馬文靜,周 浩,何培培,鄭李均,羅志才
1. 華中科技大學(xué)精密重力測量國家重大科技基礎(chǔ)設(shè)施,湖北 武漢 430074; 2. 華中科技大學(xué)地球物理研究所,湖北 武漢 430074; 3. 華北水利水電大學(xué)測繪與地理信息學(xué)院,河南 鄭州 450045
時(shí)變重力場綜合反映了地球表層與內(nèi)部空間物質(zhì)的運(yùn)移規(guī)律,研究地球重力場隨時(shí)間的變化,既是大地測量學(xué)的核心課題之一,也是人類研究自然災(zāi)害的重要手段。利用衛(wèi)星重力手段監(jiān)測時(shí)變重力場的研究可追溯到20世紀(jì)60年代,文獻(xiàn)[1]提出高低衛(wèi)星跟蹤衛(wèi)星模式,文獻(xiàn)[2]提出低低衛(wèi)星跟蹤衛(wèi)星模式理論,衛(wèi)星跟蹤衛(wèi)星理論的相繼提出為后續(xù)研究重力衛(wèi)星奠定了堅(jiān)實(shí)的理論基礎(chǔ)。21世紀(jì)以來,CHAMP(challenging minisate-llite payload)、GRACE(gravity recovery and climate experiment)、GRACE Follow-On(gravity recovery and climate experiment follow-on)和GOCE(gravity field and steady-state ocean circulation explorer)衛(wèi)星的成功實(shí)施,使得衛(wèi)星重力進(jìn)入新時(shí)代,也為時(shí)變重力場建模及應(yīng)用提供了重要的數(shù)據(jù)基礎(chǔ)。
國內(nèi)外研究人員利用衛(wèi)星時(shí)變重力場模型開展了大量的應(yīng)用研究工作,取得了豐碩的研究成果,主要包括全球或區(qū)域水儲(chǔ)量變化、冰蓋質(zhì)量變化、海平面變化、地震監(jiān)測等[3-13]。文獻(xiàn)[3]使用GRACE時(shí)變重力場模型研究了中國黑河流域地下水變化,結(jié)果表明衛(wèi)星監(jiān)測結(jié)果與實(shí)測結(jié)果有很好的一致性。文獻(xiàn)[4]采用6種不同的時(shí)變重力場模型估算長江流域水儲(chǔ)量變化,成功監(jiān)測到了長江流域發(fā)生的干旱事件。文獻(xiàn)[9]利用GRACE數(shù)據(jù)分析了長江流域水儲(chǔ)量季節(jié)性的變化特征,發(fā)現(xiàn)長江流域水儲(chǔ)量變化的周年振幅可達(dá)3.4 cm。文獻(xiàn)[10]利用GRACE時(shí)變重力場數(shù)據(jù),研究了中國及周邊地區(qū)的水儲(chǔ)量變化。文獻(xiàn)[11]采用GRACE月尺度重力場模型,估算全球陸地水儲(chǔ)量變化,揭示了陸地水儲(chǔ)量的季節(jié)性變化與長期性變化。文獻(xiàn)[12]采用GRACE重力場模型計(jì)算中國水儲(chǔ)量,并聯(lián)合實(shí)測數(shù)據(jù)研究了中國地區(qū)的干旱事件。文獻(xiàn)[13]聯(lián)合GPS與GRACE數(shù)據(jù)探測中國西南地區(qū)的干旱,揭示了GPS數(shù)據(jù)在干旱檢測中的可靠性與優(yōu)勢。
GRACE重力衛(wèi)星能夠?qū)崟r(shí)監(jiān)測地球重力場變化,提供全球高精度時(shí)變重力場信息,而如何從衛(wèi)星數(shù)據(jù)中精確提取重力場信號一直是衛(wèi)星重力研究的熱點(diǎn)與難點(diǎn)。目前,除了CSR(Center of Space Research)、JPL(Jet Propulsion Laboratory)、GFZ(German Research Centre for Geosciences)官方機(jī)構(gòu)最新發(fā)布的RL06產(chǎn)品[14],國內(nèi)外多家機(jī)構(gòu)也陸續(xù)公布了自主研制的時(shí)變重力場模型。