文章快速检索  
  高级检索
利用引力梯度数据计算径向梯度的优化方法
孟祥超1, 万晓云2, 于锦海1, 朱永超1, 冯炜3,4     
1. 中国科学院计算地球动力学重点实验室, 北京 100049 ;
2. 钱学森空间技术实验室, 北京100094 ;
3. 中国科学院测量与地球物理研究所, 湖北 武汉 430077 ;
4. 北京卫星导航中心, 北京 100049
摘要:根据重力梯度观测各分量的方差及协方差信息,提出了利用GOCE梯度数据计算径向重力梯度的优化方法。首先给出了径向重力梯度的计算方法,并深入分析了误差传播规律,通过建立相应的条件极值问题,给出了计算径向重力梯度最优组合因子的方法;通过模拟数据验证了本文所提出的优化因子的优越性。实际数据计算表明:相对于传统方法,采用优化组合因子可使反演所得引力位模型的累积大地水准面精度在250阶时提高约2 cm。由于径向重力梯度不仅可以用于地球引力场模型的求解,也可直接应用于地球物理问题的讨论,因此本文所提出的优化方法也可对部分地球动力学问题的讨论提供方便。
关键词: GOCE     径向重力梯度     优化方法     精度    
Optimization Method for Computing Radial Gravity Gradient Using Gravity Gradient Observations
MENG Xiangchao1, WAN Xiaoyun2, YU Jinhai1, ZHU Yongchao1, FENG Wei3,4     
1. Key Laboratory of Computational Geodynamics, Chinese Academy of Sciences, Beijing 100049, China ;
2. Qian Xuesen Laboratory of Space Technology, Beijing 100094, China ;
3. Institute of Geodesy and Geophysics, Chinese Academy of Sciences, Wuhan 430077, China ;
4. Beijing Satellite Navigation Center, Beijing 100049, China
Foundation support: The National Natural Science Foundation of China (Nos. 41404019; 41274034);The National High-tech Research and Development Program of China (863 Program) (No.2013AA122502-2);The Open Fund of State Key Laboratory of Geodesy and Earth’s Dynamics (No.SKLGED2014-3-5-E)
First author: MENG Xiangchao (1988-), male, PhD candidate, majors in GOCE gravity data processing and analysis. E-mail:mxc20061115@163.com
Corresponding author: WAN Xiaoyun, E-mail: wxy191954@126.com
Abstract: This paper proposes an optimization method for computing the radial gravity gradient by using GOCE gradient measurements, based on the variance-covariance information of gradient observations. The approach for computing the gravity gradient and the error propagation are firstly discussed; and then by solving a conditional extremum problem, we can get an optimal combination factor which can improve the calculation accuracy for the radial gravity gradient. The advantage of the combination factor is validated by simulation data. In actual data processing, the geoid accuracy truncated to degree 250 can be improved by 2 cm by using the optimization method. The radial gravity gradient can not only be used in recovering a gravity field model, but also can be used in kinds of geophysical interpretation, so the method provided in the paper can be helpful in the related researches.
Key words: GOCE     radial gravity gradient     optimization method     accuracy    

GOCE卫星[1]于2009年3月17日发射升空,2013年11月11日降落,提供的梯度数据观测点数超过1亿。围绕如何利用该颗卫星的数据进行引力场反演,受到了学者们的广泛关注[2-6],官方也陆续发布了10多个GOCE引力场模型,所采用的方法主要包括直接法、时域法和空域法[4, 7]

