CN113268869B - 地球表层质量变化监测方法及系统 - Google Patents
地球表层质量变化监测方法及系统 Download PDFInfo
- Publication number
- CN113268869B CN113268869B CN202110544074.1A CN202110544074A CN113268869B CN 113268869 B CN113268869 B CN 113268869B CN 202110544074 A CN202110544074 A CN 202110544074A CN 113268869 B CN113268869 B CN 113268869B
- Authority
- CN
- China
- Prior art keywords
- data
- mascon
- quality
- stress value
- earth surface
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 125
- 230000008859 change Effects 0.000 title claims abstract description 112
- 238000012544 monitoring process Methods 0.000 title claims abstract description 111
- 239000002344 surface layer Substances 0.000 claims abstract description 35
- 238000011160 research Methods 0.000 claims abstract description 31
- 239000011159 matrix material Substances 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 8
- 230000008030 elimination Effects 0.000 claims description 5
- 238000003379 elimination reaction Methods 0.000 claims description 5
- 230000000875 corresponding effect Effects 0.000 description 22
- 238000004088 simulation Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 12
- 238000004422 calculation algorithm Methods 0.000 description 10
- 230000005484 gravity Effects 0.000 description 7
- 238000005259 measurement Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000000638 solvent extraction Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 3
- 238000013508 migration Methods 0.000 description 3
- 230000005012 migration Effects 0.000 description 3
- 238000005293 physical law Methods 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000008014 freezing Effects 0.000 description 2
- 238000007710 freezing Methods 0.000 description 2
- 238000005305 interferometry Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000007670 refining Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 241001609370 Puschkinia scilloides Species 0.000 description 1
- 238000002679 ablation Methods 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002969 morbid Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000012958 reprocessing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明提供一种地球表层质量变化监测方法及系统，首先获取研究区域的待监测数据时间序列，并基于所述待监测数据时间序列确定地球表面质量变化引起的总体受力值；然后将所述总体受力值输入至Mascon质量模型，得到由所述Mascon质量模型输出的地球表层质量变化的监测结果。本发明实施例中在确定Mascon质量块的分布信息时依流域自动划分Mascon质量块，考虑了流域，避免了不同流域或者海陆边界在解算时产生信号泄露和扭曲的现象发生，从而提高了Mascon模型的空间分辨率，提高了地球表层质量变化监测结果的准确性。而且，结合最小二乘平差方法对总体受力值进行解算，可以进一步提高监测结果的准确性，降低监测误差。
Description
技术领域
本发明涉及地理监测技术领域，尤其涉及一种地球表层质量变化监测方法及系统。
背景技术
GRACE/GRACE-FO卫星是观测地球时变重力场的卫星，陆地冰川消融、水库蓄水、地下水过度开采、海平面与环流变化和强地震等等所有引起质量的变化的事件都能被GRACE/GRACE-FO卫星所观测到。GRACE/GRACE-FO卫星开创了高精度观测全球重力场与气候变化的新纪元，也是监测全球环境变化的有力手段。
GRACE/GRACE-FO卫星的数据处理分为4个层级：Level 0、Level 1a/1b、Level 2以及Level 3。从Level 1b到Level 2的数据处理主要指利用卫星所搭载仪器的实际观测数据解算时变地球重力场模型。Level 3为对Level 2产品进行再处理后的全球质量变化格网数据。
由于Level 2产品里包含大量的南北条带误差，需要采用高斯滤波和去条带算法进行降噪。但这些方法通常会导致不同程度的信号扭曲和泄漏，尤其以海陆交界处的信号泄漏效应更为明显，从而进一步降低了GRACE/GRACE-FO卫星的空间分辨率。近年来兴起的质量瘤(mass concentration，Mascon)方法，从一定程度上克服了这些缺点，具有以下优势：
