GNSS/水准/InSAR/重力的高程变化自适应融合理论与算法研究

The geodetic height variations (GHV) that may be caused by for instance land subsidence are very likely hazardous. Space and terrestrial geodetic techniques like GNSS, leveling, InSAR and gravimeter are all representative tools to measure the GHV, form which the information about the land subsidence can be further inferred. However, as different technique is only advantageous in aspect of either the accuracy or the temporal/spatial resolution, the GHV derived, respectively, by them would thereby be inconsistent. For this reason construction of the land subsidence model with the high accuracy as well as extensive temporal/spatial resolution becomes fairly crucial and thus is a very hot research topic nowadays. The aim of the research is to theoretically develop a method that is able to adaptively assimilate GHV provided by GNSS, leveling, InSAR and gravimeter techniques. In general, efforts will be made to gain insight into the constituent components that account for the random noise in the GHV time series. Moreover, the ways how to circumvent the systematic errors in the GHV time series will also be exploited. To balance the contribution of the GHV results from each technique, they will be treated as pseudo observables whose assimilation will be adaptively done. The algorithms to generate the land subsidence model that is to be delivered as numerical grids, will be also be investigated so as to strengthen the accuracy and the stability of the solutions at each grid. The area and the speed of land subsidence will be inverted with the fused results to improve the reliability of the prediction for land subsidence.

地面沉降等高程变化危害严重，GNSS、水准、InSAR、重力等测量技术能够提供有效的高程变化信息，为地面沉降提供监测手段。然而单一的高程变化观测技术仅仅在精度或时空分辨率等某方面存在优势，致使各种结果存在一定差异。充分利用各种空间数据资源建立高精度、高分辨率地面沉降模型是国内外研究热点。本项目着重研究GNSS、水准、InSAR、重力等数据的自适应融合处理理论与方法，研究各类观测数据的高程变化序列的噪声成分，提高系统误差与异常误差的控制与补偿能力；研究多类观测数据的自适应融合方法，调整各类观测值对结果的贡献；研究格网数值地面沉降模型建立，提高地面高程变化成果的精度与稳定性；研究融合结果反演地面高程变化范围与速度，提高地面沉降预报的可靠性。

大地测量技术是量化获取垂直形变信息的重要技术手段之一。不同大地测量技术获取的高程变化信息之间存在一定的系统偏差，影响垂直运动模型的精度和可靠性。项目着重研究高程变化多源数据融合理论与方法。在水准数据质量控制方面，从函数模型角度出发，采用函数模型估计异常误差；从随机模型角度利用抗差估计方法调整异常观测值权的大小，从而达到控制异常误差影响的效果。在GNSS坐标序列方面，研究了大气负荷、海潮负荷等因素影响，提高坐标序列精度和可靠性。在多源数据融合方面，采用转换方法削弱GNSS高程变化与水准变化之间的系统误差；提出附有限制条件的自适应联合平差方法，实现GNSS与水准从观测值层面的数据融合；建立了附加系统误差参数的升降轨InSAR-GPS综合形变分析模型，以减弱或消除不同数据之间系统误差的影响；约束函数模型与随机模型方面优化GNSS与InSAR的数据融合模型；提出了基于InSAR结果约束的GNSS水准数据融合方法，提高数据融合的可靠性。在垂直运动模型建立方面，提出了格网模型融合的定权方法，利用反距离加权方法有效实现不同控制点对任意格网点值的贡献；提出了自适应最小二乘配置的垂直运动模型建立方法，削弱高程变化数据中的信号影响。在垂直运动模型预报方面，利用地面沉降成长模型作为滤波预报模型，提高Kalman滤波的解算精度；利用Elman神经网络进一步拟合速度场，提高区域速度场模型的可靠性。最后，利用国家一等水准网和国家GNSS控制网多期数据成果，分析中国大陆垂直运动趋势。.通过项目研究，解决了水准异常数据控制、高程变化多源数据方法、垂直运动模型建立及预报等瓶颈问题，构建了一套较完整的多源高程变化数据融合算法，为我国、省市高程基准维护、地面沉降监测提供数据处理手段方面的技术支撑。