形变数字化观测曲线畸变与处理——兼论资料预处理中遇到的一些问题

数字化形变台站日常下载、处理直至管理数据,都应用《数字化通讯控制软件》、《形变前兆台站(网)数据处理系统》及《形变前兆数据库服务软件(台站版)》等三个软件交互进行,在实际使用过程中会遇到一些棘手的问题。本文结合我台的观测工作的实践,总结经验,以供台站同行共享。     

浅析福建地倾斜潮汐因子γ及其组合动态特征

本文计算了福建自1992年至2004年以来的地倾斜EW和NS两分量的固体潮潮汐因子,并进行动态组合,绘制组合动态三种特征量:ΔγEW ΔγNS(表征扩容)、ΔγEW-ΔγNS(表征剪切应变)、ΔγEW/ΔγNS(表征介质各向异性)的时序曲线图,并进行固体潮特征分析,寻找中、强地震发生前远场块体和近场块体地倾斜突变性形变异常与之对应关系。结果表明:在福建沿海,海潮是决定倾斜固体潮特征的主要因素;福建发生5级上的中强地震、台湾发生7级以上强烈地震时,福建地倾斜固体潮潮汐因子及其动态组合特征存在明显的渐进式突变性形变异常现象,异常量和异常持续时间与震级和震中距有较好的对应关系。     

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。     

城区地表形变差分TomoSAR监测方法

压缩感知技术(CS)的差分TomoSAR技术解决了中高分辨率SAR数据在城区出现的叠掩问题,实现了城区地表形变信息的重构,但是该方法仅利用了目标的稀疏特性并没有考虑目标的结构特性,对具有这两种特性的目标进行重构时其性能较差。针对这一问题,本文采用联合Khatri-Rao子空间和块压缩感知(KRS-BCS),提出了一种差分SAR层析成像方法。该方法依据目标的结构特性和重构观测矩阵具有的Khatri-Rao积性质,将稀疏结构目标的差分TomoSAR问题转化为Khatri-Rao子空间下的BCS问题,然后对目标进行块稀疏的l1/l2范数最优化求解,最后通过理论分析和仿真试验对分辨能力和重构估计性能进行了定性和定量评价,仿真结果表明本文所采用的KRS-BCS方法不仅保持了高分辨率的优点,而且有效地降低了虚假目标出现的概率,大幅度提高了散射点准确重构概率,切实可行地解决了CS方法的不足。应用实例研究中,利用34景Envisat卫星ASAR时间序列影像对日本千叶县茂原市城区进行地表形变监测,并以一等水准点和实时测量的GPS站点观测数据作为参考形变结果进行验证,试验结果表明采用KRS-BCS方法反演的结果与参考形变结果保持了良好的一致性且形变速率整体偏差也较小,实现了较高精度的城区地表形变估计。     

利用PSInSAR技术监测北京地面沉降

地面沉降已成为大城市面临的重大灾害之一,对其进行有效监测十分必要。采用基于相位稳定性特征的PSInSAR对覆盖北京的31景TerraSAR-X数据进行干涉处理,获取了该研究区的地面沉降范围、沉降速率,并对重点沉降区域时序形变特征及成因进行分析研究。实验结果显示,2010~2013年,研究区内的平均形变速率范围为-51.49~8.15mm/yr,与精密水准测量具有较高的一致性,表明PSInSAR监测结果精度可靠,能实现对北京地区的地面沉降情况的有效监测。     

从同震和震后形变分析1668年M8.5级郯城地震对周边地震活动性的影响

以山东郯城1668年大地震为例,以前人地表地质调查结果为约束,利用弹性位错理论初步获取了该地震的同震破裂模型;在此基础上,基于粘弹性分层模型分析了该地震的同震和震后形变,同时以主震断层为接收断层计算了库仑应力分布,进一步讨论了地幔不同粘滞性系数对地表形变和库仑应力变化的影响。计算结果显示,该地震是一个右旋走滑为主兼有一定逆冲性质的地震,其同震位移巨大,能量释放较彻底;同震破裂造成震中郯城县西北、东北和南部部分断层库仑应力增加,而震后形变使得这些断层库仑应力进一步增加,在单县、宿迁和日照等地,地震后350 a库仑应力变化量达到+1bar-+1MPa量级;地幔粘滞性系数不同,形变量和库仑应力变化达到稳定的时间不同,但最终趋于稳定的数值基本一致。     

