李婉秋

1. 山東建筑大學(xué)測(cè)繪地理信息學(xué)院, 山東 濟(jì)南 250101; 2. 中國(guó)測(cè)繪科學(xué)研究院, 北京 100830

準(zhǔn)確測(cè)定陸地水變化及其負(fù)荷形變，對(duì)揭示陸地水循環(huán)、維持高精度地球參考框架具有重要科學(xué)意義。結(jié)合GNSS非線性高程時(shí)序與環(huán)境負(fù)荷，可利用殘余變化研究陸地水負(fù)荷。依據(jù)陸地水負(fù)荷運(yùn)移與地球重力場(chǎng)之間物理機(jī)制，基于時(shí)變重力場(chǎng)對(duì)陸地水儲(chǔ)量及其負(fù)荷形變定量監(jiān)測(cè)。論文研究融合GNSS和GRACE數(shù)據(jù)監(jiān)測(cè)陸地水負(fù)荷形變的理論與方法，結(jié)合地球物理模型和實(shí)測(cè)資料分析陸地水儲(chǔ)量變化及其負(fù)荷形變時(shí)空特性，論文主要工作和研究成果如下：

(1) 驗(yàn)證了GRACE泄漏誤差改正方法并進(jìn)行應(yīng)用分析。完整推導(dǎo)了基于大尺度流域泄漏誤差改正的三次濾波核函數(shù)法理論公式，并驗(yàn)證其可靠性；結(jié)果表明該方法相比偏差修正法、乘法修正法、尺度因子法，精度RMS分別提高了15%、37%和35%。采用尺度因子法定量反演小尺度區(qū)域水儲(chǔ)量變化，以關(guān)中地區(qū)為例，改正后GRACE泄漏誤差減小了8%，與實(shí)測(cè)地下水位具有很好的一致性。采用正向建模方法定量估算中長(zhǎng)空間尺度水儲(chǔ)量變化，以青藏高原為例，恢復(fù)泄漏信號(hào)后的模擬信號(hào)精度提高了近30%。

(2) 系統(tǒng)研究了基于奇異譜分析的GNSS時(shí)序處理優(yōu)化方案，包括數(shù)據(jù)插值、信噪分離、信號(hào)提取。結(jié)果表明：相比傳統(tǒng)插值方法，SSA迭代插值法的插值精度最高，高程方向均優(yōu)于5 mm；相比小波變換與FFT，SSA濾波法信噪分離效果最優(yōu)；相比最小二乘擬合法，GNSS序列周期信號(hào)提取更為準(zhǔn)確?；诙嗤ǖ赖钠娈愖V分析算法重構(gòu)的時(shí)序精度普遍高于FFT多周期重構(gòu)法，研究區(qū)92%測(cè)站經(jīng)MSSA方法重構(gòu)后精度均有改善，精度提升了2.01%～16.89%。

(3) 驗(yàn)證了GNSS高程方向位移監(jiān)測(cè)區(qū)域水儲(chǔ)量變化方法的可靠性。按附有約束條件法解決反演模型秩虧的問題，依托地殼負(fù)荷彈性形變理論，獲取GLDAS模型模擬結(jié)果，以此評(píng)估GNSS多次迭代反演算法穩(wěn)定性，結(jié)果表明GNSS反演方法穩(wěn)定性與基準(zhǔn)站點(diǎn)的密集程度有關(guān)；相比直接解算法，多次迭代反演結(jié)果與模擬信號(hào)局部特征比較一致；揭示了GNSS反演的區(qū)域陸地水儲(chǔ)量及其垂直負(fù)荷形變特征，并從定性角度探討了與GRACE監(jiān)測(cè)結(jié)果時(shí)空共性。

(4) 研究了融合GNSS與GRACE數(shù)據(jù)監(jiān)測(cè)區(qū)域陸地水負(fù)荷形變的方法。聯(lián)合反演結(jié)果顯示了區(qū)域陸地水負(fù)荷垂直形變具有明顯的季節(jié)性特征，位移形變量約為-12 mm～12 mm。相比單一監(jiān)測(cè)手段，聯(lián)合反演后在遠(yuǎn)離CORS站覆蓋區(qū)的邊界處出現(xiàn)了相對(duì)理想的物理信號(hào)，彌補(bǔ)了GNSS反演在積分遠(yuǎn)場(chǎng)的不足；地表垂直位移變化較大的區(qū)域集中在CORS站覆蓋范圍，主要反映了GNSS信號(hào)特征，空間分布相比GRACE結(jié)果具有更高空間分辨率，與Mascon形變解也比較吻合。

(5) 利用GRACE-FO重力數(shù)據(jù)揭示了近10個(gè)月我國(guó)陸地水儲(chǔ)量變化特征；利用改進(jìn)的Hard與PREM模型分析區(qū)域地球結(jié)構(gòu)差異對(duì)GRACE-FO反演我國(guó)陸地水負(fù)荷垂直形變的影響。結(jié)果表明：60階徑向勒夫數(shù)相對(duì)差異接近4.27%，前60階最大形變差異位于瀾滄江流域，幅值約0.7 mm/a。構(gòu)建了補(bǔ)償兩代重力衛(wèi)星銜接期水儲(chǔ)量變化的SSA迭代算法。在我國(guó)6個(gè)試驗(yàn)區(qū)精度大多高于ARMA模型，預(yù)測(cè)趨勢(shì)與Mascon解、GLDAS模型及GRACE-FO結(jié)果整體相一致。