GRACE measurements of mass variability in the earth system
1
2004
... 自2002年3月发射升空以来,GRACE(Gravity Recovery and Climate Experiment)重力卫星持续提供的逐月时变重力场数据被广泛应用于水文学[1-4]、大地测量学[5-6]、地球物理学[7]、冰川学[8-9]、海洋学[10-11]等地球科学领域[12].据不完全统计,截至2022年12月31日,采用GRACE数据的中英文论文数量均呈显著上升趋势(图1).其中,中文论文检索在中国知网的中文核心数据库中进行,检索公式为“主题= GRACE+水储量 OR 关键词= GRACE”,英文论文检索在Web of Science的核心合集数据库中进行,检索公式为“TS=(“GRACE” OR “Gravity Recovery and Climate Experiment”) AND TS=(“water storage” OR “gravity”)”.通过阅读相关论文题目和摘要,将与GRACE数据无关的文章剔除.检索结果表明,英文论文发表数量从2002年的29篇增加至2022年的337篇,中文论文发表数量从2002年的3篇增加至2022年的85篇. ...
Satellite-based estimates of groundwater depletion in India
2
2009
... 除气候变化对陆地水储量的影响之外,在某些地区,人类活动也显著影响着陆地水储量的变化.三峡大坝作为世界最大的水利发电工程,建成后拦蓄大量水流,这改变了长江流域径流的年内分配,从而导致上游地区陆地水储量变化上升[44].由于人口密集和灌溉用水增加,过度抽取地下水导致华北平原[49, 58-59]、印度西北部[2, 60]等地的陆地水储量急剧下降,但在南水北调中线工程建成通水后,华北平原的水储量衰减趋势有所缓解[18]. ...
... 地下水是干旱半干旱地区最主要的灌溉水源和人类生活水源.由于极端气候事件频发、人口增长迅速、地下水过度开采,目前研究地下水枯竭对人类活动和生态系统的影响已成为全球热点问题,而GRACE数据适用于评估各种陆地水文条件下的地下水储量变化[68],因此可借助GRACE数据来研究分析区域地下水储量的时空变化趋势.例如,Long等[18]探讨了南水北调工程对华北平原地下水储量变化的影响,李婉秋等[20]基于GRACE数据与GLDAS模型数据分析得出关中地区地下水在2003~2008年呈上升趋势,而2003~2013年总体呈现下降趋势,这与实测地下水位数据和WGHM水文模型结果较为吻合.研究表明,地下水枯竭主要是由于地下水的收支不平衡、灌溉水源和人类生活用水需求增加而产生的地下水超采所致,例如华北平原[59]、印度西北部[2, 60]、沙特阿拉伯半岛[3]、阿富汗、加利福尼亚[69]等地.地下水超采可能造成地面沉降,而结合干涉测量等技术可有效观测地面的沉降变化,例如,Vasco等[69]结合GRACE数据与InSAR对加利福尼亚Tulare流域的地下水储量变化与沉降进行了观测. ...
Emerging trends in global freshwater availability
2
2018
... 探究陆地水储量变化的时空分布及其驱动因素,对了解区域水循环过程和水资源优化配置具有重要意义.Wahr等[51]最先提出可基于GRACE时变重力场数据来监测海平面与陆地水储量的变化情况.图2为基于GRACE的CSR Mascons RL06版本数据在2002年4月~2021年3月全球陆地水储量的变化速率图,可以看出,中国的华北平原、藏东南地区、天山山脉等区域以及世界范围中巴西高原、印度西北部、里海及周边、中东地区、阿拉斯加东南部、南极和格陵兰岛等地区具有明显的下降趋势,而东非高原、美国五大湖、亚马逊流域和我国的柴达木盆地、三峡库区等地的陆地水储量呈现上升趋势,这与Rodell等[3]的研究结果较为一致.部分学者借助GRACE数据探讨了流域尺度上的陆地水储量变化情况,例如Jing等[52]基于5种GRACE数据得出澜沧江流域2003~2016年陆地水储量变化呈现轻微下降趋势,速率变化范围在-1.45~0 cm/a之间,且陆地水储量变化相对于径流、降水和蒸散发存在1~2月的滞时;Long等[45]基于多种GRACE数据监测了全球60个流域的陆地水储量变化趋势并结合WGHM水文模型进行对比验证,并认为Mascons数据精度较球谐系数法更高. ...
... 地下水是干旱半干旱地区最主要的灌溉水源和人类生活水源.由于极端气候事件频发、人口增长迅速、地下水过度开采,目前研究地下水枯竭对人类活动和生态系统的影响已成为全球热点问题,而GRACE数据适用于评估各种陆地水文条件下的地下水储量变化[68],因此可借助GRACE数据来研究分析区域地下水储量的时空变化趋势.例如,Long等[18]探讨了南水北调工程对华北平原地下水储量变化的影响,李婉秋等[20]基于GRACE数据与GLDAS模型数据分析得出关中地区地下水在2003~2008年呈上升趋势,而2003~2013年总体呈现下降趋势,这与实测地下水位数据和WGHM水文模型结果较为吻合.研究表明,地下水枯竭主要是由于地下水的收支不平衡、灌溉水源和人类生活用水需求增加而产生的地下水超采所致,例如华北平原[59]、印度西北部[2, 60]、沙特阿拉伯半岛[3]、阿富汗、加利福尼亚[69]等地.地下水超采可能造成地面沉降,而结合干涉测量等技术可有效观测地面的沉降变化,例如,Vasco等[69]结合GRACE数据与InSAR对加利福尼亚Tulare流域的地下水储量变化与沉降进行了观测. ...
遥感反演2000—2020年青藏高原水储量变化及其驱动机制
2
2022
... 自2002年3月发射升空以来,GRACE(Gravity Recovery and Climate Experiment)重力卫星持续提供的逐月时变重力场数据被广泛应用于水文学[1-4]、大地测量学[5-6]、地球物理学[7]、冰川学[8-9]、海洋学[10-11]等地球科学领域[12].据不完全统计,截至2022年12月31日,采用GRACE数据的中英文论文数量均呈显著上升趋势(图1).其中,中文论文检索在中国知网的中文核心数据库中进行,检索公式为“主题= GRACE+水储量 OR 关键词= GRACE”,英文论文检索在Web of Science的核心合集数据库中进行,检索公式为“TS=(“GRACE” OR “Gravity Recovery and Climate Experiment”) AND TS=(“water storage” OR “gravity”)”.通过阅读相关论文题目和摘要,将与GRACE数据无关的文章剔除.检索结果表明,英文论文发表数量从2002年的29篇增加至2022年的337篇,中文论文发表数量从2002年的3篇增加至2022年的85篇. ...
... 陆地水储量变化的驱动因素在各个区域各不相同,学者们主要从水储量组分、水量平衡和气候变化等角度对陆地水储量的变化趋势成因进行分析[35].在水储量组分方面,陆地水主要包括雪水当量、土壤水、地下水、地表水等组分.降水增加和湖泊面积扩张导致青藏高原中部陆地水储量增加,而气候变暖导致冰川消融、雪水当量减少,从而致使青藏高原南部陆地水储量减少[4, 53].受气候变化的影响,天山山区冰川退缩明显,水储量呈显著减少的趋势[54].在水量平衡方面,陆地水储量主要受降水、蒸散发以及径流的影响.冯伟等[55]基于GRACE数据研究了亚马逊流域2002~2010年的陆地水储量变化,并结合GLDAS、CPC和NCEP 3种模型数据和降雨资料进行对比分析,表明降水和3种模型数据提供的水储量变化均与GRACE数据的陆地水储量变化具有较好的一致性,并指出降水增多是导致亚马逊流域陆地水储量变化增加的一个重要原因.气候变化方面,Han等[56]研究了遥相关因素厄尔尼诺南方涛动(El Niño-Southern Oscillation,ENSO)、北极涛动(Arctic Oscillation,AO)、降水等因素对GRACE数据反演陆地水储量变化的影响,得出在云南2009年极端干旱事件中,陆地水储量变化和ENSO、AO均有较强的相关性,且湿润地区降水强度与分布特征是引起陆地水储量变化的主要因素.Shen等[57]研究表明,北大西洋作为亚欧大陆重要的水汽来源,其低纬度地区的水分亏缺导致了亚欧大陆的陆地水储量枯竭. ...
遥感反演2000—2020年青藏高原水储量变化及其驱动机制
2
2022
... 自2002年3月发射升空以来,GRACE(Gravity Recovery and Climate Experiment)重力卫星持续提供的逐月时变重力场数据被广泛应用于水文学[1-4]、大地测量学[5-6]、地球物理学[7]、冰川学[8-9]、海洋学[10-11]等地球科学领域[12].据不完全统计,截至2022年12月31日,采用GRACE数据的中英文论文数量均呈显著上升趋势(图1).其中,中文论文检索在中国知网的中文核心数据库中进行,检索公式为“主题= GRACE+水储量 OR 关键词= GRACE”,英文论文检索在Web of Science的核心合集数据库中进行,检索公式为“TS=(“GRACE” OR “Gravity Recovery and Climate Experiment”) AND TS=(“water storage” OR “gravity”)”.通过阅读相关论文题目和摘要,将与GRACE数据无关的文章剔除.检索结果表明,英文论文发表数量从2002年的29篇增加至2022年的337篇,中文论文发表数量从2002年的3篇增加至2022年的85篇. ...
... 陆地水储量变化的驱动因素在各个区域各不相同,学者们主要从水储量组分、水量平衡和气候变化等角度对陆地水储量的变化趋势成因进行分析[35].在水储量组分方面,陆地水主要包括雪水当量、土壤水、地下水、地表水等组分.降水增加和湖泊面积扩张导致青藏高原中部陆地水储量增加,而气候变暖导致冰川消融、雪水当量减少,从而致使青藏高原南部陆地水储量减少[4, 53].受气候变化的影响,天山山区冰川退缩明显,水储量呈显著减少的趋势[54].在水量平衡方面,陆地水储量主要受降水、蒸散发以及径流的影响.冯伟等[55]基于GRACE数据研究了亚马逊流域2002~2010年的陆地水储量变化,并结合GLDAS、CPC和NCEP 3种模型数据和降雨资料进行对比分析,表明降水和3种模型数据提供的水储量变化均与GRACE数据的陆地水储量变化具有较好的一致性,并指出降水增多是导致亚马逊流域陆地水储量变化增加的一个重要原因.气候变化方面,Han等[56]研究了遥相关因素厄尔尼诺南方涛动(El Niño-Southern Oscillation,ENSO)、北极涛动(Arctic Oscillation,AO)、降水等因素对GRACE数据反演陆地水储量变化的影响,得出在云南2009年极端干旱事件中,陆地水储量变化和ENSO、AO均有较强的相关性,且湿润地区降水强度与分布特征是引起陆地水储量变化的主要因素.Shen等[57]研究表明,北大西洋作为亚欧大陆重要的水汽来源,其低纬度地区的水分亏缺导致了亚欧大陆的陆地水储量枯竭. ...
利用大地测量数据反演地震位错Love数和格林函数的理论与方法
1
2020
... 自2002年3月发射升空以来,GRACE(Gravity Recovery and Climate Experiment)重力卫星持续提供的逐月时变重力场数据被广泛应用于水文学[1-4]、大地测量学[5-6]、地球物理学[7]、冰川学[8-9]、海洋学[10-11]等地球科学领域[12].据不完全统计,截至2022年12月31日,采用GRACE数据的中英文论文数量均呈显著上升趋势(图1).其中,中文论文检索在中国知网的中文核心数据库中进行,检索公式为“主题= GRACE+水储量 OR 关键词= GRACE”,英文论文检索在Web of Science的核心合集数据库中进行,检索公式为“TS=(“GRACE” OR “Gravity Recovery and Climate Experiment”) AND TS=(“water storage” OR “gravity”)”.通过阅读相关论文题目和摘要,将与GRACE数据无关的文章剔除.检索结果表明,英文论文发表数量从2002年的29篇增加至2022年的337篇,中文论文发表数量从2002年的3篇增加至2022年的85篇. ...
利用大地测量数据反演地震位错Love数和格林函数的理论与方法
1
2020
... 自2002年3月发射升空以来,GRACE(Gravity Recovery and Climate Experiment)重力卫星持续提供的逐月时变重力场数据被广泛应用于水文学[1-4]、大地测量学[5-6]、地球物理学[7]、冰川学[8-9]、海洋学[10-11]等地球科学领域[12].据不完全统计,截至2022年12月31日,采用GRACE数据的中英文论文数量均呈显著上升趋势(图1).其中,中文论文检索在中国知网的中文核心数据库中进行,检索公式为“主题= GRACE+水储量 OR 关键词= GRACE”,英文论文检索在Web of Science的核心合集数据库中进行,检索公式为“TS=(“GRACE” OR “Gravity Recovery and Climate Experiment”) AND TS=(“water storage” OR “gravity”)”.通过阅读相关论文题目和摘要,将与GRACE数据无关的文章剔除.检索结果表明,英文论文发表数量从2002年的29篇增加至2022年的337篇,中文论文发表数量从2002年的3篇增加至2022年的85篇. ...
GRACE Follow-On卫星的星载GNSS相位测速法
1
2021
... 自2002年3月发射升空以来,GRACE(Gravity Recovery and Climate Experiment)重力卫星持续提供的逐月时变重力场数据被广泛应用于水文学[1-4]、大地测量学[5-6]、地球物理学[7]、冰川学[8-9]、海洋学[10-11]等地球科学领域[12].据不完全统计,截至2022年12月31日,采用GRACE数据的中英文论文数量均呈显著上升趋势(图1).其中,中文论文检索在中国知网的中文核心数据库中进行,检索公式为“主题= GRACE+水储量 OR 关键词= GRACE”,英文论文检索在Web of Science的核心合集数据库中进行,检索公式为“TS=(“GRACE” OR “Gravity Recovery and Climate Experiment”) AND TS=(“water storage” OR “gravity”)”.通过阅读相关论文题目和摘要,将与GRACE数据无关的文章剔除.检索结果表明,英文论文发表数量从2002年的29篇增加至2022年的337篇,中文论文发表数量从2002年的3篇增加至2022年的85篇. ...
GRACE Follow-On卫星的星载GNSS相位测速法
1
2021
... 自2002年3月发射升空以来,GRACE(Gravity Recovery and Climate Experiment)重力卫星持续提供的逐月时变重力场数据被广泛应用于水文学[1-4]、大地测量学[5-6]、地球物理学[7]、冰川学[8-9]、海洋学[10-11]等地球科学领域[12].据不完全统计,截至2022年12月31日,采用GRACE数据的中英文论文数量均呈显著上升趋势(图1).其中,中文论文检索在中国知网的中文核心数据库中进行,检索公式为“主题= GRACE+水储量 OR 关键词= GRACE”,英文论文检索在Web of Science的核心合集数据库中进行,检索公式为“TS=(“GRACE” OR “Gravity Recovery and Climate Experiment”) AND TS=(“water storage” OR “gravity”)”.通过阅读相关论文题目和摘要,将与GRACE数据无关的文章剔除.检索结果表明,英文论文发表数量从2002年的29篇增加至2022年的337篇,中文论文发表数量从2002年的3篇增加至2022年的85篇. ...
利用重力卫星研究青海玛多及云南漾濞地震周边2002—2021年重力变化
1
2021
... 自2002年3月发射升空以来,GRACE(Gravity Recovery and Climate Experiment)重力卫星持续提供的逐月时变重力场数据被广泛应用于水文学[1-4]、大地测量学[5-6]、地球物理学[7]、冰川学[8-9]、海洋学[10-11]等地球科学领域[12].据不完全统计,截至2022年12月31日,采用GRACE数据的中英文论文数量均呈显著上升趋势(图1).其中,中文论文检索在中国知网的中文核心数据库中进行,检索公式为“主题= GRACE+水储量 OR 关键词= GRACE”,英文论文检索在Web of Science的核心合集数据库中进行,检索公式为“TS=(“GRACE” OR “Gravity Recovery and Climate Experiment”) AND TS=(“water storage” OR “gravity”)”.通过阅读相关论文题目和摘要,将与GRACE数据无关的文章剔除.检索结果表明,英文论文发表数量从2002年的29篇增加至2022年的337篇,中文论文发表数量从2002年的3篇增加至2022年的85篇. ...
利用重力卫星研究青海玛多及云南漾濞地震周边2002—2021年重力变化
1
2021
... 自2002年3月发射升空以来,GRACE(Gravity Recovery and Climate Experiment)重力卫星持续提供的逐月时变重力场数据被广泛应用于水文学[1-4]、大地测量学[5-6]、地球物理学[7]、冰川学[8-9]、海洋学[10-11]等地球科学领域[12].据不完全统计,截至2022年12月31日,采用GRACE数据的中英文论文数量均呈显著上升趋势(图1).其中,中文论文检索在中国知网的中文核心数据库中进行,检索公式为“主题= GRACE+水储量 OR 关键词= GRACE”,英文论文检索在Web of Science的核心合集数据库中进行,检索公式为“TS=(“GRACE” OR “Gravity Recovery and Climate Experiment”) AND TS=(“water storage” OR “gravity”)”.通过阅读相关论文题目和摘要,将与GRACE数据无关的文章剔除.检索结果表明,英文论文发表数量从2002年的29篇增加至2022年的337篇,中文论文发表数量从2002年的3篇增加至2022年的85篇. ...
基于GRACE/GRACE-FO和Swarm卫星研究2002—2020年南极和格陵兰岛冰盖质量时空变化
1
2022
... 自2002年3月发射升空以来,GRACE(Gravity Recovery and Climate Experiment)重力卫星持续提供的逐月时变重力场数据被广泛应用于水文学[1-4]、大地测量学[5-6]、地球物理学[7]、冰川学[8-9]、海洋学[10-11]等地球科学领域[12].据不完全统计,截至2022年12月31日,采用GRACE数据的中英文论文数量均呈显著上升趋势(图1).其中,中文论文检索在中国知网的中文核心数据库中进行,检索公式为“主题= GRACE+水储量 OR 关键词= GRACE”,英文论文检索在Web of Science的核心合集数据库中进行,检索公式为“TS=(“GRACE” OR “Gravity Recovery and Climate Experiment”) AND TS=(“water storage” OR “gravity”)”.通过阅读相关论文题目和摘要,将与GRACE数据无关的文章剔除.检索结果表明,英文论文发表数量从2002年的29篇增加至2022年的337篇,中文论文发表数量从2002年的3篇增加至2022年的85篇. ...
基于GRACE/GRACE-FO和Swarm卫星研究2002—2020年南极和格陵兰岛冰盖质量时空变化
1
2022
... 自2002年3月发射升空以来,GRACE(Gravity Recovery and Climate Experiment)重力卫星持续提供的逐月时变重力场数据被广泛应用于水文学[1-4]、大地测量学[5-6]、地球物理学[7]、冰川学[8-9]、海洋学[10-11]等地球科学领域[12].据不完全统计,截至2022年12月31日,采用GRACE数据的中英文论文数量均呈显著上升趋势(图1).其中,中文论文检索在中国知网的中文核心数据库中进行,检索公式为“主题= GRACE+水储量 OR 关键词= GRACE”,英文论文检索在Web of Science的核心合集数据库中进行,检索公式为“TS=(“GRACE” OR “Gravity Recovery and Climate Experiment”) AND TS=(“water storage” OR “gravity”)”.通过阅读相关论文题目和摘要,将与GRACE数据无关的文章剔除.检索结果表明,英文论文发表数量从2002年的29篇增加至2022年的337篇,中文论文发表数量从2002年的3篇增加至2022年的85篇. ...
Replacing GRACE/GRACE-FO C-30 with satellite laser ranging: Impacts on Antarctic ice sheet mass change
1
2020
... 自2002年3月发射升空以来,GRACE(Gravity Recovery and Climate Experiment)重力卫星持续提供的逐月时变重力场数据被广泛应用于水文学[1-4]、大地测量学[5-6]、地球物理学[7]、冰川学[8-9]、海洋学[10-11]等地球科学领域[12].据不完全统计,截至2022年12月31日,采用GRACE数据的中英文论文数量均呈显著上升趋势(图1).其中,中文论文检索在中国知网的中文核心数据库中进行,检索公式为“主题= GRACE+水储量 OR 关键词= GRACE”,英文论文检索在Web of Science的核心合集数据库中进行,检索公式为“TS=(“GRACE” OR “Gravity Recovery and Climate Experiment”) AND TS=(“water storage” OR “gravity”)”.通过阅读相关论文题目和摘要,将与GRACE数据无关的文章剔除.检索结果表明,英文论文发表数量从2002年的29篇增加至2022年的337篇,中文论文发表数量从2002年的3篇增加至2022年的85篇. ...
联合时变重力数据与测高数据反演全球海平面变化及其分量贡献
1
2022
... 自2002年3月发射升空以来,GRACE(Gravity Recovery and Climate Experiment)重力卫星持续提供的逐月时变重力场数据被广泛应用于水文学[1-4]、大地测量学[5-6]、地球物理学[7]、冰川学[8-9]、海洋学[10-11]等地球科学领域[12].据不完全统计,截至2022年12月31日,采用GRACE数据的中英文论文数量均呈显著上升趋势(图1).其中,中文论文检索在中国知网的中文核心数据库中进行,检索公式为“主题= GRACE+水储量 OR 关键词= GRACE”,英文论文检索在Web of Science的核心合集数据库中进行,检索公式为“TS=(“GRACE” OR “Gravity Recovery and Climate Experiment”) AND TS=(“water storage” OR “gravity”)”.通过阅读相关论文题目和摘要,将与GRACE数据无关的文章剔除.检索结果表明,英文论文发表数量从2002年的29篇增加至2022年的337篇,中文论文发表数量从2002年的3篇增加至2022年的85篇. ...
联合时变重力数据与测高数据反演全球海平面变化及其分量贡献
1
2022
... 自2002年3月发射升空以来,GRACE(Gravity Recovery and Climate Experiment)重力卫星持续提供的逐月时变重力场数据被广泛应用于水文学[1-4]、大地测量学[5-6]、地球物理学[7]、冰川学[8-9]、海洋学[10-11]等地球科学领域[12].据不完全统计,截至2022年12月31日,采用GRACE数据的中英文论文数量均呈显著上升趋势(图1).其中,中文论文检索在中国知网的中文核心数据库中进行,检索公式为“主题= GRACE+水储量 OR 关键词= GRACE”,英文论文检索在Web of Science的核心合集数据库中进行,检索公式为“TS=(“GRACE” OR “Gravity Recovery and Climate Experiment”) AND TS=(“water storage” OR “gravity”)”.通过阅读相关论文题目和摘要,将与GRACE数据无关的文章剔除.检索结果表明,英文论文发表数量从2002年的29篇增加至2022年的337篇,中文论文发表数量从2002年的3篇增加至2022年的85篇. ...
Arctic sea level budget assessment during the GRACE/Argo time period
1
2020
... 自2002年3月发射升空以来,GRACE(Gravity Recovery and Climate Experiment)重力卫星持续提供的逐月时变重力场数据被广泛应用于水文学[1-4]、大地测量学[5-6]、地球物理学[7]、冰川学[8-9]、海洋学[10-11]等地球科学领域[12].据不完全统计,截至2022年12月31日,采用GRACE数据的中英文论文数量均呈显著上升趋势(图1).其中,中文论文检索在中国知网的中文核心数据库中进行,检索公式为“主题= GRACE+水储量 OR 关键词= GRACE”,英文论文检索在Web of Science的核心合集数据库中进行,检索公式为“TS=(“GRACE” OR “Gravity Recovery and Climate Experiment”) AND TS=(“water storage” OR “gravity”)”.通过阅读相关论文题目和摘要,将与GRACE数据无关的文章剔除.检索结果表明,英文论文发表数量从2002年的29篇增加至2022年的337篇,中文论文发表数量从2002年的3篇增加至2022年的85篇. ...
Contributions of GRACE to understanding climate change
1
2019
... 自2002年3月发射升空以来,GRACE(Gravity Recovery and Climate Experiment)重力卫星持续提供的逐月时变重力场数据被广泛应用于水文学[1-4]、大地测量学[5-6]、地球物理学[7]、冰川学[8-9]、海洋学[10-11]等地球科学领域[12].据不完全统计,截至2022年12月31日,采用GRACE数据的中英文论文数量均呈显著上升趋势(图1).其中,中文论文检索在中国知网的中文核心数据库中进行,检索公式为“主题= GRACE+水储量 OR 关键词= GRACE”,英文论文检索在Web of Science的核心合集数据库中进行,检索公式为“TS=(“GRACE” OR “Gravity Recovery and Climate Experiment”) AND TS=(“water storage” OR “gravity”)”.通过阅读相关论文题目和摘要,将与GRACE数据无关的文章剔除.检索结果表明,英文论文发表数量从2002年的29篇增加至2022年的337篇,中文论文发表数量从2002年的3篇增加至2022年的85篇. ...
The review of GRACE data applications in terrestrial hydrology monitoring
2
2014
... 鉴于地质地壳活动极其缓慢,在短时间内变化量可忽略不计,因此,重力的时间变化主要由大气、海洋与陆地水的再分配作用所致[13].此外,重力场数据在处理过程中已剔除潮汐影响和非潮汐的大气和海洋影响[14],由此可假设地球重力场变化均由水储量变化引起,进而反演得到全球逐月水储量变化数据.在水文方面,由于GRACE数据在大尺度上监测水储量变化的连续性、适用性和不可替代性,越来越多的学者将GRACE数据应用于监测陆地水储量变化[15-16]、地下水储量变化[17-20]、干旱演变[21-22]和响应[23-24]等方面;相对GRACE卫星而言,后续卫星GRACE-FO的信号精度得到了一定的改善[25],但受制于GRACE卫星和其后续卫星GRACE-FO之间存在11个月的间断期,以及GRACE数据序列较短不满足长时间的观测研究等问题,不少学者探讨了插补或重建GRACE数据序列的方法[26-30].在水文学方面,目前现有基于GRACE数据的中英文研究主要集中在监测水储量变化、海平面变化、湖泊水位变化和冰雪冰川融化,有关干旱和插补重建的研究相对较少. ...
... 自GRACE重力卫星发射升空后,其提供的数据在水文方面得到了广泛的应用和普及,一些研究也系统总结了GRACE数据在监测陆地水储量[13, 34-35]、地下水储量[36-38]的应用.例如,胡宝怡和王磊[35]从水储量组分变化、水量平衡和气候变化等角度详细分析了全球陆地水储量变化的驱动因素.但目前尚未有研究总结GRACE数据在监测干旱和插补重建上的应用现状与进展.因此,本文从水文学角度出发,梳理GRACE数据在反演结果验证和不确定性分析、陆地水储量变化、地下水储量变化、干旱演变和响应、插补重建等方面的应用现状和存在问题,旨在为利用GRACE数据的相关研究提供借鉴与思考. ...
GRACE重力卫星数据国内应用研究现状综述
1
2017
... 鉴于地质地壳活动极其缓慢,在短时间内变化量可忽略不计,因此,重力的时间变化主要由大气、海洋与陆地水的再分配作用所致[13].此外,重力场数据在处理过程中已剔除潮汐影响和非潮汐的大气和海洋影响[14],由此可假设地球重力场变化均由水储量变化引起,进而反演得到全球逐月水储量变化数据.在水文方面,由于GRACE数据在大尺度上监测水储量变化的连续性、适用性和不可替代性,越来越多的学者将GRACE数据应用于监测陆地水储量变化[15-16]、地下水储量变化[17-20]、干旱演变[21-22]和响应[23-24]等方面;相对GRACE卫星而言,后续卫星GRACE-FO的信号精度得到了一定的改善[25],但受制于GRACE卫星和其后续卫星GRACE-FO之间存在11个月的间断期,以及GRACE数据序列较短不满足长时间的观测研究等问题,不少学者探讨了插补或重建GRACE数据序列的方法[26-30].在水文学方面,目前现有基于GRACE数据的中英文研究主要集中在监测水储量变化、海平面变化、湖泊水位变化和冰雪冰川融化,有关干旱和插补重建的研究相对较少. ...
GRACE重力卫星数据国内应用研究现状综述
1
2017
... 鉴于地质地壳活动极其缓慢,在短时间内变化量可忽略不计,因此,重力的时间变化主要由大气、海洋与陆地水的再分配作用所致[13].此外,重力场数据在处理过程中已剔除潮汐影响和非潮汐的大气和海洋影响[14],由此可假设地球重力场变化均由水储量变化引起,进而反演得到全球逐月水储量变化数据.在水文方面,由于GRACE数据在大尺度上监测水储量变化的连续性、适用性和不可替代性,越来越多的学者将GRACE数据应用于监测陆地水储量变化[15-16]、地下水储量变化[17-20]、干旱演变[21-22]和响应[23-24]等方面;相对GRACE卫星而言,后续卫星GRACE-FO的信号精度得到了一定的改善[25],但受制于GRACE卫星和其后续卫星GRACE-FO之间存在11个月的间断期,以及GRACE数据序列较短不满足长时间的观测研究等问题,不少学者探讨了插补或重建GRACE数据序列的方法[26-30].在水文学方面,目前现有基于GRACE数据的中英文研究主要集中在监测水储量变化、海平面变化、湖泊水位变化和冰雪冰川融化,有关干旱和插补重建的研究相对较少. ...
雅鲁藏布江流域陆地水储量变化特征及归因
1
2021
... 鉴于地质地壳活动极其缓慢,在短时间内变化量可忽略不计,因此,重力的时间变化主要由大气、海洋与陆地水的再分配作用所致[13].此外,重力场数据在处理过程中已剔除潮汐影响和非潮汐的大气和海洋影响[14],由此可假设地球重力场变化均由水储量变化引起,进而反演得到全球逐月水储量变化数据.在水文方面,由于GRACE数据在大尺度上监测水储量变化的连续性、适用性和不可替代性,越来越多的学者将GRACE数据应用于监测陆地水储量变化[15-16]、地下水储量变化[17-20]、干旱演变[21-22]和响应[23-24]等方面;相对GRACE卫星而言,后续卫星GRACE-FO的信号精度得到了一定的改善[25],但受制于GRACE卫星和其后续卫星GRACE-FO之间存在11个月的间断期,以及GRACE数据序列较短不满足长时间的观测研究等问题,不少学者探讨了插补或重建GRACE数据序列的方法[26-30].在水文学方面,目前现有基于GRACE数据的中英文研究主要集中在监测水储量变化、海平面变化、湖泊水位变化和冰雪冰川融化,有关干旱和插补重建的研究相对较少. ...