1)能够以较容易的方式引入地球物理先验信息；
2)信号扭曲和泄漏较小；
3)空间分辨率高；
4)灵活的地表质量块参数化方式等优点。
因而逐渐成为一种新的主流算法。目前Mascon方法已经用于低-低卫星追踪卫星任务的数据分析，其显著特点是在建模过程中把地表物质迁移参数化，建立起对应的引力场变化模型，并主要通过卫星的高精度星间观测数据，把质量变化对应的等效水高直接作为参数解算。与球谐系数不同，Mascon并不是定义在整个球面上，而是针对感兴趣的区域直接引入参数建模，可以灵活选择质量异常的空间分辨率，同时减弱时变信号中存在的严重的南北条带误差。简单来说，相当于直接从卫星的仪器实际观测数据(Level 1b)解算出研究区域的质量变化产品(Level 3)，跳过输出Level 2产品。
目前，经典Mascon方法解算的地表质量变化模型广泛用于科研界。但是经典的Mascon方法在划分Mascon块时，容易导致不同流域或者海陆边界在解算时产生信号泄露和扭曲的现象，从而导致降低Mascon模型的空间分辨率。
发明内容
本发明提供一种地球表层质量变化监测方法及系统，用以解决现有技术中存在的缺陷。
本发明提供一种地球表层质量变化监测方法，包括：
获取研究区域的待监测数据时间序列，并基于所述待监测数据时间序列确定地球表面质量变化引起的总体受力值；
将所述总体受力值输入至Mascon质量模型，得到由所述Mascon质量模型输出的地球表层质量变化的监测结果；
其中，所述Mascon质量模型用于基于预先确定的Mascon质量块的分布信息，采用最小二乘平差方法对所述总体受力值进行解算得到所述监测结果；所述Mascon质量块的分布信息基于历史卫星观测数据，依流域自动划分Mascon质量块后确定。
根据本发明提供的一种地球表层质量变化监测方法，所述Mascon质量块的分布信息具体基于如下方法确定：
获取全球区域底图数据以及预先划分的正六边形格网数据，所述全球区域底图数据以及所述正六边形格网数据基于所述历史卫星观测数据确定；
若判断获知所述全球区域底图数据与所述正六边形格网数据中每个正六边形格网存在地理拓扑关系，则计算所述全球区域底图数据中各流域对应的正六边形格网的数量，并基于所述数量以及所述正六边形格网数据中每个正六边形格网的面积，依流域自动划分Mascon质量块，确定所述Mascon质量块的分布信息。
根据本发明提供的一种地球表层质量变化监测方法，所述计算所述全球区域底图数据中各流域对应的正六边形格网的数量，之前还包括：
将所述正六边形格网数据转换至地心坐标系，得到地心坐标系下的正六边形格网数据。
根据本发明提供的一种地球表层质量变化监测方法，所述将所述总体受力值输入至Mascon质量模型，之前还包括：确定物理先验信息，所述物理先验信息包括处于不同流域的Mascon质量块之间无质量流通；
相应地，所述Mascon质量模型具体用于：
基于预先确定的Mascon质量块的分布信息以及所述物理先验信息，采用最小二乘平差方法对所述总体受力值进行解算得到所述监测结果。
根据本发明提供的一种地球表层质量变化监测方法，所述最小二乘平差方法中采用的法方程矩阵基于Tikhonov正则化方法对原始法方程矩阵进行处理得到；
所述Tikhonov正则化方法采用的正则化矩阵基于所述Mascon质量块的分布信息确定。
根据本发明提供的一种地球表层质量变化监测方法，所述将所述总体受力值输入至Mascon质量模型，得到由所述Mascon质量模型输出的地球表层质量变化的监测结果，之后还包括：
确定所述研究区域对应的外部检核数据；
基于方差分量估计法，采用所述外部检核数据，对所述Mascon质量模型的综合精度进行评定。
根据本发明提供的一种地球表层质量变化监测方法，所述待监测数据时间序列为卫星观测数据时间序列；
相应地，所述基于所述待监测数据时间序列，确定地球表面质量变化引起的总体受力值，具体包括：
对所述卫星观测数据时间序列进行数据质量判断；
若判断获知所述卫星观测数据时间序列的数据质量符合要求，则对所述卫星观测数据时间序列进行粗差剔除并进行插值，得到新的卫星观测数据时间序列；
基于新的卫星观测数据时间序列，确定所述总体受力值。
根据本发明提供的一种地球表层质量变化监测方法，所述待监测数据时间序列为卫星观测数据时间序列；
相应地，所述基于所述待监测数据时间序列，确定地球表面质量变化引起的总体受力值，具体包括：
基于所述卫星观测数据时间序列中任一时间点数据，确定卫星的受力总值，并基于背景力模型，确定所述卫星受到的背景力值；
基于所述受力总值以及所述背景力值，确定所述任一时间点数据对应的地球表面质量变化引起的受力值，并基于各时间点数据对应的地球表面质量变化引起的受力值，确定所述总体受力值。
根据本发明提供的一种地球表层质量变化监测方法，所述待监测数据时间序列为模拟数据时间序列；
相应地，所述获取研究区域的待监测数据时间序列，具体包括：
设定模拟卫星参数，并基于真实卫星所处的外部环境，对所述模拟卫星参数进行校正；
基于校正后的模拟卫星参数，确定所述模拟数据时间序列。
本发明还提供一种地球表层质量变化监测系统，包括：
确定模块，用于获取研究区域的待监测数据时间序列，并基于所述待监测数据时间序列，确定地球表面质量变化引起的总体受力值；
监测模块，用于将所述总体受力值输入至Mascon质量模型，得到由所述Mascon质量模型输出的地球表层质量变化的监测结果；
其中，所述Mascon质量模型用于基于预先确定的Mascon质量块的分布信息，采用最小二乘平差方法对所述总体受力值进行解算得到所述监测结果；所述Mascon质量块的分布信息基于历史卫星观测数据，依流域自动划分Mascon质量块后确定。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述所述的地球表层质量变化监测方法的步骤。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述所述的地球表层质量变化监测方法的步骤。
本发明提供的地球表层质量变化监测方法及系统，首先获取研究区域的待监测数据时间序列，并基于所述待监测数据时间序列，确定地球表面质量变化引起的总体受力值；然后将所述总体受力值输入至Mascon质量模型，得到由所述Mascon质量模型输出的地球表层质量变化的监测结果。本发明实施例中在确定Mascon质量块的分布信息时依流域自动划分Mascon质量块，考虑了流域，避免了不同流域或者海陆边界在解算时产生信号泄露和扭曲的现象发生，从而提高了Mascon模型的空间分辨率，提高了地球表层质量变化监测结果的准确性。而且，结合最小二乘平差方法对总体受力值进行解算，可以进一步提高监测结果的准确性，降低监测误差。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明提供的地球表层质量变化监测方法的流程示意图；
图2是现有技术中的经典Mascon划分结构示意图；
图3是本发明实施例中提供的地球表层质量变化监测方法中依流域自动划分Mascon质量块得到的Mascon质量块的分布信息示意图；