不同于重力卫星CHAMP和GRACE所提供的高低卫卫跟踪和低低卫卫跟踪数据,GOCE所提供的梯度数据可直接表示为引力位的显式表达,因此非常易于建立观测方程,也非常适合构建相应的边值问题,并最终通过调和分析来得到相应的引力位系数。早在GOCE卫星论证初期,文献[8]讨论了{Γzz},{Γxz,Γyz},{Γxx-yy,2Γxy}的频谱特性,并给出了其二维傅里叶表示。文献[9]提出超定问题的准解理论,并讨论在GOCE数据处理上应用的可能性。文献[10]利用超定边值问题的准解理论,给出了引力梯度边值问题的准解和相应的球谐分析方法。文献[11]总结讨论了各类广义边值问题的最小二乘解,也给出了引力梯度作为边界条件下的解。文献[12]系统总结分析了卫星重力梯度张量的各类调和分析方法,如球面调和分析、广义轮胎调和分析、点质量调和分析、最小二乘配置调和分析。文献[13]利用不变量构建了相应的边界条件,建立了从不变量进行球谐分析的一整套方法。文献[14]推导了利用卫星梯度数据进行地球重力场求解的最小二乘法、调和分析法和最小二乘配置法的数学模型。尽管对于引力梯度的边值问题,多篇文献讨论了有关的计算方法,但将其应用于实际GOCE梯度数据处理并解算得到引力位模型的文献却并不多。文献[6]通过不变量的线性化方法得到边界条件,文献[15]则是通过坐标变换得到边界条件。从计算角度看,显然利用边值问题相对于最小二乘算法来解算位系数更易于实施,这里主要的核心问题是如何构建边界条件。

对于GOCE观测数据而言,径向梯度并不是直接的观测量,而接近径向的分量Vzz的精度低于VxxVyy[16],这就为构建关于径向梯度的边界条件时如何保证其精度提出了挑战。如何在某种最优的条件下给出径向梯度的计算方法对处理GOCE实际数据是至关重要的。

文献[16]对GOCE的引力梯度观测值采用新的组合方法,有效提高了Vzz方向分量的精度,并据此对东京地震所引起的重力变化进行了讨论;文献[17]采用同样的组合[16]对南极冰川的质量变化进行了讨论。由此自然产生了这样的问题:能否得到径向梯度Vrr的最优组合?此外上述文献优化组合的前提是假设VxxVyyVzz相互独立,但没有给出为何能作此假设。即便如此,上述文献所使用的组合方法也并不是最优的方法。

本文的目的是研究如何从GOCE梯度数据来最优地组合出径向梯度分量Vrr。第1部分是对径向梯度的计算方法进行介绍,并深入分析其误差传播规律。第2部分是对如何构建优化组合因子进行阐述,并计算得到有关因子。第3部分通过模拟数据验证上述组合因子的优越性,然后通过实际数据计算验证本文算法;最终对本文所采用的方法及其在GOCE数据处理中需要注意的问题进行了总结。

1 径向扰动梯度的构建 1.1 径向梯度的计算及其误差传播

GOCE观测的梯度分量在梯度仪观测坐标系下给出,用Vij(ij=xxyyzzxyxzyz)表示。为了得到地固坐标系下的值,可按下式进行坐标转换

式中,R为梯度仪坐标系和地固坐标系之间的转换矩阵。由于低频误差的存在,且V12V23精度太差无法使用,上述的坐标变换一般基于扰动分量来进行,即首先计算出梯度观测值相对参考值的差异并作低频滤波处理,然后再进行坐标变换,其中V12V23的观测值由参考引力位计算值代替。若只考虑径向扰动梯度,现利用各坐标轴与地球径向的夹角,在非全张量观测的情况下可得到式(2)[15]

式中,Tij(ij=xx,yy,zz,xz)表示扰动梯度;T=V-UV为实际的地球引力位;U为参考引力位;α1α2α3分别表示梯度坐标系xyz方向同地球径向之间的夹角。此时误差传播公式如下

式中

σii2(i=1,2,3)表示扰动梯度张量对角分量T11、…T22T33的观测误差方差;σ132表示扰动梯度张量非对角分量T13的误差方差;σii,jj2(i=1,2,3;j=1,2,3;ij)表示扰动梯度张量对角分量之间的协方差;σii,132(i=1,2,3)表示扰动梯度张量对角分量Tii(i=1,2,3)与非对角分量T13之间的协方差。

