通过GRACE技术和多模型数据分析克服单一模型偏差，揭示了伊朗水资源储存减少的驱动因素

《Scientific Reports》：Overcoming single model bias through GRACE and multi model data reveals Iran water storage depletion drivers

　　

摘要

陆地水储量（TWS）的快速变化对伊朗等干旱和半干旱地区的水资源安全构成了严重威胁。然而，各个水文模型的固有不确定性阻碍了对自然变异性和人为因素对这些地区水储量动态影响的准确评估。为了解决这一问题，本研究整合了GRACE/GRACE-FO卫星重力数据、五种主流水文模型（GLDAS-Noah、GLDAS-VIC、GLDAS-CLSM、ERA5和WGHM）以及GPM全球降水数据。研究人员推导出了四个与降水、径流和蒸散量相关的观测数据集，并构建了64种不同的水文模型组合。这些组合均以Mascon产品作为基准进行了全面评估。最终，选择了在空间和时间变化分析及归因分析中表现最佳的模型组合。研究结果表明：(1) 使用ERA5提供的蒸散量和径流数据，并结合VIC/CLSM的降水数据构建的模型组合与Mascon数据的一致性最高；(2) 在人口密集的北部和西南部地区，自然水通量呈现显著上升趋势，但由于人为取水（体现在净残差中）超过了自然增加量，导致地下水向地表系统排放，从而加剧了蒸散量和径流损失；(3) 在人口稀少的干旱中部地区，TWSA相对稳定，年均自然水异常变化率约为+0.01厘米/年，这主要是由于降水和蒸散量的相互抵消作用。本研究系统地评估了多模型方法在干旱地区的适用性。本文提出的综合水文建模框架为选择模型配置和量化水储量评估中的不确定性提供了方法论，为干旱环境中的可持续水资源管理提供了科学依据。