CN113341476A - 基于海底地形-重力联合提高海洋重力空间分辨率的方法 - Google Patents
基于海底地形-重力联合提高海洋重力空间分辨率的方法 Download PDFInfo
- Publication number
- CN113341476A CN113341476A CN202110485135.1A CN202110485135A CN113341476A CN 113341476 A CN113341476 A CN 113341476A CN 202110485135 A CN202110485135 A CN 202110485135A CN 113341476 A CN113341476 A CN 113341476A
- Authority
- CN
- China
- Prior art keywords
- gravity
- combination
- anomaly
- model
- ocean
- 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.)
- Granted
Links
- 230000005484 gravity Effects 0.000 title claims abstract description 286
- 238000000034 method Methods 0.000 title claims abstract description 110
- 238000012876 topography Methods 0.000 claims abstract description 47
- 238000012937 correction Methods 0.000 claims abstract description 44
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 12
- 239000010410 layer Substances 0.000 claims description 21
- 239000011229 interlayer Substances 0.000 claims description 10
- 239000000463 material Substances 0.000 claims description 4
- 239000006185 dispersion Substances 0.000 claims description 3
- 238000005259 measurement Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 8
- 238000011160 research Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 4
- OMPJBNCRMGITSC-UHFFFAOYSA-N Benzoylperoxide Chemical compound C=1C=CC=CC=1C(=O)OOC(=O)C1=CC=CC=C1 OMPJBNCRMGITSC-UHFFFAOYSA-N 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 3
- 239000013589 supplement Substances 0.000 description 3
- 229940060894 topex Drugs 0.000 description 3
- 101100423891 Caenorhabditis elegans qars-1 gene Proteins 0.000 description 2
- 241000238097 Callinectes sapidus Species 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- 239000013535 sea water Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V7/00—Measuring gravitational fields or waves; Gravimetric prospecting or detecting
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V7/00—Measuring gravitational fields or waves; Gravimetric prospecting or detecting
- G01V7/02—Details
- G01V7/06—Analysis or interpretation of gravimetric records
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V7/00—Measuring gravitational fields or waves; Gravimetric prospecting or detecting
- G01V7/16—Measuring gravitational fields or waves; Gravimetric prospecting or detecting specially adapted for use on moving platforms, e.g. ship, aircraft
