李辰風(fēng)

長(zhǎng)江三峽勘測(cè)研究院有限公司(武漢)，湖北 武漢 430074

水文負(fù)荷、非潮汐大氣負(fù)荷和非潮汐海洋負(fù)荷等環(huán)境負(fù)荷變化會(huì)引起地殼的彈性形變，這是造成地表非線性變化的主要因素。在利用GNSS等現(xiàn)代大地測(cè)量技術(shù)高精度監(jiān)測(cè)地殼構(gòu)造運(yùn)動(dòng)時(shí)，必須扣除這些彈性環(huán)境負(fù)荷的影響。論文首先系統(tǒng)地研究水文負(fù)荷、非潮汐大氣負(fù)荷和非潮汐海洋負(fù)荷引起的全球和區(qū)域地表形變對(duì)GNSS坐標(biāo)時(shí)間序列的影響，從GNSS坐標(biāo)時(shí)間序列中扣除環(huán)境負(fù)荷引起的地表形變從而提高GNSS監(jiān)測(cè)地殼運(yùn)動(dòng)的精度。同時(shí)，為了提高環(huán)境負(fù)荷形變模擬計(jì)算的精度，基于CRUST1.0對(duì)地球模型(preliminary reference earth model，PREM)進(jìn)行了改進(jìn)，得到了基于站點(diǎn)的格林函數(shù)，從而使環(huán)境負(fù)荷形變模擬計(jì)算更加精確。最后提出一種自適應(yīng)奇異譜分析方法，有效地提取了GNSS時(shí)間序列中由于彈性環(huán)境負(fù)荷引起的時(shí)變周期信號(hào)。主要研究?jī)?nèi)容和成果如下。

(1) 計(jì)算了全球502個(gè)IGS參考站6種水文負(fù)荷、7種非潮汐大氣負(fù)荷和6種非潮汐海洋負(fù)荷模型引起的三維地表形變。通過相關(guān)性分析和WRMS(weighted root mean square)減小率系統(tǒng)評(píng)估了這些環(huán)境負(fù)荷形變對(duì)GNSS坐標(biāo)時(shí)間序列產(chǎn)生的影響，并研究了不同環(huán)境負(fù)荷模型的差異。結(jié)果表明，在負(fù)荷改正后，80%以上測(cè)站的WRMS減小率為正值，其中，加入非潮汐大氣負(fù)荷改正后WRMS減小率中位數(shù)最大，其值為8.43%。同時(shí)，根據(jù)WRMS減小率絕對(duì)值和差異性分析，就全球IGS參考站而言，EOST-MERRA、EOST-ECMWF和GFZ-EMPIOM分別是消除高程時(shí)間序列中水文負(fù)荷、非潮汐大氣負(fù)荷和非潮汐海洋負(fù)荷效應(yīng)的最佳模型。

(2) 綜合分析了水文負(fù)荷、非潮汐大氣負(fù)荷和非潮汐海洋負(fù)荷構(gòu)成的252種組合負(fù)荷對(duì)502個(gè)IGS參考站坐標(biāo)時(shí)間序列的影響。分別通過GRACE(gravity recovery and climate experiment)球諧分析和地球物理模型求得總環(huán)境負(fù)荷形變，將其與502個(gè)IGS參考站坐標(biāo)時(shí)間序列進(jìn)行對(duì)比分析，發(fā)現(xiàn)組合負(fù)荷改正能使GNSS坐標(biāo)時(shí)間序列U、E、N 3個(gè)分量的WRMS分別減少11%～14%、1%～3%和3%～5%。

(3) 采用“陸態(tài)網(wǎng)”220個(gè)GNSS基準(zhǔn)站坐標(biāo)時(shí)間序列綜合分析了不同環(huán)境負(fù)荷改正對(duì)中國大陸區(qū)域噪聲特性和速度場(chǎng)估計(jì)的影響。研究表明，在分別加入不同非潮汐大氣負(fù)荷改正后，GNSS高程時(shí)間序列WRMS減小率的差異可達(dá)15%，加入不同組合模型負(fù)荷改正后，GNSS高程時(shí)間序列WRMS減小率的差異可達(dá)20%；且組合模型負(fù)荷改正前后，GNSS水平速度場(chǎng)的差異可達(dá)3 mm/a。

(4) 利用最新的地殼模型CRUST1.0對(duì)地球模型PREM進(jìn)行區(qū)域精化，獲得了RPREM(refined PREM)精化地球模型，從而可以計(jì)算得到基于站點(diǎn)的格林公式，改進(jìn)了目前常用格林公式同質(zhì)且各向同性的問題。根據(jù)此精化方法，分別計(jì)算出“陸態(tài)網(wǎng)”Ⅰ期27個(gè)和云南地區(qū)“陸態(tài)網(wǎng)”Ⅱ期25個(gè)基準(zhǔn)站2010年1月—2015年12月基于RPREM精化地球模型水文負(fù)荷引起的地表形變。與采用PREM地球模型相比，總形變平均相對(duì)差異分別為11.78%和14.14%。

(5) 提出了一種自適應(yīng)奇異譜分析方法，對(duì)GNSS坐標(biāo)時(shí)間序列中主要由環(huán)境負(fù)荷引起的時(shí)變周期性地表形變進(jìn)行提取。針對(duì)奇異譜分析嵌入窗口和主分量選擇的問題，結(jié)合頻譜分析和改進(jìn)的跡矩陣對(duì)算法進(jìn)行改進(jìn)，提出了一種自適應(yīng)奇異譜分析方法。該方法具有智能化，能自適應(yīng)地設(shè)置嵌入窗口大小，準(zhǔn)確提取大量GNSS坐標(biāo)時(shí)間中由環(huán)境負(fù)荷引起的時(shí)變周期性地表形變，且單個(gè)時(shí)間序列提取效率是奇異譜分析的6倍，從而使奇異譜分析更加適用于全球GNSS站點(diǎn)的時(shí)變周期信號(hào)分析。