文章快速检索     高级检索
  大地测量与地球动力学  2023, Vol. 43 Issue (4): 356-363  DOI: 10.14075/j.jgg.2023.04.005

引用本文  

苗培钰, 肖根如, 郭增, 等. 中国大陆连续GPS时间序列垂向周期信号空间分布[J]. 大地测量与地球动力学, 2023, 43(4): 356-363.
MIAO Peiyu, XIAO Genru, GUO Zeng, et al. Spatial Distribution of Vertical Periodic Signals in Continents GPS Time Series in Chinese Mainland[J]. Journal of Geodesy and Geodynamics, 2023, 43(4): 356-363.

项目来源

东华理工大学研究生创新基金(YC2022-s602);自然资源部海洋环境探测技术与应用重点实验室开放基金(MESTA-2020-A002);江西省重点研发计划(20212BBE53031)。

Foundation support

Innovation Fund Designated for Graduate Students of ECUT, No.YC2022-s602; Open Fund of Key Laboratory of Marine Environmental Survey Technology and Application, MNR, No.MESTA-2020-A002; Key Research and Development Program of Jiangxi Province, No.20212BBE53031.

通讯作者

肖根如,博士,副教授,主要研究方向为GPS地壳形变及构造解释,E-mail:48381790@qq.com

Corresponding author

XIAO Genru, PhD, associate professor, majors in GPS crustal deformation and tectonic interpretation, E-mail: 48381790@qq.com.

第一作者简介

苗培钰,硕士生,主要研究方向为GPS时间序列分析,E-mail:mpy17746616207@163.com

About the first author

MIAO Peiyu, postgraduate, majors in GPS time series analysis, E-mail: mpy17746616207@163.com.

文章历史

收稿日期:2022-05-14
中国大陆连续GPS时间序列垂向周期信号空间分布
苗培钰1     肖根如1,2     郭增1     杨佳敏1     
1. 东华理工大学测绘工程学院,南昌市广兰大道418号,330013;
2. 南京智绘星图信息科技有限公司,南京市玄武大道699号,210023
摘要:利用中国大陆构造环境监测网络连续GPS基准站数据,揭示垂向周期振幅及相位的空间分布特征。结果表明,各站垂向周期信号表现出明显的季节变化,半年周期信号的平均振幅只有年周期信号的1/4,二者呈现出不同的空间分布。年周期信号的振幅在空间上自西向东逐渐递减,东南沿海地区振幅较小,川滇地区年周期振幅较大;半年周期振幅自西南向东北逐渐减小,华北地区和川滇地区的半年周期现象较为明显。年周期与半年周期信号的相位有较大差异,年周期信号的峰值出现在2月到8月之间,半年周期信号峰值大多出现在1月和5月,并且有明显的分区特征。年周期信号峰值出现的时间会随纬度的增大逐渐变晚,同纬度下沿海地区的年周期信号峰值出现月份晚于内陆;半年周期信号峰值在西南、东北、华北地区多出现在5月,在华南、华中、西北北部地区多出现在1月。
关键词GPS时间序列PPP最小二乘法小波分析克里金插值空间分布

基于长期观测获得的GPS坐标时间序列能够确定GPS速度场以及地球物理过程导致的非线性变形,因此GPS观测是现今地壳运动监测和研究的主要手段之一。垂向分量通常由地球表面大气、流体等负载变化引起,呈现显著的季节性变化[1]。大量研究表明,中国大陆垂向线性运动主要表现为山区上升、盆地和平原下降[2-3]。符养[4]分析全球178个基准站垂向时间序列的线性和季节性变化发现,地球垂向上存在周期性震荡运动;王敏[2]发现1998~2007年除东北和华北地区外,中国大陆在垂向上均存在上升趋势,青藏高原在整体隆升。随着陆态网络二期工程的实施,中国大陆连续站增加至260多个。畅柳等[5]选择263个站点数据分析中国连续基准站坐标时间序列3个分量不同周期的振幅在空间上存在的规律性差异,研究表明,垂向周期振幅与相位的空间分布具有一定的相关性与波动性;占伟[6]选取235个连续站2010~2016年数据对中国大陆垂向坐标时间序列进行研究,得到中国大陆年周期振幅的空间特征为“两边小中间大”、半年周期运动性较弱等结论;傅彦博等[7]基于461个GPS站分析ENU三个方向上非线性变化的振幅和初相全球分布,发现周年项振幅随纬度的分布规律,并建立了GPS测站三维周年变化统计的改正模型。

