利用小波分析IGS跟踪站的非线性运动特征

以中国大陆区域IGS站为例,利用小波变换提取GPS位置时间序列中的半周年、周年、两周年和长期项运动信息,对非线性运动特征的多分辨分析表明:对于周年和半周年运动,水平方向和高程方向的规律特征存在明显差异,两周年运动的周期性较弱且振幅不大,长期项中仍存在较大的波动起伏.对周期性最为明显的垂向季节性运动进行重点分析,从地球物理因素、测站环境和数据解算等方面探讨季节性运动的影响因素.     

华北区域GNSS基准站高程时间序列的非线性变化分析

基于陆态网络全球卫星导航系统（GNSS）观测成果，采用功率谱分析法和最小二乘方法，以华北地区为例，研究了区域基准站高程时间序列的非线性变化特征，并分析了不同环境负载的影响.结果表明，GNSS基准站高程方向存在显著的周年和半年周期特征，且周年特征要显著于半周年特征.位于不同地区的基准站的振幅和相位存在差异，华北平原南部地区的周年振幅要大于北部地区，整体上华北地区周年变化在秋季时节振幅达到最大.不同环境负载效应对华北GNSS高程位移的影响不一致，利用三种环境负载修正GNSS序列后，水文负载的修正效果最好，非潮汐大气负载次之，非潮汐海洋负载修正结果不理想.      

GNSS高程时间序列周期项的经验模态分解提取

针对传统方法——常振幅常相位的周年+半周年谐波模型法不能准确提取GNSS高程时间序列中周期项问题,该文以中国区域10个IGS基准站在ITRF2008框架下2005—2015年高程时间序列为例,采用经验模态分解(EMD)提取各测站高程时间序列的周期项。对传统方法和EMD两种方法提取的周期项做Lomb_Scargle谱分析,用功率谱图分析了这两种方法提取序列周期项的能力。实验结果表明,EMD方法较传统方法更能准确、自适应地提取GNSS高程时间序列的周期项。     

TOPEX/Poseidon卫星监测博斯腾湖水位变化及其与NINO3 SST的相关性分析

利用TOPEX/Poseidon(T/P)卫星10年（1992~2002）监测博斯腾湖水位变化的GDR数据,经过数据的地球物理改正、编辑、约化和滤波后,分别采用小波分析和傅里叶分析得到了博斯腾湖水位变化的平均周期为1034d,363d,182d和47d。季节性变化是湖泊水位变化的主项,利用最小二乘法得到了周年振幅为0.7196m,半年振幅为0.5322m,因此季节性变化的主周期是周年,次周期是半年。博斯腾湖水位变化变化趋势为0.2012m/a,说明在全球气候变暖趋势下,博斯腾湖水位在升高。由博斯腾湖月水位变化的时间序列与NINO3 SST进行相关性分析,发现在NINO3 SST 发生6个月后,博斯腾湖月水位变化序列与NINO3 SST数据相关性最大(-0.2784),表明厄尔尼诺事件对我国西部气候影响的具有一定的滞后性。     

热膨胀效应对GNSS基准站垂向位移非线性变化的影响

天线观测墩及基岩的热膨胀效应会造成GNSS基准站坐标时间序列高程方向的非线性变化。本文提出了一种计算热膨胀效应导致的基准站垂向位移的改进方法:首先利用基岩热膨胀模型和基准站地表温度数据,分别计算热膨胀效应对基准站天线观测墩和基岩的影响量;其次,利用最小二乘拟合方法,同时估计模型中周期项的周期、振幅、相位等信息,而已有方法仅估计振幅与相位信息;最后,基于改进的模型,分析了基准站垂向位移的周期性特征变化。本文利用该方法分析了有代表性的9个IGS基准站的数据。结果表明:基岩热膨胀和天线观测墩热效应能造成测站垂直方向位移变化;在分析的基准站中,最大影响分别可达0.57mm和1.85mm;热膨胀效应造成的GNSS基准站垂直方向位移时间序列具有周年和半周年周期特性,分别可以解释测站U方向坐标时间序列季节性变化的11.2%和3.3%,影响大小随测站纬度的增加而增加,且半周年影响明显小于周年影响;同时,部分测站发现了其他小周期的影响(约51d)。此外,基于该方法,选取了全球107个IGS站,计算了热膨胀造成的各测站垂向位移周年振幅及其相位,结果显示周年振幅最大可达3.3mm,其大小和测站纬度具有比较明显的相关性。     

