基于GRACE卫星ITI特征的水资源管理决策支持系统优化研究

本文针对GRACE/GRACE-FO卫星数据中不规则时间间隔（ITI）导致的陆地水储量异常（TWSA）重建难题，创新性地提出融合动态重采样、信号分解算法和指数衰减滤波的集成重建框架。该方案在华南95个Mascon网格验证中，相较传统方法使PCC提升5%、NSE提升22%，并显著降低趋势项（56%）、季节项（178%）和次季节项（12%）的不确定性，为不规则采样条件下的水文研究提供了突破性解决方案。

　　

Highlight

本研究提出的基于分解的重建方案创新性地保留了GRACE数据的不规则时间间隔（ITI）特征，通过集成多维度预测因子处理技术——包括动态重采样对齐GRACE时间带、改进的ITI序列分解算法、日尺度滞后校正和降水高频噪声抑制——在华南地区验证中展现出显著优势。

Methodology

开发了专为ITI序列设计的集成重建框架（图3）：

1. 1.

   将0.25°分辨率预测因子动态聚合至GRACE Mascon网格

2. 2.

   采用时间边界感知的重采样技术确保预测变量与TWSA产品严格同步

3. 3.

   创新ITI序列分解算法提取趋势/季节/次季节分量

4. 4.

   引入日尺度滞后校正优化时间对齐

5. 5.

   对降水数据实施指数衰减滤波抑制高频噪声

Temporal resampling of predictors

通过对比线性插值和常规月采样假设发现：动态重采样使降水（PRE）、潜在蒸散发（PET）等5个预测因子与TWSA的相关系数中位数提升0.05-0.12，证实ITI特征处理对预测精度具有关键影响。

The impact of data processing methods accounting for ITI

与传统方案相比：

• 中位数PCC提升5% → 强化水文信号捕获能力

• NSE提升22% → 显著改善模型解释力

• RMSE降低12% → 有效抑制重建误差

• 趋势/季节/次季节不确定性分别降低56%/178%/12% → 突破性解决长期争议的GRACE数据应用瓶颈

Conclusion

该方案为GRACE数据在水文气候研究中的精准应用树立新标准，特别适用于：

? 极端气候事件监测中的高频信号解析

? 跨尺度水循环过程耦合研究

? 人类活动与气候变化协同作用评估