目前GPS时间序列垂向线性速率、周期项振幅和相位空间分布特征的相关研究较多,但没有建立基于中国大陆的GPS测站周年变化改正模型。因此,本文基于中国大陆构造环境监测网络数据,分析趋势项及季节项振幅的分布特征。

1 数据预处理 1.1 GPS数据处理

本文选用中国大陆构造环境监测网络260个基准站数据(图 1),利用美国航空航天局NASA的喷气推进实验室(Jet Propulsion Laboratory, JPL)开发研制的GIPSY-OASIS软件包,采用精密单点定位PPP方法计算获得高精度坐标时间序列。数据处理策略如下:首先采用GIPSY-OASIS和PPP模式进行每日24 h时段的处理,获得单日坐标松弛约束解;然后采用st_filter对所有站点的单日松弛约束解进行联合求解,通过Helmert转换将其整体旋转、平移至统一的ITRF2014参考框架中;最后获得各站点的坐标时间序列。

图 1 基准站站点分布 Fig. 1 Distribution of reference stations
1.2 站点坐标时间序列数据预处理

由于天气变化、树木遮挡等原因,各站坐标时间序列中存在一些明显偏离线性趋势或周期变化的数据。为得到准确的趋势项和周期项参数,采用3σ准则进行剔除。图 2为260个站点的历元数与野值剔除率,剔除野值后,所有站点的数据完整率大于99%,不影响后续的拟合分析。

图 2 各站点历元数与粗差剔除率 Fig. 2 Epoch number and gross error rejection rate of each station
2 GPS时间序列分析

将时间序列分解为相互独立的趋势项、周期项和残差项:

$ Y=Y_k+Y_t+v_t $ (1)

式中,Y为历元坐标,Yk为趋势项,Yt为季节项,vt为不规则残差。

2.1 线性拟合获取趋势项

由于对时间序列周期项进行分析时要求去除趋势项和阶跃项,因此需要对去除野值后的时间序列进行最小二乘法拟合,其拟合模型为:

$ y_t=a t+b+x_t+\sum\limits_{j=1}^{n_j} g_i H\left(t_i-T_{g_j}\right) $ (2)

式中,yt为坐标时间序列,t为时间,a为线性变化率,b为初始位置,xt为时间序列季节项,gi为各种原因引起的坐标突变,Tgj为坐标发生突变的时刻。阶跃发生前H取值为0,阶跃发生后H取值为1。拟合后在时间序列中减去拟合值,得到用于小波分析的新时间序列。以YNYL站为例,图 3为YNYL站的垂向时间序列。

图 3 YNYL站垂向时间序列 Fig. 3 Vertical time series of YNYL station
2.2 小波分析

小波分析能够在时域和频域上同时进行,并且同时具有时间和频率特性。小波分析的基础是小波变换,小波变换就是通过小波函数关系去表述或逼近一个信号,该信号能够由基小波函数通过平移或伸缩构成[8]。设φ(t)∈L2(R)(L2(R)为平方可积的实数空间,即能量有限的信号空间),其傅里叶变换为φ(t),当φ(t)满足式(3)的条件时,则称φ(t)为一个基本小波:

$ C_{\varphi}=\int_R \frac{|\varphi(t)|^2}{|\omega|} \mathrm{d} \omega <\infty $ (3)

对基本小波进行平移或伸缩,得到一个小波序列:

