CN104199065B - Gps坐标时间序列环境负载修正方法及系统 - Google Patents

Abstract

本发明公开了一种GPS坐标时间序列环境负载修正方法及系统，包括步骤：步骤1，获取IGS基准站的观测数据，采用最优数据处理模型处理观测数据获得各IGS基准站对应的基线单天解；步骤2，根据地球弹性形变理论，在CM框架下获得各IGS基准站的环境负载位移时间序列；步骤3，采用IGS基准站环境负载位移时间序列修正基线单天解的基准站坐标；步骤4，采用卡尔曼滤波法对修正后的基线单天解进行联合平差，获得IGS基准站速度和坐标时间序列。本发明可获得更能反映基准站真实运行的GPS坐标时间序列，有助于获得更可靠的基准测站位置和速度。

Description

GPS坐标时间序列环境负载修正方法及系统

技术领域

本发明属于卫星导航定位与应用技术领域，尤其涉及一种GPS坐标时间序列环境负载修正方法及系统。

背景技术

GPS坐标时间序列不仅可反映基准站的线性变化，也可以反映出基准站存在着非线性变化。许多研究成果已证实了环境负载造成的地表位移与GPS基准站非线性变化的强相关性(van Dam and Herring，1994；van Dam et al.，1994；van Dam et al.，1997；Zerbini et al.，2001；van Dam et al.，2001；Scherneck et al.，2003；Schuh et al.，2004；Petrov and Boy，2004；Tregoning et al.，2009；van Dam et al.，2010；Tesmer etal.，2011；Lavall′ee et al，2010；Jiang et al.,2013)。研究GPS坐标时间序列的环境负载修正不但可以获得基准站准确的位置和速度，有助于解释板块构造运动，建立和维持动态地球参考框架，而且还能更好地研究冰后回弹及海平面变化，反演冰雪质量变迁等地球动力学过程，具有重要的理论意义及应用价值。

迄今为止，GPS坐标时间序列的环境负载修正通常在地球形心(center offigure，CF)框架下进行(Collilieux et al.，2010；Collilieux et al.，2012)，也就是说，基准转换前的基准站坐标时间序列包含环境负载造成的位移。研究表明，环境负载造成的基准站位移主要表现为周年特征(Ray et al.，2008)。Freymueller(2009)发现，基准转换时忽略框架点的周期性变化会导致转换参数的扭曲，并渗透至所有基准站的坐标时间序列造成错误的运动趋势。因此，CF框架下用于实施环境负载修正的GPS坐标时间序列可能并不能代表基准站的真实运动，由此获得的环境负载修正效果同样可能不准确。为了获得更能代表基准站真实运动的坐标时间序列，研究基准转换前，即CM框架下的环境负载修正方法具有重要的理论意义。

发明内容

针对现有基于CF框架的GPS坐标时间序列环境负载修正存在的不足，本发明提供了一种基于CM框架的GPS坐标时间序列环境负载修正方法及系统，可获得更能代表基准站真实运动的坐标时间序列。

为解决上述技术问题，本发明采用如下的技术方案：

一、GPS坐标时间序列环境负载修正方法，包括步骤：

步骤1，获取IGS基准站的观测数据，采用基于GPS地球参考框架的最优数据处理模型处理观测数据获得各IGS基准站对应的基线单天解，所述的最优数据处理模型在传统数据处理模型基础上增加了大气潮汐、高阶电离层及次分量海洋潮汐的影响；

步骤2，根据地球弹性形变理论，在CM框架下获得各IGS基准站的环境负载位移时间序列，所述的环境负载位移时间序列包括地表大气压、大陆储水量及洋底压力造成的负载位移时间序列；

