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。     

陆态网络CORS站观测时间序列分析方法研究

以陆态网络CORS站中的武汉站为切入点,分别采用ARIMA模型和傅里叶拟合模型对武汉站10 a左右的观测时间序列进行分析拟合。实验表明,ARIMA模型和傅里叶拟合模型都能较好地拟合武汉站测站时间序列,但从细节来讲,ARIMA模型理论严密,拟合效果稳定;而傅里叶拟合模型更有利于直观分析时间序列中的各种周期频谱特性。     

中国区域IGS基准站坐标时间序列噪声模型建立与分析

选取ITRF2005框架下中国区域(包括台湾地区)11个IGS基准站1995-2010年的坐标时间序列,采用不同噪声模型组合对它们进行噪声分析,并计算大气压负载、非潮汐海洋负载、积雪深度及土壤湿度负载对测站位移的影响,得到地表质量负载改正前后各测站分量的最优噪声模型。结果表明,中国区域IGS基准站的噪声模型存在多样性,且各分量具有不同的噪声特性,主要表现为闪烁噪声+白噪声和带通幂律噪声+白噪声。噪声模型与地表质量负载及其测站速度、速度不确定度之间的定量分析表明地表质量负载会造成测站的噪声特性变化,主要表现为带通及随机漫步噪声特征。不同复杂噪声模型对测站线性速度及不确定度会产生一定影响,少数测站高程分量差异甚至超过1 mm/a。     

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.      

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.     

CME对IGS基准站坐标序列噪声模型及速度估计影响分析

以50个IGS基准站坐标时间序列为研究对象,采用赤池信息量准则（BIC）模型估计准则对四种组合噪声特性进行估计分析,探讨共模噪声（CME）对IGS基准站坐标时间序列噪声模型及站速度影响. 结果表明CME会导致IGS基准站坐标序列噪声模型的有偏估计,并影响站速度的确定精度,准确估计基准站速度参数时应对CME进行修正;经CME修正后IGS基准站周年运动周年项振幅有所减小,高程方向更为明显,表明滤波后IGS基准站周年运动相对稳定.      

川滇地区陆态网络基准站运动噪声模型分析

基于陆态网络GNSS基准站资料,文章利用极大似然估计方法对川滇地区的基准站运动噪声进行了研究.通过对“白噪声”、“白噪声+闪烁噪声”、“白噪声+随机游走噪声”以及“白噪声+幂指噪声”等四种噪声模型的比较,发现川滇地区的基准站运动噪声可以较好地由“白噪声+闪烁噪声”或“白噪声+幂指噪声”模型来描述.在进行基准站速率估计时,相对于“白噪声+闪烁噪声”模型,仅用白噪声模型会使误差估计过于乐观,且会产生一定的速率偏差.因此,在川滇地区利用基准站资料进行地壳运动与变形分析时,除了扣除基准站的周期性运动之外,还需要考虑其对应的噪声组合模型.     

格陵兰GNSS测站坐标时间序列噪声分析

自2007年来,格陵兰地区逐步建立了50多个GNSS连续观测站用以监测冰川质量变化导致的地壳回弹,至今已累计了超过15 a的坐标时间序列,这使得确定坐标时间序列的噪声特性成为可能。本文选取了格陵兰53个GNSS观测站自2008-2018年共10 a的坐标时间序列,利用功率谱分析和极大似然估计对其噪声特性进行了分析,并基于最优噪声组合估计了格陵兰测站的位移速度及其不确定度。利用贝叶斯信息准则作为评估依据的结果表明,闪烁噪声和白噪声+闪烁噪声的组合可以解释33%的测站噪声,幂律噪声可以解释52%的测站噪声,其余测站可用随机游走或一阶高斯马尔科夫噪声来解释。在利用极大似然估计分析测站坐标时间序列时,对于对97%的测站位移分量的速度估值而言,不同噪声模型的影响小于0.1 mm/a,最大为0.31mm/a,但不同的噪声模型会导致测站位移速度的不确定度的最大估值和最小估值之间存在1.3～7.1倍的差异。因此准确地确定测站坐标序列的噪声模型对于准确估计测站位移速度及其不确定度是十分重要的。     

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...     

山东CORS坐标时间序列周期与噪声特征分析

针对不同区域的周期和噪声特性存在差异,以27个山东连续运行参考站(CORS)2015—2018年的坐标时间序列为研究对象,进行周期和噪声特征分析.结果 表明:坐标时间序列并没有严格的周期信号,U方向的周期运动较为规律;坐标分量的谱指数显示大部分站点可用白噪声(WN)+闪烁噪声(FN)的噪声模型进行描述;采用最大似然估计...     

