《Journal of Hydrology》：Short-term forecasting from GRACE data via dynamic mode decomposition with sequential update
编辑推荐：
全球训练的动态模态分解（DMD）能够对流域平均重力恢复与气候实验（GRACE）数据进行稳健的短期外推。顺序重训对预报稳定性至关重要，且在半年更新频率内有效。年度重训暴露出由时间系数漂移驱动的、依赖流域的退化。增量动态模态分解（xDMD）在相位一致性技能上与长短
全球训练的动态模态分解（DMD）能够对流域平均重力恢复与气候实验（GRACE）数据进行稳健的短期外推。顺序重训对预报稳定性至关重要，且在半年更新频率内有效。年度重训暴露出由时间系数漂移驱动的、依赖流域的退化。增量动态模态分解（xDMD）在相位一致性技能上与长短期记忆–门控循环单元（LSTM-GRU）相当，但偏差显著更小且无需架构搜索。滑动窗口诊断可在预报前为模型更新策略提供先验指导。
研究背景：短期预测对水文应用和卫星水分布监测具有重要意义。GRACE及其后续任务提供了总水储量异常（TWSA）观测，使流域尺度水文变率、干旱演变、地下水亏缺和气候驱动的水质量再分布研究成为可能。将GRACE观测同化入水文模型可改善季节预报，而TWSA的直接动力学外推具有互补优势：可在数据延迟期提供近实时连续性，实现低成本、物理解释性强的状态更新，并诊断流域尺度动力学的时间稳定性。现有TWSA短期和近实时预报主要采用机器学习方法，但通常需要流域特定训练和调参，学习动力学可解释性有限，且未显式利用信号空间相干性。基于动力系统理论的数据驱动方法可识别显式演化算子，其模态结构可物理解释，计算成本低数个量级。DMD基于奇异值分解（SVD）求最佳拟合线性算子，与Koopman算子理论相关。时间变化动力学有两类：在线DMD递归更新要求快照数多于状态维数且每步成本随状态维数二次增长；局部DMD在短子区间识别独立算子，但需时间尺度分离。GRACE TWSA的诊断表明应采用扩张窗口顺序重训。作者此前已证明DMD可重建和解释GRACE数据，本文进一步研究空间尺度和更新频率对预测精度的影响，聚焦GRACE原生月分辨率的短期预测。研究人员在15个全球主要流域开展研究，比较全局训练不重训、全局训练顺序重训和流域尺度独立重训三种配置，并考察1、3、6、12个月更新间隔；同时以通过自动架构搜索选定的流域尺度LSTM-GRU网络在同协议下重训作为基准。研究结论表明，递归DMD策略结合全球空间相干性可在降低更新频率时仍实现准确短期预报；有效动力漂移时间尺度具有流域依赖性；半年更新时跨流域平均绝对偏差为1.1 cm，年度更新为2.3 cm，不重训为8.4 cm；LSTM-GRU在部分流域相位一致性相当或更好，但全球xDMD系统偏差显著更小、计算成本低、无需流域特定调参，并保留模态可解释性。其意义在于提供灵活、计算高效且可解释的短期预报框架，并给出预报前选择更新策略的数据驱动诊断。
关键技术方法：DMD通过SVD拟合状态演化线性算子；xDMD加入偏置项和残差学习，并按90%累积能量截断秩；采用扩张窗口顺序重训，比较1、3、6、12月更新；滑动窗口诊断计算局部有效秩、投影能量和定位比；以LSTM-GRU自动架构搜索作基准。数据为JPL RL06.3 M.MSCNv04 mascon月产品（2002年4月至2025年10月，250个快照，原生分辨率3
°，0.5
°网格），15个流域取自FAO World’s Major Hydrological Basins。
研究结果：
3.1 Global and basin-scale xDMD models with and without retraining：通过比较三种xDMD配置的流域平均差异，全球顺序重训模型平均优于流域尺度顺序重训模型，并在多数流域单独优于后者；Amazon、La Plata、Murray–Darling、Yangtze和Yenisey例外，流域尺度重训平均误差略小；全局不重训模型外推误差最大。全球训练因而起到隐式动力正则化作用，空间相干性约束可允许模态结构，降低对流域尺度瞬变波动的敏感性。
3.2 Global xDMD models retrained at decreasing frequencies：通过1、3、6、12月更新比较，更新频率从1月降至3或6月仅使标准差中度增加，多数流域平均差异接近零，说明主导格点尺度时间模态演化慢于数月。年度更新显示流域依赖异质退化：Amazon、Murray–Darling、Nile、Po和Volga偏倚主导增强；Danube、La Plata、Mississippi–Missouri和Yangtze离散度主导增强；Colorado和Tigris–Euphrates较稳定。回归诊断独立确认两类退化机制；误差空间型在评估窗口基本稳定，更新可防止误差随预报提前时间累积。
3.2.1 NSE and KGE indices：以纳什–萨特克利夫效率（NSE）和修正Kling–Gupta效率（KGE）补充矩统计，确认排序：全球顺序重训最佳，更新间隔延长技能下降，半年更新时13/15流域NSE为正，年度更新平均技能不优于预测观测期均值，3个流域NSE低于0，支持半年内重训。