步骤3，采用步骤2获得的IGS基准站环境负载位移时间序列修正基线单天解的基准站坐标，从而获得修正后的基线单天解；

步骤4，采用卡尔曼滤波法对修正后的基线单天解进行联合平差，获得IGS基准站速度和坐标时间序列。

上述最优数据处理模型基于GAMIT软件工具实现。

步骤2具体为：

采用法雷尔格林函数和全球环境负载模型做卷积，获得CM框架下地表大气压、大陆储水量及洋底压力造成的IGS基准站负载位移时间序列。

上述卡尔曼滤波法基于GLOBK软件工具实现。

步骤3进一步包括子步骤：

3.1对IGS基准站的环境负载位移时间序列进行重采样使其与IGS基准站对应的基线单天解具有相同的时间分辨率；

3.2采用GLOBK软件中的rename命令格式将重采样的环境负载位移时间序列转换成GLOBK软件能读取的地震文件eq_file；

3.3采用GLOBK软件中的rename命令对IGS基准站坐标进行环境负载位移修正，获得修正后的基线单天解。

步骤4进一步包括子步骤：

4.1组合选取的所有基准站的地震文件eq_file生成组合地震文件combine.eq文件；

4.2采用GLOBK软件工具对组合地震文件进行联合平差，获得IGS基准站速度和坐标时间序列。

子步骤4.1具体为：

根据步骤3.2获得的各基准站地震文件eq_file，结合GLOBK软件工具提供的包括基准站重命名信息的地震文件IGS08_disk.eq，判断基准站重命名时段内基准站名是否变化，无变化，则直接将反映基准站位移信息的地震文件eq_file存入组合地震文件combine.eq；若有变化，则重置地震文件eq_file，更改基准站名，然后将反映该更改后基准站位移信息的地震文件eq_file存入组合combine.eq文件。

二、GPS坐标时间序列环境负载修正系统，包括：

基线单天解获取模块，用来获取IGS基准站的观测数据，采用基于GPS地球参考框架的最优数据处理模型处理观测数据获得各IGS基准站对应的基线单天解，所述的最优数据处理模型在传统数据处理模型基础上增加了大气潮汐、高阶电离层及次分量海洋潮汐的影响；

环境负载位移时间序列获得模块，用来根据地球弹性形变理论，在CM框架下获得各IGS基准站的环境负载位移时间序列，所述的环境负载位移时间序列包括地表大气压、大陆储水量及洋底压力造成的负载位移时间序列；

环境负载位移修正模块，用来基于卡尔曼滤波法，采用IGS基准站环境负载位移时间序列修正基线单天解的基准站坐标，从而获得修正后的基线单天解；

联合平差模块，采用卡尔曼滤波法对修正后的基线单天解进行联合平差，获得IGS基准站速度和坐标时间序列。

目前为止，GPS坐标时间序列环境负载修正通常在CF框架下进行，CF框架下GPS坐标时间序列包括基准转换时框架点周期性变化造成的框架畸变影响，其本身并不能代表基准站真实运动，由此获得的环境负载修正效果可能不准确。

本发明是基于CM框架的GPS坐标时间序列环境负载修正方法，可削弱框架点周期性变化造成的框架畸变，获得更能反映基准站真实运行的GPS坐标时间序列，有助于获得更可靠的基准测站位置和速度，可应用于地球参考框架的建立与维持、冰后回弹及海平面变化等地球动力学研究。

附图说明

图1为本发明方法的具体流程图；

图2为实施例选取的109个IGS基准站分布图；

图3为环境负载修正前和环境负载修正后获得的IGS基准站水平速度场图，其中，图(a)为环境负载修正前获得的IGS基准站水平速度场图，图(b)为环境负载修正后获得的IGS基准站水平速度场图；

图4为环境负载修正前和环境负载修正后获得的IGS基准站垂直速度场图，其中，图(a)为环境负载修正前获得的IGS基准站垂直速度场图，图(b)为环境负载修正后获得的IGS基准站垂直速度场图；

图5为本发明环境负载修正造成的IGS基准站垂直、水平东及水平北方向的速度变化图，图(a)为环境负载修正造成的IGS基准站垂直方向的速度变化图，图(b)为环境负载修正造成的IGS基准站水平东方向的速度变化图，图(c)为环境负载修正造成的IGS基准站水平北方向的速度变化图；