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Ocean & Marine Engineering (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种基于海底地形‑重力联合提高海洋重力空间分辨率的方法,包括:对大地水准面的正常重力场进行高度改正和中间层改正后,求得海底控制点处的理论重力值;确定海底控制点处的自由空间重力异常、由水深变化引起的重力异常和大地水准面上的自由空间重力异常三者之间的关系;得到海底地形‑重力联合法的基本公式模型;求解得到离散海底控制点处的绝对重力值;求解得到格网化海底绝对重力值;通过已有格网化高精度海底地形数据及重力校正,得到海底地形‑重力联合法模型,并求解得到大地水准面上格网化的自由空间重力异常。本发明旨在保证高精度的前提下,提高海洋重力异常模型的空间分辨率。
Description
技术领域
本发明属于海洋重力学、水下导航学等交叉技术领域,尤其涉及一种基于海底地形-重力联合提高海洋重力空间分辨率的方法。
背景技术
水下重力匹配导航技术旨在利用外部重力信息修正惯性导航系统随时间累积的误差,是真正的无源导航技术,有利于实现水下潜器自主、连续、精确和长航时的定位。基本原理:载体在航行过程中经过重力特征较丰富区域时利用海洋重力仪/重力梯度仪采集周围重力场信息,并与预先存储在导航系统中的重力基准图进行对比,依据相关准则判断二者之间的拟合度,从而确定最佳匹配位置。因此,获取高精度和高空间分辨率海洋重力基准图是提高水下重力匹配导航效果的关键因素之一。
随着重力场测量技术的发展,由于卫星测高技术反演海洋重力场高效便捷且能够有效地解决传统获取手段的数据稀疏、重复周期性差、舰船无法直接到达偏远海洋区域等问题,是目前获取高空间分辨率、高精度及全球海洋重力场的较优手段。(1)目前许多学者主要围绕卫星测高/重力及船测重力数据开展海洋重力场反演研究。1979年,Rapp首次利用Geo-3卫星得出若干个1°×1°和5°×5°的海洋重力场值,其精度分别为7.8mGal和2.7mGal。1989年,Hwang在Rapp的研究基础上,联合Geo-3和Seasat卫星所有数据,并加入海面地形、潮汐、卫星偏差等影响因素,计算结果与Rapp的重合部分计算结果均方根差为5.43mGal。1998年,Hwang联合多种测高卫星数据,利用简洁、严密、更加容易计算的Vening-Meinesz公式得到精度为9.9mGal的全球海洋重力场模型。1999年,许厚泽等利用垂线偏差法联合四年的T/P卫星和1年的ERS-1数据恢复出中国近海重力异常分辨率为30′×30′且精度为3.5mGal。2003年,李建成等利用Topex/Poseidon、ERS-1/2、Geosat/GM和ERM测高资料结合垂线偏差法反演出空间分辨率2.5′×2.5′且精度为9.35mGal的中国近海重力异常。2009年,李娜通过卫星测高数据和船测重力数据,在垂线偏差法计算的逆Vening-Meinesz公式中,证实了积分半径在30′~60′最佳。2009年,Sandwell等引入EGM2008全球海洋重力场模型和平均动态海面模型作为参考模型并结合双调和插值法,利用垂线偏差法反演出分辨率1′×1′和精度优于4mGal的全球海洋重力场模型V18.1。2014年,Sandwell联合现存的测高卫星数据和Cryosat-2卫星数据,把1′×1′的全球海洋重力场模型的精度从上一代的3-5mGal提高到2-4mGal。2014年,鲍李峰等提出双星伴飞的测高模式,成功获取分辨率为1′×1′区域高精度海洋重力场。(2)目前许多学者主要利用海洋重力场和船测水深数据反演海底地形研究。2011年,聂琳娟等利用卫星测高得到重力异常,基于非补偿板块模型,反演了南海海底地形,反演结果与LDEO船测深数据相比较,两者之差的RMS为253.3m,较ETOPO5海深模型精度和分辨率均有明显提高。2015年,Hu等提出了基于垂直重力梯度异常(VGG),重力异常和船舶测深推导的全球海平面地形模型。船舶测深仪用于限制波长大于200km的海底地形,VGG比率可用于预测100-200km波长带的海底地形,重力异常用于恢复波长小于100km的海底地形。结果表明,在所讨论的区域中,该模型的精度优于ETOPO1、GEBCO和DTU10,并接近V15.1模型。2018年,范雕等应用自适应赋权技术,采用导纳函数方法构建菲律宾海域1'×1'海底地形模型。试验发现,当重力异常垂直梯度反演海深结果与重力异常反演海深结果的权比为2:3时,所构建的海深模型检核精度最高,而相较于ETOPO1海深模型和DTU10海深模型检核精度分别提高了约27.17%和39.02%。综上所述,目前未发现有公开文献显示基于高精度和高空间分辨率海底地形数据反演海洋重力场的研究。
发明内容
本发明的技术解决问题:克服现有技术的不足,提供一种基于海底地形-重力联合提高海洋重力空间分辨率的方法,旨在保证高精度的前提下,提高海洋重力异常模型的空间分辨率。
为了解决上述技术问题,本发明公开了一种基于海底地形-重力联合提高海洋重力空间分辨率的方法,包括:
步骤2,根据重力地质法,确定海底控制点处的自由空间重力异常Δgl(x,y)、由水深变化引起的重力异常Δgs(x,y)和大地水准面上的自由空间重力异常Δgf(x,y)三者之间的关系;
步骤3,基于步骤1和步骤2,得到海底地形-重力联合法的基本公式模型;
步骤6,通过已有格网化高精度海底地形数据及重力校正,得到海底地形-重力联合法模型,并根据海底地形-重力联合法模型,求解得到大地水准面上格网化的自由空间重力异常Δgf_g(x,y)。
其中,g(x,y)表示大地水准面处的正常重力,ga_c(x,y)表示大地水准面到海底控制点的高度改正,gi_c(x,y)表示大地水准面与海底控制点之间的中间层改正。
在上述基于海底地形-重力联合提高海洋重力空间分辨率的方法中,通过如下公式,确定大地水准面处的正常重力g(x,y):
g(x,y)=g0(x,y)-ga(x,y)+gi(x,y)···(2)
其中,g0(x,y)表示椭球面处正常重力值,与纬度有关,ga(x,y)表示大地水准面到椭球体的高度改正,ga(x,y)=0.3086H;gi(x,y)表示大地水准面到椭球体的中间层间改正,gi(x,y)=0.0419H;H表示大地水准面起伏。
在上述基于海底地形-重力联合提高海洋重力空间分辨率的方法中,通过如下公式,确定大地水准面到海底控制点的高度改正ga_c(x,y):