利用2006—2015年VLBI数据进行地球定向参数解算与分析

目前正处在下一代甚长基线干涉测量（very long baseline interferometry，VLBI）系统的建设时期。利用维也纳VLBI与卫星软件（Vienna VLBI and satellite software，VieVS）解算了2006—2015年的VLBI数据，得到了10 a的地球定向参数（Earth orientation parameters，EOP）时间序列，并与国际地球自转服务机构的结果进行了对比。利用解算结果得到了10 a的日长变化时间序列，通过傅里叶分析得出了日长变化的短周期、半月周期、月周期、半年周期和周年周期，同时还分析得到了极移序列中的周年项和张德勒周期项以及章动改正序列中的自由核章动项。此次解算工作可为武汉大学卫星台站日后的VLBI数据解析积累一定的经验。     

联合小波和方差分量估计方法分析中国IGS测站时间序列变化特征

利用小波谱分析了中国区域IGS（International GNSS Service）站坐标时间序列中周期信号成分及其随时间的变化,根据小波谱中小波系数的能量在时域上的变化对时间序列进行分段,然后采用方差-协方差验后估计法分析了白噪声+闪烁噪声组合模型下测站在不同时间段的运动特征及变化规律。结果表明,中国区域的IGS站运动特征在不同时间段内是变化的,其中URUM站垂直速度变化大于4 mm,BJFS以及CHAN站水平速度变化大于2 mm,其余站速度变化均在2 mm以内;周年、半周年信号的振幅也均有差异,其中BJFS站垂直分量周年振幅变化最大,超过5 mm;此外,强度较弱的其他周期项存在于分段时间序列中,但其对速度、周期振幅以及噪声分量估计结果影响较小;对时间序列进行分段估计,所得的参数不同,其相差程度可反映出不同时间段内的板块运动等地球物理因素变化的差异。     

热膨胀效应对GNSS短基线坐标时间序列影响研究

天线观测墩及基岩的热膨胀效应会造成全球卫星导航系统(GNSS)基准站坐标时间序列非线性变化,本文利用长期观测数据评估了热膨胀效应对GNSS短基线时间序列周期特性的影响. 结果表明:热膨胀效应在高程上可以引起约1 mm的季节性周年信号,可以很好地解释GNSS短基线时间序列中的周期信号,而对平面方向的贡献不大,但是观测墩因日光照射受热不均产生的热弯曲对平面方向上的影响应予以考虑.      

利用CEEMD分析中国沿海GNSS站高程时序变化

利用完备经验模态分解方法（CEEMD）对我国沿海地区6个GNSS基准站（2010—2018）的高程时序数据进行了处理分析。结果表明：CEEMD在高程时间序列分析中具有一定的优越性，可准确分解出各GNSS站高程时序中存在的周、月、季节、年等变化周期项，其中周年运动是主要贡献项，各站高程时间序列的短周期变化与潮汐变化周期具有密切关联性；沿海GNSS站的地面沉降既具有区域的一致性，又存在区域间差异性，其中D区DBJO、DZJJ站呈现先下降后上升的趋势，N区NZUH、NWZU站呈下降趋势，B区的BZMW呈上升趋势，而同海区的BLHT站则呈显著的下降趋势。     

