一种利用重力卫星数据监测极端气候变化的方法和系统与流程

本发明属于航天和卫星重力技术领域，尤其涉及一种利用重力卫星数据监测极端气候变化的方法和系统。

背景技术：

中国作为世界上人口最多的国家，虽然水资源总量丰富，但是仍存在着人均水资源量占有少、分布不均匀、易受极端气候影响等问题。因此，研究中国区域陆地水资源变化特别是极端气候事件对中国区域陆地水储量的影响具有较高的社会效益和科研价值。

陆地水储量(terrestrialwaterstorage,tws)是指陆地表面及以下的水量总和，是水循环系统中的重要组成成分。从水量垂直分布上看，陆地水储量是由土壤含水量(soilmoisturestorage,sms)、地表水储量、冰川冻土积雪和地下水储量组成；从水量平衡方程上看，陆地水储量的变化是由降水、蒸发、径流、地下水等活动的综合反映。在grace(gravityrecoveryandclimateexperiment)重力卫星发射之前，研究陆地水储量变化主要依赖于传统的水文观测站和陆地水文模型。但是传统的水文观测易受到观测条件制约、站点空间分布不均匀、数据质量不佳等因素影响，这极大限制了人们对陆地水文过程(如地下水的损耗、极地冰川的消融等)的认识与研究；陆地水文模型的输出也局限于特定的水文要素，例如gldas(globallanddataassimilationsystem)模型输出的只是近地表层的土壤含水量变化，无法反映从地表到地下整个水储量变化。

技术实现要素：

本发明的技术解决问题：克服现有技术的不足，提供一种利用重力卫星数据监测极端气候变化的方法和系统，通过后处理的重力卫星数据来观测中国区域陆地水储量变化并与全球气候因子进行时滞性相关分析并进行比对，进而达到监测中国区域极端气候变化目的。

为了解决上述技术问题，本发明公开了一种利用重力卫星数据监测极端气候变化的方法，包括：

获取grace重力卫星数据，对grace重力卫星数据进行预处理，得到level-3数据；

调用实测降水资料、陆地水文模型和气候因子，根据实测降水资料、陆地水文模型和气候因子，以及level-3数据，得到陆地水变化、降水变化分别在时间、空间上与气候因子的相关系数；

根据陆地水变化、降水变化分别在时间、空间上与气候因子的相关系数，得到滞后气候因子的具体时间和最大相关系数；

当降水异常变化与气候因子达到最大相关系数时，给出陆地水异常变化的时空分布作为受到气候因子影响的监测结果。

在上述利用重力卫星数据监测极端气候变化的方法中，获取grace重力卫星数据，对grace重力卫星数据进行预处理，得到level-3数据，包括：

获取grace重力卫星数据，确定球谐系数；

扣除球谐系数中相应时间段上的平均值；

将球谐系数c20项更换为由卫星激光测距观测得到的c20项，同时加上地心改正项；

考虑gia对长期变化影响，分别选用ddk、swenson、duan和p4m6四种方法抑制南北“条带”误差影响；

采用高斯500km滤波方法降低高阶球谐系数噪声影响，并采用forwardmodeling方法进行泄漏误差改正；

将改正后的球谐系数转化为等效水柱高格网数据，并进行面积加权平均转为相应时间序列；

利用最小二乘法求趋势项、周年项和半周年项，并在时间序列中将其扣除后使用5个月的滑动平均得到年际尺度twsa；

取四种去条带方法和不同数据源得到结果的算术平均值作为最终twsa估计，得到level-3数据。

在上述利用重力卫星数据监测极端气候变化的方法中，调用实测降水资料、陆地水文模型和气候因子，根据实测降水资料、陆地水文模型和气候因子，以及level-3数据，得到陆地水变化、降水变化分别在时间、空间上与气候因子的相关系数，包括：