图4是本发明实施例中确定Mascon质量块的分布信息的流程示意图；
图5是本发明实施例中格陵兰冰盖流域划分示意图；
图6是本发明实施例中提供的地球表层质量变化监测方法中辅助推导一阶正则化矩阵的各Mascon质量块位置的概念图；
图7是本发明实施例中提供的地球表层质量变化监测方法中精度评定的具体处理流程示意图；
图8是本发明实施例中提供的地球表层质量变化监测方法的完整流程示意图；
图9是本发明实施例中当待监测数据时间序列为模拟数据时间序列时的地球表层质量变化监测方法流程示意图；
图10是本发明提供的地球表层质量变化监测系统的结构示意图；
图11是本发明提供的ANGELS-Mascon执行流程示意图；
图12是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
目前，GRACE/GRACE-FO卫星的数据处理分为4个层级：Level0、Level 1a/1b、Level2以及Level 3。从Level 1b到Level 2的数据处理主要指利用卫星所搭载仪器的实际观测数据(如星间距离变率、卫星姿态数据、加速度计数据和轨道数据等)解算时变地球重力场模型(Stokes球谐位系数)。Level 3为对Level 2产品进行再处理(如：高斯滤波和去条带等算法)后的全球质量变化格网数据。
为实现对地球表面质量变化进行监测，引入质量瘤(mass concentration，Mascon)方法。但是，由于经典的Mascon方法在划分Mascon块时，容易导致不同流域或者海陆边界在解算时产生信号泄露和扭曲的现象，从而导致降低Mascon模型的空间分辨率。为此，本发明实施例中提供了一种地球表层质量变化监测方法。
图1为本发明实施例中提供的一种地球表层质量变化监测方法的流程示意图，如图1所示，该方法包括：
S1，获取研究区域的待监测数据时间序列，并基于所述待监测数据时间序列，确定地球表面质量变化引起的总体受力值；
S2，将所述总体受力值输入至Mascon质量模型，得到由所述Mascon质量模型输出的地球表层质量变化的监测结果；
其中，所述Mascon质量模型用于基于预先确定的Mascon质量块的分布信息，采用最小二乘平差方法对所述总体受力值进行解算得到所述监测结果；所述Mascon质量块的分布信息基于历史卫星观测数据，依流域自动划分Mascon质量块后确定。
具体地，本发明实施例中提供的地球表层质量变化监测方法，其执行主体为地球表层质量变化监测系统，该系统可以配置于服务器上，服务器可以是本地服务器，也可以是云端服务器，本地服务器具体可以是计算机、平板电脑以及智能手机等，本发明实施例中对此不作具体限定。
首先执行步骤S1，获取研究区域的待监测数据时间序列。研究区域是指需要对其内的地球表层质量变化进行监测的区域，研究区域可以分为冰川区域和非冰川区域，还可以根据其他标准进行划分，本发明实施例中对此不做具体限定。待监测数据时间序列是指对应于研究区域的用于进行地球表层质量变化监测的待监测数据按获取时间先后进行排列得到的时间序列。即，待监测数据时间序列上的每一时间点均对应有一待监测数据，即每一时间点数据。
待监测数据时间序列可以包括卫星观测数据时间序列以及模拟数据时间序列，卫星观测数据时间序列中每一时间点数据为卫星观测数据，模拟数据时间序列中每一时间点数据为模拟数据。卫星观测数据是指真实卫星实际观测得到的数据，可以包括星间距离变率、卫星姿态数据、加速度计数据和轨道数据等载荷数据，星历数据，地球潮汐数据等等。模拟数据是指通过模拟卫星仿真得到的数据，也可以包括星间距离变率、卫星姿态数据、加速度计数据和轨道数据等载荷数据，星历数据，地球潮汐数据等等。
在获取到研究区域的待监测数据时间序列之后，可以根据待监测数据时间序列，确定出地球表面质量变化引起的总体受力值。通过卫星轨道数据以及星间距离变率即可以确定出地球表面质量变化引起的总体受力值，由于受力分析通常是在地心惯性系下进行，而待监测数据通常是在地心地固系下获取，因此可以通过卫星姿态数据可以实现由地心地固系与地心惯性系之间的转换，使总体受力值为地心惯性系下的数据。其中，总体受力值是指待监测数据时间序列中每一时间点数据对应的受力值的汇总，即所有时间点数据对应的受力值的总体趋势。
然后执行步骤S2。将总体受力值输入至Mascon质量模型，通过Mascon质量模型对地球表层质量变化进行监测，得到并输出地球表层质量变化的监测结果，该监测结果可以是研究区域中的哪些区域质量变化为质量增加，哪些区域质量变化为质量减少，哪些区域质量变化为质量维持不变。
Mascon质量模型对地球表层质量变化进行监测时，根据预先确定的Mascon质量块的分布信息，采用最小二乘平差方法对所述总体受力值进行解算得到所述监测结果。Mascon质量块的分布信息是通过历史卫星观测数据，依流域自动划分Mascon质量块后确定。本发明实施例中，质量变化的最小区域单位可以是Mascon质量块。
本发明实施例中提供的地球表层质量变化监测方法，首先获取研究区域的待监测数据时间序列，并基于所述待监测数据时间序列，确定地球表面质量变化引起的总体受力值；然后将所述总体受力值输入至Mascon质量模型，得到由所述Mascon质量模型输出的地球表层质量变化的监测结果。本发明实施例中在确定Mascon质量块的分布信息时依流域自动划分Mascon质量块，考虑了流域，避免了不同流域或者海陆边界在解算时产生信号泄露和扭曲的现象发生，从而提高了Mascon模型的空间分辨率，提高了地球表层质量变化监测结果的准确性。而且，结合最小二乘平差方法对总体受力值进行解算，可以进一步提高监测结果的准确性，降低监测误差。
在上述实施例的基础上，本发明实施例中提供的地球表层质量变化监测方法，所述Mascon质量块的分布信息具体基于如下方法确定：
获取全球区域底图数据以及预先划分的正六边形格网数据，所述全球区域底图数据以及所述正六边形格网数据基于所述历史卫星观测数据确定；
若判断获知所述全球区域底图数据与所述正六边形格网数据中每个正六边形格网存在地理拓扑关系，则计算所述全球区域底图数据中各流域对应的正六边形格网的数量，并基于所述数量以及所述正六边形格网数据中每个正六边形格网的面积，依流域自动划分Mascon质量块，确定所述Mascon质量块的分布信息。
具体地，本发明实施例中，在确定Mascon质量块的分布信息时，可以先进行数据读取，即获取全球区域底图数据以及预先划分的正六边形格网数据，全球区域底图数据可以理解为全球区域的板块数据，正六边形格网数据可以包含有多个正六边形格网，每个正六边形格网可以用于表征一个初始Mascon质量块。
然后判断全球区域底图数据与所述正六边形格网数据中每个正六边形格网之间是否存在地理拓扑关系，在二者存在地理拓扑关系的情况下计算所述全球区域底图数据中各流域对应的正六边形格网的数量。其中，判断全球区域底图数据与正六边形格网数据中每个正六边形格网之间是否存在地理拓扑关系，即是判断全球区域底图数据中某一区域边界与正六边形格网数据中每个正六边形格网之间是否存在连通性与邻接性。存在地理拓扑关系与存在连通性与邻接性正相关。