雅鲁藏布江流域陆地水储量变化特征及归因
1
2021
... 鉴于地质地壳活动极其缓慢,在短时间内变化量可忽略不计,因此,重力的时间变化主要由大气、海洋与陆地水的再分配作用所致[13].此外,重力场数据在处理过程中已剔除潮汐影响和非潮汐的大气和海洋影响[14],由此可假设地球重力场变化均由水储量变化引起,进而反演得到全球逐月水储量变化数据.在水文方面,由于GRACE数据在大尺度上监测水储量变化的连续性、适用性和不可替代性,越来越多的学者将GRACE数据应用于监测陆地水储量变化[15-16]、地下水储量变化[17-20]、干旱演变[21-22]和响应[23-24]等方面;相对GRACE卫星而言,后续卫星GRACE-FO的信号精度得到了一定的改善[25],但受制于GRACE卫星和其后续卫星GRACE-FO之间存在11个月的间断期,以及GRACE数据序列较短不满足长时间的观测研究等问题,不少学者探讨了插补或重建GRACE数据序列的方法[26-30].在水文学方面,目前现有基于GRACE数据的中英文研究主要集中在监测水储量变化、海平面变化、湖泊水位变化和冰雪冰川融化,有关干旱和插补重建的研究相对较少. ...
2005—2017年两次强ENSO事件对中国区域陆地水储量变化影响的卫星重力观测
2
2020
... 鉴于地质地壳活动极其缓慢,在短时间内变化量可忽略不计,因此,重力的时间变化主要由大气、海洋与陆地水的再分配作用所致[13].此外,重力场数据在处理过程中已剔除潮汐影响和非潮汐的大气和海洋影响[14],由此可假设地球重力场变化均由水储量变化引起,进而反演得到全球逐月水储量变化数据.在水文方面,由于GRACE数据在大尺度上监测水储量变化的连续性、适用性和不可替代性,越来越多的学者将GRACE数据应用于监测陆地水储量变化[15-16]、地下水储量变化[17-20]、干旱演变[21-22]和响应[23-24]等方面;相对GRACE卫星而言,后续卫星GRACE-FO的信号精度得到了一定的改善[25],但受制于GRACE卫星和其后续卫星GRACE-FO之间存在11个月的间断期,以及GRACE数据序列较短不满足长时间的观测研究等问题,不少学者探讨了插补或重建GRACE数据序列的方法[26-30].在水文学方面,目前现有基于GRACE数据的中英文研究主要集中在监测水储量变化、海平面变化、湖泊水位变化和冰雪冰川融化,有关干旱和插补重建的研究相对较少. ...
... 为减小GRACE数据反演水储量变化的不确定性,已有部分研究工作对此进行了一些尝试.例如,广义三角帽法可以被用来评估不同GRACE数据的不确定性[30, 33, 43-45];结合卡尔曼滤波和贝叶斯模型平均方法可以得到精度更高的陆地水储量变化数据[46];Sakurama等[47]研究得出多种GRACE数据的均值可以有效降低数据噪声,由于算法简单适应性强,被众多学者采用[16-17, 24].对于球谐系数法数据而言,处理过程中施加的滤波会削弱部分真实信号,一些研究[20, 43, 48-50]将水文、陆面模型(如GLDAS、WGHM模型等)作为参照数据,首先计算滤波前后的信号衰减比例,然后通过尺度因子对GRACE数据进行信号恢复. ...
2005—2017年两次强ENSO事件对中国区域陆地水储量变化影响的卫星重力观测
2
2020
... 鉴于地质地壳活动极其缓慢,在短时间内变化量可忽略不计,因此,重力的时间变化主要由大气、海洋与陆地水的再分配作用所致[13].此外,重力场数据在处理过程中已剔除潮汐影响和非潮汐的大气和海洋影响[14],由此可假设地球重力场变化均由水储量变化引起,进而反演得到全球逐月水储量变化数据.在水文方面,由于GRACE数据在大尺度上监测水储量变化的连续性、适用性和不可替代性,越来越多的学者将GRACE数据应用于监测陆地水储量变化[15-16]、地下水储量变化[17-20]、干旱演变[21-22]和响应[23-24]等方面;相对GRACE卫星而言,后续卫星GRACE-FO的信号精度得到了一定的改善[25],但受制于GRACE卫星和其后续卫星GRACE-FO之间存在11个月的间断期,以及GRACE数据序列较短不满足长时间的观测研究等问题,不少学者探讨了插补或重建GRACE数据序列的方法[26-30].在水文学方面,目前现有基于GRACE数据的中英文研究主要集中在监测水储量变化、海平面变化、湖泊水位变化和冰雪冰川融化,有关干旱和插补重建的研究相对较少. ...
... 为减小GRACE数据反演水储量变化的不确定性,已有部分研究工作对此进行了一些尝试.例如,广义三角帽法可以被用来评估不同GRACE数据的不确定性[30, 33, 43-45];结合卡尔曼滤波和贝叶斯模型平均方法可以得到精度更高的陆地水储量变化数据[46];Sakurama等[47]研究得出多种GRACE数据的均值可以有效降低数据噪声,由于算法简单适应性强,被众多学者采用[16-17, 24].对于球谐系数法数据而言,处理过程中施加的滤波会削弱部分真实信号,一些研究[20, 43, 48-50]将水文、陆面模型(如GLDAS、WGHM模型等)作为参照数据,首先计算滤波前后的信号衰减比例,然后通过尺度因子对GRACE数据进行信号恢复. ...
GRACE重力卫星监测煤矿开采区地下水变化研究
3
2021
... 鉴于地质地壳活动极其缓慢,在短时间内变化量可忽略不计,因此,重力的时间变化主要由大气、海洋与陆地水的再分配作用所致[13].此外,重力场数据在处理过程中已剔除潮汐影响和非潮汐的大气和海洋影响[14],由此可假设地球重力场变化均由水储量变化引起,进而反演得到全球逐月水储量变化数据.在水文方面,由于GRACE数据在大尺度上监测水储量变化的连续性、适用性和不可替代性,越来越多的学者将GRACE数据应用于监测陆地水储量变化[15-16]、地下水储量变化[17-20]、干旱演变[21-22]和响应[23-24]等方面;相对GRACE卫星而言,后续卫星GRACE-FO的信号精度得到了一定的改善[25],但受制于GRACE卫星和其后续卫星GRACE-FO之间存在11个月的间断期,以及GRACE数据序列较短不满足长时间的观测研究等问题,不少学者探讨了插补或重建GRACE数据序列的方法[26-30].在水文学方面,目前现有基于GRACE数据的中英文研究主要集中在监测水储量变化、海平面变化、湖泊水位变化和冰雪冰川融化,有关干旱和插补重建的研究相对较少. ...
... 为减小GRACE数据反演水储量变化的不确定性,已有部分研究工作对此进行了一些尝试.例如,广义三角帽法可以被用来评估不同GRACE数据的不确定性[30, 33, 43-45];结合卡尔曼滤波和贝叶斯模型平均方法可以得到精度更高的陆地水储量变化数据[46];Sakurama等[47]研究得出多种GRACE数据的均值可以有效降低数据噪声,由于算法简单适应性强,被众多学者采用[16-17, 24].对于球谐系数法数据而言,处理过程中施加的滤波会削弱部分真实信号,一些研究[20, 43, 48-50]将水文、陆面模型(如GLDAS、WGHM模型等)作为参照数据,首先计算滤波前后的信号衰减比例,然后通过尺度因子对GRACE数据进行信号恢复. ...
... 陆地水储量主要包括土壤水储量、地下水储量、地表水储量、雪水储量、冰川、冠层水储量、生物水储量等,其中在大部分地区,生物水储量相对其他组分可忽略不计.考虑到高精度的格点尺度地表水储量和冰川较难获得,多数研究也将地表水储量和冰川忽略[17, 20],基于水量平衡方程得出地下水储量变化,计算公式见式(2).由于忽略了地表水储量和冰川,基于式(2)得出的地下水储量变化在湿润半湿润地区以及高山高原地区可能存在一定误差.土壤水储量、雪水当量和冠层水储量主要从全球水文模型或再分析数据中获取,如GLDAS、WGHM和ERA5等. ...
GRACE重力卫星监测煤矿开采区地下水变化研究
3
2021
... 鉴于地质地壳活动极其缓慢,在短时间内变化量可忽略不计,因此,重力的时间变化主要由大气、海洋与陆地水的再分配作用所致[13].此外,重力场数据在处理过程中已剔除潮汐影响和非潮汐的大气和海洋影响[14],由此可假设地球重力场变化均由水储量变化引起,进而反演得到全球逐月水储量变化数据.在水文方面,由于GRACE数据在大尺度上监测水储量变化的连续性、适用性和不可替代性,越来越多的学者将GRACE数据应用于监测陆地水储量变化[15-16]、地下水储量变化[17-20]、干旱演变[21-22]和响应[23-24]等方面;相对GRACE卫星而言,后续卫星GRACE-FO的信号精度得到了一定的改善[25],但受制于GRACE卫星和其后续卫星GRACE-FO之间存在11个月的间断期,以及GRACE数据序列较短不满足长时间的观测研究等问题,不少学者探讨了插补或重建GRACE数据序列的方法[26-30].在水文学方面,目前现有基于GRACE数据的中英文研究主要集中在监测水储量变化、海平面变化、湖泊水位变化和冰雪冰川融化,有关干旱和插补重建的研究相对较少. ...
... 为减小GRACE数据反演水储量变化的不确定性,已有部分研究工作对此进行了一些尝试.例如,广义三角帽法可以被用来评估不同GRACE数据的不确定性[30, 33, 43-45];结合卡尔曼滤波和贝叶斯模型平均方法可以得到精度更高的陆地水储量变化数据[46];Sakurama等[47]研究得出多种GRACE数据的均值可以有效降低数据噪声,由于算法简单适应性强,被众多学者采用[16-17, 24].对于球谐系数法数据而言,处理过程中施加的滤波会削弱部分真实信号,一些研究[20, 43, 48-50]将水文、陆面模型(如GLDAS、WGHM模型等)作为参照数据,首先计算滤波前后的信号衰减比例,然后通过尺度因子对GRACE数据进行信号恢复. ...
... 陆地水储量主要包括土壤水储量、地下水储量、地表水储量、雪水储量、冰川、冠层水储量、生物水储量等,其中在大部分地区,生物水储量相对其他组分可忽略不计.考虑到高精度的格点尺度地表水储量和冰川较难获得,多数研究也将地表水储量和冰川忽略[17, 20],基于水量平衡方程得出地下水储量变化,计算公式见式(2).由于忽略了地表水储量和冰川,基于式(2)得出的地下水储量变化在湿润半湿润地区以及高山高原地区可能存在一定误差.土壤水储量、雪水当量和冠层水储量主要从全球水文模型或再分析数据中获取,如GLDAS、WGHM和ERA5等. ...
South-to-North water diversion stabilizing Beijing’s groundwater levels
2
2020
... 除气候变化对陆地水储量的影响之外,在某些地区,人类活动也显著影响着陆地水储量的变化.三峡大坝作为世界最大的水利发电工程,建成后拦蓄大量水流,这改变了长江流域径流的年内分配,从而导致上游地区陆地水储量变化上升[44].由于人口密集和灌溉用水增加,过度抽取地下水导致华北平原[49, 58-59]、印度西北部[2, 60]等地的陆地水储量急剧下降,但在南水北调中线工程建成通水后,华北平原的水储量衰减趋势有所缓解[18]. ...
... 地下水是干旱半干旱地区最主要的灌溉水源和人类生活水源.由于极端气候事件频发、人口增长迅速、地下水过度开采,目前研究地下水枯竭对人类活动和生态系统的影响已成为全球热点问题,而GRACE数据适用于评估各种陆地水文条件下的地下水储量变化[68],因此可借助GRACE数据来研究分析区域地下水储量的时空变化趋势.例如,Long等[18]探讨了南水北调工程对华北平原地下水储量变化的影响,李婉秋等[20]基于GRACE数据与GLDAS模型数据分析得出关中地区地下水在2003~2008年呈上升趋势,而2003~2013年总体呈现下降趋势,这与实测地下水位数据和WGHM水文模型结果较为吻合.研究表明,地下水枯竭主要是由于地下水的收支不平衡、灌溉水源和人类生活用水需求增加而产生的地下水超采所致,例如华北平原[59]、印度西北部[2, 60]、沙特阿拉伯半岛[3]、阿富汗、加利福尼亚[69]等地.地下水超采可能造成地面沉降,而结合干涉测量等技术可有效观测地面的沉降变化,例如,Vasco等[69]结合GRACE数据与InSAR对加利福尼亚Tulare流域的地下水储量变化与沉降进行了观测. ...
卫星重力监测全球地下水储量变化及其特征
0
2019
卫星重力监测全球地下水储量变化及其特征
0
2019
海河平原地下水储量变化的重力卫星反演和流域水量平衡
4
2023
... 鉴于地质地壳活动极其缓慢,在短时间内变化量可忽略不计,因此,重力的时间变化主要由大气、海洋与陆地水的再分配作用所致[13].此外,重力场数据在处理过程中已剔除潮汐影响和非潮汐的大气和海洋影响[14],由此可假设地球重力场变化均由水储量变化引起,进而反演得到全球逐月水储量变化数据.在水文方面,由于GRACE数据在大尺度上监测水储量变化的连续性、适用性和不可替代性,越来越多的学者将GRACE数据应用于监测陆地水储量变化[15-16]、地下水储量变化[17-20]、干旱演变[21-22]和响应[23-24]等方面;相对GRACE卫星而言,后续卫星GRACE-FO的信号精度得到了一定的改善[25],但受制于GRACE卫星和其后续卫星GRACE-FO之间存在11个月的间断期,以及GRACE数据序列较短不满足长时间的观测研究等问题,不少学者探讨了插补或重建GRACE数据序列的方法[26-30].在水文学方面,目前现有基于GRACE数据的中英文研究主要集中在监测水储量变化、海平面变化、湖泊水位变化和冰雪冰川融化,有关干旱和插补重建的研究相对较少. ...
... 为减小GRACE数据反演水储量变化的不确定性,已有部分研究工作对此进行了一些尝试.例如,广义三角帽法可以被用来评估不同GRACE数据的不确定性[30, 33, 43-45];结合卡尔曼滤波和贝叶斯模型平均方法可以得到精度更高的陆地水储量变化数据[46];Sakurama等[47]研究得出多种GRACE数据的均值可以有效降低数据噪声,由于算法简单适应性强,被众多学者采用[16-17, 24].对于球谐系数法数据而言,处理过程中施加的滤波会削弱部分真实信号,一些研究[20, 43, 48-50]将水文、陆面模型(如GLDAS、WGHM模型等)作为参照数据,首先计算滤波前后的信号衰减比例,然后通过尺度因子对GRACE数据进行信号恢复. ...
... 陆地水储量主要包括土壤水储量、地下水储量、地表水储量、雪水储量、冰川、冠层水储量、生物水储量等,其中在大部分地区,生物水储量相对其他组分可忽略不计.考虑到高精度的格点尺度地表水储量和冰川较难获得,多数研究也将地表水储量和冰川忽略[17, 20],基于水量平衡方程得出地下水储量变化,计算公式见式(2).由于忽略了地表水储量和冰川,基于式(2)得出的地下水储量变化在湿润半湿润地区以及高山高原地区可能存在一定误差.土壤水储量、雪水当量和冠层水储量主要从全球水文模型或再分析数据中获取,如GLDAS、WGHM和ERA5等. ...
... 地下水是干旱半干旱地区最主要的灌溉水源和人类生活水源.由于极端气候事件频发、人口增长迅速、地下水过度开采,目前研究地下水枯竭对人类活动和生态系统的影响已成为全球热点问题,而GRACE数据适用于评估各种陆地水文条件下的地下水储量变化[68],因此可借助GRACE数据来研究分析区域地下水储量的时空变化趋势.例如,Long等[18]探讨了南水北调工程对华北平原地下水储量变化的影响,李婉秋等[20]基于GRACE数据与GLDAS模型数据分析得出关中地区地下水在2003~2008年呈上升趋势,而2003~2013年总体呈现下降趋势,这与实测地下水位数据和WGHM水文模型结果较为吻合.研究表明,地下水枯竭主要是由于地下水的收支不平衡、灌溉水源和人类生活用水需求增加而产生的地下水超采所致,例如华北平原[59]、印度西北部[2, 60]、沙特阿拉伯半岛[3]、阿富汗、加利福尼亚[69]等地.地下水超采可能造成地面沉降,而结合干涉测量等技术可有效观测地面的沉降变化,例如,Vasco等[69]结合GRACE数据与InSAR对加利福尼亚Tulare流域的地下水储量变化与沉降进行了观测. ...
海河平原地下水储量变化的重力卫星反演和流域水量平衡
4
2023
... 鉴于地质地壳活动极其缓慢,在短时间内变化量可忽略不计,因此,重力的时间变化主要由大气、海洋与陆地水的再分配作用所致[13].此外,重力场数据在处理过程中已剔除潮汐影响和非潮汐的大气和海洋影响[14],由此可假设地球重力场变化均由水储量变化引起,进而反演得到全球逐月水储量变化数据.在水文方面,由于GRACE数据在大尺度上监测水储量变化的连续性、适用性和不可替代性,越来越多的学者将GRACE数据应用于监测陆地水储量变化[15-16]、地下水储量变化[17-20]、干旱演变[21-22]和响应[23-24]等方面;相对GRACE卫星而言,后续卫星GRACE-FO的信号精度得到了一定的改善[25],但受制于GRACE卫星和其后续卫星GRACE-FO之间存在11个月的间断期,以及GRACE数据序列较短不满足长时间的观测研究等问题,不少学者探讨了插补或重建GRACE数据序列的方法[26-30].在水文学方面,目前现有基于GRACE数据的中英文研究主要集中在监测水储量变化、海平面变化、湖泊水位变化和冰雪冰川融化,有关干旱和插补重建的研究相对较少. ...
... 为减小GRACE数据反演水储量变化的不确定性,已有部分研究工作对此进行了一些尝试.例如,广义三角帽法可以被用来评估不同GRACE数据的不确定性[30, 33, 43-45];结合卡尔曼滤波和贝叶斯模型平均方法可以得到精度更高的陆地水储量变化数据[46];Sakurama等[47]研究得出多种GRACE数据的均值可以有效降低数据噪声,由于算法简单适应性强,被众多学者采用[16-17, 24].对于球谐系数法数据而言,处理过程中施加的滤波会削弱部分真实信号,一些研究[20, 43, 48-50]将水文、陆面模型(如GLDAS、WGHM模型等)作为参照数据,首先计算滤波前后的信号衰减比例,然后通过尺度因子对GRACE数据进行信号恢复. ...
... 陆地水储量主要包括土壤水储量、地下水储量、地表水储量、雪水储量、冰川、冠层水储量、生物水储量等,其中在大部分地区,生物水储量相对其他组分可忽略不计.考虑到高精度的格点尺度地表水储量和冰川较难获得,多数研究也将地表水储量和冰川忽略[17, 20],基于水量平衡方程得出地下水储量变化,计算公式见式(2).由于忽略了地表水储量和冰川,基于式(2)得出的地下水储量变化在湿润半湿润地区以及高山高原地区可能存在一定误差.土壤水储量、雪水当量和冠层水储量主要从全球水文模型或再分析数据中获取,如GLDAS、WGHM和ERA5等. ...
... 地下水是干旱半干旱地区最主要的灌溉水源和人类生活水源.由于极端气候事件频发、人口增长迅速、地下水过度开采,目前研究地下水枯竭对人类活动和生态系统的影响已成为全球热点问题,而GRACE数据适用于评估各种陆地水文条件下的地下水储量变化[68],因此可借助GRACE数据来研究分析区域地下水储量的时空变化趋势.例如,Long等[18]探讨了南水北调工程对华北平原地下水储量变化的影响,李婉秋等[20]基于GRACE数据与GLDAS模型数据分析得出关中地区地下水在2003~2008年呈上升趋势,而2003~2013年总体呈现下降趋势,这与实测地下水位数据和WGHM水文模型结果较为吻合.研究表明,地下水枯竭主要是由于地下水的收支不平衡、灌溉水源和人类生活用水需求增加而产生的地下水超采所致,例如华北平原[59]、印度西北部[2, 60]、沙特阿拉伯半岛[3]、阿富汗、加利福尼亚[69]等地.地下水超采可能造成地面沉降,而结合干涉测量等技术可有效观测地面的沉降变化,例如,Vasco等[69]结合GRACE数据与InSAR对加利福尼亚Tulare流域的地下水储量变化与沉降进行了观测. ...
利用GRACE-FO重力卫星探测2019年长江中下游极端干旱
4
2021
... 鉴于地质地壳活动极其缓慢,在短时间内变化量可忽略不计,因此,重力的时间变化主要由大气、海洋与陆地水的再分配作用所致[13].此外,重力场数据在处理过程中已剔除潮汐影响和非潮汐的大气和海洋影响[14],由此可假设地球重力场变化均由水储量变化引起,进而反演得到全球逐月水储量变化数据.在水文方面,由于GRACE数据在大尺度上监测水储量变化的连续性、适用性和不可替代性,越来越多的学者将GRACE数据应用于监测陆地水储量变化[15-16]、地下水储量变化[17-20]、干旱演变[21-22]和响应[23-24]等方面;相对GRACE卫星而言,后续卫星GRACE-FO的信号精度得到了一定的改善[25],但受制于GRACE卫星和其后续卫星GRACE-FO之间存在11个月的间断期,以及GRACE数据序列较短不满足长时间的观测研究等问题,不少学者探讨了插补或重建GRACE数据序列的方法[26-30].在水文学方面,目前现有基于GRACE数据的中英文研究主要集中在监测水储量变化、海平面变化、湖泊水位变化和冰雪冰川融化,有关干旱和插补重建的研究相对较少. ...
... 基于实测地下水位数据对GRACE数据进行验证是比较常用的方法.由于GRACE数据的原始分辨率较粗,且实测地下水位变化应乘以给水度才能与GRACE数据进行定量分析,而给水度数据难以获取,因此大多研究采用定性分析验证的方法来评估GRACE数据反演结果的适用性.例如,Zhong等[39]采用实测地下水位数据对反演的西辽河流域地下水储量变化进行验证,得出两者趋势较为一致.虽然各行政区和流域每年发布的水资源公报中的水资源总量和地下水资源量概念着重反映的是该地区的可利用水量,这与GRACE数据的反演结果概念有所不同,但在一定程度上可作为GRACE数据反演结果的验证数据.例如,魏光辉等[40]、陶征广等[41]结合水资源公报数据分别对GRACE数据反演的水储量变化进行验证,发现两者之间具有较好的一致性.历史时期的干旱事件、极端气候事件也可佐证GRACE数据反演的适用性.冉艳红等[21]研究表明,基于GRACE数据构建的干旱指数GRACE-DSI很好地反映了2019年夏秋季长江中下游持续干旱的发生情况.在已知降水、蒸散发和径流的基础上,通过水量平衡方程得到的水储量变化也可对GRACE数据反演的陆地水储量变化进行验证.例如,任立良等[26]研究表明黄河流域2002年5月~2020年2月GRACE、GLDAS和水量平衡法得到的结果变化趋势基本一致.在水文模型模拟数据验证方面,熊景华等[42]发现,珠江流域五套GRACE官方数据与GLDAS水文模型反演的水储量变化趋势较为一致. ...
... 冉艳红等[21],Zhao等[79], ...
... 在水储量亏损严重的地区,基于GRACE数据的干旱指数在研究期中后段的干旱情况会比起初更为严重,但这并非气象干旱引起,大多是由于人类活动引起,比如过度抽取地下水、植树造林等,因此部分学者改进了现有的干旱指数,例如Liu等[80]、冉艳红等[21]为消除非气候因素对干旱的影响,采用了去除趋势的GRACE数据构建了干旱指数GRACE-DSI,相比于未去除趋势的GRACE数据而言,可以更好地捕捉干旱演变特征. ...
利用GRACE-FO重力卫星探测2019年长江中下游极端干旱
4
2021
... 鉴于地质地壳活动极其缓慢,在短时间内变化量可忽略不计,因此,重力的时间变化主要由大气、海洋与陆地水的再分配作用所致[13].此外,重力场数据在处理过程中已剔除潮汐影响和非潮汐的大气和海洋影响[14],由此可假设地球重力场变化均由水储量变化引起,进而反演得到全球逐月水储量变化数据.在水文方面,由于GRACE数据在大尺度上监测水储量变化的连续性、适用性和不可替代性,越来越多的学者将GRACE数据应用于监测陆地水储量变化[15-16]、地下水储量变化[17-20]、干旱演变[21-22]和响应[23-24]等方面;相对GRACE卫星而言,后续卫星GRACE-FO的信号精度得到了一定的改善[25],但受制于GRACE卫星和其后续卫星GRACE-FO之间存在11个月的间断期,以及GRACE数据序列较短不满足长时间的观测研究等问题,不少学者探讨了插补或重建GRACE数据序列的方法[26-30].在水文学方面,目前现有基于GRACE数据的中英文研究主要集中在监测水储量变化、海平面变化、湖泊水位变化和冰雪冰川融化,有关干旱和插补重建的研究相对较少. ...
... 基于实测地下水位数据对GRACE数据进行验证是比较常用的方法.由于GRACE数据的原始分辨率较粗,且实测地下水位变化应乘以给水度才能与GRACE数据进行定量分析,而给水度数据难以获取,因此大多研究采用定性分析验证的方法来评估GRACE数据反演结果的适用性.例如,Zhong等[39]采用实测地下水位数据对反演的西辽河流域地下水储量变化进行验证,得出两者趋势较为一致.虽然各行政区和流域每年发布的水资源公报中的水资源总量和地下水资源量概念着重反映的是该地区的可利用水量,这与GRACE数据的反演结果概念有所不同,但在一定程度上可作为GRACE数据反演结果的验证数据.例如,魏光辉等[40]、陶征广等[41]结合水资源公报数据分别对GRACE数据反演的水储量变化进行验证,发现两者之间具有较好的一致性.历史时期的干旱事件、极端气候事件也可佐证GRACE数据反演的适用性.冉艳红等[21]研究表明,基于GRACE数据构建的干旱指数GRACE-DSI很好地反映了2019年夏秋季长江中下游持续干旱的发生情况.在已知降水、蒸散发和径流的基础上,通过水量平衡方程得到的水储量变化也可对GRACE数据反演的陆地水储量变化进行验证.例如,任立良等[26]研究表明黄河流域2002年5月~2020年2月GRACE、GLDAS和水量平衡法得到的结果变化趋势基本一致.在水文模型模拟数据验证方面,熊景华等[42]发现,珠江流域五套GRACE官方数据与GLDAS水文模型反演的水储量变化趋势较为一致. ...
... 冉艳红等[21],Zhao等[79], ...
... 在水储量亏损严重的地区,基于GRACE数据的干旱指数在研究期中后段的干旱情况会比起初更为严重,但这并非气象干旱引起,大多是由于人类活动引起,比如过度抽取地下水、植树造林等,因此部分学者改进了现有的干旱指数,例如Liu等[80]、冉艳红等[21]为消除非气候因素对干旱的影响,采用了去除趋势的GRACE数据构建了干旱指数GRACE-DSI,相比于未去除趋势的GRACE数据而言,可以更好地捕捉干旱演变特征. ...
GRACE groundwater drought index:Evaluation of California Central Valley groundwater drought
4
2017
... 鉴于地质地壳活动极其缓慢,在短时间内变化量可忽略不计,因此,重力的时间变化主要由大气、海洋与陆地水的再分配作用所致[13].此外,重力场数据在处理过程中已剔除潮汐影响和非潮汐的大气和海洋影响[14],由此可假设地球重力场变化均由水储量变化引起,进而反演得到全球逐月水储量变化数据.在水文方面,由于GRACE数据在大尺度上监测水储量变化的连续性、适用性和不可替代性,越来越多的学者将GRACE数据应用于监测陆地水储量变化[15-16]、地下水储量变化[17-20]、干旱演变[21-22]和响应[23-24]等方面;相对GRACE卫星而言,后续卫星GRACE-FO的信号精度得到了一定的改善[25],但受制于GRACE卫星和其后续卫星GRACE-FO之间存在11个月的间断期,以及GRACE数据序列较短不满足长时间的观测研究等问题,不少学者探讨了插补或重建GRACE数据序列的方法[26-30].在水文学方面,目前现有基于GRACE数据的中英文研究主要集中在监测水储量变化、海平面变化、湖泊水位变化和冰雪冰川融化,有关干旱和插补重建的研究相对较少. ...
... Deng等
[84],Sun等
[85],瞿伟等
[86]地下水干旱 | GGDI | 去除逐月平均值后进行标准化 | Thomas等[22],Wang等[87],Satish等[88] |
GRACE-GDI ...
... 干旱指数在气象、径流等方面发展较为成熟且广为应用,例如,标准化降水指数SPI[72]、帕尔默干旱指数PDSI[73]和帕尔默水文干旱指数PHDI[74]等.众多学者将其构建方法应用至GRACE数据的干旱指数构建中,比如Cui等[75]参照SPI的构建方法,构建了多尺度的标准化陆地水储量指数STI,该指数与多种常用的指数相比在捕捉干旱事件方面更具优势.也有部分学者基于水储量变化采用标准化方法构建干旱指数,例如,Thomas等[22]以加州中央山谷为例,构建了基于GRACE数据的地下水干旱指数GGDI,研究发现GGDI与基于实测地下水位数据的指数GWI具有很强的相关性,且相对于PDSI和SPI存在5个月的滞时,这也体现了地下水干旱相对于气象干旱独特的滞后响应.这些干旱指数虽然构建方法不同,但对于干旱演变等均有较好的监测效果. ...
