温度变化对GPS站周期性的影响不容忽视北大核心CSCD

近日,中科院上海天文台许雪晴等首次应用三维热膨胀模型,根据地表温度数据计算出全球三维地表周年位移形变,并与GPS台站观测的周年位移数据进行对比,表明温度变化引起的地表形变是GPS台站周年位移的影响因素之一,特别是在水平方向。     

联合GPS和GRACE数据分析陕甘宁地区地表垂直形变

采用甘肃省CORS网和中国大陆构造环境监测网络中共48个台站的GPS观测数据，解算得到观测台站的垂直位移，并与GRACE时变重力场Mascon模型解CSR RL05M数据计算得到的垂直形变进行比较，分析区域地表垂直形变特征。结果表明，研究区内台站垂直形变存在局部特征，甘肃庆阳和平凉地区垂直形变与其他地区存在明显差异，相关系数、均方根减少量和周年信号减少量均高于其他地区；扣除趋势项后，观测台站GPS垂直位移与GRACE垂直形变时间序列相关系数均值为0.72，GPS和GRACE周年信号振幅均值分别为6.00 mm和3.70 mm，周年信号减少量和均方根误差减少量均值分别为0.51和0.29；研究区内GPS垂直位移和GRACE垂直形变时间序列一致性较强，GRACE垂直形变能有效解释50%以上的GPS垂直位移周年信号，GPS垂直位移时间序列包含的非构造形变中平均约29%来源于环境负载变化所引起的负荷形变。     

全球GNSS测站坐标周年非线性变化相位规律分析

将全球IGS测站按照5°×5°范围进行格网化,从中均匀选取257个测站。对这些测站实测坐标序列进行非线性变化周期分析发现,周年频谱是绝大部分IGS站共有的非线性运动规律。通过对周年频谱进行相位拟合建模发现,南北半球绝大部分测站存在约180°的相位系统差。     

温度变化对GPS站周期性的影响不容忽视

正近日,中科院上海天文台许雪晴等首次应用三维热膨胀模型,根据地表温度数据计算出全球三维地表周年位移形变,并与GPS台站观测的周年位移数据进行对比,表明温度变化引起的地表形变是GPS台站周年位移的影响因素之一,特别是在水平方向。研究结果显示,由温度变化引起的全球地表三维周年形变在垂向上的振幅最大约3mm,在水平方向最大周年振幅约为1.5mm,且垂向周年位移的分布与温度周年变化表现一致,而水平方向的周     

GPS/PWV时间序列特征提取方法的研究

针对GAMIT/GLOBK软件解算得到的4 a GPS/PWV时间序列的特征提取问题,提出基于滤波辅助的部分集成经验模态分解（PEEMD）与Hilbert谱分析相结合的特征提取方法。首先,在PEEMD方法的基础上,结合滤波辅助的PEEMD方法与Hilbert谱分析,建立GPS/PWV时间序列特征提取模型;然后,将所提出的方法应用于TNML测站4 a的GPS/PWV长时间序列和7 d的GPS/PWV短时间序列分析中,并将滤波辅助的PEEMD结果与传统的小波分解结果进行对比。结果表明,该特征提取方法能准确有效地提取出 GPS/PWV时间序列中的周年周期和日周期特征分量,滤波辅助的PEEMD分解结果与小波分解结果一致,且提取的特征分量与原始信号更加吻合。     

中国区域GPS站海潮负荷形变特征分析

讨论5个全球海洋潮汐模型NAO99b、FES2004、GOT4.7、TPXO7.2和EOT11a在中国区域的差异性和适用性,并基于这些全球海潮模型和高分辨率区域海潮模型,分析中国区域GPS站海潮负荷形变特征。采用GIPSY软件对中国区域GPS站长时间观测数据进行处理,分析高精度区域海洋潮汐模型对中国沿海GPS站高精度位置时间序列的影响。分析表明,加入区域海洋潮汐负荷形变后,对GPS时间序列垂向的影响最大可达5.01 mm,可能会引起GPS时间序列中包含15 d和173 d 的虚假周期信号。     