各流域对应的正六边形格网的数量即各流域对应的初始Mascon质量块的数量。在计算出该数量后，还可以获取每个正六边形格网的面积，然后在每一流域下，根据计算出的数量以及每个正六边形格网的面积，利用现有的模型对各Mascon质量块进行精度验证，以实现依流域自动划分Mascon质量块，并确定Mascon质量块的分布信息。
如图2所示，为现有技术中的经典Mascon划分结构示意图，如图3所示，为本发明实施例中提供的地球表层质量变化监测方法中依流域自动划分Mascon质量块得到的Mascon质量块的分布信息示意图，通过图2和图3对比可知，图3相较于图2更加不规则化，更加符合实际情况。
在上述实施例的基础上，本发明实施例中提供的地球表层质量变化监测方法，所述计算所述全球区域底图数据中各流域对应的正六边形格网的数量，之前还包括：
将所述正六边形格网数据转换至地心坐标系，得到地心坐标系下的正六边形格网数据。
具体地，本发明实施例中为确保格网数据与底图数据之间的准确叠加，可以将正六边形格网数据转换至地心坐标系，得到地心坐标系下的正六边形格网数据。进而计算全球区域底图数据中各流域对应的地心坐标系下的正六边形格网的数量。地心坐标系可以是WGS-84(World Geodetic System，1984坐标系统)地心坐标系。本发明实施例中确定Mascon质量块的分布信息的流程示意图如图4所示。
在上述实施例的基础上，本发明实施例中提供的地球表层质量变化监测方法，所述将所述总体受力值输入至Mascon质量模型，之前还包括：确定物理先验信息，所述物理先验信息包括处于不同流域的Mascon质量块之间无质量流通；
相应地，所述Mascon质量模型具体用于：
基于预先确定的Mascon质量块的分布信息以及所述物理先验信息，采用最小二乘平差方法对所述总体受力值进行解算得到所述监测结果。
具体地，本发明实施例中，根据冰冻圈、水文圈等领域质量变化的基本物理规律：不同流域间罕有质量交互的特性，构建符合研究区域各流域质量变化特性的物理先验信息，即处于不同流域的Mascon质量块之间无质量流通。在含有Mascon参数的最小二乘平差方法解算过程中，借助物理先验信息可以降低算法在流域间的信号扭曲和信号泄漏效应，以此可以提高流域尺度(drainage system scale)的质量变化估算精度。本发明实施例中，在借助物理先验信息时，可以将物理先验信息转换成数学方程，然后采用附有约束的最小二乘平差方法解算Mascon参数。
以格陵兰为例，区别于GSFC以2000米等高线把格陵兰简单划分两个区域的简略先验信息，本发明实施例中，根据卫星测高数据，划分为若干个流域，如图5所示，为格陵兰冰盖流域划分示意图。根据冰冻圈冰雪变化的基本物理规律，各流域间的质量几乎没有交互，除了由snow drift等驱动机制导致的微量质量迁移。该物理先验信息也得到了由合成孔径雷达干涉测量或光学遥感得到的冰川流速数据的支撑。图5中，从左到右分别表示Mascon质量块划分、ICESat的高度变化、冰川流速和流域划分边界。
本发明实施例中，将Mascon质量块的分布信息与各个流域的边界融合起来，切断各个流域间的交互，以满足上述物理规律。只允许位于同一流域的质量块的质量交互，而最大限度地压制流域间的质量流通。
在上述实施例的基础上，本发明实施例中提供的地球表层质量变化监测方法，所述最小二乘平差方法中采用的法方程矩阵基于Tikhonov正则化方法对原始法方程矩阵进行处理得到；
所述Tikhonov正则化方法采用的正则化矩阵基于所述Mascon质量块的分布信息确定。
具体地，由于卫星重力所涉及的的向下延续属于病态问题，需要使用正则化来稳定法方程。本发明实施例中，在采用最小二乘平差方法进行解算时，可以以短弧长法构建观测方程，得到弧段法方程，以此作为原始法方程，并跳过Stokes球谐系数，直接解算Mascon参数。采用的法方程矩阵可以基于Tikhonov正则化方法对原始法方程矩阵进行处理得到，以用于优化并稳固法方程。Tikhonov正则化方法具体可以是一阶正则化(first-orderTikhonov regularization)方法。
区别于其他Mascon算法的正则化方法，例如，GSFC仅基于质量块距离的一阶正则化，本系统从Tikhonov regularization基本理论出发，推导同时顾及面积和距离信息的一阶正则化具体数学表达Φ1(x)。
在推导新正则化算法时，采用的Mascon分块方式为自动化等面积划分法。下面为新正则化算法的关键环节的雏形。以位于中心的第k个Mascon为例：
式中，
djk为相邻质量块j和k的距离；xj表示第j质量块的质量变化未知数；areaj and areak表示质量块j和k的面积。fh′k″′,fik″″,fk′m′,fk″n和fkl的定义类似fjk，不再赘述。North-south direction表示南北方向，East-west direction表示东西方向。
如图6所示，为本发明实施例中提供的地球表层质量变化监测方法中辅助推导一阶正则化矩阵的各Mascon质量块位置的概念图。h,i,j,k,l,m和n为Mascon质量块的索引。因为第k个Mascon质量块处于中心位置，所以根据其与相邻Mascon质量块的边界延伸线，可形成新的虚拟Mascon质量块：k',k”,k”'和k”'。
由于k',k”,k”'和k”'是根据第k个Mascon质量块与相邻Mascon质量块的边界延伸线，而形成的虚拟Mascon质量块，所以xh＝xh′,xi＝xi′,xm＝xm′,xn＝xn′,xk＝xk′＝xk″＝xk″′＝xk″″。
为了把基于卫星测高数据得到的质量变化的分布信息融入到正则化矩阵，本发明实施例中根据历史卫星测高数据，首先统计出位于每个Mascon质量块内部的测高信息的分布信息，然后把这个统计信息融入到上式的正则化矩阵。本发明实施例中，通过构建顾及高分辨率质量变化空间分布的一阶正则化矩阵，以供最小二乘平差方法顺利进行结算。
在上述实施例的基础上，本发明实施例中提供的地球表层质量变化监测方法，所述将所述总体受力值输入至Mascon质量模型，得到由所述Mascon质量模型输出的地球表层质量变化的监测结果，之后还包括：
确定所述研究区域对应的外部检核数据；
基于方差分量估计法，采用所述外部检核数据，对所述Mascon质量模型的综合精度进行评定。
具体地，本发明实施例中，在确定出监测结果之后，还可以对Mascon解算成果的综合精度评估。精度评定的具体处理流程如图7所示。首先，通过顾及质量周期性变化先验信息的方差分量估计法评估本发明实施例中的Mascon质量模型(ANGELS-Mascon)以及国际主流Mascon质量模型(CSR、JPL和GSFC)；然后，确定研究区域可以划分为冰川区域和非冰川区域；再然后，根据研究区域划分寻找外部检核数据，冰川区域的外部检核数据包括主流冰盖表面物质平衡模型、InSAR数据、研究区域GPS台站连续观测数据资料和ICESat数据；非冰川区域的外部检核数据包括水文模型、沙漠区域先验信息、海洋区域先验信息、InSAR数据和研究区域GPS台站连续观测数据资料。最后，完成全方位地对Mascon质量模型综合精度评定，输出精度评定结果。
