1 引 言

全球定位系统(GPS)基准站坐标时间序列为大地测量学及地球动力学研究提供了宝贵的基础数据^{[1, 2]}。坐标时间序列不仅可以反映出测站的趋势变化，而且也可以反映出测站存在着非线性变化。趋势变化主要反映测站受同一区域构造应力场控制下的继承性构造运动，而非线性变化主要反映了测站还受到非潮汐海洋负载、大气负载、水文负载以及冰期后回弹等地球物理效应的作用^{[3, 4, 5]}。然而，目前已建立的坐标参考框架均只给出了测站的位置及线性速度，如最新的国际地球参考框架ITRF2008。研究表明,几乎所有GPS测站(特别是高程方向)都呈现显著的非线性运动趋势^{[6, 7, 8, 9]}。随着地学等研究领域对大地测量成果所要求的精度越来越高，大地点位的非线性时变越来越受到关注。研究并适当处理测站的非线性变化特征，并将其并入线性速度模型，以此建立和维持动态地球参考框架具有十分重要的意义^[10]。

研究表明，包括非潮汐海洋负载、大气负载、水文负载在内的环境负载是造成测站非线性变化的主要因素^{[11, 12, 13]}。文献^[14]估计了极潮、海洋潮汐负荷、大气负荷、非潮汐海洋负荷以及地下水负荷对测站时间序列的影响，指出这些因素可以解释测站垂直方向大约40%的年周期变化；文献^[15]运用卫星对地观测资料及各类理论与试验模型，定量计算了海潮、大气、积雪和土壤水、海洋非潮汐4项负荷效应的影响。文献^[16]验证了大气、非潮汐海洋、积雪和土壤水对香港12个连续运行基准站的站坐标时间序列的影响，指出地表质量负荷变化引起的香港地壳形变可以解释公共误差序列中约为3 mm的垂项周年变化。文献^{[3, 10, 17]}研究了不同方法获得的环境负载模型对于全球坐标时间序列的修正效果,区域IGS站的非线性变化成因。但是，文献^[3]所用的基准站仅11个，不能较全面地反映中国区域环境负载模型的影响情况。此外，目前对于环境负载的影响研究大都基于全球或者低纬沿海区域基准站，对于纬度覆盖范围较广的大陆及市级区域小范围基准站受环境负载的影响则研究较少。中国地壳运动观测网络最初包括25个连续运行基准站，至今已有运行十余年，为研究环境负载对中国区域基准站坐标时间序列的影响提供了很好的基础数据。这对中国区域高精度坐标参考框架的建立和维护以及区域地壳形变的监测具有重要的科学和实用意义。本文基于中国地壳运动观测网络1999—2011年的25个基准站观测数据和武汉市连续运行卫星定位服务系统2007—2012年的9个基准站观测数据，计算并分析了环境负载对GPS测站坐标序列的影响。

本文选择的GPS观测数据包括3个部分：①WHCORS 2007—2012年观测数据；②COMONOC 1999—2011年观测数据；③中国及周边区域均匀分布的35个IGS基准站1999—2012年观测数据，其空间分布如图 1所示。

图 1 GPS数据处理选取的IGS基准站分布图 Fig. 1 Selected IGS stations for GPS data processing

图选项

大气压负载造成的基准站位移采用美国国家环境预测中心(National Centers for Environmental Prediction，NCEP)提供的全球地表气压计算(http://www.esrl.noaa.gov/psd/data/gridded/data.ncep.reanalysis.surface.html)，时间分辨率为6 h，空间分辨率为2.5°×2.5°；非潮汐海洋负载使用美国国家海洋合作计划(National Oceanographic Partnership Program，NOPP)制定的海洋环流及气候估值(Estimating the Circulation & Climate of the Ocean，ECCO)模型提供的全球海底压力格网数据计算(http://ecco.jpl.nasa.gov/thredds/las/kf080/catalog.html)，时间分辨率为12 h，空间分辨率为1°×(0.3°～1°)。水文负载考虑积雪深度和土壤湿度引起的地表储水量变化，同样由NCEP再分析数据提供(http://www.esrl.noaa.gov/psd/data/gidded/data.ncep.reanalysis.surfaceflux.html)，空间分辨率为1.875°×1.875°。

