使用卫星和GLDAS产品基于GRACE反演得到的陆地水储量的统计降尺度分析外文翻译资料

英语原文共 6 页，剩余内容已隐藏，支付完成后下载完整资料

使用卫星和GLDAS产品基于GRACE反演得到的陆地水储量的统计降尺度分析

宁少尉, Hiroshi ISHIDAIRA,王洁

JSCE学员，M. Eng.，医学与工程研究所，山梨大学（武田4-3-11，甲府市山梨400-8511，日本）

JSCE学员，工学学科，副教授，医学与工程研究所，山梨大学（武田4-3-11，甲府市山梨400-8511，日本）

摘要：高时空分辨率的陆地水储量（TWS）在许多水文和水资源管理应用中至关重要。自GRACE卫星发射之后，它就一直在提供全球和区域尺度的陆地水储量变化数据。然而，因为GRACE数据的分辨率很低，它在中小尺度水资源管理的应用一直受到限制。本文的目的是用统计的方法来分析GRACE降尺度的可行性。在这项工作中，基于GRACE和其他水文通量关系的经验回归方法，我们将一个1°分辨率的GRACE产品降尺度到0.25°。地下水观测数据被用来验证降尺度后数据的精度。结果表明，GRACE 反演得到的TWS和从水量平衡方程得到的水储量变化有良好的相关性。因此，统计回归的降尺度方法可以有效地提高GRACE数据的分辨率。

关键词：GRACE陆面水储量；统计降尺度；水资源管理

1.引言

陆地水储量（TWS）是陆地和全球水文循环的一个关键组成部分，对水、能源和生物地球化学通量起着重要的控制作用，因而它在地球气候系统中发挥着重要作用。TWS作为可用于地表和地下水的集成测量工具，对可持续水资源的管理、干旱甚至天气和气候预测起着重要作用。

尽管TWS在很多方面都很重要，但因为缺乏观测和系统监测，总的区域和全球规模的陆地水储量仍然是完全未知的。虽然卫星和地面技术可以测量个别部分如地表水和土壤水分，但仍没有TWS 的集成测量方法。

自2002年GRACE卫星开始任务以来，大规模的TWS估计缺乏直接观测的问题已解决。由两颗卫星组成的GRACE卫星的任务是与其他辅助数据相结合跟踪由引力异常引起的卫星轨道扰动，从而得到精确的地球时变重力场的地图。在陆地上，这些全球重力场的时间变化主要是由于水的质量变化引起的，这一发现使得我们可以第一次观察大流域和大陆尺度的TWS变化。利用数值模型去除海洋大气效应后，GRACE即可提供TWS方面的净变化。

迄今为止，GRACE作为可用于科学界的一种新的强大工具，已被广泛应用于水文领域。最近，GRACE的主要用途集中在两个方向：1）监测干旱和评价地下水的变化；2）将GRACE同化到水文模型。例如，yang（2013）利用GRACE结果与其他卫星观测结果相结合以提供较早的关于亚马逊的干旱和火灾季节严重性的预警信息 。Lei（2013）利用密苏里流域下游的GRACE数据和其他相关数据以减少SWAT的参数不确定性。

以上描述的以前的工作已经证明了GRACE对于水资源管理和在大、中尺度流域水文模型方面的有用性。不幸的是，由于GRACE系统固有的低分辨率，其在区域水文研究方面的应用仍然是一个挑战。为了克服这种局限性，一种方法是基于GRACE估计降尺度到更精细尺度的TWS。到目前为止，提出将低分辨率TWS提高到高分辨率的处理可行性的研究很少。例如，Yirdaw（2011）将人工神经网络方法用于确定GRACE和地方测量地下水位的关系，再降尺度GRACE数据；Amber等（2012）应用统计降尺度方法将美国中央谷含水层的GRACE的地下水储量估计降尺度到子区域规模。Alexander（2013）应用人工神经网络方法研究降尺度1度GRACE TWS数据的可行性以预测地下水位变化。

虽然上面提到的所有的降尺度方法的实现性能良好，并且可以证明降尺度GRACE TWS数据的可行性，但他们都需要详细的或来自当地地下水模型或地表水的信息，在现实生活中，尤其是在发展中国家这是不容易实现的。只有拥有详细地表和地下水信息的地区才能使用这些方法。在本研究中，在源于蒸散量（ET）和源于降水量（P）的径流（R）的水储量（）和GRACE反演得到的TWS的关系基础上，我们引入了把GRACE1°降尺度到0.25°的回归法。回归法的优点是，它所需的数据很容易从卫星或全球陆地数据同化系统数据集中获得， 并且这种方法有广泛的适用性。在此方法中，测量的地下水位变化的数据可以作为评价降尺度性能的指标。

2.研究区域和方法

（1）研究区域和数据

在这项研究中选择研究区域应遵循两个标准。首先，研究区应定位在30°N ~ 30°S的范围，在这个范围，降水P是陆地水储量变化的主导控制因素并且根据以往的研究GRACE反演得到的水储量变化与P，ET,和R有良好的相关性。其次，它应该包含尽可能多的某种程度上网格的GRACE像素为1°times;1°的连续监视井，由于地下水位变化可以反映当地的水储量变化那么地下水位变化就是验证降尺度性能的一个良好指标。所以在102-103︒E和24-25︒N内含五个监测井的GRACE1°的地区被选为降尺度研究区（图1）。研究区包括云南省9个县的大部分地区。所有选定的监测井（一个承压井和四个浅水监测井）位于有喀斯特地貌特征的云南贵州高原的西侧。

