（14915期）geoskill-water-balance-calculation – 逐像元水文数据质量诊断专家

逐像元水文数据质量诊断专家 基于水量平衡方程 P=ET+Q+ΔS 的逐像元计算工具，支持合成数据离线验证与多源水文数据一致性评估，输出标准 GeoTIFF 与 JSON 诊断报告。 使用说明 核心用法 本技能执行逐像元水量平衡计算，核心方程为 P = ET + Q + ΔS（降水=蒸散发+径流+蓄水变化）。对每个栅格像元独立计算各水文分量，并量化闭合残差 residual = P − ET − Q − ΔS，最终输出相对闭合误差（mean|residual| / mean P）作为数据质量指标。 提供两种运行模式： 合成数据模式（--synthetic）：离线生成物理闭合的完整数据集（ET≈0.45P，Q≈0.30P），叠加约3mm标准差的高斯扰动，用于无网络环境下的算法验证与教学演示 真实数据模式：接受本地 GeoTIFF 格式的降水栅格，其余分量按经验比例合成或接入外部数据源（如 CHIRPS/GPM 降水、MODIS ET、水文模型径流、GRACE 蓄水变化等） 通过 --bbox 参数定义经纬度边界框，输出包含四波段分量栅格（balancecomponents.tif）、闭合差栅格（closureresidual.tif）及结构化 JSON 报告（waterbalancereport.json）。 显著优点 完全离线运行：默认无网络请求，保护数据隐私，适合敏感或涉密区域的水文分析 标准化输出：符合地理信息行业标准的 GeoTIFF（EPSG:4326）与 JSON 格式，可直接接入 GIS 平台（QGIS、ArcGIS）或数据同化系统 物理一致性验证：合成模式确保理论闭合误差<2%，为遥感产品交叉验证提供基准真值 诊断能力突出：相对闭合误差指标可直接识别多源数据的系统偏差，适用于 GRACE 数据质量评估、蒸散发产品精度检验等科研场景 轻量依赖：仅需 numpy、rasterio、scipy 三个基础科学计算库，部署门槛低 潜在缺点与局限性 真实数据整合门槛高：完整应用需用户自行准备 ET、Q、ΔS 的高质量输入栅格，技能本身不内置数据获取接口 空间分辨率依赖输入：输出精度受限于原始数据分辨率，未提供降尺度或空间插值功能 时间尺度限制：当前示例聚焦于年尺度水量平衡，未显式支持日、月尺度的时间序列处理 经验比例简化：真实数据演示模式中，ET 和 Q 按固定经验比例（0.45P、0.30P）生成，可能不适用于极端气候区或特殊下垫面条件 缺乏不确定性量化：虽提供闭合残差统计，但未对各输入分量的误差传播进行 formal 的不确定性分析 适合的目标群体 水文遥感研究者：需要快速验证降水、蒸散发、径流产品一致性的科研人员 流域水资源管理者：进行闭合差诊断以评估数据同化系统输入质量的工程师 遥感算法开发者：需要离线基准数据集进行算法测试与精度评定的技术团队 高校教学场景：水文学、遥感科学课程的实践教学，演示水量平衡原理与误差分析方法 使用风险 计算性能风险：大区域高分辨率栅格（如全国 1km 分辨率）可能产生内存压力，建议分块处理或降低精度 依赖项兼容性：rasterio 库对 GDAL 版本敏感，Linux 环境需确保系统级 GDAL 库正确安装 数据质量误用风险：合成模式的"完美闭合"特性可能被误解为真实数据可达精度，需明确区分验证模式与真实应用 坐标系统一性：输入多源数据需严格统一至 EPSG:4326，未自动处理投影转换 原始说明 逐像元水量平衡计算 P = ET + Q + ΔS，评估闭合差。Per-pixel water balance computation P = ET + Q + ΔS with closure residual assessment. 输出各分量/闭合差 GeoTIFF + 报告 JSON。