在上述实施例的基础上，本发明实施例中提供的地球表层质量变化监测方法，所述待监测数据时间序列为卫星观测数据时间序列；
相应地，所述基于所述待监测数据时间序列，确定地球表面质量变化引起的总体受力值，具体包括：
对所述卫星观测数据时间序列进行数据质量判断；
若判断获知所述卫星观测数据时间序列的数据质量符合要求，则对所述卫星观测数据时间序列进行粗差剔除并进行插值，得到新的卫星观测数据时间序列；
基于新的卫星观测数据时间序列，确定所述总体受力值。
具体地，本发明实施例中，当待监测数据时间序列为卫星观测数据时间序列时，在基于所述待监测数据时间序列，确定地球表面质量变化引起的总体受力值时，首先对卫星观测数据时间序列进行数据质量判断。一般情况下，待监测数据时间序列的时间长度可以为1天，可以将待监测数据时间序列按30min为一个周期分为48组，对于每一组时间点，如果相邻两时间点的间隔大于设定值，例如5s，则认为待监测数据传输间断，则进一步判断该间隔是否小于21s，如果小于21s则可以采用四阶拉格朗日插值法确定出相邻两时间点之间的待监测数据。否则，如果该间隔大于21s，则删除这两个时间点所在的组对应的待监测数据。否则，如果相邻两时间点的间隔等于设定值，则认为卫星观测数据时间序列的数据质量符合要求，则对卫星观测数据时间序列进行粗差剔除并进行插值，得到新的卫星观测数据时间序列。最后根据新的卫星观测数据时间序列，确定总体受力值。
本发明实施例中，在应用卫星观测数据时间序列之前，对卫星观测数据时间序列进行预处理，该预处理操作可以包括数据质量判断以及粗差剔除并进行插值等操作，并利用预处理后得到的新的卫星观测数据时间序列，确定总体受力值，可以使得到的总体受力值更加准确，进一步提高地球表层质量变化监测结果的准确性。
在上述实施例的基础上，本发明实施例中提供的地球表层质量变化监测方法，所述待监测数据时间序列为卫星观测数据时间序列；
相应地，所述基于所述待监测数据时间序列，确定地球表面质量变化引起的总体受力值，具体包括：
基于所述卫星观测数据时间序列中任一时间点数据，确定卫星的受力总值，并基于背景力模型，确定所述卫星受到的背景力值；
基于所述受力总值以及所述背景力值，确定所述任一时间点数据对应的受力值，并基于各时间点数据对应的受力值，确定所述总体受力值。
具体地，本发明实施例中，当待监测数据时间序列为卫星观测数据时间序列时，在基于待监测数据时间序列确定地球表面质量变化引起的总体受力值时，首先可以根据卫星观测数据时间序列中任一时间点数据，确定当前时间点处卫星的受力总值。由于总体受力值中除了由地球表层质量变化(即质量迁移)导致的实质部分，这正是需要监测的，还可能包含有太阳、月亮以及各行星运动、加速度计等因素导致的背景部分，这是对监测其干扰作用的，需要排除。因此，可以基于背景力模型，确定当前时间点处卫星受到的背景力值。其中，背景力来源可以包括背景静态重力场、固体潮、海潮、极潮、高频大气海洋非潮汐力、三体摄动力、相对论力以及非保守力等。相应地，不同背景力来源对应于不同的背景力模型。通过不同背景力模型，可以确定出当前时间点处卫星受到的各背景力值。最后，根据当前时间点处的受力总值以及各背景力值，可以确定出当前时间点处地球表面质量变化引起的受力值，即任一时间点数据对应的地球表面质量变化引起的受力值。此处可以将受力总值与各背景力值的差值作为受力值。将各时间点数据对应的地球表面质量变化引起的受力值进行汇总，即可确定总体受力值。
如图8所示，为本发明实施例中提供的地球表层质量变化监测方法的完整流程示意图。
首先，进行数据预处理，包括获取每天卫星观测数据、数据质量判断、粗差剔除并插值、背景力计算以及依流域自动划分Mascon质量块以确定Mascon质量块的分布信息。其中，每天卫星观测数据包括卫星轨道数据、星间距离变率、卫星姿态数据以及加速度计数据等。
然后，进行模型反演，将Mascon质量块的分布信息作为物理先验信息，并结合一般先验信息，采用最小二乘平差方法构建Mascon质量模型，并通过Mascon质量模型得到监测结果。在最小二乘平差方法解算之前，还需要确定最优权阵，用以作为已知量对总体受力值进行解算。
最后，监测结果评定及分析，结合外部检核数据以及国际最新Mascon模型进行数据精度检核，再结合地球物理解释，确定出地质模型。该地质模型不仅可以给出监测结果，还可以对该监测结果产生的原因进行地球物理解释。例如，对于某一研究区域，地球表层质量变化为质量减少，可能是由温室效应引起。这些信息都将作为地质模型的输出提供给用户。
基于此，本发明实施例中提供的地球表层质量变化监测方法，可以理解为是一种综合多源空间大地测量数据精化地球表层质量变化监测方法，其旨在通过重力卫星预处理后的载荷观测数据(Level 1b)，引入先验信息与正则化信息，解算描述地表质量变化的高精度Mascon质量模型(Level 3)，并全方位评估Mascon质量模型精度。其核心是基于重力场反演的Mascon解算算法，利用卫星观测数据，如星间变率、加速度计、轨道数据等，以短弧长法构建观测方程，得到弧段法方程，并跳过Stokes球谐系数，直接解算Mascon参数，得到Mascon质量模型。
本发明实施例中提供的Mascon质量模型(SUSTech)与国际Mascon质量模型(CSR、JPL和GSFC)进行比较，可知：基于方差分量估计的随机误差定量分析，以格陵兰岛为例，研究发现CSR、JPL和GSFC在研究区域内冰盖质量变化在2003-2013年间的时间序列里包含的随机误差比SUSTech分别大45％、16％和64％。SUSTech与外部SMB模型做检核，统计分析残差的RMS后，发现SUSTech Mascon模型结果最优(63Gt)。
本发明实施例中对Mascon质量模型解算的优化，除了体现在先验信息约束与正则化约束，还实现了多角度的Mascon模型精度分析。从空间尺度上，结合多种地球系统模型，该软件可以对Mascon高精度模型进行统计分析，加强重力场模型在地学分析决策中使用的可靠性。
在上述实施例的基础上，本发明实施例中提供的地球表层质量变化监测方法，所述待监测数据时间序列为模拟数据时间序列；
相应地，所述获取研究区域的待监测数据时间序列，具体包括：
设定模拟卫星参数，并基于真实卫星所处的外部环境，对所述模拟卫星参数进行校正；
基于校正后的模拟卫星参数，确定所述模拟数据时间序列。
具体地，如图9所示，本发明实施例中，当待监测数据时间序列为模拟数据时间序列时，在获取模拟数据时间序列时，首先设定模拟卫星参数，模拟卫星参数可以包括模拟卫星的轨道高度、轨道倾角、平近点角、离心率以及升交点赤经。然后经过模拟卫星参数确定出两颗模拟卫星初始坐标。然后根据真实卫星所处的外部环境，例如大气阻力等非保守力，加速度计模拟误差，先验重力场模型、日月引力DE421、固体潮和固体极潮、海潮和海洋极潮、大气潮及混频噪声以及相对论IERS2010等背景力模型，采用Runge-Kutta Admas-Cowell预估校正积分器对模拟卫星参数进行校正，根据校正后的模拟卫星参数，确定出两组卫星轨道、星间距离变率等模拟数据时间序列。
