2022, Vol. 43
由中国地震局牵头实施的“中国地壳运动观测网络工程项目”（简称网络工程）作为“九五”期间国家重大科学基础设施，以服务地震预报为主要目标，兼顾大地测量与国防建设需求。后续建成的中国大陆构造环境监测网络（简称陆态网络），将中国大陆CNSS连续基准站由27个增加到260个，区域流动观测站由1 000个扩展到2 000个（王坦等，2021），为我国地学研究提供了大量观测资料。
陆态网络自建成以来整体运行良好，并且开展定期巡检以保障设备持续高效的稳定运行。目前，大部分基准站已连续观测10年以上，部分达20年以上。在整体数据完整率达到95%的基础上，为进一步保证观测数据质量，对近10年连续观测站数据，采用TEQC（Translation、Editing、Quality Checking）软件进行质量检验。在对计算结果进行分类统计的过程中发现，多路径效应存在区域性特征，对形成原因进行基本假设与初步验证，为建站选址和观测环境监测工作提供参考。
1 多路径效应原理及计算方法地面站接收的卫星信号除直射信号外，还包括经接收机天线周围物体反射的部分信号。反射信号的传播方向、振幅、极化以及相位等特征会发生改变，与直射信号干涉后产生叠加，从而引起时间或相位延迟，使观测值偏离其真值而产生误差的现象称为多路径效应，产生的误差也称多路径误差（Multipath Error）。
根据电磁波反射理论，可将由反射体引起的多路径效应分为2类：反射多路径效应（或称镜面多路径）和散射多路径效应（袁林果等，2004）。散射多路径效应对信号的跟踪和量测的影响较小，因此多针对反射多路径效应开展研究。在一般反射条件下，多路径效应对伪码测距的影响不超过一个码元宽度（米级，本文中用mp1、mp2表示），对载波相位测距的影响不超过1/4载波波长（厘米级，本文中用MP1、MP2表示加以区分，且MP1≪mp1，MP2≪mp2）。
文中分析数据主要用到由UNAVCO Facility研制的TEQC软件（http://facility.unavco.org/software/teqc/teqc.html），是目前在GNSS数据预处理中使用广泛的软件之一。数据质量检验（Quality Checking）作为该软件的核心功能，主要利用双频观测数据来计算数据完整性、电离层延迟、多路径效应、信噪比等可用以评价数据质量的指标。
提取伪距观测的多路径效应常采用多路径组合法（The multipath combination，MPC），即利用一个单频伪距观测值和一对双频载波相位观测值，实现对单个频点伪距多路径误差与观测噪声的估计。鉴于对流层误差、钟差、相对论效应等对伪距与载波观测的影响相同，电离层误差影响与信号频率相关，且对相同频点的伪距与载波观测影响大小相同、方向相反，而多路径效应对2种观测的影响程度不同。
（1）伪距观测简化方程为
| $ \left\{\begin{array}{l} P_{1}=\rho+I_{1}+\mathrm{mp} 1 \\ P_{2}=\rho+I_{2}+\mathrm{mp} 2 \end{array}\right. $ | (1) |
式中，P1、P2为对应频点的伪距观测值，I1、I2为对应电离层延迟。
（2）载波相位观测简化方程为
| $ \left\{\begin{array}{l} L_{1}=\rho-I_{1}+\mathrm{MP} 1+N_{1} \\ L_{2}=\rho-I_{2}+\mathrm{MP} 2+N_{2} \end{array}\right. $ | (2) |
式中，L1、L2为对应频点相位观测，N1、N2为对应相位模糊度。
消去伪距与载波相位观测之间相同影响因素，求得mp1，公式如下
| $ \mathrm{mpl}=P_{1}-L_{1}-2 I_{1}+N_{1} $ | (3) |
利用双频观测值消除电离层延迟：
| $ L_{1}-L_{2}=I_{2}-I_{1}+N_{1}-N_{2} $ | (4) |
令
| $ 2 I_{1}=\frac{2}{\alpha-1}\left(L_{1}-L_{2}\right)+\frac{2\left(N_{2}-N_{1}\right)}{\alpha-1} $ | (5) |
代入式（3），可得
| $ \mathrm{mpl}-P_{1}+\frac{\alpha+1}{\alpha-1} L_{1}-\frac{2}{\alpha-1} L_{2}=\frac{2}{\alpha-1}\left(N_{1}-N_{2}\right)+N_{2}=\text { 常数 } $ | (6) |
通常，常数部分取前50个历元的平均值，扣除常数项，得到mp1最终表达式，公式如下