本文将选择的3个GPS网数据利用GAMIT软件同时解算，采用的数据处理策略如下^{[18, 19, 20]}：

(1) 基线解算采用松弛解，同时解算卫星轨道及测站位置，并根据验后相位残差对观测值进行重新定权。

(2) 测站位置施加松弛约束。所有IGS站水平北(N)，水平东(E)及垂直(U)方向的约束分别设定为0.020、0.020及0.040，单位为米。

(3) 截止高度角为15°，历元间隔为30 s。

(4) 电离层折射影响用LC观测值消除，考虑二、三阶电离层延迟改正，其中二阶电离层延迟采用IGRF11地磁场模型计算^[21]。
(5) 整周模糊度采用固定解。

(6) 计算固体潮、海潮、极潮改正，其中海潮负载模型采用FES2004^[22]。

(7) 对流层折射根据萨斯坦莫宁(Saastamoinen)标准大气模型改正，采用分段线性方法每2 h设置1个折射偏差参数，对流层延迟投影函数采用全球投影函数(global mapping function，GMF)。
(8) 采用绝对天线相位中心改正(igs08_1771_plus.atx)^[23]。

(9) 基线网平差采用ITRF2008框架，基准转换估计平移量，旋转量及尺度共7个参数^[24]。

本文采用美国宇航局开发的QOCA软件(http://qoca.jpl.nasa.gov)，根据2.2节的环境负载数据分别计算包括非潮汐大气压负载，海洋负载，积雪深度及土壤湿度负载造成的测站位移,其计算过程详见参考文献^[3]。由于GPS数据处理采用周解形式，QOCA获得的负载结果为日均值，首先需对上述4种负载位移时间序列求和并做周平均获得环境负载周位移时间序列，同时采用主成分分析法(PCA)去除空间相关性^[25]。然后，将对应时刻的负载结果直接与平差后的GPS结果相加即可获得环境负载改正后的GPS周坐标时间序列^[12]。

本文采用均方根(root mean square,RMS)^[26]作为分析环境负载对区域GPS基准站坐标时间序列影响的一个指标，其定义为

点击浏览公式

式中，nt表示观测个数；md(j)表示环境负载造成的位移。

为了评估环境负载对GPS坐标时间序列的影响，采用负载改正前后GPS时间序列的加权均方根(weighted root mean square,WRMS)差值进行比较，其定义为

点击浏览公式

式中,WRMS_Y、WRMS_N分别表示负载改正后及改正前的GPS时间序列WRMS值。二者计算方法相同，这里只列出WRMS_Y的计算公式^[10]

点击浏览公式

式中，λ(j)=1/S(j)²；G(j)、S(j)分别表示基准站在j时刻的位移(指坐标分量或位置相对于参考值的差值)及其精度(不确定度)；nt同式(1)。diff_rms值大于0表示经环境负载改正后GPS坐标时间序列WRMS减小，即非线性变化幅度减弱。

表 1及图 2(a)、(c)、(e)给出了CMONOC及WHCORS基准站环境负载位移时间序列N、E、U分量的RMS值分布。可以看出，就中国区域而言，不同测站NEU方向环境负载信号的量级各不相同，且表现为一定的区域特征。U方向环境负载变化最为剧烈(表 1)，RMS均值为4.14 mm，东北、华北、华中区域RMS值较为一致且较大，西南区域(KUNM)RMS最大值达到6.09 mm，其余区域则较小。N方向次之，RMS均值为0.65 mm，西北区域环境信号较大，RMS值最大达到0.91 mm，南部较为一致，RMS值约为0.7 mm。E方向环境信号变化最小，RMS均值为0.47 mm，西北、东南沿海和东北区域变化较大，其RMS最大值为0.87 mm(西北区域)，华中地区变化最小(约0.4 mm)。