高频单历元GPS周期性误差特性分析

分析GPS高频单历元时间序列中的误差特性,采用中值滤波法消去高频噪声。经计算,偶然中误差在水平方向为±4～4.5 mm,高程方向为±9 mm。通过周期性重复解算、时间序列比对及相关系数最大化发现,GPS高频单历元时间序列中包含的周期性系统误差的重复周期为86 153～86 165 s。通过对系统误差建模或差分,可消除时间序列中的系统性成分,提高GPS高频单历元数据处理的精度。     

利用主成分分析法分析GNSS坐标时间序列

利用主成分分析法对陆态网224个GNSS基准站坐标时间序列进行分析.首先对基准站原始坐标序列进行突变项拟合、粗差剔除、缺失数据插值补齐等预处理;然后对预处理后的站点残差坐标时间序列分N、E、U方向组建时间序列矩阵进行主成分分析,根据各方向主分量及其相应的空间特征向量分析站点空间响应分布特征、共模误差以及异常站点的影响....     

深度学习预测GPS时间序列在探索门源MS6.4地震前兆中的应用

以2016-01-21门源M_S6.4地震为例,提出用深度学习预测的GPS时间序列研究地震前兆。用震中附近门源台（QHME）、民乐台（GSML）及古浪台（GSGL）无震时的GPS时间序列训练LSTM神经网络,得到高精度的GPS时间序列预测模型,再分别对该地区无震时和地震前一段时间的GPS时间序列进行回溯性预测。对比预测时间序列与真实时间序列发现,震前2条时间序列大部分的相似性指标比无震时低,说明震前预测时间序列与真实时间序列差异明显,同时考虑震前时间序列的趋势异常,认为出现了异常时段;3个台站分别在E、N、U方向出现多个异常日期,且不同台站具有相同的异常日期,说明探索到了地震前兆。     

顾及共模误差的西南极GPS坐标时间序列噪声分析

使用Bernese 5.2软件双差定位程序处理西南极区域24个GPS基准站9 a的观测资料,获得各站单日解坐标时间序列.利用主分量分析法和独立分析法对其进行空间滤波,对比分析2种方法的滤波效果,然后采用极大似然估计法分析滤波前后各站时间序列的噪声特征,建立最优噪声模型,并分析共模误差对测站速度的影响.结果表明,2种方法...     

��ͬ�ο���ܶ���������GPS���ݽ����Ӱ��

????????????GPS????????????????????????硢???IGS???????????ò???ο?????????????????????????????????????????????????????????????????????о??????????????仯???????????????????ο?????????????????????????????????????????????????仯?????????????????????????????????о?????????ο?????????????????????仯?????????任????????????????????????????????????????????????????????????????α?????????????????????????ο????????????????????????С?     

顾及共模误差的四川连续GPS基准站坐标时间序列噪声分析

使用GAMIT/GLOBK软件处理四川省内23个连续GPS基准站2010～2015年数据,获取各测站的坐标时间序列,然后利用堆栈法对其进行空间滤波以剔除共模误差,通过谱指数计算和最大似然估计法（MLE）对滤波后的GPS站坐标时间序列进行噪声分析。结果表明,四川连续GPS基准站坐标时间序列N、U方向最优噪声模型为WN+FN,E方向最优噪声模型为WN+FN+RWN;空间滤波可以降低闪烁噪声,同时使一些测站显现出随机漫步噪声;根据GPS站坐标时间序列估计基准站速度时,应当顾及有色噪声的影响。     

GPS坐标时间序列中地表环境负载效应区域特征分析

选取全球417个IGS测站2000~2012年环境负载数据分析非潮汐海洋、大气、积雪和土壤湿度等负载对GPS测站时间序列位移的影响以及与测站地理位置之间的联系。研究表明,大气压力对GPS时间序列位移的影响最大,U方向最大达到20 mm,积雪负载的影响最小。4种负载对GPS时间序列高程方向的影响可达cm级,且大气及非潮汐海洋负载呈现显著的区域性特征。     