| $ \mathrm{mpl}=P_{1}-\frac{\alpha+1}{\alpha-1} L_{1}+\frac{2}{\alpha-1} L_{2} $ | (7) |
同理，得mp2，表达式如下
| $ \mathrm{mp} 2=P_{2}-\frac{2 \alpha}{\alpha-1} L_{1}+\frac{\alpha+1}{\alpha-1} L_{2} $ | (8) |
利用该估计方法计算所得多路径误差包含部分观测噪声，结果在一定程度上会放大多路径效应的影响（朱响，2017）。由式（7）、（8）可知，若排除观测噪声影响，mp1、mp2计算结果只与信号频点相关，因此mp1、mp2值可用以研究观测噪声（多由观测环境变化引起）的大小。
2 多路径效应的区域性特征使用中国GNSS基准站2010—2020年观测数据，整理发现，其中平均数据质量较高的台站具有某些区域性特征，排除特殊条件对数据质量的干扰，基本确保文中所描述数据特征非偶然误差造成。以BJYQ站、GSDH站、GSMA站和GSWD站观测数据为例，绘制mp1、mp2时序曲线，结果见图 1、图 2、图 3、图 4。
|
图 1 BJYQ站mp1、mp2时序曲线及Δmp时序曲线 Fig.1 mp1, mp2 time series curves and Δmp time series curve of BJYQ Station |
|
图 2 GSDH站mp1、mp2时序曲线及Δmp时序曲线 Fig.2 mp1, mp2 time series curves and Δmp time series curve of GSDH Station |
|
图 3 GSMA站mp1、mp2时序曲线及Δmp时序曲线 Fig.3 mp1, mp2 time series curves and Δmp time series curve of GSMA Station |
|
图 4 GSWD站mp1、mp2及Δmp时序曲线 Fig.4 mp1, mp2 time series curves and Δmp time series curve of GSWD Station |
由图 1、图 2可见，2条时序曲线呈互相交织的状态。而在图 3、图 4中，2条时序曲线之间出现一个相对稳定的常数差值，因此引入Δmp表示系统差异。在图 1、图 2中，Δmp均值近0且变化幅度较小，而图 3、图 4中的Δmp值则有一个系统性抬升。这种大量且持续出现的系统性差异非偶发因素所致，应考虑观测条件（反射、遮挡）以及区域特征（气候、地形等）持续影响的可能。
2 几种影响因素的假设与分析 2.1 观测环境影响一般，水面、盐碱滩、玻璃幕墙等光滑表面对信号的反射强烈，而树木则会造成原始信号严重衰减，由于接收机天线接收不到过度衰减信号造成遮挡现象。因此，对于存在水面反射及植被遮挡2种常见情况的基准站，对观测数据mp1、mp2及Δmp时序曲线进行分析，并加入箱图直观表现数据的离散分布，以便识别数据异常值和偏向。据调研，XIAG站、SDQD站、LNHL站均建在临海位置，GDST站、GXGL站、XJKL站均出现接收机天线被高大树木遮蔽的情况。选取此6个基准站2010—2020年观测数据（其中XJKL站为2011—2020年观测数据），据以上步骤，分析所受水面和树木的影响，结果见图 5—图 10。
|
图 5 XIAG站mp1、mp2时序曲线及Δmp时序曲线与箱图 Fig.5 mp1, mp2 time series curves, Δmp time series curve and box diagram of XIAG Station |
|
图 6 SDQD站mp1、mp2时序曲线及Δmp时序曲线与箱图 Fig.6 mp1, mp2 time series curves, Δmp time series curve and box diagram of SDQD Station |
|
图 7 LNHL站mp1、mp2时序曲线及Δmp时序曲线与箱图 Fig.7 mp1, mp2 time series curves, Δmp time series curve and box diagram of LNHL Station |
|
图 8 GDST站mp1、mp2及Δmp时序曲线与箱图 Fig.8 mp1, mp2 time series curves, Δmp time series curve and box diagram of GDST Station |
|
图 9 GXGL站mp1、mp2及Δmp时序曲线与Δmp箱图 Fig.9 mp1, mp2 time series curves, Δmp time series curve and box diagram of GXGL Station |
|
