武汉基准台超导重力仪重力潮汐观测结果

本文采用重力残差信号对武汉基准台超导重力仪的原始观测数据（２０秒采样）作预处理，将原始观测信号分解成重力潮汐和残差两部分，在残差信号中消除一些已知的干扰因素的影响。利用ＥＴＥＲＮＡ软件作调和分析，两主波（Ｏ１和Ｍ２）的重力潮汐参数（振幅因子和相位滞后）为：Ｏ１：１．１７８８±０．０００６，－０．５９７５°±０．０２８°；Ｍ２：１．１７１３±０．０００２，－０．５８７３°±０．００８°经海潮改正以后，Ｏ１和Ｍ２波的潮汐参数与Ｗａｈｒ－Ｄｅｈａｎｔ潮汐模型值相比，振幅因子的偏差优于０．１％。     

武汉和京都台站超导重力仪高精度潮汐重力观测结果

利用高精度潮汐重力场观测研究地球物理学和地球动力学问题已成为当今地学工作者的共识.由于某些信号十分微弱且具有区域和全球分布特征,相当一部分信号被混合在常规仪器的观测噪声水平上,因此获得全球分布的第一手高精度观测资料显得尤为重要.超导重力仪具有精度高,连续性和稳定性好等特征,期望能在测定区域和全球重力场的精细结构方面发挥重要作用.有18个台站参加的全球地球动力学合作项目于1997年7月份开始实施,其主要目的是解决诸如固体潮、地核近周日晃动、核模、地球自转和极移,地球和大气海洋的耦合机理以及由构造运动引起的重力场变化等热点问题.我们曾研究过中比法三国的超导重力仪潮汐观测资料,获得了欧洲和亚洲不同地区潮汐常数及分布特征.本文将利用武汉和日本京都三台超导重力仪观测资料研究亚洲地区大陆和海岛上的潮汐波振幅因子和相位滞后的时间变化特征以及各参数的误差估计等,同时将检测由大气和海潮变化产生的重力信号.文章分数据处理方法、潮汐参数测定、大气重力信号、海潮重力信号、潮汐参数的时间变化、非潮汐重力场变化特征等几方面叙述.     

潮汐改正对高精度绝对重力测量成果的影响

潮汐是影响高精度绝对重力测量的重要因素之一。文章对绝对重力测量中,采用不同的潮汐改正方法后的结果进行了分析和比较。结果显示潮汐对绝对重力测量成果影响明显;采用理论计算改正潮汐影响的成果内符合精度优于其他方法。该结论对于高精度重力测量具有一定的参考意义和研究意义。     

气压对航空重力测量精度的影响

研究了航空重力测量系统中传感器内部气压的变化对观测数据的影响规律,并利用航空重力测量部分实测数据进行了验证。结果表明:航空重力测量系统中传感器必须保持一个相对密封的状态,否则随着高度变化引起的气压变化将严重影响数据的质量。     

基于短时间序列重力观测数据的潮汐改正方法

对于没有长期连续潮汐观测站和无精密潮汐模型的地区,研究高精度潮汐改正方法具有重要意义。给出了基于短时间序列重力观测数据的高精度潮汐改正方法,并利用全球动力学计划中TIGOConcepcion、Kamio-ka和Hsinchu三个台站的超导重力观测数据对该方法进行了试验分析。研究结果表明,利用一天或数天重力观测数据可建立高精度潮汐模型,其振幅因子和相位延迟解算精度分别优于0.01和0.5°,潮汐改正精度可以达到μGal量级,验证了该方法的正确性和有效性。本文方法为无精密潮汐模型区域的潮汐改正提供了新的途径。     

逆气压改正对卫星测高数据反演潮汐参数的影响

定量分析了逆气压改正对各主分潮潮汐参数反演的影响。结果表明,逆气压改正对Sa的反演结果影响最大,在Sa的实际振幅中,气压变化的平均贡献比率为42%,气压变化使Sa的迟角减小了约27°,而对其他主分潮的影响可忽略不计。建议在应用卫星测高数据时,不加逆气压改正,但在数据处理时,需加Sa分潮的改正。     

航空重力测量中基准站与测线的距离对精度的影响

简要介绍了航空重力测量中基准站的布设原则,结合2010年某地区的实际测量数据分析了基准站与测线的距离对航空重力测量的精度的影响。实际数据验证表明,基准站距离测线360km时,其交叉点重力异常不符值标准差可以达到±2．0816mGal,其精度符合规范要求,所以在GPS基准站布设困难的地区,可以依据测区的具体情况适当地放宽GPS的布设位置和距离。     

