Datensatz monatlicher Total Water Storage Anomalies (TWSA) füllt Lücke in hydrologischen Beobachtungsreihen

5. Februar 2026 /

Eine am Institut für Geodäsie geleitete Studie für einen globalen Datensatz monatlicher Total Water Storage Anomalies (TWSA) wurde bei Nature Scientific Data veröffentlicht. Dieser Datensatz füllt eine wesentliche Lücke in langfristigen hydrologischen Beobachtungsreihen.

Der Artikel „A Machine Learning approach for Total Water Storage Anomaly eXtension back to 1980 (ML-TWiX)“ wurde in der Fachzeitschrift Nature Scientific Data veröffentlicht.

In der Studie wird ML-TWiX vorgestellt, ein globaler Datensatz monatlicher Total Water Storage Anomalies (TWSA), der für den Zeitraum von 1980 bis 2012 rekonstruiert wurde. Der Datensatz schließt eine wesentliche Lücke in langfristigen hydrologischen Beobachtungsreihen, indem er den Beobachtungszeitraum der TWSA über die Ära der GRACE- und GRACE-FO-Satellitenmissionen hinaus erweitert, deren kombinierte Zeitreihen etwas mehr als zwei Jahrzehnte umfassen.

Die kontinuierliche Rekonstruktion der TWSA ermöglicht vielfältige Anwendungen in der Hydrologie, Klimaforschung und Wasserressourcenbewertung und unterstützt Analysen der langfristigen Variabilität und Veränderungen der terrestrischen Wasserspeicherung.

Die Studie wurde am Institut für Geodäsie (GIS), Universität Stuttgart, geleitet und entstand in Zusammenarbeit mit einem internationalen Forschungsteam, unter anderem von der European Space Agency, der ETH Zürich, dem Jet Propulsion Laboratory sowie der University of California, Irvine.

Der vollständige Datensatz ist öffentlich über das DaRUS-Repository der Universität Stuttgart verfügbar (https://doi.org/10.18419/DARUS-5233). Der Artikel selbst ist über den DOI 10.1038/s41597-026-06604-w abrufbar.

Validierung des ML-TWiX TWSA gegenüber dem GRACE TWSA unter Verwendung von drei Leistungskennzahlen: NSE, NRMSE und Korrelation (berechnet anhand von Residuen, d. h. detrendiert und saisonbereinigt). Die Felder (a)–(c) zeigen die Ergebnisse für NSE, NRMSE und Korrelation auf Gitterebene. Die Felder (d)–(f) zeigen dieselben Metriken für 79 große Flusseinzugsgebiete (>200.000 km²). Die Felder (g)–(i) zeigen empirische CDFs von ML-TWiX und anderen rekonstruierten Datensätzen für NSE, NRMSE und Korrelation auf Gitterebene; die Felder (j)–(l) zeigen die entsprechenden Ergebnisse der Flusseinzugsgebiete.

Link zum Artikel

Zum Seitenanfang