图 10 XJKL站mp1、mp2、Δmp时序曲线与Δmp箱图 Fig.10 mp1, mp2 time series curves, Δmp time series curve and box diagram of XJKL Station |
（1）XIAG站。由图 5可见，XIAG站更换R9接收机后，伪距多路径影响从亚米级下降到分米级；Δmp箱图波动范围缩小、异常值减少，计算结果接近图 1—图 4所示观测条件良好的基准站，初步认为，硬件升级可起到提高数据质量的效果。
（2）SDQD站。SDQD站临海，前期水面反射对观测数据质量几乎无影响，2019年后，受基准站迁移，观测设备移动的影响，数据曲线出现波动明显的阶跃（图 6），可排除水面反射所致多路径效应影响。
（3）LNHL站。作为临海基准站，LNHL站观测数据多路径效应平均水平及波动程度均呈稳定状态，但2010—2011年连续观测资料较少。由图 7可见，在2016年接收机天线更换造成当年异常值增加，后恢复正常。可能存在水面反射影响的基准站数据多路径效应基本维持在亚米级，结果接近观测环境良好的基准站。因此，水面（湖、海）反射并非引起陆态网络基准站多路径效应的主要因素。
2.1.2 植被遮挡与水面反射影响可忽略不同，植被遮挡对GNSS数据精度的影响可达米级，且数据波动更大，更难归纳统计规律。但此类影响可通过修剪接收机天线周围植被予以解决，如GDST站，观测数据受树木影响明显，植被修剪后数据精度得以提升，见图 8。
鉴于植被生长特点，修剪并不能根除植被遮挡影响的问题。如GXGL站，在2013年接收机天线周围植被被修剪后，多路径效应明显降低，但经2年的生长周期，树木基本恢复原貌，对数据的影响增大，见图 9。XJKL站地处北疆，属温带大陆性气候，干旱少雨，植被类型与地处亚热带季风气候的GDST站和GXGL站区别较大，且植被生长对信号的遮挡呈逐年增强趋势（图 10），对其Δmp值进行傅里叶拟合（图 11），且拟合曲线的周期基本符合当地落叶植物的生长规律（年周期）。
|
图 11 XJKL站Δmp傅里叶拟合 Fig.11 The Δmp Fourier fitting curve of XJKL Station |
对全国基准站数据质量检验结果进行分类统计，初步认为植被遮挡是目前影响GNSS观测数据质量的主要因素。若保证陆态网络观测站数据质量维持在较高水平，需最长以2年为周期进行植被的修剪、维护。
2.1.3 影响结果综合图 5—图 10的结果，水面对基准站多路径效应的影响较小，植被遮挡对Δmp的影响主要体现在异常值增加，但均不会造成图 3、图 4所示差异现象，需进一步考虑可以持续对观测数据造成影响的环境因素。
2.2 AW3D30数据集与地形起伏AW3D30（ALOS World 3D-30 m）是由日本宇宙航空研究开发机构（JAXA）公开免费发布的数字表面模型（DSM，Digital Surface Model）数据集。水平分辨率约为30 m，在小范围研究中应用价值较高。经验证的高程精度为5.0 m，不同土地覆盖类型对高程精度有不同程度的影响，总体上，林地影响较大，人造地表影响较小。整体上，在坡度小于5°的地区，AW3D30数据集精度较高，甚至优于其发布的5.0 m指标。虽然该数据集在中国境内西南区域存在条状无效数据，沿海区域有一定数据缺失（袁小棋等2018），但在目前公开版的全球DSM数据产品中，仍具有分辨率高、覆盖度广的优势，依然可以作为科学研究中地形参考数据源。
结合图 1—图 4的结果，以BJYQ、GSDH、GSMA、GSWD站为中心4 km×4 km范围的DSM数据为依据，绘制格网图形，结果见图 12，直观可见，mp1和mp2出现系统差异的台站周围地势起伏变化更明显，据此分析地势条件对多路径效应产生影响的可能。
|
图 12 BJYQ、GSDH、GSMA、GSWD站4 km×4 km范围DSM与格网图 Fig.12 4 km×4 km range DSM and grid diagram of BJYQ, GSDH, GSMA and GSWD stations |
地势起伏度可作为划分地貌类型的重要指标（涂汉明，1991），引入地势起伏度以定量描述基准站周围地形特征。使用前文中10个观测站周围DSM数据，以观测站位置为中心划分7个范围：60 m×60 m、120 m×120 m、240 m×240 m、480 m×480 m、960 m×960 m、1 920 m×1 920 m、4 000 m×4 000 m，分别计算以上不同区域范围内地势起伏程度。统计各个范围尺度计算结果之间的相关程度见图 13（a），对照P值（P-value）检验计算结果[图 13（b）]。P值较小可排除相关性是由取样误差造成的偶然结果，故采用该方法计算所得地势起伏具有一定统计学意义。
|