得到模拟数据时间序列后，还可以叠加轨道位置和速度噪声以及星间距离变率噪声，以使得到的模拟数据时间序列更加准确。
在确定模拟数据时间序列之后，进行采用最小二乘平差方法进行解算，确定状态转移矩阵、参数敏感矩阵、设计矩阵以及轨道、距离或距离变率残差、常数项，得到法方程和常数项，并结合先验信息以及统计最优权阵进行各弧段叠加，得到Mascon参数改正数。判断精度是否满足预设条件，若满足则得到Mascon质量模型(SUSTech)，并结合卫星测高数据、光学遥感数据、全球定位系统网络、合成孔径干涉雷达、方差分量估计以及GSFC mascon模型、CSR mascon模型以及JPL mascon模型，进行数据精度检核，结合地球物理解释，确定地质模型，系统流程结束。
本发明实施例中，模拟数据时间序列的相关计算可以在卫星观测数据的相关计算之前进行，也可以相互独立地进行。
如图10所示，在上述实施例的基础上，本发明实施例中提供了一种地球表层质量变化监测系统，包括：确定模块101和监测模块102。其中，
确定模块101用于获取研究区域的待监测数据时间序列，并基于所述待监测数据时间序列确定地球表面质量变化引起的总体受力值；
监测模块102用于将所述总体受力值输入至Mascon质量模型，得到由所述Mascon质量模型输出的地球表层质量变化的监测结果；
其中，所述Mascon质量模型用于基于预先确定的Mascon质量块的分布信息，采用最小二乘平差方法对所述总体受力值进行解算得到所述监测结果；所述Mascon质量块的分布信息基于历史卫星观测数据，依流域自动划分Mascon质量块后确定。
具体地，本发明实施例中提供的地球表层质量变化监测系统中各模块的作用与上述方法类实施例中各步骤的操作流程是一一对应的，实现的效果也是一致的，具体参见上述实施例，本发明实施例中对此不再赘述。
本发明实施例中提供的地球表层质量变化监测系统，可以理解为是一种综合多源空间大地测量数据精化地球表层质量变化监测系统(ANalyst of Gravity Estimationwith Low-orbit Satellites,Mascon，ANGELS-Mascon)，地球表层质量变化监测方法中涉及的数据处理、反演以及精度评定的整个方法已嵌套于ANGELS-Mascon中，ANGELS-Mascon包括内部存储器、外部存储器、内部处理器及显示器。其中外部存储器储存GRACE/GRACE-FO卫星的星间距离变率、卫星姿态数据、加速度计数据和轨道数据等载荷数据，星历数据，地球潮汐数据等等，内部存储器储存综合多源空间大地测量数据精化地球表层质量程序，然后通过内部处理器包括CPU等硬件设备，执行该程序反演地球表层质量变化情况，与此同时综合多源空间大地测量数据(卫星测高，光学遥感、全球定位系统网络和合成孔径雷达干涉测量数据)进行精化模型并进行评估，最终由显示器输出终端进行地球表层质量变化的监测，ANGELS-Mascon执行流程如图11所示。
除了处理GRACE/GRACE-FO实测数据外，ANGELS-Mascon还搭载了数值模拟算法，用于理论模拟测试算法系统。在实测数据处理模块之前增添了卫星观测数据的模拟计算。
图12示例了一种电子设备的实体结构示意图，如图12所示，该电子设备可以包括：处理器(processor)1210、通信接口(Communications Interface)1220、存储器(memory)1230和通信总线1240，其中，处理器1210，通信接口1220，存储器1230通过通信总线1240完成相互间的通信。处理器1210可以调用存储器1230中的逻辑指令，以执行上述各实施例提供的地球表层质量变化监测方法，该方法包括：获取研究区域的待监测数据时间序列，并基于所述待监测数据时间序列确定地球表面质量变化引起的总体受力值；将所述总体受力值输入至Mascon质量模型，得到由所述Mascon质量模型输出的地球表层质量变化的监测结果；其中，所述Mascon质量模型用于基于预先确定的Mascon质量块的分布信息，采用最小二乘平差方法对所述总体受力值进行解算得到所述监测结果；所述Mascon质量块的分布信息基于历史卫星观测数据，依流域自动划分Mascon质量块后确定。
此外，上述的存储器1230中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各实施例提供的地球表层质量变化监测方法，该方法包括：获取研究区域的待监测数据时间序列，并基于所述待监测数据时间序列确定地球表面质量变化引起的总体受力值；将所述总体受力值输入至Mascon质量模型，得到由所述Mascon质量模型输出的地球表层质量变化的监测结果；其中，所述Mascon质量模型用于基于预先确定的Mascon质量块的分布信息，采用最小二乘平差方法对所述总体受力值进行解算得到所述监测结果；所述Mascon质量块的分布信息基于历史卫星观测数据，依流域自动划分Mascon质量块后确定。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的地球表层质量变化监测方法，该方法包括：获取研究区域的待监测数据时间序列，并基于所述待监测数据时间序列确定地球表面质量变化引起的总体受力值；将所述总体受力值输入至Mascon质量模型，得到由所述Mascon质量模型输出的地球表层质量变化的监测结果；其中，所述Mascon质量模型用于基于预先确定的Mascon质量块的分布信息，采用最小二乘平差方法对所述总体受力值进行解算得到所述监测结果；所述Mascon质量块的分布信息基于历史卫星观测数据，依流域自动划分Mascon质量块后确定。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (9)
1.一种地球表层质量变化监测方法，其特征在于，包括：
获取研究区域的待监测数据时间序列，并基于所述待监测数据时间序列确定地球表面质量变化引起的总体受力值；
将所述总体受力值输入至Mascon质量模型，得到由所述Mascon质量模型输出的地球表层质量变化的监测结果；
其中，所述Mascon质量模型用于基于预先确定的Mascon质量块的分布信息，采用最小二乘平差方法对所述总体受力值进行解算得到所述监测结果；所述Mascon质量块的分布信息基于历史卫星观测数据，依流域自动划分Mascon质量块后确定；所述Mascon质量块的分布信息具体基于如下方法确定：
获取全球区域底图数据以及预先划分的正六边形格网数据，所述全球区域底图数据以及所述正六边形格网数据基于所述历史卫星观测数据确定；
若判断获知所述全球区域底图数据与所述正六边形格网数据中每个正六边形格网存在地理拓扑关系，则计算所述全球区域底图数据中各流域对应的正六边形格网的数量，并基于所述数量以及所述正六边形格网数据中每个正六边形格网的面积，依流域自动划分Mascon质量块，确定所述Mascon质量块的分布信息。