图1 研究区所在地

来自最新版本GRACE卫星的月TWS数据（RL05）是由得克萨斯大学奥斯汀分校的空间研究中心产生的，从2007年1月到2012年12月。每个解决方案由许多球面谐波集（斯托克斯）系数组成，从和，到度l和序列m，所有的系数都小于或等于60。系数表现出不合理的变异性，所以本研究中用卫星激光测距值代替系数。GRACE不能恢复1°的系数。像Swenson（2008）做的那样，我们通过GRACE数据和海洋模型的输出的结合来计算这些系数。这里使用的TWS计算和后处理方法和Duan（2009）分别使用500公里和800公里的双风机过滤器半径的方法是相似的。处理后，这些系数被转换成反映垂直一体化的表现为等效水厚度的11度的网格数据的水质量变化。通过现场观测对以GRACE为基础的陆地水储量变化进行了验证，并证明其往往与陆面模型模拟一致。本研究所需的降水数据从最新拥有0.25度空间分辨率的7版L_3 TRMM（热带降雨测量任务）3B43产品中收集，月蒸散发数据由有1公里的空间分辨率的MODIS全球蒸散项目（MOD16）提供，径流数据从全球陆地数据同化系统（GLDAS）数据产品中获得，并且GLDAS-Noah的陆面水文模型产品和TRMM使用的产品分辨率一样。地下水水位数据来自云南省地下水监测网。请注意，所有收集的数据涵盖GRACE数据同一时期（2007-2012年），除地下水位数据的异常（2007-2010年）。

（2）降尺度方法

降尺度的过程通常包含一些假设，这些假设在特定的地区和条件下是适用的。这样的降尺度过程涉及一个大尺度规模的变量和有更高的空间分辨率的多个变量之间的相互关系。

以往的研究表明，陆地水储量主要由降水、蒸散发和径流的一系列水文过程驱动。这些有关水文循环的陆地组成部分的通量可以定义为：

(1)在这里，是总的陆地水储量在i个月里的变化（主要是地表水、土壤水和地下水的储量变化）。但要注意这里所有的变量都以长度为单位，并在空间和时间上平均。

本研究的主要假设是，GRACE反演得到的TWS和从准水量平衡方程（公式1）获得的，在GRACE TWS较低的分辨率可以降尺度到同一样的较高的分辨率的基础上，有密切的关系。围绕这一假设，我们来介绍统计降尺度方法（回归法）。

回归法：

用于降尺度回归方法的具体步骤如下，图2说明了该方法的简单框架：

图2 统计降尺度框架

a)分别合计像素平均从1公里到0.25°和1°的1公里月蒸散发平均值（即蒸散发0.25°，蒸散发1°）；

b)分别合计像素平均为0.25°的从0.25°到1°降水和径流的月平均值（即降水1°，径流1°）；

c)在公式1的基础上分别用1°和0.25°的降水、蒸散发和径流计算月（即，）；

d)建立一定时期内和相应的对应的经验回归函数关系。通过对各种回归方法进行测试，最终选择通过显著性检验的回归模型（P＜0.05）和最高的来进行进一步的降尺度。

e)使用源于步骤（d）的回归函数的估计月（即）；

f)通过计算 和之间的差异得到系统的残余（即）。这种残余被认为是不能被步骤d中的回归模型所预测的月GRACE值；

g)用源于步骤d中的回归方程的估算月（即）；

h)通过添加步骤f中获得的剩余修正项来修正值，进而生成最终的降尺度 值.残差的校正对于最终的降尺度而言是基本步骤。我们对比有残余添加和没有残留添加两种情况来测试这个过程。额外的GRACE残余的添加似乎创造了更准确的结果。

（3）验证

在以往的研究中，许多研究人员使用地下水水位的变化来验证他们GRACE反演得到的TWS异常结果。所以在降尺度之后，我们比较了位于同一降尺度网格的监测井的地下水水位的变化（如图1所示阴影网格号1到3）的0.25°规模的降尺度异常和初始1°规模的TWS异常以分别检验降尺度方法的适用性。在验证过程中，被认为是一个计算指标，如果降尺度TWS异常与实测地下水位变化之间的高于原始TWS异常与实测地下水位变化之间的，就表明降尺度方法可以有效地提高GRACE反演得到的TWS的分辨率，反之亦然。

3.结果与讨论

（1）降尺度的结果

2007-2012年以GRACE为基础的TWS异常是通过减少来自与图3所示源于研究区水量平衡方程的相比较的每个月结果的时间平均重力（基于68个月，4个月的数据丢失是由相邻两个月平均值填充）来计算的。 结果表明，重力对水体质量变化的响应滞后两个月左右。这意味着两个月后才能检测到当月 对总质量变化的影响。许多其他的研究人员也有讨论这种现象，尤其是他们研究低海拔地区时。造成这种现象的可能的原因是，在大多数热带地区P 在雨季的TWS变化中起着主导作用，而降雨、蒸散发和径流的过程中，GRACE分辨率不是瞬间大规模完成的，所以水的累积效应产生，随着时间的推移，这种影响可能被放大，甚至影响到下个月的GRACE信号。在我们的研究中，我们还发现，这种时滞效应是普遍的，在南亚地区通常约两个月。幸运的是，这个阶段地下水位变化和GRACE TWS异常通常存在良好的一致性，所以将GRACE TWS向前转移两个月以便用创建如图4所示经验回归函数。二阶多项式函数（公式2）可以用为0.83来描述GRACE TWS 与的关系。

（2）在这里，i指月。值得指出的是，这个最佳拟合似乎高估GRACE反演得到的尤其是干旱季节的TWS，但这种低估或高估的量可以通过第二节中描述的步骤h修正。