基于SSA的GPS坐标序列去噪及季节信号提取

基于SSA技术对GPS时序的去噪及季节信号分离进行研究。通过对模拟数据及GPS实测数据的分析,并与经验模式分解EMD（empirical mode decomposition）和小波分析方法进行对比,结果表明,SSA、EMD和小波分析均是有效的去噪方法,但SSA去噪性能更优越,且能更有效和稳定地从GPS时序中提取周期项信号。     

一种改进的GPS坐标序列共模误差滤波方法

提出一种改进的相关加权叠加滤波方法,顾及GPS站点位置残差序列的总体噪声水平,有利于抑制站点自身噪声和残余粗差给共模误差（common-mode error,CME）计算带来的不利影响。该方法采用相关系数作为权重因子,拥有良好的空间响应。选取我国陆态网8个GPS站点的数据对该方法的适用性进行分析,结果表明,相对于相关加权叠加滤波,其拥有更好的性能,均方根（RMS）改进率提高20%左右,能更加准确地提取CME。     

GPS连续观测站低频拟合残差序列空间分布的分形特征

在剔除粗差的基础上,以GPS连续站低频拟合残差时间序列在站心坐标系下的空间分布作为研究对象,运用分形理论中测度关系求分维方法求得全国27个连续站残差空间分布的分维及其无标度区间,并讨论了落入无标度区间的点占总点数的百分比情况|同时,利用相关系数及F检验方法对无标度区间内是否符合线性特征进行显著性检验。主要结果如下：1）除DXIN、QION和XIAA三个连续站残差序列无标度区内线性相关系数在0.99～0.995之间外,其他24个台站无标度区间内的线性相关系数都在0.995以上|27个连续站无标度区内线性回归F检验在α=0.005时全部拒绝不符合线性分布的零假设(H0:b=0),表明GPS残差序列在无标度区内符合分形特征,即具有较高的自相似性特征。2）除BJFS、LUZH和XIAM三个连续站无标度区间内的点数占各自总点数的40%左右外,其余24个台站无标度区间内的点数占各自总点数的50%甚至60%,说明残差序列中符合分形规律的点约占自身总点数的一半或以上,表明自然分形规律在残差序列中占有一定的权重。3）27个连续站在无标度区间内的分维值在1.71～1.97之间,即各台站分维值为非整数值且存在着差异性|另外,在构建涉及指数的GPS观测模型或噪声模型时,如果选取其分维值作为各自的模型指数,则有可能减少模型的系统误差。     

��GPS�����������۲���Ƶر��α�ļ����Ա仯

???????GPS??GRACE?????????????α???????????????????GRACE???λ???GPS?????????????о?????(RMS)??С?????????????仯????λ???????????????н???????????GPS?????????????仯?????????????????????????????Щ???????????????????????????С?????????????????????????????????????п??????????????????????ó???GRACE?????α????????С????????????????????????????????????????????????GPS??????????????????д??μ??????????????????GPS???????????????о???     

基于模型和空间相关性的GPS时间序列插值方法

针对GPS时间序列的空缺,根据数据固有特性和空间特性,提出基于模型和噪声空间相关性的GPS时间序列插值方法,并以陕西省GPS连续站为例验证该方法对长空缺插值的优势。通过实验分析不同情况的空缺和插值对GPS时间序列速度、周期项以及噪声特性的影响。结果表明,空缺对速度影响较小,较少的观测也可以较好地反映地壳线性运动;空缺对周期项影响较大,利用GPS分析周期性运动时必须考虑空缺的影响;噪声频谱分析显示离散空缺比长空缺影响大,噪声特性分析时应注意。     

�;�-��Դ6.6������ǰ�½������ؿ��α��������������

?????????2009??2011??223??GPS?????????????????????????????????????????????????????85??E??43??N??磬??????????????????????????????????????GPS??????????????????????????????????????????????????????2011.08??2012.25?????29??GPS???????????????е????????????仯????????????????????仯????2011.4???????????2011.8????????????????С????????С???????α???????????????в???????????????????????????λ???????????XJKL??????????????????仯??????????仯????????????????????????????????????ε??????????????????嵽????????????仯????6.0?????μ?????????????