GOCE卫星径向重力梯度一阶、二阶径向偏导数标准差的近似解析公式

基于Kaula准则,推导卫星重力梯度径向分量Tzz一阶、二阶径向偏导数T.zz、Tzz标准差的近似解析表达式,给出GOCE卫星.Tzz、Tzz标准差的近似估计值,由此分析Tzz延拓处理中可忽略的延拓误差最大高度。解析公式表明：T.zz、Tzz标准差的计算公式可近似表示成若干伽玛函数线性组合的开方,GOCE卫星.Tzz、Tzz标准差近似解析估值分别为1.269×10^-15s^-2m^-1和1.109×10^-20s^-2m^-2,由此若得到满足1 mE的精度要求,可忽略的延拓误差最大高度对于T.zz应小于0.8km,而对于Tzz应小于13.4km,延拓中重力场模型阶次应不低于200。最后基于模拟的GOCE卫星轨道,利用严格公式计算出的T.zz、Tzz标准差,验证近似解析表达式估算结果的正确性,解析结果与严格公式计算结果的相对误差小于2%。     

利用重力梯度测量探测海底障碍地形的模拟研究

提出了基于重力梯度测量对海底障碍地形探测的方法,并以一锥形海底地形为例计算其在各个方向上引力的大小,从目前重力梯度仪的测量精度来看完全满足探测的要求。验证了本方法的可行性。     

GOCE卫星SGG数据系统误差的综合标定方法

介绍了GOCE卫星重力梯度数据系统误差的常用求定方法,提出了一种联合卫星轨迹交叉点不符值和现有重力场模型的系统误差综合标定方法.给出了分步解算和整体平差两种解算方法及相应的计算步骤.分步解算是先利用卫星轨迹交叉点不符值确定含尺度影响的偏差漂移项,然后对观测值进行偏差漂移改正,并利用现有重力场模型计算尺度和偏差,最后对偏...     

航空重力梯度测量之地形改正方法及讨论

本文简要介绍了航空重力梯度测量中地形改正的基本原理及其地改公式,并采用基于质量线和质量棱柱两种地形模型的数值积分公式进行了一些简单模拟试算.在研究航空重力梯度测量的精密地形改正方面,作者首次将考虑地球曲率影响的质量棱柱体模型用于梯度数据的地改.文章最后对所有结果做了一些必要统计分析.     

天文潮汐对卫星重力梯度观测数据的影响分析

测定地球重力场,确定高分辨率的静态地球重力场模型,是大地测量学的主要任务之一.重力场的影响主要分为潮汐部分和非潮汐部分,天文潮汐在潮汐部分中属于直接引力效应,对重力场的影响是不可忽略的.本文以一个月的星历数据为基础,分析了天文潮汐对GOCE卫星重力梯度观测数据的影响,并统计了最大值和最小值;研究了天文潮汐对地球上单点重力梯度数据的影响特征;计算了各行星对卫星重力梯度数据影响量级.研究结果表明:天文潮汐对卫星重力梯度数据的影响量级处于0.1mE,比GOCE卫星设计精度低一个量级,但是它具有周期性,属于有色噪声,因此在卫星重力梯度数据预处理中需要扣除;天文潮汐对卫星重力梯度数据各分量的影响不同,其中对角线分量Vxx,Vyy和Vzz要比其他分量略大;月球和太阳对卫星重力梯度数据的影响最大,在所有星体中占据主导地位.     

基于深度学习的重力异常与重力梯度异常联合反演

高效高精度的反演算法在重力大数据时代背景下显得尤为重要,受深度学习卓越的非线性映射能力的启发,本文提出了一种基于深度学习的重力异常及重力梯度异常的联合反演方法.文中首先提出了一种基于网格点几何格架的重力异常及重力梯度异常的空间域快速正演算法,这为本文深度学习反演算法的实现奠定了基础;其次对大量的不同密度模型进行正演计算获得样本数据集;然后设计了一种端到端的深度学习网络结构(GraInvNet),再利用样本数据对该网络结构进行训练;最后进行反演预测.组合模型试验表明,多维度数据联合反演相比单一分量反演其结果更“聚焦”,且与模型边界高度吻合,并且对于复杂模型的姿态与物性预测具有极为显著的优势,以及对于含噪声数据的反演,其质量也不会降低;Vinton岩丘实测重力数据也验证了文中方法的有效性;从而证明了深度学习在重力数据的高效高精度反演方面具有的巨大潜力.     

利用余弦变换的重力梯度Parker正演方法及其应用

重力测量数据存在地形数据产生的高频分量的影响,高精度地形数据正演重力梯度也能较好地反映重力局部高频特征。为获得高精度重力梯度数据,实现基准梯度数据库精确快速构建,研究了利用数字高程模型正演重力梯度的频率域快速计算方法,推导出基于余弦变换的Parker正演重力梯度理论公式。数值实验结果表明,余弦变换频率域正演方法平均绝对误差可达到0.5E左右精度要求,与傅里叶变换正演方法相比误差可减小3dB左右,与棱柱法等空间域正演方法相比,该方法计算规模小,速度优势明显。     

全张量重力梯度数据滤波处理(英文)

在石油和金属矿勘探中,相对于重力数据,重力梯度张量数据含有高频的信号成分,能更好的描述小的异常特征。然而,全张量重力梯度仪测量值中含有高频随机噪声。从高频信号成分中分离出噪声将是处理重力梯度张量数据的一个挑战。本文在拉普拉斯方程约束条件下推导了重力梯度张量的笛卡尔方程和位场的表达式,然后应用笛卡尔方程通过最优线性反演方法拟合测量的重力梯度张量值。从而去除测量值中的噪声。通过模型实验,证明了这种方法不仅能很好的去除高频的随机噪声,而且能增强被噪声淹没的弱异常信号。与传统的低通滤波方法相比,避免了通过牺牲分辨率来达到去除噪声的缺点。最后将该方法应用到Bell Geospace在Vinton Dome测得的Air-FTG梯度张量数据中,并取得了很好的效果。