基于机器学习增强的GNSS、InSAR与GRACE联合反演方法用于三峡水库区域陆地水储量重建

《Journal of Hydrology》：Machine learning-enhanced joint inversion of GNSS, InSAR, and GRACE for terrestrial water storage reconstruction in the three Gorges reservoir region

　　

•一种机器学习增强的联合反演框架，联合反演GNSS、InSAR和GRACE/GFO数据。
•基于XGBoost的拟观测值有效缓解了三峡库区（TGR）地面测量采样稀疏的问题。
•联合反演相较于单一数据源反演方案显著降低了不确定性。
•ERA5-Land独立验证了重建的水储量变化。
•洪水信号和水库调节效应得到了有效刻画。

## 引言

陆地表层水储量（TWS）涵盖地表水、土壤水分、地下水、积雪、冰层和冠层水，是表征全球水循环、区域气候变化以及极端自然灾害（如洪水）演化的核心变量（Zhang等，2019）。准确量化TWS的时空动态变化对于理解区域水文过程和优化水资源管理具有至关重要的意义。重力恢复与气候实验（GRACE）卫星任务及其后续任务（GRACE-FO），通过精确测量地球重力场的时变信息，为研究大规模地表质量传输提供了前所未有的视角（Chen等，2022；Tapley等，2004）。然而，受限于约300?500公里的空间分辨率以及不可避免的泄漏效应，传统重力卫星在解析子流域和区域水文变化时存在明显的物理盲点（Chen等，2021；Zhou等，2021）。近期研究强调了GRACE观测在水文和气候领域的广泛应用，但其粗分辨率仍然是区域和地方尺度分析的重要限制（Khorrami和Gündüz，2025；Youssefi等，2025）。为克服这一局限，基于机器学习的降尺度方法——包括结合水文模型输出的方法——已被日益广泛地探索，以增强GRACE衍生水储量变化的空间表征能力（Ali等，2026；Youssefi等，2025）。

地表质量的重新分配和传输会引起地球的弹性形变响应，这使得全球导航卫星系统（GNSS）的垂直位移观测成为监测局部TWS变化的关键独立手段（van Dam等，2001）。基于弹性加载理论的格林函数线性映射方法已在世界多个地区成功应用（Farrell，1972）。然而，受恶劣地理条件和高经济成本的制约，在复杂山区（如三峡库区）的GNSS站点往往极为稀疏且分布不均（Zhang等，2025）。这种空间稀疏性导致区域空间外推过程中出现严重的不适定问题。此外，干涉合成孔径雷达（InSAR）技术凭借其高空间分辨率，在局部地表形变监测方面展现出巨大潜力（Ojha等，2018；Shirzaei等，2021）。然而，其相对测量属性、对大气延迟干扰的敏感性以及非连续的时间采样特征，使其难以在缺乏绝对物理基准的情况下独立实现长期TWS的连续重建（Carlson等，2024；Hooper等，2012；Zebker等，1997）。

为克服单一观测技术的局限性，利用多源观测（如GNSS和GRACE）联合反演TWS已成为当前学术前沿（Li等，2023）。尽管现有研究通过引入赤池贝叶斯信息准则（ABIC）或方差分量估计（VCE）等方法确定了观测之间的相对权重，但传统的双源反演在面对强水文异质性区域时，往往受限于"过度空间平滑"的瓶颈，无法恢复真实的局部极端值（Fukuda和Johnson，2008；Li等，2023）。综合而言，现有反演方法在复杂区域面临一个不可调和的核心矛盾：即"GRACE/GNSS大尺度反演的长波过度平滑"与"InSAR高频观测的短波基准缺失"之间的矛盾（Wiese等，2016）。有效地弥合不同观测之间的尺度鸿沟——在确保反演体系物理一致性的前提下引入空间增强约束——仍然是一个亟待解决的紧迫挑战。

为突破这些瓶颈，本研究提出了一种物理约束与数据驱动相结合的多源联合反演框架，以准确重建三峡库区TWS的复杂演化过程。相对于现有多源反演方法，该框架的核心创新体现在两个方面。第一，在数据驱动层面，不同于主要将InSAR作为GNSS位移修正工具的研究，本研究构建了一种基于XGBML的非线性空间降尺度与增强模型（Carlson等，2024；Zhang等，2025）。该模型深度融合GNSS和InSAR形变约束与多源水气象驱动因子（如降水、土壤水分），生成高分辨率网格化垂直位移"拟观测值"场，从根本上弥补了复杂山区地面观测空间代表性不足的缺陷（Wang和Shen，2020）。第二，在物理约束层面，利用格林函数将机器学习生成的拟观测值以及GRACE/GFO数据投影至等效水高（EWH）参数空间（Farrell，1972；Fu等，2015）。不同于赋予等权或经验权重，本研究采用ABIC实现多尺度物理权重的客观自适应优化（Fukuda和Johnson，2008）。