國際時(shí)變重力場模型聯(lián)合解算組織COST-G聯(lián)合AIUB(Astronomical Institute,University of Bern)、GRGS(Groupe de Research en Geodesie Spatial)、GFZ與ITSG(Institute of Geodesy at Graz University of Technology)等機(jī)構(gòu)的解算優(yōu)勢[15],發(fā)布了GRACE、GRACE-FO及Swarm的聯(lián)合解算模型,使得時(shí)變重力場模型的精度得到進(jìn)一步提升;華中科技大學(xué)也基于改進(jìn)的動(dòng)力法解算,發(fā)布了HUST-Grace2020時(shí)變重力場模型[16]。本文將首先對比最新發(fā)布的HUST-Grace2020模型與COST-G模型、CSR RL06模型、ITSG-Grace2018模型和Tongji-Grace2018模型,評估HUST-Grace2020估算中國大陸區(qū)域陸地水儲(chǔ)量變化的能力,并在此基礎(chǔ)上研究中國大陸典型流域的水儲(chǔ)量變化特征。
我國地處北半球歐亞大陸東部,太平洋的西部,幅員遼闊且地形復(fù)雜。我國土地資源和水資源呈現(xiàn)相反的空間散布趨勢,這種特征加劇了我國水資源短缺的矛盾。由于我國具有特殊的季風(fēng)氣候,區(qū)域降水年際變動(dòng)較大,在時(shí)間上表現(xiàn)為雨熱同期的特點(diǎn),降水多表現(xiàn)為夏秋季多,冬春季少,易成春旱夏澇。因此,及時(shí)掌握我國水儲(chǔ)量的變化和水資源分布的時(shí)間特征與空間規(guī)律,對水資源的持續(xù)利用具有指導(dǎo)性意義。根據(jù)我國大陸區(qū)域河流湖泊的分布特點(diǎn),研究區(qū)劃分為15個(gè)區(qū)域[17](圖1),每個(gè)區(qū)域的具體信息見表1。
表1 區(qū)域劃分詳細(xì)信息
圖1 研究區(qū)劃分Fig.1 The study area division
大地水準(zhǔn)面的變化ΔN反映了地球質(zhì)量遷移,這種變化能夠通過球諧系數(shù)的變化ΔClm、ΔSlm表現(xiàn)出來。引起大地水準(zhǔn)面變化的物質(zhì)密度變化為Δρ(r,θ,λ),對其進(jìn)行徑向積分可以得到單位面積上質(zhì)量的改變量Δσ(θ,λ)。令等效水高(equivalent water height,EWH)的變化量為ΔH,且有ΔH=Δσ/ρw,則等效水高表示的地表質(zhì)量變化[18]可表示為
(1)
GRACE時(shí)變重力場模型存在高頻誤差和高頻噪聲[19],直接使用式(1)估算的等效水高在空域內(nèi)呈現(xiàn)為明顯的南北條帶誤差。為了削弱南北條帶誤差與高頻噪聲的影響,國內(nèi)外學(xué)者相繼提出了高斯濾波[20]、扇形濾波[21]和去相關(guān)濾波[22]等濾波方法。本文采用300 km高斯濾波與P3M6去相關(guān)濾波的組合濾波方法[3],其中組合濾波處理后的EWH計(jì)算公式為
(2)
ΔCm(l)=a0+a1l+a2l2+a3l3
(3)
經(jīng)過上述處理得到全球各個(gè)格網(wǎng)點(diǎn)等效水高值,結(jié)合不同流域的邊界數(shù)據(jù),按照流域面積進(jìn)行加權(quán)平均,進(jìn)而計(jì)算出各個(gè)流域的平均水儲(chǔ)量變化,計(jì)算公式為
(4)
