陆地水储量是表征水循环与水资源变化的重要指标。GRACE 卫星自2002 年起实现全球陆地水储量时序观测，但卫星原始数据空间分辨率偏低且存在月度缺测问题，难以支撑我国精细化区域水资源评估、地下水管控等科研与实务需求。针对上述瓶颈，中国科学院烟台海岸带研究所海岸带信息集成与规划管理研究组（王德研究团队）立足中国大陆全域，研发了一套多源数据驱动的机器学习GRACE数据降尺度重构技术体系。

图1 研究技术路线图

研究遴选随机森林（RF）、极端梯度提升（XGBoost）、K近邻（KNN）、决策树（DT）和随机梯度下降（SGD）五种主流机器学习模型开展针对GRACE陆地水储量异常数据的系统性比选；整合全球陆地数据同化系统（GLDAS）的 14 项水文变量和中国高分辨率降水数据集（CHM_PRE），构建了多源预测因子库，研发出耦合地表径流、土壤含水量、蒸散发、降水等关键水文要素的降尺度模型。

结果表明，随机森林模型综合性能最优，其决定系数（R²）高达0.982，均方根误差（RMSE）仅为2.167 厘米，拟合精度显著优于其他四种模型。基于该最优模型，研究成功将GRACE数据的空间分辨率由0.5°精细化至0.25°，并填补了卫星观测缺失的34个月的时序数据。降尺度后精细化数据与原始卫星数据大部分区域偏差小于1厘米，全域相关系数普遍超过0.85，方法、数据的可靠性和有效性得到充分验证。

为进行地下水实测校验，研究选取华北地区北京、河北、山东、河南、山西和天津等六个省级行政区1249口地下水监测数据开展了系统验证。结果显示：降尺度后的地下水储量异常数据与原位地下水数据相关性整体提升了32.33%，各省区相关系数均实现显著提升，证实这套降尺度数据在区域地下动态监测、水资源评估中具备突出实用价值。

图2 降尺度前后与地下水数据的相关系数图

研究进一步将中国大陆划分为七个气候区，系统解析各区域水储量时空分异规律：华北地区水储量下降速率最快，年均降幅达-0.87厘米/年；西北和青藏地区同样呈下降趋势；华南中部地区以+0.29厘米/年的速率稳步增长，东北地区略有增加。这些区域差异由气候强迫、降水格局、蒸发径流过程叠加极端气候事件共同驱动。

图3 七大气候区的陆地水储量异常变化趋势图

该研究首次构建了覆盖整个中国大陆的0.25°高精度GRACE降尺度数据集，创新融合多源遥感反演信息与实地地下水监测数据，量化厘清了气候变化和人类活动双重压力下陆地水储量的空间响应规律。数据集与降尺度算法可支撑全国差异化水资源管控方案编制，在青藏高原生态水源涵养保护、滨海湿地生态补水、地下水超采治理、海水入侵预警、海岸带灾害风险评估等场景具备重要应用价值。

相关成果以"A machine-learning framework to improve GRACE/GRACE-FO terrestrial water storage anomaly in China"为题发表在国际期刊 Journal of Hydrology: Regional Studies。论文通讯作者为烟台海岸带所副研究员田信鹏。研究工作得到了国家自然科学基金和山东省自然科学基金等项目的资助。

论文信息：

Huiying Ren, Xinpeng Tian, De Wang, Xiaoli Bi, Meng Gao, Jian Xu, A machine-learning framework to improve GRACE/GRACE-FO terrestrial water storage anomaly in China. Journal of Hydrology: Regional Studies, 2026, 65: 103528. https://doi.org/10.1016/j.ejrh.2026.103528