论文部分内容阅读
上世纪九十年代,为开展精密定位和地壳形变监测,日本国土地理院建立了GNSS永久性跟踪站网(GNSS Earth Observation Network,GEONET)。经过二十多年发展,GEONET已成为世界上密度最大的连续GNSS观测网之一。GEONET网络GNSS坐标时间序列中蕴含丰富的地球物理信号,这些信号与噪声相互交叉融合,共同构成了复杂的地表运动,因此研究GEONET网络GNSS坐标时间序列对于维护动态地球参考框架和研究地壳形变具有重要意义。信号建模的关键是噪声性质。与其他信号建模不同,GNSS坐标时间序列中包含有色噪声。有色噪声会对信号提取及精度评定造成严重干扰,如何从受到有色噪声“污染”的GNSS坐标时间序列中精确地提取信号是研究的难点所在。本文以GEONET网络GNSS坐标时间序列为研究对象,主要探究了有色噪声的时频特性、GNSS坐标时间序列噪声模型、GNSS坐标时间序列函数模型、顾及有色噪声的同震及震后形变估计等。论文的主要成果如下:(1)利用标准线性轨迹模型(Standard Linear Trajectory Model,SLTM)对GEONET网络152个高质量GNSS坐标时间序列进行建模,采用MLE法对其进行参数估计,根据保守估计准则辨识了最佳噪声模型。结果表明:GEONET网络E和N分量主要表现为白噪声(White Noise,WN)+闪烁噪声(Flicker Noise,FN)和WN+幂律噪声(Power-law noise,PL),二者占水平分量噪声总数89%;U分量主要表现为WN+PL,占垂直分量噪声总数84%;忽略有色噪声会使速率不确定度的估计过于乐观,且不同噪声模型估计的速率不确定度之比存在时变差异即速率的不确定度之比随着时间序列跨度的增大而增大。(2)顾及大型地震对GEONET网络GNSS坐标时间序列的影响,提出了联合MLE与非线性最小乘(Nonlinear Least Square,NLS)算法构建GEONET网络GNSS坐标时间序列函数模型的方法。首先,利用MLE分析GPSS时间序列噪声特性并构建随机模型;然后,使用顾及有色噪声的NLS算法估计震后位移特征时间尺度,以此构建GNSS坐标时间序列函数模型;最后使用MLE估计函数模型系数参数。利用仿真实验对其进行了验证,结果表明:与传统该方法相比,该方法改善了NLS算法的收敛性,且使迭代次数减少了90%,进而确保了函数模型的可靠性。(3)利用联合MLE与NLS算法构建了日本东北地方83个GEONET网络GNSS基准站坐标时间序列函数模型,并采取贝叶斯信息量准则(Bayesian Information Criteria,BIC)辨识了地震前后最佳噪声模型。结果表明:东日本大地震前,东北地方GEONET网络GNSS坐标时间序列噪声特性可以描述为WN+FN和WN+PL;震后,17%的时间序列噪声特性可以描述为WN+FN+随机游走噪声(Random Walk noise,RW)。有色噪声对同震位移的影响表现出明显的空间模式。在东北地方的北部,仅考虑白噪声模型会使同震位移低估20 mm;有色噪声对东北地方南部区域的同震位移基本无影响。与同震位移不同,有色噪声对震后位移的影响在空间域表现出强大的随机性。仅考虑白噪声模型引起的震后位移偏差高达0.5 m,大于0.2 m的偏差在空间域内随机分布。(4)基于最佳噪声模型估计了东北地方区域地震前后的测站运动参数,通过分析地震前后测站运动参数变化来研究东日本大地震对GEONET网络GNSS基准站运动特征的影响。东日本大地震对GEONET网络GNSS基准站速率无显著影响。95%的速率差值(地震前后站速率之差)小于其不确定度,其余差值基本分布于形变位移最小的北部地区。东日本大地震过后,GEONET网络GNSS基准站周年运动无明显变化,半周年运动有所减弱。其中,E分量和N分量半年周期项振幅分别下降了0.5 mm、0.3 mm。同震位移随着距震中距离的增加而急剧下降,高值区为2.5~4 m,中值区为1.5~2.5 m,低值区为0.5~1.5 m,平均方向为ES30°。与同震位移不同,震后位移随距震中距离的增加而缓慢下降,量级约为0.5~1.7 m,平均方向为ES26°。