... 目前针对不同干旱类型对基于GRACE数据的水文干旱和地下水干旱的响应关系研究仍处于探索阶段,例如袁瑞强等[94]分析了黄河流域归一化植被指数NDVI对陆地水储量的响应关系,研究表明水热条件和人类活动等因素导致了上游和甘肃南部响应关系呈显著正相关,中下游地区相关性不明显,部分地区为负相关,但该研究并未考虑两者的时滞影响.Thomas等[22-23]分别研究了珠江流域和加利福尼亚中央山谷气象干旱对地下水干旱的传播规律,结果表明响应时间分别为8个月和5个月.粟晓玲等[24]探讨了西北地区气象干旱与地下水干旱的动态响应关系,得出大部分地区的响应时间为1~6个月和19~24个月,且以气象条件为主导因素的地下水干旱面积在变小. ...
Propagation dynamics from meteorological to groundwater drought and their possible influence factors
2
2019
... 鉴于地质地壳活动极其缓慢,在短时间内变化量可忽略不计,因此,重力的时间变化主要由大气、海洋与陆地水的再分配作用所致[13].此外,重力场数据在处理过程中已剔除潮汐影响和非潮汐的大气和海洋影响[14],由此可假设地球重力场变化均由水储量变化引起,进而反演得到全球逐月水储量变化数据.在水文方面,由于GRACE数据在大尺度上监测水储量变化的连续性、适用性和不可替代性,越来越多的学者将GRACE数据应用于监测陆地水储量变化[15-16]、地下水储量变化[17-20]、干旱演变[21-22]和响应[23-24]等方面;相对GRACE卫星而言,后续卫星GRACE-FO的信号精度得到了一定的改善[25],但受制于GRACE卫星和其后续卫星GRACE-FO之间存在11个月的间断期,以及GRACE数据序列较短不满足长时间的观测研究等问题,不少学者探讨了插补或重建GRACE数据序列的方法[26-30].在水文学方面,目前现有基于GRACE数据的中英文研究主要集中在监测水储量变化、海平面变化、湖泊水位变化和冰雪冰川融化,有关干旱和插补重建的研究相对较少. ...
... 目前针对不同干旱类型对基于GRACE数据的水文干旱和地下水干旱的响应关系研究仍处于探索阶段,例如袁瑞强等[94]分析了黄河流域归一化植被指数NDVI对陆地水储量的响应关系,研究表明水热条件和人类活动等因素导致了上游和甘肃南部响应关系呈显著正相关,中下游地区相关性不明显,部分地区为负相关,但该研究并未考虑两者的时滞影响.Thomas等[22-23]分别研究了珠江流域和加利福尼亚中央山谷气象干旱对地下水干旱的传播规律,结果表明响应时间分别为8个月和5个月.粟晓玲等[24]探讨了西北地区气象干旱与地下水干旱的动态响应关系,得出大部分地区的响应时间为1~6个月和19~24个月,且以气象条件为主导因素的地下水干旱面积在变小. ...
西北地区地下水干旱时空演变趋势及对气象干旱的动态响应
4
2022
... 鉴于地质地壳活动极其缓慢,在短时间内变化量可忽略不计,因此,重力的时间变化主要由大气、海洋与陆地水的再分配作用所致[13].此外,重力场数据在处理过程中已剔除潮汐影响和非潮汐的大气和海洋影响[14],由此可假设地球重力场变化均由水储量变化引起,进而反演得到全球逐月水储量变化数据.在水文方面,由于GRACE数据在大尺度上监测水储量变化的连续性、适用性和不可替代性,越来越多的学者将GRACE数据应用于监测陆地水储量变化[15-16]、地下水储量变化[17-20]、干旱演变[21-22]和响应[23-24]等方面;相对GRACE卫星而言,后续卫星GRACE-FO的信号精度得到了一定的改善[25],但受制于GRACE卫星和其后续卫星GRACE-FO之间存在11个月的间断期,以及GRACE数据序列较短不满足长时间的观测研究等问题,不少学者探讨了插补或重建GRACE数据序列的方法[26-30].在水文学方面,目前现有基于GRACE数据的中英文研究主要集中在监测水储量变化、海平面变化、湖泊水位变化和冰雪冰川融化,有关干旱和插补重建的研究相对较少. ...
... 为减小GRACE数据反演水储量变化的不确定性,已有部分研究工作对此进行了一些尝试.例如,广义三角帽法可以被用来评估不同GRACE数据的不确定性[30, 33, 43-45];结合卡尔曼滤波和贝叶斯模型平均方法可以得到精度更高的陆地水储量变化数据[46];Sakurama等[47]研究得出多种GRACE数据的均值可以有效降低数据噪声,由于算法简单适应性强,被众多学者采用[16-17, 24].对于球谐系数法数据而言,处理过程中施加的滤波会削弱部分真实信号,一些研究[20, 43, 48-50]将水文、陆面模型(如GLDAS、WGHM模型等)作为参照数据,首先计算滤波前后的信号衰减比例,然后通过尺度因子对GRACE数据进行信号恢复. ...
... /GWSA-DSI | 借鉴GRACE-DSI的构建方法 | 粟晓玲等[24],Han等[89],Zhu和Zhang[90] |
综合干旱 | CCDI | 陆地水储量变化和降水变化均去除逐月平均值后相加,再进行标准化 | Sinha等[91],Xu等[92] |
干旱指数在气象、径流等方面发展较为成熟且广为应用,例如,标准化降水指数SPI[72]、帕尔默干旱指数PDSI[73]和帕尔默水文干旱指数PHDI[74]等.众多学者将其构建方法应用至GRACE数据的干旱指数构建中,比如Cui等[75]参照SPI的构建方法,构建了多尺度的标准化陆地水储量指数STI,该指数与多种常用的指数相比在捕捉干旱事件方面更具优势.也有部分学者基于水储量变化采用标准化方法构建干旱指数,例如,Thomas等[22]以加州中央山谷为例,构建了基于GRACE数据的地下水干旱指数GGDI,研究发现GGDI与基于实测地下水位数据的指数GWI具有很强的相关性,且相对于PDSI和SPI存在5个月的滞时,这也体现了地下水干旱相对于气象干旱独特的滞后响应.这些干旱指数虽然构建方法不同,但对于干旱演变等均有较好的监测效果. ...
... 目前针对不同干旱类型对基于GRACE数据的水文干旱和地下水干旱的响应关系研究仍处于探索阶段,例如袁瑞强等[94]分析了黄河流域归一化植被指数NDVI对陆地水储量的响应关系,研究表明水热条件和人类活动等因素导致了上游和甘肃南部响应关系呈显著正相关,中下游地区相关性不明显,部分地区为负相关,但该研究并未考虑两者的时滞影响.Thomas等[22-23]分别研究了珠江流域和加利福尼亚中央山谷气象干旱对地下水干旱的传播规律,结果表明响应时间分别为8个月和5个月.粟晓玲等[24]探讨了西北地区气象干旱与地下水干旱的动态响应关系,得出大部分地区的响应时间为1~6个月和19~24个月,且以气象条件为主导因素的地下水干旱面积在变小. ...
西北地区地下水干旱时空演变趋势及对气象干旱的动态响应
4
2022
... 鉴于地质地壳活动极其缓慢,在短时间内变化量可忽略不计,因此,重力的时间变化主要由大气、海洋与陆地水的再分配作用所致[13].此外,重力场数据在处理过程中已剔除潮汐影响和非潮汐的大气和海洋影响[14],由此可假设地球重力场变化均由水储量变化引起,进而反演得到全球逐月水储量变化数据.在水文方面,由于GRACE数据在大尺度上监测水储量变化的连续性、适用性和不可替代性,越来越多的学者将GRACE数据应用于监测陆地水储量变化[15-16]、地下水储量变化[17-20]、干旱演变[21-22]和响应[23-24]等方面;相对GRACE卫星而言,后续卫星GRACE-FO的信号精度得到了一定的改善[25],但受制于GRACE卫星和其后续卫星GRACE-FO之间存在11个月的间断期,以及GRACE数据序列较短不满足长时间的观测研究等问题,不少学者探讨了插补或重建GRACE数据序列的方法[26-30].在水文学方面,目前现有基于GRACE数据的中英文研究主要集中在监测水储量变化、海平面变化、湖泊水位变化和冰雪冰川融化,有关干旱和插补重建的研究相对较少. ...
... 为减小GRACE数据反演水储量变化的不确定性,已有部分研究工作对此进行了一些尝试.例如,广义三角帽法可以被用来评估不同GRACE数据的不确定性[30, 33, 43-45];结合卡尔曼滤波和贝叶斯模型平均方法可以得到精度更高的陆地水储量变化数据[46];Sakurama等[47]研究得出多种GRACE数据的均值可以有效降低数据噪声,由于算法简单适应性强,被众多学者采用[16-17, 24].对于球谐系数法数据而言,处理过程中施加的滤波会削弱部分真实信号,一些研究[20, 43, 48-50]将水文、陆面模型(如GLDAS、WGHM模型等)作为参照数据,首先计算滤波前后的信号衰减比例,然后通过尺度因子对GRACE数据进行信号恢复. ...
... /GWSA-DSI
借鉴GRACE-DSI的构建方法 | 粟晓玲等[24],Han等[89],Zhu和Zhang[90] | 综合干旱 | CCDI | 陆地水储量变化和降水变化均去除逐月平均值后相加,再进行标准化 | Sinha等[91],Xu等[92] |
干旱指数在气象、径流等方面发展较为成熟且广为应用,例如,标准化降水指数SPI[72]、帕尔默干旱指数PDSI[73]和帕尔默水文干旱指数PHDI[74]等.众多学者将其构建方法应用至GRACE数据的干旱指数构建中,比如Cui等[75]参照SPI的构建方法,构建了多尺度的标准化陆地水储量指数STI,该指数与多种常用的指数相比在捕捉干旱事件方面更具优势.也有部分学者基于水储量变化采用标准化方法构建干旱指数,例如,Thomas等[22]以加州中央山谷为例,构建了基于GRACE数据的地下水干旱指数GGDI,研究发现GGDI与基于实测地下水位数据的指数GWI具有很强的相关性,且相对于PDSI和SPI存在5个月的滞时,这也体现了地下水干旱相对于气象干旱独特的滞后响应.这些干旱指数虽然构建方法不同,但对于干旱演变等均有较好的监测效果. ...
... 目前针对不同干旱类型对基于GRACE数据的水文干旱和地下水干旱的响应关系研究仍处于探索阶段,例如袁瑞强等[94]分析了黄河流域归一化植被指数NDVI对陆地水储量的响应关系,研究表明水热条件和人类活动等因素导致了上游和甘肃南部响应关系呈显著正相关,中下游地区相关性不明显,部分地区为负相关,但该研究并未考虑两者的时滞影响.Thomas等[22-23]分别研究了珠江流域和加利福尼亚中央山谷气象干旱对地下水干旱的传播规律,结果表明响应时间分别为8个月和5个月.粟晓玲等[24]探讨了西北地区气象干旱与地下水干旱的动态响应关系,得出大部分地区的响应时间为1~6个月和19~24个月,且以气象条件为主导因素的地下水干旱面积在变小. ...
Extending the global mass change data record: GRACE Follow-On instrument and science data performance
1
2020
... 鉴于地质地壳活动极其缓慢,在短时间内变化量可忽略不计,因此,重力的时间变化主要由大气、海洋与陆地水的再分配作用所致[13].此外,重力场数据在处理过程中已剔除潮汐影响和非潮汐的大气和海洋影响[14],由此可假设地球重力场变化均由水储量变化引起,进而反演得到全球逐月水储量变化数据.在水文方面,由于GRACE数据在大尺度上监测水储量变化的连续性、适用性和不可替代性,越来越多的学者将GRACE数据应用于监测陆地水储量变化[15-16]、地下水储量变化[17-20]、干旱演变[21-22]和响应[23-24]等方面;相对GRACE卫星而言,后续卫星GRACE-FO的信号精度得到了一定的改善[25],但受制于GRACE卫星和其后续卫星GRACE-FO之间存在11个月的间断期,以及GRACE数据序列较短不满足长时间的观测研究等问题,不少学者探讨了插补或重建GRACE数据序列的方法[26-30].在水文学方面,目前现有基于GRACE数据的中英文研究主要集中在监测水储量变化、海平面变化、湖泊水位变化和冰雪冰川融化,有关干旱和插补重建的研究相对较少. ...
基于GRACE和GRACE-FO的黄河流域陆地水储量及影响因素分析
3
2022
... 鉴于地质地壳活动极其缓慢,在短时间内变化量可忽略不计,因此,重力的时间变化主要由大气、海洋与陆地水的再分配作用所致[13].此外,重力场数据在处理过程中已剔除潮汐影响和非潮汐的大气和海洋影响[14],由此可假设地球重力场变化均由水储量变化引起,进而反演得到全球逐月水储量变化数据.在水文方面,由于GRACE数据在大尺度上监测水储量变化的连续性、适用性和不可替代性,越来越多的学者将GRACE数据应用于监测陆地水储量变化[15-16]、地下水储量变化[17-20]、干旱演变[21-22]和响应[23-24]等方面;相对GRACE卫星而言,后续卫星GRACE-FO的信号精度得到了一定的改善[25],但受制于GRACE卫星和其后续卫星GRACE-FO之间存在11个月的间断期,以及GRACE数据序列较短不满足长时间的观测研究等问题,不少学者探讨了插补或重建GRACE数据序列的方法[26-30].在水文学方面,目前现有基于GRACE数据的中英文研究主要集中在监测水储量变化、海平面变化、湖泊水位变化和冰雪冰川融化,有关干旱和插补重建的研究相对较少. ...
... 基于实测地下水位数据对GRACE数据进行验证是比较常用的方法.由于GRACE数据的原始分辨率较粗,且实测地下水位变化应乘以给水度才能与GRACE数据进行定量分析,而给水度数据难以获取,因此大多研究采用定性分析验证的方法来评估GRACE数据反演结果的适用性.例如,Zhong等[39]采用实测地下水位数据对反演的西辽河流域地下水储量变化进行验证,得出两者趋势较为一致.虽然各行政区和流域每年发布的水资源公报中的水资源总量和地下水资源量概念着重反映的是该地区的可利用水量,这与GRACE数据的反演结果概念有所不同,但在一定程度上可作为GRACE数据反演结果的验证数据.例如,魏光辉等[40]、陶征广等[41]结合水资源公报数据分别对GRACE数据反演的水储量变化进行验证,发现两者之间具有较好的一致性.历史时期的干旱事件、极端气候事件也可佐证GRACE数据反演的适用性.冉艳红等[21]研究表明,基于GRACE数据构建的干旱指数GRACE-DSI很好地反映了2019年夏秋季长江中下游持续干旱的发生情况.在已知降水、蒸散发和径流的基础上,通过水量平衡方程得到的水储量变化也可对GRACE数据反演的陆地水储量变化进行验证.例如,任立良等[26]研究表明黄河流域2002年5月~2020年2月GRACE、GLDAS和水量平衡法得到的结果变化趋势基本一致.在水文模型模拟数据验证方面,熊景华等[42]发现,珠江流域五套GRACE官方数据与GLDAS水文模型反演的水储量变化趋势较为一致. ...
... 机器学习为水文学以及相关领域提供了强有力的技术支撑,广泛应用于水文数据的模拟预测[95-96].较多学者基于机器学习方法探讨了GRACE间断期序列的插补和重建,如任立良等[26]、梁文涛等[97]、Wei等[98]均采用LSTM模型分别插补了黄河流域、黄河源区、柴达木盆地的GRACE间断期序列,并得到较好的精度,这表明了深度学习模型LSTM在预测方面的稳健性;Xiong等[30]基于随机森林法、支持向量机、人工神经网络(ANN)对中国大陆的GRACE间断期数据进行插补,总体精度较高,但在干旱半干旱地区(如西北地区)的精度较差.Li等[99]、Lai等[100]、Ahmed等[101]分别采用SSA-ARMA、ANN和NARX模型对流域尺度的GRACE数据进行插补重建,模型精度均较高,但未涉及格点尺度,而流域尺度相对格点尺度来说序列较为平滑,易于模拟和预测.Sun等[27]采用DNN等多种方法对全球GRACE序列进行重建,结果表明湿润地区的重建效果优于干旱地区,这主要是由于GRACE数据在湿润地区的信噪比更高导致.Li等[28]结合主成分分析、独立成分分析、最小二乘法、多元线性回归、ANN等多种方法构建了GRACE数据重建的框架,结合模型精度优选结果,综合多种模型的优点有助于提升重建GRACE数据的精度.褚江东等[102]基于分解-集成思想,采用VMD-LSTM模型插补了中国的GRACE间断期数据,较其他模型提高了干旱半干旱地区的插补精度.机器学习方法作为黑箱模型,其计算过程无实际物理意义,可解释性较差,因此有研究将水文模型应用至GRACE数据的插补重建中,例如Zhang等[103]采用了具有水文机理的经验水文模型abcd插补了GRACE间断期数据,结果表明该模型的插补精度在热带、温带和大陆性气候区较高,但在干旱地区精度有待提高.也有部分学者采用了基于统计意义的气候驱动模型重建GRACE数据[104-105],并得到了较好的重建效果.Sun等[106]基于深度卷积神经网络(CNN)来学习GRACE数据反演的陆地水储量变化与Noah模型模拟的陆地水储量变化之间的关系,从而校正Noah模型模拟的陆地水储量变化,这为水储量变化数据的插补重建提供了一个新的思路. ...
基于GRACE和GRACE-FO的黄河流域陆地水储量及影响因素分析
3
2022
... 鉴于地质地壳活动极其缓慢,在短时间内变化量可忽略不计,因此,重力的时间变化主要由大气、海洋与陆地水的再分配作用所致[13].此外,重力场数据在处理过程中已剔除潮汐影响和非潮汐的大气和海洋影响[14],由此可假设地球重力场变化均由水储量变化引起,进而反演得到全球逐月水储量变化数据.在水文方面,由于GRACE数据在大尺度上监测水储量变化的连续性、适用性和不可替代性,越来越多的学者将GRACE数据应用于监测陆地水储量变化[15-16]、地下水储量变化[17-20]、干旱演变[21-22]和响应[23-24]等方面;相对GRACE卫星而言,后续卫星GRACE-FO的信号精度得到了一定的改善[25],但受制于GRACE卫星和其后续卫星GRACE-FO之间存在11个月的间断期,以及GRACE数据序列较短不满足长时间的观测研究等问题,不少学者探讨了插补或重建GRACE数据序列的方法[26-30].在水文学方面,目前现有基于GRACE数据的中英文研究主要集中在监测水储量变化、海平面变化、湖泊水位变化和冰雪冰川融化,有关干旱和插补重建的研究相对较少. ...
... 基于实测地下水位数据对GRACE数据进行验证是比较常用的方法.由于GRACE数据的原始分辨率较粗,且实测地下水位变化应乘以给水度才能与GRACE数据进行定量分析,而给水度数据难以获取,因此大多研究采用定性分析验证的方法来评估GRACE数据反演结果的适用性.例如,Zhong等[39]采用实测地下水位数据对反演的西辽河流域地下水储量变化进行验证,得出两者趋势较为一致.虽然各行政区和流域每年发布的水资源公报中的水资源总量和地下水资源量概念着重反映的是该地区的可利用水量,这与GRACE数据的反演结果概念有所不同,但在一定程度上可作为GRACE数据反演结果的验证数据.例如,魏光辉等[40]、陶征广等[41]结合水资源公报数据分别对GRACE数据反演的水储量变化进行验证,发现两者之间具有较好的一致性.历史时期的干旱事件、极端气候事件也可佐证GRACE数据反演的适用性.冉艳红等[21]研究表明,基于GRACE数据构建的干旱指数GRACE-DSI很好地反映了2019年夏秋季长江中下游持续干旱的发生情况.在已知降水、蒸散发和径流的基础上,通过水量平衡方程得到的水储量变化也可对GRACE数据反演的陆地水储量变化进行验证.例如,任立良等[26]研究表明黄河流域2002年5月~2020年2月GRACE、GLDAS和水量平衡法得到的结果变化趋势基本一致.在水文模型模拟数据验证方面,熊景华等[42]发现,珠江流域五套GRACE官方数据与GLDAS水文模型反演的水储量变化趋势较为一致. ...
... 机器学习为水文学以及相关领域提供了强有力的技术支撑,广泛应用于水文数据的模拟预测[95-96].较多学者基于机器学习方法探讨了GRACE间断期序列的插补和重建,如任立良等[26]、梁文涛等[97]、Wei等[98]均采用LSTM模型分别插补了黄河流域、黄河源区、柴达木盆地的GRACE间断期序列,并得到较好的精度,这表明了深度学习模型LSTM在预测方面的稳健性;Xiong等[30]基于随机森林法、支持向量机、人工神经网络(ANN)对中国大陆的GRACE间断期数据进行插补,总体精度较高,但在干旱半干旱地区(如西北地区)的精度较差.Li等[99]、Lai等[100]、Ahmed等[101]分别采用SSA-ARMA、ANN和NARX模型对流域尺度的GRACE数据进行插补重建,模型精度均较高,但未涉及格点尺度,而流域尺度相对格点尺度来说序列较为平滑,易于模拟和预测.Sun等[27]采用DNN等多种方法对全球GRACE序列进行重建,结果表明湿润地区的重建效果优于干旱地区,这主要是由于GRACE数据在湿润地区的信噪比更高导致.Li等[28]结合主成分分析、独立成分分析、最小二乘法、多元线性回归、ANN等多种方法构建了GRACE数据重建的框架,结合模型精度优选结果,综合多种模型的优点有助于提升重建GRACE数据的精度.褚江东等[102]基于分解-集成思想,采用VMD-LSTM模型插补了中国的GRACE间断期数据,较其他模型提高了干旱半干旱地区的插补精度.机器学习方法作为黑箱模型,其计算过程无实际物理意义,可解释性较差,因此有研究将水文模型应用至GRACE数据的插补重建中,例如Zhang等[103]采用了具有水文机理的经验水文模型abcd插补了GRACE间断期数据,结果表明该模型的插补精度在热带、温带和大陆性气候区较高,但在干旱地区精度有待提高.也有部分学者采用了基于统计意义的气候驱动模型重建GRACE数据[104-105],并得到了较好的重建效果.Sun等[106]基于深度卷积神经网络(CNN)来学习GRACE数据反演的陆地水储量变化与Noah模型模拟的陆地水储量变化之间的关系,从而校正Noah模型模拟的陆地水储量变化,这为水储量变化数据的插补重建提供了一个新的思路. ...
Reconstruction of GRACE data on changes in total water storage over the global land surface and 60 basins
1
2020
... 机器学习为水文学以及相关领域提供了强有力的技术支撑,广泛应用于水文数据的模拟预测[95-96].较多学者基于机器学习方法探讨了GRACE间断期序列的插补和重建,如任立良等[26]、梁文涛等[97]、Wei等[98]均采用LSTM模型分别插补了黄河流域、黄河源区、柴达木盆地的GRACE间断期序列,并得到较好的精度,这表明了深度学习模型LSTM在预测方面的稳健性;Xiong等[30]基于随机森林法、支持向量机、人工神经网络(ANN)对中国大陆的GRACE间断期数据进行插补,总体精度较高,但在干旱半干旱地区(如西北地区)的精度较差.Li等[99]、Lai等[100]、Ahmed等[101]分别采用SSA-ARMA、ANN和NARX模型对流域尺度的GRACE数据进行插补重建,模型精度均较高,但未涉及格点尺度,而流域尺度相对格点尺度来说序列较为平滑,易于模拟和预测.Sun等[27]采用DNN等多种方法对全球GRACE序列进行重建,结果表明湿润地区的重建效果优于干旱地区,这主要是由于GRACE数据在湿润地区的信噪比更高导致.Li等[28]结合主成分分析、独立成分分析、最小二乘法、多元线性回归、ANN等多种方法构建了GRACE数据重建的框架,结合模型精度优选结果,综合多种模型的优点有助于提升重建GRACE数据的精度.褚江东等[102]基于分解-集成思想,采用VMD-LSTM模型插补了中国的GRACE间断期数据,较其他模型提高了干旱半干旱地区的插补精度.机器学习方法作为黑箱模型,其计算过程无实际物理意义,可解释性较差,因此有研究将水文模型应用至GRACE数据的插补重建中,例如Zhang等[103]采用了具有水文机理的经验水文模型abcd插补了GRACE间断期数据,结果表明该模型的插补精度在热带、温带和大陆性气候区较高,但在干旱地区精度有待提高.也有部分学者采用了基于统计意义的气候驱动模型重建GRACE数据[104-105],并得到了较好的重建效果.Sun等[106]基于深度卷积神经网络(CNN)来学习GRACE数据反演的陆地水储量变化与Noah模型模拟的陆地水储量变化之间的关系,从而校正Noah模型模拟的陆地水储量变化,这为水储量变化数据的插补重建提供了一个新的思路. ...
Comparison of data-driven techniques to reconstruct (1992-2002) and predict (2017-2018) GRACE-like gridded total water storage changes using climate inputs
1
2020
... 机器学习为水文学以及相关领域提供了强有力的技术支撑,广泛应用于水文数据的模拟预测[95-96].较多学者基于机器学习方法探讨了GRACE间断期序列的插补和重建,如任立良等[26]、梁文涛等[97]、Wei等[98]均采用LSTM模型分别插补了黄河流域、黄河源区、柴达木盆地的GRACE间断期序列,并得到较好的精度,这表明了深度学习模型LSTM在预测方面的稳健性;Xiong等[30]基于随机森林法、支持向量机、人工神经网络(ANN)对中国大陆的GRACE间断期数据进行插补,总体精度较高,但在干旱半干旱地区(如西北地区)的精度较差.Li等[99]、Lai等[100]、Ahmed等[101]分别采用SSA-ARMA、ANN和NARX模型对流域尺度的GRACE数据进行插补重建,模型精度均较高,但未涉及格点尺度,而流域尺度相对格点尺度来说序列较为平滑,易于模拟和预测.Sun等[27]采用DNN等多种方法对全球GRACE序列进行重建,结果表明湿润地区的重建效果优于干旱地区,这主要是由于GRACE数据在湿润地区的信噪比更高导致.Li等[28]结合主成分分析、独立成分分析、最小二乘法、多元线性回归、ANN等多种方法构建了GRACE数据重建的框架,结合模型精度优选结果,综合多种模型的优点有助于提升重建GRACE数据的精度.褚江东等[102]基于分解-集成思想,采用VMD-LSTM模型插补了中国的GRACE间断期数据,较其他模型提高了干旱半干旱地区的插补精度.机器学习方法作为黑箱模型,其计算过程无实际物理意义,可解释性较差,因此有研究将水文模型应用至GRACE数据的插补重建中,例如Zhang等[103]采用了具有水文机理的经验水文模型abcd插补了GRACE间断期数据,结果表明该模型的插补精度在热带、温带和大陆性气候区较高,但在干旱地区精度有待提高.也有部分学者采用了基于统计意义的气候驱动模型重建GRACE数据[104-105],并得到了较好的重建效果.Sun等[106]基于深度卷积神经网络(CNN)来学习GRACE数据反演的陆地水储量变化与Noah模型模拟的陆地水储量变化之间的关系,从而校正Noah模型模拟的陆地水储量变化,这为水储量变化数据的插补重建提供了一个新的思路. ...
Human-induced and climate-driven contributions to water storage variations in the Haihe River Basin, China
0
2019
Continuity of terrestrial water storage variability and trends across mainland China monitored by the GRACE and GRACE-Follow on satellites
3
2021
... 鉴于地质地壳活动极其缓慢,在短时间内变化量可忽略不计,因此,重力的时间变化主要由大气、海洋与陆地水的再分配作用所致[13].此外,重力场数据在处理过程中已剔除潮汐影响和非潮汐的大气和海洋影响[14],由此可假设地球重力场变化均由水储量变化引起,进而反演得到全球逐月水储量变化数据.在水文方面,由于GRACE数据在大尺度上监测水储量变化的连续性、适用性和不可替代性,越来越多的学者将GRACE数据应用于监测陆地水储量变化[15-16]、地下水储量变化[17-20]、干旱演变[21-22]和响应[23-24]等方面;相对GRACE卫星而言,后续卫星GRACE-FO的信号精度得到了一定的改善[25],但受制于GRACE卫星和其后续卫星GRACE-FO之间存在11个月的间断期,以及GRACE数据序列较短不满足长时间的观测研究等问题,不少学者探讨了插补或重建GRACE数据序列的方法[26-30].在水文学方面,目前现有基于GRACE数据的中英文研究主要集中在监测水储量变化、海平面变化、湖泊水位变化和冰雪冰川融化,有关干旱和插补重建的研究相对较少. ...
... 为减小GRACE数据反演水储量变化的不确定性,已有部分研究工作对此进行了一些尝试.例如,广义三角帽法可以被用来评估不同GRACE数据的不确定性[30, 33, 43-45];结合卡尔曼滤波和贝叶斯模型平均方法可以得到精度更高的陆地水储量变化数据[46];Sakurama等[47]研究得出多种GRACE数据的均值可以有效降低数据噪声,由于算法简单适应性强,被众多学者采用[16-17, 24].对于球谐系数法数据而言,处理过程中施加的滤波会削弱部分真实信号,一些研究[20, 43, 48-50]将水文、陆面模型(如GLDAS、WGHM模型等)作为参照数据,首先计算滤波前后的信号衰减比例,然后通过尺度因子对GRACE数据进行信号恢复. ...