取两组独立的时间序列x1和x2；

计算得到相关系数ρ(τ)：

其中，σ11和σ22分别为x1和x2的方差，σ12为x1和x2的协方差，τ为时滞因子，|ρ(τ)|≤1，|τ|≤12。

在上述利用重力卫星数据监测极端气候变化的方法中，根据陆地水变化、降水变化分别在时间、空间上与气候因子的相关系数，得到滞后气候因子的具体时间和最大相关系数，包括：

根据最大相关系数与滞后时间和level-3数据，确定grace重力卫星陆地水异常变化以及降水资料和陆地水文模型的时空分布；

依据气候因子的时间变化和具体地理位置与大气环境，对比分析在滞后时间内陆地水异常变化和降水变化受气候变化影响的情况；

将grace重力卫星监测到的陆地水异常的时间序列作为相关区域的水文变化的气候因子。

在上述利用重力卫星数据监测极端气候变化的方法中，

实测降水资料为：来自于国家气象信息中心提供的实测月降水格网数据；

陆地水文模型为：来自于美国宇航局戈达德航天飞行中心和美国国家环境预报中心共同建立的全球陆面同化数据系统。

在上述利用重力卫星数据监测极端气候变化的方法中，陆地水和降水作为独立的变量，在分析陆地水和降水与气候因子的关系时，将±0.5作为是否具有相关性的阈值，时滞范围选择在-12～12个月。

本发明还公开了一种利用重力卫星数据监测极端气候变化的系统，包括：

获取模块，用于获取grace重力卫星数据，对grace重力卫星数据进行预处理，得到level-3数据；

调用解算模块，用于调用实测降水资料、陆地水文模型和气候因子，根据实测降水资料、陆地水文模型和气候因子，以及level-3数据，得到陆地水变化、降水变化分别在时间、空间上与气候因子的相关系数；

分析模块，用于根据陆地水变化、降水变化分别在时间、空间上与气候因子的相关系数，得到滞后气候因子的具体时间和最大相关系数；

预测模块，用于在降水异常变化与气候因子达到最大相关系数时，给出陆地水异常变化的时空分布作为受到气候因子影响的监测结果。

本发明具有以下优点：

本发明以一个全新的角度利用重力卫星方法监测极端气候变化对中国区域陆地水的影响，通过后处理的重力卫星数据来观测中国区域陆地水储量变化并与全球气候因子进行时滞性相关分析并进行比对，进而达到监测中国区域极端气候变化目的，有助于预测中国区域的干旱、洪涝等灾害，进而减少极端气候条件所引发的损失，对中国区域的陆地水影响具有重要的科学价值和经济效益。

附图说明

图1是本发明实施例中一种利用重力卫星数据监测极端气候变化方法的步骤流程图；

图2是2015/16el期间，中国区域2015年9月至2016年8月grace观测的逐月twsa空间分布示意图；

图3是中国区域陆地水与极端气候事件在时间上的关系示意图；

图4是长江流域上、中、下游地区与极端气候事件的关系示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明公开的实施方式作进一步详细描述。

如图1，在本发明实施例中，该利用重力卫星数据监测极端气候变化的方法，包括：

步骤101，获取grace重力卫星数据，对grace重力卫星数据进行预处理，得到level-3数据。

grace重力卫星于2002年3月发射，主要通过高精度测量两颗卫星之间的距离变化(微米级精度)来定量反演全球和区域性陆地水储量的时空变化。本发明实施例结合grace重力卫星数据、gldas水文模型和实测降水资料，详细研究了2005-2017年中国区域陆地水储量的时空变化以及与enso的相关性和时滞性，并给出了简明的物理解释。

在本实施例中，可以通过如下方式对grace重力卫星数据进行预处理：获取grace重力卫星数据，确定球谐系数；扣除球谐系数中相应时间段上的平均值；将球谐系数c20项更换为由卫星激光测距观测得到的c20项，同时加上地心改正项；考虑gia对长期变化影响，分别选用ddk、swenson、duan和p4m6四种方法抑制南北“条带”误差影响；采用高斯500km滤波方法降低高阶球谐系数噪声影响，并采用forwardmodeling方法进行泄漏误差改正；将改正后的球谐系数转化为等效水柱高格网数据，并进行面积加权平均转为相应时间序列；利用最小二乘法求趋势项、周年项和半周年项，并在时间序列中将其扣除后使用5个月的滑动平均得到年际尺度twsa；取四种去条带方法和不同数据源得到结果的算术平均值作为最终twsa估计，得到level-3数据。