利用GNSS数据分析大港验潮站地壳沉降

青岛大港验潮站的地壳沉降关系到该站平均海平面的绝对变化,因而也就关系到我国高程基准面的变化。本文利用青岛GNSS基准站约10年的观测数据对该站的地壳沉降变化进行分析。首先将青岛GNSS基准站纳入由50个国际IGS站和43个国内陆态网络基准站组成的全球网中,进行单日松弛解和单日约束解解算,获得该站坐标时间序列。然后对该站垂向坐标时间序列进行分析,利用粗差探测、偏差探测、趋势项分析、频谱分析等方法对粗差、偏差、趋势项和周期项进行探测、分析,并通过时间序列模型估计获得时间序列中的周期项振幅和偏差估值。分析表明青岛GNSS基准站垂直方向近一段时间未发现存在显著性的地壳沉降变化,但受到比较明显的周年和半周年周期变化影响。结合青岛大港验潮站验潮数据分析结果得出结论:青岛大港验潮站平均海平面的绝对上升速率是1.62mm/a。     

GPS参考站垂直位移时间序列的主成分分析

利用了主成分分析方法,分析了中国地壳运动观测网络主要基准站垂直位移时间序列的频谱特征,得出了站点的垂直位移变化具有很强的周年变化特征。     

汶川地震前后四川盆地CORS站运动特性分析

为探讨四川盆地在汶川地震前后地壳运动的规律,本文对2006年3月至2012年9月四川12个连续运行参考站（Continuously Operating Reference Stations, CORS）6年多的观测资料进行了详细的处理和分析。通过比较震前震后CORS站运动的相似性和差异性发现：由于震后形变的影响,震后第一主成分(Principle Component First, PC1)的贡献率下降20%~40%;震后多站的速度场发生了明显的变化,突出表现在PIXI,CHDU,MYAN等站,YAAN,QLAI站处于闭锁状态;盆地垂直分量的周年振幅在震前一年偏大,震后逐年减小。以上发现表明汶川地震可能改变了四川盆地原有的运动特性。     

基于台州及周边地区CORS站网地表形变时空特征分析

基于台州地区15个连续运行参考站（CORS）2017-2019年的时间序列,对其进行线性拟合,构造三维速度场,并利用功率谱分析及小波变换分析其CORS站周期特征．发现台州地区CORS中基准站水平方向具有平均站速度33.58mm／a,运动方向为东南的水平运动现象,高程方向最大抬升速率3 mm/a,最大沉降速率1 mm/a;从周期上看,CORS站垂直方向相较于水平方向明显很多,具有明显的年周期、半年周期以及季节周期．      

中国大陆GPS基准站的时间序列特征

利用1999年3月至2002年3月期间“中国地壳运动观测网络”25个GPS基准站与周边国家IGS站的观测资料，进行了时间序列分析研究，并对提高GPS基准站的观测精度进行了探讨。结果表明，GPS基准站的时间序列具有一定的周期性，高程分量的周期性最为明显，GPS点位高程时间序列拟舍曲线的波峰和波谷出现的时间表现为区域性的不同。     

基于IGS的南北半球TEC非对称性研究

利用2000~2012年的IGS电离层TEC数据,研究了南北半球电离层TEC的非对称性。首先对南北半球TEC日平均值的不对称指数(AI)进行了研究,结果表明,AI的极大值的绝对值集中在0.4左右,极小值的绝对值集中在0.3左右,表明南北半球电离层TEC存在数值上的非对称性;通过傅里叶变换,发现AI存在1 a和1/3 a周期;每年北半球电离层TEC高于南半球电离层TEC的时间比例均大于50%,平均值为58%,表明了南北半球电离层TEC存在时间上的非对称性。然后进一步分析了南北半球TEC年平均值的差异,发现了北半球TEC年平均值高于南半球的规律,2000~2012年的南北半球TEC年平均值的不对称指数在0.036左右。最后从全球大气分布及运动规律的南北非对称性和热层年度变化赤道非对称性两个角度,对南北半球电离层TEC的非对称性产生的原因做了初步分析。     