... 机器学习为水文学以及相关领域提供了强有力的技术支撑,广泛应用于水文数据的模拟预测[95-96].较多学者基于机器学习方法探讨了GRACE间断期序列的插补和重建,如任立良等[26]、梁文涛等[97]、Wei等[98]均采用LSTM模型分别插补了黄河流域、黄河源区、柴达木盆地的GRACE间断期序列,并得到较好的精度,这表明了深度学习模型LSTM在预测方面的稳健性;Xiong等[30]基于随机森林法、支持向量机、人工神经网络(ANN)对中国大陆的GRACE间断期数据进行插补,总体精度较高,但在干旱半干旱地区(如西北地区)的精度较差.Li等[99]、Lai等[100]、Ahmed等[101]分别采用SSA-ARMA、ANN和NARX模型对流域尺度的GRACE数据进行插补重建,模型精度均较高,但未涉及格点尺度,而流域尺度相对格点尺度来说序列较为平滑,易于模拟和预测.Sun等[27]采用DNN等多种方法对全球GRACE序列进行重建,结果表明湿润地区的重建效果优于干旱地区,这主要是由于GRACE数据在湿润地区的信噪比更高导致.Li等[28]结合主成分分析、独立成分分析、最小二乘法、多元线性回归、ANN等多种方法构建了GRACE数据重建的框架,结合模型精度优选结果,综合多种模型的优点有助于提升重建GRACE数据的精度.褚江东等[102]基于分解-集成思想,采用VMD-LSTM模型插补了中国的GRACE间断期数据,较其他模型提高了干旱半干旱地区的插补精度.机器学习方法作为黑箱模型,其计算过程无实际物理意义,可解释性较差,因此有研究将水文模型应用至GRACE数据的插补重建中,例如Zhang等[103]采用了具有水文机理的经验水文模型abcd插补了GRACE间断期数据,结果表明该模型的插补精度在热带、温带和大陆性气候区较高,但在干旱地区精度有待提高.也有部分学者采用了基于统计意义的气候驱动模型重建GRACE数据[104-105],并得到了较好的重建效果.Sun等[106]基于深度卷积神经网络(CNN)来学习GRACE数据反演的陆地水储量变化与Noah模型模拟的陆地水储量变化之间的关系,从而校正Noah模型模拟的陆地水储量变化,这为水储量变化数据的插补重建提供了一个新的思路. ...
重力卫星GRACE Mascon产品的应用研究进展与展望
2
2022
... GRACE数据主要由两种方法得到:球谐系数法和质量块(Mascons)法.球谐系数法主要由JPL(Jet Propulsion Laboratory)、CSR(the University of Texas at Austin Center for Space Research)和GFZ(German Research Center for Geosciences)3家机构提供,空间分辨率为1°×1°;Mascons法数据主要由JPL和CSR两家机构提供,空间分辨率分别为0.5°×0.5°和0.25°×0.25°,但实际分辨率约为3°×3°和1°×1°[31].为提高实际空间分辨率,JPL提供了对JPL-Mascons数据信号恢复的尺度因子,该尺度因子由CLM水文模型得出.球谐系数法数据需进行截断球谐高阶项、替换地心改正项和C20项、去除南北条带、改正泄漏误差和球谐系数转化为等效水高等一系列处理[32],处理方法的选取差异会导致反演结果的不同;相比于球谐系数法,Mascons数据无需进行后处理,在数据发布前已替换地心改正项和C20项,并已扣除冰川均衡调整(GIA)的影响,噪声信号在2级处理中已通过地球物理约束过滤,因此Mascons数据能够最大限度地减少泄漏误差[33],更适合非大地测量和地球物理专业学者采用[31]. ...
... [31]. ...
重力卫星GRACE Mascon产品的应用研究进展与展望
2
2022
... GRACE数据主要由两种方法得到:球谐系数法和质量块(Mascons)法.球谐系数法主要由JPL(Jet Propulsion Laboratory)、CSR(the University of Texas at Austin Center for Space Research)和GFZ(German Research Center for Geosciences)3家机构提供,空间分辨率为1°×1°;Mascons法数据主要由JPL和CSR两家机构提供,空间分辨率分别为0.5°×0.5°和0.25°×0.25°,但实际分辨率约为3°×3°和1°×1°[31].为提高实际空间分辨率,JPL提供了对JPL-Mascons数据信号恢复的尺度因子,该尺度因子由CLM水文模型得出.球谐系数法数据需进行截断球谐高阶项、替换地心改正项和C20项、去除南北条带、改正泄漏误差和球谐系数转化为等效水高等一系列处理[32],处理方法的选取差异会导致反演结果的不同;相比于球谐系数法,Mascons数据无需进行后处理,在数据发布前已替换地心改正项和C20项,并已扣除冰川均衡调整(GIA)的影响,噪声信号在2级处理中已通过地球物理约束过滤,因此Mascons数据能够最大限度地减少泄漏误差[33],更适合非大地测量和地球物理专业学者采用[31]. ...
... [31]. ...
GRAMAT: A comprehensive Matlab toolbox for estimating global mass variations from GRACE satellite data
1
2019
... GRACE数据主要由两种方法得到:球谐系数法和质量块(Mascons)法.球谐系数法主要由JPL(Jet Propulsion Laboratory)、CSR(the University of Texas at Austin Center for Space Research)和GFZ(German Research Center for Geosciences)3家机构提供,空间分辨率为1°×1°;Mascons法数据主要由JPL和CSR两家机构提供,空间分辨率分别为0.5°×0.5°和0.25°×0.25°,但实际分辨率约为3°×3°和1°×1°[31].为提高实际空间分辨率,JPL提供了对JPL-Mascons数据信号恢复的尺度因子,该尺度因子由CLM水文模型得出.球谐系数法数据需进行截断球谐高阶项、替换地心改正项和C20项、去除南北条带、改正泄漏误差和球谐系数转化为等效水高等一系列处理[32],处理方法的选取差异会导致反演结果的不同;相比于球谐系数法,Mascons数据无需进行后处理,在数据发布前已替换地心改正项和C20项,并已扣除冰川均衡调整(GIA)的影响,噪声信号在2级处理中已通过地球物理约束过滤,因此Mascons数据能够最大限度地减少泄漏误差[33],更适合非大地测量和地球物理专业学者采用[31]. ...
Long-term groundwater storage variations estimated in the Songhua River Basin by using GRACE products, land surface models, and in-situ observations
2
2019
... GRACE数据主要由两种方法得到:球谐系数法和质量块(Mascons)法.球谐系数法主要由JPL(Jet Propulsion Laboratory)、CSR(the University of Texas at Austin Center for Space Research)和GFZ(German Research Center for Geosciences)3家机构提供,空间分辨率为1°×1°;Mascons法数据主要由JPL和CSR两家机构提供,空间分辨率分别为0.5°×0.5°和0.25°×0.25°,但实际分辨率约为3°×3°和1°×1°[31].为提高实际空间分辨率,JPL提供了对JPL-Mascons数据信号恢复的尺度因子,该尺度因子由CLM水文模型得出.球谐系数法数据需进行截断球谐高阶项、替换地心改正项和C20项、去除南北条带、改正泄漏误差和球谐系数转化为等效水高等一系列处理[32],处理方法的选取差异会导致反演结果的不同;相比于球谐系数法,Mascons数据无需进行后处理,在数据发布前已替换地心改正项和C20项,并已扣除冰川均衡调整(GIA)的影响,噪声信号在2级处理中已通过地球物理约束过滤,因此Mascons数据能够最大限度地减少泄漏误差[33],更适合非大地测量和地球物理专业学者采用[31]. ...
... 为减小GRACE数据反演水储量变化的不确定性,已有部分研究工作对此进行了一些尝试.例如,广义三角帽法可以被用来评估不同GRACE数据的不确定性[30, 33, 43-45];结合卡尔曼滤波和贝叶斯模型平均方法可以得到精度更高的陆地水储量变化数据[46];Sakurama等[47]研究得出多种GRACE数据的均值可以有效降低数据噪声,由于算法简单适应性强,被众多学者采用[16-17, 24].对于球谐系数法数据而言,处理过程中施加的滤波会削弱部分真实信号,一些研究[20, 43, 48-50]将水文、陆面模型(如GLDAS、WGHM模型等)作为参照数据,首先计算滤波前后的信号衰减比例,然后通过尺度因子对GRACE数据进行信号恢复. ...
GRACE卫星数据在国内陆地水储量反演中的应用综述
1
2017
... 自GRACE重力卫星发射升空后,其提供的数据在水文方面得到了广泛的应用和普及,一些研究也系统总结了GRACE数据在监测陆地水储量[13, 34-35]、地下水储量[36-38]的应用.例如,胡宝怡和王磊[35]从水储量组分变化、水量平衡和气候变化等角度详细分析了全球陆地水储量变化的驱动因素.但目前尚未有研究总结GRACE数据在监测干旱和插补重建上的应用现状与进展.因此,本文从水文学角度出发,梳理GRACE数据在反演结果验证和不确定性分析、陆地水储量变化、地下水储量变化、干旱演变和响应、插补重建等方面的应用现状和存在问题,旨在为利用GRACE数据的相关研究提供借鉴与思考. ...
GRACE卫星数据在国内陆地水储量反演中的应用综述
1
2017
... 自GRACE重力卫星发射升空后,其提供的数据在水文方面得到了广泛的应用和普及,一些研究也系统总结了GRACE数据在监测陆地水储量[13, 34-35]、地下水储量[36-38]的应用.例如,胡宝怡和王磊[35]从水储量组分变化、水量平衡和气候变化等角度详细分析了全球陆地水储量变化的驱动因素.但目前尚未有研究总结GRACE数据在监测干旱和插补重建上的应用现状与进展.因此,本文从水文学角度出发,梳理GRACE数据在反演结果验证和不确定性分析、陆地水储量变化、地下水储量变化、干旱演变和响应、插补重建等方面的应用现状和存在问题,旨在为利用GRACE数据的相关研究提供借鉴与思考. ...
陆地水储量变化及其归因:研究综述及展望
4
2021
... 自GRACE重力卫星发射升空后,其提供的数据在水文方面得到了广泛的应用和普及,一些研究也系统总结了GRACE数据在监测陆地水储量[13, 34-35]、地下水储量[36-38]的应用.例如,胡宝怡和王磊[35]从水储量组分变化、水量平衡和气候变化等角度详细分析了全球陆地水储量变化的驱动因素.但目前尚未有研究总结GRACE数据在监测干旱和插补重建上的应用现状与进展.因此,本文从水文学角度出发,梳理GRACE数据在反演结果验证和不确定性分析、陆地水储量变化、地下水储量变化、干旱演变和响应、插补重建等方面的应用现状和存在问题,旨在为利用GRACE数据的相关研究提供借鉴与思考. ...
... [35]从水储量组分变化、水量平衡和气候变化等角度详细分析了全球陆地水储量变化的驱动因素.但目前尚未有研究总结GRACE数据在监测干旱和插补重建上的应用现状与进展.因此,本文从水文学角度出发,梳理GRACE数据在反演结果验证和不确定性分析、陆地水储量变化、地下水储量变化、干旱演变和响应、插补重建等方面的应用现状和存在问题,旨在为利用GRACE数据的相关研究提供借鉴与思考. ...
... 陆地水储量变化的驱动因素在各个区域各不相同,学者们主要从水储量组分、水量平衡和气候变化等角度对陆地水储量的变化趋势成因进行分析[35].在水储量组分方面,陆地水主要包括雪水当量、土壤水、地下水、地表水等组分.降水增加和湖泊面积扩张导致青藏高原中部陆地水储量增加,而气候变暖导致冰川消融、雪水当量减少,从而致使青藏高原南部陆地水储量减少[4, 53].受气候变化的影响,天山山区冰川退缩明显,水储量呈显著减少的趋势[54].在水量平衡方面,陆地水储量主要受降水、蒸散发以及径流的影响.冯伟等[55]基于GRACE数据研究了亚马逊流域2002~2010年的陆地水储量变化,并结合GLDAS、CPC和NCEP 3种模型数据和降雨资料进行对比分析,表明降水和3种模型数据提供的水储量变化均与GRACE数据的陆地水储量变化具有较好的一致性,并指出降水增多是导致亚马逊流域陆地水储量变化增加的一个重要原因.气候变化方面,Han等[56]研究了遥相关因素厄尔尼诺南方涛动(El Niño-Southern Oscillation,ENSO)、北极涛动(Arctic Oscillation,AO)、降水等因素对GRACE数据反演陆地水储量变化的影响,得出在云南2009年极端干旱事件中,陆地水储量变化和ENSO、AO均有较强的相关性,且湿润地区降水强度与分布特征是引起陆地水储量变化的主要因素.Shen等[57]研究表明,北大西洋作为亚欧大陆重要的水汽来源,其低纬度地区的水分亏缺导致了亚欧大陆的陆地水储量枯竭. ...
... (1)变化环境对水储量变化的影响.在GRACE数据反演水储量变化方面,由于人类活动显著影响了全球多个地区的水储量变化,已成为水储量变化不容忽视的影响因素,在今后研究中需重点关注人类活动和气候变化对水储量变化的影响.另外,后续研究可进一步探讨水储量各组分(例如土壤水、地下水、冰雪等)变化对水储量的影响[35, 102],以及结合未来情景或气候模式分析未来水储量的变化情势[107].水储量变化作为水循环的重要变量,将其同化至水文模型中可有效提高水文模型的精度[108]. ...
陆地水储量变化及其归因:研究综述及展望
4
2021
... 自GRACE重力卫星发射升空后,其提供的数据在水文方面得到了广泛的应用和普及,一些研究也系统总结了GRACE数据在监测陆地水储量[13, 34-35]、地下水储量[36-38]的应用.例如,胡宝怡和王磊[35]从水储量组分变化、水量平衡和气候变化等角度详细分析了全球陆地水储量变化的驱动因素.但目前尚未有研究总结GRACE数据在监测干旱和插补重建上的应用现状与进展.因此,本文从水文学角度出发,梳理GRACE数据在反演结果验证和不确定性分析、陆地水储量变化、地下水储量变化、干旱演变和响应、插补重建等方面的应用现状和存在问题,旨在为利用GRACE数据的相关研究提供借鉴与思考. ...
... [35]从水储量组分变化、水量平衡和气候变化等角度详细分析了全球陆地水储量变化的驱动因素.但目前尚未有研究总结GRACE数据在监测干旱和插补重建上的应用现状与进展.因此,本文从水文学角度出发,梳理GRACE数据在反演结果验证和不确定性分析、陆地水储量变化、地下水储量变化、干旱演变和响应、插补重建等方面的应用现状和存在问题,旨在为利用GRACE数据的相关研究提供借鉴与思考. ...
... 陆地水储量变化的驱动因素在各个区域各不相同,学者们主要从水储量组分、水量平衡和气候变化等角度对陆地水储量的变化趋势成因进行分析[35].在水储量组分方面,陆地水主要包括雪水当量、土壤水、地下水、地表水等组分.降水增加和湖泊面积扩张导致青藏高原中部陆地水储量增加,而气候变暖导致冰川消融、雪水当量减少,从而致使青藏高原南部陆地水储量减少[4, 53].受气候变化的影响,天山山区冰川退缩明显,水储量呈显著减少的趋势[54].在水量平衡方面,陆地水储量主要受降水、蒸散发以及径流的影响.冯伟等[55]基于GRACE数据研究了亚马逊流域2002~2010年的陆地水储量变化,并结合GLDAS、CPC和NCEP 3种模型数据和降雨资料进行对比分析,表明降水和3种模型数据提供的水储量变化均与GRACE数据的陆地水储量变化具有较好的一致性,并指出降水增多是导致亚马逊流域陆地水储量变化增加的一个重要原因.气候变化方面,Han等[56]研究了遥相关因素厄尔尼诺南方涛动(El Niño-Southern Oscillation,ENSO)、北极涛动(Arctic Oscillation,AO)、降水等因素对GRACE数据反演陆地水储量变化的影响,得出在云南2009年极端干旱事件中,陆地水储量变化和ENSO、AO均有较强的相关性,且湿润地区降水强度与分布特征是引起陆地水储量变化的主要因素.Shen等[57]研究表明,北大西洋作为亚欧大陆重要的水汽来源,其低纬度地区的水分亏缺导致了亚欧大陆的陆地水储量枯竭. ...
... (1)变化环境对水储量变化的影响.在GRACE数据反演水储量变化方面,由于人类活动显著影响了全球多个地区的水储量变化,已成为水储量变化不容忽视的影响因素,在今后研究中需重点关注人类活动和气候变化对水储量变化的影响.另外,后续研究可进一步探讨水储量各组分(例如土壤水、地下水、冰雪等)变化对水储量的影响[35, 102],以及结合未来情景或气候模式分析未来水储量的变化情势[107].水储量变化作为水循环的重要变量,将其同化至水文模型中可有效提高水文模型的精度[108]. ...
GRACE卫星在区域地下水管理中的应用潜力综述
1
2016
... 自GRACE重力卫星发射升空后,其提供的数据在水文方面得到了广泛的应用和普及,一些研究也系统总结了GRACE数据在监测陆地水储量[13, 34-35]、地下水储量[36-38]的应用.例如,胡宝怡和王磊[35]从水储量组分变化、水量平衡和气候变化等角度详细分析了全球陆地水储量变化的驱动因素.但目前尚未有研究总结GRACE数据在监测干旱和插补重建上的应用现状与进展.因此,本文从水文学角度出发,梳理GRACE数据在反演结果验证和不确定性分析、陆地水储量变化、地下水储量变化、干旱演变和响应、插补重建等方面的应用现状和存在问题,旨在为利用GRACE数据的相关研究提供借鉴与思考. ...
GRACE卫星在区域地下水管理中的应用潜力综述
1
2016
... 自GRACE重力卫星发射升空后,其提供的数据在水文方面得到了广泛的应用和普及,一些研究也系统总结了GRACE数据在监测陆地水储量[13, 34-35]、地下水储量[36-38]的应用.例如,胡宝怡和王磊[35]从水储量组分变化、水量平衡和气候变化等角度详细分析了全球陆地水储量变化的驱动因素.但目前尚未有研究总结GRACE数据在监测干旱和插补重建上的应用现状与进展.因此,本文从水文学角度出发,梳理GRACE数据在反演结果验证和不确定性分析、陆地水储量变化、地下水储量变化、干旱演变和响应、插补重建等方面的应用现状和存在问题,旨在为利用GRACE数据的相关研究提供借鉴与思考. ...
Monitoring groundwater storage changes using the Gravity Recovery and Climate Experiment (GRACE) Satellite Mission: a review
0
2018
基于GRACE卫星数据的中国地下水储量监测进展
1
2020
... 自GRACE重力卫星发射升空后,其提供的数据在水文方面得到了广泛的应用和普及,一些研究也系统总结了GRACE数据在监测陆地水储量[13, 34-35]、地下水储量[36-38]的应用.例如,胡宝怡和王磊[35]从水储量组分变化、水量平衡和气候变化等角度详细分析了全球陆地水储量变化的驱动因素.但目前尚未有研究总结GRACE数据在监测干旱和插补重建上的应用现状与进展.因此,本文从水文学角度出发,梳理GRACE数据在反演结果验证和不确定性分析、陆地水储量变化、地下水储量变化、干旱演变和响应、插补重建等方面的应用现状和存在问题,旨在为利用GRACE数据的相关研究提供借鉴与思考. ...
基于GRACE卫星数据的中国地下水储量监测进展
1
2020
... 自GRACE重力卫星发射升空后,其提供的数据在水文方面得到了广泛的应用和普及,一些研究也系统总结了GRACE数据在监测陆地水储量[13, 34-35]、地下水储量[36-38]的应用.例如,胡宝怡和王磊[35]从水储量组分变化、水量平衡和气候变化等角度详细分析了全球陆地水储量变化的驱动因素.但目前尚未有研究总结GRACE数据在监测干旱和插补重建上的应用现状与进展.因此,本文从水文学角度出发,梳理GRACE数据在反演结果验证和不确定性分析、陆地水储量变化、地下水储量变化、干旱演变和响应、插补重建等方面的应用现状和存在问题,旨在为利用GRACE数据的相关研究提供借鉴与思考. ...
Groundwater depletion in the West Liaohe River Basin, China and its implications revealed by GRACE and in situ measurements
1
2018
... 基于实测地下水位数据对GRACE数据进行验证是比较常用的方法.由于GRACE数据的原始分辨率较粗,且实测地下水位变化应乘以给水度才能与GRACE数据进行定量分析,而给水度数据难以获取,因此大多研究采用定性分析验证的方法来评估GRACE数据反演结果的适用性.例如,Zhong等[39]采用实测地下水位数据对反演的西辽河流域地下水储量变化进行验证,得出两者趋势较为一致.虽然各行政区和流域每年发布的水资源公报中的水资源总量和地下水资源量概念着重反映的是该地区的可利用水量,这与GRACE数据的反演结果概念有所不同,但在一定程度上可作为GRACE数据反演结果的验证数据.例如,魏光辉等[40]、陶征广等[41]结合水资源公报数据分别对GRACE数据反演的水储量变化进行验证,发现两者之间具有较好的一致性.历史时期的干旱事件、极端气候事件也可佐证GRACE数据反演的适用性.冉艳红等[21]研究表明,基于GRACE数据构建的干旱指数GRACE-DSI很好地反映了2019年夏秋季长江中下游持续干旱的发生情况.在已知降水、蒸散发和径流的基础上,通过水量平衡方程得到的水储量变化也可对GRACE数据反演的陆地水储量变化进行验证.例如,任立良等[26]研究表明黄河流域2002年5月~2020年2月GRACE、GLDAS和水量平衡法得到的结果变化趋势基本一致.在水文模型模拟数据验证方面,熊景华等[42]发现,珠江流域五套GRACE官方数据与GLDAS水文模型反演的水储量变化趋势较为一致. ...
基于GRACE陆地水储量降尺度的塔里木河流域干旱特征及驱动因子分析
1
2020
... 基于实测地下水位数据对GRACE数据进行验证是比较常用的方法.由于GRACE数据的原始分辨率较粗,且实测地下水位变化应乘以给水度才能与GRACE数据进行定量分析,而给水度数据难以获取,因此大多研究采用定性分析验证的方法来评估GRACE数据反演结果的适用性.例如,Zhong等[39]采用实测地下水位数据对反演的西辽河流域地下水储量变化进行验证,得出两者趋势较为一致.虽然各行政区和流域每年发布的水资源公报中的水资源总量和地下水资源量概念着重反映的是该地区的可利用水量,这与GRACE数据的反演结果概念有所不同,但在一定程度上可作为GRACE数据反演结果的验证数据.例如,魏光辉等[40]、陶征广等[41]结合水资源公报数据分别对GRACE数据反演的水储量变化进行验证,发现两者之间具有较好的一致性.历史时期的干旱事件、极端气候事件也可佐证GRACE数据反演的适用性.冉艳红等[21]研究表明,基于GRACE数据构建的干旱指数GRACE-DSI很好地反映了2019年夏秋季长江中下游持续干旱的发生情况.在已知降水、蒸散发和径流的基础上,通过水量平衡方程得到的水储量变化也可对GRACE数据反演的陆地水储量变化进行验证.例如,任立良等[26]研究表明黄河流域2002年5月~2020年2月GRACE、GLDAS和水量平衡法得到的结果变化趋势基本一致.在水文模型模拟数据验证方面,熊景华等[42]发现,珠江流域五套GRACE官方数据与GLDAS水文模型反演的水储量变化趋势较为一致. ...
基于GRACE陆地水储量降尺度的塔里木河流域干旱特征及驱动因子分析
1
2020
... 基于实测地下水位数据对GRACE数据进行验证是比较常用的方法.由于GRACE数据的原始分辨率较粗,且实测地下水位变化应乘以给水度才能与GRACE数据进行定量分析,而给水度数据难以获取,因此大多研究采用定性分析验证的方法来评估GRACE数据反演结果的适用性.例如,Zhong等[39]采用实测地下水位数据对反演的西辽河流域地下水储量变化进行验证,得出两者趋势较为一致.虽然各行政区和流域每年发布的水资源公报中的水资源总量和地下水资源量概念着重反映的是该地区的可利用水量,这与GRACE数据的反演结果概念有所不同,但在一定程度上可作为GRACE数据反演结果的验证数据.例如,魏光辉等[40]、陶征广等[41]结合水资源公报数据分别对GRACE数据反演的水储量变化进行验证,发现两者之间具有较好的一致性.历史时期的干旱事件、极端气候事件也可佐证GRACE数据反演的适用性.冉艳红等[21]研究表明,基于GRACE数据构建的干旱指数GRACE-DSI很好地反映了2019年夏秋季长江中下游持续干旱的发生情况.在已知降水、蒸散发和径流的基础上,通过水量平衡方程得到的水储量变化也可对GRACE数据反演的陆地水储量变化进行验证.例如,任立良等[26]研究表明黄河流域2002年5月~2020年2月GRACE、GLDAS和水量平衡法得到的结果变化趋势基本一致.在水文模型模拟数据验证方面,熊景华等[42]发现,珠江流域五套GRACE官方数据与GLDAS水文模型反演的水储量变化趋势较为一致. ...
基于GRACE和GLDAS水文模型反演安徽省地下水储量变化
1
2021
... 基于实测地下水位数据对GRACE数据进行验证是比较常用的方法.由于GRACE数据的原始分辨率较粗,且实测地下水位变化应乘以给水度才能与GRACE数据进行定量分析,而给水度数据难以获取,因此大多研究采用定性分析验证的方法来评估GRACE数据反演结果的适用性.例如,Zhong等[39]采用实测地下水位数据对反演的西辽河流域地下水储量变化进行验证,得出两者趋势较为一致.虽然各行政区和流域每年发布的水资源公报中的水资源总量和地下水资源量概念着重反映的是该地区的可利用水量,这与GRACE数据的反演结果概念有所不同,但在一定程度上可作为GRACE数据反演结果的验证数据.例如,魏光辉等[40]、陶征广等[41]结合水资源公报数据分别对GRACE数据反演的水储量变化进行验证,发现两者之间具有较好的一致性.历史时期的干旱事件、极端气候事件也可佐证GRACE数据反演的适用性.冉艳红等[21]研究表明,基于GRACE数据构建的干旱指数GRACE-DSI很好地反映了2019年夏秋季长江中下游持续干旱的发生情况.在已知降水、蒸散发和径流的基础上,通过水量平衡方程得到的水储量变化也可对GRACE数据反演的陆地水储量变化进行验证.例如,任立良等[26]研究表明黄河流域2002年5月~2020年2月GRACE、GLDAS和水量平衡法得到的结果变化趋势基本一致.在水文模型模拟数据验证方面,熊景华等[42]发现,珠江流域五套GRACE官方数据与GLDAS水文模型反演的水储量变化趋势较为一致. ...
基于GRACE和GLDAS水文模型反演安徽省地下水储量变化
1
2021
... 基于实测地下水位数据对GRACE数据进行验证是比较常用的方法.由于GRACE数据的原始分辨率较粗,且实测地下水位变化应乘以给水度才能与GRACE数据进行定量分析,而给水度数据难以获取,因此大多研究采用定性分析验证的方法来评估GRACE数据反演结果的适用性.例如,Zhong等[39]采用实测地下水位数据对反演的西辽河流域地下水储量变化进行验证,得出两者趋势较为一致.虽然各行政区和流域每年发布的水资源公报中的水资源总量和地下水资源量概念着重反映的是该地区的可利用水量,这与GRACE数据的反演结果概念有所不同,但在一定程度上可作为GRACE数据反演结果的验证数据.例如,魏光辉等[40]、陶征广等[41]结合水资源公报数据分别对GRACE数据反演的水储量变化进行验证,发现两者之间具有较好的一致性.历史时期的干旱事件、极端气候事件也可佐证GRACE数据反演的适用性.冉艳红等[21]研究表明,基于GRACE数据构建的干旱指数GRACE-DSI很好地反映了2019年夏秋季长江中下游持续干旱的发生情况.在已知降水、蒸散发和径流的基础上,通过水量平衡方程得到的水储量变化也可对GRACE数据反演的陆地水储量变化进行验证.例如,任立良等[26]研究表明黄河流域2002年5月~2020年2月GRACE、GLDAS和水量平衡法得到的结果变化趋势基本一致.在水文模型模拟数据验证方面,熊景华等[42]发现,珠江流域五套GRACE官方数据与GLDAS水文模型反演的水储量变化趋势较为一致. ...
基于GRACE重力卫星的珠江流域陆地水储量时空变化研究
1
2021
... 基于实测地下水位数据对GRACE数据进行验证是比较常用的方法.由于GRACE数据的原始分辨率较粗,且实测地下水位变化应乘以给水度才能与GRACE数据进行定量分析,而给水度数据难以获取,因此大多研究采用定性分析验证的方法来评估GRACE数据反演结果的适用性.例如,Zhong等[39]采用实测地下水位数据对反演的西辽河流域地下水储量变化进行验证,得出两者趋势较为一致.虽然各行政区和流域每年发布的水资源公报中的水资源总量和地下水资源量概念着重反映的是该地区的可利用水量,这与GRACE数据的反演结果概念有所不同,但在一定程度上可作为GRACE数据反演结果的验证数据.例如,魏光辉等[40]、陶征广等[41]结合水资源公报数据分别对GRACE数据反演的水储量变化进行验证,发现两者之间具有较好的一致性.历史时期的干旱事件、极端气候事件也可佐证GRACE数据反演的适用性.冉艳红等[21]研究表明,基于GRACE数据构建的干旱指数GRACE-DSI很好地反映了2019年夏秋季长江中下游持续干旱的发生情况.在已知降水、蒸散发和径流的基础上,通过水量平衡方程得到的水储量变化也可对GRACE数据反演的陆地水储量变化进行验证.例如,任立良等[26]研究表明黄河流域2002年5月~2020年2月GRACE、GLDAS和水量平衡法得到的结果变化趋势基本一致.在水文模型模拟数据验证方面,熊景华等[42]发现,珠江流域五套GRACE官方数据与GLDAS水文模型反演的水储量变化趋势较为一致. ...
基于GRACE重力卫星的珠江流域陆地水储量时空变化研究
1
2021
... 基于实测地下水位数据对GRACE数据进行验证是比较常用的方法.由于GRACE数据的原始分辨率较粗,且实测地下水位变化应乘以给水度才能与GRACE数据进行定量分析,而给水度数据难以获取,因此大多研究采用定性分析验证的方法来评估GRACE数据反演结果的适用性.例如,Zhong等[39]采用实测地下水位数据对反演的西辽河流域地下水储量变化进行验证,得出两者趋势较为一致.虽然各行政区和流域每年发布的水资源公报中的水资源总量和地下水资源量概念着重反映的是该地区的可利用水量,这与GRACE数据的反演结果概念有所不同,但在一定程度上可作为GRACE数据反演结果的验证数据.例如,魏光辉等[40]、陶征广等[41]结合水资源公报数据分别对GRACE数据反演的水储量变化进行验证,发现两者之间具有较好的一致性.历史时期的干旱事件、极端气候事件也可佐证GRACE数据反演的适用性.冉艳红等[21]研究表明,基于GRACE数据构建的干旱指数GRACE-DSI很好地反映了2019年夏秋季长江中下游持续干旱的发生情况.在已知降水、蒸散发和径流的基础上,通过水量平衡方程得到的水储量变化也可对GRACE数据反演的陆地水储量变化进行验证.例如,任立良等[26]研究表明黄河流域2002年5月~2020年2月GRACE、GLDAS和水量平衡法得到的结果变化趋势基本一致.在水文模型模拟数据验证方面,熊景华等[42]发现,珠江流域五套GRACE官方数据与GLDAS水文模型反演的水储量变化趋势较为一致. ...