$ \varphi_{a b}(t)=\frac{1}{\sqrt{|a|}} \varphi\left(\frac{t-b}{a}\right), a, b \in R, a \neq 0 $ (4)

式中,a为伸缩因子,b为平移因子。本文选取coif 5小波对时间序列数据进行小波分解。以YNYL站为例,将去除趋势项的时间序列解算为8层,结果如图 4所示,其中d1~d6为分解后的低频项。

图 4 YNYL站垂向时间序列小波分析 Fig. 4 Wavelet analysis of vertical time series of YNYL station

图 4可见,通过小波分析分解的d7、d8信号中可以得到较为稳定的周期信号,分别对应着半年周期信号和年周期信号。YNYL站小波分析获得的年周期信号振幅为8~12 mm,半年信号振幅为2~5 mm,YNYL站年振幅最大值出现在5月份,最小值出现在6月,这可能与大气压以及其他季节性因素的变化周期有关。对文中所有站点数据进行相同的处理,可获得每个站点的线性速率及周期特征。

2.3 周期项时间序列振幅拟合

GPS时间序列通常将周期信号视为具有年周期和半年周期的简谐波信号,拟合模型为:

$ \begin{gathered} U_t=c \cdot \sin (2 \pi t)+d \cdot \cos (2 \pi t)+ \\ e \cdot \sin (4 \pi t)+f \cdot \cos (4 \pi t)+v_t \end{gathered} $ (5)

式中,cd为周年项系数,ef为半周年项系数,vt为残差项。时间序列中的周年项、半周年项的振幅为:

$ A_{\mathrm{ann}}=\sqrt{c^2+d^2}, A_{\mathrm{semi}-\mathrm{ann}}=\sqrt{e^2+f^2} $ (6)

采用RMSE来衡量拟合效果,RMSE表示为:

$ \mathrm{RMSE}=\sqrt{\frac{1}{N} \sum\limits_{i=1}^N\left(y_i-\bar{y}_i\right)} $ (7)

RMSE值越小表示其拟合效果越好。以YNYL站为例,其周期项拟合结果如图 5所示。为获取周期信号振幅的全国分布特征,对小波分析提取的主周期信号进行常振幅谐波拟合获取振幅值。

图 5 YNYL站垂向周期项及拟合值 Fig. 5 Vertical periodic term and fitting values of YNYL station

图 6为各站对主周期项谐波拟合的RMSE。在所有站点垂向周期信号拟合中,RMSE最大为6.842 mm(GDST),最小为0.463 mm(LHAS),RMSE均值为3.65 mm,超过80%站点的拟合RMSE小于3 mm,上述模型能够较好地反映GPS垂向时间序列季节变化情况。

图 6 各站主周期谐波拟合RMSE Fig. 6 RMSE of main period harmonic fitting of each station
3 中国GPS站垂向趋势项与周期项分布特征