图6为本发明环境负载修正造成的IGS基准站垂直、水平东及水平北方向速度的不确定度变化图，图(a)为环境负载修正造成的IGS基准站垂直方向的速度不确定度变化图，图(b)为环境负载修正造成的IGS基准站水平东方向的速度不确定度变化图，图(c)为环境负载修正造成的IGS基准站水平北方向的速度不确定度变化图；

图7为环境负载修正造成的IGS基准站的坐标时间序列加权均方根(WeightedRoot Mean Square，WRMS)变化，其中，图(a)为环境负载修正造成的IGS基准站垂直方向的坐标时间序列WRMS变化，图(b)为环境负载修正造成的IGS基准站水平东方向的坐标时间序列WRMS变化，图(c)为环境负载修正造成的IGS基准站水平北方向的坐标时间序列WRMS变化；

图8为CF框架下和CM框架下的环境负载修正后获得的坐标时间序列WRMS变化，其中，图(a)为IGS基准站垂直方向的坐标时间序列WRMS变化，图(b)为IGS基准站水平东方向的坐标时间序列WRMS变化，图(c)为IGS基准站水平北方向的坐标时间序列WRMS变化。

具体实施方式

下面将结合附图和具体实施方式进一步说明本发明的技术方案。

下面将结合附图和具体实施方式进一步说明本发明的技术方案。

见图1，本发明GPS坐标时间序列环境负载修正方法的具体步骤如下：

步骤1，获取IGS基准站的观测数据，基于最优数据处理模型处理观测数据获得IGS基准站对应的基线单天解。

本发明采用的最优数据处理模型在传统数据处理模型基础上，考虑了传统数据处理模型忽视的大气潮汐、高阶电离层及次分量海洋潮汐的影响，以削弱传统数据处理模型不完善造成的IGS基准站虚假位移对环境负载信号的“淹没”效应；基于最优数据处理数据模型，采用高精度GPS数据处理软件GAMIT/GLOBK处理观测数据，获得24小时松弛的基线单天解。

上述基线单天解定义为：将一天作为一个时段解算同步观测IGS基准站数据获得的基线解。

针对目前的GPS地球参考框架ITRF2008而言，其存在以下不足：

(a)未将大气潮汐纳入基准站运动模型。

(b)除美国喷气推进实验室考虑了二阶电离层延迟，德国地球科学研究所计算了2阶和3阶电离层延迟影响外，各分析中心均未考虑高阶电离层延迟改正。

(c)计算海潮改正时仅考虑11个主潮汐分量造成的地表位移，且各分析中心采用的海潮模型不统一。

(d)除麻省理工学院外，其余分析中心均未实施海洋极潮改正。海洋极潮造成的地表形变径向约1.8mm、水平方向约0.5mm，甚至更大，对于毫米级参考框架的建立可能产生影响。

(e)各分析中心处理对流层延迟的方式各不相同，且没有统一的标准，与IERS协议2010推荐模型存在分歧。

为解决上述不足，本发明提出了一种最优数据处理模型，基于国际地球自转与参考系统服务(IERS)协议2010构建，具体实施时通过设置GAMIT/GLOBK软件参数，并针对部分模块进行修改实现，其形式见表1所示。

步骤2，获取地表大气压、大陆储水量及洋底压力造成的基准站负载位移时间序列，即基准站的环境负载位移时间序列。

根据地球弹性形变理论，采用法雷尔格林函数(Farrell’s Green’s Functionapproach)和全球环境负载模型做卷积，计算地表大气压、大陆储水量及洋底压力造成的负载位移，从而获得质心(center of mass，CM)框架下给定基准站的负载位移时间序列。计算地表大气压造成的负载位移时考虑地形影响，并假设海洋对大气的反气压效应。上述全球环境负载模型包括地表大气压模型、大陆水储量模型及海底压力模型。

