基于GLDAS_CLSM_D数据计算LGD

1.引言

在卫星大地测量学与全球水循环监测的交叉领域，利用重力卫星（如GRACE及GRACE-FO）数据反演地表质量变化已成为核心手段。传统的时变重力场反演主要依赖于月平均的球谐系数产品（Level-2/Level-3），这种方法虽然在全球尺度上表现优异，但其时空分辨率受限，且在处理高频（亚月尺度）质量变化时存在明显的信号混叠与平滑效应。为了突破这一局限，基于“沿轨”（Along-track）或“视线向”（Line-of-Sight, LOS）的重力差（LGD）分析方法应运而生 。

本文旨在详细阐述一套针对全球陆面数据同化系统（GLDAS）中的流域地表模型（Catchment Land Surface Model, CLSM）开发的LGD反演算法框架。该框架不仅实现了从高分辨率水文模型到卫星观测量的正演模拟，更引入了多变量协同处理机制，允许用户灵活组合地下水、土壤水、积雪等不同水储量分量，以探究不同水文过程对卫星重力观测的贡献。本报告将从理论基础、水文模型机理、算法实现细节及软件使用说明（README）等多个维度进行详尽剖析。

之前的项目基于GLDAS NOAH土壤湿度数据分析LGD，本项目的核心改进在于将数据源从传统的Noah陆面模型切换为GLDAS v2.2 CLSM。这一更为底层的“数据更替”实则蕴含了深刻的水文学与地球物理学考量。

特性	GLDAS Noah 模型	GLDAS CLSM (Catchment) 模型	物理含义差异
土壤分层	固定4层 (0-10, 10-40, 40-100, 100-200 cm)	基于流域的三大储水区 (Surface, Root Zone, Deficit)	CLSM打破了垂直分层的僵化结构，更符合自然流域的水分分布。
地下水处理	通常为“渗漏边界”，缺乏显式地下水层	显式模拟浅层地下水水位	关键差异：CLSM能捕捉地下水储量（GWS）变化，这对重力反演至关重要 2。
同化策略	部分版本同化，多侧重土壤湿度	GLDAS v2.2 同化了GRACE TWS数据	CLSM v2.2 data 包含了GRACE观测约束，使其作为“真值”进行LGD闭环验证的可靠性极高 3。

传统的Noah模型往往通过底面自由排水边界条件忽略了深层地下水的侧向流动与存储，导致在干旱半干旱地区或地下水开采剧烈区域（如华北平原、加州中央谷地）的总水储量（TWS）模拟失真。而CLSM通过“流域赤字”（Catchment Deficit）这一变量，将非饱和带土壤水与饱和带地下水进行了耦合模拟，能够更真实地反映陆地水储量的全谱段变化。因此，基于CLSM的LGD反演在理论上具有更高的地球物理一致性。

GitHub仓库：https://github.com/SingyuTang/CLSM2LGD

2. GLDAS CLSM 数据架构与变量解析

2.1 GLDAS v2.2 CLSM 的同化特征

GLDAS v2.2 是目前唯一同化了GRACE重力卫星观测数据的全球陆面数据同化系统产品。这意味着该模型输出的TWS不仅受气象强迫（降水、辐射）驱动，还受到GRACE观测到的质量变化约束。

• 开环模拟（Open Loop） vs. 数据同化（DA）：GLDAS 2.0/2.1 多为开环模拟，完全依赖降水强迫数据的质量。而 v2.2 通过集合卡尔曼滤波（EnKF）将GRACE观测到的TWS异常同化进入CLSM模型，修正了模型的水储量状态。

• 对LGD反演的意义：当我们使用GLDAS v2.2 CLSM计算LGD并与GRACE/GRACE-FO观测进行对比时，实际上是在验证GRACE观测（通过同化进入模型）与GRACE瞬时观测（LGD形式）**之间的一致性，同时也验证了CLSM模型将大尺度重力观测“降尺度”分配到精细水文过程（如区分土壤水与地下水）的能力。

