基于涌现约束的陆地水储量未来预测精度提升方法及装置

本发明涉及水文水资源与气候变化预测，具体为基于涌现约束的陆地水储量未来预测精度提升方法及装置。

背景技术：

1、全球陆地水储量（tws）综合反映了土壤水、地下水、积雪冰冻水、植被截留水以及地表水体等多种储水库的变化，是衡量陆地水循环状态的重要指标。tws的季节性由降水输入与蒸散消耗主导，受土壤水的快速响应、积雪融化的季节相位调节以及地下水的缓慢变化过程共同影响。在年际到十年尺度，地下水储量具有明显滞后与“水文记忆”特征，是控制tws中长期趋势的关键因素。此外，灌溉取水、地下水开采、水库调度以及跨流域调水等人类活动正在显著改变区域tws的自然调节模式。

2、当前未来tws预测主要依赖陆地水文多模式集合（如isimip2b、isimip3b），包含陆面过程模型（lsms）、全球水文与水资源模型（ghwrms）、植被—农业耦合模型、大尺度自然—人类系统一体化模型等。这些模型在储水结构、人类活动参数化及物理过程表达方面存在显著差异，导致多模式集合呈现较大的结构性不确定性。直接对不同结构模型进行平均会造成物理信号抵消，从而难以可靠获得未来tws的趋势估计。

3、另一方面，grace/grace-fo卫星观测提供了全球尺度的tws质量变化数据，能识别地下水下降、积雪融化、灌溉影响等大尺度水文变化特征。然而，现有技术少有将grace观测以结构化方式用于约束多模式未来预测。若不区分流域主导水文机制（如灌溉、降水、积雪）或模型结构类别，则容易产生诊断量混杂和伪相关，从而削弱涌现约束技术的有效性。

4、因此，迫切需要一种能够识别模型结构差异、区分流域主导机制、并利用grace观测构建稳定涌现关系的方法，用以提升未来tws预测的精度与可信度。

技术实现思路

1、本技术提供基于涌现约束的陆地水储量未来预测精度提升方法及装置，用于克服现有陆地水储量未来预测中存在的多模式结构异质性大、预测偏差显著、不确定性高以及缺乏可靠观测约束等问题。

2、为实现上述目的，本发明提供如下技术方案：

3、基于涌现约束的陆地水储量未来预测精度提升方法，包括如下步骤：

4、s1、获取多个解算中心的grace和/或grace-fo mascon产品，依次经尺度因子修正、泄漏误差恢复、冰川均衡调整gia修正、地心项与低阶球谐系数修正及去季节化处理，构建研究区域多时间点的陆地水储量异常序列，并在流域尺度提取陆地水储量的年代际趋势、季节振幅，以及对气候驱动与人类活动响应的历史诊断量；

5、s2、基于所述历史诊断量，结合再分析资料、人类足迹数据及积雪数据，识别流域主导水文机制，将流域划分为灌溉主导型、气候主导型和积雪主导型；

6、s3、将用于未来预测的多模式水文模型，按储水结构、人类活动参数化方式及水文过程表示方式，分为至少全球水文与水资源模型组、陆面过程模型组；在每一模型组内针对每类流域，分别计算模型历史诊断量与对应未来期陆地水储量响应量，形成二者的配对样本；

7、s4、在结构与机制均一致的模型子集中，构建历史诊断量与未来陆地水储量响应量的跨模式涌现回归关系；对所述回归关系执行统计显著性检验与水文物理一致性检验，将满足预设显著性阈值且具备物理合理性的回归关系确定为涌现约束方程；

8、s5、将grace和/或grace-fo观测得到的真实历史诊断量代入所述涌现约束方程，得到约束后的未来陆地水储量响应量，以此修正多模式集合的原始未来预测结果；

9、s6、将各流域约束后的未来陆地水储量响应量按流域面积加权整合，得到区域或全球尺度的未来陆地水储量变化重建场并输出。

10、grace mascon产品本身存在空间信号泄漏、冰川均衡调整构造信号混淆、低阶球谐系数误差等固有偏差，多解算中心的数据集合能够有效压制单一解算中心的算法系统性偏差，通过依次执行多维度修正处理，能够逐步剥离非水储量变化引起的重力信号分量，再经去季节化处理剥离年周期与半年周期的季节性波动，从而获得能够真实反映水储量年际与长期变化的异常序列，为后续的趋势诊断与机制识别提供干净可靠的基准数据；