表1 最优数据处理模型

计算地表大气压造成的负载位移时，引入全球高程数据(ETOPO5)，根据高程与气压的数学关系，通过改正地形变化造成的地表气压变化，获得精确的全球气压格网，应用于格林函数的卷积运算。

海洋对大气的反气压效应的具体实施为：

对陆地区域，直接采用地形改正获得的格网气压值；对海洋区域，首先，根据海陆边界数据及全球气压格网提供的气压值确定地球表面海洋的总质量及面积；然后，计算地球表面海洋单位面积的大气压作为海洋区域的气压值；最后，联合陆地区域的气压值及海洋区域的气压值计算地表大气压的负载位移。

步骤3，基于基准站的环境负载位移时间序列修正基准站对应的基线单天解，从而实现基准转换前GPS坐标时间序列环境负载修正。

本步骤基于GLOBK软件实现，采用GLOBK软件提供的重命名(rename)命令直接对基线单天解对应的基准站坐标进行修正，以达到基准转换前CM框架下GPS坐标时间序列环境负载的修正目的(Tregoning，2011，private communication)。基线单天解文件名首字母为h，又称h文件。

本步骤的具体实施过程如下：

对步骤2获得的基准站环境负载位移时间序列进行重采样，使其与步骤1获得的基准站对应的基线单天解具有相同的时间分辨率，并将环境负载位移时间序列转换为GLOBK软件能读取的rename命令格式的地震文件eq_file，采用的rename命令格式如下：

rename<原基准站名><新基准站名>[h文件名称][重命名时段][位置变化]

原基准站名后缀均为“_GPS”，可省略，用户通过修改基准站后缀区分新基准站名与原基准站名，以标记因外界环境变化导致的基准站跳变。将基准站重命名为“_XPS”(X＝1，2，3……)，表示该基准站不参与原基准站的速度计算，但是在GPS坐标时间序列中予以保留；“_XCL”则意味将位于重命名时段内的该基准站剔除。命令行里的“h文件名称”可省略，“位置变化”表示伴随重命名时段的基准站位移变化，接受XYZ及NEU格式，单位为米，在位置末尾采用关键字“XYZ”或“NEU”标记。

借助rename命令格式能改变基线单天解基准站位移的特性，本发明采用rename命令直接对基线单天解文件的基准站N、E、U坐标进行环境负载位移修正。

针对选择的基准站，首先，可获得如下格式的基准站周环境负载位移时间序列：

然后，将基准站1～3的环境负载位移时间序列转换为与之对应的rename命令格式的地震文件。以基准站albh为例，其地震文件格式为：

rename albh albh 1998 1 7 0 0 1998 1 7 24 0 0.00584 -0.00013 0.00596 NEU

rename albh albh 1998 1 14 0 0 1998 1 14 24 0 0.00686 -0.00019 0.00444 NEU

rename albh albh 1998 1 21 0 0 1998 1 21 24 0 0.00667 0.00016 0.00518 NEU

上述地震文件中“19981700199817240”表示基准站位移发生变化对应的初始时刻为1998年1月7日0时0分、对应的结束时刻为1998年1月7日24时0分，对应负载位移时间序列的GPS周；“0.00584”、“-0.00013”、“0.00596”则分别表示N、E、U方向的环境负载位移。关于rename命令格式的详细使用可参见(Herring et al.，2010)。

步骤4，采用卡尔曼滤波法对修正后的基线单天解进行联合平差，获得基准站的位置及速度。

采用GLOBK软件对步骤3修正后的基线单天解文件进行联合平差，获得指定参考框架下去除环境负载影响后、更精确的IGS基准站的位置及速度。

本步骤的具体实施方式如下：

4.1组合选取的所有基准站的地震文件eq_file生成combine.eq文件，并结合GAMIT/GLOBK软件提供的地震文件IGS08_disk.eq文件对各重命名时段内的基准站实施重命名。