闽赣交界武夷山南段“桃溪穹隆”形变特征及构造演化探讨

"桃溪穹隆"由内核、中间层和盖层组成,发育岩石流变,韧性、韧脆性和脆性变形(断裂)。文章以"桃溪穹隆"内核、中间层和盖层为对象,通过研究其形变特征、运动形式及相互关系,探讨穹隆上隆的运动方式,结合沉积事件、岩浆活动和构造运动,阐述穹隆的形成机制和构造演化特征。"桃溪穹隆"于加里东期(志留纪末)隆升,华力西期—印支期(晚二叠世—中三叠世)大规模上隆,燕山期及后期继承性活动,主隆升期(华力西期—印支期)为逆时针旋转上隆。穹隆长期隆升是该区古元古代结晶基底出露的主要原因。     

卷积神经网络及其在矿床找矿预测中的应用——以安徽省兆吉口铅锌矿床为例

大数据人工智能地质学刚刚起步,基于大数据智能算法的地质研究是非常有意义的探索性实验。利用大数据和机器学习解决矿产预测问题,有助于人们克服不能全面考虑地质变量的困难及评估当前模型在已有数据中的可靠性。元素地表分布特征量主要受原岩成分、成矿作用影响和地表过程的影响,它们携带某些指示矿体就位的信息,即矿体在地下空间就位时在地表的响应,且未在地表过程中消失。以往的地球化学勘查工作仅仅识别异常,但未能发现矿体在地表响应的成矿特征量。本文以安徽省兆吉口铅锌矿床为例,通过机器学习,利用卷积神经网络算法,不断挖掘元素Pb分布特征与矿体地下就位空间的耦合相关性。经过1000次训练后,可以得到准确率0. 93,损失率0. 28的卷积神经网络模型。这种神经网络模型就是矿体在地下就位时元素在地表分布的响应,可以用来进行矿产资源预测。应用该模型对未知区进行预测,结果显示第53号区域具有很大概率存在尚未发现的矿体。     

改进的GOTURN算法

随着基于深度学习的算法在计算机视觉领域中的应用不断拓展,GOTURN(Generic Object Tracking Using Regression Networks)算法是第1个满足目标跟踪实时性要求的深度学习算法(达到100 fps),但是该算法的跟踪精度有待提高。针对此问题,采用基于运动估计的卡尔曼滤波算法与基于卷积神经网络的深度学习算法相结合的方法,将卡尔曼滤波算法融入GOTURN算法进行目标跟踪。为了验证该算法的有效性,在ILSVRC2014数据集和ALOV300++数据集中进行了训练和评估。实验结果表明,该算法不仅能够满足目标跟踪的实时性要求,而且能够提高线性系统的跟踪精度。     

大气负荷对区域地壳形变和重力变化的影响分析

在高精度大地测量观测数据处理和相关地球物理解释中,大气负荷由于影响较大,需要考虑。利用全球大气模型和区域气象站气压数据,采用移去恢复方法和球谐分析方法,计算了三峡地区大气负荷对地壳形变和重力变化的影响。提供了一种利用局部气压数据改善该区域大气负荷影响变化计算效果的合理算法,提高局部气压数据和全球模型数据利用的合理性和准确性。研究发现,大气负荷对垂直形变的影响在空间分布上中长波占优,在三峡地区的年变化幅度大于20 mm,对地面重力变化影响的年变化幅度一般不超过10 μGal,对水平形变影响较小。