2.2 关键变量与多变量反演逻辑

本程序框架的一个核心需求是“实现CLSM数据中多个变量的LGD反演”。这要求我们对CLSM输出的NetCDF文件中的变量有极高颗粒度的理解。

根据NASA GES DISC的文档，CLSM模型输出的关键水储量变量如下表所示：

变量名 (Variable Name)	描述 (Description)	单位	物理意义与重力贡献分析
TWS_tavg	Terrestrial Water Storage	mm	总水储量。这是所有水储量分量之和。在v2.2中，它是同化后的结果，包含了地下水、土壤水、积雪和冠层水。如果用户只关心总重力效应，仅需处理此变量。
GWS_tavg	Ground Water Storage	mm	地下水储量。CLSM特有变量。反映潜水面的波动。在长周期重力变化中起主导作用，但在高频洪水事件中可能滞后于地表水。
SoilMoist_RZ_tavg	Root Zone Soil Moisture		根区土壤水。植物根系可利用的水分，通常对应表层到约1米深。对降雨响应迅速。
SoilMoist_S_tavg	Surface Soil Moisture		表层土壤水（约0-2cm）。对微波遥感敏感，但质量较小，对重力贡献有限。
SoilMoist_P_tavg	Profile Soil Moisture		剖面土壤水。通常包含了根区和表层。注意避免与RZ重复累加。
SWE_tavg	Snow Water Equivalent		雪水当量。在高纬度或高海拔地区（如青藏高原、北美北部），这是冬季重力变化的主要来源。
CanopInt_tavg	Canopy Interception		冠层截留水。量级很小（通常\<2mm），但在高精度LRI分析中不可完全忽略。

多变量反演的必要性分析：

用户之所以需要“更换数据并实现多变量反演”，是因为单一的 TWS_tavg 虽然方便，但掩盖了质量来源的细节。例如：

1. 源分离（Source Separation）：研究者可能想探究亚马逊流域的重力异常是由降雨引起的土壤饱和（SoilMoist），还是由长期的地下水补给（GWS）主导。通过分别计算 和 ，可以实现重力信号的解耦。
2. 自定义组合：有时研究者可能认为GLDAS的积雪模拟（SWE）不准确，希望用独立的微波遥感积雪数据替代。此时，可以通过计算 （来自CLSM）并加上外部的 来重构总重力场。
3. 单位统一：在代码实现中，必须注意 mm (等效水高) 与 (面密度) 的转换。对于水而言，数值上 1 mm \= 1 ，但物理量纲需保持严谨。

3. 弹性地球负荷形变与重力积分理论

在计算地表质量（水）对卫星的引力时，不能仅考虑水体本身的直接引力（Direct Attraction），必须考虑固体地球在负载作用下的弹性形变（Elastic Deformation）。

3.1 负荷勒夫数（Load Love Numbers, LLNs）

地球并非刚体，地表水的质量加载会导致地壳下沉，并引起地球内部质量的重新分布。这种响应通常通过负荷勒夫数 来描述。对于球谐阶数 的质量势 ，地球形变产生的附加势 与之成正比：

$\delta V_l^{def} = k'_l \cdot \delta V_l^{mass}$因此，卫星感受到的总势变化为：$\delta V_l^{total} = (1 + k'_l) \cdot \delta V_l^{mass}$物理机制： 通常为负值（低阶时），意味着地球内部质量调整会部分抵消地表负载的引力效应。例如， 时，，即弹性形变抵消了约30%的水体引力信号。

PREM模型：本项目采用基于初步参考地球模型（PREM）计算的勒夫数 。代码 read_love_numbers.py 支持从 Han and Wahr (1995) 或 Wang et al. (2012) 等不同来源读取这些参数。

3.2 数值积分策略：空间域核函数

尽管理论描述常用球谐函数，但在实际计算中（clsm2lgd.py），本项目为了处理高分辨率网格数据并适应沿轨计算的需求，采用基于格林函数的核积分思想（空间域的数值积分方法），代码计算勒让德多项式采用了 scipy.special.lpn。关于公式推导和详细原理可参见论文Along-Orbit Analysis of GRACE Follow-On Inter-Satellite Laser Ranging Measurements for Sub-Monthly Surface Mass Variations第二章节。