2.根据权利要求1所述的地球表层质量变化监测方法，其特征在于，所述将所述总体受力值输入至Mascon质量模型，之前还包括：确定物理先验信息，所述物理先验信息包括处于不同流域的Mascon质量块之间无质量流通；
相应地，所述Mascon质量模型具体用于：
基于预先确定的Mascon质量块的分布信息以及所述物理先验信息，采用最小二乘平差方法对所述总体受力值进行解算得到所述监测结果。
3.根据权利要求1所述的地球表层质量变化监测方法，其特征在于，所述最小二乘平差方法中采用的法方程矩阵基于Tikhonov正则化方法对原始法方程矩阵进行处理得到；
所述Tikhonov正则化方法采用的正则化矩阵基于所述Mascon质量块的分布信息确定。
4.根据权利要求1所述的地球表层质量变化监测方法，其特征在于，所述将所述总体受力值输入至Mascon质量模型，得到由所述Mascon质量模型输出的地球表层质量变化的监测结果，之后还包括：
确定所述研究区域对应的外部检核数据；
基于方差分量估计法，采用所述外部检核数据，对所述Mascon质量模型的综合精度进行评定。
5.根据权利要求1-4中任一项所述的地球表层质量变化监测方法，其特征在于，所述待监测数据时间序列为卫星观测数据时间序列；
相应地，所述基于所述待监测数据时间序列，确定地球表面质量变化引起的总体受力值，具体包括：
对所述卫星观测数据时间序列进行数据质量判断；
若判断获知所述卫星观测数据时间序列的数据质量符合要求，则对所述卫星观测数据时间序列进行粗差剔除并进行插值，得到新的卫星观测数据时间序列；
基于新的卫星观测数据时间序列，确定所述总体受力值。
6.根据权利要求1-4中任一项所述的地球表层质量变化监测方法，其特征在于，所述待监测数据时间序列为卫星观测数据时间序列；
相应地，所述基于所述待监测数据时间序列，确定地球表面质量变化引起的总体受力值，具体包括：
基于所述卫星观测数据时间序列中任一时间点数据，确定卫星的受力总值，并基于背景力模型，确定所述卫星受到的背景力值；
基于所述受力总值以及所述背景力值，确定所述任一时间点数据对应的地球表面质量变化引起的受力值，并基于各时间点数据对应的地球表面质量变化引起的受力值，确定所述总体受力值。
7.一种地球表层质量变化监测系统，其特征在于，包括：
确定模块，用于获取研究区域的待监测数据时间序列，并基于所述待监测数据时间序列，确定地球表面质量变化引起的总体受力值；
监测模块，用于将所述总体受力值输入至Mascon质量模型，得到由所述Mascon质量模型输出的地球表层质量变化的监测结果；
其中，所述Mascon质量模型用于基于预先确定的Mascon质量块的分布信息，采用最小二乘平差方法对所述总体受力值进行解算得到所述监测结果；所述Mascon质量块的分布信息基于历史卫星观测数据，依流域自动划分Mascon质量块后确定；所述Mascon质量块的分布信息具体基于如下方法确定：
获取全球区域底图数据以及预先划分的正六边形格网数据，所述全球区域底图数据以及所述正六边形格网数据基于所述历史卫星观测数据确定；
若判断获知所述全球区域底图数据与所述正六边形格网数据中每个正六边形格网存在地理拓扑关系，则计算所述全球区域底图数据中各流域对应的正六边形格网的数量，并基于所述数量以及所述正六边形格网数据中每个正六边形格网的面积，依流域自动划分Mascon质量块，确定所述Mascon质量块的分布信息。
8.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述的地球表层质量变化监测方法的步骤。
9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至6任一项所述的地球表层质量变化监测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110544074.1A CN113268869B (zh) | 2021-05-19 | 2021-05-19 | 地球表层质量变化监测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110544074.1A CN113268869B (zh) | 2021-05-19 | 2021-05-19 | 地球表层质量变化监测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113268869A CN113268869A (zh) | 2021-08-17 |
| CN113268869B true CN113268869B (zh) | 2022-02-01 |
Family
ID=77231680
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110544074.1A Active CN113268869B (zh) | 2021-05-19 | 2021-05-19 | 地球表层质量变化监测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113268869B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117826271A (zh) * | 2024-01-03 | 2024-04-05 | 西安交通大学 | 一种地震短临前兆信息组网监测方法及系统 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110175214A (zh) * | 2019-02-01 | 2019-08-27 | 中国空间技术研究院 | 一种利用重力卫星数据监测极端气候变化的方法和系统 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109521444B (zh) * | 2018-10-22 | 2023-03-14 | 长安大学 | 一种地壳运动gps水平速度场自适应最小二乘拟合推估算法 |
| CN111241473B (zh) * | 2019-12-27 | 2023-09-29 | 中国空间技术研究院 | 一种提高区域地下水储量估计精度的方法 |
| CN111752934B (zh) * | 2020-05-29 | 2023-04-28 | 首都师范大学 | 一种基于重力卫星的高分辨率含水层储水系数反演方法及系统 |
-
2021
- 2021-05-19 CN CN202110544074.1A patent/CN113268869B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110175214A (zh) * | 2019-02-01 | 2019-08-27 | 中国空间技术研究院 | 一种利用重力卫星数据监测极端气候变化的方法和系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113268869A (zh) | 2021-08-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Laloyaux et al. | CERA‐20C: A coupled reanalysis of the twentieth century | |
