［本站讯］近日，空间科学与技术学院卫星导航与遥感团队在基于GNSS的陆地水储量监测及干旱演变评估研究方面取得新进展。相关研究成果以“Reconstructing Terrestrial Water Storage and Quantifying Drought Evolution in Australia Using LSTM Networks”为题发表于地球与水文科学权威期刊Journal of Hydrology（中国科学院一区TOP，IF=7.3）。论文第一作者为团队硕士研究生冯博，通讯作者为山东大学空间科学与技术学院副教授江楠。山东大学空间科学与技术学院教授徐天河、副教授许艳，柏林工业大学教授Harald Schuh等为共同作者，山东大学为第一完成单位。该研究利用GNSS高精度垂向位移观测，结合多源水文气象数据与深度学习方法，构建了高精度陆地水储量变化重构与干旱评估框架，为区域极端水文事件监测提供了新的技术手段。

陆地水储量（TWS）是表征陆地水循环的关键指标。目前GRACE重力卫星受限于空间分辨率及数据间断，而GNSS垂向位移虽具备高时效连续观测优势，却面临测站分布不均和噪声干扰瓶颈。如何融合两者的优势，是水文大地测量领域的关键科学问题。

图1 澳大利亚研究区及 GNSS 测站空间分布

针对上述难题，团队以澳大利亚大陆为实验区，引入长短期记忆网络（LSTM），深度融合GNSS反演等效水高、GRACE观测及多源气象数据，构建了残差学习数据融合框架。该方法有效捕捉了GNSS与GRACE观测之间的非线性关系及水文信号的时滞特征，对GNSS水储量结果进行了校正与增强。

图2 基于 LSTM 的 GNSS 和 GRACE 数据融合框架流程图

定量实验结果表明，融合增强后的水储量产品在时空连续性和信号精度上均得到显著提升。特别是在测站稀疏的西澳大利亚（WA），与GRACE基准的相关系数由校正前的0.290大幅跃升至0.656，均方根误差显著下降；北部领地（NT）相关系数达到0.854。

图3 原始 GNSS 与 LSTM 增强水储量与 GRACE 的对比

此外，研究团队基于增强后的高精度水储量数据构建了干旱严重程度指数（LSTM-DSI）。在2011至2023年的长期演变评估中，该指数与归一化气象干旱指数（NscPDSI）的相关系数达到0.663。该研究表明，通过将空间大地测量技术与人工智能及多源地球物理信息相结合，不仅有效弥补了单一观测手段的缺陷，也进一步提高了复杂气候背景下干旱事件的识别与评估能力。有望为区域水资源科学管理和极端水文灾害预警提供坚实的技术支撑。

图4 2010–2023 年澳大利亚 LSTM 水文干旱指数与气象干旱指数时间演变及极端干旱事件监测

Journal of Hydrology是国际地球及水文科学领域的顶级期刊，专注发表水文循环各环节（如降水、径流、地下水等）的原创研究，涵盖理论、方法与应用，是该领域影响力最高的期刊之一。本项研究得到了国家自然科学基金重大项目、国家重点研发计划、山东省自然科学基金、国家留学基金委、山东大学青年学者未来计划以及山东大学青年学生基础研究等项目的资助。