利用GPS垂直位移反演云南省陆地水储量变化

地表质量的重分布会引起固体地球的弹性形变,GPS连续运行观测站能够精确测定地表负荷引起的地壳形变。本文通过模拟数据对利用云南省及其周边47个中国大陆构造环境监测网（陆态网）台站反演云南地区陆地水储量的可行性进行分析：以水文模型周年振幅为真值,计算47个台站点的负荷形变,同时加入随机误差构成模拟观测数据,最后采用模型反演陆地水储量变化;1000次的随机模拟试验表明利用当前GPS台站数据可有效地反演云南地区陆地水储量变化。基于上述结论,笔者反演了云南省2010—2014年陆地水储量变化,GPS反演结果表明：云南省陆地水变化呈现明显的地域分布特征,西南部高山地区的水储量周年变化高于东部平原地区;在时间尺度上,云南省大部分地区水储量在10月（夏季末）达到最大值,在4月（冬季末）达到最小值;云南省2010—2014年陆地水呈缓慢增长趋势,约为20 mm/a。通过GPS陆地水储量反演结果与GRACE、GLDAS以及TRMM数据综合对比分析,表明利用云南地区当前GPS台站可以作为独立观测量用于GRACE与GRACE Follow-on衔接期间的陆地水储量变化监测。     

温度变化对中国大陆三维周年位移的影响

除了地表质量重新分布外,地表温度变化是影响地表周年变化的另一重要成因。本文利用全球温度变化数据,基于三维全空间热弹性形变模型,计算温度变化在中国大陆引起的地表热弹性形变,并讨论它对中国大陆三维周年位移的影响。结果表明,温度变化引起的地表周年变化振幅在毫米量级。中国大陆构造环境监测网络(简称:陆态网络)GPS台站受地表温度变化影响最大的台站是HLAR(海拉尔),东向、北向以及垂向的周年振幅矢量和为~2.293mm;影响最小的台站是HIYS(永暑礁),东向、北向以及垂向的周年振幅矢量和为~0.177mm。为了说明温度变化对地表周年形变的影响,本文联合GRACE以及物质负荷模型(MODEL)研究中国大陆地表三维周年位移。考虑温度变化后的MODEL、GRACE获取的地表周年形变在东向、北向、垂向的周年信号分别改进了6%、6%、2%;16%、5%、15%。结果表明,温度变化是物质负荷以外引起大陆地表形变的重要因素。     

The Palestine Exploration Fund Map (1871–1877) of the Holy Land as a Tool for Analysing Landscape Changes: the Coastal Dunes of Israel as a Case Study

Abstract

The Palestine Exploration Fund (PEF) maps (1871–1877) are highly praised for their accuracy and completeness; however, no systematic analysis of their accuracy has been done to date. To study the potential of these 1:63,360 maps for a quantitative analysis of land cover changes over a period of time, I have compared them to 20th century topographic maps. The map registration error of the PEF maps was 74.4 m using 123 control points of trigonometrical stations and a 1st order polynomial. The median RMSE of all control and test points (n = 1104) was 153.6 m. As a case study of land cover changes, the area of coastal dunes as shown on the PEF maps was compared with that shown on British Mandate 1:20,000 topo-cadastral maps from c. 1930. In five of the six areas analysed, the yearly dunes movement rate was above the estimated annual error due to data resolution (2.96 m/year). The rate of dune movement south of Acre was found to be between 3.9 and 6.3 m/year (depending on the method used for map registration) between 1874 and 1930. Care should be taken when analysing historical maps, as it cannot be assumed that their accuracy is consistent at different parts or for different features depicted on them.     

Counterfactual reasoning in space and time: Integrating graphical causal models in computational movement analysis

Movement analysis is distinguished by an emphasis on understanding via observation and association. However, an important component of movement from the human and computer modeling perspective is the processes that bring about movement behavior in the first place. This article contextualizes the graphical causal modeling framework (for association, intervention, and counterfactual causal analysis) in GIScience, and more specifically within movement analysis studies. This is done by modeling the movement behavior of football players, applied to spatiotemporal data generated by an agent-based simulation. The movement dataset is thoroughly analyzed to infer the statistical associations among its variables, to estimate the effect of an intervention on some of those variables, and to answer a few counterfactual questions from the observations. We conclude that causal graphs (i.e., directed acyclic graphs), if implemented correctly, can assist analysts in infering causal relations from movement data. This research suggests the integration of causal graphs and agent-based paradigms as one solution for computational movement analysis.