本步骤具体为：

(1)读入各基准站的地震文件eq_file。

(2)根据地震文件IGS08_disk.eq判断基准站的重命名时段内基准站名是否变化，无变化，则直接将反映基准站位移信息的地震文件eq_file存入组合地震文件combine.eq；若有变化，则重置地震文件eq_file，更改基准站名，然后将反映该更改后基准站位移信息的地震文件eq_file存入组合combine.eq文件。

(3)依次对选取的所有基准站的地震文件eq_file执行步骤(2)，并将反映基准站位移信息的地震文件eq_file存储于同一组合地震文件combine.eq，最终获得GLOBK平差所需的组合地震文件combine.eq。

4.2获得组合地震文件combine.eq后，对组合地震文件combine.eq进行联合平差，具体为：

将组合地震文件combine.eq输入GLOBK软件，对重命名时段内各基准站获得的基线单天解数据进行联合平差，获得ITRF08框架下的IGS基准站速度及坐标时间序列。

在联合平差过程中，由于对所有基线单天解进行位移修改，GLOBK默认的eq文件读取参数太小，难以满足本发明需求。因此，需要重置GLOBK软件全局参数，即增大所定义卡尔曼常数中读取eq文件的最大记录数，以实现CM框架下环境负载位移的修正。

下面将结合具体实施例进一步说明本发明的技术效果。

见图2，本实施例选取了全球均匀分布的109个IGS基准站，并获取选取的IGS基准站的观测数据。首先，采用IERS协议2010及全球第一、二次GPS数据重新处理策略处理观测数据，获得IGS基准站的基线单天解；采用Farrell格林函数法分别计算CF框架及CM框架下地表大气压、海底压力及大陆水储量变化造成的109个基准站负载位移时间序列；然后，分别在CF框架及CM框架下对重新处理获得的GPS坐标时间序列进行修正，见图3～8，从图中可以看出，和已有的GPS地球参考框架建立方法相比，本发明更能准确的反应基准站的位置及速度。

1、环境负载修正对基准站速度及速度不确定性的影响

将采用本发明进行了环境负载修正后获得的IGS基准站速度及不确定度，与环境负载修正前获得的IGS基准站速度及不确定度进行对比。环境负载修正前和环境负载修正后获得的IGS基准站的水平速度场见图3，环境负载修正前和环境负载修正后获得的IGS基准站的垂直速度场见图4，置信度水平均为95％。从图3～4中可以看出，环境负载修正和环境负载修正后获得的IGS基准站水平速度及垂直速度几乎表现为相同的空间分布特征。

环境负载修正造成的IGS基准站的垂直(U)、水平东(E)及水平北(N)方向的速度变化图见图5，环境负载修正造成的IGS基准站的垂直(U)、水平东(E)及水平北(N)方向速度的不确定度变化图见图6，图5～6中的变化差值均由环境负载修正前获得的结果减去环境负载修正后的结果，正值表示速度及速度不确定度减小，负值表示速度及速度不确定度增大。

图5表明，本发明环境负载修正对基准站的长期速度具有一定影响，垂直方向速度影响最大，水平方向速度影响较小。经环境负载修正后，约60％基准站的U分量速度增大，38％基准站的垂向速度减小，其中，69％基准站的变化量≥0.1mm/year，显著大于U分量不确定度。速度变化无明显的地理分布特征，北美洲FAIR站的垂向速度增量最大，达1.14mm/year；中国区域的SHAO、KUNM站次之，分别为0.97mm/year及0.6mm/year；格陵兰地区的KELY站垂向速度减小量最大，达1.54mm/year，ASC1、YELL站次之，分别为0.67mm/year及0.53mm/year。相比于改正前各基准站的垂向速度量级，环境负载造成了70％基准站的垂向速度变化超过10％。N、E分量的速度变化值较U分量小，变化较大的基准站均主要聚集在海洋及沿海区域。MKEA站E分量及AOML站N分量速度增大量最大，分别达0.77mm/year及0.64mm/year，MANA站的E、N分量速度减小量最大，分别为0.59mm/year及0.53mm/year。40％基准站的N分量及53％基准站的E分量速度增大，54％基准站N分量及44％基准站E分量速度减小，速度变化量约为改正前N、E分量的1％～25％，其中N、E分量变化量≥0.1mm/year的基准站数目分别占总基准站数的47％及44％，同样显著大于对应分量速度不确定度。