其中,h表示大地水准面距海底控制点深度,R表示地球平均半径。
在上述基于海底地形-重力联合提高海洋重力空间分辨率的方法中,其特征在于,通过如下公式,确定大地水准面与海底控制点之间的中间层改正gi_c(x,y):
gi_c(x,y)=2πρGh···(4)
其中,ρ表示中间层物质密度,G表示万有引力常数。
在上述基于海底地形-重力联合提高海洋重力空间分辨率的方法中,Δgl(x,y)、Δgs(x,y)和Δgf(x,y)三者之间的关系如下:
Δgf(x,y)=Δgl(x,y)+Δgs(x,y)···(5)
其中,Δgs(x,y)=2πGΔρ(D-h),Δρ表示经验密度参数,D表示参考深度。
在上述基于海底地形-重力联合提高海洋重力空间分辨率的方法中,基于步骤1和步骤2,得到海底地形-重力联合法的基本公式模型,包括:
联立公式(1)、(2)、(5)和(6),推导得到海底地形-重力联合法的基本公式模型,表示如下:
根据式(7),确定离散海底控制点处的绝对重力值的解算表达式:
其中,Δgf_s(x,y)表示大地水准面上离散点处的自由空间重力异常,g0_s(x,y)表示椭球面处离散的正常重力值,ga_s(x,y)表示大地水准面到椭球体的离散点高度改正,gi_s(x,y)表示大地水准面到椭球体的离散点层间改正,ga_cs(x,y)表示大地水准面到离散海底控制点的高度改正,gi_cs(x,y)表示大地水准面与离散海底控制点之间的中间层改正,Δgs_s(x,y)表示离散点位的水深变化引起的重力异常;
在上述基于海底地形-重力联合提高海洋重力空间分辨率的方法中,海底地形-重力联合法模型的表达式如下:
其中,g0_g(x,y)表示大地水准面上格网化的正常重力值,ga_cg(x,y)表示大地水准面到海底控制点的格网化高度改正,gi_cg(x,y)表示大地水准面与海底控制点之间的格网化中间层改正,Δgs_g(x,y)表示格网化的水深变化引起的重力异常。
在上述基于海底地形-重力联合提高海洋重力空间分辨率的方法中,
Δgs_g(x,y)=2πGΔρ(D-hg)···(10)
其中,hg表示已有格网化高精度海底地形数据。
本发明具有以下优点:
鉴于当前公布的全球海底地形空间分辨率(0.25′×0.25′)高于全球海洋重力异常空间分辨率(1′×1′),这是由于当前丰富的海底地形数据并未参与海洋重力场的反演研究。通过卫星测高/重力及船测重力数据等主要反演手段获取更高分辨率的海洋重力场技术较难在短期内得到突破。因此,本发明综合考虑了海洋重力异常与海底地形之间的相关性,利用当前丰富的高精度和高空间分辨率海底地形数据,结合高精度船测重力数据,并联合重力校正和重力地质法,提出了新型海底地形-重力联合法,旨在保证高精度的前提下,提高海洋重力异常模型的空间分辨率,这是对目前主流卫星测高/重力及船测重力数据反演海洋重力场的补充探索研究。
附图说明
图1是本发明实施例中一种基于海底地形-重力联合提高海洋重力空间分辨率的方法的步骤流程图;
图2是本发明实施例中一种研究区域数据的示意图;2(a)为1′×1′海底地形图,2(b)为船测控制点及检核点离散分布;
图3是本发明实施例中一种经验密度参数选取示意图;3(a)为相关系数曲线,3(b)为标准差曲线;
图4是本发明实施例中一种1′×1′海洋重力异常示意图;4(a)为模型V28.1,4(b)为海底地形-重力联合法反演模型;
图5是本发明实施例中一种1′×1′海洋重力异常模型V28.1与检核点误差散点图;5(a)为三维,5(b)为二维;
图6是本发明实施例中一种海底地形-重力联合法反演模型与船测检核点误差散点图;6(a)为三维,6(b)为二维;
图7是本发明实施例中一种重力异常误差绝对值统计直方图;7(a)为模型V28.1,7(b)为海底地形-重力联合法反演模型;
图8是本发明实施例中又一种研究区域数据的示意图;8(a)为0.25′×0.25′海底地形图,8(b)为1′×1′海洋重力异常模型V28.1控制点及检核点分布;
图9是本发明实施例中又一种经验密度参数选取示意图;9(a)为相关系数曲线,9(b)为标准差曲线;
图10是本发明实施例中一种海洋重力异常示意图;10(a)为1′×1′模型V28.1,10(b)为0.25′×0.25′海底地形-重力联合法反演模型;
图11是本发明实施例中一种0.25′×0.25′海底地形-重力联合法反演模型与V28.1检核点的重力异常误差散点图;11(a)为三维,11(b)为二维;
图12是本发明实施例中一种基于海底地形-重力联合法的0.25′×0.25′海洋重力异常加密模型V28.1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,下面将结合附图对本发明公开的实施方式作进一步详细描述。
鉴于当前公布的全球海底地形空间分辨率(0.25′×0.25′)高于全球海洋重力异常空间分辨率(1′×1′),这是由于当前丰富的海底地形数据并未参与海洋重力场的反演研究。通过卫星测高/重力及船测重力数据等主要反演手段获取更高分辨率的海洋重力场技术较难在短期内得到突破。因此,本发明综合考虑了海洋重力异常与海底地形之间的相关性,利用当前丰富的高精度和高空间分辨率海底地形数据,结合高精度船测重力数据,并联合重力校正和重力地质法,提出了新型海底地形-重力联合法,旨在保证高精度的前提下,提高海洋重力异常模型的空间分辨率,这是对目前主流卫星测高/重力及船测重力数据反演海洋重力场的补充探索研究。