相对重力测量值的改正

影响相对重力测量精度的主要因素有潮汐、气压、仪器高、零点飘移和地下水变化以及仪器格值函数等。文中研究了在中国重力基本网 2 0 0 0 (CGBN2 0 0 0 )精度要求下各影响因素的计算公式和其中存在的问题 ,给出了一组便于实际测量应用的计算公式 ;同时对重力仪格值因子的误差和选取、非构造因素中地下水活动等问题进行了讨论     

土壤浸湿对重力观测影响的初步分布

本文对武汉测绘科技大学（WTUSM）重力基准点在暴雨后不久引起的观测异常进行了测试和研究，包括对测点附近的土壤在饱和前后的密度，孔隙度等及由此而引起的重力变化进行计算和分析，结果表明，该项效应与雨后相对于天常天气情况下3次观测结果（平均值）的偏离相当接近，文中还对今后的对绝对重力测量中，如何注意土壤浸湿的影响提出了建议。     

利用InSAR技术分析昆明城区地面沉降对重力异常的影响

首先利用重力归算原理推导高程变化对重力观测值的影响,计算因高程变化导致重力布格异常改正、空间改正和层间改正。然后利用昆明市多年的InSAR影像资料,计算城区地面沉降变化量,在重力数据处理过程中结合InSAR技术得到地表沉降变化量,以及因地质密度变化引起的精确的重力值,进而计算得到该部分变化对昆明地区重力异常的影响情况。本文结合重力异常在地震方面的应用,说明提高重力测量精度在地质灾害中的意义。     

Wavelet filter analysis of local atmospheric pressure effects on gravity variations

An efficient method is proposed for the analysis of atmospheric pressure effects on gravity variations. It processes gravity and pressure signals using an orthogonal filter bank derived from high-degree Daubechies wavelets. The method introduces the atmospheric pressure admittance, which is both time- and frequency-dependent, and thus provides more information about when and how the frequency components in the pressure signal influence gravity variations. We demonstrate the efficiency of the wavelet method by applying it to observations from the Wuhan (China) superconducting gravimeter station. The analysis of gravity and pressure signals in 14 sub-bands with different bandwidths covering a frequency range from 0.176 to 720 cpd (cycles per day) reveals that local atmospheric pressure fluctuations start to induce obvious effects on gravity variations in the seismic band 0.52–1.04 mHz (periods 16 to 32 min) and highly correlate with gravity variation in the long-period seismic mode band 0.26–0.52 mHz (periods 32–64 min). The harmonics of solar-heating-induced atmospheric tides play a leading role in interfering with the variation of gravity residuals in the frequency band 0.704–11.25 cpd (periods 128 min to 1.42 day). Local atmospheric pressure effects on gravity variation are very strong in the frequency band 0.176–0.704 cpd (periods 1.42–5.69 day). Accurately filtering quarter-diurnal tides into a narrow band further demonstrates the efficiency of the wavelet method. After removing secular gravity changes and long-period atmospheric pressure variations, we show that there are obvious variations of local pressure admittance on time scales of hours to days. We also reveal seasonal variability of pressure admittances in the band 0.176–0.352 cpd (periods 2.84–5.69 day) after removing the effects of solar-heating atmospheric tides.     

Precise tidal gravity recorded with superconducting gravimeters at stations Wuhan (China) and Kyoto (Japan)

 Three long series of tidal gravity observations, totalizing approximately 24 years and recorded with three superconducting gravimeters, T004, T008, and T009, at stations Wuhan (China) and Kyoto (Japan), are studied. The tidal amplitude factors and phase differences are determined precisely using Eterna and Nsv techniques. The precision of the main tidal amplitudes is at the same level of 0.01 μGal. The atmospheric gravity signals are corrected using the coefficients determined with a regression method between tidal gravity residual and station air pressure. The oceanic gravity signals are modeled based on five global oceanic models. It is found that the oceanic models developed by the analysis of measurements from Topex/Poseidon altimeters have the best fit to the superconducting gravimeter measurements, since the observed residuals and the discrepancies between the amplitude factors and the theoretical tidal models are reduced more significantly. The long-period gravity variations are dominated by the non-linear drift phenomena of the instruments, and the short-term variations in gravity are due to the background noise at the stations. Received: 20 January 2000 / Accepted: 15 September 2000     

时段选取对大气负荷重力效应的影响分析

针对当前重力观测数据处理中大气负荷效应改正的不确定性问题,该文提出一种分时段改正方法。通过采用不同时段观测数据,基于回归分析方法系统讨论时段选取对大气负荷重力效应改正的影响。利用高精度Wettzell台站超导重力观测数据进行实验分析。实验结果表明:采用不同时段观测数据,大气导纳值差异最大值约为-0.1μGal/hPa;采用不同时段的观测数据进行大气效应改正,其最大差异整体上可以达到2μGal。本文的研究可为精确计算大气负荷重力效应提供一定参考。     