图 2 武汉市CORS基准站环境负载位移时间序列RMS(a)、(c)、(e)及造成的GPS坐标时间序列WRMS变化(b)、(d)、(f)分布(上中下分别为N、E、U分量) Fig. 2 RMS of the Environmental loading displacement for WHCORS fiducial Stations (a)、(c)、(e) and the induced WRMS variation of the GPS coordinate time series (b)、(d)、(f). From top to bottom panels are the North (N),East (E) and Up (U) components respectively

图选项

就武汉区域而言，水平及垂直环境信号分别呈现较强的一致性，同样表现为U方向环境信号最强(图 2(f))，其RMS变化范围为4～5 mm，西部信号较弱，东部较强。N、E方向环境信号较弱(图 2(a)、图 2(d))，且变化规律相同，其RMS均值分别为0.64 mm及0.40 mm。

表 1及图 2(b)、(d)、(f)描述了环境负载改正造成的CMONOC及WHCORS基准站坐标时间序列N、E、U分量WRMS变化。与4.1节的结论相似，就中国区域来看，环境负载改正对不同区域测站及各测站不同分量的改正效果不尽相同。U方向改善效果最好(表 1)，72.22%测站经环境负载改正后WRMS减小，除西北和南部沿海区域改善不明显外，其余区域均改善显著,WRMS减小量(即测站的diff_rms值)最大达1.5 mm。经环境负载改正后E方向WRMS减小的测站占63.89%，但改善效果较弱，测站diff_rms值在0.2 mm以内。就N方向而言，13.89%测站的坐标时间序列WRMS得到了改善，diff_rms值最大为0.30 mm。尽管如此，环境负载改正会造成东北部分测站(如HRBN)E方向，青藏高原、西部、华中部分站点N方向WRMS增大。

对于武汉区域，同样表现为U方向改善效果最好(图 2(f))，72.73%站点得到改善，站点diff_rms值不超过1.1 mm；站点diff_rms值变化趋势为由西南、东北方向武汉市中心逐渐增大，最大站点为WHKC，其diff_rms值达到1.08 mm。与U方向类似，E方向72.73%站点WRMS值得到改善(图 2(d))，但改善程度较弱，其diff_rms值最大为0.19 mm，其中武汉市域外东部测站及武汉市域内远城区测站改善较为显著。对于N分量(图 2(b))，9.09%的测站经环境负载改正WRMS减小，且集中在中心城区。

本文对WHCORS及CMONOC观测数据进行了重新处理，计算了WHCORS及CMONOC基准站的环境负载位移，分析了环境负载改正对区域GPS基准站坐标时间序列的影响，得出了如下结论：

(1) 环境负载坐标时间序列RMS值呈现显著的区域性特征，东北、华北、华中区域RMS值较为一致且较大，西南区域(KUNM)U方向RMS最大值达到6.09 mm，其余区域则较小； N、E方向RMS值变化不显著，均在1 mm以内。

(2) 环境负载改正对大多数测站坐标时间序列有一定的改善，但各个方向的量值各不相同。E、U方向在diff_rms值上响应的站点百分比大致相当，且接近70%，N方向则不明显。其中U方向diff_rms最大值近1.5 mm，这就说明在考虑高程方向的GNSS精密测量和建立区域参考框架时，要考虑环境负载的影响改正。

(3) 以武汉市为例，RMS、diff_rms总体的变化趋势与大区域相符，但有个别站点有所不同。小区域的负载改正影响在对应的方向变化不大(观测时间长度不同的除外)。在总的变化趋势当中，有个别站点变化趋势不尽相同，需要进一步研究。

致谢:感谢中国地壳运动监测工程研究中心和武汉市测绘研究院提供的数据。感谢董大南教授提供的QOCA软件和美国MIT提供的GAMIT/GLOBK软件。感谢林剑博士、田云峰博士、梁宏宝等在数据处理过程中给予的建议和帮助。本文图片由GMT及MATLAB软件生成。