利用广义三角帽方法评估GRACE反演中国大陆地区水储量变化的不确定性
2
2019
... 为减小GRACE数据反演水储量变化的不确定性,已有部分研究工作对此进行了一些尝试.例如,广义三角帽法可以被用来评估不同GRACE数据的不确定性[30, 33, 43-45];结合卡尔曼滤波和贝叶斯模型平均方法可以得到精度更高的陆地水储量变化数据[46];Sakurama等[47]研究得出多种GRACE数据的均值可以有效降低数据噪声,由于算法简单适应性强,被众多学者采用[16-17, 24].对于球谐系数法数据而言,处理过程中施加的滤波会削弱部分真实信号,一些研究[20, 43, 48-50]将水文、陆面模型(如GLDAS、WGHM模型等)作为参照数据,首先计算滤波前后的信号衰减比例,然后通过尺度因子对GRACE数据进行信号恢复. ...
... , 43, 48-50]将水文、陆面模型(如GLDAS、WGHM模型等)作为参照数据,首先计算滤波前后的信号衰减比例,然后通过尺度因子对GRACE数据进行信号恢复. ...
利用广义三角帽方法评估GRACE反演中国大陆地区水储量变化的不确定性
2
2019
... 为减小GRACE数据反演水储量变化的不确定性,已有部分研究工作对此进行了一些尝试.例如,广义三角帽法可以被用来评估不同GRACE数据的不确定性[30, 33, 43-45];结合卡尔曼滤波和贝叶斯模型平均方法可以得到精度更高的陆地水储量变化数据[46];Sakurama等[47]研究得出多种GRACE数据的均值可以有效降低数据噪声,由于算法简单适应性强,被众多学者采用[16-17, 24].对于球谐系数法数据而言,处理过程中施加的滤波会削弱部分真实信号,一些研究[20, 43, 48-50]将水文、陆面模型(如GLDAS、WGHM模型等)作为参照数据,首先计算滤波前后的信号衰减比例,然后通过尺度因子对GRACE数据进行信号恢复. ...
... , 43, 48-50]将水文、陆面模型(如GLDAS、WGHM模型等)作为参照数据,首先计算滤波前后的信号衰减比例,然后通过尺度因子对GRACE数据进行信号恢复. ...
长江流域水储量变化的时间变化特征及归因分析
1
2021
... 除气候变化对陆地水储量的影响之外,在某些地区,人类活动也显著影响着陆地水储量的变化.三峡大坝作为世界最大的水利发电工程,建成后拦蓄大量水流,这改变了长江流域径流的年内分配,从而导致上游地区陆地水储量变化上升[44].由于人口密集和灌溉用水增加,过度抽取地下水导致华北平原[49, 58-59]、印度西北部[2, 60]等地的陆地水储量急剧下降,但在南水北调中线工程建成通水后,华北平原的水储量衰减趋势有所缓解[18]. ...
长江流域水储量变化的时间变化特征及归因分析
1
2021
... 除气候变化对陆地水储量的影响之外,在某些地区,人类活动也显著影响着陆地水储量的变化.三峡大坝作为世界最大的水利发电工程,建成后拦蓄大量水流,这改变了长江流域径流的年内分配,从而导致上游地区陆地水储量变化上升[44].由于人口密集和灌溉用水增加,过度抽取地下水导致华北平原[49, 58-59]、印度西北部[2, 60]等地的陆地水储量急剧下降,但在南水北调中线工程建成通水后,华北平原的水储量衰减趋势有所缓解[18]. ...
Global analysis of spatiotemporal variability in merged total water storage changes using multiple GRACE products and global hydrological models
2
2017
... 为减小GRACE数据反演水储量变化的不确定性,已有部分研究工作对此进行了一些尝试.例如,广义三角帽法可以被用来评估不同GRACE数据的不确定性[30, 33, 43-45];结合卡尔曼滤波和贝叶斯模型平均方法可以得到精度更高的陆地水储量变化数据[46];Sakurama等[47]研究得出多种GRACE数据的均值可以有效降低数据噪声,由于算法简单适应性强,被众多学者采用[16-17, 24].对于球谐系数法数据而言,处理过程中施加的滤波会削弱部分真实信号,一些研究[20, 43, 48-50]将水文、陆面模型(如GLDAS、WGHM模型等)作为参照数据,首先计算滤波前后的信号衰减比例,然后通过尺度因子对GRACE数据进行信号恢复. ...
... 探究陆地水储量变化的时空分布及其驱动因素,对了解区域水循环过程和水资源优化配置具有重要意义.Wahr等[51]最先提出可基于GRACE时变重力场数据来监测海平面与陆地水储量的变化情况.图2为基于GRACE的CSR Mascons RL06版本数据在2002年4月~2021年3月全球陆地水储量的变化速率图,可以看出,中国的华北平原、藏东南地区、天山山脉等区域以及世界范围中巴西高原、印度西北部、里海及周边、中东地区、阿拉斯加东南部、南极和格陵兰岛等地区具有明显的下降趋势,而东非高原、美国五大湖、亚马逊流域和我国的柴达木盆地、三峡库区等地的陆地水储量呈现上升趋势,这与Rodell等[3]的研究结果较为一致.部分学者借助GRACE数据探讨了流域尺度上的陆地水储量变化情况,例如Jing等[52]基于5种GRACE数据得出澜沧江流域2003~2016年陆地水储量变化呈现轻微下降趋势,速率变化范围在-1.45~0 cm/a之间,且陆地水储量变化相对于径流、降水和蒸散发存在1~2月的滞时;Long等[45]基于多种GRACE数据监测了全球60个流域的陆地水储量变化趋势并结合WGHM水文模型进行对比验证,并认为Mascons数据精度较球谐系数法更高. ...
Comparing global hydrological models and combining them with GRACE by dynamic model data averaging (DMDA)
1
2020
... 为减小GRACE数据反演水储量变化的不确定性,已有部分研究工作对此进行了一些尝试.例如,广义三角帽法可以被用来评估不同GRACE数据的不确定性[30, 33, 43-45];结合卡尔曼滤波和贝叶斯模型平均方法可以得到精度更高的陆地水储量变化数据[46];Sakurama等[47]研究得出多种GRACE数据的均值可以有效降低数据噪声,由于算法简单适应性强,被众多学者采用[16-17, 24].对于球谐系数法数据而言,处理过程中施加的滤波会削弱部分真实信号,一些研究[20, 43, 48-50]将水文、陆面模型(如GLDAS、WGHM模型等)作为参照数据,首先计算滤波前后的信号衰减比例,然后通过尺度因子对GRACE数据进行信号恢复. ...
Ensemble prediction and intercomparison analysis of GRACE time-variable gravity field models
1
2014
... 为减小GRACE数据反演水储量变化的不确定性,已有部分研究工作对此进行了一些尝试.例如,广义三角帽法可以被用来评估不同GRACE数据的不确定性[30, 33, 43-45];结合卡尔曼滤波和贝叶斯模型平均方法可以得到精度更高的陆地水储量变化数据[46];Sakurama等[47]研究得出多种GRACE数据的均值可以有效降低数据噪声,由于算法简单适应性强,被众多学者采用[16-17, 24].对于球谐系数法数据而言,处理过程中施加的滤波会削弱部分真实信号,一些研究[20, 43, 48-50]将水文、陆面模型(如GLDAS、WGHM模型等)作为参照数据,首先计算滤波前后的信号衰减比例,然后通过尺度因子对GRACE数据进行信号恢复. ...
利用卫星观测数据评估GLDAS与WGHM水文模型的适用性
1
2019
... 为减小GRACE数据反演水储量变化的不确定性,已有部分研究工作对此进行了一些尝试.例如,广义三角帽法可以被用来评估不同GRACE数据的不确定性[30, 33, 43-45];结合卡尔曼滤波和贝叶斯模型平均方法可以得到精度更高的陆地水储量变化数据[46];Sakurama等[47]研究得出多种GRACE数据的均值可以有效降低数据噪声,由于算法简单适应性强,被众多学者采用[16-17, 24].对于球谐系数法数据而言,处理过程中施加的滤波会削弱部分真实信号,一些研究[20, 43, 48-50]将水文、陆面模型(如GLDAS、WGHM模型等)作为参照数据,首先计算滤波前后的信号衰减比例,然后通过尺度因子对GRACE数据进行信号恢复. ...
利用卫星观测数据评估GLDAS与WGHM水文模型的适用性
1
2019
... 为减小GRACE数据反演水储量变化的不确定性,已有部分研究工作对此进行了一些尝试.例如,广义三角帽法可以被用来评估不同GRACE数据的不确定性[30, 33, 43-45];结合卡尔曼滤波和贝叶斯模型平均方法可以得到精度更高的陆地水储量变化数据[46];Sakurama等[47]研究得出多种GRACE数据的均值可以有效降低数据噪声,由于算法简单适应性强,被众多学者采用[16-17, 24].对于球谐系数法数据而言,处理过程中施加的滤波会削弱部分真实信号,一些研究[20, 43, 48-50]将水文、陆面模型(如GLDAS、WGHM模型等)作为参照数据,首先计算滤波前后的信号衰减比例,然后通过尺度因子对GRACE数据进行信号恢复. ...
基于GRACE的空间约束方法监测华北平原地下水储量变化
1
2017
... 除气候变化对陆地水储量的影响之外,在某些地区,人类活动也显著影响着陆地水储量的变化.三峡大坝作为世界最大的水利发电工程,建成后拦蓄大量水流,这改变了长江流域径流的年内分配,从而导致上游地区陆地水储量变化上升[44].由于人口密集和灌溉用水增加,过度抽取地下水导致华北平原[49, 58-59]、印度西北部[2, 60]等地的陆地水储量急剧下降,但在南水北调中线工程建成通水后,华北平原的水储量衰减趋势有所缓解[18]. ...
基于GRACE的空间约束方法监测华北平原地下水储量变化
1
2017
... 除气候变化对陆地水储量的影响之外,在某些地区,人类活动也显著影响着陆地水储量的变化.三峡大坝作为世界最大的水利发电工程,建成后拦蓄大量水流,这改变了长江流域径流的年内分配,从而导致上游地区陆地水储量变化上升[44].由于人口密集和灌溉用水增加,过度抽取地下水导致华北平原[49, 58-59]、印度西北部[2, 60]等地的陆地水储量急剧下降,但在南水北调中线工程建成通水后,华北平原的水储量衰减趋势有所缓解[18]. ...
Deriving scaling factors using a global hydrological model to restore GRACE total water storage changes for China's Yangtze River Basin
1
2015
... 为减小GRACE数据反演水储量变化的不确定性,已有部分研究工作对此进行了一些尝试.例如,广义三角帽法可以被用来评估不同GRACE数据的不确定性[30, 33, 43-45];结合卡尔曼滤波和贝叶斯模型平均方法可以得到精度更高的陆地水储量变化数据[46];Sakurama等[47]研究得出多种GRACE数据的均值可以有效降低数据噪声,由于算法简单适应性强,被众多学者采用[16-17, 24].对于球谐系数法数据而言,处理过程中施加的滤波会削弱部分真实信号,一些研究[20, 43, 48-50]将水文、陆面模型(如GLDAS、WGHM模型等)作为参照数据,首先计算滤波前后的信号衰减比例,然后通过尺度因子对GRACE数据进行信号恢复. ...
Time variability of the Earth's gravity field: Hydrological and oceanic effects and their possible detection using GRACE
1
1998
... 探究陆地水储量变化的时空分布及其驱动因素,对了解区域水循环过程和水资源优化配置具有重要意义.Wahr等[51]最先提出可基于GRACE时变重力场数据来监测海平面与陆地水储量的变化情况.图2为基于GRACE的CSR Mascons RL06版本数据在2002年4月~2021年3月全球陆地水储量的变化速率图,可以看出,中国的华北平原、藏东南地区、天山山脉等区域以及世界范围中巴西高原、印度西北部、里海及周边、中东地区、阿拉斯加东南部、南极和格陵兰岛等地区具有明显的下降趋势,而东非高原、美国五大湖、亚马逊流域和我国的柴达木盆地、三峡库区等地的陆地水储量呈现上升趋势,这与Rodell等[3]的研究结果较为一致.部分学者借助GRACE数据探讨了流域尺度上的陆地水储量变化情况,例如Jing等[52]基于5种GRACE数据得出澜沧江流域2003~2016年陆地水储量变化呈现轻微下降趋势,速率变化范围在-1.45~0 cm/a之间,且陆地水储量变化相对于径流、降水和蒸散发存在1~2月的滞时;Long等[45]基于多种GRACE数据监测了全球60个流域的陆地水储量变化趋势并结合WGHM水文模型进行对比验证,并认为Mascons数据精度较球谐系数法更高. ...
Variations in terrestrial water storage in the Lancang-Mekong River basin from GRACE solutions and land surface model
1
2020
... 探究陆地水储量变化的时空分布及其驱动因素,对了解区域水循环过程和水资源优化配置具有重要意义.Wahr等[51]最先提出可基于GRACE时变重力场数据来监测海平面与陆地水储量的变化情况.图2为基于GRACE的CSR Mascons RL06版本数据在2002年4月~2021年3月全球陆地水储量的变化速率图,可以看出,中国的华北平原、藏东南地区、天山山脉等区域以及世界范围中巴西高原、印度西北部、里海及周边、中东地区、阿拉斯加东南部、南极和格陵兰岛等地区具有明显的下降趋势,而东非高原、美国五大湖、亚马逊流域和我国的柴达木盆地、三峡库区等地的陆地水储量呈现上升趋势,这与Rodell等[3]的研究结果较为一致.部分学者借助GRACE数据探讨了流域尺度上的陆地水储量变化情况,例如Jing等[52]基于5种GRACE数据得出澜沧江流域2003~2016年陆地水储量变化呈现轻微下降趋势,速率变化范围在-1.45~0 cm/a之间,且陆地水储量变化相对于径流、降水和蒸散发存在1~2月的滞时;Long等[45]基于多种GRACE数据监测了全球60个流域的陆地水储量变化趋势并结合WGHM水文模型进行对比验证,并认为Mascons数据精度较球谐系数法更高. ...
Understanding the spatial differences in terrestrial water storage variations in the Tibetan Plateau from 2002 to 2016
1
2018
... 陆地水储量变化的驱动因素在各个区域各不相同,学者们主要从水储量组分、水量平衡和气候变化等角度对陆地水储量的变化趋势成因进行分析[35].在水储量组分方面,陆地水主要包括雪水当量、土壤水、地下水、地表水等组分.降水增加和湖泊面积扩张导致青藏高原中部陆地水储量增加,而气候变暖导致冰川消融、雪水当量减少,从而致使青藏高原南部陆地水储量减少[4, 53].受气候变化的影响,天山山区冰川退缩明显,水储量呈显著减少的趋势[54].在水量平衡方面,陆地水储量主要受降水、蒸散发以及径流的影响.冯伟等[55]基于GRACE数据研究了亚马逊流域2002~2010年的陆地水储量变化,并结合GLDAS、CPC和NCEP 3种模型数据和降雨资料进行对比分析,表明降水和3种模型数据提供的水储量变化均与GRACE数据的陆地水储量变化具有较好的一致性,并指出降水增多是导致亚马逊流域陆地水储量变化增加的一个重要原因.气候变化方面,Han等[56]研究了遥相关因素厄尔尼诺南方涛动(El Niño-Southern Oscillation,ENSO)、北极涛动(Arctic Oscillation,AO)、降水等因素对GRACE数据反演陆地水储量变化的影响,得出在云南2009年极端干旱事件中,陆地水储量变化和ENSO、AO均有较强的相关性,且湿润地区降水强度与分布特征是引起陆地水储量变化的主要因素.Shen等[57]研究表明,北大西洋作为亚欧大陆重要的水汽来源,其低纬度地区的水分亏缺导致了亚欧大陆的陆地水储量枯竭. ...
气候变化对中亚天山山区水资源影响研究
1
2017
... 陆地水储量变化的驱动因素在各个区域各不相同,学者们主要从水储量组分、水量平衡和气候变化等角度对陆地水储量的变化趋势成因进行分析[35].在水储量组分方面,陆地水主要包括雪水当量、土壤水、地下水、地表水等组分.降水增加和湖泊面积扩张导致青藏高原中部陆地水储量增加,而气候变暖导致冰川消融、雪水当量减少,从而致使青藏高原南部陆地水储量减少[4, 53].受气候变化的影响,天山山区冰川退缩明显,水储量呈显著减少的趋势[54].在水量平衡方面,陆地水储量主要受降水、蒸散发以及径流的影响.冯伟等[55]基于GRACE数据研究了亚马逊流域2002~2010年的陆地水储量变化,并结合GLDAS、CPC和NCEP 3种模型数据和降雨资料进行对比分析,表明降水和3种模型数据提供的水储量变化均与GRACE数据的陆地水储量变化具有较好的一致性,并指出降水增多是导致亚马逊流域陆地水储量变化增加的一个重要原因.气候变化方面,Han等[56]研究了遥相关因素厄尔尼诺南方涛动(El Niño-Southern Oscillation,ENSO)、北极涛动(Arctic Oscillation,AO)、降水等因素对GRACE数据反演陆地水储量变化的影响,得出在云南2009年极端干旱事件中,陆地水储量变化和ENSO、AO均有较强的相关性,且湿润地区降水强度与分布特征是引起陆地水储量变化的主要因素.Shen等[57]研究表明,北大西洋作为亚欧大陆重要的水汽来源,其低纬度地区的水分亏缺导致了亚欧大陆的陆地水储量枯竭. ...
气候变化对中亚天山山区水资源影响研究
1
2017
... 陆地水储量变化的驱动因素在各个区域各不相同,学者们主要从水储量组分、水量平衡和气候变化等角度对陆地水储量的变化趋势成因进行分析[35].在水储量组分方面,陆地水主要包括雪水当量、土壤水、地下水、地表水等组分.降水增加和湖泊面积扩张导致青藏高原中部陆地水储量增加,而气候变暖导致冰川消融、雪水当量减少,从而致使青藏高原南部陆地水储量减少[4, 53].受气候变化的影响,天山山区冰川退缩明显,水储量呈显著减少的趋势[54].在水量平衡方面,陆地水储量主要受降水、蒸散发以及径流的影响.冯伟等[55]基于GRACE数据研究了亚马逊流域2002~2010年的陆地水储量变化,并结合GLDAS、CPC和NCEP 3种模型数据和降雨资料进行对比分析,表明降水和3种模型数据提供的水储量变化均与GRACE数据的陆地水储量变化具有较好的一致性,并指出降水增多是导致亚马逊流域陆地水储量变化增加的一个重要原因.气候变化方面,Han等[56]研究了遥相关因素厄尔尼诺南方涛动(El Niño-Southern Oscillation,ENSO)、北极涛动(Arctic Oscillation,AO)、降水等因素对GRACE数据反演陆地水储量变化的影响,得出在云南2009年极端干旱事件中,陆地水储量变化和ENSO、AO均有较强的相关性,且湿润地区降水强度与分布特征是引起陆地水储量变化的主要因素.Shen等[57]研究表明,北大西洋作为亚欧大陆重要的水汽来源,其低纬度地区的水分亏缺导致了亚欧大陆的陆地水储量枯竭. ...
利用重力卫星GRACE监测亚马逊流域2002—2010年的陆地水变化
1
2012
... 陆地水储量变化的驱动因素在各个区域各不相同,学者们主要从水储量组分、水量平衡和气候变化等角度对陆地水储量的变化趋势成因进行分析[35].在水储量组分方面,陆地水主要包括雪水当量、土壤水、地下水、地表水等组分.降水增加和湖泊面积扩张导致青藏高原中部陆地水储量增加,而气候变暖导致冰川消融、雪水当量减少,从而致使青藏高原南部陆地水储量减少[4, 53].受气候变化的影响,天山山区冰川退缩明显,水储量呈显著减少的趋势[54].在水量平衡方面,陆地水储量主要受降水、蒸散发以及径流的影响.冯伟等[55]基于GRACE数据研究了亚马逊流域2002~2010年的陆地水储量变化,并结合GLDAS、CPC和NCEP 3种模型数据和降雨资料进行对比分析,表明降水和3种模型数据提供的水储量变化均与GRACE数据的陆地水储量变化具有较好的一致性,并指出降水增多是导致亚马逊流域陆地水储量变化增加的一个重要原因.气候变化方面,Han等[56]研究了遥相关因素厄尔尼诺南方涛动(El Niño-Southern Oscillation,ENSO)、北极涛动(Arctic Oscillation,AO)、降水等因素对GRACE数据反演陆地水储量变化的影响,得出在云南2009年极端干旱事件中,陆地水储量变化和ENSO、AO均有较强的相关性,且湿润地区降水强度与分布特征是引起陆地水储量变化的主要因素.Shen等[57]研究表明,北大西洋作为亚欧大陆重要的水汽来源,其低纬度地区的水分亏缺导致了亚欧大陆的陆地水储量枯竭. ...
利用重力卫星GRACE监测亚马逊流域2002—2010年的陆地水变化
1
2012
... 陆地水储量变化的驱动因素在各个区域各不相同,学者们主要从水储量组分、水量平衡和气候变化等角度对陆地水储量的变化趋势成因进行分析[35].在水储量组分方面,陆地水主要包括雪水当量、土壤水、地下水、地表水等组分.降水增加和湖泊面积扩张导致青藏高原中部陆地水储量增加,而气候变暖导致冰川消融、雪水当量减少,从而致使青藏高原南部陆地水储量减少[4, 53].受气候变化的影响,天山山区冰川退缩明显,水储量呈显著减少的趋势[54].在水量平衡方面,陆地水储量主要受降水、蒸散发以及径流的影响.冯伟等[55]基于GRACE数据研究了亚马逊流域2002~2010年的陆地水储量变化,并结合GLDAS、CPC和NCEP 3种模型数据和降雨资料进行对比分析,表明降水和3种模型数据提供的水储量变化均与GRACE数据的陆地水储量变化具有较好的一致性,并指出降水增多是导致亚马逊流域陆地水储量变化增加的一个重要原因.气候变化方面,Han等[56]研究了遥相关因素厄尔尼诺南方涛动(El Niño-Southern Oscillation,ENSO)、北极涛动(Arctic Oscillation,AO)、降水等因素对GRACE数据反演陆地水储量变化的影响,得出在云南2009年极端干旱事件中,陆地水储量变化和ENSO、AO均有较强的相关性,且湿润地区降水强度与分布特征是引起陆地水储量变化的主要因素.Shen等[57]研究表明,北大西洋作为亚欧大陆重要的水汽来源,其低纬度地区的水分亏缺导致了亚欧大陆的陆地水储量枯竭. ...
Assessing GRACE-based terrestrial water storage anomalies dynamics at multi-timescales and their correlations with teleconnection factors in Yunnan Province, China
1
2019
... 陆地水储量变化的驱动因素在各个区域各不相同,学者们主要从水储量组分、水量平衡和气候变化等角度对陆地水储量的变化趋势成因进行分析[35].在水储量组分方面,陆地水主要包括雪水当量、土壤水、地下水、地表水等组分.降水增加和湖泊面积扩张导致青藏高原中部陆地水储量增加,而气候变暖导致冰川消融、雪水当量减少,从而致使青藏高原南部陆地水储量减少[4, 53].受气候变化的影响,天山山区冰川退缩明显,水储量呈显著减少的趋势[54].在水量平衡方面,陆地水储量主要受降水、蒸散发以及径流的影响.冯伟等[55]基于GRACE数据研究了亚马逊流域2002~2010年的陆地水储量变化,并结合GLDAS、CPC和NCEP 3种模型数据和降雨资料进行对比分析,表明降水和3种模型数据提供的水储量变化均与GRACE数据的陆地水储量变化具有较好的一致性,并指出降水增多是导致亚马逊流域陆地水储量变化增加的一个重要原因.气候变化方面,Han等[56]研究了遥相关因素厄尔尼诺南方涛动(El Niño-Southern Oscillation,ENSO)、北极涛动(Arctic Oscillation,AO)、降水等因素对GRACE数据反演陆地水储量变化的影响,得出在云南2009年极端干旱事件中,陆地水储量变化和ENSO、AO均有较强的相关性,且湿润地区降水强度与分布特征是引起陆地水储量变化的主要因素.Shen等[57]研究表明,北大西洋作为亚欧大陆重要的水汽来源,其低纬度地区的水分亏缺导致了亚欧大陆的陆地水储量枯竭. ...
Drying in the low-latitude Atlantic Ocean contributed to terrestrial water storage depletion across Eurasia
1
2022
... 陆地水储量变化的驱动因素在各个区域各不相同,学者们主要从水储量组分、水量平衡和气候变化等角度对陆地水储量的变化趋势成因进行分析[35].在水储量组分方面,陆地水主要包括雪水当量、土壤水、地下水、地表水等组分.降水增加和湖泊面积扩张导致青藏高原中部陆地水储量增加,而气候变暖导致冰川消融、雪水当量减少,从而致使青藏高原南部陆地水储量减少[4, 53].受气候变化的影响,天山山区冰川退缩明显,水储量呈显著减少的趋势[54].在水量平衡方面,陆地水储量主要受降水、蒸散发以及径流的影响.冯伟等[55]基于GRACE数据研究了亚马逊流域2002~2010年的陆地水储量变化,并结合GLDAS、CPC和NCEP 3种模型数据和降雨资料进行对比分析,表明降水和3种模型数据提供的水储量变化均与GRACE数据的陆地水储量变化具有较好的一致性,并指出降水增多是导致亚马逊流域陆地水储量变化增加的一个重要原因.气候变化方面,Han等[56]研究了遥相关因素厄尔尼诺南方涛动(El Niño-Southern Oscillation,ENSO)、北极涛动(Arctic Oscillation,AO)、降水等因素对GRACE数据反演陆地水储量变化的影响,得出在云南2009年极端干旱事件中,陆地水储量变化和ENSO、AO均有较强的相关性,且湿润地区降水强度与分布特征是引起陆地水储量变化的主要因素.Shen等[57]研究表明,北大西洋作为亚欧大陆重要的水汽来源,其低纬度地区的水分亏缺导致了亚欧大陆的陆地水储量枯竭. ...
Long-term and seasonal variation in groundwater storage in the North China Plain based on GRACE
1
2021
... 除气候变化对陆地水储量的影响之外,在某些地区,人类活动也显著影响着陆地水储量的变化.三峡大坝作为世界最大的水利发电工程,建成后拦蓄大量水流,这改变了长江流域径流的年内分配,从而导致上游地区陆地水储量变化上升[44].由于人口密集和灌溉用水增加,过度抽取地下水导致华北平原[49, 58-59]、印度西北部[2, 60]等地的陆地水储量急剧下降,但在南水北调中线工程建成通水后,华北平原的水储量衰减趋势有所缓解[18]. ...
Evaluation of groundwater depletion in North China using the Gravity Recovery and Climate Experiment (GRACE) data and ground-based measurements
2
2013
... 除气候变化对陆地水储量的影响之外,在某些地区,人类活动也显著影响着陆地水储量的变化.三峡大坝作为世界最大的水利发电工程,建成后拦蓄大量水流,这改变了长江流域径流的年内分配,从而导致上游地区陆地水储量变化上升[44].由于人口密集和灌溉用水增加,过度抽取地下水导致华北平原[49, 58-59]、印度西北部[2, 60]等地的陆地水储量急剧下降,但在南水北调中线工程建成通水后,华北平原的水储量衰减趋势有所缓解[18]. ...
... 地下水是干旱半干旱地区最主要的灌溉水源和人类生活水源.由于极端气候事件频发、人口增长迅速、地下水过度开采,目前研究地下水枯竭对人类活动和生态系统的影响已成为全球热点问题,而GRACE数据适用于评估各种陆地水文条件下的地下水储量变化[68],因此可借助GRACE数据来研究分析区域地下水储量的时空变化趋势.例如,Long等[18]探讨了南水北调工程对华北平原地下水储量变化的影响,李婉秋等[20]基于GRACE数据与GLDAS模型数据分析得出关中地区地下水在2003~2008年呈上升趋势,而2003~2013年总体呈现下降趋势,这与实测地下水位数据和WGHM水文模型结果较为吻合.研究表明,地下水枯竭主要是由于地下水的收支不平衡、灌溉水源和人类生活用水需求增加而产生的地下水超采所致,例如华北平原[59]、印度西北部[2, 60]、沙特阿拉伯半岛[3]、阿富汗、加利福尼亚[69]等地.地下水超采可能造成地面沉降,而结合干涉测量等技术可有效观测地面的沉降变化,例如,Vasco等[69]结合GRACE数据与InSAR对加利福尼亚Tulare流域的地下水储量变化与沉降进行了观测. ...
Dwindling groundwater resources in northern India, from satellite gravity observations
2
2009
... 除气候变化对陆地水储量的影响之外,在某些地区,人类活动也显著影响着陆地水储量的变化.三峡大坝作为世界最大的水利发电工程,建成后拦蓄大量水流,这改变了长江流域径流的年内分配,从而导致上游地区陆地水储量变化上升[44].由于人口密集和灌溉用水增加,过度抽取地下水导致华北平原[49, 58-59]、印度西北部[2, 60]等地的陆地水储量急剧下降,但在南水北调中线工程建成通水后,华北平原的水储量衰减趋势有所缓解[18]. ...
