北京市CORS站坐标时间序列噪声分析

针对北京市CORS站的稳定性问题,该文利用GAMIT/GLOBK软件对北京市13个CORS站2016—2018年的观测数据进行了处理,获取了原始坐标时间序列和坐标残差时间序列,通过极大似然估计的方法对CORS基准站进行了噪声模型分析和区域速度场估计。结果表明,北京市CORS站坐标时间序列的最佳噪声模型为WN+FN+RWN组合模型;采用NEU方向的最佳噪声组合模型对北京市CORS站进行区域速度场估计,BJTZ、CHAO、DSQI、XNJC站的沉降较为严重,其他CORS站N方向速度估值在7.2~14.3 mm/a,E方向速度估值在27.5~32.5 mm/a,U方向速度估值在2.0~8.5 mm/a。     

顾及MLE的IGS坐标时间序列噪声模型特性分析

以30个GPS基准站坐标序列为对象,提出分别采用赤池信息量准则（AIC）与贝叶斯信息准则（BIC）噪声模型估计准则判定GPS时间序列噪声特性,对比分析GPS时间序列噪声模型特性,探讨不同噪声模型对GPS站速度及其不确定度的影响. 结果表明GPS站坐标序列噪声模型主要表现为FN+WN、PL及FN+RW+WN噪声模型特性;FN+WN噪声模型对GPS站速度估计值的影响相对较小,但在U分量影响最为明显;此外,RW对站速度不确定度的影响不可忽略, 正确获取模型参数估计的实际不确定度及改正噪声分量对于合理应用GPS坐标时间序列数据具有重要的意义.      

GNSS坐标时间序列噪声特征分析

为了研究我国目前建立的连续运行参考网络（CORS）GNSS基准站的坐标时间序列噪声特征是否与国际领域研究的成果相符合,对江苏CORS网连续3年24个分布均匀的GNSS基准站的数据进行处理,利用GAMIT软件获取了各基准站的坐标时间序列,并利用CATS软件采用最大似然估计法对坐标时间序列的噪声特征进行了分析,结果表明：GNSS基准站坐标时间序列不仅包含白噪声,还包含有色噪声;GNSS基准站坐标时间序列在N、E、U方向的噪声类型并不完全一致,其中N、E方向的最佳噪声模型为“WH＋FN＋RWN”,U方向的最佳噪声模型为“WH＋FN”.     

东北陆态网坐标时序有色噪声及环境负载分析

利用Hector软件解算我国东北地区16个陆态网络连续站近10 a的时间序列观测数据,获取连续站坐标残差时间序列数据,进而确定最优噪声模型,最终得出基于有色噪声(CN)以及环境负载改正后的速度场. 结果表明:东北地区陆态网络坐标时间序列数据中主要存在白噪声(WN)、闪烁噪声(FN)与幂律噪声(PL);北(N)和天顶(U)方向的最优噪声模型为WN+FN;E方向的最优噪声模型均为WN+PL. 在顾及CN及环境负载的影响下,东北地区陆态网络基于ITRF14框架下在N方向上运动的平均速率为?13.003 mm/a,东(E)方向上运动的平均速率为27.020 mm/a,U方向上运动的平均速率为0.528 mm/a,整体呈隆升趋势.      

环渤海区域GPS坐标时间序列噪声分析

本文以环渤海区域GPS基准站2013年至2018年观测数据为基础,从噪声特性及时间序列参数方面进行分析。利用最大似然估计法估计环渤海区域27个测站坐标时间序列在不同噪声模型下的噪声量级及时间序列参数。针对最佳噪声模型,利用谱指数和最大似然估计两种方法分别从定性和定量确定。结果表明,测站的最佳噪声模型主要有WN+FN和WN+FN+RWN两种模型组合,绝大多数测站的最佳噪声模型为WN+FN,其中WN+FN+RWN模型主要分布在基岩类型为土层的基准站上,WN+FN模型主要分布在基岩类型为基岩的基准站上。     

香港CORS站坐标时间序列分析研究

针对不同地区连续运行参考站(CORS)坐标时间序列周期特性与噪声特性存在的差异性问题,本文采用功率谱分析法和极大似然法分析香港卫星参考站网(SatRef)的坐标时间序列. 研究结果表明,参考站点的三个坐标分量上都存在明显的年周期项与半年周期项. 各参考站坐标分量上的噪声特性存在多样化的特征,白噪声(WN)加闪烁噪声(FN)是主要噪声模型,仅考虑WN而忽视有色噪声(CN)的做法会大大低估参数估计的不确定度. 根据最优噪声模型估值得出的SatRef站速度场在水平方向上有整体向东南方向运动的趋势,与华南块体的运动结果基本一致.      

顾及有色噪声影响的甘肃境内CMONOC基准站坐标时间序列分析

针对甘肃省境内19个CMONOC基准站坐标时间序列结果,采用极大似然估计法（MLE）探讨了各基准站的最优噪声模型,确定了基准站的速度场,并分析了甘肃省地壳运动状况. 研究结果表明:甘肃省境内CMONOC基准站各坐标分量噪声特性存在较大的差异,“白噪声+闪烁噪声（WN+FN）”为最优噪声模型,能够更好地描述基准站坐标时间序列3分量上的噪声特性,且估算的速率不确定度是仅考虑WN时的4~15倍. 甘肃省CMONOC基准站在ITRF14框架下水平方向运动的平均速率为34.54 mm/a,运动方向为SEE 98.07°;相对于欧亚板块的水平方向运动的平均速率为6.49 mm/a,运动方向为NEE 79.23?°.      

