2. 武汉大学灾害监测与防治研究中心,武汉市珞喻路129号,430079;
3. 华东交通大学土木建筑学院,南昌市双港东大街808号,330013
关于环境负载对GPS坐标时间序列的影响,已有很多研究。Dong等[1]指出,地球物理流体质量负载再分布造成的地表位移仅能解释不到一半的GPS垂向季节性变化。王敏等[2]计算表明,环境负载纠正后,坐标序列垂直周年振幅减小约37%。袁林果等[3]发现,香港GPS基准网公共误差包含的3 mm垂直周年变化可通过大气压、非潮汐海洋、积雪和土壤湿度等负载造成的测站位移解释。Yang等[4]研究得到包括大气、海底压力及水文在内的质量负载的平均周年振幅占GPS坐标时间序列周年振幅的53%。Rietboek等[5]对负载效应改正后的GPS测站位移时间序列振幅进行研究,估计约80%的测站经负载改正后其周年振幅减少约10%。本文选取全球417个IGS测站2000~2012年环境负载数据,分析讨论大气、非潮汐海洋、积雪和土壤湿度等负载对GPS测站时间序列位移的影响以及与测站地理位置之间的关系。
1 数据处理与评价方法本文采用QOCA软件计算全球417个IGS站的负载位移时间序列,其中QOCA的mload子模块用于计算各种地球物理因素引起的测站位移。
计算时采用以下数据:大气负载采用NCEP(美国国家环境预测中心)的全球表面大气压力数据,时间分辨率为6 h,空间分辨率为2.5°×2.5°;非潮汐海洋负载采用ECCO(海洋环流及气象估值)海底压力模型,时间分辨率为12 h,空间分辨率为1°×(0.3°~1°);积雪和土壤水负载数据来自NCEP提供的再分析数据,空间分辨率为1.875°×1.875°。采用加权均方根(WRMS)及环境负载位移来评价环境负载效应在不同地理位置的影响[6]。
2 环境负载对GPS时间序列位移影响区域特征分析以站点CAND为例,计算2000~2012年大气负载、非潮汐海洋负载、土壤湿度负载、积雪负载的负载效应位移序列,见图 1。不同负载效应引起的位移序列呈现出一定的周期性,大气负载、土壤湿度负载、非潮汐海洋负载对GPS时间序列位移的影响达亚cm级别。从表 1可以看出,4种地表负载效应位移的最大值和最小值差距明显。不同负载引起的站点时间序列位移均值均趋近于零,即在长周期下负载效应趋于平稳,这与地表负载的周期性相关。
图 2描述了GPS时间序列中大气负载位移的最大值、最小值及其与测站地理位置的关系。可以看出,在高纬度地区,大气负载对U方向的位移影响最大为-20~25 mm,对E、N方向的位移影响最大为-3~4 mm;在中纬度地区,大气负载对U方向的位移影响最大为-15~15 mm,对E、N方向的影响最大为-2~2 mm;在赤道地区,大气负载对U方向的影响最大为-5~5 mm,对E方向的影响最大为-1~1 mm。大气负载对U方向的位移影响大约为E、N方向的5~6倍。E、N、U 3个方向都呈现出随着纬度的增加,大气负载造成的位移影响有增大的趋势。大气负载是大气压对固体地球压力作用的直观表达,因此对高纬度地区的IGS测站影响较大,而对低纬度地区的影响较小。另外,南北半球的大气负载造成的位移影响也有区别,可能是由于海陆分布差异对地面气压带有影响。
图 3描述了GPS时间序列非潮汐海洋负载位移的最大值、最小值及其与测站地理位置的关系。可以看出,在欧亚大陆上大部分沿海测站非潮汐海洋负载对U方向的位移影响最大为-6~6 mm,对E、N方向的影响最大为-1.5~1.5 mm。还有少数的沿海测站非潮汐海洋负载对U方向的影响超过10 mm,对E、N方向的影响最大超过5 mm。而内陆测站非潮汐海洋负载对U方向的位移影响最大为-2~2 mm,对E、N方向的影响最大为-0.5~0.5 mm。除欧亚大陆外,在北美洲、南美洲、大洋洲这样的影响机制同样存在。从图 3还可以看出,随着测站与海岸线距离的变化,非潮汐海洋负载对测站位移的影响也在变化。距离海岸线越远,其受到非潮汐海洋的影响越小。另外,在大西洋沿岸测站所受非潮汐海洋负载的影响较大,可能是由于大西洋上大气环流活跃,导致海水质量重分布频率高,进而对固体地球产生压力而使地表产生形变。
