近日，中国科学院西北生态环境资源研究院冰冻圈科学与冻土工程全国重点实验室车涛研究员团队与中国科学院青海盐湖研究所盐湖资源绿色高值利用重点实验室韩文霞研究员团队合作完成的研究成果《High-resolution global groundwater storage anomalies: A 1 km downscaled dataset》已被国际数据期刊《Earth System Science Data》（ESSD）接收发表。本研究得到甘肃省科技计划项目（项目编号：23ZDKA0004）、国家自然科学基金（项目编号：42595534）、青海省重大科技专项（项目编号：2025-SF-A2）资助，研究所对应的关联数据集“全球1 km高分辨率地下水储量异常数据集（2002–2020年）”已在国家冰川冻土沙漠科学数据中心正式发布并开放共享，可供全球科研工作者下载使用。 研究背景 地下水是全球重要的淡水资源，在农业灌溉、居民供水、生态系统维持以及应对干旱与气候异常过程中发挥着关键作用。受地下水开采、降水变化、干旱以及土地利用变化等因素影响，全球范围内多个大型含水层已出现地下水储量下降的趋势。传统地下水监测主要依赖地面观测井，然而全球现有监测网络在空间覆盖范围、时间连续性以及数据共享方面仍存在明显不足。 GRACE重力卫星及其后续任务GRACE-FO可实现对陆地水储量变化的监测，为全球地下水相关研究提供重要观测手段，但其有效空间分辨率通常仅为数百公里，难以揭示大型灌溉区、冲积平原及不同水文地质单元内部的局地梯度与边界特征。基于该研究缺口，研究团队开展了全球尺度的降尺度重建工作，最终在GRACE大尺度约束下得到了1 km月尺度地下水储量异常数据。 数据集及其特点 本数据集以GRACE/GRACE-FO陆地水储量异常为核心约束，首先采用奇异谱分析（SSA）填补卫星时间序列中的缺失月份数据，结合GLDAS Noah V2.1的土壤水储量、雪水当量和植被冠层水储量，通过水量组分分离得到粗分辨率地下水储量异常数据。 研究团队进一步构建了包含气候、水文、地形、土壤、植被和时间信息在内的19个高分辨率环境预测因子，建立了基于含水层分区的机器学习降尺度框架，对比分析了极端梯度提升树（XGBoost）与深度神经网络（DNN）的模型性能。结合内部测试、跨尺度一致性检验以及独立地下水观测验证结果，最终选用XGBoost模型生产最终数据，生产过程还包括水体和冰川区域掩膜处理、1 km尺度预测及残差校正。本产品的空间分辨率为0.008333°（约1 km）。 图1 全球1 km地下水储量异常数据集技术流程图 数据可靠性与主要发现 研究建立了包含模型内部评价、跨尺度一致性评价、全球地下水监测井独立验证和月尺度时间序列验证在内的多层次验证体系。将1 km分辨率结果重新聚合至原始GRACE尺度后开展全球比对，得到决定系数R2为0.972，均方根误差RMSE为2.10 cm，表明该产品较好保留了GRACE所提供的大尺度地下水储量变化信息。 独立地面验证采用包含152,069口地下水监测井的全球数据库，按1°空间块划分校准区与验证区：有效给水度参数仅在校准空间块中估计，再将其应用于未参与校准的独立验证空间块。在统一的0.25°网格上，XGBoost产品的验证结果为R²=0.538、RMSE=0.378 cm yr、Bias=0.106 cm yrˉ¹。对140个拥有连续月观测数据的监测站进行检验后发现，该数据集对长期变化的再现能力整体优于对季节尺度变化的再现能力。研究还选取中国华北平原、印度西北部、美国加利福尼亚和高平原含水层与已有研究成果开展对比，并使用CSR、JPL、H08和WaterGAP开展目标数据源敏感性分析。 图2 全球地下水监测井分布及独立验证结果 多年平均统计结果显示，地下水储量负异常主要分布于印度河—恒河流域、中国华北平原、阿拉伯半岛、里海周边和美国高平原等区域，在25°N至45°N区间形成了较为突出的地下水亏损带。按照等面积法统计，全球约52.30%的陆地区域地下水储量变化的季节贡献超过50%，其中约26.09%的区域季节贡献高于66%，说明相当范围内的地下水变化存在显著的年内周期特征。季节性较强的区域主要包括亚马孙盆地、刚果盆地、南亚、东亚季风区及北半球高纬度地区；北非、阿拉伯半岛、中亚、澳大利亚内陆和北美西部等干旱区的季节贡献相对较低。 图3 2002–2020年全球1 km多年平均GWSA及纬向分布 1 km分辨率数据还揭示了粗分辨率GRACE数据难以表征的局地变化特征。在美国加利福尼亚中央谷地、高平原含水层、印度西北部和中国华北平原等区域，该数据呈现出更为清晰的下降梯度与空间边界；中东、阿拉伯半岛和里海周边则表现为大范围的连续亏损。这类公里尺度的空间格局是在GRACE大尺度约束下，结合环境预测因子重建得到的结果，不能直接等同于局地地下水抽采量的实际观测结果。 图4 2002–2020年全球1 km GWSA长期趋势及显著性分布 数据应用价值 该数据集可应用于全球及区域地下水储量变化监测、大型含水层长期变化分析、地下水干旱与恢复过程研究、水文模型及全球地下水模型验证，还可支撑地下水变化与气候、土地利用和人类活动关系的综合分析。高分辨率信息也可为农业灌溉区、山前冲积扇、绿洲及大型平原含水层内部空间差异的研究提供支撑。 需要说明的是，该数据集属于粗尺度GRACE约束下的高分辨率重建产品，并非1 km尺度地下水的直接遥感观测结果。若开展局地地下水开采归因分析或支撑水资源管理决策，仍需结合地下水位、开采量、补给量及含水层参数等地面观测资料。 文献引用： Zhang, C., Fan, Y., Han, W., Ge, Y., Zhu, J., and Che, T.: High-resolution global groundwater storage anomalies: a 1 km downscaled dataset, Earth Syst. Sci. Data, 18.https://doi.org/10.5194/essd-18-7593-2026 数据引用： Fan, Y., Zhang, C., Han, W., Che, T., and Ge, Y.: 1 km high-resolution monthly-scale GWSA dataset, National Cryosphere Desert Data Center [dataset].https://doi.org/10.12072/ncdc.hydrology.db7323.2026