图6结果表明，本发明环境负载修正造成的基准站各分量速度不确定度变化表现为相同的趋势，50％基准站的速度不确定度不变，50％增大。不确定度增大的基准站中除SHAO站N、E、U分量的增大量达0.04mm/year，极少数基准站变化量达0.02mm/year外，其余基准站的变化量几乎全部为0.01mm/year。对比各基准站分量本身的不确定度量级，发现各基准站对应的速度不确定度变化量均小于其不确定度，因此可以认为CM框架下的环境负载修正对基准站的速度不确定度无影响。

综合上述分析可以得出结论，忽略CM框架下的环境负载修正确实会影响全球IGS基准站的长期速度，垂向速度所受影响最大，水平分量较小，但是对速度不确定度的影响可忽略不计。速度变化量较大的基准站主要聚集在沿海及海洋区域，其中U分量变化量最大超过1mm/year，N、E分量最大变化量超过0.5mm/year，且U、N、E分量速度变化显著大于其速度不确定度量级的基准站数目分别达69％，47％及44％。

2、环境负载修正对坐标时间序列WRMS的影响

环境负载修正前和环境负载修正后获得的全球IGS基准站坐标时间序列WRMS差值分布见图7。从图7可看出，经CM框架下最优模型数据(optimum model data，OMD)计算获得的环境负载修正后，全球大部分IGS基准站坐标时间序列U分量的WRMS减小，占所选基准站总数的86％，与CF改正效果表现为相同的地理分布特征，其中超过40％基准站的WRMS减小量大于1mm。改正效果最显著的基准站主要聚集在欧亚及北美大陆，ARTU站WRMS减小量最大，达3.40mm，较改正前相比减小了约40％，中国区域所有基准站改正后WRMS均减小，其中LHAS，BJFS及KUNM三个基准站的减小量均大于1mm，SHAO站的WRMS减小量达0.9mm，较改正前减小了约14％～26％。海洋及沿海区域基准站的改善效果最差，包括CF环境负载修正中WRMS增大的8个基准站。和CF改正类似，CM环境负载修正对N、E分量WRMS减小的贡献较小，仅能使得34％基准站的N分量及28％基准站的E分量WRMS减小，分别聚集在欧亚大陆、北美洲及亚洲。LHAS站N分量及CIC1站E分量的WRMS减小量最大(分别为0.31mm，0.23mm)，较改正前减小约10％及8％。

3、CF环境负载修正和CM环境负载修正对坐标时间序列WRMS的影响

图8给出了CF环境负载修正和CM环境负载修正造成的WRMS变化，采用CF环境负载修正得到的基准站WRMS减去CM环境负载修正获得的WRMS值，负值表示CF环境负载修正效果优于CM。

图8结果表明，CF框架下的环境负载修正对坐标时间序列的修正效果略优于CM。73％基准站的U分量、60％基准站的N分量及56％基准站的E分量经CF框架改正后获得的WRMS小于CM框架改正获得的结果，改善效果较CM提高1％～22％。尽管如此，CM框架下的环境负载修正对于北美洲及亚洲部分基准站的改善效果普遍优于CF，较CF提高了3％～15％，其中，格陵兰地区KELY站U分量、WSRT站的E分量及DAEJ站的N分量WRMS减小量最大，分别为0.9mm，0.22mm及0.14mm，其改善效果较CF分别提高了约14％，15％及5％。参与计算的中国区域基准站各分量的WRMS同样有一定程度的改善，可提高1％～5％。