选择北美地区以及欧亚大陆的IGS站进行分析,结果见图 4和5。北欧地区积雪负载对U方向的位移影响最大为-1~1 mm,对E、N方向的影响最大为-0.2~0.2 mm;俄罗斯及中国东北地区积雪负载对U方向的影响最大为-5~5 mm,对E、N方向的影响最大为-0.8~0.8 mm;北美加拿大地区积雪负载对测站GPS时间序列的位移影响比其他地区大,对U方向的位移影响最大值约为-5~5 mm,对E、N方向的影响最大为-0.4~0.4 mm。
从图 5可以看出,在南美洲土壤湿度负载影响的测站位移最大,U方向最大位移值为-12~12 mm,E、N方向为-2.5~2.5 mm。其余地区土壤湿度对U方向的位移影响最大值在6 mm以内,对E、N方向的影响在1.5 mm以内。土壤湿度负载在内陆引起的GPS时间序列位移比沿海地区大。
2.4 负载比较分析结合全球的负载数据分析,如图 6所示,对4种负载U方向的位移进行比较发现,417个站点4种环境负载中大气负载对GPS时间序列位移的影响最大,只有一个站点非潮汐海洋负载的影响最大。所有测站的积雪负载对GPS时间序列位移的影响最小。在U方向上积雪负载对个别站GPS时间序列位移的影响达到5 mm,其余站的影响均在2 mm以内。土壤湿度和非潮汐海洋负载对GPS时间序列位移的影响随着地域的不同大小也存在着差异。大气负载的影响最大的位移量达到20 mm。个别站点非潮汐海洋负载的影响也能达到20 mm。
另外,由于大气负载和非潮汐海洋负载地球物理资料详细,且在U方向上对GPS时间序列的位移影响均可达到cm级,对417个全球站大气负载和非潮汐海洋负载在U方向对GPS时间序列位移影响进行统计分析。图 7反映出在417个全球IGS站中,大气负载造成的位移最大值在15 mm以上的点约为14.15%,约57.55%的点最大值在5~15 mm。大气负载对约33%测站GPS时间序列U方向位移影响都在cm级,其余的测站达到亚cm级。而非潮汐海洋负载造成的U方向位移大于5 mm的测站数约为90%,大部分测站影响达到亚cm级,只有个别测站影响达到cm级。
图 8描述了大气负载与非潮汐海洋负载U方向的WRMS分布。大气负载U方向的WRMS值大于5 mm的测站数目为6且均集中在横跨亚洲的北温带地区,表明这些站点NECP数据计算的大气负载精度较低,应尽量避免使用。就NECP大气负载WRMS与地理位置的相关性而言,采用NCEP负载数据计算得到的南半球大气负载WRMS结果分布均匀,而北半球却变化剧烈,尤其是北温带地区。NECP大气负载WRMS与温度带同样存在较强的相关性。热带地区的IGS测站具有稳定的大气负载WRMS,数值约为1 mm。北温带和南温带区域的WRMS分布存在很大的差异,造成南北半球差异的原因可能是由于南北半球不均匀的测站分布或者不同的地形特征。
采用ECCO数据计算的非潮汐海洋U方向的WRMS值分布,反映出在海洋中的测站WRMS值为1.5~2.0 mm,不确定性较低,而内陆IGS测站呈现出WRMS稳定的状态,数值均在0.5 mm以下。北冰洋沿岸IGS测站有4个点WRMS在3.0 mm左右,表明不宜采用ECCO数据计算该地区IGS测站非潮汐海洋负载,其中HERS_GPS、HERT_GPS、ROTH_GPS、WSRT_GPS 4个测站WRMS均在3.0~3.5 mm。
4 结语1) 地表环境负载位移呈现显著的区域性特征,尤其是大气压力和非潮汐海洋负载。其中大气负载对时间序列位移的影响最大可达到20 mm,大气负载对U方向位移的影响大约为E、N方向的5~6倍。高纬度地区的IGS站所受大气负载的影响较大,而低纬度地区较小。一般情况下,IGS测站距离海洋越远,其受到的影响越小,且海洋中的测站受到的影响较沿海地区小。大气负载受区域的影响最大,且对GPS时间序列的影响最大。4种负载对GPS时间序列高程方向的影响不可忽略。4种环境负载中大气负载对GPS时间序列位移的影响最大,U方向最大达到20 mm,积雪负载的影响最小,在U方向上绝大多数站点受到的影响在2 mm以内。土壤湿度和非潮汐海洋负载对GPS时间序列位移的影响随着地域的不同,大小也存在差异。
2) 采用NECP负载数据计算所得大气负载WRMS与温度带存在较强的相关性。使用NCEP负载数据对亚洲西北部区域的GPS测站坐标时间序列进行大气负载改正效果不佳。ECCO数据计算的非潮汐海洋负载在全球具有较好的效果,仅仅在北冰洋沿岸IGS测站所得负载WRMS较大。在这些精度较低的区域,可以尝试用其他模型进行改正(如GGFC),对多种模型的适用情况可以进一步研究比较,从而选取适合于全球范围内应用的地球物理模型。