3.3 Accuracy analysis compared with LSTM-GRU：通过训练期和测试期回归比较，xDMD训练期近乎完美表示；测试期LSTM-GRU在Ganges–Brahmaputra、Mississippi–Missouri、Niger、Nile、Volga、Yenisey等流域测试决定系数（R
2）更高，相位一致性较好；但系统误差由截距和斜率组合控制，6月更新时xDMD在13/15流域平均偏差更小（1.1 cm对3.8 cm），12月更新时在11/15流域更小。全球单模型无需架构搜索，计算成本远低于15个流域递归网络，并保留可解释性。
3.4 Analysis of spectral structure and operator stability：分析数据矩阵奇异值和拟合算子特征值。3.4.1 Spectral structure of the data matrices：全局矩阵有效秩约78，流域矩阵为2–21；6月重训下全局有效秩仅由79增至82，最大奇异值和最小保留奇异值变化很小，说明保留谱结构稳定，更新主要细化已有结构。3.4.2 Operator stability：全球算子季节对位于单位圆上年周期，趋势和年际模态接近1，仅2/78个特征值略超1且放大有限，说明全球算子稳定，周期更新并非源于算子不稳定；低秩流域算子谱半径最高者为Volga等，Po、Danube、Nile和La Plata过阻尼；全球训练同时正则化模态基和算子谱，谱半径不单独决定预报技能。3.4.3 Accuracy degradation mechanisms：流域尺度不更新控制出现三种失效：过阻尼算子振幅坍缩（Po偏差最大，Danube和Nile低估季节循环）；边际不稳定算子放大离散度（Volga和Yenisey标准差翻倍，Colorado偏差小但标准差翻倍）；近中性谱仍可因系数漂移失败（Amazon和Niger）。顺序重训可纠正振幅坍缩、离散度放大和趋势漂移。
3.5 Analysis of the sliding-window diagnostics：由快照矩阵直接诊断更新策略。3.5.1 Local effective rank and projection energy：局部有效秩随窗口长度增加而增长且未见平台，说明短窗口无法稳定识别全部模式；完全位于训练期外的窗口投影能量为0.920–0.933，即约7–8%未解释，历史截断分析显示当前样本外新颖性处于历史低端；非自治行为主要限于基本时不变空间基的时间系数。3.5.2 Localization ratio：定位比显示预报退化与空间新颖性不总一致；Amazon偏倚主导但残差占比低（16%信号、6%残差），退化来自已有模式振幅漂移；Murray–Darling和Colorado过度代表，分别与2022–2023年澳大利亚东部异常湿润和Colorado多十年干旱一致；新颖性本身不必然退化预报，需结合绝对幅度；15个流域占24%残差而覆盖27%信号，约四分之三样本外残差位于评估流域之外。3.5.3 A-priori guidance on model updating strategies：三个廉价量可从快照矩阵计算：局部有效秩稳定低于上限提示短窗口可识别有限模式，持续增长提示需更长记录；训练期外投影能量接近1说明原基充分、仅需更新系数，较低说明基需更新；领先窗口子空间旋转平滑提示系数漂移可预测，紊乱提示噪声主导。异常相对固定参考期时须在中心化窗口计算诊断，而预报模型宜保留非中心化并加显式偏置项。
讨论部分总结：模态基随记录增长变化很小，但年度更新仍使部分流域退化，原因在于全球聚合结果掩盖了各流域投影到全球基上的振幅和相位漂移；预报视野更多受各流域投影稳定性而非全球谱稳定性支配。空间新颖性和预报退化是两条通道，诊断可区分已有模式振幅漂移与新模式出现。
研究结论部分翻译：研究人员评估了xDMD对全球15个主要流域流域平均GRACE TWSA短期外推的能力。通过比较全球和流域尺度配置，评估了近业务预报中空间信息和更新频率的影响。研究发现，周期更新对于跟踪基本时不变空间基的时间系数漂移是必要的，而不是为了稳定所识别算子，因为其谱排除了指数漂移。全球训练提供更丰富、更稳定的模态基，使重训间隔最长可达6个月仍能稳健预报，跨流域平均绝对偏差为1.1 cm，而年度更新为2.3 cm。将间隔延长至一年揭示流域依赖限制，一些系统偏倚增长，另一些离散度增加。预报视野取决于局部信号变化强度以及全球基对该流域的表示程度。这意味着，在年际变率强或局部模式持续性较差的地区，应提高重训频率。与流域尺度LSTM-GRU网络基准比较显示，神经模型在部分流域达到相当或更好的相位一致性，但全球训练xDMD取得显著更小的系统偏差——近业务外推中的主导误差分量——6月更新时跨流域平均绝对偏差为1.1 cm对3.8 cm，计算成本仅为训练15个流域特定网络的一小部分，并保留所识别模态的完全可解释性。若干局限界定了这些结论：分析依赖单一mascon解和GRACE记录原生月分辨率，23年记录限制独立年际循环数量；xDMD的线性算子结构虽是其可解释性和效率核心，但限制其可表示的动力学类别；评估为流域平均，格点尺度技能值得专门评估。在这些限制内，研究提供三项更广泛贡献：第一，表明在全球场训练可作为局部预报的隐式正则化器；第二，量化顺序重训算子在精度退化前可容忍的更新间隔；第三，提供仅由快照计算的一组廉价诊断，在预报前指示合适更新策略。更广泛地，该框架适用于任何需随新观测维持降阶算子的时空信号；空间模式迁移而非持续的信号更适合非自治系统的局部或窗口算子，而非扩张窗口重训。