4.用户指南

本项目提供了详细的README.md文件帮助用户使用本程序，详细使用可参考GitHub仓库-CLSM2LGD进行设置和安装。

5.讨论与展望

5.1 深度洞察：地下水信号的捕捉

通过引入CLSM数据，本算法最显著的科学价值在于其对地下水信号（GWS）的显式处理。在传统的Noah模型中，地下水通常被视为边界条件而非状态变量，导致长周期的干旱或含水层枯竭信号在模型正演中缺失。而CLSM通过同化GRACE数据，在模型内部建立了一个受观测约束的地下水储量场。

将使用本工具计算 variable_names=['GWS_tavg'] 得到的LGD与 LRI-LGD 的结果对比，可以定量分离出地下水在总重力信号中的贡献率。这对于加州中央谷地、华北平原等地下水开采热点地区的研究具有极高的应用价值。

5.2 亚月尺度极端水文事件监测

本文开头提到的文献指出，月平均产品会平滑掉短期信号。本工具配合GLDAS的日尺度（Daily）数据，使得监测洪水演进过程成为可能。例如，在亚马逊流域或孟加拉三角洲，洪峰过境往往在数天内发生。通过本算法生成的日尺度LGD序列，可以与GRACE-FO LRI的高精度瞬时测距数据进行逐日比对，从而捕捉洪水的动态重力响应。这在传统的月重力场产品中是完全不可见的。

6.参考文章

1. Ghobadi-Far, Khosro, Shin-Chan Han, Christopher M. McCullough, David N. Wiese, Richard D. Ray, Jeanne Sauber, Linus Shihora, and Henryk Dobslaw. 2022. “Along-Orbit Analysis of GRACE Follow-On Inter-Satellite Laser Ranging Measurements for Sub-Monthly Surface Mass Variations.” Journal of Geophysical Research: Solid Earth 127(2):e2021JB022983. doi:10.1029/2021JB022983.

2. NLDAS Science Testbed updates (CLSM, Noah-MP, and HyMAP router) - Land Data Assimilation System - NASA, 访问时间为 十二月 11, 2025， https://ldas.gsfc.nasa.gov/sites/default/files/ldas/nldas/presentations/Mocko_NLDAS-Science-Testbed_2016-08-25.pdf

3. GLDAS-2.2: Global Land Data Assimilation System | Earth Engine Data Catalog, 访问时间为 十二月 11, 2025， https://developers.google.com/earth-engine/datasets/catalog/NASA_GLDAS_V022_CLSM_G025_DA1D
4. Jointly using the GLDAS 2.2 model and GRACE to study the severe Yangtze flooding of 2020 | Request PDF - ResearchGate, 访问时间为 十二月 11, 2025， https://www.researchgate.net/publication/360654238_Jointly_using_the_GLDAS_22_model_and_GRACE_to_study_the_severe_Yangtze_flooding_of_2020
5. GLDAS Catchment Land Surface Model L4 daily 0.25 x 0.25 degree GRACE-DA1 V2.2 (GLDAS_CLSM025_DA1_D) at GES DISC | NASA Earthdata, 访问时间为 十二月 11, 2025， https://www.earthdata.nasa.gov/data/catalog/ges-disc-gldas-clsm025-da1-d-2.2
6. Q. What is the latency for GLDAS data? - FAQ’s | LDAS - NASA, 访问时间为 十二月 11, 2025， https://ldas.gsfc.nasa.gov/faq/gldas
7. GLDAS Catchment Land Surface Model L4 daily 0.25 x 0.25 degree GRACE-DA1 V2.2 (GLDAS_CLSM025_DA1_D) at GES DISC | NASA Earthdata, 访问时间为 十二月 11, 2025， https://earthdata.nasa.gov/es/data/catalog/ges-disc-gldas-clsm025-da1-d-2.2
8. README Document for NASA GLDAS Version 2 Data Products, 访问时间为 十二月 11, 2025， https://data.mint.isi.edu/files/raw-data/GLDAS_NOAH025_M.2.0/doc/README_GLDAS2.pdf