本发明的核心思想之一在于:公开了一种基于海底地形-重力联合提高海洋重力空间分辨率的方法,开展了联合高精度和高空间分辨率海底地形与高精度重力异常数据提高海洋重力异常基准图空间分辨率的探索性研究。第一,综合考虑了海洋重力异常与海底地形之间的相关性,以高精度和高空间分辨率海底地形与高精度船测重力异常为数据元,联合重力校正和重力地质法,提出新型海底地形-重力联合法;第二,以研究区域(经度131°~133°E,纬度36°~38°N)为例,联合1′×1′全球海底地形与高精度船测重力异常数据,基于新型海底地形-重力联合法反演的1′×1′海洋重力异常模型与船测检核点的标准差为4.91mGal,而1′×1′海洋重力异常模型V28.1与船测检核点的标准差为4.60mGal;且与船测检核点差值绝对值小于10mGal的点数,1′×1′新型海底地形-重力联合法反演模型占比约95.72%,1′×1′海洋重力异常模型V28.1占比约95.83%,表明海底地形-重力联合法反演模型精度接近于海洋重力异常模型V28.1。第三,以0.25′×0.25′全球海底地形和1′×1′全球海洋重力异常模型V28.1为基础数据,基于新型海底地形-重力联合法,反演了0.25′×0.25′全球海洋重力异常,其与V28.1检核点的标准差为0.36mGal,进而对1′×1′海洋重力异常模型V28.1实现了加密补充,旨在保证精度前提下构建全球更高空间分辨率的海洋重力基准图提供了技术参考。新型海底地形-重力联合法的优点为全球海洋重力异常图空间分辨率高、计算速度快。
如图1,在本实施例中,该基于海底地形-重力联合提高海洋重力空间分辨率的方法,包括:
其中,g(x,y)表示大地水准面处的正常重力,ga_c(x,y)表示大地水准面到海底控制点的高度改正,gi_c(x,y)表示大地水准面与海底控制点之间的中间层改正,x和y分别表示控制点的纬度和经度。
优选的,可以通过如下公式,确定大地水准面处的正常重力g(x,y):
g(x,y)=g0(x,y)-ga(x,y)+gi(x,y)···(2)
其中,g0(x,y)表示椭球面处正常重力值,与纬度有关,ga(x,y)表示大地水准面到椭球体的高度改正,ga(x,y)=0.3086H;gi(x,y)表示大地水准面到椭球体的中间层间改正,gi(x,y)=0.0419H;H表示大地水准面起伏。
优选的,可以通过如下公式,确定大地水准面到海底控制点的高度改正ga_c(x,y):
其中,h表示大地水准面距海底控制点深度,R表示地球平均半径。
优选的,可以通过如下公式,确定大地水准面与海底控制点之间的中间层改正gi_c(x,y):
gi_c(x,y)=2πρGh···(4)
其中,ρ表示中间层物质密度,如,中间层物质为海水,海水密度取理论值1.03g/cm3;G表示万有引力常数,G=6.672×10-11N·m2/kg2。
步骤102,根据重力地质法,确定海底控制点处的自由空间重力异常Δgl(x,y)、由水深变化引起的重力异常Δgs(x,y)和大地水准面上的自由空间重力异常Δgf(x,y)三者之间的关系。
在本实施例中,Δgl(x,y)主要由大尺度及深层物质分布变化引起,结合重力地质法可知,Δgl(x,y)、Δgs(x,y)和Δgf(x,y)三者之间的关系如下:
Δgf(x,y)=Δgl(x,y)+Δgs(x,y)···(5)
其中,Δgs(x,y)=2πGΔρ(D-h),Δρ表示经验密度参数,D表示参考深度。
步骤103,基于步骤101和步骤102,得到海底地形-重力联合法的基本公式模型。
在本实施例中,自由空气异常(free air anomaly)指地球自然表面上的绝对重力值,经过高度改正归算到大地水准面后,再减去正常重力值得到的重力差。即,控制点处的重力值为控制点处理论值和控制点所在高度上的自由空间重力异常之和,即可以确定海底控制点处的绝对重力值与海底控制点处的自由空间重力异常Δgl(x,y)和海底控制点处的理论重力值之间的关系式如下:
进一步的,联立公式(1)、(2)、(5)和(6),可以推导得到海底地形-重力联合法的基本公式模型,表示如下:
在本实施例中,基于公式(7),可以改写得到离散海底控制点处的绝对重力值的解算表达式:
其中,Δgf_s(x,y)表示大地水准面上离散点处的自由空间重力异常,g0_s(x,y)表示椭球面处离散的正常重力值,ga_s(x,y)表示大地水准面到椭球体的离散点高度改正,gi_s(x,y)表示大地水准面到椭球体的离散点层间改正,ga_cs(x,y)表示大地水准面到离散海底控制点的高度改正,gi_cs(x,y)表示大地水准面与离散海底控制点之间的中间层改正,Δgs_s(x,y)表示离散点位的水深变化引起的重力异常。
步骤106,通过已有格网化高精度海底地形数据及重力校正,得到海底地形-重力联合法模型,并根据海底地形-重力联合法模型,求解得到大地水准面上格网化的自由空间重力异常Δgf_g(x,y)。
在本实施例中,基于公式(7),可以改写得到海底地形-重力联合法模型的表达式如下:
其中,g0_g(x,y)表示大地水准面上格网化的正常重力值,ga_cg(x,y)表示大地水准面到海底控制点的格网化高度改正,gi_cg(x,y)表示大地水准面与海底控制点之间的格网化中间层改正,Δgs_g(x,y)表示格网化的水深变化引起的重力异常。
进一步的,格网化的水深变化引起的重力异常Δgs_g(x,y)的求解公式如下:
Δgs_g(x,y)=2πGΔρ(D-hg)···(10)
其中,hg表示已有格网化高精度海底地形数据。
最后,可以根据公式(9),可以求解得到大地水准面上格网化的自由空间重力异常Δgf_g(x,y)。
在上述实施例的基础上,下面对本发明实施例所述的基于海底地形-重力联合提高海洋重力空间分辨率的方法进行验证。
1、新型海底地形-重力联合法验证
数据区域一:研究数据范围以日本海区域(经度131°~133°E,纬度36°~38°N)为例,GEBCO网站提供的1′×1′海底地形图(由0.25′×0.25′全球海底地形图稀疏处理提取,如图2(a)所示);加州大学圣迭戈分校网站(https://topex.ucsd.edu/cgi-bin/get_data.cgi)提供的1′×1′海洋重力异常模型V28.1,用于与所反演的海洋重力场精度对比分析;源于美国国家地球物理数据中心(https://www.noaa.gov)提供的船测重力异常数据,船测点分布如图2(b)所示,共有船测重力异常数据点11626个,其中蓝色点作为控制点有8720个,用于参与海洋重力异常的反演计算过程;红色点作为检核点有2906个,用于对经验密度差的确定及重力异常反演结果的外部检核。