根据文献[15],可知z方向和地球径向十分接近,夹角最大值小于1.5°。利用2010年1月1日-2010年3月1日的姿态观测数据,可得表 1

表 1 径向梯度误差传播系数统计 Tab. 1 Propagation coefficients of radial gravity gradient errors
项名 绝对值均值 项名 绝对值均值
a 9.999 4E-01 f 8.891 1E-05
b 2.877 6E-07 g 3.086 0E-08
c 4.620 5E-09 h 2.232 4E-02
d 1.778 2E-04 i 1.629 7E-06
e 1.000 6E-04 j 1.132 6E-06

表 1可知,若各分量方差及协方差相等,则σrr2的大小主要受z方向梯度观测精度的影响,其余量的影响总和小于2.3%。但实际中各分量的方差及各分量之间的协方差并不相等,根据文献[16],在观测频带内有

事实上,直接评估测量带宽内的误差是十分困难的,由于较少文献给出各分量之间的协方差信息,为了进一步验证σrr2的误差主要受z方向观测误差的影响,现对各分量之间的相关性作如下评估。

第1步,利用FIR向前向后带通滤波器对原始GOCE梯度数据(EGG_NOM2)相对于EIGEN5C前300阶次计算值的差值进行带通滤波处理,滤波通带为0.005~0.1 Hz,原始数据的时间段为2010年1月1日-2010年3月1日,最终得到测量通带内的观测值。采用带通滤波器的目的是消除低频误差的影响;采用参考引力位的目的是消除趋势项信息[18]

第2步,利用滤波后的残差值计算出各量之间的相关系数,统计结果见表 2

表 2 各分量测量带宽内信号相关系数统计 Tab. 2 Correlation between different components of gravity gradient residuals in MBW
相关系数 T11 T22 T33 T13
T11 1.000 0 0.070 8 -0.139 4 0.005 5
T22 0.070 8 1.000 0 -0.112 8 -0.003 9
T33 -0.139 4 -0.112 8 1.000 0 -0.009 8
T13 0.005 5 -0.003 9 0.006 7 1.000 0

表 2可知,测量带宽内的梯度信号各分量间表现出弱相关,之所以相关原因是上述各量并不是原始的独立观测量,而是各种观测量的组合量[19],特别是姿态观测数据的使用。然而尽管非独立,上述各量之间的相关性并不强,相关系数的最大绝对值小于0.15,与T13有关的相关系数更是小于0.01。事实上,上述各量的相关性主要是由姿态观测数据的使用造成的,文献[20-21]随着姿态数据的高精度处理,其影响已经被很好地扣除,上述文献及文献[16-17]均将各分量看作独立分布。而从本文的计算可知,尽管各分量间不是严格的独立分布,但各量之间在测量带宽内的相关性较弱,由此也可得出上述各量之间的协方差要远小于各量的方差,因此式(3)中与协方差有关的项是小项,这也更加表明最终σrr2的大小主要由σ33来决定。值得强调的是,上述结论主要适用于GOCE测量带宽内,对于全频带,由于受低频有色噪声的影响,上述结论会有所不同。

1.2 最优组合因子的选取

由以上分析可知,T33的精度直接影响着Trr的计算精度。在独立分布的前提下,文献[16]采用下式来重新计算得到T33

这使得T33,c的精度相比于T33提高了1.64倍,误差降低了40%[17]。这也将导致Trr精度的提升。事实上,该种组合并不是最优的组合。本文通过建立如下的极值问题来找出最优的比例因子

其解为

式中,σii2(i=1,2,3)表示对应分量的方差信息;σii,jj2(i,j=1,2,3)表示对应分量之间的协方差信息。只要已知各量的误差方差及其相互之间的协方差,均可按式(7)得到最优组合因子。若各分量观测误差独立分布,解可简化为