获得我国各基准站垂向坐标时间序列的趋势项及周期项振幅后,利用克里金插值法对各站数据进行空间插值获得各参数的空间分布图。

3.1 垂向速率分布特征

图 7可见,在260个站点中,90%站点的垂向年变化速率范围为-2~2 mm/a,31%站点的年速率为负,69%站点的年速率为正。塔里木盆地中部有轻微下沉现象,两侧有一定程度的隆升,青藏块体南部有大幅度隆升,可能与欧亚板块和印度洋板块的挤压有关。XZZF(西藏珠峰)、XZCY(西藏察隅) 的线性速率分别为1.04 mm/a和1.60 mm/a,青藏块体的东北部有隆升现象,与占伟[6]结论的一致性较高(1.89 mm/a、1.19 mm/a)。西域块体中天山地区在逐年上升,天山范围内的站点XJZS(新疆昭苏)、XJBY(新疆巴音布鲁克)、XJXY(新疆新源)、XJWL(新疆乌拉斯台)的垂向线性速率分别为0.80 mm/a、0.73 mm/a、0.34 mm/a、1.02 mm/a,略微大于占伟[6]的结论(0.59 mm/a、0.55 mm/a、-0.09 mm/a、-0.10 mm/a),略微小于王伟[3]得到的平均速率(1.8 mm/a)。华北地块中,天津沿海区域在垂向上具有较大的下沉速率,鄂尔多斯块体具有较大的上升速率。东北块体南部鄂尔多斯块体北方有微量上升,但XIAA(西安)站出现下降,垂向下降速率为4.24 mm/a,该站点异常可能与市政府建设有关[2]。本文得到的3个垂向沉降速率最大站点与占伟[4]结果一致,分别为HECX(河北沧州)、TJBH(天津滨海)、TJWQ(天津武清),其沉降速率分别为-28.56 mm/a、-14.25 mm/a、-38.38 mm/a。华南沿海地区多地呈轻微下沉趋势,青藏地块和华南地块交界处有部分区域微量隆升。全国垂向线性变化呈区域性分布特征,其中华北地块特征明显,西部轻微上升、东部轻微下沉,垂向变化速率范围波动在0.5 mm/a内。

图 7 垂向趋势项a的分布情况和垂向速率直方图 Fig. 7 National distribution and vertical rate histogram of vertical trend term a
3.2 周期项分布特征

周期项拟合后获得260个站点的周期项振幅,利用克里金插值法得到全国周期项振幅的分布特征。

3.2.1 年周期振幅分布特征

图 8可见,约90%站点的周年振幅大于2 mm,约96%站点的周年振幅小于10 mm,60% 站点的周年振幅小于5 mm,大多数站点的振幅为2~8 mm。在260个站点中,最大振幅为12.40 mm(YNLA),最小振幅为0.89 mm(FJLY),平均振幅为4.84 mm。中国GPS站年周期振幅的空间分布特征为东西较小、中部较大。川滇地区的垂向周期性运动最显著,振幅为6~14 mm,研究表明,降水、地下水负荷变化是影响该地区垂向周期运动变化的主要因素[9];华南地块年周期振幅由沿海向内陆逐渐递增,振幅为2~6 mm,东部沿海区域海潮负荷的影响大于内陆区域,这也是造成沿海与内陆年周期运动差异的因素之一;华北地块年周期振幅由中心向四周逐渐递减,振幅为3~6 mm;东北地块年周期振幅随纬度的增加而增大,振幅为0.89~5.40 mm;西域地块天山地区年周期振幅为4.68~7.13 mm,除天山区域外西域块体其他区域年周期季节特征不明显,年周期振幅为2.74~3.89 mm;青藏地块年周期振幅值随纬度的增加而减小,年周期振幅跨度较大,振幅为2.03~10 mm。

图 8 周年振幅分布及各站周年项振幅统计 Fig. 8 Annual amplitude distribution and annual term amplitude statistics of each station

图 9可见,95%站点的年周期项最大值出现在4~7月份,60%站点的年周期项最大值出现在5~6月份。随着纬度的增加,周期项最大值出现的时间逐渐延后,年周期最大值多出现在上半年,只有西域地块最北区域年周期项最大值出现在8~9月。全国南部地区年周期项最大值出现在2~3月,东北区域年周期项最大值出现在4~6月。沿海区域和内陆区域的年周期振幅峰值出现时间具有不同的分布特征,同一纬度上沿海区域的年周期项最大值出现时间会比内陆区域稍晚一些。沿海区域温度、降水量可能是影响沿海区域和内陆区域年周期振幅最大值出现时间差异的因素之一。

图 9 年周期项最大值出现月份统计 Fig. 9 Statistics for the month in which the maximum value of the annual term occurs
3.2.2 半年周期振幅分布特征