从以上结论可以看到，CF框架下的环境负载修正对于GPS坐标时间序列WRMS的改善效果略优于CM，但是从图6分析结果来看，基准转换前忽略环境负载造成的位移会导致所获得的基准站长期速度的改变，尤其是垂向速度，沿海及海洋区域基准站垂向及水平速度变化最大值分别超过1mm/year及0.5mm/year，其数值显著大于其速度不确定度量级。由于基准站的垂直速度与冰后回弹、海平面变化等地球动力学过程关系密切，综合考虑基准站速度的准确性及WRMS改善效果的显著性，可认为本发明方法实现的CM框架下的环境负载修正是一种最优的GPS坐标时间序列修正方法，其结果有助于获得更可靠的基准站速度应用于稳定地球参考框架的建立及冰后回弹等地球动力学研究。

Claims (3)

1.GPS坐标时间序列环境负载修正方法，其特征在于，包括：

步骤1，获取IGS基准站的观测数据，采用基于GPS地球参考框架的最优数据处理模型处理观测数据获得各IGS基准站对应的基线单天解，所述的最优数据处理模型在传统数据处理模型基础上增加了大气潮汐、高阶电离层及次分量海洋潮汐的影响；

步骤2，根据地球弹性形变理论，在CM框架下获得各IGS基准站的环境负载位移时间序列，所述的环境负载位移时间序列包括地表大气压、大陆储水量及洋底压力造成的负载位移时间序列；

步骤2具体为：

采用法雷尔格林函数和全球环境负载模型做卷积，获得CM框架下地表大气压、大陆储水量及洋底压力造成的IGS基准站负载位移时间序列；

计算地表大气压造成的负载位移时考虑地形影响，并假设海洋对大气的反气压效应；

计算地表大气压造成的负载位移时，引入全球高程数据，根据高程与气压的数学关系，通过改正地形变化造成的地表气压变化，获得精确的全球气压格网，应用于格林函数的卷积运算；

海洋对大气的反气压效应的具体实施为：

对陆地区域，直接采用地形改正获得的格网气压值；对海洋区域，首先，根据海陆边界数据及全球气压格网提供的气压值确定地球表面海洋的总质量及面积；然后，计算地球表面海洋单位面积的大气压作为海洋区域的气压值；最后，联合陆地区域的气压值及海洋区域的气压值计算地表大气压的负载位移；

步骤3，采用步骤2获得的IGS基准站环境负载位移时间序列修正基线单天解的基准站坐标，从而获得修正后的基线单天解；

步骤3进一步包括子步骤：

3.1对IGS基准站的环境负载位移时间序列进行重采样使其与IGS基准站对应的基线单天解具有相同的时间分辨率；

3.2采用GLOBK软件中的rename命令格式将重采样的环境负载位移时间序列转换成GLOBK软件能读取的地震文件eq_file；

3.3采用GLOBK软件中的rename命令修对IGS基准站坐标进行环境负载位移修正，获得修正后的基线单天解；

步骤4，采用卡尔曼滤波法对修正后的基线单天解进行联合平差，获得IGS基准站速度和坐标时间序列；

步骤4进一步包括子步骤：

4.1组合选取的所有基准站的地震文件eq_file生成组合地震文件combine.eq文件；

4.2采用GLOBK软件工具对组合地震文件进行联合平差，获得IGS基准站速度和坐标时间序列；

子步骤4.1具体为：

根据步骤3.2获得的各基准站地震文件eq_file，结合GLOBK软件工具提供的包括基准站重命名信息的地震文件IGS08_disk.eq，判断基准站重命名时段内基准站名是否变化，无变化，则直接将反映基准站位移信息的地震文件eq_file存入组合地震文件combine.eq；若有变化，则重置地震文件eq_file，更改基准站名，然后将反映该更改后基准站位移信息的地震文件eq_file存入组合combine.eq文件。

2.如权利要求1所述的GPS坐标时间序列环境负载修正方法，其特征在于：

所述的最优数据处理模型基于GAMIT软件工具实现。

3.如权利要求1所述的GPS坐标时间序列环境负载修正方法，其特征在于：

所述的卡尔曼滤波法基于GLOBK软件工具实现。