若按式(4),则,此时σ33,c=1.15σ0,而在文献[16]中σ33,c=1.22σ0。最终式(2)的计算变为

若采用式(1),可用T33,c来代替T33。由此可知,如果各量之间为等精度观测,可得。从上节的分析可知,各量之间的协方差相对于各量的方差要低一个量级,且误差传播系数efghij远小于1,因此本文后续的计算按式(8)计算优化因子。

2 算 例

为了验证上节结论,现通过建立如下的边值问题来进行讨论

式中,f由式(9)计算得到。该边值问题的求解可参见文献[15]

式中,CnmSnm表示nm次的引力位模型系数;Pnmnm次的正规化勒让德函数;a表示地球长半轴;R表示S所在的球面的半径。

2.1 模拟数据分析

首先利用EGM08模型[22]前250阶完整阶次在GOCE卫星的平均轨道高度上按经纬度25′×25′等间隔模拟出梯度张量六分量,坐标系选为地方指北坐标系,将上述模拟值作为观测值;然后按正态分布模拟随机噪声,各分量噪声均值为0,方差相对比例同式(4),其中δ0为1mE。最后构建如式(10)所示的边值问题进行引力场恢复,参考引力位为EIGEN5C。图 1给出了最终结果同引力位EGM08模型的阶方差,可视为真误差。

图 1 误差阶方差 Fig. 1 Degree variations to EGM08

图 1中所有结果是直接计算得到的结果而未作迭代计算,Variance_noerror表示不添加误差利用Tzz恢复得到的引力位模型的误差阶方差;Variance_adderror表示添加误差后直接利用Tzz恢复得到的引力位模型的误差阶方差;Variance_com表示添加误差后利用本文所提出的组合因子重新计算Tzz,然后利用新的Tzz恢复得到的引力位模型的误差阶方差。由该图可知,由于观测误差的存在,引力位模型恢复的精度下降明显;采用组合算法的结果相对于不采用组合算法,精度有明显提升。

2.2 实际数据计算结果分析

本节主要采用实际的GOCE引力梯度数据来验证本文所述方法的优越性。如前所述,原始的梯度数据含有大量级的低频误差,必须首先对其进行处理。本文采用FIR带通滤波器进行零相位滤波[23]来处理低频噪声,参考引力位为EIGEN5C前300阶;接着采用本文所述的优化方法来重新计算梯度坐标系下的Tzz,并进一步得到Trr;然后对其数据进行格网化,方法采用反距离加权算法[24-25];最终通过解算如式(10)所述的边值问题计算得到引力位模型。该计算所采用的梯度数据为GOCE卫星Level 2所提供的EGG_NOM2,轨道数据由SST_PSO_2提供,时间段为2009年11月1日-2012年8月1日。

论文采用两种方法来恢复得到引力位,第1种是对滤波后的扰动梯度数据直接进行坐标变换,得到地方指北坐标系下的径向引力梯度数据,然后通过求解边值问题得到引力位模型,结果令为EGMQLSTTrr,可视为传统方法;第2种方法是通过论文提出的优化组合因子得到Tzz,并进一步地得到Trr,然后通过求解边值问题得到引力位模型,结果令为EGMQLSTTrrCom。为了对模型的精度进行评估,现选用两个引力位模型进行对比分析:一是EGM08模型,该模型的研制采用了多种类型的观测数据,是当前精度最高的引力位模型之一;另外一个模型是EGMD4,该模型是官方利用直接法恢复得到的第4组GOCE引力场模型,所采用数据的时段为2009年11月1日-2012年8月1日,与本文所采用数据的时间段相同。图 2图 3分别给出了引力位模型EGMQLSTTrr、EGMQLSTTrrCom相对于EGM08模型的阶方差和大地水准面累积差异信息;图 4图 5则分别给出了引力位模型EGMQLSTTrr、EGMQLSTTrrCom相对于EGMD4模型的阶方差和大地水准面累积差异信息。

