基于仿射变换卡尔曼滤波的GRACE区域地表质量变化高精度周解反演新方法 中文标题

本研究针对GRACE重力场数据反演区域地表质量变化时存在的精度与时效性问题，提出基于仿射变换的改进卡尔曼滤波方法（Aff-Kalman滤波）。通过亚马逊流域的验证表明，该方法在周尺度反演中较传统方法显著提升精度（RMSE降低24.97mm，R2提高3.2%），且与GFZ SHC、CSR Mascon等官方产品及水文气象数据高度一致，为高时空分辨率陆地水循环监测提供新工具。

　　

研究人员开发了一种基于仿射变换的改进卡尔曼滤波方法（Affine transformation based Kalman filtering, Aff-Kalman filtering），用于从重力恢复与气候实验（Gravity Recovery and Climate Experiment, GRACE）观测数据中反演区域地表质量变化（surface mass variation, SMV）。该方法通过处理GRACE提供的重力位差异（geopotential difference, GPD）数据，显著提升了亚马逊流域周尺度SMV反演的精度与可靠性。

模拟实验表明，Aff-Kalman滤波反演结果与输入“真实”信号的一致性优于传统卡尔man滤波和GPD Mascon估计：决定系数（R²）分别提高3.2%和2.9%，均方根误差（root mean square error, RMSE）分别降低24.97毫米和13.81毫米，平均绝对百分比误差（mean absolute percentage error, MAPE）分别减少2.82%和0.39%。

在时空维度上，Aff-Kalman滤波反演的周与月尺度SMV与德国地学研究中心（GFZ）提供的球谐系数（spherical harmonic coefficient, SHC）解以及美国空间研究中心（CSR）的Mascon解高度一致。其周解与GFZ SHC解之间的RMSE（29.73毫米）低于GPD Mascon与GFZ SHC间的RMSE（34.85毫米）。

此外，基于Aff-Kalman滤波反演结果计算的陆地水储量变化一阶差分（dS/dt）在周与月尺度上与水文收支闭合项（降水P、蒸散发ET、径流R构成的P-ET-R序列）表现出更优的一致性（更高相关系数、更低RMSE）。以月尺度为例，Aff-Kalman滤波的R²为0.843、RMSE为29.577毫米/月，优于CSR Mascon（0.839；30.154毫米/月）和GPD Mascon（0.842；30.216毫米/月）。

该反演方法为利用GRACE数据获取高时空分辨率、高可靠性的区域地表质量变化提供了一种有效新途径，对水文学、气候学及环境监测等领域具有重要应用价值。