| White et al. | A review of GNSS/GPS in hydrogeodesy: Hydrologic loading applications and their implications for water resource research | |
| Ivins et al. | Antarctic contribution to sea level rise observed by GRACE with improved GIA correction | |
| Kiamehr et al. | Effect of the SRTM global DEM on the determination of a high-resolution geoid model: a case study in Iran | |
| Kierulf et al. | A GNSS velocity field for geophysical applications in Fennoscandia | |
| Zanutta et al. | Monitoring geodynamic activity in the Victoria Land, East Antarctica: Evidence from GNSS measurements | |
| Bogusz et al. | Modelling the velocity field in a regular grid in the area of Poland on the basis of the velocities of European permanent stations | |
| Falchi et al. | Global geoid adjustment on local area for GIS applications using GNSS permanent station coordinates | |
| Yildiz | A study of regional gravity field recovery from GOCE vertical gravity gradient data in the Auvergne test area using collocation | |
| Kittel et al. | Hydraulic model calibration using CryoSat‐2 observations in the Zambezi catchment | |
| CN113268869B (zh) | 地球表层质量变化监测方法及系统 | |
| Salstein et al. | Uncertainties in atmospheric surface pressure fields from global analyses | |
| Urquhart | Assessment of tropospheric slant factor models: comparison with three dimensional ray-tracing and impact of geodetic positioning | |
| Yan et al. | Fusion of GNSS and InSAR time series using the improved STRE model: applications to the San Francisco Bay Area and Southern California | |
| Yang et al. | On study of the Earth topography correction for the GRACE surface mass estimation | |
| Wang et al. | Time-variable gravity field from satellite constellations using the energy integral | |
| Soycan | Analysis of geostatistical surface model for GPS height transformation: a case study in Izmir territory of Turkey | |
| CN114046774B (zh) | 综合cors网和多源数据的地面形变连续监测方法 | |
| Forootan et al. | Empirical data assimilation for merging total electron content data with empirical and physical models | |
| Krdžalić et al. | A precise geoid model of Bosnia and Herzegovina by the KTH method and its validation | |
| Din et al. | Assessment of global geopotential models for modelling Malaysia Marine Geoid | |
| Rezvani et al. | Vertical deformation and residual altimeter systematic errors around continental Australia inferred from a Kalman-based approach | |
| Aldaajani et al. | The rigidity of the western Arabian margin: extensional strain rate field from GPS networks | |
| Rizeei et al. | Extraction and accuracy assessment of DTMs derived from remotely sensed and field surveying approaches in GIS framework | |
| Pitoňák et al. | Validation of space-wise GOCE gravitational gradient grids using the spectral combination method and GNSS/levelling data |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |