文章利用重力恢复与气候实验卫星(Gravity Recovery and Climate Experiment,GRACE)时变重力场球谐系数文件,联合全球陆面数据同化系统(Global Land Data Assimilation System,GLDAS)水文模型反演安徽省2003—2016年地下水储量的时空变...文章利用重力恢复与气候实验卫星(Gravity Recovery and Climate Experiment,GRACE)时变重力场球谐系数文件,联合全球陆面数据同化系统(Global Land Data Assimilation System,GLDAS)水文模型反演安徽省2003—2016年地下水储量的时空变化。通过奇异谱分析(Singular Spectrum Analysis,SSA)地下水时间序列,结合热带降雨测量任务(Tropical Rainfall Measuring Mission,TRMM)降雨数据对地下水储量变化规律进行分析。结果表明,安徽省地下水储量在2011年和2014年前后发生较大变化,在2003—2011年的变化率为0.37 cm/a,2011—2014年的下降速率为-0.2 cm/a,2014—2016年的增长速率为1.9 cm/a;进一步与降雨数据关联,发现降雨量是影响安徽省地下水储量年际变化和季节性变化的主要因素。在空间上,安徽省呈现自东北向西南逐渐缓和的趋势,最大亏损出现在皖北地区,为-7.52 mm/a,在西南地区的最大盈余达到8.38 mm/a。展开更多
针对GRACE(gravity recovery and climate experiment)时变重力场模型中因高阶项误差引起的南北条带误差,分析利用滤波算法消除该条带误差的基本原理,着重研究Fan滤波和高斯滤波的理论差异,最后利用CSR(center for space research of te...针对GRACE(gravity recovery and climate experiment)时变重力场模型中因高阶项误差引起的南北条带误差,分析利用滤波算法消除该条带误差的基本原理,着重研究Fan滤波和高斯滤波的理论差异,最后利用CSR(center for space research of texas university in austin)提供的Level-2 RL05版本时GRACE重力场数据对2010年全球陆地水储量月变化进行了数值计算,并分别利用Fan滤波和高斯滤波对相关误差进行了处理,并将计算结果与GLDAS(global land data assimilation system)水文模型的结果进行了验证分析。比较结果表明:Fan滤波相对于高斯滤波,能够有效地消除模型高阶项误差引起的条带误差。展开更多
由于重力场恢复与气候实验(gravity recovery and climate experiment,GRACE)时变重力场的高阶项误差导致反演结果中出现明显的条带误差,必须对其进行去相关处理。传统去相关算法采用滑动窗多项式拟合方法,但其存在着位于两端的数据无...由于重力场恢复与气候实验(gravity recovery and climate experiment,GRACE)时变重力场的高阶项误差导致反演结果中出现明显的条带误差,必须对其进行去相关处理。传统去相关算法采用滑动窗多项式拟合方法,但其存在着位于两端的数据无法处理的缺点,采用反向延拓技术对传统算法进行改进,提高数据的处理率和精确性。最后将改进前后的去相关处理结果进行比较,验证算法的有效性和可靠性。展开更多
文摘针对GRACE(gravity recovery and climate experiment)时变重力场模型中因高阶项误差引起的南北条带误差,分析利用滤波算法消除该条带误差的基本原理,着重研究Fan滤波和高斯滤波的理论差异,最后利用CSR(center for space research of texas university in austin)提供的Level-2 RL05版本时GRACE重力场数据对2010年全球陆地水储量月变化进行了数值计算,并分别利用Fan滤波和高斯滤波对相关误差进行了处理,并将计算结果与GLDAS(global land data assimilation system)水文模型的结果进行了验证分析。比较结果表明:Fan滤波相对于高斯滤波,能够有效地消除模型高阶项误差引起的条带误差。
文摘由于重力场恢复与气候实验(gravity recovery and climate experiment,GRACE)时变重力场的高阶项误差导致反演结果中出现明显的条带误差,必须对其进行去相关处理。传统去相关算法采用滑动窗多项式拟合方法,但其存在着位于两端的数据无法处理的缺点,采用反向延拓技术对传统算法进行改进,提高数据的处理率和精确性。最后将改进前后的去相关处理结果进行比较,验证算法的有效性和可靠性。
