大地测量数据序列的加权时空滤波与精度评定理论

This research project will propose the weighted spatiotemporal filtering and corresponding accuracy assessment methods for the heteroscedastic observation series from geodetic monitoring arrays. We will apply the developed new methods to process the monitoring data of the GNSS base stations of the Environmental Monitoring Network for the Continental Tectonics of China and analyze the global and Chinese coastal sea level change data series. The theoretical part of this research project include: 1) developing the theory and methods of weighted spatiotemporal filtering and weighted singular-spectrum analysis forheteroscedastic observation series from any regional monitoring arrays; 2) developing the method to simultaneously estimate spatial common mode error components and station-based noise components; 3) developing the methods for the prediction of sea level change and accuracy assessment based on spatiotemporal filtering and weighted singular-spectrum analysis. The major key issues are as follows: first, the weight factor is introduced for extracting spatial common mode errors and estimating the principal components by using singular-spetrum analysis.We will derive the related formulae of weighted filtering; second, the spatial related errors and temporal related errors are simultaneously estimated in an unified model and the impacts of weight spatial filtering on the predicted results and the accuracies are analyzed. The theoretical results are then used to process the observation series of the GNSS base stations in China,reasonably estimate their spatiotemporal related errors, analyze and predict their deformation characteristics, and determine proper uncertainty for the predicited results. Finally, this research project will predict the sea level changes for next 30 to 50 years and evaluate the predicted errors using the developed methods by using the global and regional time series data of sea level changes.

项目研究大地测量基准站网不等精度观测序列的加权时空滤波理论及其精度评定方法，并处理中国大陆构造环境监测网络的GNSS基准站网数据和分析全球与我国海平面变化的数据序列。其理论研究主要有：1）区域性基准站网不等精度观测序列的加权空间滤波理论与加权奇异谱分析理论；2）空间相关误差与测站噪声的联合估计方法；3）基于加权空间滤波与加权奇异谱分析的变化预测及精度评定方法。其要点是将观测权因子引入到区域共模误差提取与奇异谱分析的主成分估计，导出相应的加权滤波计算公式；在统一模型中实现空间相关误差和各种测站噪声分量的联合估计；分析空间滤波对变化预测结果及其精度评定的影响等。将理论研究成果用于研究我国GNSS基准站网的观测序列，合理估计这些观测序列数据的时、空相关误差，分析并预测其形变特性，合理确定预测结果的不确定性；利用全球与我国平均海平面变化的时间序列数据，分析并预测今后30至50年的变化及其误差。

应用空间大地测量技术连续观测了数十年的GNSS、卫星测高数据和十多年的卫星重力数据；由于卫星和仪器设备更换等原因，这些观测数据不可避免出现缺值，且随着技术进步，观测精度也不断提高，因此项目研究含有缺值的不等精度数据序列时空滤波的主成分分析与奇异谱分析理论，构建合理随机模型，从GNSS基准站网监测数据、海平面监测数据以及GRACE时变重力场数据中分别提取地壳运动变化、海平面变化和陆地水或冰冻圈的质量变化，对分析全球环境变化及其影响有重要意义。.项目主要取得了以下理论研究成果：1）基于缺值数据与主成分元素的重构关系并引入观测权因子，建立了区域GNSS基准站网含有缺值不等精度数据序列的加权空间滤波算法，提取了区域GNSS基准站网的共模误差，其效果明显优于传统的插值和迭代算法。构建了空间相关误差与测站误差联合估计的迭代算法，实现了这两种误差的联合估计和区域GNSS基准站网形变参数的解算。2）利用权因子和时频域数据之间的再生关系，建立了含有缺值不等精度数据序列的加权奇异谱分析理论，合理估计了数据序列的特征信号与噪声，据此预测变化趋势并利用Monto Caro方法估计预测结果的不确定度。3）利用其协方差信息，构建了GRACE时变重力场的频域抑噪滤波和空域正则化滤波算法，有效抑制了时变重力场的高频误差。将理论研究成果用于处理中国地壳运动观测网络的GNSS基准站和ITRF2014框架的全球GNSS基准站数据，GRACE时变重力场数据，我国近海卫星测高与全球平均海平面变化数据。结果表明：我国大陆GNSS基准站网数据序列存在显著的共模误差，采用闪烁噪声加白噪声模型更为合理估计GNSS站点形变速率的不确定性；且GNSS站点变化与陆地水、大气和海洋等环境负载变化明显相关；我国青藏地区的高原湖泊蓄水变化与冰川融水明显相关；利用1880年至2013年全球平均海平面变化的时间序列数据，分析并预测全球平均海平面至2100年升高约为28.69cm。.本项目资助发表了 13篇SCI刊物论文， 6篇EI刊物论文，11篇其他核心刊物论文；参加国际会议22人次，作口头报告17次，张贴报告5次；参加国内会议10人次；项目成果获得中国测绘地理信息学会2014年测绘科技进步一等奖；培养了4名博士研究生和7名硕士研究生，其中陈秋杰获上海市优秀博士毕业生，李闯获上海市优秀硕士毕业论文。