PANGA坐标时间序列噪声模型特性分析

选取PANGA观测网中的200个GPS基准站12年的坐标序列. 采用AIC模型估计准则噪声特性进行分析,并结合不同数据策略对噪声模型建立的影响进行探讨. 结果表明:不同数据策略对噪声模型建立的影响较小,基准站站坐标序列噪声模型主要表现为PL+WN噪声模型特性;不同随机模型对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;对比不同策略处理下的周年振幅变化,E、N、U方向振幅值存在差异,最终确定了振幅位移的尺度.      

GSCORS不稳定站坐标时间序列分析

本文对114个GSCORS坐标时间序列予以分析,发现93％以上的GSCORS位置稳定,序列变化平稳.个别基准站位置不稳定,造成基准站不稳定的因素多种多样,其中基准站周边地质松软、地基不稳为主要因素,导致测站大幅沉降、倾斜.科学、精准地分析不稳定基准坐标时间序列对维护省级参考框架的稳定具有重要指导作用.     

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。     

顾及共模误差的大区域GPS网坐标时间序列噪声分析

噪声分析对GPS时间序列分析有着重要影响,然而针对时间跨度较长的大尺度GPS网的共模误差相关研究较少。本文选取了平均基线长度大于2000 km的欧洲地区9个GPS台站2006-2014年的数据,使用主成分分析法剔除坐标时间序列的共模误差,同时利用极大似然估计的方法对滤波前后的时间序列进行了噪声分析。结果表明,欧洲地区广域GPS网的噪声模型存在多样性,各个分量具有不同的噪声特性,主要表现为白噪声+闪烁噪声、白噪声+幂率噪声,少部分台站N、E两个方向含有随机漫步噪声。经过空间滤波后,部分台站最优噪声模型发生改变,但仍以白噪声+闪烁噪声、白噪声+幂率噪声为主。滤波对N、E方向速度场影响为0.2 mm/a,U方向速度场影响为0.5 mm/a。     

欧洲地区IGS基准站坐标时间序列各分量方向最优噪声模型变化探讨

针对现有坐标时间序列研究中各分量方向间噪声特性对比研究较少,本文选取欧洲地区58个IGS基准站11年的坐标时间序列,采用不同的噪声模型组合对它们进行噪声分析并就各分量方向间的噪声特性进行对比。结果表明,各测站在NEU分量表现出不同的噪声特性,因此分析时间序列变化特征的物理解释时需对各分量区别对待;垂直分量的有色噪声、振幅等明显大于水平方向,与一般认为的垂直分量精度低于水平分量相一致。      

GPS坐标时间序列噪声估计及相关性分析

比较分析了极大似然估计法、最小二乘方差分量估计法以及最小范数二次无偏估计法对GPS站坐标时间序列噪声的估计效果,确定最小范数二次无偏估计法为最优的噪声方差估计方法。在此基础上对中国及其周边区域20个IGS站坐标时间序列中各方向噪声方差进行一元线性回归分析。结果表明,中国及其周边区域IGS站不同方向的噪声间具有中等强度以上的相关性,其中N方向闪烁噪声与其他方向闪烁噪声的相关性要强于白噪声。水平方向的噪声振幅能够解释垂直方向噪声振幅变化的40%~60%,而N方向噪声振幅能够解释E方向噪声振幅变化的60%~80%,获得的线性回归方程具有使用价值。     

IGS测站的非线性变化研究

GPS位置时间序列中经常会出现信息中断,造成数据不连续,进而导致测站速度及其不确定度的估计有偏。因此,时间序列中断探测是动态大地测量数据处理的重要内容。在基于t-检验的序贯格局转换分析法(sequential t-test analysis of regime shifts,STARS)算法的基础上,顾及GPS位置时间序列的噪声特性,提出了一种考虑有色噪声的STARS算法(COL-STARS)。该算法首先利用一阶自回归模型(auto-regressive, AR(1))模型进行噪声\     

PCA方法在GPS坐标时间序列分析中的应用

以安徽及邻区8个GPS连续站点的观测数据为基础,应用主成分分析法提取其共模误差,并对扣除共模误差前后的残余时间序列进行了对比分析。结果显示,扣除共模误差后的残余时间序列的周期性变化较为明显,数据信噪比有所提高。