三峡库区不仅具有极其复杂的高山峡谷地形，还受到三峡大坝——世界最大水利工程——蓄水与泄洪带来的强烈人为干预。通过"全流域整体刻画与区域空间增强"的整合策略，本文旨在实现两个核心科学目标：1）克服传统单一数据源反演方法的固有局限（如严重信号泄漏和空间不连续性），从而重建连续的区域TWS动态变化；2）解耦并量化自然气候强迫（如极端降水）与强烈人类活动（如巨型水库的逆季节调控）对区域质量演化的复杂叠加机制。所构建的框架为复杂的中上游长江流域TWS动态提供了物理一致的0.5°分辨率刻画，并为类似地面观测稀疏区域的多源大地测量反演提供了可迁移的方法论参考。

### 小节片段

#### 研究尺度与三峡子区域的选择

为同时兼顾全流域宏观尺度水文演化与复杂局地质量传输细节，本研究采用从全流域到重点子区域的降尺度分析策略。首先，基于2015至2020年的长期观测数据，我们对整个长江流域TWS年振幅的空间分布进行了评估。结果表明，长江中上游地区，尤其是三峡库区周边，表现出显著的TWS变化特征。

#### 原理与方法

为解决传统空间反演中"长波基准缺失"和"短波细节过度平滑"的方法论瓶颈，本文构建了一种融合物理约束与数据驱动方法的三源联合反演框架。该框架的整体技术路线和方法论逻辑如图6所示，主要包含以下三个核心递进阶段：

**第一阶段**：基于精确预处理……

#### 融合InSAR空间观测后模型预测性能提升的评估

在识别出7个核心水气象驱动因子后，本研究通过消融实验定量评估了引入InSAR空间形变观测对模型预测能力的提升效果。在模型训练之前，3个连续运行GNSS站和1个流动观测GNSS站的日垂直位移序列通过算术平均严格转换为月尺度，确保与InSAR时间序列精确对齐……

#### 闭环模拟与系统误差评估

为系统评估所提出的融合全球GNSS、InSAR和GRACE/GFO观测以推断TWS变化的多源联合反演策略的性能，本研究设计并实施了一项严格的闭环模拟实验，其完整工作流程如图12所示（Li等，2023）。实验计算域聚焦于三峡库区核心区域，均匀离散化为0.5°×0.5°的标准空间网格。初始阶段，对空间重采样……

### 结论

针对传统大地测量方法在反演复杂地形与强人为干预区域TWS时面临的方法论瓶颈——如信号泄漏和地面站点空间代表性不足等问题——本文提出了一种融合GNSS、GRACE/GFO和InSAR多源观测的物理约束与数据驱动联合反演框架。结果表明，通过利用XGBML空间增强技术和ABIC最优权重分配方法，有效实现了……

### CRediT作者贡献声明

Liangke Huang：撰写——审阅与编辑、监督、方法学、资助获取、概念化。Tianci Feng：撰写——初稿、可视化、软件、方法学、正式分析、概念化。Tengxu Zhang：撰写——审阅与编辑、监督、方法学、正式分析。Lin He：撰写——审阅与编辑、监督、项目管理。Lilong Liu：撰写——审阅与编辑、监督、资源提供。Yu Xia：调查、数据整理。Wenhao Wu：

### 利益冲突声明

作者声明不存在任何可能影响本文所述工作的已知竞争性经济利益或个人关系。

### 致谢

作者感谢中国地震局提供中国地壳运动观测网络（CMONOC）的GNSS数据；感谢欧洲航天局（ESA）提供Sentinel-1A合成孔径雷达影像和精确轨道星历（POE）数据；感谢美国国家航空航天局戈达德航天飞行中心（GSFC）提供GRACE/GRACE-FO RL06 mascon解；感谢德国地球科学研究中心（GFZ）提供非潮汐负荷产品；感谢美国国家航空航天局……

**Liangke Huang | Tianci Feng | Tengxu Zhang | Lin He | Lilong Liu | Yu Xia | Wenhao Wu | Peng Yuan | Peijie Zhu | Xiaohan Guo**