本文采用華中科技大學(xué)發(fā)布的HUST-Grace2020模型、COST-G發(fā)布的聯(lián)合解算模型、CSR發(fā)布的RL06重力場模型、ITSG發(fā)布的ITSG-Grace2018模型,以及同濟(jì)大學(xué)發(fā)布的Tongji-Grace2018模型計(jì)算中國區(qū)域水儲(chǔ)量的變化。5種重力場模型的時(shí)間范圍均為2003年1月—2016年7月,其中HUST-Grace2020(截?cái)嘀?0階次和90階次)、ITSG-Grace2018(截?cái)嘀?0階次和90階次)和Tongji-Grace2018(截?cái)嘀?0階次)為147個(gè)月,有16個(gè)月份數(shù)據(jù)缺失;COST-G(截?cái)嘀?0階次)和CSR RL06(截?cái)嘀?0階次)為148個(gè)月,有15個(gè)月份數(shù)據(jù)缺失。在等效水高計(jì)算過程中,將SLR的C20項(xiàng)替換掉GRACE的C20[23],加回C10、C11與S11項(xiàng)[24-25],并扣除研究時(shí)間范圍內(nèi)球諧系數(shù)的平均值。
采用HUST-Grace2020 60階(HUST 60)、CSR RL06 60階(CSR RL06)、ITSG-Grace2018 60階(ITSG 60)、HUST-Grace2020 90階(HUST 90)、COST-G 90階(COST-G)、ITSG-Grace2018 90階(ITSG 90)和Tongji-Grace2018 90階(Tongji 90)重力場模型分別計(jì)算了2003年1月—2016年7月中國區(qū)域水儲(chǔ)量變化,并估算了中國區(qū)域的周年趨勢與周年振幅(圖2)。
圖2 2003—2017年中國大陸水儲(chǔ)量變化周年振幅與周年趨勢Fig.2 The annual amplitude and yearly trend of TWS variations from 2003 to 2017 in Chinese mainland
由圖2可知,5種模型反演結(jié)果具有很好的一致性:截?cái)嘀?0階次時(shí),HUST-Grace2020模型與ITSG-Grace2018模型的估算結(jié)果一致性高,相關(guān)系數(shù)達(dá)到0.999且均方根誤差為0.136 cm;截?cái)嘀?0階次時(shí),HUST-Grace2020模型與COST-G模型的估算結(jié)果一致性高,相關(guān)系數(shù)達(dá)到0.998且均方根誤差為0.204 cm;不同截?cái)嚯A次的結(jié)果在空間分布特征上較為一致,由于高頻噪聲的影響,截?cái)嘀?0階次的結(jié)果仍存在部分條帶誤差。在此基礎(chǔ)上,分析了我國大陸區(qū)域水儲(chǔ)量變化的總體變化規(guī)律:①我國東南地區(qū)及西南邊界具有較大的周年振幅(圖2(a)、(c)、(e)、(g)、(i)、(k)、(m))。②我國大陸區(qū)域的水儲(chǔ)量在各個(gè)流域表現(xiàn)為不同的變化趨勢(圖2(b)、(d)、(f)、(h)、(j)、(l)、(n))。長江流域中南部、珠江流域、東南沿海、瀾滄江南部、塔里木盆地南部、西藏流域北部、松花江流域的陸地水儲(chǔ)量呈現(xiàn)增加趨勢,而黃河流域東部、海河流域、淮河流域北部、遼灤流域、準(zhǔn)格爾盆地與塔里木盆地交界處、西南地區(qū)的雅魯藏布江的陸地水儲(chǔ)量呈現(xiàn)遞減趨勢。
為進(jìn)一步評估流域尺度上5種模型的結(jié)果,本文估算了不同流域水儲(chǔ)量變化的周年振幅、半周年振幅、周年相位、半周年相位、周年趨勢等特征信息,結(jié)果如圖3和表2所示。結(jié)果表明:①5種GRACE產(chǎn)品計(jì)算出的各流域水儲(chǔ)量變化趨勢相互吻合,不同產(chǎn)品反演出的流域水儲(chǔ)量變化幅度基本一致。②雅魯藏布江水儲(chǔ)量振幅最大,可達(dá)13.75 cm,這與該流域水資源豐富、冰川眾多有關(guān);變化幅度較小的流域?yàn)檫|灤流域、內(nèi)蒙古、河西與塔里木流域,這些地區(qū)普遍位于我國北部,且大部分處在我國西北內(nèi)陸部分,常年降雨量少,水資源無法得到及時(shí)補(bǔ)充。
表2 2003—2017年中國大陸各個(gè)流域水儲(chǔ)量變化振幅與趨勢
圖3 2003—2017年中國大陸各個(gè)流域水儲(chǔ)量變化振幅與趨勢Fig.3 The annual amplitude and trend of TWS variations in Chinese mainland basins from 2003 to 2017