11、在流域尺度提取历史诊断量，能够匹配水文过程的天然空间单元，消除网格尺度随机噪声对后续涌现关系构建的干扰。对流域按主导水文机制进行分类，是因为不同驱动机制下陆地水储量的响应规律存在本质差异，混同构建回归关系会引入大量异质性方差，按灌溉、气候、积雪三类主导机制划分后，能够保证每类样本内水文过程的内在一致性，从根源上降低伪相关的发生概率，提升涌现关系的稳定性。

12、对多模式水文模型按物理结构进行分组，是因为不同结构的水文模型在储水过程参数化上存在本质区别，其历史期特征与未来期响应的映射关系不具备跨结构的可迁移性，在同结构模型组内构建涌现关系，能够有效避免结构异质性导致的物理信号抵消问题，保证回归关系具备统一的物理基础，提升预测修正的可靠性。在结构与机制双一致的子集中构建跨模式涌现回归关系，利用多模型在历史诊断特征与未来响应之间的协同变化规律，结合统计显著性与水文物理一致性双重检验筛选，能够剔除偶然出现的统计伪相关，保证最终得到的涌现约束方程兼具统计稳健性与明确的水文物理意义。

13、将grace卫星观测得到的真实历史诊断量代入经过验证的涌现约束方程，能够用观测真值锚定多模式集合的整体偏移，实现未来陆地水储量预测从传统经验集合平均到观测驱动约束的范式转变，有效收窄多模式预测的不确定性范围，大幅提升未来趋势估计的可信度。以流域为单元按面积加权进行空间整合，能够保证空间聚合过程中水量平衡关系的一致性，生成连续的空间分布场便于后续区域水资源评估与管理应用，整套方法具备良好的可扩展性，可适配不同空间尺度与不同流域类型的预测需求。

14、优选的，所述步骤s1包括：

15、选取至少csr、jpl和gsfc三家解算中心发布的grace/grace-fo rl06 mascon数据；

16、对不同解算中心数据进行统一网格、掩膜和缺测值插补处理，计算集合平均值作为中心估计以及跨中心标准差作为观测不确定性；

17、引入预设gia模型的修正场对高纬及冰后回弹显著区域进行gia修正，并利用官方尺度因子场进行泄漏误差恢复；

18、对经修正的陆地水储量序列扣除多年平均季节循环并进行平滑处理，获得适用于趋势识别和气候响应分析的陆地水储量异常序列。

19、csr、jpl与gsfc是grace/grace-fo数据的主流官方解算机构，三家机构的解算算法假设与误差来源存在差异化特征，采用多中心集合的方式能够有效降低单一机构解算的系统偏差，同时通过跨中心标准差量化观测端的不确定性水平；对多源数据执行统一网格、掩膜与缺测插补处理，能够消除空间分辨率差异与陆地掩膜不一致带来的空间不匹配问题，保证时间序列的时空连续性，为后续的趋势计算与响应分析提供完整的输入基础；

20、引入gia模型修正场能够有效剥离冰川均衡调整引起的地壳抬升重力信号，避免将构造运动信号误判为陆地水储量的变化；利用官方尺度因子场进行泄漏误差恢复，能够还原mascon产品因空间平滑处理导致的信号衰减，准确恢复流域尺度的真实水储量变幅；扣除多年平均季节循环能够剥离规律性的季节性波动信号，突出水储量的长期趋势与年际异常特征，配合平滑处理进一步压制高频随机噪声，能够有效提升后续趋势识别与气候响应分析的稳定性与准确性。

21、优选的，所述步骤s2包括如下内容：

22、首先，对流域尺度的陆地水储量异常序列执行mann-kendall趋势显著性检验以及sen’s斜率估计，以识别在历史期内呈现显著长期下降或显著长期上升趋势的流域，从而获得具备显著趋势特征的目标流域；

23、随后，读取era5-land及/或其他再分析数据集的降水序列和潜在蒸散序列，对其趋势进行分析；并在进行气象归因后剔除由自然干旱或降水异常所引起的影响因素，使得到的陆地水储量残余趋势能够反映人类活动等非气象因素的作用；之后，将该残余趋势与前述显著趋势流域进行匹配，以筛选出可能受人为干预影响的区域；

