张衡一号卫星高精度磁强计及全球地磁场建模应用

来源 :中国地球物理学会地球物理技术委员会第九届学术会议——全域地球物理探测与智能感知学术研讨会 | 被引量 : 0次 | 上传用户:lyzqwww
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
  2018年2月2日,电磁卫星张衡一号在酒泉发射成功.星上搭载的八载荷之一高精度磁强计,由两个磁通门探头FGM和一个绝对校准装置CDSM组成,能够实现对地磁场矢量(DC~15Hz)和总场(DC~1Hz)的全球探测.基于张衡一号卫星磁测数据,综合考虑地磁内源场、外源场以及磁场年变化,利用球谐分析方法,我们建立了全球地磁场模型CGGM 2020.0.其中内源场求解至15阶,前8阶同时考虑随时间的变化,而外源场包括磁尾电流和环电流,求解至2阶.所有参数通过迭代加权的最小二乘法求解得到.建模结果表明,CGGM 2020.0能够很好的反应地磁场的基本特征,且与IGRF-13及其它入选模型以及CHAOS模型等结果高度一致,表明CGGM 2020.0建模结果可靠.目前,CGGM 2020.0已成功入选到新一代国际地磁参考场IGRF-13的计算,本项工作将对CGGM 2020.0建立的具体过程、方法及结果做详细介绍.
其他文献
近年来,利用多种地球物理观测数据的联合反演的研究较多,这些研究主要分为两类:一类主要基于岩石物性关系的联合反演,该方法对先验信息依赖较强,一类主要基于不同物性参数有相似边界的假设,提出了交叉梯度结构耦合法.已有研究表明在局部熔融或半熔融异常体、含水的裂隙或者断层,以及壳内滑脱层等特殊构造区域,电阻率模型与速度模型在三维结构分布上具有相似性.鉴于此,利用交叉梯度的结构约束方法,实现了大地电磁法与体波
数据对于地球科学研究非常重要,很多高质量的数据来自于公开出版的学术论文,利用这些数据需要将文献中的文本抽取为结构化的数据,并融入新的科研过程中.然而人工抽取文献中的数据工作量较大,且效率低,为了更有效地实现数据的重用,本文对基于地学文献的数据抽取技术开展了研究,并结合数据库转换映射方法有效地实现了数据的自动化抽取和建库.文献格式及数据抽取需求:常见的公开出版学术文献的格式为caj和pdf两类,其中
中国拥有300多平方公里的海域,海洋尤其深海是中国最重要的油气资源接续区.深水油气勘探开发具有"高风险、高投入、高技术"特点.深水钻井成本高,开发井的成本是探井成本的3~4倍.深水油气勘探与开采的高投入使得准确、精细地获得地下储层信息变得极为重要.海上时移地震(4D)技术是利用同一地方不同时间采集的两次或多次地震资料差异来获取地下油藏信息,时移地震技术通常用来判定剩余油的分布(目前国际石油开采的采
在电磁勘探中,由于近地表存在电性局部不均匀体,因此在其表面产生静电荷积累,使实测水平电场发生变化,进而导致视电阻率随对数频率平移,以致严重影响勘探效果.对此,近年来发展了多种校正方法,主要有如下几类:①利用不受静态位移影响的数据进行矫正,如采用同时采集的阻抗相位、独立采集的瞬变电磁数据等进行校正.②利用静态位移的高频特性,进行低通滤波处理,如"空间滤波法"等.上述两类方法都在实际工作中有广泛的应用
大地电磁法(MT),是Tikhonov和Cagniard提出的利用天然交变电磁场研究地球电性结构的一种地球物理方法.该方法通过测量相互垂直的电场、磁场并计算视电阻率后,再经反演解释来获取地球深部电性结构信息.MT反演是一个非常复杂的非线性方程组求解问题,常规线性迭代反演法容易陷入局部极值,粒子群算法与遗传算法等全局寻优反演法能够克服局部极值问题,获得全局最优解,但需要耗费大量的运算内存与较长的运算
全球定位系统(GPS)是基于卫星的导航系统,在具有四颗或更多卫星下能够向地球表面或者近地球表面提供准确的地理和时间信息.现在民用基于GPS的模块在无遮挡的条件下可以提供时间精度在20ns以内的秒脉冲(PPS)信号,PPS信号具有长期稳定性.恒温晶体振荡器简称恒温晶振(OCXO),是利用恒温装置使石英晶体谐振器的温度保持稳定,将由周围温度变化引起的振荡器输出频率变化量减小的晶体振荡器,OCXO通常有
去除测井曲线中的毛刺干扰对测井资料解释工作和地质导向工作都有重要作用.传统的中值滤波方法和近年来的Hilbert-Huang变换(HHT)方法都需要人为指定处理参数,不同的参数会改变曲线的信噪比和地层分辨率,干扰后续工作.本文提出一种基于HHT的测井曲线自适应滤波方法,利用测井曲线和随机噪音内部模态函数(IMF)的平均周期以及平均能量之间的分布规律,确定出原始测井曲线的噪音IMF分量,进而重构出滤
大地电磁测深法(MT)利用天然电磁场作为场源,信号弱、频带宽,实测数据常常包含人文干扰,如何降低和分离大地电磁观测数据中的干扰是MT数据处理的关键.阶跃噪声作为一种常见的随机干扰,传统的时频分析和去噪方法难以达到理想的去噪效果.因此,开发针对阶跃噪声去噪方法具有实际意义.循环神经网络(RNN)作为一种针对序列数据特殊的神经网络,它具有与传统网络不同的循环结构,能够灵活地使用相邻数据的信息并确定输入
瑞雷面波方法在近地表速度分层具有无可比拟的优势。面波勘探的步骤主要包括数据采集、频散曲线提取,频散曲线反演和解释。前人的研究在频散曲线提取,频散曲线反演方法取得突破性进展。但在数据采集方面依旧需要提高。传统的主动源面波仪采用锥型检波器,实际应用时成本高昂,工作效率低,并且在城市硬化路面施工困难。受到仪器技术的限制,无法低成本快速采集高密度面波数据,造成横向分辨率不足。城市环境不可避免受到随机噪声干
现有油气井电磁探伤测井仅能定性判断套管是否变形,无法识别套管具体变形类型,引入深度学习的思路,提出一种基于Fisher线性判别的套管变形类型识别方法通过设计多层自动编码器对电磁探伤信号进行编码,获得使样本线性可分的多维特征;利用Fisher线性判别方法对多维特征进行投影降维,根据多维样本分布获得最佳投影矩阵;通过为十种经典套管变形类型设计标签,构建了BP神经网络的输出层,选择Fisher处理后的多