對不同產(chǎn)品得出的周年振幅項(xiàng)與周年趨勢項(xiàng)求相關(guān)系數(shù)與均方根誤差,結(jié)果如表3—表6所示。其中,不同產(chǎn)品之間的周年振幅相關(guān)系數(shù)達(dá)0.98以上,而周年趨勢的相關(guān)系數(shù)均為0.99以上。不同產(chǎn)品間的周年趨勢均方根誤差基本都在0.1 cm/a以下,但周年振幅均方根誤差最小為0.136 cm。綜合分析周年振幅與周年趨勢的統(tǒng)計(jì)結(jié)果,發(fā)現(xiàn)HUST-Grace2020 60階模型與ITSG-Grace2018 60階模型一致性最好,HUST-Grace2020 90階模型與COST-G 90階模型的一致性最好。由于COST-G與ITSG-Grace2018模型具有較高的解算精度,而HUST-Grace2020模型與它們的一致性也是最好的,因此可以證明HUST-Grace2020模型能夠很好地評估中國大陸區(qū)域水儲(chǔ)量的變化。
表3 不同產(chǎn)品間的周年振幅相關(guān)系數(shù)
表4 不同產(chǎn)品間的周年趨勢相關(guān)系數(shù)
表5 不同產(chǎn)品間的周年振幅均方根誤差
表6 不同產(chǎn)品間的周年趨勢均方根誤差
以截?cái)嘀?0階次HUST-Grace2020的計(jì)算結(jié)果為基礎(chǔ),總結(jié)了中國大陸區(qū)域水儲(chǔ)量的變化特征:①長江流域、松花江流域、珠江流域、河西、西藏、東南沿海地區(qū)呈現(xiàn)增加趨勢,黃淮海地區(qū)、遼灤流域、準(zhǔn)格爾流域、雅魯藏布江呈減少趨勢;②珠江流域水儲(chǔ)量增加速度最快,可達(dá)0.78 cm/a,其中珠江流域北部受到三峽水庫蓄水的影響,水儲(chǔ)量增長速度較快,而珠江流域西部地區(qū)降水較少,水儲(chǔ)量將近處于持平狀態(tài),該結(jié)果與文獻(xiàn)[26]反演出的珠江流域水儲(chǔ)量增速3~5 mm/a一致;③雅魯藏布江存在嚴(yán)重的水儲(chǔ)量減少信號,下降速率可達(dá)到-1.30 cm/a;④位于華北地區(qū)的黃河、淮河與海河流域水儲(chǔ)量也處于虧損狀態(tài),虧損速率分別為-0.18、-0.47、-0.88 cm/a,其原因可能與近些年這些地區(qū)地下水過度開采有關(guān),該結(jié)果與文獻(xiàn)[27]反演出的華北地區(qū)等效水高變化率為-1.0~-0.5 cm/a相符。
為研究流域尺度的水儲(chǔ)量季節(jié)性變化特征,本文選取2006年與2010年兩個(gè)特征年份,采用HUST-Grace2020 60階模型估算了中國大陸區(qū)域不同季節(jié)的等效水高,結(jié)果如圖4所示。
圖4 2006年與2010年等效水高Fig.4 EWH in 2006 and 2010
12月、1月及2月屬于冬季,由圖4(a)與(b)可知,2005年冬季黃淮海地區(qū)及新疆北部水儲(chǔ)量為盈余狀態(tài),主要與該年份的降水增多有關(guān)[28-29],但長江流域、珠江流域、東北地區(qū)與西南地區(qū)均處于虧損狀態(tài);而2009年冬季表現(xiàn)為全國大部分地區(qū)處于水儲(chǔ)量虧損狀態(tài)。3—5月屬于春季,由圖4(c)和(d)可知,2006年與2010年中國東南沿海區(qū)域、東北地區(qū)的松花江流域與遼灤流域的水儲(chǔ)量均呈現(xiàn)盈余狀態(tài),而西南地區(qū)、西藏、珠江流域西部在春季仍然表現(xiàn)為虧損狀態(tài),這是由于季風(fēng)氣候在春季還未到達(dá)大陸內(nèi)部,存在降水滯后。6—8月屬于夏季,由圖4(e)可知,2006年夏季長江流域的部分區(qū)域出現(xiàn)水儲(chǔ)量虧損,說明該流域存在干旱事件。由圖4(f)可知,2010年夏季長江中下游、珠江流域、黃河上游等地區(qū)水儲(chǔ)量均表現(xiàn)為盈余狀態(tài)。9—11月屬于秋季,由圖4(g)可知,我國中部及西南邊界地區(qū)水儲(chǔ)量呈現(xiàn)盈余狀態(tài),其余地區(qū)水量表現(xiàn)為虧損狀態(tài);由圖4(h)可知,全國大部分地區(qū)在2010年秋季水量仍處于盈余狀態(tài),尤其是我國中東部以及東南沿海地區(qū)。
