基于CEEMDAN和小波包多阈值的GNSS高程时间序列去噪方法

为提高GNSS高程时间序列的去噪效果,以仿真信号和拉萨站2000~2020年高程时间序列为例,采用自适应噪声完备集合经验模态分解（complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN）方法将信号分解成若干个特征模态函数（intrinsic mode function,IMF）,对每个IMF分量进行小波包多阈值分解,依据不同节点能量占IMF总能量百分比选择不同的阈值准则,将降噪后的节点重构得到降噪后的IMF分量,进而得到降噪后的时间序列。利用信噪比、均方根误差等指标对比分析本文方法、EMD、CEEMDAN、小波去噪和小波包多阈值去噪等5种方法的去噪效果。结果表明,本文方法效果最优。     

海域重力异常模型的多尺度分析

不同于传统的重力异常模型精度分析方法,本文以马里亚纳海沟区域(140°E—150°E,10°N—20°N)为例,利用DOG球面小波提取了DTU10、DTU17和SIO V32.1模型在不同波段内的重力异常信号,对模型间的差异进行了深入分析,并对基于径向基函数的不同深度、不同分辨率的多尺度分析进行了尝试。利用DOG球面小波对各模型多尺度分析的结果表明,随着尺度变小,模型间的差异在变大;DTU10、DTU17模型间的差异主要集中在10.9～43.6 km的波段内,分布在海岸、海沟、海底山附近,体现了Cryosat-2、Jason-1/GM观测数据和FES2014海潮模型的贡献;受模型构建方法不同、观测数据增多和波形重跟踪的影响,DTU17、SIO V32.1模型的差异大于DTU10、DTU17之间的差异。对传统径向基函数进行了改进,实现了多深度、多空间分辨率情况下径向基函数多尺度分析,结果略优于单一深度、单一空间分辨率径向基函数构建结果,有望应用于多源数据的重力场模型构建。     

2003—2022年长江流域水储量变化时空特征研究

针对探究长江流域内水储量变化的时空特征对水资源管理、灾害预防的重要意义，该文利用GRACE、GRACE-FO数据和水文资料采用主成分分析算法进行了研究。2003年以来，长江流域水储量呈现增多的趋势，在2003年1月—2017年7月以2.75±0.62 mm/a的速率上升，在2018年6月—2022年1月以0.54±2.19 mm/a的速率上升，上升速率变缓。主成分分析结果表明，长江流域水储量变化以年周期性信号为主，最明显年周期性信号出现在金沙江流域下游；第三主成分反映了小于一年周期的信号，对应的特征向量在2003年1月—2017年7月和2018年6月—2022年1月存在较大差异，导致这种变化的原因可能与极端气候事件有关。