... 地下水是干旱半干旱地区最主要的灌溉水源和人类生活水源.由于极端气候事件频发、人口增长迅速、地下水过度开采,目前研究地下水枯竭对人类活动和生态系统的影响已成为全球热点问题,而GRACE数据适用于评估各种陆地水文条件下的地下水储量变化[68],因此可借助GRACE数据来研究分析区域地下水储量的时空变化趋势.例如,Long等[18]探讨了南水北调工程对华北平原地下水储量变化的影响,李婉秋等[20]基于GRACE数据与GLDAS模型数据分析得出关中地区地下水在2003~2008年呈上升趋势,而2003~2013年总体呈现下降趋势,这与实测地下水位数据和WGHM水文模型结果较为吻合.研究表明,地下水枯竭主要是由于地下水的收支不平衡、灌溉水源和人类生活用水需求增加而产生的地下水超采所致,例如华北平原[59]、印度西北部[2, 60]、沙特阿拉伯半岛[3]、阿富汗、加利福尼亚[69]等地.地下水超采可能造成地面沉降,而结合干涉测量等技术可有效观测地面的沉降变化,例如,Vasco等[69]结合GRACE数据与InSAR对加利福尼亚Tulare流域的地下水储量变化与沉降进行了观测. ...
金沙江流域实际蒸散发遥感重建及时空特征分析
2
2021
... 目前已有多套全球蒸散发产品,例如GLDAS水文模型、MODIS卫星、PLSH和MET等提供的ET数据,但基于水量平衡方法得到的实际蒸散发在区域尺度上适用性较好[61].张珂等[61]和鞠艳等[62]研究表明基于水量平衡法重建的ET在金沙江流域具有较高的可靠性,与常用蒸散发产品的相关性均较好.云兆得等[63]在汉江流域上游的研究结果表明,基于GRACE数据和水量平衡得到的实际蒸散发数据在年尺度上较为接近,但在月尺度上差异明显.Castle等[64]发现,基于水量平衡方程计算的蒸散发普遍高于MODIS和NLDAS反演的蒸散发,并认为差值是由于灌溉等人为原因所致.后续Pan等[65]、韦林等[66]结合该方法分别评估了人为蒸散发在海河流域、珠江流域的时空演变特征.Wan等[67]以美国为例,研究表明基于水量平衡法得到的ET与现有的蒸散发产品相比,可靠性和一致性均较好.由于径流数据主要来源于水文站点,这限制了GRACE数据仅能以水文站点控制的流域尺度来评估实际蒸散发. ...
... [61]和鞠艳等[62]研究表明基于水量平衡法重建的ET在金沙江流域具有较高的可靠性,与常用蒸散发产品的相关性均较好.云兆得等[63]在汉江流域上游的研究结果表明,基于GRACE数据和水量平衡得到的实际蒸散发数据在年尺度上较为接近,但在月尺度上差异明显.Castle等[64]发现,基于水量平衡方程计算的蒸散发普遍高于MODIS和NLDAS反演的蒸散发,并认为差值是由于灌溉等人为原因所致.后续Pan等[65]、韦林等[66]结合该方法分别评估了人为蒸散发在海河流域、珠江流域的时空演变特征.Wan等[67]以美国为例,研究表明基于水量平衡法得到的ET与现有的蒸散发产品相比,可靠性和一致性均较好.由于径流数据主要来源于水文站点,这限制了GRACE数据仅能以水文站点控制的流域尺度来评估实际蒸散发. ...
金沙江流域实际蒸散发遥感重建及时空特征分析
2
2021
... 目前已有多套全球蒸散发产品,例如GLDAS水文模型、MODIS卫星、PLSH和MET等提供的ET数据,但基于水量平衡方法得到的实际蒸散发在区域尺度上适用性较好[61].张珂等[61]和鞠艳等[62]研究表明基于水量平衡法重建的ET在金沙江流域具有较高的可靠性,与常用蒸散发产品的相关性均较好.云兆得等[63]在汉江流域上游的研究结果表明,基于GRACE数据和水量平衡得到的实际蒸散发数据在年尺度上较为接近,但在月尺度上差异明显.Castle等[64]发现,基于水量平衡方程计算的蒸散发普遍高于MODIS和NLDAS反演的蒸散发,并认为差值是由于灌溉等人为原因所致.后续Pan等[65]、韦林等[66]结合该方法分别评估了人为蒸散发在海河流域、珠江流域的时空演变特征.Wan等[67]以美国为例,研究表明基于水量平衡法得到的ET与现有的蒸散发产品相比,可靠性和一致性均较好.由于径流数据主要来源于水文站点,这限制了GRACE数据仅能以水文站点控制的流域尺度来评估实际蒸散发. ...
... [61]和鞠艳等[62]研究表明基于水量平衡法重建的ET在金沙江流域具有较高的可靠性,与常用蒸散发产品的相关性均较好.云兆得等[63]在汉江流域上游的研究结果表明,基于GRACE数据和水量平衡得到的实际蒸散发数据在年尺度上较为接近,但在月尺度上差异明显.Castle等[64]发现,基于水量平衡方程计算的蒸散发普遍高于MODIS和NLDAS反演的蒸散发,并认为差值是由于灌溉等人为原因所致.后续Pan等[65]、韦林等[66]结合该方法分别评估了人为蒸散发在海河流域、珠江流域的时空演变特征.Wan等[67]以美国为例,研究表明基于水量平衡法得到的ET与现有的蒸散发产品相比,可靠性和一致性均较好.由于径流数据主要来源于水文站点,这限制了GRACE数据仅能以水文站点控制的流域尺度来评估实际蒸散发. ...
金沙江流域实际蒸散发时空分布特征及其影响因子
1
2022
... 目前已有多套全球蒸散发产品,例如GLDAS水文模型、MODIS卫星、PLSH和MET等提供的ET数据,但基于水量平衡方法得到的实际蒸散发在区域尺度上适用性较好[61].张珂等[61]和鞠艳等[62]研究表明基于水量平衡法重建的ET在金沙江流域具有较高的可靠性,与常用蒸散发产品的相关性均较好.云兆得等[63]在汉江流域上游的研究结果表明,基于GRACE数据和水量平衡得到的实际蒸散发数据在年尺度上较为接近,但在月尺度上差异明显.Castle等[64]发现,基于水量平衡方程计算的蒸散发普遍高于MODIS和NLDAS反演的蒸散发,并认为差值是由于灌溉等人为原因所致.后续Pan等[65]、韦林等[66]结合该方法分别评估了人为蒸散发在海河流域、珠江流域的时空演变特征.Wan等[67]以美国为例,研究表明基于水量平衡法得到的ET与现有的蒸散发产品相比,可靠性和一致性均较好.由于径流数据主要来源于水文站点,这限制了GRACE数据仅能以水文站点控制的流域尺度来评估实际蒸散发. ...
金沙江流域实际蒸散发时空分布特征及其影响因子
1
2022
... 目前已有多套全球蒸散发产品,例如GLDAS水文模型、MODIS卫星、PLSH和MET等提供的ET数据,但基于水量平衡方法得到的实际蒸散发在区域尺度上适用性较好[61].张珂等[61]和鞠艳等[62]研究表明基于水量平衡法重建的ET在金沙江流域具有较高的可靠性,与常用蒸散发产品的相关性均较好.云兆得等[63]在汉江流域上游的研究结果表明,基于GRACE数据和水量平衡得到的实际蒸散发数据在年尺度上较为接近,但在月尺度上差异明显.Castle等[64]发现,基于水量平衡方程计算的蒸散发普遍高于MODIS和NLDAS反演的蒸散发,并认为差值是由于灌溉等人为原因所致.后续Pan等[65]、韦林等[66]结合该方法分别评估了人为蒸散发在海河流域、珠江流域的时空演变特征.Wan等[67]以美国为例,研究表明基于水量平衡法得到的ET与现有的蒸散发产品相比,可靠性和一致性均较好.由于径流数据主要来源于水文站点,这限制了GRACE数据仅能以水文站点控制的流域尺度来评估实际蒸散发. ...
遥感和再分析蒸散发数据精度评估:基于GRACE和流域月水量平衡模型的比较研究
1
2023
... 目前已有多套全球蒸散发产品,例如GLDAS水文模型、MODIS卫星、PLSH和MET等提供的ET数据,但基于水量平衡方法得到的实际蒸散发在区域尺度上适用性较好[61].张珂等[61]和鞠艳等[62]研究表明基于水量平衡法重建的ET在金沙江流域具有较高的可靠性,与常用蒸散发产品的相关性均较好.云兆得等[63]在汉江流域上游的研究结果表明,基于GRACE数据和水量平衡得到的实际蒸散发数据在年尺度上较为接近,但在月尺度上差异明显.Castle等[64]发现,基于水量平衡方程计算的蒸散发普遍高于MODIS和NLDAS反演的蒸散发,并认为差值是由于灌溉等人为原因所致.后续Pan等[65]、韦林等[66]结合该方法分别评估了人为蒸散发在海河流域、珠江流域的时空演变特征.Wan等[67]以美国为例,研究表明基于水量平衡法得到的ET与现有的蒸散发产品相比,可靠性和一致性均较好.由于径流数据主要来源于水文站点,这限制了GRACE数据仅能以水文站点控制的流域尺度来评估实际蒸散发. ...
遥感和再分析蒸散发数据精度评估:基于GRACE和流域月水量平衡模型的比较研究
1
2023
... 目前已有多套全球蒸散发产品,例如GLDAS水文模型、MODIS卫星、PLSH和MET等提供的ET数据,但基于水量平衡方法得到的实际蒸散发在区域尺度上适用性较好[61].张珂等[61]和鞠艳等[62]研究表明基于水量平衡法重建的ET在金沙江流域具有较高的可靠性,与常用蒸散发产品的相关性均较好.云兆得等[63]在汉江流域上游的研究结果表明,基于GRACE数据和水量平衡得到的实际蒸散发数据在年尺度上较为接近,但在月尺度上差异明显.Castle等[64]发现,基于水量平衡方程计算的蒸散发普遍高于MODIS和NLDAS反演的蒸散发,并认为差值是由于灌溉等人为原因所致.后续Pan等[65]、韦林等[66]结合该方法分别评估了人为蒸散发在海河流域、珠江流域的时空演变特征.Wan等[67]以美国为例,研究表明基于水量平衡法得到的ET与现有的蒸散发产品相比,可靠性和一致性均较好.由于径流数据主要来源于水文站点,这限制了GRACE数据仅能以水文站点控制的流域尺度来评估实际蒸散发. ...
Remote detection of water management impacts on evapotranspiration in the Colorado River basin
1
2016
... 目前已有多套全球蒸散发产品,例如GLDAS水文模型、MODIS卫星、PLSH和MET等提供的ET数据,但基于水量平衡方法得到的实际蒸散发在区域尺度上适用性较好[61].张珂等[61]和鞠艳等[62]研究表明基于水量平衡法重建的ET在金沙江流域具有较高的可靠性,与常用蒸散发产品的相关性均较好.云兆得等[63]在汉江流域上游的研究结果表明,基于GRACE数据和水量平衡得到的实际蒸散发数据在年尺度上较为接近,但在月尺度上差异明显.Castle等[64]发现,基于水量平衡方程计算的蒸散发普遍高于MODIS和NLDAS反演的蒸散发,并认为差值是由于灌溉等人为原因所致.后续Pan等[65]、韦林等[66]结合该方法分别评估了人为蒸散发在海河流域、珠江流域的时空演变特征.Wan等[67]以美国为例,研究表明基于水量平衡法得到的ET与现有的蒸散发产品相比,可靠性和一致性均较好.由于径流数据主要来源于水文站点,这限制了GRACE数据仅能以水文站点控制的流域尺度来评估实际蒸散发. ...
Detection of human-induced evapotranspiration using GRACE satellite observations in the Haihe River basin of China
1
2018
... 目前已有多套全球蒸散发产品,例如GLDAS水文模型、MODIS卫星、PLSH和MET等提供的ET数据,但基于水量平衡方法得到的实际蒸散发在区域尺度上适用性较好[61].张珂等[61]和鞠艳等[62]研究表明基于水量平衡法重建的ET在金沙江流域具有较高的可靠性,与常用蒸散发产品的相关性均较好.云兆得等[63]在汉江流域上游的研究结果表明,基于GRACE数据和水量平衡得到的实际蒸散发数据在年尺度上较为接近,但在月尺度上差异明显.Castle等[64]发现,基于水量平衡方程计算的蒸散发普遍高于MODIS和NLDAS反演的蒸散发,并认为差值是由于灌溉等人为原因所致.后续Pan等[65]、韦林等[66]结合该方法分别评估了人为蒸散发在海河流域、珠江流域的时空演变特征.Wan等[67]以美国为例,研究表明基于水量平衡法得到的ET与现有的蒸散发产品相比,可靠性和一致性均较好.由于径流数据主要来源于水文站点,这限制了GRACE数据仅能以水文站点控制的流域尺度来评估实际蒸散发. ...
基于多源数据与多模型集成的流域人为蒸散发变异评估
1
2022
... 目前已有多套全球蒸散发产品,例如GLDAS水文模型、MODIS卫星、PLSH和MET等提供的ET数据,但基于水量平衡方法得到的实际蒸散发在区域尺度上适用性较好[61].张珂等[61]和鞠艳等[62]研究表明基于水量平衡法重建的ET在金沙江流域具有较高的可靠性,与常用蒸散发产品的相关性均较好.云兆得等[63]在汉江流域上游的研究结果表明,基于GRACE数据和水量平衡得到的实际蒸散发数据在年尺度上较为接近,但在月尺度上差异明显.Castle等[64]发现,基于水量平衡方程计算的蒸散发普遍高于MODIS和NLDAS反演的蒸散发,并认为差值是由于灌溉等人为原因所致.后续Pan等[65]、韦林等[66]结合该方法分别评估了人为蒸散发在海河流域、珠江流域的时空演变特征.Wan等[67]以美国为例,研究表明基于水量平衡法得到的ET与现有的蒸散发产品相比,可靠性和一致性均较好.由于径流数据主要来源于水文站点,这限制了GRACE数据仅能以水文站点控制的流域尺度来评估实际蒸散发. ...
基于多源数据与多模型集成的流域人为蒸散发变异评估
1
2022
... 目前已有多套全球蒸散发产品,例如GLDAS水文模型、MODIS卫星、PLSH和MET等提供的ET数据,但基于水量平衡方法得到的实际蒸散发在区域尺度上适用性较好[61].张珂等[61]和鞠艳等[62]研究表明基于水量平衡法重建的ET在金沙江流域具有较高的可靠性,与常用蒸散发产品的相关性均较好.云兆得等[63]在汉江流域上游的研究结果表明,基于GRACE数据和水量平衡得到的实际蒸散发数据在年尺度上较为接近,但在月尺度上差异明显.Castle等[64]发现,基于水量平衡方程计算的蒸散发普遍高于MODIS和NLDAS反演的蒸散发,并认为差值是由于灌溉等人为原因所致.后续Pan等[65]、韦林等[66]结合该方法分别评估了人为蒸散发在海河流域、珠江流域的时空演变特征.Wan等[67]以美国为例,研究表明基于水量平衡法得到的ET与现有的蒸散发产品相比,可靠性和一致性均较好.由于径流数据主要来源于水文站点,这限制了GRACE数据仅能以水文站点控制的流域尺度来评估实际蒸散发. ...
Water balance-based actual evapotranspiration reconstruction from ground and satellite observations over the conterminous United States
1
2015
... 目前已有多套全球蒸散发产品,例如GLDAS水文模型、MODIS卫星、PLSH和MET等提供的ET数据,但基于水量平衡方法得到的实际蒸散发在区域尺度上适用性较好[61].张珂等[61]和鞠艳等[62]研究表明基于水量平衡法重建的ET在金沙江流域具有较高的可靠性,与常用蒸散发产品的相关性均较好.云兆得等[63]在汉江流域上游的研究结果表明,基于GRACE数据和水量平衡得到的实际蒸散发数据在年尺度上较为接近,但在月尺度上差异明显.Castle等[64]发现,基于水量平衡方程计算的蒸散发普遍高于MODIS和NLDAS反演的蒸散发,并认为差值是由于灌溉等人为原因所致.后续Pan等[65]、韦林等[66]结合该方法分别评估了人为蒸散发在海河流域、珠江流域的时空演变特征.Wan等[67]以美国为例,研究表明基于水量平衡法得到的ET与现有的蒸散发产品相比,可靠性和一致性均较好.由于径流数据主要来源于水文站点,这限制了GRACE数据仅能以水文站点控制的流域尺度来评估实际蒸散发. ...
Estimating groundwater storage changes in the Mississippi River basin (USA) using GRACE
1
2007
... 地下水是干旱半干旱地区最主要的灌溉水源和人类生活水源.由于极端气候事件频发、人口增长迅速、地下水过度开采,目前研究地下水枯竭对人类活动和生态系统的影响已成为全球热点问题,而GRACE数据适用于评估各种陆地水文条件下的地下水储量变化[68],因此可借助GRACE数据来研究分析区域地下水储量的时空变化趋势.例如,Long等[18]探讨了南水北调工程对华北平原地下水储量变化的影响,李婉秋等[20]基于GRACE数据与GLDAS模型数据分析得出关中地区地下水在2003~2008年呈上升趋势,而2003~2013年总体呈现下降趋势,这与实测地下水位数据和WGHM水文模型结果较为吻合.研究表明,地下水枯竭主要是由于地下水的收支不平衡、灌溉水源和人类生活用水需求增加而产生的地下水超采所致,例如华北平原[59]、印度西北部[2, 60]、沙特阿拉伯半岛[3]、阿富汗、加利福尼亚[69]等地.地下水超采可能造成地面沉降,而结合干涉测量等技术可有效观测地面的沉降变化,例如,Vasco等[69]结合GRACE数据与InSAR对加利福尼亚Tulare流域的地下水储量变化与沉降进行了观测. ...
Using Sentinel-1 and GRACE satellite data to monitor the hydrological variations within the Tulare Basin, California
2
2022
... 地下水是干旱半干旱地区最主要的灌溉水源和人类生活水源.由于极端气候事件频发、人口增长迅速、地下水过度开采,目前研究地下水枯竭对人类活动和生态系统的影响已成为全球热点问题,而GRACE数据适用于评估各种陆地水文条件下的地下水储量变化[68],因此可借助GRACE数据来研究分析区域地下水储量的时空变化趋势.例如,Long等[18]探讨了南水北调工程对华北平原地下水储量变化的影响,李婉秋等[20]基于GRACE数据与GLDAS模型数据分析得出关中地区地下水在2003~2008年呈上升趋势,而2003~2013年总体呈现下降趋势,这与实测地下水位数据和WGHM水文模型结果较为吻合.研究表明,地下水枯竭主要是由于地下水的收支不平衡、灌溉水源和人类生活用水需求增加而产生的地下水超采所致,例如华北平原[59]、印度西北部[2, 60]、沙特阿拉伯半岛[3]、阿富汗、加利福尼亚[69]等地.地下水超采可能造成地面沉降,而结合干涉测量等技术可有效观测地面的沉降变化,例如,Vasco等[69]结合GRACE数据与InSAR对加利福尼亚Tulare流域的地下水储量变化与沉降进行了观测. ...
... [69]结合GRACE数据与InSAR对加利福尼亚Tulare流域的地下水储量变化与沉降进行了观测. ...
基于集合四维变分方法PODEn4DVar的GRACE陆地水储量同化:方法与验证
1
2014
... 由于GRACE数据提供的水储量变化具有连续性好、适用性强等特点,基于该数据可以验证和校准无地下水位监测数据地区的水文模型,也可结合卡尔曼滤波[70]等方法,将其同化至陆地表面模型中以提高模型模拟的可靠性.但因计算复杂、工作量大,目前有关这方面的研究较少,具有较大的研究潜力. ...
基于集合四维变分方法PODEn4DVar的GRACE陆地水储量同化:方法与验证
1
2014
... 由于GRACE数据提供的水储量变化具有连续性好、适用性强等特点,基于该数据可以验证和校准无地下水位监测数据地区的水文模型,也可结合卡尔曼滤波[70]等方法,将其同化至陆地表面模型中以提高模型模拟的可靠性.但因计算复杂、工作量大,目前有关这方面的研究较少,具有较大的研究潜力. ...
干旱指数研究进展与展望
3
2019
... 干旱指数是监测干旱的有力工具,合理选择干旱指数是准确监测和评估干旱的基础[71].由于GRACE卫星可以提供大尺度的水储量变化数据,目前已有较多结合GRACE数据的干旱指数,类型主要包括水文干旱、地下水干旱和综合干旱,如表1所示.传统意义上以径流表征的水文干旱仅能以站点尺度进行评估,而GRACE数据反演的格点尺度的陆地水储量变化包含了包括地表水在内的总体水量变化,以此评估水文干旱能够综合评价流域和地区的水文干旱情势,更具适用性;GRACE数据结合水文模型可依据式(2)得到地下水储量变化,该数据可以评估地下水干旱的时空演变规律. ...
... 不同类型的干旱之间具有密切的联系,气象干旱通常是其他干旱的驱动因素[71].一般来说,由降水不足引起的气象干旱作用于下垫面,对土壤、植被、径流、陆地水和地下水产生不同程度的影响[93],继而触发农业干旱、生态干旱、水文干旱和地下水干旱. ...
... (3)构建更适合干旱监测的干旱指数.GRACE数据为分析干旱演变和响应提供了新的视角.由于人类活动致使水储量变化的一致性遭到破坏,使得在干旱指数计算中频率分析的一致性假设受到挑战[71],因此,如何分离非气候因素对干旱指数构建的影响或构建考虑非一致性的干旱指数是值得探讨的问题.另外,综合干旱指数可以综合反映区域的干旱情势,将GRACE数据反演的水储量变化考虑其中可提高干旱指数的干旱识别能力. ...
干旱指数研究进展与展望
3
2019
... 干旱指数是监测干旱的有力工具,合理选择干旱指数是准确监测和评估干旱的基础[71].由于GRACE卫星可以提供大尺度的水储量变化数据,目前已有较多结合GRACE数据的干旱指数,类型主要包括水文干旱、地下水干旱和综合干旱,如表1所示.传统意义上以径流表征的水文干旱仅能以站点尺度进行评估,而GRACE数据反演的格点尺度的陆地水储量变化包含了包括地表水在内的总体水量变化,以此评估水文干旱能够综合评价流域和地区的水文干旱情势,更具适用性;GRACE数据结合水文模型可依据式(2)得到地下水储量变化,该数据可以评估地下水干旱的时空演变规律. ...
... 不同类型的干旱之间具有密切的联系,气象干旱通常是其他干旱的驱动因素[71].一般来说,由降水不足引起的气象干旱作用于下垫面,对土壤、植被、径流、陆地水和地下水产生不同程度的影响[93],继而触发农业干旱、生态干旱、水文干旱和地下水干旱. ...
... (3)构建更适合干旱监测的干旱指数.GRACE数据为分析干旱演变和响应提供了新的视角.由于人类活动致使水储量变化的一致性遭到破坏,使得在干旱指数计算中频率分析的一致性假设受到挑战[71],因此,如何分离非气候因素对干旱指数构建的影响或构建考虑非一致性的干旱指数是值得探讨的问题.另外,综合干旱指数可以综合反映区域的干旱情势,将GRACE数据反演的水储量变化考虑其中可提高干旱指数的干旱识别能力. ...
The relationship of drought frequency and duration to time scales
1
1993
... 干旱指数在气象、径流等方面发展较为成熟且广为应用,例如,标准化降水指数SPI[72]、帕尔默干旱指数PDSI[73]和帕尔默水文干旱指数PHDI[74]等.众多学者将其构建方法应用至GRACE数据的干旱指数构建中,比如Cui等[75]参照SPI的构建方法,构建了多尺度的标准化陆地水储量指数STI,该指数与多种常用的指数相比在捕捉干旱事件方面更具优势.也有部分学者基于水储量变化采用标准化方法构建干旱指数,例如,Thomas等[22]以加州中央山谷为例,构建了基于GRACE数据的地下水干旱指数GGDI,研究发现GGDI与基于实测地下水位数据的指数GWI具有很强的相关性,且相对于PDSI和SPI存在5个月的滞时,这也体现了地下水干旱相对于气象干旱独特的滞后响应.这些干旱指数虽然构建方法不同,但对于干旱演变等均有较好的监测效果. ...
The Palmer Drought Severity Index: Limitations and assumptions
1
1984
... 干旱指数在气象、径流等方面发展较为成熟且广为应用,例如,标准化降水指数SPI[72]、帕尔默干旱指数PDSI[73]和帕尔默水文干旱指数PHDI[74]等.众多学者将其构建方法应用至GRACE数据的干旱指数构建中,比如Cui等[75]参照SPI的构建方法,构建了多尺度的标准化陆地水储量指数STI,该指数与多种常用的指数相比在捕捉干旱事件方面更具优势.也有部分学者基于水储量变化采用标准化方法构建干旱指数,例如,Thomas等[22]以加州中央山谷为例,构建了基于GRACE数据的地下水干旱指数GGDI,研究发现GGDI与基于实测地下水位数据的指数GWI具有很强的相关性,且相对于PDSI和SPI存在5个月的滞时,这也体现了地下水干旱相对于气象干旱独特的滞后响应.这些干旱指数虽然构建方法不同,但对于干旱演变等均有较好的监测效果. ...
Satellite gravity measurement monitoring terrestrial water storage change and drought in the continental United States
2
2016
... Research progress on drought index constructed based on GRACE data
Table 1干旱类别 | 干旱指数 | 构建方法 | 代表文献 |
---|
水文干旱 | TSDI | 借鉴PDSI的构建方法 | Yirdaw等[76],Cao等[77] |
MTSDI | 结合信号分解方法改进TSDI | Hosseini-Moghari等[78] |
GHDI | 借鉴PHDI的构建方法 | Yi等[74] |
STI | 借鉴SPI的构建方法 | Cui等[75] |
GRACE-DSI ...
... 干旱指数在气象、径流等方面发展较为成熟且广为应用,例如,标准化降水指数SPI[72]、帕尔默干旱指数PDSI[73]和帕尔默水文干旱指数PHDI[74]等.众多学者将其构建方法应用至GRACE数据的干旱指数构建中,比如Cui等[75]参照SPI的构建方法,构建了多尺度的标准化陆地水储量指数STI,该指数与多种常用的指数相比在捕捉干旱事件方面更具优势.也有部分学者基于水储量变化采用标准化方法构建干旱指数,例如,Thomas等[22]以加州中央山谷为例,构建了基于GRACE数据的地下水干旱指数GGDI,研究发现GGDI与基于实测地下水位数据的指数GWI具有很强的相关性,且相对于PDSI和SPI存在5个月的滞时,这也体现了地下水干旱相对于气象干旱独特的滞后响应.这些干旱指数虽然构建方法不同,但对于干旱演变等均有较好的监测效果. ...
Use of a multiscalar GRACE-based standardized terrestrial water storage index for assessing global hydrological droughts
2
2021
... Research progress on drought index constructed based on GRACE data Table 1干旱类别 | 干旱指数 | 构建方法 | 代表文献 |
---|
水文干旱 | TSDI | 借鉴PDSI的构建方法 | Yirdaw等[76],Cao等[77] | MTSDI | 结合信号分解方法改进TSDI | Hosseini-Moghari等[78] | GHDI | 借鉴PHDI的构建方法 | Yi等[74] | STI | 借鉴SPI的构建方法 | Cui等[75] | GRACE-DSI ...
... 干旱指数在气象、径流等方面发展较为成熟且广为应用,例如,标准化降水指数SPI[72]、帕尔默干旱指数PDSI[73]和帕尔默水文干旱指数PHDI[74]等.众多学者将其构建方法应用至GRACE数据的干旱指数构建中,比如Cui等[75]参照SPI的构建方法,构建了多尺度的标准化陆地水储量指数STI,该指数与多种常用的指数相比在捕捉干旱事件方面更具优势.也有部分学者基于水储量变化采用标准化方法构建干旱指数,例如,Thomas等[22]以加州中央山谷为例,构建了基于GRACE数据的地下水干旱指数GGDI,研究发现GGDI与基于实测地下水位数据的指数GWI具有很强的相关性,且相对于PDSI和SPI存在5个月的滞时,这也体现了地下水干旱相对于气象干旱独特的滞后响应.这些干旱指数虽然构建方法不同,但对于干旱演变等均有较好的监测效果. ...
GRACE satellite observations of terrestrial moisture changes for drought characterization in the Canadian Prairie
1
2008
... Research progress on drought index constructed based on GRACE data Table 1干旱类别 | 干旱指数 | 构建方法 | 代表文献 |
---|
水文干旱 | TSDI | 借鉴PDSI的构建方法 | Yirdaw等[76],Cao等[77] | MTSDI | 结合信号分解方法改进TSDI | Hosseini-Moghari等[78] | GHDI | 借鉴PHDI的构建方法 | Yi等[74] | STI | 借鉴SPI的构建方法 | Cui等[75] | GRACE-DSI ...
GRACE gravity satellite observations of terrestrial water storage changes for drought characterization in the arid land of Northwestern China
1
2015
... Research progress on drought index constructed based on GRACE data Table 1干旱类别 | 干旱指数 | 构建方法 | 代表文献 |
---|
水文干旱 | TSDI | 借鉴PDSI的构建方法 | Yirdaw等[76],Cao等[77] | MTSDI | 结合信号分解方法改进TSDI | Hosseini-Moghari等[78] | GHDI | 借鉴PHDI的构建方法 | Yi等[74] | STI | 借鉴SPI的构建方法 | Cui等[75] | GRACE-DSI ...
Introducing modified total storage deficit index (MTSDI) for drought monitoring using GRACE observations
1
2019
... Research progress on drought index constructed based on GRACE data Table 1干旱类别 | 干旱指数 | 构建方法 | 代表文献 |
---|
水文干旱 | TSDI | 借鉴PDSI的构建方法 | Yirdaw等[76],Cao等[77] | MTSDI | 结合信号分解方法改进TSDI | Hosseini-Moghari等[78] | GHDI | 借鉴PHDI的构建方法 | Yi等[74] | STI | 借鉴SPI的构建方法 | Cui等[75] | GRACE-DSI ...
A global gridded dataset of GRACE drought severity index for 2002-14: comparison with PDSI and SPEI and a case study of the Australia Millennium drought
1
2017
... 冉艳红等[21],Zhao等[79], ...
GRACE satellite-based drought index indicating increased impact of drought over major basins in China during 2002-2017
2
2020
... Liu等[80],王文等[81] ...