綜上,我國大陸區(qū)域的水儲(chǔ)量變化表現(xiàn)為顯著的季節(jié)性特征,南方比北方的季節(jié)性特征更為顯著。受到太平洋氣流的影響,我國夏秋兩季多雨,容易出現(xiàn)洪澇災(zāi)害事件,春冬兩季降雨相對較少,容易出現(xiàn)干旱事件。
長江流域與黃河流域作為我國兩大流域,及時(shí)掌握其水儲(chǔ)量變化,評估發(fā)生的水文事件,對水資源的持續(xù)利用具有指導(dǎo)性意義。本文分別利用5種模型計(jì)算了長江流域與黃河流域的水儲(chǔ)量隨時(shí)間變化序列,結(jié)果如圖5(a)和圖6(a)所示。特別地,為了分析典型流域的水文事件,從原始時(shí)間序列中剔除了長期趨勢、周年、半周年等季節(jié)性信號,得到典型流域水儲(chǔ)量變化的非季節(jié)性信息[30],結(jié)為了定量分析不同機(jī)構(gòu)計(jì)算的長江流域水儲(chǔ)量時(shí)間序列,本文計(jì)算了不同產(chǎn)品間時(shí)間序列的相關(guān)系數(shù)與均方根誤差,結(jié)果如表7—表8所示。通過分析表7—表8可知,HUST-Grace2020模型計(jì)算的長江流域水儲(chǔ)量變化與ITSG-Grace2018和COST-G產(chǎn)品結(jié)果一致性最好,其中HUST 60階模型與ITSG 60階模型相關(guān)系數(shù)和均方根誤差分別為0.983與0.797 cm,HUST 90階模型與COST-G 90階模型相關(guān)系數(shù)和均方根誤差分別為0.985與0.752 cm,因此HUST-Grace2020模型可用于研究該流域的典型水文事件。由圖5(a)可知,長江流域在2006年與2011年出現(xiàn)谷值;結(jié)合去除季節(jié)性信號后的圖5(b)可知,2006年該流域水儲(chǔ)量變化幅度最大。根據(jù)等效水高結(jié)果分析長江流域水儲(chǔ)量變化,2006年夏秋季節(jié)該流域水儲(chǔ)量減少;而該流域在2011年從春季開始減少,7月時(shí)出現(xiàn)小幅度回升,但隨即又減少,直到10月才開始回升。通過上述分析可知,長江流域在2006年與2011年發(fā)生極端干旱事件。圖5中2010年與2016年出現(xiàn)水儲(chǔ)量峰值,表明這兩年長江流域發(fā)生洪水事件。根據(jù)《長江流域及西南諸河水資源公報(bào)》[31]發(fā)現(xiàn):2006年8月長江流域入海量極低,遠(yuǎn)低于史上最干旱的1978年入海量,2011年3月起長江流域各支流水位處于歷史最低標(biāo)準(zhǔn);2010年長江流域受到降雨影響水位達(dá)到近20年的最大值,2016年長江中下游地區(qū)發(fā)生特大洪水。本文得到的長江流域干旱洪水年份結(jié)果與文獻(xiàn)[32]研究結(jié)果基本一致。
表7 不同產(chǎn)品間的長江流域時(shí)間序列相關(guān)系數(shù)
表8 不同產(chǎn)品間的長江流域時(shí)間序列均方根誤差
圖5 2003—2017年長江流域時(shí)間序列Fig.5 Time series of the Yangtze River Basin from 2003 to 2017
圖6 2003—2017年黃河流域時(shí)間序列Fig.6 Time series of the Yellow River Basin from 2003 to 2017
果如圖5(b)和圖6(b)所示。由于不同機(jī)構(gòu)重力場模型的解算方法存在差異,且隨著模型階數(shù)增加高頻誤差增大,再加上GRACE衛(wèi)星在不同時(shí)期的觀測精度不同,得到的時(shí)間序列結(jié)果在部分月份差異較大,因此本文統(tǒng)一采用HUST-Grace2020截?cái)嘀?0階模型的反演結(jié)果分析典型流域的水文事件。