[1] |
Dong D, Fang P, Bock Y, et al. Anatomy of Apparent Seasonal Variations from GPS-Derived Site Position Time Series[J]. Journal of Geophysical Research, 2002, 107(B4): 9-16
(0) |
[2] |
王敏, 沈正康, 董大南. 非构造形变对GPS连续站位置时间序列的影响和修正[J]. 地球物理学报, 2005, 48(5): 1045-1052 (Wang Min, Sheng Zhenkang, Dong Danan. Effects of Non-Tectonic Crustal Deformation on Continuous GPS Position Time Series and Correction to Them[J]. Chinese J Geophys, 2005, 48(5): 1045-1052 DOI:10.3321/j.issn:0001-5733.2005.05.010)
(0) |
[3] |
袁林果, 丁晓利, 陈武, 等. 香港GPS基准站坐标序列特征分析[J]. 地球物理学报, 2008, 51(5): 1372-1384 (Yuan Linguo, Ding Xiaoli, Chen Wu, et al. Characteristics of Daily Position Time Series from the Hong Kong GPS Fiducial Network[J]. Chinese J Geophys, 2008, 51(5): 1372-1384 DOI:10.3321/j.issn:0001-5733.2008.05.011)
(0) |
[4] |
Wang W, Zhao B, Wang Q, et al. Noise Analysis of Continuous GPS Coordinate Time Series for CMONOC[J]. Adv Space Res, 2012, 49(5): 943-956 DOI:10.1016/j.asr.2011.11.032
(0) |
[5] |
Rietboek R, Fritsche M, Brunnabend S E, et al. Global Surface Mass from a New Combination of GRACE, Modelled OBP and Reprocessed GPS Data[J]. Journal of Geodynamics, 2011, 59-60: 64-71
(0) |
[6] |
梁洪宝, 刘志广, 黄立人, 等. 非构造形变对中国大陆GNSS基准站垂向周期运动的影响[J]. 大地测量与地球动力学, 2015, 35(4): 589-593 (Liang Hongbao, Liu Zhiguang, Huang Liren, et al. Effects of Non-Tectonic Deformation on the Vertical Periodic Motion of GNSS Reference Station in China[J]. Journal of Geodesy and Geodynamics, 2015, 35(4): 589-593)
(0) |
2. Hazard Monitoring & Prevention Research Center, Wuhan University, 129 Luoyu Road, Wuhan 430079, China;
3. School of Civil Engineering and Architecture, East China Jiaotong University, 808 East-Shuanggang Street, Nanchang 330013, China