其中，需要说明的是：

grace重力卫星数据包括但不仅限于：csrrl05level-2月重力场球谐系数、csr-mascons数据和jpl-mascons数据。

陆地水文模型可采用gldas公布的四套地表同化数据。

降水数据可来自于国家气象信息中心提供的实测月降水格网数据。

各类数据应确保在时间分辨率和空间分辨率上保持一致。其中，grace重力卫星的数据进行相应处理并得到level-3数据。陆地水文模型、降水资料和气候因子数据只需读取数据即可，降水数据做简单的邻近插值。

步骤102，调用实测降水资料、陆地水文模型和气候因子，根据实测降水资料、陆地水文模型和气候因子，以及level-3数据，得到陆地水变化、降水变化分别在时间、空间上与气候因子的相关系数。

步骤103，根据陆地水变化、降水变化分别在时间、空间上与气候因子的相关系数，得到滞后气候因子的具体时间和最大相关系数。

在本实施例中，可以先取两组独立的时间序列x1和x2，计算得到相关系数ρ(τ)：

其中，σ11和σ22分别为x1和x2的方差，σ12为x1和x2的协方差，τ为时滞因子，|ρ(τ)|≤1，|τ|≤12。

进一步的，根据最大相关系数与滞后时间和level-3数据，确定grace重力卫星陆地水异常变化以及降水资料和陆地水文模型的时空分布；依据气候因子的时间变化和具体地理位置与大气环境，对比分析在滞后时间内陆地水异常变化和降水变化受气候变化影响的情况；将grace重力卫星监测到的陆地水异常的时间序列作为相关区域的水文变化的气候因子。

步骤104，当降水异常变化与气候因子达到最大相关系数时，给出陆地水异常变化的时空分布作为受到气候因子影响的监测结果。

在本发明的一优选实施例中，实测降水资料可以为：来自于国家气象信息中心提供的实测月降水格网数据。例如，选取时间段为2005年1月份至2016年8月份，空间分辨率为0.5°×0.5°。在进行数据处理时为空间分辨率一致，我们利用邻近插值方法将降水数据插值为1°×1°。

在本发明的一优选实施例中，陆地水文模型可以为：来自于美国宇航局戈达德航天飞行中心和美国国家环境预报中心共同建立的全球陆面同化数据系统。例如，为降低数据模型误差对结果的影响，采用gldas公布的四套地表同化数据(noah、mosaic、clm和vic)，其空间分辨率为1°×1°，选取的时间段为2005年1月份至2016年8月份。取四套数据的算术平均值来估计土壤含水量异常。

在本发明的一优选实施例中，陆地水和降水作为独立的变量，在分析陆地水和降水与气候因子的关系时，将±0.5作为是否具有相关性的阈值，时滞范围选择在-12～12个月。

在上述实施例的基础上，下面结合一个具体实例进行说明。

(1)选取实验对象。选取中国十大流域作为实验对象。因为近年来极端气候事件的频发对全球和区域性水循环产生了重大影响，特别是2005-2017年间两次强enso事件使得中国区域陆地水储量出现了较大的年际波动。

(2)各类数据的处理与应用。分别读取中国十大流域的grace重力卫星level-3数据、陆地水文模型和降水资料，利用谐波分析方法获取它们的不规则项。同时，读取气候因子时间序列。利用相关性和时滞公式分别计算中国十大流域陆地水文模型异常、降水异常与气候因子的最大相关系数与滞后月份。

(3)确定实验对象中与气候因子相关的研究区域。根据较强相关性的阈值，包括长江流域和东南诸河流域的陆地水储量异常(包括twsa和smsa)、降水异常均与enso表现出较强的相关性。因此，选择长江流域和东南诸河流域作为进一步的研究对象。而整个长江流域横跨范围广、地理环境差异大、气候多变，需要将长江流域划分为上、中、下游并进行分析。如图2所示，长江流域中、下游陆地水储量异常(包括twsa和smsa)、降水异常均与enso表现出较强的相关性。最终，将实验对象确定为中国长江中、下游地区和东南诸河流域。

