Uoverensstemmelser mellem satellit- og globale modelestimater for lagring af landvand

Forskning ledet af University of Texas i Austin har fundet ud af, at beregninger af vandlagring i mange flodbassiner fra almindeligt anvendte globale computermodeller adskiller sig markant fra uafhængige lagringsestimater fra GRACE-satellitter.

Fundene, offentliggjort i Proceedings of the National Academy of Sciences den 22. januar, rejse spørgsmål om globale modeller, der er blevet brugt i de senere år til at hjælpe med at vurdere vandressourcer og potentielt påvirke ledelsesbeslutninger.

Undersøgelsen brugte målinger fra GRACE-satellitter fra 2002 til 2014 til at bestemme vandlagringsændringer i 186 flodbassiner rundt om i verden og sammenlignede resultaterne med simuleringer lavet af syv almindeligt anvendte modeller.

GRACE satellitterne, drives af NASA og German Aerospace Center, måle ændringer i tyngdekraften over Jorden, en værdi påvirket af ændringer i vandlagring i et område. De computermodeller, der anvendes af offentlige myndigheder og universiteter, blev udviklet til at vurdere historiske og/eller scenariebaserede strømninger i det hydrologiske kredsløb, såsom strømning, evapotranspiration og lagerændringer, herunder jordfugtighed og grundvand.

"Folk er mere og mere afhængige af globale modeller for at bestemme fremskrivninger af indvirkningen af ​​menneskelig vandforbrug og klima på vandressourcer, " sagde hovedforfatter Bridget Scanlon, seniorforsker ved universitetets Bureau of Economic Geology. "Vi er nu i stand til at evaluere ændringer i vandlagring fra modeller med GRACE-data, hvilket tyder på, at modellerne kan undervurdere store vandlagringsændringer, både store faldende og stigende lagertendenser."

For eksempel, i Amazonas flodbassin, GRACE-data indikerer, at vandlagringen steg med 41 til 43 kubikkilometer i løbet af undersøgelsesperioden - den største stigning i vandlagring i ethvert bassin i verden. Men de fleste af modellerne forventede enorme fald i vandlagring, med en, der simulerer et tab på 70 kubikkilometer. Den model, der bedst matchede GRACE-dataene, beregnede en stigning på kun 11 kubikkilometer.

I Ganges-flodens bassin, GRACE viste et tab på 12 til 17 kubikkilometer vand om året i løbet af en 12-års periode - det største fald i vandlagring målt af undersøgelsen. Modellerne spænder mellem et tab på 7 kubikkilometer og en stigning på 7 kubikkilometer.

Samlet set, modelresultaterne beregnede et fald i global vandlagring i løbet af undersøgelsesperioden, mens GRACE-data indikerer, at den var i stigning. Imidlertid, undersøgelsen bemærker, at mens klimaet øgede vandlagring globalt, mennesker forårsagede betydelige fald i visse regioner. Undersøgelsesområdet dækkede omkring 63 procent af det globale landareal og udelukkede Grønland og Antarktis, fordi det meste af vandet i disse områder er fanget i gletsjere eller iskapper.

Undersøgelsen viser, at der er regioner, hvor globale modeller skal forbedres, sagde medforfatter Hannes Müller Schmied, seniorforsker ved Goethe-universitetet i Frankfurt. Forskningens globale perspektiv kan hjælpe forskere med at forstå, hvorfor modeller klarer sig bedre på nogle områder end andre, og nul-ind på de områder, hvor de ikke stemmer overens med dataene.

"Baseret på den omfattende vurdering af vandlagringsændringer, vi har vigtig yderligere information og kan nu fokusere på udfordrende regioner og analysere mere i dybden, hvilke processer der skal inkluderes, for eksempel flodslettedynamik og dødvandseffekter i Amazonas, eller at blive forbedret, som menneskelige vandudvindinger i Ganges-flodens bassin, " sagde Müller Schmied.

Undersøgelsen bemærker også, at forskere bør arbejde på at forbedre regionale vurderinger.

"GRACE er fantastisk, fordi det fremhæver det globale billede af, hvad der sker med global vandlagring, og i en grov grid-skala er det virkelig rart at se, hvad der sker, " sagde Scanlon. "Men at sikre vandtilgængelighed til konsum og landbrug er i mange tilfælde et regionalt til lokalt problem, og vi bør lægge øget vægt på analyser i denne skala ved at for eksempel, integration af lokale data. Den specifikke situation kunne undersøges meget bedre end med undersøgelser i global skala."