图 13 7个不同区域范围地形起伏之间的相关系数与对应P值计算结果 Fig.13 Correlation coefficients and P values of topographic fluctuations across 7 different regions |
针对Δmp存在的系统差异，尝试分析其与基准站周围地势起伏是否存在关联。将上述10个观测站Δmp值按地势起伏计算所用距离范围分类统计，结果见图 14。图中纵坐标轴表示地势起伏度，横坐标轴是不同基准站的Δmp值，7个地势起伏计算范围的结果以颜色区块加以区分。由图 14可见，最小二乘拟合曲线基本与地势本身相关性规律相吻合，即以960 m计算结果为界，480 m（含）以内距离计算结果呈现强相关性，960 m（含）以外距离计算结果呈较强相关。所有计算结果均显示Δmp值与地势起伏度存在一定正相关性。
|
图 14 Δmp值与不同计算距离地势起伏的相关性分析 Fig.14 Correlation analysis between the value of Δmp and topographic fluctuations of different ranges of distance |
通过对2010—2020年全国连续观测基准站数据质量检验结果的分类分析，结合对周围地势起伏特征的定量分析，得到以下初步结论：
水面反射对基准站数据质量的影响变小，而植被遮挡相应成为造成多路径效应从而降低数据质量的首要因素。结合多个受植被影响的基准站多路径误差计算结果以及树木生长周期，需以2年为周期对接收机天线周围植被进行修剪维护，一定程度上增加了基准站运维成本和难度，因此在建站选址和日常监测中应重点关注。除接收机天线周围观测环境的优劣决定了多路径效应的强弱外，硬件更换过程对多路径效应也会产生较大影响，因此数据处理时应考虑标记硬件变化，在数据应用中适当剔除更换硬件前后的观测数据。
多路径效应作为一种时空环境效应，与卫星相对位置、测站周围地物位置、地物反射性质等环境因素密切相关。通过对全国连续观测基准站数据质量检验结果进行分类，在受误差干扰较小的数据结果中发现，某些地区的mp1与mp2曲线之间出现系统性差异，但常见误差源基本不会造成上述现象，从地势起伏度进行分析，发现其大小与mp1与mp2之间出现的系统性差异存在一定正相关性，但是否为直接联系尚需更多实测数据验证。其他地域特征（如：气候等）也可作为后续研究对象，用以进一步完善建站选址方案，也为后续进行观测数据质量分析提供参考依据。
陈亚勇. MATLAB信号处理详解[M]. 北京: 人民邮电出版社, 2001.
|
邓岳川, 周亮广. 地形起伏度与GPS多路径误差的相关性分析[J]. 测绘科学, 2019, 44(10): 21-28. |
何佳. 地表环境对GNSS数据质量的影响分析[D]. 西安: 长安大学, 2015.
|
乔亚明, 刘武凤, 李婧, 等. 浅析"陆态网"基准站季节性位移规律及机制[J]. 测绘技术装备, 2013, 15(3): 67-68+15. DOI:10.3969/j.issn.1674-4950.2013.03.022 |
宋宁, 李辉, 郭俊强, 等. 陆态网络对大地测量的贡献[J]. 测绘技术装备, 2017, 19(2): 75-77. DOI:10.3969/j.issn.1674-4950.2017.02.021 |
涂汉明, 刘振东. 中国地势起伏度研究[J]. 测绘学报, 1991(4): 311-319. DOI:10.3321/j.issn:1001-1595.1991.04.009 |
王坦, 李瑜, 张锐, 等. GPS在我国地震监测中的应用现状与发展展望[J]. 地震研究, 2021, 44(2): 192-207. DOI:10.3969/j.issn.1000-0666.2021.02.007 |
王晓强. GPS测量中多路径误差的影响[J]. 大地测量与地球动力学, 2000, 20(1): 56-59. |
杨秀云, 张春影, 孙仲秋. 不同植被冠层多角度反射特性研究[J]. 长春师范大学学报, 2016, 35(6): 185-190. |
叶险峰. 基于GNSS信噪比数据的测站环境误差处理方法及其应用研究[D]. 武汉: 中国地质大学(武汉), 2016.
|
袁林果, 黄丁发, 丁晓利, 等. GPS载波相位测量中的信号多路径效应影响研究[J]. 测绘学报, 2004, 33(3): 210-215. DOI:10.3321/j.issn:1001-1595.2004.03.005 |
袁小棋, 李国元, 高小明, 等. AW3D 30 m DSM数据质量分析及部分典型区域精度验证[J]. 测绘与空间地理信息, 2018, 41(4): 98-101+105. |
朱响. GNSS多路径效应与观测噪声削弱方法研究[D]. 西安: 长安大学, 2017.
|