密度差Δρ为经验密度参数(无实际物理意义),但却至关重要,在反演前需要选择较为合理的参数。本发明采用迭代法进行密度差确定,选取8720个重力异常控制点和2906个检核点,利用控制点计算不同密度差常数下的海洋重力场模型,采用最邻近法得到检核点位置的预测重力异常,通过比较预测值与检核点之间相关系数与差值标准差,分别绘制相关系数变化曲线图3(a)和差值标准差变化曲线图3(b),将相关系数达到最大时的Δρ作为该区域的经验密度参数,可以看出相关系数最大时,标准差也达到最小值。
据图3可知,密度差参数在一定范围内,随着数值的增大相关系数随之增大,差值标准差逐渐减小;当密度差大于某一常数时,相关系数随密度差增大而降低,标准差逐渐增大。通过上述解算拟合的两条曲线,最终确定拟合曲线的相关系数达最大值0.96时,密度差参数取值约为5.3g/cm3,而且拟合曲线的标准差达到了最小值。
基于新型海底地形-重力联合法,可求取8720个海底控制点处的实测重力值,并通过适当插值求得1′×1′海底实测重力值,并通过已有1′×1′海底地形数据,获得基于海底地形-重力联合法反演模型(图4(b)所示)。
本发明采用外部测点检核法,对图4中的模型V28.1和基于海底地形-重力联合法反演模型进行精度分析,是将模型利用最邻近法插值到2906个检核点上,求得预测值,通过计算预测值与检核点值之间的差异,对模型精度进行评价。
图5表示1′×1′海洋重力异常模型V28.1与检核点的误差散点图,它是将1′×1′海洋重力异常模型V28.1(图4(a))利用最邻近法插值到2906个检核点上,并与检核点重力异常数据之差的散点图,描述了图4(a)与船测检核点之间的误差。图6表示1′×1′海底地形-重力联合法反演模型与检核点的误差散点图,它是将基于海底地形-重力联合法所反演的1′×1′海洋重力异常模型(图4(b))利用最邻近法插值到2906个检核点上,并与检核点重力异常数据之差的散点图,描述了图4(b)与检核点之间的误差。图5(b)和图6(b)的横坐标代表检核点的序号,纵坐标代表重力异常差值大小。
据图5和图6可知,两种模型与检核点的重力异常误差均集中于0mGal附近,大致介于-10~10mGal之间,表明1′×1′海底地形-重力联合法反演模型精度接近于1′×1′海洋重力异常模型V28.1。此外,图5与图6中个别检核点重力异常误差值较大,主要有两点分析:①可能某些检核点存在较大数据粗差;②这是由于地球并非密度均衡的球体,而不论海洋重力异常模型,还是海底地形-重力联合法反演模型的构建过程均是基于大量控制点数据的数学反演,无法排除某些非控制点位置密度突变的不确定性,因此说明这些重力异常误差值较大的检核点位置应该存在密度的突变,即可能存在断崖高峰等地质构造或油气矿藏等自然资源。
图7表示1′×1′海洋重力异常模型V28.1、1′×1′海底地形-重力联合法反演模型分别与船测检核点的重力异常误差绝对值统计直方图。图中横坐标表示误差绝对值,纵轴表示所占的百分比。据图7可知,与船测检核点差值绝对值小于5mGal的点数,海底地形-重力联合法反演模型占比约82.35%,海洋重力异常模型V28.1占比约84.82%;小于10mGal的点数,反演模型占比约95.72%,模型V28.1占比约95.83%。1′×1′海底地形-重力联合法反演模型与检核点重力异常的标准差和均值分别为4.91mGal和0.28mGal;而1′×1′海洋重力异常模型V28.1与检核点重力异常的标准差和均值分别为4.60mGal和1.13mGal。结果表明:1′×1′海底地形-重力联合法反演模型精度接近于1′×1′海洋重力异常模型V28.1。
这是由于本发明反演过程中以高精度和高空间分辨率海底地形为基础数据,结合了高精度船测重力异常数据来构建框架,因而反演精度较高,接近于海洋重力异常模型V28.1,证明了新型海底地形-重力联合法的有效性和可靠性。但是,由于高精度船测重力异常数据属于局部分布,无法获取全球分布均匀的船测重力异常值。因此,依靠高精度局部船测重力异常数据反演全球、高精度和高空间分辨率海洋重力异常模型无法实现。鉴于此,本发明对于海底地形-重力联合法的全球应用思路进行了分析探讨。
2、新型海底地形-重力联合法的全球应用
目前公布的全球海洋重力异常模型的最高空间分辨率为1′×1′(加州大学圣迭戈分校网站),全球海底地形最高为0.25′×0.25′(GEBCO,General Bathymetric Chart ofthe Oceans)。在精度损失较小前提下,为了获取更高分辨率全球海洋重力异常模型,本发明以0.25′×0.25′全球海底地形为基础数据,结合全球分布均匀的1′×1′海洋重力异常模型V28.1(用此模型替代高精度局部船测重力数据),基于海底地形-重力联合法,反演可得0.25′×0.25′全球海洋重力异常模型,进而对1′×1′全球海洋重力异常模型V28.1进行加密补充。
数据区域二:研究数据范围以中国南海区域(经度112°~113°E,纬度10°~11°N)为例,GEBCO网站提供的0.25′×0.25′全球海底地形图(如图8(a)所示),以及加州大学圣迭戈分校网站(https://topex.ucsd.edu/cgi-bin/get_data.cgi)提供的1′×1′全球海洋重力异常模型V28.1。在研究区域内1′×1′海洋重力异常模型V28.1共有原始格网点3782个,其中3242个蓝色点作为控制点,540个红色点作为检核点(如图8(b)所示)。
采用相同的迭代流程,通过比较预测值与检核点之间相关系数与差值标准差,分别绘制相关系数变化曲线图9(a)和差值标准差变化曲线图9(b),将相关系数达到最大时的Δρ作为该区域的经验密度参数,由上述解算拟合的两条曲线可知,最终拟合曲线的相关系数达最大值0.99时,密度差参数取值约为6.3g/cm3,同时标准差到达到最小值。
基于海底地形-重力联合法,可反演获得0.25′×0.25′海洋重力异常模型,如图10(b)所示,并与图10(a)1′×1′海洋重力异常模型V28.1对比分析。
