第一作者：Junyang Gou
通讯作者：Junyang Gou
通讯单位：Institute of Geodesy and Photogrammetry, ETH Zurich, Zurich, Switzerland.
DOI：10.1038/s44221-024-00194-w
自2002年以来，重力恢复和气候实验 (GRACE) 及其后续 (GRACE-FO) 任务（以下简称 GRACE）为我们提供了一个独特的机会，通过测量重力场变化来监测全球总水储量异常 (TWSA) 的变化。尽管 GRACE 产品已被广泛应用，但其约 3° 的粗空间分辨率是限制其在相关领域应用的关键因素之一。
近年来，深度学习技术迅速发展，在模拟地球系统方面表现出显著潜力。许多研究探索了在监督学习环境下应用深度学习或传统机器学习方法对GRACE（重力恢复与气候实验）测量数据进行降尺度（downscaled）处理的可能性。主要挑战是需要无法获取的高分辨率总水储量异常（TWSAs）真实数据。为解决这个问题，这些研究通常：
数据同化模型及损失函数设计
为了避免对输入输出对做出严格的假设并尽可能多地利用可用数据源中的信息，该文提出了一个数据同化模型，该模型具有专门设计的损失函数，允许自监督优化。该损失函数，设计总逻辑是将模型的输出与两个输入（GRACE TWSA 和 WGHM TWSA）进行比较:
首先最小化平均预测 TWSA与平均 GRACE TWSA的绝对误差 (AE)； 使用皮尔逊相关系数 (R) 以及 预测的 TWSA 和WGHM TWSA 之间的平均绝对误差 (MAE)来表征模型输出和 WGHM TWSA 之间的相似性。
模型在某些层中使用卷积代替一般矩阵乘法，其中的卷积算子（通常称为核）可以通过考虑像素或低级特征之间的相对位置关系来提取高级特征图。模型中还应用了残差学习的概念，促进模型拟合和增加模型的拟合性能。整体如图1所示：
图1 总体模型结构
模型整体分为编码器和解码器两部分。
编码器：包含三个2D卷积层（Conv2D），后跟 ReLU 激活函数和三个residual block。编码过程中，每个卷积层的stride为 2 ，减小输出的大小并增加感受野；卷积层的kernel尺寸为3X3，但数量越来越多（16、32 和 64）以增加潜在信息，即特征维度的数量。
解码器：首先使用 2D 双线性上采样层（2D-bilinear upsampling layers）对特征图进行预上采样（pre-upsample），然后将它们依次输入到 Conv2D、 ReLU 和residual block。与编码器的Conv2D不同的是，解码器中Conv2D的stride为 1，以保持输出大小不变；kernel数量分别为 64、32 和 16 个，用于从潜在信息中重现空间信息。在模型的最后，设计了另一个kernel大小为 1 且没有激活函数的卷积层，以便将最终的特征图投影到实际的 TWSA 值。最终得到的输出大小与输入大小相同（32×32）。生成输出后，将它们与原始 GRACE 和 WGHM TWSA 进行比较并计算损失。
由于无法获得全球范围内精确的高分辨率 TWSA 测量数据，作者无法直接评估降尺度产品的质量。因此，作者依赖于不同背景下的 GRACE 测量和 WGHM 模拟，将整个时间跨度内的每个像素视为一个时间序列，并计算降尺度和 WGHM TWSA 之间逐像素的Pearson相关性。由于皮尔逊相关系数（Pearson correlation）对于尺度变化是不变的，因此在WGHM TWSAs中的不准确数值的影响被减小了。如图3a所示，整体相关性较高，相关性中值为 0.80，与 GRACE TWSA（0.53）相比提高了 51%。
图4：2002年至2019年底研究期间六个选定的主要河流流域的平均TWSA时间序列（毫米）。a-f，亚马逊（a）、密西西比（b）、刚果（c）、勒拿（d）、长江（e）和尼罗河（f）。本文降尺度产品简称为DS。请注意，不同流域的y轴范围不同。
为了量化该方法在保留长期趋势、年信号和半年信号方面的性能，作者从三种TWSA类型中估计了160个面积大于200,000平方公里的流域中的这些信号，并在图5a中展示了结果。这里，作者将空间阈值设定为200,000平方公里，以获得更可靠的GRACE估算作为参考[16,39,43]。WGHM（水文模型）与GRACE（重力恢复和气候实验卫星）得出的趋势之间的相关性仅为0.47，这显示了水文模型在捕捉长期趋势方面的主要局限性。我们的方法显著改善了这一情况，达到了0.94的相关性。这种改进揭示了所提出的用于数据同化的算法的有效性。网络学会了依赖GRACE测量来校准超过GRACE有效分辨率的区域平均量级。因此，GRACE测量中包含的趋势已成功传递给了降尺度后的TWSA。
在GRACE卫星数据的有效分辨率之外，仍然能够确保水平衡方程的闭合
降尺度后的TWSA有助于在小于GRACE有效分辨率的区域更好地闭合水平衡方程。图6展示了从降尺度后的TWSA推断出的水量变化与根据ERA5-Land水分收支成分在四级流域中计算出的水量变化之间的吻合情况。降尺度后的TWSA在全球范围内显示出合理的能力来闭合水平衡方程
点击“原文链接”，查看论文
声明：本公众号分享的前沿学术成果来源于各学术网站，不依法享有其所有权。若原作者发现本次分享中的文字及图片涉及侵权，请立刻联系公众号后台或发送邮件，我们将及时修改或删除！
邮箱：environmodel@sina.com
若您认为有用，欢迎
将Environmodel设为星标，或
点击“在看”或“分享”给他人