图 2 与EGM08的差异阶方差 Fig. 2 Degree variance differences between EIGEN5C, EGMQLSTTrr, EGMQLSTTrrCom and EGM08

图 3 与EGM08大地水准面累积差异 Fig. 3 Cumulative geoid differences between EIGEN5C, EGMQLSTTrr, EGMQLSTTrrCom and EGM08

图 4 与EGMD4的差异阶方差 Fig. 4 Degree variance differences between EIGEN5C, EGMQLSTTrr, EGMQLSTTrrCom and EGMD4

图 5 与EGMD4的累积大地水准面差异 Fig. 5 Cumulative geoid differences between EIGEN5C, EGMQLSTTrr, EGMQLSTTrrCom and EGMD4

若将EGM08模型看作真值,由图 2(a)可知,EGMQLSTTrrCOM的有效阶数超过250阶,优于EGMQLSTTrr;由图 2(b)可知,相对于参考引力位模型EIGEN5C,EGMQLSTTrr在100~210阶精度有明显改进,EGMQLSTTrrCom则在100~220阶有明显改进,而在190~260之间的阶数,EGMQLSTTrrCom精度明显高于EGMQLSTTrr。由图 3可知,在200阶时,EGMQLSTTrr、EGMQLSTTrrCom大地水准面的精度优于EIGEN5C大约4 cm,而在200阶以后,EGMQLSTTrrCom精度明显优于EGMQLSTTrr,在250阶时,前者优于后者2 cm,在260阶时大约优于3.5 cm。由于采用了相同的观测数据,因此上述结果表明采用本文所提出的优化因子能够提高GOCE数据处理的精度,特别是对于引力场模型高阶项恢复的精度。

若将官方所发布的模型EGMD4看作真值,由图 4可知,EGMQLSTTrr、EGMQLSTTrrCom在阶数80~230明显优于参考引力位模型EIGEN5C。若按大地水准面的精度,根据图 5可知,在200阶时EGMQLSTTrr、EGMQLSTTrrCom精度相当,优于EIGEN5C大约7 cm;从180阶开始,EGMQLSTTrrCom逐渐优于EGMQLSTTrr,在250阶时精度可高约2 cm,而在260阶时,精度可高约近4 cm。上述结果与图 2图 3的结果一致,均显示了采用优化因子计算径向梯度的优越性。

3 结 论

本文从引力梯度张量观测误差及协方差统计特性出发,建立了计算径向梯度的优化方法。通过模拟数据,验证了该算法能明显地改善径向梯度相应的边界条件。

采用本文所给出的优化方法处理GOCE实际数据,得到了相应的重力场模型。与不采用优化方法所得的模型相比,优化处理后的模型在计算大地水准面时(至250阶)精度可提高约2 cm。

本文方法的前提是已知各分量的方差信息和协方差信息,而这往往是比较困难的。事实上,本文所需要知道的并不是各分量方差和协方差分量的绝对量值,而是各量的相对比例。本文采用的是文献[16]所给出的方差相对比例值(用式(4)表示),实际上也可通过迭代计算[26],利用验后方差分量估计来得到各分量的方差和协方差信息。

最后关于GOCE引力梯度观测数据进行一些说明。由于引力梯度数据在低频部分是不准确的,因此如何处理引力梯度数据的低频部分是很重要的课题,多篇文献对此进行了讨论与研究[23, 27]。若能够有效结合GOCE低频误差的处理方法和本文所述的优化方法,则可更好地提高GOCE梯度数据处理的精度。总之,由于径向梯度具有丰富的地球物理意义,因此本文的工作不仅能有助于提高GOCE重力场模型的恢复精度,而且对许多地球物理问题的研究也会有一定的帮助。


