利用重力异常数据构建重力梯度场的方法比较

为实现大范围、高精度基准重力梯度数据库的构建,考虑到重力梯度场对地形质量的敏感效应,一般利用恒密度数字高程模型来求取重力梯度值,从而忽略了地形密度变化以及水准面以下密度异常对重力梯度的影响。根据重力位理论中求解边值问题的数值应用方法,直接利用重力异常数据求取重力梯度场,弥补了密度变化和密度异常在重力梯度上的反映。根据模型算例和实测重力异常数据求取了剖面重力梯度值,结果表明,限于重力数据空间分辨率的影响,利用重力异常数据可恢复中长波段重力梯度场。该方法与地形数据求取重力梯度和卫星重力梯度测量等方法技术相结合,对重力梯度数据库的建设具有实际应用价值。     

联合多源数据确定中国海及周边海底地形模型!

联合船测海深、重力异常和垂直重力梯度异常数据,构建了中国海及周边地区1′×1′海底地形模型。船测海深数据主要用于构建波长大于200km波段的海底地形,垂直重力梯度异常数据用于反演100~200km波段内的海底地形,而重力异常数据用于反演波长小于100km波段的海底地形。以船测海深为检核参考,考察了本文模型在南中国海和菲律宾海地区的精度。结果表明,本文模型精度优于ETOPO1、GEBCO和DTU10模型,在南中国海地区与斯克里普斯海洋研究所(Scripps Institute of Oceanography,SIO)的海底地形模型V15.1精度一致,在菲律宾海地区较V15.1模型精度提高了约8.2%。     

海底地形高次项对海面重力信息影响分析

为了尽可能利用海面重力数据所含地形相关信息,提升依据重力数据反演海底地形结果质量,选择南中国海为试验海区,详细研讨了频率域不同阶次海底地形正演恢复海面重力异常和重力异常垂直梯度在不同海底地形环境下的影响。数值分析试验结果表明,一次项海底地形正演结果对重力信息贡献起主要作用,随着海底地形阶次的增加,相应阶次海底地形正演海面重力信息的幅度不断减弱;海底地形起伏剧烈且起伏幅度较大海区,高阶次海面重力异常和重力异常垂直梯度变化明显,而地形平坦海区正演的海面重力信息变化微弱;重力异常垂直梯度相比重力异常对海底地形高频部分更加敏感,在试验海区依据海面重力数据反演海底地形过程中,若输入数据源为重力异常,建议顾及至二次项海底地形,若输入数据源为重力异常垂直梯度,建议顾及至三次项或者四次项海底地形,从而尽可能利用海面重力数据所包含信息。     

由垂直重力梯度异常反演全球海底地形模型

本文给出了海底地形起伏与垂直重力梯度异常之间的响应函数关系。据此,联合船测海深和垂直重力梯度异常数据,构建了全球75°S~70°N范围内1′×1′海底地形模型。以船测海深为检核参考,考察了本文模型在印度洋南部和西北太平洋地区的精度。结果表明,在考察区域内,本文模型精度优于ETOPO1、GEBCO和DTU10模型,且在印度洋南部与SIO的最新海底地形模型V15.1精度相当,在西北太平洋地区略优于V15.1。探讨了高次项和地壳均衡现象的影响量级,发现两者对反演结果的影响很小,可以忽略。通过与重力异常反演结果的比较,发现垂直梯度异常反演在中短波长部分（100~200km）表现较优。在西北太平洋地区,联合重力异常和垂直梯度数据进行海底地形反演计算,反演结果的精度较V15.1模型提高了约29.5％,说明联合这两种数据可以计算精度更高的海底地形模型。     

基于卡尔曼滤波的地形反演方法及其仿真研究

推导基于卡尔曼滤波的海底地形反演算法,算法通过利用重力梯度仪测量重力梯度异常,提高地形反演的精度和分辨率.结合地形坡度计算理论和矩形棱柱法,建立基于卡尔曼滤波的系统方程和量测方程.对算法进行仿真,分析地形均值误差、随机误差和梯度仪测量精度对反演精度的影响,最后的区域反演仿真结果表明:反演后的地形在精度和分辨率上都有所提...     