图11表示0.25′×0.25′海底地形-重力联合法反演模型与V28.1检核点的重力异常误差散点图,它是获取海底地形-重力联合法反演模型(图10(b))对应的540个检核点预测值,并与V28.1检核点重力异常数据之差的散点图,描述了图10(b)与V28.1检核点之间的误差。图10(b)的横坐标代表船测检核点的序号,纵坐标代表重力异常差值大小。据图10可知,海底地形-重力联合法反演模型与V28.1检核点的重力异常误差集中于0mGal附近。
据图11可知,0.25′×0.25′海底地形-重力联合法反演模型与V28.1检核点重力异常的标准差、均值、最大值和最小值分别为0.36mGal、-0.01mGal、1.21mGal和-1.29mGal。即表示反演模型与1′×1′海洋重力异常模型V28.1相比标准差约为0.36mGal,因此,新型海底地形-重力联合法为反演高空间分辨率海洋重力基准图提供了可行性和有效性。
利用图10(a)1′×1′海洋重力异常模型V28.1将0.25′×0.25′海底地形-重力联合法反演模型图9(b)中对应的格网点替换,获得图12基于海底地形-重力联合法的0.25′×0.25′海洋重力异常加密模型V28.1。即在不改变1′×1′海洋重力异常模型V28.1格网数据的前提下,利用0.25′×0.25′全球海底地形数据和全球分布均匀的1′×1′海洋重力异常模型V28.1,基于新型海底地形-重力联合法,反演得到0.25′×0.25′全球海洋重力异常模型,是对1′×1′海洋重力异常模型V28.1的加密补充。
本发明虽然已以较佳实施例公开如上,但其并不是用来限定本发明,任何本领域技术人员在不脱离本发明的精神和范围内,都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改,因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰,均属于本发明技术方案的保护范围。
本发明说明书中未作详细描述的内容属于本领域专业技术人员的公知技术。
Claims (10)
1.一种基于海底地形-重力联合提高海洋重力空间分辨率的方法,其特征在于,包括:
步骤2,根据重力地质法,确定海底控制点处的自由空间重力异常Δgl(x,y)、由水深变化引起的重力异常Δgs(x,y)和大地水准面上的自由空间重力异常Δgf(x,y)三者之间的关系;
步骤3,基于步骤1和步骤2,得到海底地形-重力联合法的基本公式模型;
步骤6,通过已有格网化高精度海底地形数据及重力校正,得到海底地形-重力联合法模型,并根据海底地形-重力联合法模型,求解得到大地水准面上格网化的自由空间重力异常Δgf_g(x,y)。
5.根据权利要求4所述的基于海底地形-重力联合提高海洋重力空间分辨率的方法,其特征在于,通过如下公式,确定大地水准面与海底控制点之间的中间层改正gi_c(x,y):
gi_c(x,y)=2πρGh…(4)
其中,ρ表示中间层物质密度,G表示万有引力常数。
6.根据权利要求5所述的基于海底地形-重力联合提高海洋重力空间分辨率的方法,其特征在于,Δgl(x,y)、Δgs(x,y)和Δgf(x,y)三者之间的关系如下:
Δgf(x,y)=Δgl(x,y)+Δgs(x,y)…(5)
其中,Δgs(x,y)=2πGΔρ(D-h),Δρ表示经验密度参数,D表示参考深度。
根据式(7),确定离散海底控制点处的绝对重力值的解算表达式:
其中,Δgf_s(x,y)表示大地水准面上离散点处的自由空间重力异常,g0_s(x,y)表示椭球面处离散的正常重力值,ga_s(x,y)表示大地水准面到椭球体的离散点高度改正,gi_s(x,y)表示大地水准面到椭球体的离散点层间改正,ga_cs(x,y)表示大地水准面到离散海底控制点的高度改正,gi_cs(x,y)表示大地水准面与离散海底控制点之间的中间层改正,Δgs_s(x,y)表示离散点位的水深变化引起的重力异常;
10.根据权利要求9所述的基于海底地形-重力联合提高海洋重力空间分辨率的方法,其特征在于,
Δgs_g(x,y)=2πGΔρ(D-hg)…(10)
其中,hg表示已有格网化高精度海底地形数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110485135.1A CN113341476B (zh) | 2021-04-30 | 2021-04-30 | 基于海底地形-重力联合提高海洋重力空间分辨率的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110485135.1A CN113341476B (zh) | 2021-04-30 | 2021-04-30 | 基于海底地形-重力联合提高海洋重力空间分辨率的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113341476A true CN113341476A (zh) | 2021-09-03 |
CN113341476B CN113341476B (zh) | 2024-06-11 |
Family
ID=77469412
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110485135.1A Active CN113341476B (zh) | 2021-04-30 | 2021-04-30 | 基于海底地形-重力联合提高海洋重力空间分辨率的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113341476B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113985490A (zh) * | 2021-09-22 | 2022-01-28 | 中国人民解放军战略支援部队信息工程大学 | 利用地形和地壳密度数据进行地表重力仿真的方法及装置 |
CN114137624A (zh) * | 2021-10-27 | 2022-03-04 | 中国海洋大学 | 一种基于卫星高度计反演海底地形的方法和系统 |
