基于核磁共振数据的非固结地质材料水力传导系数估算：SDR模型校准的启示

本文提出了一种针对GRACE数据不规则时间间隔(ITI)的分解重建方案，通过动态重采样、改进信号分解算法、日尺度滞后校正和指数衰减滤波等技术，显著提升了陆地水储量异常(TWSA)重建精度。该方案在华南95个Mascon网格验证中，中位PCC提升5%，NSE提升22%，RMSE降低12%，为不规则采样条件下的水文研究提供了创新解决方案。

　　

Highlight亮点

本研究创新性地开发了针对GRACE数据不规则时间间隔(ITI)特征的分解重建框架，通过整合多种先进数据处理技术，显著提升了陆地水储量异常(TWSA)的重建精度。实验证明该方法在保持原始数据时序特征的同时，有效降低了重建不确定性。

Methodology方法学

我们提出了一个集成化ITI感知重建框架（图3）。首先将0.25°分辨率的预测因子数据空间聚合至GRACE Mascon网格，采用基于时间边界信息的动态重采样技术确保精确对齐。特别设计了适用于ITI序列的信号分解算法，结合日尺度滞后校正和指数衰减滤波技术，构建了多层次的预测模型。

Temporal resampling of predictors预测因子的时间重采样

通过对比常规线性插值和规则月采样假设，验证了动态重采样方法的优越性。该方法确保预测因子均值与不规则GRACE时序精确匹配，五类预测因子（降水、温度等）的相关系数分析证实了其有效性。

The impact of data processing methods accounting for ITI考虑ITI的数据处理方法对GRACE数据重建和应用的影响

研究揭示了传统方法忽视ITI特征会导致显著误差：趋势项不确定性增加56%，季节性分量误差放大178%，次季节分量精度损失12%。创新性地提出了基于物理过程的滞后校正方案，实现了日尺度的时间对齐优化。

Conclusion结论

本方案通过动态重采样、改进时序分解、滞后校准和降水滤波等技术，系统解决了传统插值方法和均匀时间假设的局限性。在华南地区的验证表明，该方法在预测精度（PCC提升5%）和不确定性降低（趋势项56%）方面均有显著改进。