【文献精选】Groundwater Sust Dev | 使用机器学习降尺度GRACE数据进行局部尺度地下水储量变化时空监测

本研究利用改进的FLDAS模型和XGBoost机器学习算法，对GRACE卫星数据进行降尺度处理，以监测上印度河平原含水层（UIPA）的地下水储量变化。研究背景是GRACE数据分辨率较低，难以满足局部尺度监测需求。研究目的是开发一种高分辨率（0.1°）的地下水储量监测方法。结果表明，XGBoost模型成功模拟了更精细尺度的地下水储量变化，相关性达0.98。2003至2020年间，UIPA地下水储量以年均0.44 km³的速度减少，总量减少7.94 km³。降尺度后的GWSA与原位观测数据的相关性（0.77）优于原始GRACE数据（0.75）。研究结论认为XGBoost模型在提高GRACE数据空间分辨率和估计准确性方面非常有效，但需进一步验证以提高精度。