图 10可见,超过80%站点的半年周期振幅小于2 mm,约33%站点的半年周期振幅小于1 mm,12%站点的半年周期振幅小于0.5 mm。在半年周期振荡中,最大振幅为5.056 mm(YNGM),最小振幅为0.069 mm(HLWD),平均振幅为1.380 mm。中国GPS站半年周期项振幅的空间分布特征为南北较小、中部较大。川滇地区半年周期项特征明显,振幅为1.67~5.06 mm,其他区域半年周期项振幅均小于3 mm;华南地区半年周期项振幅值由沿海向内陆递增,与该区域年周期项振幅分布特征相似,其半年周期项振幅为0.5~1.5 mm;华北地块半年周期项振幅为1.4~2.1 mm,中部振幅值较大、四周较小;东南沿海区域半年周期项振幅较小,振幅为0.51~1.16 mm。

图 10 半年周期项振幅分布及各站半年周期项振幅统计 Fig. 10 Half year amplitude distribution and half year term amplitude statistics of each station

图 11可见,30%站点的半年周期项最大值出现在1~2月,58%站点的半年周期项最大值出现在5~6月。从全国范围来看,青藏和川滇地块半年周期项最大值多出现在5~6月;随着纬度的增加,西域块体半年周期项最大值出现的时间逐渐提前,并且出现时间存在梯度变化;中部地区半年周期项最大值的出现时间由中心向四周递增,大致在1~3月;东南沿海区域半年周期项最大值出现时间较早,大致在1~2月;东北区域半年周期项最大值出现较晚,大致在5~6月。综合分析可知,年周期项最大值与半年周期项最大值出现的月份空间分布特征截然不同。

图 11 半年周期项最大值出现月份及统计 Fig. 11 Month and statistics of the maximum value of the semi annual term
3.2.3 不同周期振幅量级对比

表 1可见,半年周期振幅平均值约为年周期振幅平均值的28.51%。垂向年周期振幅为4~10 mm,半年周期振幅为0.5~3.5 mm,说明年周期项为主要季节特征。结果表明,中国大陆连续GPS观测时间序列垂向周期运动具有明显的区域差异性特征。

表 1 各基准站不同周期振幅统计 Tab. 1 Amplitude statistics of different periods at each reference station
4 中国大陆连续GPS时间序列垂向周期振幅模型

通过前文获得各站的周期项振幅信号,年周期振幅和半年周期振幅在100°~110°E、30°~40°N范围内有聚集特征(图 12)。傅彦博等[7]研究全球季节项发现,北半球周年项振幅和纬度之间存在二项式拟合关系。基于这一结论,结合经纬度建立季节项振幅模型:

$ \begin{gathered} Y=a x+b y+c x^2+ \\ d x y+e y^2+f \end{gathered} $ (12)
图 12 各站点年周期、半年周期振幅与经纬度分布 Fig. 12 Distribution of amplitude, longitude and latitude of annual cycle and semi annual cycle of each station

式中,x为纬度,y为经度,abcdef为待求参数。通过最小二乘法拟合得到拟合系数如表 23所示。

表 2 GPS站年周期项振幅模型系数 Tab. 2 Annual term amplitude model coefficient of GPS station

表 3 GPS站半年周期项振幅模型系数 Tab. 3 Half year term amplitude model coefficient of GPS station

采用误差平方和(SSE)和均方根误差(RMSE) 来衡量模型精度,SSE的表达式为:

$ \mathrm{SSE}=\sum\limits_{i=1}^m\left(y_i-\tilde{y}_i\right)^2 $ (9)

式中,yi为模型值,$\tilde{y}_i$为真值,m为数据量。对研究范围进行区域划分来建立周期振幅模型,由于云南地区的季节项具有特殊性,因此本文用张培震等[10]的分块方法将川滇、滇西、滇南合并为川滇块体,整体区域分块如图 13所示。

图 13 中国大陆区域分块 Fig. 13 Regional block of Chinese mainland

根据分块对各区域进行模型拟合,其拟合系数如表 23所示。在分区域模型中年周期模型、半年周期模型的SSE区域平均值分别为68.87 mm2、14.17 mm2,RMSE区域平均值分别为1.332 3 mm、0.532 1 mm,相比于全国模型,其拟合效果更好。对比全国模型与分区域模型可见(图 14),年周期模型、半年周期模型的分区域模型的振幅差值更接近于0,分布更加聚集,相较于全国模型有一定程度的提高。

