《Journal of Hydrology: Regional Studies》：A multivariate integrated drought characterization framework using GNSS-GRACE terrestrial water storage and precipitation
编辑推荐：
研究人员构建了一种基于GNSS-GRACE联合反演陆地水储量与降水数据的多变量综合干旱表征框架。该框架所提出的联合降水与等效水高多变量标准化干旱指数（JP-MSDI）整合了全球导航卫星系统（GNSS）与重力恢复与气候实验卫星（GRACE/GRACE-FO）导出
研究人员构建了一种基于GNSS-GRACE联合反演陆地水储量与降水数据的多变量综合干旱表征框架。该框架所提出的联合降水与等效水高多变量标准化干旱指数（JP-MSDI）整合了全球导航卫星系统（GNSS）与重力恢复与气候实验卫星（GRACE/GRACE-FO）导出的陆地水储量信息及降水资料，用于评估干旱状况。研究人员以长江流域（YRB）为研究区域，分析了2011—2024年间陆地水储量变化与干旱条件。与传统的多变量标准化干旱指数（MSDI）相比，JP-MSDI与基于径流的干旱条件表现出更好的一致性。
干旱是最具破坏性的自然灾害之一，对农业生产、水资源安全和生态系统稳定构成严重威胁。长江流域（YRB）作为我国重要的水资源区，近年来干旱频发，尤其是2022年极端干旱事件，凸显了可靠干旱监测与综合评估体系的必要性。传统干旱监测依赖于标准化降水指数（SPI）、标准化径流指数（SRI）和标准化土壤湿度指数（SSMI）等单变量指数，这些指数仅刻画干旱过程的单一侧面，难以全面表征降水亏缺、陆地水储量变化与水文持续性之间的耦合关系及干旱传播过程。全球导航卫星系统（GNSS）可高时间分辨率反演等效水高（EWH）表示的陆地水储量变化，但站点分布不均；GRACE/GRACE-FO提供大尺度陆地水储量异常（TWSA），但空间分辨率粗且存在数据缺口。联合GNSS与GRACE的互补优势，并将联合反演的陆地水储量引入多变量干旱指数框架，有望更全面地描述干旱演变。然而，已有研究多单独使用GNSS或GRACE数据，联合反演在综合干旱表征中的应用仍不充分。为此，研究人员开展了本研究。
研究人员基于中国地壳运动观测网络（CMONOC）106个GNSS站垂直位移、NASA喷气推进实验室（JPL）Mascon GRACE/GRACE-FO数据、ERA5降水数据、GLDAS Noah水文模型以及长江流域四个水文站（向家坝、宜昌、汉口、大通）的径流资料，提出了联合降水与等效水高多变量标准化干旱指数（JP-MSDI）。通过GNSS-GRACE联合反演重建了YRB 2011—2024年陆地水储量变化，进而构建JP-MSDI，并评估其对气象和水文干旱的表征能力。结果表明，联合反演结果较仅GNSS反演与GRACE和GLDAS的一致性更好；陆地水储量对降水响应滞后1—2个月；JP-MSDI识别了包括2022—2024极端干旱在内的主要干旱事件，与基于径流的SRI相关性更高（R=0.827），具有更好的检测-虚警平衡；与官方干旱记录高度吻合。该框架为区域干旱监测和水资源管理提供了新方法。
主要关键技术方法包括：运用交替最小二乘主成分分析（ALS-PCA）从GNSS垂直位移中提取主导水文加载模式；基于弹性加载理论构造格林函数，采用带拉普拉斯平滑的加权最小二乘反演GNSS等效水高；通过映射矩阵将GRACE Mascon约束融入联合反演目标函数，利用赤池贝叶斯信息准则（ABIC）确定最优参数；采用Copula函数（优选Clayton）耦合降水和联合EWH构建JP-MSDI，并以经验分布和Gringorten绘图位置公式估计边际分布；基于SRI和官方历史干旱记录进行评估。数据来源包括CMONOC、JPL、欧洲中期天气预报中心（ECMWF）、NASA GLDAS和长江水利委员会（CWRC）水文站观测。
4.1 提取水文加载变形：通过ALS-PCA识别出前五个主成分（PC1—PC5）解释了GNSS观测方差的73.58%，其中PC1占主导（62.08%），其时间序列呈低频特征，且与独立水文负荷产品IMLS相关性最高（R=0.778），表明PC1主要反映流域尺度水文加载变形。1000次站点子集重采样实验显示各主成分时间系数与基准解平均绝对相关超过0.96，结果稳健。