24、接着，将所述残余趋势与hyde数据中的灌溉耕地比例、人口密度以及其他反映人类活动强度的指标进行空间叠加分析；若某流域呈现显著地下水开采、农业灌溉或其他人类干预迹象，则将该流域判定为灌溉主导型流域；

25、然后，读取积雪水当量swe数据，通过计算swe季节振幅与陆地水储量季节振幅的比值，并进一步计算swe异常与陆地水储量异常之间的滞后相关系数；若该相关系数在融雪期超过预设阈值，且swe对季节性水量变化的贡献率显著，则将该流域判定为积雪主导型流域；

26、对于未被判定为灌溉主导型或积雪主导型的剩余流域，采用偏相关分析以及滞后回归方法，基于陆地水储量对降水和潜在蒸散的标准化回归系数进行判断；若降水因素占主导，则将其归类为水分受限的气候主导型流域；若蒸散或能量因素占主导，则将其归类为能量受限的气候主导型流域。

27、采用非参数的mann-kendall趋势检验与sen’s斜率估计，无需假设时间序列服从正态分布，能够稳健识别流域水储量的长期显著变化趋势，排除随机波动带来的虚假趋势；通过气象归因剔除降水与潜在蒸散的自然波动影响，能够分离出由人类活动等非气象因素导致的水储量残余趋势，避免将自然气候波动误判为人类活动的影响；将残余趋势与人类活动强度指标进行空间叠加分析，能够从空间分布层面验证人为干预的影响程度，保证灌溉主导型流域判定结果的客观性与准确性。

28、通过积雪水当量的振幅占比计算与滞后相关分析，能够精准捕捉融雪过程对陆地水储量季节循环的调控作用，准确识别以积雪融水为主要补给来源的流域，保证积雪主导型流域分类的物理依据。对剩余流域采用偏相关分析与滞后回归方法，能够量化降水与蒸散各自对水储量变化的贡献程度，进一步区分水分受限与能量受限两类气候驱动机制，保证流域分类体系的物理完整性与全覆盖性；整套流域机制划分流程采用定量指标驱动，能够实现流域主导水文机制的客观自动划分，避免主观分类带来的偏差，确保同一类别内水文响应规律具备内在一致性，为后续分组构建涌现约束关系提供合理的空间分层依据。

29、优选的，所述步骤s3中模型结构分组包括：

30、对每一水文模型读取其元数据及配置文件，识别是否具有地下水模块、河道水储层模块、水库调度模块、人类取水与回流模块以及多层土壤水储层结构；

31、将同时具有地下水模拟、河道汇流及人类用水参数化能力的模型划分为全球水文与水资源模型组；

32、将以陆面能量平衡、土壤水热传输及植被蒸散过程为主，缺乏完整地表水和地下水模块的模型划分为陆面过程模型组；

33、对具自然-人类系统耦合模块的模型根据其人类活动模拟能力，在灌溉主导型流域中归入全球水文与水资源模型组，在其他流域中按需要进行单独标记或分组。

34、水文模型的储水结构设计与过程参数化方案，从根本上决定了其对水储量变化的模拟能力与响应特征，地下水、水库调度、人类取水等核心模块的有无，直接决定模型能否准确再现灌溉开采等人类活动对水储量的影响；全球水文与水资源模型具备完整的地表水-地下水循环过程与人类用水参数化能力，能够较好模拟强人类活动区的水储量变化过程，归为同一组能够保证组内模型的过程表达一致性；

35、陆面过程模型以陆面能量平衡与土壤水热传输为核心，更侧重自然流域的气候响应模拟，缺乏完整的地表水与地下水储水结构，单独成组能够避免与复杂结构模型混同带来的结构异质性；

36、对具备自然-人类系统耦合能力的模型采用差异化分组策略，能够兼顾模型的多过程耦合特性，根据流域类型匹配对应的模型组，避免一刀切分组导致的结构异质性残留，进一步提升组内模型的同质性，保障后续涌现回归关系的物理一致性与稳健性。

