，以修正GRACE总储水量反演结果(分辨率：1°×1°)；并采用加法修正结合PCR-GLOBWB计算偏差和渗入误差，生成流域尺度的总储水量变化数据。采用人工神经网络技术结合其他输入数据，对GRACE卫星发射以前(自1979年)的陆地总储水量变化进行重建，对新旧重力卫星过渡期间的陆地总储水量进行预测和插补，生成覆盖全球、精度更高、时间跨度为30年以上(1979-当前)，空间分辨率为1°×1°的全球尺度和流域尺度的总储水量数据集2套。在此基础上，分析全球主要流域(约60个)和地下蓄水层总储水量和地下水多年变化(亏损)量。本项目开发的总储水量反演算法和数据产品可服务水文、气象、气候等领域的研究和应用。

陆地总水储量变化(地表水、土壤水和地下水储量变化之和)是全球和区域水循环中一个重要的状态变量，能够综合反映气候变化和人类活动对水资源储量的影响。由美国宇航局发射的重力卫星GRACE是全球首颗基于地球重力场的变化全面观测陆地总水储量变化的卫星，为全球总水储量的评估及水文水资源研究提供了新的测量手段和数据源。GRACE卫星自2002年成功发射以来已经提供了15年的全球水储量变化数据(2002至2017年)，其下一代卫星GRACE-FO(GRACE Follow On)的成功发射为持续监测总水储量提供了保障。然而，目前GRACE总水储量数据存在不确定性较大，时间跨度较短，且GRACE与GRACE-FO两代卫星之间的观测数据不连续等三个主要局限。基于此，本研究旨在完成以下两方面研究内容：(1)采用全球水文模型PCR-GLOBWB总水储量构造全球陆面的放缩因子，以修正GRACE总水储量反演结果，并采用加法修正结合PCR-GLOBWB计算偏差和泄露误差，生成流域尺度的总水储量变化数据；(2)采用人工神经网络模型，对GRACE重力卫星发射以前(自1979年)的陆地总水储量变化进行重建，并采用深度神经网络、多元线性回归、结合外部变量的季节自回归积分滑动平均模型等机器学习方法，以降雨、气温和陆面模型模拟的陆地水储量对GRACE与GRACE-FO卫星之间的缺失数据进行预测和插补。通过在格网尺度及流域尺度(全球60个流域)的评估验证，以及在华北平原与实测地下水储量变化的相关性分析，证实了本研究重建的总水储量数据的可靠性。基于本研究成果已生成覆盖全球、精度更高、时间跨度为30年以上(1979‒当前)，空间分辨率为1°×1°的全球尺度和流域尺度的总水储量数据集2套，并发表SCI论文16篇，获批发明专利1项。本项目开发的总水储量反演算法和数据产品能够更好地应用于旱涝灾害监测与预警、地下水亏损评估、水文模拟、数据同化和水资源管理中，能够定量评估气候变化、气候极端事件(如干旱等)和人类活动对水资源造成的影响，更好地服务于水文、气象、气候等领域的研究和应用。