... 在水储量亏损严重的地区,基于GRACE数据的干旱指数在研究期中后段的干旱情况会比起初更为严重,但这并非气象干旱引起,大多是由于人类活动引起,比如过度抽取地下水、植树造林等,因此部分学者改进了现有的干旱指数,例如Liu等[80]、冉艳红等[21]为消除非气候因素对干旱的影响,采用了去除趋势的GRACE数据构建了干旱指数GRACE-DSI,相比于未去除趋势的GRACE数据而言,可以更好地捕捉干旱演变特征. ...
长江流域陆地水储量与多源水文数据对比分析
1
2015
长江流域陆地水储量与多源水文数据对比分析
1
2015
基于GRACE重力卫星数据的珠江流域干旱监测
1
2020
... 邓梓锋等[82],Sinha等[83], ...
基于GRACE重力卫星数据的珠江流域干旱监测
1
2020
... 邓梓锋等[82],Sinha等[83], ...
Characterizing drought in India using GRACE observations of terrestrial water storage deficit
1
2017
... 邓梓锋等[82],Sinha等[83], ...
Assessment and attribution of China’s droughts using an integrated drought index derived from GRACE and GRACE-FO data
1
2021
... Deng等[84],Sun等[85],瞿伟等[86] ...
Drought evaluation using the GRACE terrestrial water storage deficit over the Yangtze River Basin, China
1
2018
... Deng等[84],Sun等[85],瞿伟等[86] ...
GRACE与GRACE Follow-On重力卫星数据揭示出的黄河流域2002—2020年干旱特征
1
2023
... Deng等[84],Sun等[85],瞿伟等[86] ...
GRACE与GRACE Follow-On重力卫星数据揭示出的黄河流域2002—2020年干旱特征
1
2023
... Deng等[84],Sun等[85],瞿伟等[86] ...
Utilizing GRACE-based groundwater drought index for drought characterization and teleconnection factors analysis in the North China Plain
1
2020
... Deng等[84],Sun等[85],瞿伟等[86] | 地下水干旱 | GGDI | 去除逐月平均值后进行标准化 | Thomas等[22],Wang等[87],Satish等[88] | GRACE-GDI ...
Tracking seasonal and monthly drought with GRACE-based terrestrial water storage assessments over major river basins in South India
1
2020
... Deng等[84],Sun等[85],瞿伟等[86] | 地下水干旱 | GGDI | 去除逐月平均值后进行标准化 | Thomas等[22],Wang等[87],Satish等[88] | GRACE-GDI ...
Effects of vegetation restoration on groundwater drought in the Loess Plateau, China
1
2020
| 借鉴GRACE-DSI的构建方法 | 粟晓玲等[24],Han等[89],Zhu和Zhang[90] | 综合干旱 | CCDI | 陆地水储量变化和降水变化均去除逐月平均值后相加,再进行标准化 | Sinha等[91],Xu等[92] |
干旱指数在气象、径流等方面发展较为成熟且广为应用,例如,标准化降水指数SPI[72]、帕尔默干旱指数PDSI[73]和帕尔默水文干旱指数PHDI[74]等.众多学者将其构建方法应用至GRACE数据的干旱指数构建中,比如Cui等[75]参照SPI的构建方法,构建了多尺度的标准化陆地水储量指数STI,该指数与多种常用的指数相比在捕捉干旱事件方面更具优势.也有部分学者基于水储量变化采用标准化方法构建干旱指数,例如,Thomas等[22]以加州中央山谷为例,构建了基于GRACE数据的地下水干旱指数GGDI,研究发现GGDI与基于实测地下水位数据的指数GWI具有很强的相关性,且相对于PDSI和SPI存在5个月的滞时,这也体现了地下水干旱相对于气象干旱独特的滞后响应.这些干旱指数虽然构建方法不同,但对于干旱演变等均有较好的监测效果. ...
Groundwater drought characteristics and its influencing factors with corresponding quantitative contribution over the two largest catchments in China
1
2022
| 借鉴GRACE-DSI的构建方法 | 粟晓玲等[24],Han等[89],Zhu和Zhang[90] | 综合干旱 | CCDI | 陆地水储量变化和降水变化均去除逐月平均值后相加,再进行标准化 | Sinha等[91],Xu等[92] |
干旱指数在气象、径流等方面发展较为成熟且广为应用,例如,标准化降水指数SPI[72]、帕尔默干旱指数PDSI[73]和帕尔默水文干旱指数PHDI[74]等.众多学者将其构建方法应用至GRACE数据的干旱指数构建中,比如Cui等[75]参照SPI的构建方法,构建了多尺度的标准化陆地水储量指数STI,该指数与多种常用的指数相比在捕捉干旱事件方面更具优势.也有部分学者基于水储量变化采用标准化方法构建干旱指数,例如,Thomas等[22]以加州中央山谷为例,构建了基于GRACE数据的地下水干旱指数GGDI,研究发现GGDI与基于实测地下水位数据的指数GWI具有很强的相关性,且相对于PDSI和SPI存在5个月的滞时,这也体现了地下水干旱相对于气象干旱独特的滞后响应.这些干旱指数虽然构建方法不同,但对于干旱演变等均有较好的监测效果. ...
Utilizing combined deviations of precipitation and GRACE-based terrestrial water storage as a metric for drought characterization: A case study over major Indian river basins
3
2019
| 借鉴GRACE-DSI的构建方法 | 粟晓玲等[24],Han等[89],Zhu和Zhang[90] | 综合干旱 | CCDI | 陆地水储量变化和降水变化均去除逐月平均值后相加,再进行标准化 | Sinha等[91],Xu等[92] |
干旱指数在气象、径流等方面发展较为成熟且广为应用,例如,标准化降水指数SPI[72]、帕尔默干旱指数PDSI[73]和帕尔默水文干旱指数PHDI[74]等.众多学者将其构建方法应用至GRACE数据的干旱指数构建中,比如Cui等[75]参照SPI的构建方法,构建了多尺度的标准化陆地水储量指数STI,该指数与多种常用的指数相比在捕捉干旱事件方面更具优势.也有部分学者基于水储量变化采用标准化方法构建干旱指数,例如,Thomas等[22]以加州中央山谷为例,构建了基于GRACE数据的地下水干旱指数GGDI,研究发现GGDI与基于实测地下水位数据的指数GWI具有很强的相关性,且相对于PDSI和SPI存在5个月的滞时,这也体现了地下水干旱相对于气象干旱独特的滞后响应.这些干旱指数虽然构建方法不同,但对于干旱演变等均有较好的监测效果. ...
... 干旱过程较为复杂,且影响因素众多,综合考虑多种因素的综合干旱指数能够更准确的监测和评估干旱情势.GRACE数据可作为因素之一构建干旱指数,目前综合干旱指数的构建研究中大多未考虑到以GRACE数据代表的水文干旱或地下水干旱.Sinha等[91]构建了一种考虑降水和GRACE数据反演的陆地水储量变化的综合干旱指数CCDI,该指数与PDSI和GRACE-DSI具有良好的对应关系,能够更好地量化干旱严重程度.Xu等[92]在Sinha等[91]的基础上提出了剔除人为影响的综合干旱指数detrended-CCDI,其捕捉干旱的适用性和准确性更高.在未来的综合干旱研究中,结合GRACE数据代表的水储量变化与多源数据来构建综合干旱指数可能会提高对干旱演变的监测能力. ...
... [91]的基础上提出了剔除人为影响的综合干旱指数detrended-CCDI,其捕捉干旱的适用性和准确性更高.在未来的综合干旱研究中,结合GRACE数据代表的水储量变化与多源数据来构建综合干旱指数可能会提高对干旱演变的监测能力. ...
Drought assessment of China in 2002-2017 based on a comprehensive drought index
2
2022
| 借鉴GRACE-DSI的构建方法 | 粟晓玲等[24],Han等[89],Zhu和Zhang[90] | 综合干旱 | CCDI | 陆地水储量变化和降水变化均去除逐月平均值后相加,再进行标准化 | Sinha等[91],Xu等[92] |
干旱指数在气象、径流等方面发展较为成熟且广为应用,例如,标准化降水指数SPI[72]、帕尔默干旱指数PDSI[73]和帕尔默水文干旱指数PHDI[74]等.众多学者将其构建方法应用至GRACE数据的干旱指数构建中,比如Cui等[75]参照SPI的构建方法,构建了多尺度的标准化陆地水储量指数STI,该指数与多种常用的指数相比在捕捉干旱事件方面更具优势.也有部分学者基于水储量变化采用标准化方法构建干旱指数,例如,Thomas等[22]以加州中央山谷为例,构建了基于GRACE数据的地下水干旱指数GGDI,研究发现GGDI与基于实测地下水位数据的指数GWI具有很强的相关性,且相对于PDSI和SPI存在5个月的滞时,这也体现了地下水干旱相对于气象干旱独特的滞后响应.这些干旱指数虽然构建方法不同,但对于干旱演变等均有较好的监测效果. ...
... 干旱过程较为复杂,且影响因素众多,综合考虑多种因素的综合干旱指数能够更准确的监测和评估干旱情势.GRACE数据可作为因素之一构建干旱指数,目前综合干旱指数的构建研究中大多未考虑到以GRACE数据代表的水文干旱或地下水干旱.Sinha等[91]构建了一种考虑降水和GRACE数据反演的陆地水储量变化的综合干旱指数CCDI,该指数与PDSI和GRACE-DSI具有良好的对应关系,能够更好地量化干旱严重程度.Xu等[92]在Sinha等[91]的基础上提出了剔除人为影响的综合干旱指数detrended-CCDI,其捕捉干旱的适用性和准确性更高.在未来的综合干旱研究中,结合GRACE数据代表的水储量变化与多源数据来构建综合干旱指数可能会提高对干旱演变的监测能力. ...
综合干旱指数研究进展
1
2021
... 不同类型的干旱之间具有密切的联系,气象干旱通常是其他干旱的驱动因素[71].一般来说,由降水不足引起的气象干旱作用于下垫面,对土壤、植被、径流、陆地水和地下水产生不同程度的影响[93],继而触发农业干旱、生态干旱、水文干旱和地下水干旱. ...
综合干旱指数研究进展
1
2021
... 不同类型的干旱之间具有密切的联系,气象干旱通常是其他干旱的驱动因素[71].一般来说,由降水不足引起的气象干旱作用于下垫面,对土壤、植被、径流、陆地水和地下水产生不同程度的影响[93],继而触发农业干旱、生态干旱、水文干旱和地下水干旱. ...
2002―2015年黄河流域NDVI对陆地水储量的响应
1
2020
... 目前针对不同干旱类型对基于GRACE数据的水文干旱和地下水干旱的响应关系研究仍处于探索阶段,例如袁瑞强等[94]分析了黄河流域归一化植被指数NDVI对陆地水储量的响应关系,研究表明水热条件和人类活动等因素导致了上游和甘肃南部响应关系呈显著正相关,中下游地区相关性不明显,部分地区为负相关,但该研究并未考虑两者的时滞影响.Thomas等[22-23]分别研究了珠江流域和加利福尼亚中央山谷气象干旱对地下水干旱的传播规律,结果表明响应时间分别为8个月和5个月.粟晓玲等[24]探讨了西北地区气象干旱与地下水干旱的动态响应关系,得出大部分地区的响应时间为1~6个月和19~24个月,且以气象条件为主导因素的地下水干旱面积在变小. ...
2002―2015年黄河流域NDVI对陆地水储量的响应
1
2020
... 目前针对不同干旱类型对基于GRACE数据的水文干旱和地下水干旱的响应关系研究仍处于探索阶段,例如袁瑞强等[94]分析了黄河流域归一化植被指数NDVI对陆地水储量的响应关系,研究表明水热条件和人类活动等因素导致了上游和甘肃南部响应关系呈显著正相关,中下游地区相关性不明显,部分地区为负相关,但该研究并未考虑两者的时滞影响.Thomas等[22-23]分别研究了珠江流域和加利福尼亚中央山谷气象干旱对地下水干旱的传播规律,结果表明响应时间分别为8个月和5个月.粟晓玲等[24]探讨了西北地区气象干旱与地下水干旱的动态响应关系,得出大部分地区的响应时间为1~6个月和19~24个月,且以气象条件为主导因素的地下水干旱面积在变小. ...
Extended lead time accurate forecasting of palmer drought severity index using hybrid wavelet-fuzzy and machine learning techniques
1
2021
... 机器学习为水文学以及相关领域提供了强有力的技术支撑,广泛应用于水文数据的模拟预测[95-96].较多学者基于机器学习方法探讨了GRACE间断期序列的插补和重建,如任立良等[26]、梁文涛等[97]、Wei等[98]均采用LSTM模型分别插补了黄河流域、黄河源区、柴达木盆地的GRACE间断期序列,并得到较好的精度,这表明了深度学习模型LSTM在预测方面的稳健性;Xiong等[30]基于随机森林法、支持向量机、人工神经网络(ANN)对中国大陆的GRACE间断期数据进行插补,总体精度较高,但在干旱半干旱地区(如西北地区)的精度较差.Li等[99]、Lai等[100]、Ahmed等[101]分别采用SSA-ARMA、ANN和NARX模型对流域尺度的GRACE数据进行插补重建,模型精度均较高,但未涉及格点尺度,而流域尺度相对格点尺度来说序列较为平滑,易于模拟和预测.Sun等[27]采用DNN等多种方法对全球GRACE序列进行重建,结果表明湿润地区的重建效果优于干旱地区,这主要是由于GRACE数据在湿润地区的信噪比更高导致.Li等[28]结合主成分分析、独立成分分析、最小二乘法、多元线性回归、ANN等多种方法构建了GRACE数据重建的框架,结合模型精度优选结果,综合多种模型的优点有助于提升重建GRACE数据的精度.褚江东等[102]基于分解-集成思想,采用VMD-LSTM模型插补了中国的GRACE间断期数据,较其他模型提高了干旱半干旱地区的插补精度.机器学习方法作为黑箱模型,其计算过程无实际物理意义,可解释性较差,因此有研究将水文模型应用至GRACE数据的插补重建中,例如Zhang等[103]采用了具有水文机理的经验水文模型abcd插补了GRACE间断期数据,结果表明该模型的插补精度在热带、温带和大陆性气候区较高,但在干旱地区精度有待提高.也有部分学者采用了基于统计意义的气候驱动模型重建GRACE数据[104-105],并得到了较好的重建效果.Sun等[106]基于深度卷积神经网络(CNN)来学习GRACE数据反演的陆地水储量变化与Noah模型模拟的陆地水储量变化之间的关系,从而校正Noah模型模拟的陆地水储量变化,这为水储量变化数据的插补重建提供了一个新的思路. ...
Comparison of physical and data-driven models to forecast groundwater level changes with the inclusion of GRACE-a case study over the state of Victoria, Australia
1
2021
... 机器学习为水文学以及相关领域提供了强有力的技术支撑,广泛应用于水文数据的模拟预测[95-96].较多学者基于机器学习方法探讨了GRACE间断期序列的插补和重建,如任立良等[26]、梁文涛等[97]、Wei等[98]均采用LSTM模型分别插补了黄河流域、黄河源区、柴达木盆地的GRACE间断期序列,并得到较好的精度,这表明了深度学习模型LSTM在预测方面的稳健性;Xiong等[30]基于随机森林法、支持向量机、人工神经网络(ANN)对中国大陆的GRACE间断期数据进行插补,总体精度较高,但在干旱半干旱地区(如西北地区)的精度较差.Li等[99]、Lai等[100]、Ahmed等[101]分别采用SSA-ARMA、ANN和NARX模型对流域尺度的GRACE数据进行插补重建,模型精度均较高,但未涉及格点尺度,而流域尺度相对格点尺度来说序列较为平滑,易于模拟和预测.Sun等[27]采用DNN等多种方法对全球GRACE序列进行重建,结果表明湿润地区的重建效果优于干旱地区,这主要是由于GRACE数据在湿润地区的信噪比更高导致.Li等[28]结合主成分分析、独立成分分析、最小二乘法、多元线性回归、ANN等多种方法构建了GRACE数据重建的框架,结合模型精度优选结果,综合多种模型的优点有助于提升重建GRACE数据的精度.褚江东等[102]基于分解-集成思想,采用VMD-LSTM模型插补了中国的GRACE间断期数据,较其他模型提高了干旱半干旱地区的插补精度.机器学习方法作为黑箱模型,其计算过程无实际物理意义,可解释性较差,因此有研究将水文模型应用至GRACE数据的插补重建中,例如Zhang等[103]采用了具有水文机理的经验水文模型abcd插补了GRACE间断期数据,结果表明该模型的插补精度在热带、温带和大陆性气候区较高,但在干旱地区精度有待提高.也有部分学者采用了基于统计意义的气候驱动模型重建GRACE数据[104-105],并得到了较好的重建效果.Sun等[106]基于深度卷积神经网络(CNN)来学习GRACE数据反演的陆地水储量变化与Noah模型模拟的陆地水储量变化之间的关系,从而校正Noah模型模拟的陆地水储量变化,这为水储量变化数据的插补重建提供了一个新的思路. ...
近20年黄河源区陆地水储量增加及其可能原因分析
1
2022
... 机器学习为水文学以及相关领域提供了强有力的技术支撑,广泛应用于水文数据的模拟预测[95-96].较多学者基于机器学习方法探讨了GRACE间断期序列的插补和重建,如任立良等[26]、梁文涛等[97]、Wei等[98]均采用LSTM模型分别插补了黄河流域、黄河源区、柴达木盆地的GRACE间断期序列,并得到较好的精度,这表明了深度学习模型LSTM在预测方面的稳健性;Xiong等[30]基于随机森林法、支持向量机、人工神经网络(ANN)对中国大陆的GRACE间断期数据进行插补,总体精度较高,但在干旱半干旱地区(如西北地区)的精度较差.Li等[99]、Lai等[100]、Ahmed等[101]分别采用SSA-ARMA、ANN和NARX模型对流域尺度的GRACE数据进行插补重建,模型精度均较高,但未涉及格点尺度,而流域尺度相对格点尺度来说序列较为平滑,易于模拟和预测.Sun等[27]采用DNN等多种方法对全球GRACE序列进行重建,结果表明湿润地区的重建效果优于干旱地区,这主要是由于GRACE数据在湿润地区的信噪比更高导致.Li等[28]结合主成分分析、独立成分分析、最小二乘法、多元线性回归、ANN等多种方法构建了GRACE数据重建的框架,结合模型精度优选结果,综合多种模型的优点有助于提升重建GRACE数据的精度.褚江东等[102]基于分解-集成思想,采用VMD-LSTM模型插补了中国的GRACE间断期数据,较其他模型提高了干旱半干旱地区的插补精度.机器学习方法作为黑箱模型,其计算过程无实际物理意义,可解释性较差,因此有研究将水文模型应用至GRACE数据的插补重建中,例如Zhang等[103]采用了具有水文机理的经验水文模型abcd插补了GRACE间断期数据,结果表明该模型的插补精度在热带、温带和大陆性气候区较高,但在干旱地区精度有待提高.也有部分学者采用了基于统计意义的气候驱动模型重建GRACE数据[104-105],并得到了较好的重建效果.Sun等[106]基于深度卷积神经网络(CNN)来学习GRACE数据反演的陆地水储量变化与Noah模型模拟的陆地水储量变化之间的关系,从而校正Noah模型模拟的陆地水储量变化,这为水储量变化数据的插补重建提供了一个新的思路. ...
近20年黄河源区陆地水储量增加及其可能原因分析
1
2022
... 机器学习为水文学以及相关领域提供了强有力的技术支撑,广泛应用于水文数据的模拟预测[95-96].较多学者基于机器学习方法探讨了GRACE间断期序列的插补和重建,如任立良等[26]、梁文涛等[97]、Wei等[98]均采用LSTM模型分别插补了黄河流域、黄河源区、柴达木盆地的GRACE间断期序列,并得到较好的精度,这表明了深度学习模型LSTM在预测方面的稳健性;Xiong等[30]基于随机森林法、支持向量机、人工神经网络(ANN)对中国大陆的GRACE间断期数据进行插补,总体精度较高,但在干旱半干旱地区(如西北地区)的精度较差.Li等[99]、Lai等[100]、Ahmed等[101]分别采用SSA-ARMA、ANN和NARX模型对流域尺度的GRACE数据进行插补重建,模型精度均较高,但未涉及格点尺度,而流域尺度相对格点尺度来说序列较为平滑,易于模拟和预测.Sun等[27]采用DNN等多种方法对全球GRACE序列进行重建,结果表明湿润地区的重建效果优于干旱地区,这主要是由于GRACE数据在湿润地区的信噪比更高导致.Li等[28]结合主成分分析、独立成分分析、最小二乘法、多元线性回归、ANN等多种方法构建了GRACE数据重建的框架,结合模型精度优选结果,综合多种模型的优点有助于提升重建GRACE数据的精度.褚江东等[102]基于分解-集成思想,采用VMD-LSTM模型插补了中国的GRACE间断期数据,较其他模型提高了干旱半干旱地区的插补精度.机器学习方法作为黑箱模型,其计算过程无实际物理意义,可解释性较差,因此有研究将水文模型应用至GRACE数据的插补重建中,例如Zhang等[103]采用了具有水文机理的经验水文模型abcd插补了GRACE间断期数据,结果表明该模型的插补精度在热带、温带和大陆性气候区较高,但在干旱地区精度有待提高.也有部分学者采用了基于统计意义的气候驱动模型重建GRACE数据[104-105],并得到了较好的重建效果.Sun等[106]基于深度卷积神经网络(CNN)来学习GRACE数据反演的陆地水储量变化与Noah模型模拟的陆地水储量变化之间的关系,从而校正Noah模型模拟的陆地水储量变化,这为水储量变化数据的插补重建提供了一个新的思路. ...
Spatiotemporal changes of terrestrial water storage and possible causes in the closed Qaidam Basin, China using GRACE and GRACE Follow-On data
1
2021
... 机器学习为水文学以及相关领域提供了强有力的技术支撑,广泛应用于水文数据的模拟预测[95-96].较多学者基于机器学习方法探讨了GRACE间断期序列的插补和重建,如任立良等[26]、梁文涛等[97]、Wei等[98]均采用LSTM模型分别插补了黄河流域、黄河源区、柴达木盆地的GRACE间断期序列,并得到较好的精度,这表明了深度学习模型LSTM在预测方面的稳健性;Xiong等[30]基于随机森林法、支持向量机、人工神经网络(ANN)对中国大陆的GRACE间断期数据进行插补,总体精度较高,但在干旱半干旱地区(如西北地区)的精度较差.Li等[99]、Lai等[100]、Ahmed等[101]分别采用SSA-ARMA、ANN和NARX模型对流域尺度的GRACE数据进行插补重建,模型精度均较高,但未涉及格点尺度,而流域尺度相对格点尺度来说序列较为平滑,易于模拟和预测.Sun等[27]采用DNN等多种方法对全球GRACE序列进行重建,结果表明湿润地区的重建效果优于干旱地区,这主要是由于GRACE数据在湿润地区的信噪比更高导致.Li等[28]结合主成分分析、独立成分分析、最小二乘法、多元线性回归、ANN等多种方法构建了GRACE数据重建的框架,结合模型精度优选结果,综合多种模型的优点有助于提升重建GRACE数据的精度.褚江东等[102]基于分解-集成思想,采用VMD-LSTM模型插补了中国的GRACE间断期数据,较其他模型提高了干旱半干旱地区的插补精度.机器学习方法作为黑箱模型,其计算过程无实际物理意义,可解释性较差,因此有研究将水文模型应用至GRACE数据的插补重建中,例如Zhang等[103]采用了具有水文机理的经验水文模型abcd插补了GRACE间断期数据,结果表明该模型的插补精度在热带、温带和大陆性气候区较高,但在干旱地区精度有待提高.也有部分学者采用了基于统计意义的气候驱动模型重建GRACE数据[104-105],并得到了较好的重建效果.Sun等[106]基于深度卷积神经网络(CNN)来学习GRACE数据反演的陆地水储量变化与Noah模型模拟的陆地水储量变化之间的关系,从而校正Noah模型模拟的陆地水储量变化,这为水储量变化数据的插补重建提供了一个新的思路. ...
Bridging terrestrial water storage anomaly during GRACE/GRACE-FO gap using SSA method: A case study in China
1
2019
... 机器学习为水文学以及相关领域提供了强有力的技术支撑,广泛应用于水文数据的模拟预测[95-96].较多学者基于机器学习方法探讨了GRACE间断期序列的插补和重建,如任立良等[26]、梁文涛等[97]、Wei等[98]均采用LSTM模型分别插补了黄河流域、黄河源区、柴达木盆地的GRACE间断期序列,并得到较好的精度,这表明了深度学习模型LSTM在预测方面的稳健性;Xiong等[30]基于随机森林法、支持向量机、人工神经网络(ANN)对中国大陆的GRACE间断期数据进行插补,总体精度较高,但在干旱半干旱地区(如西北地区)的精度较差.Li等[99]、Lai等[100]、Ahmed等[101]分别采用SSA-ARMA、ANN和NARX模型对流域尺度的GRACE数据进行插补重建,模型精度均较高,但未涉及格点尺度,而流域尺度相对格点尺度来说序列较为平滑,易于模拟和预测.Sun等[27]采用DNN等多种方法对全球GRACE序列进行重建,结果表明湿润地区的重建效果优于干旱地区,这主要是由于GRACE数据在湿润地区的信噪比更高导致.Li等[28]结合主成分分析、独立成分分析、最小二乘法、多元线性回归、ANN等多种方法构建了GRACE数据重建的框架,结合模型精度优选结果,综合多种模型的优点有助于提升重建GRACE数据的精度.褚江东等[102]基于分解-集成思想,采用VMD-LSTM模型插补了中国的GRACE间断期数据,较其他模型提高了干旱半干旱地区的插补精度.机器学习方法作为黑箱模型,其计算过程无实际物理意义,可解释性较差,因此有研究将水文模型应用至GRACE数据的插补重建中,例如Zhang等[103]采用了具有水文机理的经验水文模型abcd插补了GRACE间断期数据,结果表明该模型的插补精度在热带、温带和大陆性气候区较高,但在干旱地区精度有待提高.也有部分学者采用了基于统计意义的气候驱动模型重建GRACE数据[104-105],并得到了较好的重建效果.Sun等[106]基于深度卷积神经网络(CNN)来学习GRACE数据反演的陆地水储量变化与Noah模型模拟的陆地水储量变化之间的关系,从而校正Noah模型模拟的陆地水储量变化,这为水储量变化数据的插补重建提供了一个新的思路. ...
Reconstructing the data gap between GRACE and GRACE follow-on at the basin scale using artificial neural network
1
2022
... 机器学习为水文学以及相关领域提供了强有力的技术支撑,广泛应用于水文数据的模拟预测[95-96].较多学者基于机器学习方法探讨了GRACE间断期序列的插补和重建,如任立良等[26]、梁文涛等[97]、Wei等[98]均采用LSTM模型分别插补了黄河流域、黄河源区、柴达木盆地的GRACE间断期序列,并得到较好的精度,这表明了深度学习模型LSTM在预测方面的稳健性;Xiong等[30]基于随机森林法、支持向量机、人工神经网络(ANN)对中国大陆的GRACE间断期数据进行插补,总体精度较高,但在干旱半干旱地区(如西北地区)的精度较差.Li等[99]、Lai等[100]、Ahmed等[101]分别采用SSA-ARMA、ANN和NARX模型对流域尺度的GRACE数据进行插补重建,模型精度均较高,但未涉及格点尺度,而流域尺度相对格点尺度来说序列较为平滑,易于模拟和预测.Sun等[27]采用DNN等多种方法对全球GRACE序列进行重建,结果表明湿润地区的重建效果优于干旱地区,这主要是由于GRACE数据在湿润地区的信噪比更高导致.Li等[28]结合主成分分析、独立成分分析、最小二乘法、多元线性回归、ANN等多种方法构建了GRACE数据重建的框架,结合模型精度优选结果,综合多种模型的优点有助于提升重建GRACE数据的精度.褚江东等[102]基于分解-集成思想,采用VMD-LSTM模型插补了中国的GRACE间断期数据,较其他模型提高了干旱半干旱地区的插补精度.机器学习方法作为黑箱模型,其计算过程无实际物理意义,可解释性较差,因此有研究将水文模型应用至GRACE数据的插补重建中,例如Zhang等[103]采用了具有水文机理的经验水文模型abcd插补了GRACE间断期数据,结果表明该模型的插补精度在热带、温带和大陆性气候区较高,但在干旱地区精度有待提高.也有部分学者采用了基于统计意义的气候驱动模型重建GRACE数据[104-105],并得到了较好的重建效果.Sun等[106]基于深度卷积神经网络(CNN)来学习GRACE数据反演的陆地水储量变化与Noah模型模拟的陆地水储量变化之间的关系,从而校正Noah模型模拟的陆地水储量变化,这为水储量变化数据的插补重建提供了一个新的思路. ...
Forecasting GRACE data over the African watersheds using artificial neural networks
1
2019
... 机器学习为水文学以及相关领域提供了强有力的技术支撑,广泛应用于水文数据的模拟预测[95-96].较多学者基于机器学习方法探讨了GRACE间断期序列的插补和重建,如任立良等[26]、梁文涛等[97]、Wei等[98]均采用LSTM模型分别插补了黄河流域、黄河源区、柴达木盆地的GRACE间断期序列,并得到较好的精度,这表明了深度学习模型LSTM在预测方面的稳健性;Xiong等[30]基于随机森林法、支持向量机、人工神经网络(ANN)对中国大陆的GRACE间断期数据进行插补,总体精度较高,但在干旱半干旱地区(如西北地区)的精度较差.Li等[99]、Lai等[100]、Ahmed等[101]分别采用SSA-ARMA、ANN和NARX模型对流域尺度的GRACE数据进行插补重建,模型精度均较高,但未涉及格点尺度,而流域尺度相对格点尺度来说序列较为平滑,易于模拟和预测.Sun等[27]采用DNN等多种方法对全球GRACE序列进行重建,结果表明湿润地区的重建效果优于干旱地区,这主要是由于GRACE数据在湿润地区的信噪比更高导致.Li等[28]结合主成分分析、独立成分分析、最小二乘法、多元线性回归、ANN等多种方法构建了GRACE数据重建的框架,结合模型精度优选结果,综合多种模型的优点有助于提升重建GRACE数据的精度.褚江东等[102]基于分解-集成思想,采用VMD-LSTM模型插补了中国的GRACE间断期数据,较其他模型提高了干旱半干旱地区的插补精度.机器学习方法作为黑箱模型,其计算过程无实际物理意义,可解释性较差,因此有研究将水文模型应用至GRACE数据的插补重建中,例如Zhang等[103]采用了具有水文机理的经验水文模型abcd插补了GRACE间断期数据,结果表明该模型的插补精度在热带、温带和大陆性气候区较高,但在干旱地区精度有待提高.也有部分学者采用了基于统计意义的气候驱动模型重建GRACE数据[104-105],并得到了较好的重建效果.Sun等[106]基于深度卷积神经网络(CNN)来学习GRACE数据反演的陆地水储量变化与Noah模型模拟的陆地水储量变化之间的关系,从而校正Noah模型模拟的陆地水储量变化,这为水储量变化数据的插补重建提供了一个新的思路. ...