37、优选的，所述历史诊断量至少包括下列之一或其组合：

38、历史期陆地水储量线性趋势及其显著性；

39、陆地水储量季节振幅及与降水、积雪或气温的季节相位差；

40、陆地水储量对降水异常的弹性系数及响应时滞结构；

41、陆地水储量对积雪水当量异常的贡献率及滞后相关系数；

42、模型人类活动模块的取水量敏感性、人类用水回流率参数、地下水抽水梯度参数或土壤深度与储水容量指标。

43、线性趋势指标能够反映流域水储量的长期盈亏状态与变化速率，季节振幅与相位差能够刻画水储量季节循环的调控机制与时间匹配特征，降水弹性系数与响应时滞能够量化水储量对气候驱动异常的动态响应规律，积雪贡献率与滞后相关能够反映融雪过程对水储量的补给作用与时间滞后特征，人类活动相关参数能够体现人为干预的强度与作用方式；

44、选取多维度的历史诊断量，能够全面刻画流域水储量的变化特征与驱动机制，避免单一指标带来的信息缺失，为涌现约束关系构建提供丰富的特征变量，有效提升回归关系对未来响应的解释能力，同时保证最终得到的约束关系能够对应明确的水文物理过程，避免纯统计相关带来的不可解释性与泛化能力不足问题。

45、优选的，所述步骤s4中涌现回归关系为线性或非线性回归关系，所述涌现回归关系满足：

46、回归相关系数绝对值不小于预设第一阈值；

47、交叉验证结果中回归残差方差低于模型间未来响应方差的预设比例；

48、回归参数符号与预期水文物理机制一致，且残差呈近似正态分布。

49、设置相关系数绝对值阈值，能够保证回归关系具备基本的统计关联强度，排除相关性过弱的无效关系；通过交叉验证检验残差方差与模型间未来响应方差的比例关系，能够验证约束关系对多模式不确定性的收窄能力，确保涌现约束能够发挥实际的不确定性压缩作用，这也是涌现约束技术的核心价值体现；要求回归参数符号与预期水文物理机制一致，是保证回归关系具备真实水文意义的关键约束，能够有效剔除统计上显著但物理逻辑矛盾的伪相关关系；残差近似正态分布满足经典回归分析的统计假设前提，能够保证后续置信区间估计的可靠性与合理性；通过统计与物理双重标准筛选得到的涌现约束方程，兼具统计层面的稳健性与水文层面的物理合理性，能够有效避免过拟合与伪相关问题，保障后续预测修正结果的可信度与物理一致性。

50、优选的，所述步骤s5中还包括：

51、将grace和/或grace-fo观测不确定性通过所述涌现回归关系进行误差传播，得到约束后未来陆地水储量响应量的置信区间；

52、根据所述置信区间构建未来陆地水储量趋势的上限、下限及最优估计，生成与干旱风险评估和地下水枯竭评估相匹配的不确定性产品。

53、grace卫星观测本身存在解算不确定性，通过涌现回归关系进行误差传播计算，能够将观测端的不确定性完整传递到预测结果端，量化约束后未来水储量响应量的可信范围，避免输出单一估计值带来的信息缺失；基于置信区间构建趋势的上限、下限与最优估计多情景结果，能够适配不同风险偏好的应用场景，为干旱风险评估、地下水枯竭评估等风险导向的应用提供概率化的输入支撑；生成标准化的不确定性产品，能够直接对接水资源风险评估的业务需求，提升预测结果的实用性与应用价值，为风险应对决策提供更全面的参考依据。

54、优选的，所述步骤s6中还包括：

55、对约束后的未来陆地水储量响应量进行空间插值和平滑处理，以在保证趋势符号和整体幅度不变的前提下改善边界连续性；

56、基于所述未来陆地水储量变化重建场，计算区域干旱风险指数、地下水长期亏损指数及水资源承载压力指标，并输出为地图产品或栅格数据。

57、以流域为单元得到的约束结果存在天然的边界突变特征，通过空间插值与平滑处理，能够在不改变趋势方向与整体变化幅度的前提下，有效提升空间场的边界连续性与可视化效果，更符合空间数据产品的使用习惯；基于未来陆地水储量变化重建场衍生计算各类水资源评估指标，能够直接输出面向业务应用的评估结果，避免用户进行二次计算与加工，拓展方法的应用场景；输出标准化的地图产品与栅格数据，能够适配主流的gis分析平台与水资源管理系统，提升成果的落地应用价值，为大尺度水资源管理、干旱预警与气候变化风险研究提供直接可用的数据支撑。