参考文献
[1] BALMINO G, RUMMEL R, VISSER P, et al. Gravity Field and Steady-State Ocean Circulation Mission[R]. The Four Candidate Earth Explorer Core Missions. Noordwijk:ESA Publications Division, 1999.
[2] REGUZZONI M, TSELFES N. Optimal Multi-step Collocation:Application to the Space-Wise Approach for GOCE Data Analysis[J]. Journal of Geodesy , 2009, 83 (1) : 13 –29. DOI:10.1007/s00190-008-0225-x
[3] PAIL R, BRUINSMA S, MIGLIACCIO F, et al. First GOCE Gravity Field Models Derived by Three Different Approaches[J]. Journal of Geodesy , 2011, 85 (11) : 819 –843. DOI:10.1007/s00190-011-0467-x
[4] PAIL R, GOIGINGER H, SCHUH W D, et al. Combined Satellite Gravity Field Model GOCO01S Derived from GOCE and GRACE[J]. Geophysical Research Letters , 2010, 37 (20) : L20314 .
[5] YI Weiyong. An Alternative Computation of A Gravity Field Model from GOCE[J]. Advances in Space Research , 2012, 50 (3) : 371 –384. DOI:10.1016/j.asr.2012.04.018
[6] YU Jinhai, WAN Xiaoyun. Recovery of the Gravity Field from GOCE Data by Using the Invariants of Gradient Tensor[J]. Science China Earth Sciences , 2013, 56 (7) : 1193 –1199. DOI:10.1007/s11430-012-4427-y
[7] RUMMEL R, GRUBER T. Product Acceptance Review (PAR)-Level 2 Product Report[R]. Noordwijk:ESA, 2012.
[8] RUMMEL R, VAN GELDEREN M. Spectral Analysis of the Full Gravity Tensor[J]. Geophysical Journal International , 1992, 111 (1) : 159 –169. DOI:10.1111/gji.1992.111.issue-1
[9] 朱灼文, 于锦海. 超定大地边值问题的准解[J]. 中国科学(B辑) , 1992, 35 (6) : 697–708. ZHU Zhuowen, YU Jinhai. Pseudo-Solution on Geodetic Overdetermined Boundary Value Problems[J]. Science in China (Series B) , 1992, 35 (6) : 697 –708.
[10] 罗志才. 利用卫星重力梯度数据确定地球重力场的理论和方法[D]. 武汉:武汉测绘科技大学, 1996. LUO Zhicai. The Theory and Methodology for Determining the Earth's Gravity Field Using Satellite Gravity Gradiometry Data[D]. Wuhan:Wuhan Technical University of Surveying and Mapping, 1996.
[11] VAN GELDEREN M, RUMMEL R. The Solution of the General Geodetic Boundary Value Problem by Least Squares[J]. Journal of Geodesy , 2001, 75 (1) : 1 –11. DOI:10.1007/s001900000146
[12] 吴星. 卫星重力梯度数据处理理论与方法[D]. 郑州:信息工程大学, 2009. WU Xing. Theory and Methods of Satellite Gradiometry Data Processing[D]. Zhengzhou:Information Engineering University, 2009.
[13] 于锦海, 赵东明. 引力梯度不变量与相关边界条件[J]. 中国科学D辑:地球科学 , 2010, 53 (5) : 781–790. DOI:10.1007/s11430-010-0014-2 YU Jinhai, ZHAO Dongming. The Gravitational Gradient Tensor's Invariants and the Related Boundary Conditions[J]. Science China Earth Sciences , 2010, 53 (5) : 781 –790. DOI:10.1007/s11430-010-0014-2
[14] 刘晓刚. GOCE卫星测量恢复地球重力场模型的理论与方法[D]. 郑州:信息工程大学, 2011. LIU Xiaogang. Theory and Methods of the Earth's Gravity Field Model Recovery from GOCE Data[D]. Zhengzhou:Information Engineering University, 2011.