(4)陆地水异常在时间上与气候因子的关系。给出中国长江中、下游地区和东南诸河流域陆地水异常与enso的时间序列如图3所示。很明显，利用grace监测到它们的陆地水储量异常与enso最大相关系数分别为0.55、0.78、0.70，且较enso大约滞后2个月。

其中，图3(a)为2005-2016年长江流域中游地区的twsa、smsa和降水异常时间序列示意图；图3(b)为2005-2016年长江流域下游地区的twsa、smsa和降水异常时间序列示意图；图3(c)为2005-2016年东南诸河流域的twsa、smsa和降水异常时间序列示意图；图3(d)3.4指数示意图。

(5)陆地水异常在空间上与气候因子的关系。如图4所示，在2015/16年强厄尔尼诺事件期间利用grace重力卫星监测到的中国区域陆地水异常。

其中，图4(a)表示长江流域上游地区twsa、smsa、降水异常与enso的相关性；图4(b)表示长江流域中游地区twsa、smsa、降水异常与enso的相关性；图4(c)表示长江流域下游地区twsa、smsa、降水异常与enso的相关性；图4(d)表示东南诸河流域twsa、smsa、降水异常与enso的相关性。横坐标的时滞范围选择在-12至12个月份之间，其中负值表示twsa或降水异常滞前，正值表示twsa或降水异常滞后

实验分析

2015/16el从2014年10月份开始，大约在2015年11月份达到峰值，并于2016年5月份结束，持续时间共近20个月。2015/16el期间(如图3)：长江流域中、下游地区和东南诸河流域的陆地水和降水从2015年9月份到2016年7月份持续出现正异常。2015年秋冬季(2015年9月至2016年2月)出现的正异常是由于此次厄尔尼诺事件自2014年10月份开始持续超过一年的影响所致，我们称之为厄尔尼诺的同期影响。2016年春季(2016年3-5月份)长江流域中、下游地区和东南诸河流域的陆地水和降水再次出现了正异常，其中降水在2016年4月份出现峰值，而陆地水大约滞后1个月在2016年5月份出现峰值，这是由于此次厄尔尼诺峰值滞后4～6个月的影响。这三个区域的陆地水于2016年7月份又一次出现了较大的正异常，降水则在2016年6月份出现较大的正异常。2016年6～7月份以来我国南方地区连续遭遇了大面积的强降雨侵袭，且强降雨的发生加重了南方地区自2015年秋冬季以来本已严重的汛情。

长江流域中、下游地区和东南诸河流域2016年7月份的陆地水异常是由于2016年6～7月份的强降水所致。而2016年6～7月份发生强降水的原因是由于2015/16el结束的夏季，西北太平洋依然存在着明显的反气旋环流异常。这不仅加强了热带西太平洋向中国区域的水汽输送，还使得西太平洋副热带高压加强并向西延伸造成了中国南方强降水，最终导致了长江流域中、下游地区和东南诸河流域陆地水出现正异常。

实验结论

从时间和空间上的对比分析可知，利用grace重力卫星可以监测到由于极端气候事件所引发的陆地水异常。利用标准化的长江中下游、东南诸河流域陆地水时间序列(扣取季节项和趋势项)可以用来表示水文气候的极端异常。

在上述实施例的基础上，本发明还公开了一种利用重力卫星数据监测极端气候变化的系统，包括：获取模块，用于获取grace重力卫星数据，对grace重力卫星数据进行预处理，得到level-3数据；调用解算模块，用于调用实测降水资料、陆地水文模型和气候因子，根据实测降水资料、陆地水文模型和气候因子，以及level-3数据，得到陆地水变化、降水变化分别在时间、空间上与气候因子的相关系数；分析模块，用于根据陆地水变化、降水变化分别在时间、空间上与气候因子的相关系数，得到滞后气候因子的具体时间和最大相关系数；预测模块，用于在降水异常变化与气候因子达到最大相关系数时，给出陆地水异常变化的时空分布作为受到气候因子影响的监测结果。

对于系统实施例而言，由于其与方法实施例相对应，所以描述的比较简单，相关之处参见方法实施例部分的说明即可。

本说明中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。

以上所述，仅为本发明最佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

本发明说明书中未作详细描述的内容属于本领域专业技术人员的公知技术。