《Water Resources Research》:Improved GNSS-Based Estimates of Terrestrial Water Storage in California Through Suppression of Non-Elastic Loading Signals
编辑推荐:
准确估算陆地水储量(TWS)变化对于理解气候变化和管理水资源十分重要。卫星重力测量一直是实现这一目标的独特工具,但其空间分辨率固有地较低。全球导航卫星系统(GNSS)接收机的密集网络可通过观测由变化的水质量负荷引起的地壳形变,提供一种更高分辨率的替代方案。然而
准确估算陆地水储量(TWS)变化对于理解气候变化和管理水资源十分重要。卫星重力测量一直是实现这一目标的独特工具,但其空间分辨率固有地较低。全球导航卫星系统(GNSS)接收机的密集网络可通过观测由变化的水质量负荷引起的地壳形变,提供一种更高分辨率的替代方案。然而,GNSS观测包含来自各种源(与弹性负荷无关)的噪声和其他残余信号,这在TWS应用中是有问题的。在本研究中,研究人员在开发出一种通过组合经验正交函数(CEOF)分析与重力恢复与气候实验后续(GRACE-FO)来分离弹性负荷信号的方法后,使用GNSS数据估算了2019年1月至2023年12月加利福尼亚州0.25°网格上的月度TWS变化。校正后的GNSS数据通过正则化线性反演用于估算TWS变化,揭示了清晰的季节性变化和2019年1月至2022年10月的长期下降,随后在2022年10月至2023年3月出现了与大气河事件相关的急剧增加。基于GNSS的估算结果与现场湖水水位数据进行了验证,并与GRACE-FO质量集中解和水文模型估算相比提供了额外的空间细节。这些结果提高了基于GNSS的TWS估算在区域水文分析、水资源管理和气候变化评估中的潜力。
论文解读:基于GNSS的加州陆地水储量估计改进
陆地水储量(TWS)变化对海平面、水文循环和大气环流具有重要影响,监测和分析TWS变化有助于改进气候模型和水资源管理。卫星重力任务GRACE及其后续GRACE-FO提供了全球尺度的TWS观测,但其空间分辨率仅约300–400 km,难以刻画区域尺度的细节。水文模型虽然空间分辨率较高,但由于输入数据和复杂过程模拟的限制,常带有较大的不确定性。GNSS接收机能够观测地表质量负荷引起的弹性形变,理论上可由密集台网提供更高分辨率的TWS估计。然而,GNSS位移中包含孔弹性、热弹性形变以及系统性误差等与弹性水负荷无关的信号,直接反演会导致显著偏差。因此,本研究旨在开发一种分离弹性负荷信号的方法,以基于GNSS数据准确估计加州地区的TWS变化。
研究人员利用2019年1月至2023年12月加州及内华达州446个GNSS台站的垂直位移数据,结合GRACE-FO重力数据,通过组合经验正交函数(CEOF)分析识别并抑制非弹性负荷信号,随后采用正则化线性反演估算0.25°网格上的月度TWS变化。结果显示,修正后的TWS呈现清晰的季节性变化,2019年1月至2022年10月持续下降,随后在2022年10月至2023年3月大气河(AR)事件期间急剧增加。基于GNSS的TWS估计与湖泊水位观测吻合良好,并且比GRACE-FO质量集中(Mascon)解和GLDAS水文模型估计提供更丰富的空间细节,表明该方法在区域水文分析、水资源管理和气候变化评估中具有应用潜力。
关键技术方法包括:GNSS垂直位移数据取自内华达大地测量实验室(NGL),GRACE-FO数据采用CSR RL06.3 GSM球谐系数和Mascon解,水文模型采用GLDAS Noah 2.1。研究使用Hector软件剔除异常值并校正仪器偏移;利用负荷格林函数扣除大气和海洋非潮汐负荷位移。随后对GNSS位移和GRACE-FO位移进行CEOF分析,发现第二模态空间形态与GRACE-FO符号相反,判定其包含非弹性负荷信号,于是用GRACE-FO对应模态替换该模态,并仅用前四个模态重构垂直位移。重构后的位移通过带有拉普拉斯平滑和陡度矩阵的正则化线性反演得到月TWS,正则化参数由L-curve法确定为0.6,不确定性由后验协方差传播计算。研究还设计了合成实验和湖泊水位对比验证。