内蒙古陆态网络坐标时间序列噪声分析及速度场修正

利用中国地震局全球卫星导航系统(GNSS)数据产品服务平台获取内蒙古自治区境内15个陆态网络连续站2010-06—2021-06的观测数据,通过GAMIT/GLOBK软件、HECTOR软件解算得到去奇异值后的坐标时间序列,最后结合贝叶斯信息量准则(BIC)数值分析确定最优噪声模型:内蒙古自治区坐标时间序列在东(E)方向的最优模型为白噪声+闪烁噪声 (WN+FN),在北(N)和天顶(U)方向的最优噪声模型为白噪声+幂律噪声(WN+PL). 采用最佳噪声模型对速度场进行修正,在ITRF14框架下,内蒙古地区陆态网络连续站的平均运动速率为30.653 mm/a,运动方向为26°57′51″SEE;垂直方向上平均运动速率为0.792 mm/a.      

京津地区GNSS坐标时间序列噪声特性研究

针对地表质量负荷对京津地区GNSS坐标时间序列噪声特性的影响,选取中国大陆构造环境监测网络8个GNSS基准站2012—2014年的坐标时间序列,利用CATS软件计算大气压、非潮汐海洋、积雪和土壤湿度等质量负载改正前后GNSS坐标时间序列的谱指数、最优噪声模型、速度的变化。发现地表质量负载对GNSS坐标时间序列的噪声特性产生了明显影响。结果显示,京津地区GNSS坐标序列包含白噪声和有色噪声,且最优噪声模型具有多样性。扣除质量负载后N、U分量的噪声模型变化明显,主要表现为FN+WN和PL+WN,而N、E分量的谱指数分别趋近于FN和WN。质量负载改正后基准站U方向的线性速度变化较大,且北京地区变化量大于天津地区。研究结果为提高GNSS数据解算精度、精细分析地壳形变提供参考。     

ETS对GPS站坐标时间序列噪声模型建立影响分析

间歇性震颤与滑移ETS是一种大陆地区地震观测中未知的弱震动信号,分析ETS运动对GPS测站的影响有助于建立更为准确的GPS基准站运动模型,为地球动力学研究提供有价值的参考资料。文中以20个GPS基准站为研究对象,对FN+WN、PL+WN、GGM+WN及FN+RW+WN 4种不同噪声模型组合进行噪声分析,探讨ETS对GPS站坐标时间序列噪声模型建立影响,结果表明:ETS引起GPS站坐标序列噪声模型发生变化,且可造成噪声模型的错误估计;在准确估计站速度及其不确定度时必须考虑间歇性震颤与滑移因素,否则可能导致过高估计站速度及其不确定度;随着间歇性震颤与滑移参数的增加,RW的占比显著增加。     

不同解算策略对GPS坐标序列噪声模型建立及速度影响

解算策略选择与GPS站速度及参数模型估计密切相关,本文选取陆态网下121个GPS基准站2011—2019年时间序列作为研究对象,采用赤池信息量准则/贝叶斯信息量准则(AIC/BIC)最优噪声模型评价准则,探讨GAMIT、Bernese及二者联合解算策略(Comb)对GPS坐标序列噪声模型和速度估计的影响.?结果表明:不...     

顾及有色噪声影响的青海地区应变场分析

基于青海地区14个中国大陆构造环境监测网络(CMONOC)连续站10年的坐标时间序列数据,利用贝叶斯信息准则(BIC)确定各连续站的最优噪声模型,进而得出修正后的水平速度场,并在此基础上建立整体旋转与线性应变模型来分析青海地区的应变特征. 结果表明:青海地区CMONOC连续站坐标时间序列各方向的噪声特性存在较大差异,东(E)、北(N)、天顶(U)方向的最优噪声模型分别为 白噪声+幂律噪声(WN+PL)、白噪声+高斯-马尔科夫噪声(WN+GGM)和白噪声+闪烁噪声(WN+FN). 考虑有色噪声(CN)影响青海地区CMONOC连续站基于ITRF2014框架下的平均水平运动速率为39.45 mm/a,运动方向为88°57′58″NEE. 青海地区构造活动相对强烈的东北与西南部分别表现为挤压应变特征和拉张应变特征;从东北向西南,挤压应变逐渐减小,拉张应变逐渐增大,总体表现为挤压应变.      

云南地区GPS基准站噪声模型分析

以云南地区陆态网27个全球定位系统(GPS)基准站在2011-2017年不同时间跨度的观测数据为例,使用赤池信息量和贝叶斯信息量估计准则(AIC/BIC)对解算结果进行分析,从而确定其最优有色噪声模型.结果表明,不同时间跨度基准站各坐标分量上噪声特性主要体现为白+闪烁噪声(WN+FN)、幂律噪声(PL)模型组合.部分基准站在北向和垂向的最优噪声模型会随着观测时间的累积而改变,PL模型所占比例有所下降,WN+FN模型所占比例有所上升.当时间跨度大于5 a时,基准站噪声模型的稳定性显著提高.随着坐标时间序列积累时长的增加,未知噪声分量出现的可能性也相应提高.