准确测算由陆地水和陆地冰的质量变化引起的海洋质量变化（简称LMIOM）对于理解区域海平面变化的驱动因素具有重要意义。GRACE及GRACE Follow-On（GFO）重力卫星数据可用于评估陆地各成分的时空变化，从而确定LMIOM的变化。然而，受信号泄露误差的影响使得准确地估计LMIOM变化成为挑战。在多种信号泄露恢复方法中，Forward Modeling（简称FM）方法被证明更加适用于全球质量变化的恢复。但在FM迭代中，海洋质量分布约束的可靠程度会直接影响恢复结果的精度。目前发展了FM均匀薄层（简称UNI）和FM海平面指纹（简称SLF）两种模型，相比于FM UNI模型而言FM SLF模型假设持续变化的陆地水和冰将会以海平面指纹的形式流入海洋，更加符合理论认知。但其空间分布的改变将会使FM UNI和FM SLF模型恢复的全球平均海洋质量变化（简称GMOM）速率存在0.11 mm/year左右的差异，进而由两种模型估算的区域海洋质量变化速率也会普遍存在系统性差异。此外，FM UNI和FM SLF模型均忽略了GRACE及GFO观测中未被很好建模的大气与海洋动力学信号（简称RAOS）。模拟实验结果表明：（1）虽然RAOS的GMOM变化速率几乎为0，但在FM UNI和FM SLF迭代中被错误地建模，从而对恢复的GMOM变化速率产生0.14 mm/year左右（占模拟实验中真值的7%左右）的影响。且值得注意的是在迭代过程中将RAOS错误地建模为UNI或SLF的形式，其对恢复海洋质量变化速率的影响基本一致（在检测区域内差异占比最大不到3%）。（2）与FM UNI模型相比，FM SLF模型恢复结果与真实值更加符合。但在某些特定区域内，RAOS信号的影响是不可忽略的。

海洋质量变化速率,信号泄露恢复,海洋质量空间分布