D-SHIFT：基于生成对抗网络将GRACE月度TWSA棒果迁移至日度产品
地球物理
2026-05-04 v1
摘要
引力恢复与气候实验（GRACE）和GRACE Follow-On任务提供月度陆地水存储异常（TWSA）估计，用于监测大尺度水存储变化。官方产品的月度时间分辨率限制了对高频水文事件的分析，而现有的日度GRACE产品常因轨道稀疏和必需的平滑与正则化而降低空间分辨率。本研究引入D-SHIFT（Daily Spatial High-Resolution Inference via Feature Transformation），一个基于深度学习的框架，用于从日度球面谐系数（SHC）解算生成日度高分辨率TWSA场。该模型在月度域中训练，使用低分辨率日度解算和其他辅助特征作为输入，目标为月度棒果产品。随后应用于日度SHC输入，以生成与月度产品相似的空间分辨率。月度验证对棒果产品给出全球平均均方根误差约为2.3厘米，相关性和解释方差达到良好一致。日度分析表明，D-SHIFT产生了空间连贯的日间场，并在 basin 规模趋势和季节性估计方面优于低分辨率SHC。流域面积双差分析表明，这些提升最适用于受平滑和泄漏影响的空间局部信号。在格陵兰，D-SHIFT更好地再现了沿海减量模式，给出流域平均趋势为-10.5厘米/年，接近CSR月度值为-12.0厘米/年。
引用
@article{arxiv.2605.00652,
title = {D-SHIFT: Transferring High Spatial Information from GRACE Monthly TWSA Mascon to Daily Products Using Generative Adversarial Networks},
author = {Andreas Dombos and Junyang Gou and Benedikt Soja},
journal= {arXiv preprint arXiv:2605.00652},
year = {2026}
}