CN116127314A (zh) * | 2023-01-19 | 2023-05-16 | 成都理工大学 | 基于自适应多尺度深度学习网络预测地下密度的方法 |
CN117970514A (zh) * | 2024-04-02 | 2024-05-03 | 中国科学院国家空间科学中心 | 一种基于水深的全球海洋重力场模型融合系统及方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5402340A (en) * | 1994-05-02 | 1995-03-28 | Textron, Inc. | Gradiometer based terrain estimation |
CN102841386A (zh) * | 2012-09-25 | 2012-12-26 | 中国石油化工股份有限公司 | 一种海洋重力调查提取重力异常的方法 |
CN109557594A (zh) * | 2018-12-11 | 2019-04-02 | 中国人民解放军火箭军工程大学 | 基于重力异常时变的重力基准图时变修正方法及系统 |
CN110221344A (zh) * | 2019-06-17 | 2019-09-10 | 中国地质大学(北京) | 一种地壳三维密度结构的地震全波形与重力联合反演方法 |
CN111142169A (zh) * | 2020-02-25 | 2020-05-12 | 中国地质大学(北京) | 一种基于重力梯度数据的海底地形反演方法 |
CN112229404A (zh) * | 2020-08-31 | 2021-01-15 | 中国空间技术研究院 | 基于海底地形三维优化原理提高海洋重力场插值精度方法 |
-
2021
- 2021-04-30 CN CN202110485135.1A patent/CN113341476B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5402340A (en) * | 1994-05-02 | 1995-03-28 | Textron, Inc. | Gradiometer based terrain estimation |
CN102841386A (zh) * | 2012-09-25 | 2012-12-26 | 中国石油化工股份有限公司 | 一种海洋重力调查提取重力异常的方法 |
CN109557594A (zh) * | 2018-12-11 | 2019-04-02 | 中国人民解放军火箭军工程大学 | 基于重力异常时变的重力基准图时变修正方法及系统 |
CN110221344A (zh) * | 2019-06-17 | 2019-09-10 | 中国地质大学(北京) | 一种地壳三维密度结构的地震全波形与重力联合反演方法 |
CN111142169A (zh) * | 2020-02-25 | 2020-05-12 | 中国地质大学(北京) | 一种基于重力梯度数据的海底地形反演方法 |
CN112229404A (zh) * | 2020-08-31 | 2021-01-15 | 中国空间技术研究院 | 基于海底地形三维优化原理提高海洋重力场插值精度方法 |
Non-Patent Citations (2)
Title |
---|
吴治国等: "海底重力测量精度的影响因素及评价方法", 《华北地震科学》, vol. 38, no. 2, pages 1 - 8 * |
郑伟等: "天海一体化水下重力辅助导航研究进展", 《国防科技大学学报》, vol. 42, no. 3, pages 39 - 49 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113985490A (zh) * | 2021-09-22 | 2022-01-28 | 中国人民解放军战略支援部队信息工程大学 | 利用地形和地壳密度数据进行地表重力仿真的方法及装置 |
CN114137624A (zh) * | 2021-10-27 | 2022-03-04 | 中国海洋大学 | 一种基于卫星高度计反演海底地形的方法和系统 |
CN114137624B (zh) * | 2021-10-27 | 2024-02-27 | 中国海洋大学 | 一种基于卫星高度计反演海底地形的方法和系统 |
CN116127314A (zh) * | 2023-01-19 | 2023-05-16 | 成都理工大学 | 基于自适应多尺度深度学习网络预测地下密度的方法 |
CN116127314B (zh) * | 2023-01-19 | 2024-03-19 | 成都理工大学 | 基于自适应多尺度深度学习网络预测地下密度的方法 |
CN117970514A (zh) * | 2024-04-02 | 2024-05-03 | 中国科学院国家空间科学中心 | 一种基于水深的全球海洋重力场模型融合系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113341476B (zh) | 2024-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113341476B (zh) | 基于海底地形-重力联合提高海洋重力空间分辨率的方法 | |
MacInnes et al. | Slip distribution of the 1952 Kamchatka great earthquake based on near-field tsunami deposits and historical records | |
Malengreau et al. | Structure of Réunion Island (Indian Ocean) inferred from the interpretation of gravity anomalies | |