4.2 陆地水储量时空特征：空间上，TWS年振幅在金沙江流域和中下游东部平原较大，中部和太湖周边较小。联合反演结果的平均振幅（约67 mm）介于GNSS反演（约88 mm）和GRACE反演（约52 mm）之间，在保留GRACE大尺度特征的同时显著改善了空间连续性。时间上，各数据源均呈明显年周期，并在2022—2023年出现显著负异常；联合反演EWH与GRACE-EWH和GLDAS-EWH的相关系数（0.872和0.779）及均方根误差（28.306 mm和35.580 mm）均优于仅GNSS反演，验证了联合反演的有效性。
4.3 综合干旱时空演变特征：流域尺度上，JP-MSDI识别出2011—2012年约14个月和2022—2024年约22个月的极端干旱事件，期间SPI和SPEI-3出现暂时恢复而JP-MSDI持续为负。与MSDI相比，两者识别的主要干旱期一致，但JP-MSDI在2022—2024年事件中持续时间更长（22个月对21个月）。子流域分析显示，JP-MSDI在金沙江流域、上游和中下游均识别出2022—2024年D4级极端干旱，表现出较强的空间一致性和连续性。
4.4 基于径流和历史干旱记录的JP-MSDI评估：与大通站SRI对比，JP-MSDI与SRI相关系数为0.827，优于MSDI（0.764），且F1分数更高（0.692对0.586），虚警率更低（0.431对0.571）。滞后相关分析显示JP-MSDI与SRI在-1月滞后时相关系数最大（0.832）。向家坝、宜昌和汉口站2022—2023年SRI最低值分别达-2.04、-1.72和-2.03，与JP-MSDI识别的极端干旱吻合。与官方记录的2011、2013、2018、2019和2022年干旱事件重叠率较高，其中2022年极端干旱事件完全匹配。
4.5 2022年极端干旱时空演变：对比SPI、Joint-DSI和JP-MSDI的空间分布，2022年7月SPI已显示大面积负异常，JP-MSDI亦在部分区域出现负值，而Joint-DSI负异常范围较小；随着干旱发展，Joint-DSI和JP-MSDI负值持续扩大，SPI波动较大。这表明JP-MSDI能较早捕捉气象缺水信号，并能持续反映陆地水储量亏损的累积效应。
讨论部分指出，GRACE约束可提高反演对空间信号的恢复能力（棋盘测试中RMSE降低），联合EWH与GRACE和GLDAS的一致性较好，但GRACE数据并非独立验证。降水与联合EWH的最大相关滞后在YRB为1个月，金沙江和上游为2个月、中下游为1个月，反映不同区域水文过程的差异。2022年干旱期间持续降水亏缺导致EWH持续下降，表现为水储量亏损的累积效应。JP-MSDI通过Copula结合降水和EWH，比单变量指数更全面反映干旱演变；与MSDI相比，JP-MSDI采用EWH替代土壤湿度，包含更多储水组分信息，在与SRI对比中展示了更好的检测-虚警平衡，更适用于持续性干旱。局限性包括GNSS站点分布不均、GRACE数据缺口、人类水调节未分离以及径流观测覆盖有限等。
研究结论可翻译为：本研究发展了结合GNSS与GRACE观测的长江流域2011—2024年陆地水储量变化及干旱演变表征框架。联合反演整合了空间离散的GNSS观测和GRACE大尺度信息，与仅GNSS反演相比，联合估计与GLDAS水储量估计具有更好的一致性。陆地水储量对降水的响应滞后1—2个月，各子流域存在差异。通过结合降水和联合EWH，JP-MSDI同时考虑气象水分亏缺和陆地水储量变化，识别了主要干旱期（包括2022—2024年事件），并与传统MSDI及径流衍生干旱条件总体一致。该框架仍受GNSS站点覆盖不均、GRACE空间分辨率和数据缺口、人类水调节及径流观测覆盖有限等不确定性影响。未来需补充水库、地下水、土壤水分和用水资料，以区分气候驱动与人类影响；更长记录和其他流域的应用将检验其稳健性和可转移性。总之，降水和陆地水储量对干旱演变提供互补信息，将联合EWH与降水结合可在不同时间尺度上为干旱发生和恢复提供额外视角。