2002—2021年中国陆地水储量及其组分变化分析
2
2022
... 机器学习为水文学以及相关领域提供了强有力的技术支撑,广泛应用于水文数据的模拟预测[95-96].较多学者基于机器学习方法探讨了GRACE间断期序列的插补和重建,如任立良等[26]、梁文涛等[97]、Wei等[98]均采用LSTM模型分别插补了黄河流域、黄河源区、柴达木盆地的GRACE间断期序列,并得到较好的精度,这表明了深度学习模型LSTM在预测方面的稳健性;Xiong等[30]基于随机森林法、支持向量机、人工神经网络(ANN)对中国大陆的GRACE间断期数据进行插补,总体精度较高,但在干旱半干旱地区(如西北地区)的精度较差.Li等[99]、Lai等[100]、Ahmed等[101]分别采用SSA-ARMA、ANN和NARX模型对流域尺度的GRACE数据进行插补重建,模型精度均较高,但未涉及格点尺度,而流域尺度相对格点尺度来说序列较为平滑,易于模拟和预测.Sun等[27]采用DNN等多种方法对全球GRACE序列进行重建,结果表明湿润地区的重建效果优于干旱地区,这主要是由于GRACE数据在湿润地区的信噪比更高导致.Li等[28]结合主成分分析、独立成分分析、最小二乘法、多元线性回归、ANN等多种方法构建了GRACE数据重建的框架,结合模型精度优选结果,综合多种模型的优点有助于提升重建GRACE数据的精度.褚江东等[102]基于分解-集成思想,采用VMD-LSTM模型插补了中国的GRACE间断期数据,较其他模型提高了干旱半干旱地区的插补精度.机器学习方法作为黑箱模型,其计算过程无实际物理意义,可解释性较差,因此有研究将水文模型应用至GRACE数据的插补重建中,例如Zhang等[103]采用了具有水文机理的经验水文模型abcd插补了GRACE间断期数据,结果表明该模型的插补精度在热带、温带和大陆性气候区较高,但在干旱地区精度有待提高.也有部分学者采用了基于统计意义的气候驱动模型重建GRACE数据[104-105],并得到了较好的重建效果.Sun等[106]基于深度卷积神经网络(CNN)来学习GRACE数据反演的陆地水储量变化与Noah模型模拟的陆地水储量变化之间的关系,从而校正Noah模型模拟的陆地水储量变化,这为水储量变化数据的插补重建提供了一个新的思路. ...
... (1)变化环境对水储量变化的影响.在GRACE数据反演水储量变化方面,由于人类活动显著影响了全球多个地区的水储量变化,已成为水储量变化不容忽视的影响因素,在今后研究中需重点关注人类活动和气候变化对水储量变化的影响.另外,后续研究可进一步探讨水储量各组分(例如土壤水、地下水、冰雪等)变化对水储量的影响[35, 102],以及结合未来情景或气候模式分析未来水储量的变化情势[107].水储量变化作为水循环的重要变量,将其同化至水文模型中可有效提高水文模型的精度[108]. ...
2002—2021年中国陆地水储量及其组分变化分析
2
2022
... 机器学习为水文学以及相关领域提供了强有力的技术支撑,广泛应用于水文数据的模拟预测[95-96].较多学者基于机器学习方法探讨了GRACE间断期序列的插补和重建,如任立良等[26]、梁文涛等[97]、Wei等[98]均采用LSTM模型分别插补了黄河流域、黄河源区、柴达木盆地的GRACE间断期序列,并得到较好的精度,这表明了深度学习模型LSTM在预测方面的稳健性;Xiong等[30]基于随机森林法、支持向量机、人工神经网络(ANN)对中国大陆的GRACE间断期数据进行插补,总体精度较高,但在干旱半干旱地区(如西北地区)的精度较差.Li等[99]、Lai等[100]、Ahmed等[101]分别采用SSA-ARMA、ANN和NARX模型对流域尺度的GRACE数据进行插补重建,模型精度均较高,但未涉及格点尺度,而流域尺度相对格点尺度来说序列较为平滑,易于模拟和预测.Sun等[27]采用DNN等多种方法对全球GRACE序列进行重建,结果表明湿润地区的重建效果优于干旱地区,这主要是由于GRACE数据在湿润地区的信噪比更高导致.Li等[28]结合主成分分析、独立成分分析、最小二乘法、多元线性回归、ANN等多种方法构建了GRACE数据重建的框架,结合模型精度优选结果,综合多种模型的优点有助于提升重建GRACE数据的精度.褚江东等[102]基于分解-集成思想,采用VMD-LSTM模型插补了中国的GRACE间断期数据,较其他模型提高了干旱半干旱地区的插补精度.机器学习方法作为黑箱模型,其计算过程无实际物理意义,可解释性较差,因此有研究将水文模型应用至GRACE数据的插补重建中,例如Zhang等[103]采用了具有水文机理的经验水文模型abcd插补了GRACE间断期数据,结果表明该模型的插补精度在热带、温带和大陆性气候区较高,但在干旱地区精度有待提高.也有部分学者采用了基于统计意义的气候驱动模型重建GRACE数据[104-105],并得到了较好的重建效果.Sun等[106]基于深度卷积神经网络(CNN)来学习GRACE数据反演的陆地水储量变化与Noah模型模拟的陆地水储量变化之间的关系,从而校正Noah模型模拟的陆地水储量变化,这为水储量变化数据的插补重建提供了一个新的思路. ...
... (1)变化环境对水储量变化的影响.在GRACE数据反演水储量变化方面,由于人类活动显著影响了全球多个地区的水储量变化,已成为水储量变化不容忽视的影响因素,在今后研究中需重点关注人类活动和气候变化对水储量变化的影响.另外,后续研究可进一步探讨水储量各组分(例如土壤水、地下水、冰雪等)变化对水储量的影响[35, 102],以及结合未来情景或气候模式分析未来水储量的变化情势[107].水储量变化作为水循环的重要变量,将其同化至水文模型中可有效提高水文模型的精度[108]. ...
Bridging the gap between GRACE and GRACE-FO using a hydrological model
1
2022
... 机器学习为水文学以及相关领域提供了强有力的技术支撑,广泛应用于水文数据的模拟预测[95-96].较多学者基于机器学习方法探讨了GRACE间断期序列的插补和重建,如任立良等[26]、梁文涛等[97]、Wei等[98]均采用LSTM模型分别插补了黄河流域、黄河源区、柴达木盆地的GRACE间断期序列,并得到较好的精度,这表明了深度学习模型LSTM在预测方面的稳健性;Xiong等[30]基于随机森林法、支持向量机、人工神经网络(ANN)对中国大陆的GRACE间断期数据进行插补,总体精度较高,但在干旱半干旱地区(如西北地区)的精度较差.Li等[99]、Lai等[100]、Ahmed等[101]分别采用SSA-ARMA、ANN和NARX模型对流域尺度的GRACE数据进行插补重建,模型精度均较高,但未涉及格点尺度,而流域尺度相对格点尺度来说序列较为平滑,易于模拟和预测.Sun等[27]采用DNN等多种方法对全球GRACE序列进行重建,结果表明湿润地区的重建效果优于干旱地区,这主要是由于GRACE数据在湿润地区的信噪比更高导致.Li等[28]结合主成分分析、独立成分分析、最小二乘法、多元线性回归、ANN等多种方法构建了GRACE数据重建的框架,结合模型精度优选结果,综合多种模型的优点有助于提升重建GRACE数据的精度.褚江东等[102]基于分解-集成思想,采用VMD-LSTM模型插补了中国的GRACE间断期数据,较其他模型提高了干旱半干旱地区的插补精度.机器学习方法作为黑箱模型,其计算过程无实际物理意义,可解释性较差,因此有研究将水文模型应用至GRACE数据的插补重建中,例如Zhang等[103]采用了具有水文机理的经验水文模型abcd插补了GRACE间断期数据,结果表明该模型的插补精度在热带、温带和大陆性气候区较高,但在干旱地区精度有待提高.也有部分学者采用了基于统计意义的气候驱动模型重建GRACE数据[104-105],并得到了较好的重建效果.Sun等[106]基于深度卷积神经网络(CNN)来学习GRACE数据反演的陆地水储量变化与Noah模型模拟的陆地水储量变化之间的关系,从而校正Noah模型模拟的陆地水储量变化,这为水储量变化数据的插补重建提供了一个新的思路. ...
GRACE-REC: a reconstruction of climate-driven water storage changes over the last century
1
2019
... 机器学习为水文学以及相关领域提供了强有力的技术支撑,广泛应用于水文数据的模拟预测[95-96].较多学者基于机器学习方法探讨了GRACE间断期序列的插补和重建,如任立良等[26]、梁文涛等[97]、Wei等[98]均采用LSTM模型分别插补了黄河流域、黄河源区、柴达木盆地的GRACE间断期序列,并得到较好的精度,这表明了深度学习模型LSTM在预测方面的稳健性;Xiong等[30]基于随机森林法、支持向量机、人工神经网络(ANN)对中国大陆的GRACE间断期数据进行插补,总体精度较高,但在干旱半干旱地区(如西北地区)的精度较差.Li等[99]、Lai等[100]、Ahmed等[101]分别采用SSA-ARMA、ANN和NARX模型对流域尺度的GRACE数据进行插补重建,模型精度均较高,但未涉及格点尺度,而流域尺度相对格点尺度来说序列较为平滑,易于模拟和预测.Sun等[27]采用DNN等多种方法对全球GRACE序列进行重建,结果表明湿润地区的重建效果优于干旱地区,这主要是由于GRACE数据在湿润地区的信噪比更高导致.Li等[28]结合主成分分析、独立成分分析、最小二乘法、多元线性回归、ANN等多种方法构建了GRACE数据重建的框架,结合模型精度优选结果,综合多种模型的优点有助于提升重建GRACE数据的精度.褚江东等[102]基于分解-集成思想,采用VMD-LSTM模型插补了中国的GRACE间断期数据,较其他模型提高了干旱半干旱地区的插补精度.机器学习方法作为黑箱模型,其计算过程无实际物理意义,可解释性较差,因此有研究将水文模型应用至GRACE数据的插补重建中,例如Zhang等[103]采用了具有水文机理的经验水文模型abcd插补了GRACE间断期数据,结果表明该模型的插补精度在热带、温带和大陆性气候区较高,但在干旱地区精度有待提高.也有部分学者采用了基于统计意义的气候驱动模型重建GRACE数据[104-105],并得到了较好的重建效果.Sun等[106]基于深度卷积神经网络(CNN)来学习GRACE数据反演的陆地水储量变化与Noah模型模拟的陆地水储量变化之间的关系,从而校正Noah模型模拟的陆地水储量变化,这为水储量变化数据的插补重建提供了一个新的思路. ...
Human-induced and climate-driven contributions to water storage variations in the Haihe River Basin, China
1
2019
... 机器学习为水文学以及相关领域提供了强有力的技术支撑,广泛应用于水文数据的模拟预测[95-96].较多学者基于机器学习方法探讨了GRACE间断期序列的插补和重建,如任立良等[26]、梁文涛等[97]、Wei等[98]均采用LSTM模型分别插补了黄河流域、黄河源区、柴达木盆地的GRACE间断期序列,并得到较好的精度,这表明了深度学习模型LSTM在预测方面的稳健性;Xiong等[30]基于随机森林法、支持向量机、人工神经网络(ANN)对中国大陆的GRACE间断期数据进行插补,总体精度较高,但在干旱半干旱地区(如西北地区)的精度较差.Li等[99]、Lai等[100]、Ahmed等[101]分别采用SSA-ARMA、ANN和NARX模型对流域尺度的GRACE数据进行插补重建,模型精度均较高,但未涉及格点尺度,而流域尺度相对格点尺度来说序列较为平滑,易于模拟和预测.Sun等[27]采用DNN等多种方法对全球GRACE序列进行重建,结果表明湿润地区的重建效果优于干旱地区,这主要是由于GRACE数据在湿润地区的信噪比更高导致.Li等[28]结合主成分分析、独立成分分析、最小二乘法、多元线性回归、ANN等多种方法构建了GRACE数据重建的框架,结合模型精度优选结果,综合多种模型的优点有助于提升重建GRACE数据的精度.褚江东等[102]基于分解-集成思想,采用VMD-LSTM模型插补了中国的GRACE间断期数据,较其他模型提高了干旱半干旱地区的插补精度.机器学习方法作为黑箱模型,其计算过程无实际物理意义,可解释性较差,因此有研究将水文模型应用至GRACE数据的插补重建中,例如Zhang等[103]采用了具有水文机理的经验水文模型abcd插补了GRACE间断期数据,结果表明该模型的插补精度在热带、温带和大陆性气候区较高,但在干旱地区精度有待提高.也有部分学者采用了基于统计意义的气候驱动模型重建GRACE数据[104-105],并得到了较好的重建效果.Sun等[106]基于深度卷积神经网络(CNN)来学习GRACE数据反演的陆地水储量变化与Noah模型模拟的陆地水储量变化之间的关系,从而校正Noah模型模拟的陆地水储量变化,这为水储量变化数据的插补重建提供了一个新的思路. ...
Combining physically-based modeling and deep learning for fusing GRACE satellite data: Can we learn from mismatch?
1
2019
... 机器学习为水文学以及相关领域提供了强有力的技术支撑,广泛应用于水文数据的模拟预测[95-96].较多学者基于机器学习方法探讨了GRACE间断期序列的插补和重建,如任立良等[26]、梁文涛等[97]、Wei等[98]均采用LSTM模型分别插补了黄河流域、黄河源区、柴达木盆地的GRACE间断期序列,并得到较好的精度,这表明了深度学习模型LSTM在预测方面的稳健性;Xiong等[30]基于随机森林法、支持向量机、人工神经网络(ANN)对中国大陆的GRACE间断期数据进行插补,总体精度较高,但在干旱半干旱地区(如西北地区)的精度较差.Li等[99]、Lai等[100]、Ahmed等[101]分别采用SSA-ARMA、ANN和NARX模型对流域尺度的GRACE数据进行插补重建,模型精度均较高,但未涉及格点尺度,而流域尺度相对格点尺度来说序列较为平滑,易于模拟和预测.Sun等[27]采用DNN等多种方法对全球GRACE序列进行重建,结果表明湿润地区的重建效果优于干旱地区,这主要是由于GRACE数据在湿润地区的信噪比更高导致.Li等[28]结合主成分分析、独立成分分析、最小二乘法、多元线性回归、ANN等多种方法构建了GRACE数据重建的框架,结合模型精度优选结果,综合多种模型的优点有助于提升重建GRACE数据的精度.褚江东等[102]基于分解-集成思想,采用VMD-LSTM模型插补了中国的GRACE间断期数据,较其他模型提高了干旱半干旱地区的插补精度.机器学习方法作为黑箱模型,其计算过程无实际物理意义,可解释性较差,因此有研究将水文模型应用至GRACE数据的插补重建中,例如Zhang等[103]采用了具有水文机理的经验水文模型abcd插补了GRACE间断期数据,结果表明该模型的插补精度在热带、温带和大陆性气候区较高,但在干旱地区精度有待提高.也有部分学者采用了基于统计意义的气候驱动模型重建GRACE数据[104-105],并得到了较好的重建效果.Sun等[106]基于深度卷积神经网络(CNN)来学习GRACE数据反演的陆地水储量变化与Noah模型模拟的陆地水储量变化之间的关系,从而校正Noah模型模拟的陆地水储量变化,这为水储量变化数据的插补重建提供了一个新的思路. ...
中国陆域干旱演变预估及其生态水文效应
1
2023
... (1)变化环境对水储量变化的影响.在GRACE数据反演水储量变化方面,由于人类活动显著影响了全球多个地区的水储量变化,已成为水储量变化不容忽视的影响因素,在今后研究中需重点关注人类活动和气候变化对水储量变化的影响.另外,后续研究可进一步探讨水储量各组分(例如土壤水、地下水、冰雪等)变化对水储量的影响[35, 102],以及结合未来情景或气候模式分析未来水储量的变化情势[107].水储量变化作为水循环的重要变量,将其同化至水文模型中可有效提高水文模型的精度[108]. ...
中国陆域干旱演变预估及其生态水文效应
1
2023
... (1)变化环境对水储量变化的影响.在GRACE数据反演水储量变化方面,由于人类活动显著影响了全球多个地区的水储量变化,已成为水储量变化不容忽视的影响因素,在今后研究中需重点关注人类活动和气候变化对水储量变化的影响.另外,后续研究可进一步探讨水储量各组分(例如土壤水、地下水、冰雪等)变化对水储量的影响[35, 102],以及结合未来情景或气候模式分析未来水储量的变化情势[107].水储量变化作为水循环的重要变量,将其同化至水文模型中可有效提高水文模型的精度[108]. ...
Review of assimilating GRACE terrestrial water storage data into hydrological models: Advances, challenges and opportunities
1
2021
... (1)变化环境对水储量变化的影响.在GRACE数据反演水储量变化方面,由于人类活动显著影响了全球多个地区的水储量变化,已成为水储量变化不容忽视的影响因素,在今后研究中需重点关注人类活动和气候变化对水储量变化的影响.另外,后续研究可进一步探讨水储量各组分(例如土壤水、地下水、冰雪等)变化对水储量的影响[35, 102],以及结合未来情景或气候模式分析未来水储量的变化情势[107].水储量变化作为水循环的重要变量,将其同化至水文模型中可有效提高水文模型的精度[108]. ...
GRACE时变重力信号反演方法研究的进展和展望
1
2022
... (2)降低GRACE数据的不确定性.由于GRACE卫星受卫星轨道和硬件设计的影响[109],GRACE数据仍存在较大的不确定性,在使用该数据前有必要通过多源数据或水量平衡方程进行对比验证,可结合卫星遥感数据和模型模拟数据,利用机器学习等方法建立精度校正模型,或采用GPS、GNSS和实测地下水位等数据对GRACE数据进行偏差校正. ...
GRACE时变重力信号反演方法研究的进展和展望
1
2022
... (2)降低GRACE数据的不确定性.由于GRACE卫星受卫星轨道和硬件设计的影响[109],GRACE数据仍存在较大的不确定性,在使用该数据前有必要通过多源数据或水量平衡方程进行对比验证,可结合卫星遥感数据和模型模拟数据,利用机器学习等方法建立精度校正模型,或采用GPS、GNSS和实测地下水位等数据对GRACE数据进行偏差校正. ...
Filling the gap between GRACE and GRACE-FO data using a model integrating variational mode decomposition and long short-term memory: A case study of Northwest China
1
2023
... (4)提高插补重建GRACE数据的精度.未来需着重考虑采用具有水文机理的模型对GRACE数据进行插补重建,这有助于提高精度和对水文过程的理解.由于全球各个地区对陆地水储量变化的主导因素不同,在插补重建时可综合采用多种模型和多种输入方案选择最佳结果,以提高结果的准确性[110]. ...
Statistical downscaling of GRACE-Derived groundwater storage using ET data in the North China Plain
1
2018
... (5)提升GRACE的数据时空分辨率.受制于GRACE数据的时空分辨率,将该数据应用至中小尺度区域的适用性仍有待进一步的研究,因此有必要采用切实可行的方法提高GRACE数据的时空分辨率.目前已有研究结合与水储量变化相关的气象要素和下垫面要素,采用统计学[111-112]或机器学习[113-115]方法对水储量变化进行统计降尺度,但这在气象要素和下垫面要素与水储量变化相关不强的地区适用性可能不佳,结合人类活动的相关因素可能有助于提高降尺度的适用性.动力降尺度具有较好的数学物理基础[116],采用该方法或动力-统计降尺度提高GRACE数据的空间分辨率是未来需要考虑的方向.诚然,提高陆地水储量变化的时空分辨率最为有效的手段为改进反演方法,发射具有更高时空分辨率的重力卫星,例如欧空局和NASA联合提出的下一代卫星重力任务(NGGM)和我国的天琴计划等[117],新一代重力卫星在关键载荷上精度水平进一步提高,将有助于进一步提高时变重力场和反演水储量的时空精度. ...
基于同化数据的GRACE卫星反演中国陆地水储量变化降尺度分析
1
2020
... (5)提升GRACE的数据时空分辨率.受制于GRACE数据的时空分辨率,将该数据应用至中小尺度区域的适用性仍有待进一步的研究,因此有必要采用切实可行的方法提高GRACE数据的时空分辨率.目前已有研究结合与水储量变化相关的气象要素和下垫面要素,采用统计学[111-112]或机器学习[113-115]方法对水储量变化进行统计降尺度,但这在气象要素和下垫面要素与水储量变化相关不强的地区适用性可能不佳,结合人类活动的相关因素可能有助于提高降尺度的适用性.动力降尺度具有较好的数学物理基础[116],采用该方法或动力-统计降尺度提高GRACE数据的空间分辨率是未来需要考虑的方向.诚然,提高陆地水储量变化的时空分辨率最为有效的手段为改进反演方法,发射具有更高时空分辨率的重力卫星,例如欧空局和NASA联合提出的下一代卫星重力任务(NGGM)和我国的天琴计划等[117],新一代重力卫星在关键载荷上精度水平进一步提高,将有助于进一步提高时变重力场和反演水储量的时空精度. ...
基于同化数据的GRACE卫星反演中国陆地水储量变化降尺度分析
1
2020
... (5)提升GRACE的数据时空分辨率.受制于GRACE数据的时空分辨率,将该数据应用至中小尺度区域的适用性仍有待进一步的研究,因此有必要采用切实可行的方法提高GRACE数据的时空分辨率.目前已有研究结合与水储量变化相关的气象要素和下垫面要素,采用统计学[111-112]或机器学习[113-115]方法对水储量变化进行统计降尺度,但这在气象要素和下垫面要素与水储量变化相关不强的地区适用性可能不佳,结合人类活动的相关因素可能有助于提高降尺度的适用性.动力降尺度具有较好的数学物理基础[116],采用该方法或动力-统计降尺度提高GRACE数据的空间分辨率是未来需要考虑的方向.诚然,提高陆地水储量变化的时空分辨率最为有效的手段为改进反演方法,发射具有更高时空分辨率的重力卫星,例如欧空局和NASA联合提出的下一代卫星重力任务(NGGM)和我国的天琴计划等[117],新一代重力卫星在关键载荷上精度水平进一步提高,将有助于进一步提高时变重力场和反演水储量的时空精度. ...
Downscaling groundwater storage data in China to a 1-km resolution using machine learning methods
1
2021
... (5)提升GRACE的数据时空分辨率.受制于GRACE数据的时空分辨率,将该数据应用至中小尺度区域的适用性仍有待进一步的研究,因此有必要采用切实可行的方法提高GRACE数据的时空分辨率.目前已有研究结合与水储量变化相关的气象要素和下垫面要素,采用统计学[111-112]或机器学习[113-115]方法对水储量变化进行统计降尺度,但这在气象要素和下垫面要素与水储量变化相关不强的地区适用性可能不佳,结合人类活动的相关因素可能有助于提高降尺度的适用性.动力降尺度具有较好的数学物理基础[116],采用该方法或动力-统计降尺度提高GRACE数据的空间分辨率是未来需要考虑的方向.诚然,提高陆地水储量变化的时空分辨率最为有效的手段为改进反演方法,发射具有更高时空分辨率的重力卫星,例如欧空局和NASA联合提出的下一代卫星重力任务(NGGM)和我国的天琴计划等[117],新一代重力卫星在关键载荷上精度水平进一步提高,将有助于进一步提高时变重力场和反演水储量的时空精度. ...
Downscaling simulation of groundwater storage in the Tarim River basin in northwest China based on GRACE data
0
2021
Investigating the local-scale fluctuations of groundwater storage by using downscaled GRACE/GRACE-FO JPL Mascon product based on machine learning (ML) Algorithm
1
2023
... (5)提升GRACE的数据时空分辨率.受制于GRACE数据的时空分辨率,将该数据应用至中小尺度区域的适用性仍有待进一步的研究,因此有必要采用切实可行的方法提高GRACE数据的时空分辨率.目前已有研究结合与水储量变化相关的气象要素和下垫面要素,采用统计学[111-112]或机器学习[113-115]方法对水储量变化进行统计降尺度,但这在气象要素和下垫面要素与水储量变化相关不强的地区适用性可能不佳,结合人类活动的相关因素可能有助于提高降尺度的适用性.动力降尺度具有较好的数学物理基础[116],采用该方法或动力-统计降尺度提高GRACE数据的空间分辨率是未来需要考虑的方向.诚然,提高陆地水储量变化的时空分辨率最为有效的手段为改进反演方法,发射具有更高时空分辨率的重力卫星,例如欧空局和NASA联合提出的下一代卫星重力任务(NGGM)和我国的天琴计划等[117],新一代重力卫星在关键载荷上精度水平进一步提高,将有助于进一步提高时变重力场和反演水储量的时空精度. ...
区域气候动力降尺度方法研究综述
1
2019
... (5)提升GRACE的数据时空分辨率.受制于GRACE数据的时空分辨率,将该数据应用至中小尺度区域的适用性仍有待进一步的研究,因此有必要采用切实可行的方法提高GRACE数据的时空分辨率.目前已有研究结合与水储量变化相关的气象要素和下垫面要素,采用统计学[111-112]或机器学习[113-115]方法对水储量变化进行统计降尺度,但这在气象要素和下垫面要素与水储量变化相关不强的地区适用性可能不佳,结合人类活动的相关因素可能有助于提高降尺度的适用性.动力降尺度具有较好的数学物理基础[116],采用该方法或动力-统计降尺度提高GRACE数据的空间分辨率是未来需要考虑的方向.诚然,提高陆地水储量变化的时空分辨率最为有效的手段为改进反演方法,发射具有更高时空分辨率的重力卫星,例如欧空局和NASA联合提出的下一代卫星重力任务(NGGM)和我国的天琴计划等[117],新一代重力卫星在关键载荷上精度水平进一步提高,将有助于进一步提高时变重力场和反演水储量的时空精度. ...
区域气候动力降尺度方法研究综述
1
2019
... (5)提升GRACE的数据时空分辨率.受制于GRACE数据的时空分辨率,将该数据应用至中小尺度区域的适用性仍有待进一步的研究,因此有必要采用切实可行的方法提高GRACE数据的时空分辨率.目前已有研究结合与水储量变化相关的气象要素和下垫面要素,采用统计学[111-112]或机器学习[113-115]方法对水储量变化进行统计降尺度,但这在气象要素和下垫面要素与水储量变化相关不强的地区适用性可能不佳,结合人类活动的相关因素可能有助于提高降尺度的适用性.动力降尺度具有较好的数学物理基础[116],采用该方法或动力-统计降尺度提高GRACE数据的空间分辨率是未来需要考虑的方向.诚然,提高陆地水储量变化的时空分辨率最为有效的手段为改进反演方法,发射具有更高时空分辨率的重力卫星,例如欧空局和NASA联合提出的下一代卫星重力任务(NGGM)和我国的天琴计划等[117],新一代重力卫星在关键载荷上精度水平进一步提高,将有助于进一步提高时变重力场和反演水储量的时空精度. ...
下一代重力卫星任务研究概述与未来展望
1
2023
... (5)提升GRACE的数据时空分辨率.受制于GRACE数据的时空分辨率,将该数据应用至中小尺度区域的适用性仍有待进一步的研究,因此有必要采用切实可行的方法提高GRACE数据的时空分辨率.目前已有研究结合与水储量变化相关的气象要素和下垫面要素,采用统计学[111-112]或机器学习[113-115]方法对水储量变化进行统计降尺度,但这在气象要素和下垫面要素与水储量变化相关不强的地区适用性可能不佳,结合人类活动的相关因素可能有助于提高降尺度的适用性.动力降尺度具有较好的数学物理基础[116],采用该方法或动力-统计降尺度提高GRACE数据的空间分辨率是未来需要考虑的方向.诚然,提高陆地水储量变化的时空分辨率最为有效的手段为改进反演方法,发射具有更高时空分辨率的重力卫星,例如欧空局和NASA联合提出的下一代卫星重力任务(NGGM)和我国的天琴计划等[117],新一代重力卫星在关键载荷上精度水平进一步提高,将有助于进一步提高时变重力场和反演水储量的时空精度. ...
下一代重力卫星任务研究概述与未来展望
1
2023
... (5)提升GRACE的数据时空分辨率.受制于GRACE数据的时空分辨率,将该数据应用至中小尺度区域的适用性仍有待进一步的研究,因此有必要采用切实可行的方法提高GRACE数据的时空分辨率.目前已有研究结合与水储量变化相关的气象要素和下垫面要素,采用统计学[111-112]或机器学习[113-115]方法对水储量变化进行统计降尺度,但这在气象要素和下垫面要素与水储量变化相关不强的地区适用性可能不佳,结合人类活动的相关因素可能有助于提高降尺度的适用性.动力降尺度具有较好的数学物理基础[116],采用该方法或动力-统计降尺度提高GRACE数据的空间分辨率是未来需要考虑的方向.诚然,提高陆地水储量变化的时空分辨率最为有效的手段为改进反演方法,发射具有更高时空分辨率的重力卫星,例如欧空局和NASA联合提出的下一代卫星重力任务(NGGM)和我国的天琴计划等[117],新一代重力卫星在关键载荷上精度水平进一步提高,将有助于进一步提高时变重力场和反演水储量的时空精度. ...
/
〈
|
|
〉
|
|