Andrews et al. | Automated feature extraction and spatial organization of seafloor pockmarks, Belfast Bay, Maine, USA | |
Sanchez-Rojas et al. | Crustal density structure in northwestern South America derived from analysis and 3-D modeling of gravity and seismicity data | |
Rose et al. | Marine gravity and magnetic studies of the Solomon Islands | |
Collico et al. | Probabilistic mapping of earthquake-induced submarine landslide susceptibility in the South-West Iberian margin | |
Annan et al. | Mapping seafloor topography of Gulf of Guinea using an adaptive meshed gravity-geologic method | |
Christofferson | Linear magnetic anomalies in the Colombia Basin, central Caribbean Sea | |
CN113267822A (zh) | 基于地形约束因子权重优化提高海底地形反演精度的方法 | |
Lemenkova | GRASS GIS for topographic and geophysical mapping of the Peru-Chile Trench | |
An et al. | Improved gravity-geologic method reliably removing the long-wavelength gravity effect of regional seafloor topography: a case of bathymetric prediction in the South China Sea | |
Woollard | Crustal structure beneath oceanic islands | |
Sanchez et al. | A 3-D lithospheric model of the Caribbean-South American plate boundary | |
Kulikov et al. | Numerical tsunami modeling and the bottom relief | |
Majumdar et al. | On the utilization of ERS-1 altimeter data for offshore oil exploration | |
Lee et al. | Comparison of complete bouguer anomalies from satellite marine gravity models with shipborne gravity data in East Sea, Korea | |
Hinton | Palaeotidal changes within the area of the Wash during the Holocene | |
Sivkov et al. | Submerged Holocene wave-cut cliffs in the south-eastern part of the Baltic Sea: reinterpretation based on recent bathymetrical data | |
Sacchi et al. | The use and beauty of ultra-high-resolution seismic reflection imaging in Late Quaternary marine volcaniclastic settings, Napoli Bay, Italy | |
Wolfson et al. | Multibeam observations of mine burial near Clearwater, FL, including comparisons to predictions of wave-induced burial | |
Kader et al. | Bathymetric study of the Bay of Bengal based on open source satellite and sounding data | |
Rose et al. | Applying FALCON® gravity gradiometry to hydrocarbon exploration in the Gippsland Basin, Victoria | |
Li et al. | Altimeter-derived marine gravity variations reveal the magma mass motions within the subaqueous Nishinoshima volcano, Izu–Bonin Arc, Japan | |
Guo et al. | Validation of Just-released SWOT L2 KaRIn Beta Pre-Validated Data Based on Restore the Marine Gravity Field and Its Application |
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 |