图 14 全国模型与分区域模型振幅差值 Fig. 14 Amplitude difference of national model and subregional model

表 4(单位%)中分区域模型的RMSE值大多低于全国模型,说明分区域模型拟合效果优于全国模型。其中,华北块体年周期模型振幅拟合效果提高最明显,相较于全国模型提高了48.76百分点,华南块体和川滇块体的半年周期模型拟合效果低于全国模型。对各区域拟合效果取平均值,年周期项区域模型较全国模型提高31.59百分点,半年周期项区域模型较全国模型提高9.41百分点。

表 4 分区域季节模型RMSE值与全国季节模型RMSE值之比 Tab. 4 Ratio of RMSE of subregional seasonal model to RMSE of national seasonal model
5 结语

1) 时间序列分析中得到的线性趋势项能够表示中国大陆垂向运动的大致趋势,西域块体天山地区、青藏高原南部、鄂尔多斯块体等地有明显上升趋势,天津沿海地区、华南沿海地区等地有下沉趋势。

2) 通过对选取的260个基准站的周期项振幅进行对比分析可知,年周期振幅大于半年周期振幅,前者通常是后者的3倍以上,年周期运动和半年周期运动具有不同的空间分布特征。季节项中川滇地区的年周期运动和半年周期运动最为明显。从整体上来看,年周期项最大值出现月份在沿海地区和内陆地区具有一定的差异性,相同纬度条件下沿海地区的年周期项最大值出现月份晚于内陆。

3) 年周期模型、半年周期模型相较于全国模型分别提高31.59百分点、9.41百分点,但二项式拟合方法容易受到异常值的影响,今后可对模型进行改进。通过小波分析可知,GPS时间序列的季节信号具有调制特征,没有被准确拟合的季节信号会进入到残差序列中。