58、基于涌现约束的陆地水储量未来预测精度提升装置，所述装置包括：

59、观测基准构建模块，用于获取多解算中心的grace和/或grace-fomascon产品，经尺度因子修正、泄漏误差恢复、gia修正、地心项与低阶球谐系数修正及去季节化处理，构建陆地水储量历史基准并计算历史诊断量；

60、流域机制诊断模块，用于结合历史诊断量、再分析资料及人类足迹、积雪数据，识别流域主导水文机制，将流域划分为灌溉主导型、气候主导型和积雪主导型；

61、模型分组与特征构建模块，用于将多模式水文模型按结构分组，并在各模型组与各类流域中计算模型历史诊断量与未来陆地水储量响应量；

62、涌现关系构建模块，用于在结构、机制一致的模型子集中构建历史诊断量与未来响应量的涌现回归关系，并执行统计显著性与物理一致性检验；

63、约束预测模块，用于将grace和/或grace-fo真实历史诊断量代入涌现约束方程，得到约束后的未来陆地水储量响应量，修正多模式原始预测结果；

64、结果整合模块，用于将各流域约束后的响应量按流域面积加权整合，生成区域或全球尺度的未来陆地水储量变化重建场。

65、装置采用模块化的架构设计，各模块与方法流程的核心环节一一对应，职责清晰且接口明确，便于分步开发、独立升级与日常维护；观测基准构建模块对应观测数据预处理与诊断量计算环节，负责输出标准化的水储量基准序列；流域机制诊断模块对应流域主导机制识别环节，负责完成流域的自动化分类；模型分组与特征构建模块对应模型结构分组与配对样本制备环节，负责生成符合要求的模型样本集；涌现关系构建模块对应约束方程构建与检验环节，负责输出稳健可靠的涌现约束方程；约束预测模块对应观测代入与预测修正环节，负责生成约束后的预测结果；结果整合模块对应空间整合与产品输出环节，负责生成最终的空间数据产品；模块化的架构能够实现陆地水储量预测精度提升的全流程自动化处理，各模块可独立替换与优化，具备良好的可扩展性与可维护性，能够支撑批量、常态化的预测更新业务。

66、优选的，所述装置还包括：数据管理与更新模块，用于对grace/grace-fo数据、再分析资料、人类足迹数据、土地利用数据及多模式输出进行统一存储、版本管理和定时更新，并在数据更新时自动触发所述观测基准构建模块、流域机制诊断模块、模型结构分组与诊断特征构建模块及涌现关系构建模块的重新运行。

67、grace卫星数据、再分析资料与多模式输出均存在定期的版本更新与数据增补，设置统一的数据管理与更新模块，能够实现多源输入数据的全生命周期管理，保证输入数据的一致性、可追溯性与时效性；设置自动触发重跑机制，能够在输入数据更新时自动完成从基准构建到约束方程生成的全流程迭代，无需人工干预，保证预测结果能够及时融入最新的观测与模拟数据；该模块能够有效降低人工维护成本，持续保障预测结果的时效性与准确性，适配长期业务化运行的使用需求。

68、与现有技术相比，本发明提供了基于涌现约束的陆地水储量未来预测精度提升方法及装置，具备以下有益效果：

69、首先，通过将多模式水文模型按照储水结构、人类活动参数化能力等特征进行分组，可有效避免结构异质性引起的物理信号抵消，使涌现关系仅在结构一致的模型内部构建，从而提升预测修正的可靠性。

70、其次，通过将流域按灌溉主导、气候主导和积雪主导三类进行机制划分，可避免人类调水、降水异常与积雪过程等不同来源的水文信号混杂，提高涌现关系的稳定性。

71、再次，通过引入grace的真实观测诊断量替代模型诊断量，未来陆地水储量预测由传统的经验平均转向观测驱动，大幅度提升未来趋势估计的可信度。经过本技术方法修正的未来陆地水储量趋势呈现显著收敛，并在强人类干预区、气候驱动区和积雪主导区得到物理机制合理的修正。

72、此外，本技术方法具有良好的可扩展性，适用于大尺度水资源管理、干旱预警、地下水枯竭评估以及气候变化风险研究等场景，实现了观测信息与多模式集合的深度融合。