由圖6可知,各個(gè)機(jī)構(gòu)模型計(jì)算結(jié)果的一致性高,且黃河流域水儲(chǔ)量變化波動(dòng)幅度小。為了定量分析不同機(jī)構(gòu)計(jì)算的黃河流域水儲(chǔ)量時(shí)間序列,計(jì)算的不同產(chǎn)品間時(shí)間序列相關(guān)系數(shù)與均方根誤差如表9—表10所示。由表9—表10可知,HUST-Grace2020模型計(jì)算的黃河流域水儲(chǔ)量變化與CSR RL06和COST-G產(chǎn)品結(jié)果一致性最好,其中HUST 60階模型與CSR RL06模型相關(guān)系數(shù)和均方根誤差分別為0.893與0.974 cm,HUST 90階模型與COST-G 90階模型相關(guān)系數(shù)和均方根誤差分別為0.882和1.175 cm。由圖6可知,2003年黃河流域水儲(chǔ)量變化出現(xiàn)谷值,其中3月的等效水高為-4.97 cm;2013年7月黃河流域出現(xiàn)水儲(chǔ)量峰值且該月的等效水高為4.01 cm,由此說明2003年黃河流域發(fā)生極端干旱事件,2013年發(fā)生洪水事件。《黃河水資源公報(bào)》[33]顯示:2002年黃河流域花園口水文站徑流比平均徑流少了約52%,該年是黃河流域有史以來最干旱的一年,旱情持續(xù)至第二年春,因此導(dǎo)致2003年黃河流域出現(xiàn)水儲(chǔ)量谷值;而2013年黃河中上游多次發(fā)生暴雨,部分監(jiān)測站出現(xiàn)建站以來最高水位。本文計(jì)算結(jié)果與水文資料相符。需要特別指出的是,圖6(a)與圖6(b)中顯示黃河流域在2004年9月出現(xiàn)水儲(chǔ)量出現(xiàn)峰值,該峰值并不是洪水事件信號,而是與GRACE星下點(diǎn)軌跡過于稀疏有關(guān)。
表9 不同產(chǎn)品間的黃河流域時(shí)間序列相關(guān)系數(shù)
表10 不同產(chǎn)品間的黃河流域時(shí)間序列均方根誤差
本文利用HUST-Grace2020時(shí)變重力場模型計(jì)算中國大陸區(qū)域陸地水儲(chǔ)量變化。研究結(jié)果表明:①HUST-Grace2020模型計(jì)算的結(jié)果與COST-G、ITSG、Tongji模型的結(jié)果具有極高的相關(guān)性,證明了HUST-Grace2020具有估算中國大陸區(qū)域陸地水儲(chǔ)量變化的能力。②不同流域的水儲(chǔ)量變化特征不同。長江流域、珠江流域、雅魯藏布江及瀾滄江有較大的周年振幅。長江流域、松花江流域、珠江流域、河西、西藏與東南沿海地區(qū)水儲(chǔ)量呈現(xiàn)增加趨勢,黃淮海地區(qū)、遼灤流域、準(zhǔn)格爾流域與雅魯藏布江水儲(chǔ)量呈現(xiàn)遞減趨勢,其余流域水儲(chǔ)量基本維持平衡。③中國大陸地區(qū)陸地水儲(chǔ)量變化具有顯著的季節(jié)性特征:夏秋季水儲(chǔ)量盈余,冬春季水儲(chǔ)量匱乏。④以中國典型流域——長江流域與黃河流域?yàn)槔?研究了HUST-Grace2020模型監(jiān)測洪水干旱事件的能力。結(jié)果表明:HUST-Grace2020模型可以探測到長江流域在2006年與2011年發(fā)生極端干旱事件,2010年與2016年發(fā)生洪水事件;黃河流域在2003年出現(xiàn)極端干旱事件,2013年出現(xiàn)洪水事件。
本文僅計(jì)算了2003年1月—2016年7月的中國大陸區(qū)域陸地水儲(chǔ)量變化,未來考慮結(jié)合GRACE-FO模型及數(shù)據(jù)重構(gòu)技術(shù),計(jì)算時(shí)間跨度更長的陸地水儲(chǔ)量變化。此外,現(xiàn)階段COST-G聯(lián)合解算模型僅納入了歐洲機(jī)構(gòu)[15],而本文計(jì)算結(jié)果表明:我國重力場解算機(jī)構(gòu)具備同等的重力場反演能力,也具備服務(wù)于COST-G組織的能力,未來可為解算更高精度的時(shí)變重力場模型貢獻(xiàn)中國力量[34]。