研究结果部分主要内容如下:
CEOF模式分析:GNSS位移第一模态与GRACE-FO位移第一模态空间形态一致,均反映TWS弹性负荷响应;第二模态中GRACE-FO显示正异常,而GNSS显示大范围负异常,两者空间形态相反,因此第二模态被判定为包含非弹性信号并予以替换。重构后的位移时间序列(以QUIN和AVRY站为例)与Mascon预测一致,而仅去除高阶模态但不替换第二模态的序列仍存在明显噪声,说明替换该模态是关键。
TWS时间序列:空间积分后的TWS显示季节性变化,修正后的GNSS估计(红色)与Mascon相关系数达0.97,趋势基本一致;未修正的GNSS估计偏差显著,仅去除高阶模态的估计改善有限。在AR事件前,GNSS修正估计、Mascon和未修正估计的趋势分别为–28.77、–27.63和–19.75 Gt/yr,而GLDAS为–9.36 Gt/yr,差异较大;AR事件期间所有估计均出现急剧增加,GNSS修正估计与Mascon增幅接近。
空间分布与趋势:月平均空间图显示,三月(春季)和十月(秋季)的TWS变化呈现相反的空间模式,修正后的GNSS和GLDAS在西北沿海区域表现出更细致的局部变化,而Mascon因分辨率限制较为平滑。趋势图显示,AR事件前所有估计均显示负趋势,修正GNSS和GLDAS在中央谷地及南部沿海呈现更明显的局部亏损;AR事件期间,西北和中部地区出现强正趋势,Mascon均匀增加,GNSS与GLDAS显示更复杂的空间分布。
合成实验:将GLDAS预测的位移加入按台站噪声水平标定的随机噪声后再反演,结果在台站密集的沿海和南加州地区与真值接近,而在稀疏的Sierra Nevada地区平滑,表明台站密度对反演质量有重要影响。不确定性图也显示大部分区域后验误差较低。
湖泊水位验证:在Lake Piru,修正GNSS估计的回归斜率为0.92±0.14,最接近1,优于Mascon、GLDAS和未修正GNSS;在Clear Lake,修正GNSS斜率(0.80±0.16)略低于Mascon(0.87±0.13),但差异不显著,可能与Clear Lake附近台站密度较低有关。GLDAS在两处均与湖泊水位偏差较大。
正则化参数敏感性:不同正则化参数(0.1、0.6、1.0)对空间积分时间序列影响很小,但参数较小会使空间图出现更多噪声,参数较大则过度平滑,表明0.6是噪声放大与过度平滑之间的折中。
CEOF替换局限性:GNSS第二模态的物理来源无法唯一确定,可能包括孔弹性形变、GNSS draconitic周期误差、热弹性形变以及局部水文信号。这些效应可能共存且特征相似,现有观测难以分离。GRACE-FO数据本身存在误差和有限分辨率,因此替换是一种近似。尽管如此,该方法仍能有效抑制与大规模弹性负荷不一致的信号。
讨论部分还指出,未来需要显式模拟孔弹性和热弹性形变、改进GNSS系统误差表征,并结合更多水文资料,以更完整地分离水文负荷与其他残差。结论部分翻译如下:GRACE和GRACE-FO提供了全球TWS估计,但缺乏约300 km以下的空间尺度。利用密集GNSS台站数据可提升空间分辨率,但必须抑制与弹性负荷无关的信号。研究人员在噪声校正后使用GNSS垂直位移估算了加州0.25°网格上的月度TWS变化。噪声校正通过结合GRACE-FO GSM解与GNSS观测的CEOF分析确定。GNSS垂直位移的CEOF第二模态与GRACE-FO GSM解符号相反,表明该模态包含与弹性负荷无关的信号,将其替换为GRACE-FO的对应模态可有效压制该噪声,而仅重构前几个模态(此处为1–4)进一步降低了噪声。校正后的GNSS位移通过带有陡度矩阵的正则化反演估计了2019年1月至2023年12月的月度TWS。估计的TWS显示出季节性和长期趋势,在台站密集区域比其他估计(Mascon和GLDAS)具有更细的空间细节,并与湖泊水位观测吻合更好。此外,CEOF噪声校正和反演方法可推广至其他具有密集GNSS台网的区域,有助于分析地下水、水库和河流等局部质量变化。未来卫星重力任务精度的提高以及GNSS位移精度和覆盖范围的改善将进一步优化该方法,从而促进更高质量的质量分布估算和水文过程理解。