参考文献
[1]
张诗玉, 钟敏, 唐诗华. 我国GPS基准站地壳垂直形变的大气负荷效应[J]. 武汉大学学报: 信息科学版, 2006, 31(12): 1090-1093 (Zhang Shiyu, Zhong Min, Tang Shihua. Vertical Crustal Displacements due to Atmospheric Loading Effects at GPS Fiducial Stations in China[J]. Geomatics and Information Science of Wuhan University, 2006, 31(12): 1090-1093) (0)
[2]
王敏. GPS观测结果的精化分析与中国大陆现今地壳形变场研究[D]. 北京: 中国地震局地质研究所, 2009 (Wang Min. Analysis of GPS Data with High Precision and Study on Present-Day Crustal Deformation in China[D]. Beijing: Institute of Geology, CEA, 2009) (0)
[3]
王伟. 中国大陆现今地壳运动的GPS分析与构造变形模拟[D]. 北京: 中国地震局地球物理研究所, 2013 (Wang Wei. Study on Present-Day Crustal Movement with GPS Data and Modeling the Active Deformation in the Chinese Mainland[D]. Beijing: Institute of Geophysics, CEA, 2013) (0)
[4]
符养. 中国大陆现今地壳形变与GPS坐标时间序列分析[D]. 上海: 中国科学院上海天文台, 2002 (Fu Yang. Present-Day Crustal Deformation in China and GPS-Derived Coordinate Time Series Analysis[D]. Shanghai: Shanghai Astronomical Observatory, CAS, 2002) (0)
[5]
畅柳, 杨国华, 朱爽. 中国大陆导航连续站周期信号空间规律研究[J]. 测绘科学, 2016, 41(1): 50-54 (Chang Liu, Yang Guohua, Zhu Shuang. Study on Spatial Distribution of GNSS Seasonal Signals for Continuous GNSS Stations in China[J]. Science of Surveying and Mapping, 2016, 41(1): 50-54) (0)
[6]
占伟. 基于GPS连续观测的中国大陆典型区域地壳垂直运动研究[D]. 武汉: 武汉大学, 2017 (Zhan Wei. Study on Vertical Crustal Motion in Chinese Mainland and Typical Areas Based on Continuous GPS[D]. Wuhan: Wuhan University, 2017) (0)
[7]
傅彦博, 孙付平, 朱新慧, 等. 全球GPS测站垂向周年变化统计改正模型的建立[J]. 测绘学报, 2018, 47(10): 1337-1345 (Fu Yanbo, Sun Fuping, Zhu Xinhui, et al. Establishment of Statistical Correction Model for Vertical Annual Variations of Global GPS Stations[J]. Acta Geodaetica et Cartographica Sinica, 2018, 47(10): 1337-1345) (0)
[8]
范玉磊, 王贺, 黄声享, 等. 利用小波分析IGS跟踪站的非线性运动特征[J]. 测绘工程, 2014, 23(9): 5-8 (Fan Yulei, Wang He, Huang Shengxiang, et al. Wavelet Approach to Studying the Nonlinear Motional Characteristics of IGS Stations[J]. Engineering of Surveying and Mapping, 2014, 23(9): 5-8) (0)
[9]
盛传贞, 甘卫军, 梁诗明, 等. 滇西地区GPS时间序列中陆地水载荷形变干扰的GRACE分辨与剔除[J]. 地球物理学报, 2014, 57(1): 42-52 (Sheng Chuanzhen, Gan Weijun, Liang Shiming, et al. Identification and Elimination of Non-Tectonic Crustal Deformation Caused by Land Water from GPS Time Series in the Western Yunnan Province Based on GRACE Observations[J]. Chinese Journal of Geophysics, 2014, 57(1): 42-52) (0)
[10]
张培震, 邓起东, 张国民, 等. 中国大陆的强震活动与活动地块[J]. 中国科学D辑: 地球科学, 2003, 33(增1): 12-20 (Zhang Peizhen, Deng Qidong, Ma Jin, et al. Strong Earthquake Activity and Active Blocks in Chinese Mainland[J]. Science in China Ser D Earth Sciences, 2003, 33(S1): 12-20) (0)
Spatial Distribution of Vertical Periodic Signals in Continents GPS Time Series in Chinese Mainland
MIAO Peiyu1     XIAO Genru1,2     GUO Zeng1     YANG Jiamin1     
1. Faculty of Geomatics, East China University of Technology, 418 Guanglan Road, Nanchang 330013, China;
2. Nanjing Zhixing Map Information Technology Co Ltd, 699 Xuanwu Road, Nanjing 210023, China
Abstract: The continuous GPS reference station data of the Chinese Continental Tectonic Environment Monitoring Network are used to reveal the spatial distribution characteristics of the amplitude and phase of the vertical period. The results show that the vertical period signal of each station exhibits obvious seasonal variations, the average amplitude of the semi-annual period signal is only 1/4 of that of the annual period signal, and shows different spatial distributions. The amplitude of the annual cycle signal gradually decreases from west to east in space, with smaller amplitude in southeast coastal areas and larger amplitude in Sichuan and Yunnan; the amplitude of the semiannual cycle gradually decreases from southwest to northeast, and the semiannual cycle phenomenon is more obvious in north China and Sichuan and Yunnan. There is a big difference between phases of annual cycle and semi-annual cycle signals; the peak of annual cycle signal appears between February and August, and the peak of semi-annual cycle signal mostly appears in January and May, and there are obvious zoning characteristics. The peak of the annual cycle signal gradually appears later with increasing latitude, and the peak of the annual cycle signal appears later in coastal areas than inland at the same latitude; the peak of the semi-annual cycle signal appears mostly in May in southwest, northeast, and north China, and in January in south, central and northwest China.
Key words: GPS time series; PPP; least squares method; wavelet analysis; Kriging interpolation; spatial distribution