利用卫星资料研究中国南海海底地形

基于海洋重力异常与海深之间的密切关系 ,推导了利用FFT技术由重力异常计算海深的模型 ;利用该模型联合卫星测高数据和海洋重力资料反演了中国南海 2 .5′× 2 .5′海底地形 ;探讨了各种地球物理信息对于反演海底地形的影响     

顾及海底地形非线性项的最小二乘配置反演方法

针对目前常用的反演海底地形方法主要考虑海底地形和卫星测高重力数据线性趋势项而忽略非线性项影响现状,提出了顾及海底地形非线性项的最小二乘配置反演方法.选择日本海某海域作为目标海区,利用卫星测高重力异常和重力异常垂直梯度数据作为输入源进行了方法试算并构建了相应的海深模型,然后以实际船测海深作为外部检核参考,评估了反演模型效能,同时分析了反演模型频谱特征.目标海区试验结果表明:相较于本文仅仅考虑海底地形和重力数据线性趋势项采用最小二乘方法建立的海深模型,基于最小二乘配置方法,利用相同重力异常和重力异常垂直梯度数据获得的目标海区反演海深模型检核精度最低分别提高了大约2.5倍和3.5倍,相对精度最高分别提升了9.76％ 和13.07％,极大地提升了海底地形建模质量;采用本文方法建立的海底地形模型在研究海域表现良好,反演模型与S&S V18.1、ETOPO1、GEBCO和BAT_VGG模型在研究海域相关系数均达到了0.95以上;在研究海区本文模型检核精度与S&S V18.1相当,远远优于ETOPO1等海深模型;本文模型可有效改善船测海深相关波段信息(本文反演波段范围为15～160 km),其中重力异常垂直梯度构建的海深模型相比重力异常为输入源建立的海深模型改善船测海深相关波段信息更为明显,验证了本文方法的可行性和有效性.     

利用垂直重力梯度异常反演海底地形的解析方法

目前,基于重力数据反演海底地形方法的主要原理是利用测深数据拟合出海底地形与重力（或重力梯度）数据之间的线性关系,这会导致对不同的海底地形会有不同的线性关系。为了克服这种不确定性的制约,本文基于长方体海山产生的垂直重力梯度的表达式,通过将研究海域进行格网化,建立了垂直重力梯度（vertical gravity gradient,VGG）与海深之间的函数关系,即关于海深的观测方程组,在此基础上,通过模拟计算,验证了观测方程组的解不仅唯一可解,而且具有较好的抗误差干扰性质。由于观测方程组受到研究海域外海山的影响（分为边界效应、远区影响）,因此,需要相应的数学方法来处理这些影响。本文将研究海域进行扩充得到扩展区域,然后在扩展海域上研究观测方程组,此时为了避免观测方程组出现奇异性,引入了正则化方法对扩展后的观测方程组进行求解,并从中截取研究海域上的海深。模拟试验表明,使用正则化方法后,边界效应对反演海深的均方根误差为0.48 m。最后,对南中国海真实海底地形进行了反演计算,将反演的海深与研究海域内的289个船测数据点进行对比,反演结果的均方根误差达到109 m。     

利用扰动重力数据反演海底地形的高斯曲面函数估计方法

利用2017年1月—2020年12月的SARAL卫星测高数据反演得到南海海域1′×1′格网扰动重力数据,通过与船载重力数据比较,精度达到5.5 mGal。提出了利用重力数据及高斯曲面函数求解区域特征参数进而估计海底地形模型的方法,利用SARAL卫星反演获得的重力数据在南海海域开展了计算试验。结果表明,利用ETOPO-1先验模型,在10×10格网一组划分条件下估计得到的1′×1′海底地形精度相对于先验模型提高了约10 m;利用DTU18先验模型,在9×9格网一组划分条件下估计得到的1′×1′海底地形精度相对于先验模型提高了约9 m。计算结果表明,利用卫星测高反演得到的重力数据,通过高斯曲面函数解算获得的5个特征参数,可以在一定程度上代表相应区域海底地形的曲面特征,进而可在不依赖外部实测数据条件下对先验海底模型进行精化。对于曲面估计而言,格网划分越小,曲面函数就越能反映区域变化特征。因此,对于未来卫星测高技术发展而言,更高分辨率的重力场探测技术有望继续提升海底地形细节的反演能力。     

利用重力异常信息获取梯度全张量

重力位二阶梯度张量反应了重力异常的空间变化率[1],特别适合于探测或研究局部的小地质体及其细节.本文在地球外部重力场基本理论的基础上,围绕如何利用重力异常信息计算获取重力梯度张量的理论与方法展开了研究.通过实验对比,验证了重力梯度较之于重力异常更能反应细致的局部特征.