Correcting superconducting gravity time-series using rainfall modelling at the Vienna and Membach stations and application to Earth tide analysis

We demonstrate the possibility to improve the signal-to-noise ratio of superconducting gravity time-series by correcting for local hydrological effects. Short-term atmospheric events associated with heavy rain induce step-like gravity signals that deteriorate the frequency spectrum estimates. Based on 4D modeling constrained by high temporal resolution rain gauge data, rainfall admittances for the Vienna and Membach superconducting gravity stations are calculated. This allows routine correction for Newtonian rain water effects, which reduces the standard deviation of residuals after tidal parameter adjustment by 10%. It also improves the correction of steps of instrumental origin when they coincide with step-like water mass signals.     

重力梯度之地形改正方法与研究

简要介绍地形起伏对地面点重力梯度的影响,推导棱柱法计算重力梯度改正的严格积分公式并和积分核累加法对比验证了其正确性;将积分区域划分为中央区和远区,中央区采用严格的棱柱法进行计算,远区采用线性积分的方式逼近真实值,简化了积分过程;根据重力梯度应用的要求针对不同类型地形设定了中央区划分准则。实验表明:根据文中提出的方法和分区准则,相比于传统的积分法和棱柱法,计算速度得到提高,且精度要求相比于积分核累加法优于0.01E。     

高山地区地形对重力测量的影响分析

针对高山地区地形改正研究的不足,文章以青藏高原为实例,利用快速傅里叶变换详细讨论了高山地区地形改正中质量柱模型与质量线模型对重力测量的影响。研究结果表明:青藏高原地区,地形对重力测量的影响达到毫伽量级;采用快速傅里叶变换计算地形改正时,其最佳计算阶数应为二阶;高山地区,采用质量柱模型与质量线模型进行地形改正的差异为0.1mGal量级。     

DEM 网格间距对重力近区地形改正精度影响及验证

利用分形随机算法建立平地、丘陵和山地3种精细地形仿真场景,将DEM逐级重采样为不同网格间距,分析不同DEM网格间距对3种地形的重力近区地形改正误差影响。发现随着DEM网格间距的增加,近区地形改正误差随之增大。对于平地,使用1∶10 000的DEM,网格间距为5m仍能够满足规范要求;对于丘陵地,使用1∶5 000的DEM,网格间距为2.5m能够满足规范要求;对于山地,使用1∶1 000的DEM,网格间距1m能够满足规范要求。通过消费级无人机获取丘陵地精细地形,验证地形仿真的结论,同时说明消费级无人机能够应用于重力近区地形改正。     

大气压力变化对武汉台站重力场观测的影响

利用全球2°×2.5°、中国及邻区域30′×30′ 气压资料和Farrell弹性地球模型负荷理论,采用数值积分方法,计算了大气压力变化对武汉台站重力场观测的影响。对1990年1月1日至12月31日的数值结果分析表明,全球大气压力变化对武汉台站重力的影响峰对峰达12微伽,大气重力导纳的年平均值为-0.260 μGal/mba(1 mba=1 hPa),这一结果同潮汐分析中由回归分析方法获得的导纳值相近。说明在利用超导重力仪观测资料应用于地球动力学研究之前,有必要作精细的全球气压变化改正。     

第24太阳活动周武汉电离层VTEC变化特性分析

利用2008-2015年(第24太阳活动周)中国地壳运动监测网络(CMONOC)武汉站(30.5°N,114.4°E)GPS双频接收机监测的垂直总电子含量(VTEC)数据,分析电离层VTEC变化特性,并讨论VTEC与太阳活动的相关性.结果表明,VTEC估值周日变化在14:00-16:00LT左右达到最大值;同时,电离层VTEC也表现出明显的逐日变化特性,特别是在VTEC峰值处呈现较大差异.在太阳活动高年(2011-2015),VTEC变化呈现明显的双峰结构,即所谓的"半年异常"现象,春季峰值大于秋季峰值,"冬季异常"也更为明显.在各个季节(除春季外),VTEC与F_10.7p的相关性最好,与F_10.7的相关性次之,与太阳黑子数(SSN)的相关性稍弱;秋季VTEC与太阳活动的相关性最好(Max_F10.7p=0.92232,Max_SSN=0.85575),冬季VTEC与太阳活动的相关性最差(Min_F10.7p=0.79028,Min_SSN=0.72703).