[15] WAN Xiaoyun, YU Jinhai. Derivation of the Radial Gradient of the Gravity Based on Non-full Tensor Satellite Gravity Gradients[J]. Journal of Geodynamics , 2013, 66 (2) : 59 –64.
[16] FUCHS M, BOUMAN J, BROERSE T, et al. Observing Coseismic Gravity Change from the Japan Tohoku-Oki 2011 Earthquake with GOCE Gravity Gradiometry[J]. Journal of Geophysical Research , 2013, 118 (10) : 5712 –5721.
[17] BOUMAN J, FUCHS M, IVINS E, et al. Antarctic Outlet Glacier Mass Change Resolved at Basin Scale from Satellite Gravity Gradiometry[J]. Geophysical Research Letters , 2014, 41 (16) : 5919 –5926. DOI:10.1002/2014GL060637
[18] 赫尔默特·莫里兹. 高等物理大地测量学[M]. 宁津生, 管泽霖, 译. 北京:测绘出版社, 1984:194-198. MORITZ H. Advanced Physical Geodesy[M]. NING Jinsheng, GUAN Zelin, Trans. Beijing:Surveying and Mapping Press, 1984:194-198.
[19] ESA. GOCE Level 1b Products User Handbook[R]. GOCE-GSEG-EOPG-TN-06-0137. Noordwijk:ESA, 2008.
[20] RUMMEL R, YI Weiyong, STUMMER C. GOCE Gravitational Gradiometry[J]. Journal of Geodesy , 2011, 85 (11) : 777 –790. DOI:10.1007/s00190-011-0500-0
[21] YI Weiyong, RUMMEL R, GRUBER T. Gravity Field Contribution Analysis of GOCE Gravitational Gradient Components[J]. Studia Geophysica et Geodaetica , 2013, 57 (2) : 174 –202. DOI:10.1007/s11200-011-1178-8
[22] PAVLIS N K, HOLMES S A, KENYON S C, et al. An Earth Gravitational Model to Degree 2160:EGM2008[C]//Presented at the 2008 General Assembly of the European Geosciences Union. Vienna:[s.n.], 2008.
[23] 万晓云, 于锦海, 曾艳艳. GOCE引力梯度的频谱分析及滤波[J]. 地球物理学报 , 2012, 55 (9) : 2909–2916. WAN Xiaoyun, YU Jinhai, ZENG Yanyan. Frequency Analysis and Filtering Processing of Gravity Gradients Data from GOCE[J]. Chinese Journal of Geophysics , 2012, 55 (9) : 2909 –2916.
[24] 徐新禹. 卫星重力梯度及卫星跟踪卫星数据确定地球重力场的研究[D]. 武汉:武汉大学, 2008.
[25] 钟波. 基于GOCE卫星重力测量技术确定地球重力场的研究[D]. 武汉:武汉大学, 2010.
[26] 万晓云, 于锦海. 极地空白对GOCE引力场恢复的影响[J]. 测绘学报 , 2013, 42 (3) : 317–322. WAN Xiaoyun, YU Jinhai. Influence of Polar Gaps on Gravity Field Recovery Using GOCE Data[J]. Acta Geodaetica et Cartographica Sinica , 2013, 42 (3) : 317 –322.
[27] SCHUH W D. The Processing of Band-limited Measurements; Filtering Techniques in the Least Squares Context and in the Presence of Data Gaps[J]. Space Science Reviews , 2003, 108 (1-2) : 67 –78.
http://dx.doi.org/10.11947/j.AGCS.2016.20160007
中国科学技术协会主管、中国测绘地理信息学会主办。
0

文章信息

孟祥超,万晓云,于锦海,朱永超,冯炜
MENG Xiangchao, WAN Xiaoyun, YU Jinhai, ZHU Yongchao, FENG Wei
利用引力梯度数据计算径向梯度的优化方法
Optimization Method for Computing Radial Gravity Gradient Using Gravity Gradient Observations
测绘学报,2016,45(7): 775-781
Acta Geodaetica et Cartographica Sinica, 2016, 45(7): 775-781
http://dx.doi.org/10.11947/j.AGCS.2016.20160007

文章历史

收稿日期: 2016-01-13
修回日期: 2016-04-15

相关文章

工作空间