Degree One and Degree Two Contributions to Global Surface Mass Anomaly Derived from Different Models
-
摘要: 为了合理补充重力场恢复与气候试验卫星（Gravity Recovery and Climate Experiment，GRACE）时变重力场的一阶斯托克斯系数（C10、C11、S11）和替换二阶斯托克斯系数（C20），介绍了相关GRACE-OBP算法及其改进的算法，比较了相应的Chamber Model和4个Sun Model的一阶系数及其计算的地表质量异常，同时比较了基于卫星激光测距观测的Cheng Model与4个Sun Model的C20及其地表质量异常。结果表明，GRACE-OBP算法的一阶系数、卫星激光测距观测的C20及其地表质量异常与改进的GRACE-OBP算法在趋势项上有很大差异，但周年项差异相对较小。利用不同截断阶数和不同机构的GRACE时变重力场模型，对其趋势项和周年项都有一定影响，且对趋势项影响更大。因此，在计算陆地水储量变化时，建议使用改进的GRACE-OBP算法的估计结果，使用较理想的、截断阶数较高的GRACE时变重力模型。
-
关键词:
- 卫星重力 /
- GRACE /
- 一阶、二阶斯托克斯系数 /
- 地表质量异常 /
- 趋势项和周年项
Abstract: In order to suitably supplement the degree one Stokes coefficients (C10, C11, C11) in the Gravity Recovery and Climate Experiment (GRACE) time-variable gravity data and substitute the C20 coefficient, we review two commonly applied methods based on different combination models of GRACE data and an Ocean Bottom Pressure (OBP) model, which we call Chambers model and Sun model. We compare the results of the degree one coefficients and derive global surface mass anomalies from the two methods, respectively. We also do the similar comparison for the C20 coefficient and derived global surface mass anomalies from Satellite Laser Ranging (SLR) based estimates and the Sun model. There are obvious differences, particularly in the trend rates of the degree one coefficients, C20 and the derived mass anomalies between the Sun model and both the Chambers model and SLR estimates. However, there are relatively small differences for annual signals. As the GRACE gravity models are released by different institutions applying different data processing and may also have different maximum degrees, the choice of GRACE data additionally affects the annual signals and especially the trend rates. Therefore, for the derivation of terrestrial water storage changes from GRACE, the results of degree one coefficients and C20 from the Sun model are recommended to be used together with the best GRACE time variable gravity data with the highest maximum degree available. -
利用重力场恢复与气候试验卫星(Gravity Recovery and Climate Experiment, GRACE)及其后续实验卫星(GRACE Follow-on)[1-2]，可以全天候探测地球重力场中长波分量及其随时间的变化。其时变重力场可以用于反演全球季节性和年际气候变化伴随的地表多相态水体(冰川、陆地水、非潮汐海水质量)储量的变化[3-4]，推动水文大地测量学的发展；也可用于固体地球过程的反演(例如大地震位错变形[5]和冰川均衡调整[6])，推动了地球动力学的研究。
近20 a卫星重力技术的发展为全球地表质量变化的研究提供了机会。GRACE双星采用近极轨道，轨道高度485 km，双星相距约220 km，用微波干涉仪测量双星间的距离及其速度变化，用高轨全球导航卫星系统(Global Navigation Satellite System, GNSS)卫星确定轨道位置和轨道速度，由加速度计测量非保守力影响。在GRACE双星的运行期间(自2002年3月至2017年7月)，有效累积超过14 a的月重力场时间序列。根据GRACE观测解算的时变重力场反演的多相态水体储量变化的空间分辨率达300 km，探测精度达到10 cm等效水柱或1 cm/a趋势速率。GRACE Follow-on卫星已发射，设计运行寿命5 a，目标大于10 a，双星轨道高更低(250 km)，双星距离更短(约50 km)，且使用激光干涉测距仪，能够较精确地测量双星间距离和星间速度，地球重力场观测精度比GRACE至少提高10倍，反演的多相态水体储量变化的空间分辨率达100 km，精度将大有提高。Swarm是为观测地球磁场设计的组合星座，由3颗位于不同高度的极轨卫星组成(一颗轨道高530 km，两颗450 km)，该星座2013年11月发射，迄今状态良好。由于携带加速度计、激光测距仪和GNSS接收机，能够恢复地球时变重力场，可弥补GRACE卫星及Follow-on卫星计划之间的重力观测空白。
GRACE时变重力已较成功应用于反演地表多相态水体储量变化和固体地球动力学过程，在陆地水或地下水储量变化方面，研究了印度北部[7]、华北[8]、北美、北欧等冰川均衡调整(glacial isostatic adjustment，GIA)近场区[9-10]、青藏高原及其周边地区[11]、三峡地区[12]、加州山谷地区[13]、全球[14]、亚马逊流域和赞比西河流域[15]等的陆地水储量变化；在冰川/冰盖消融量方面，研究了南极冰盖[16, 4]和高亚洲冰川[17]的质量变化；在固体地球动力学过程方面，主要有GIA[18-20]、大地震同震变形[5]的研究；此外还有质量海平面变化方面的研究[21]等。
一般用地表质量异常表示多相态水体储量变化。必须注意，由于卫星重力观测采用地球系统质心(center of mass, CM)坐标，因此其观测的一阶斯托克斯系数为零，但这并不意味着地表质量异常没有一阶项，因为地表水文、海洋观测和模型是相对地球外表面的构形中心(center of figure, CF)坐标框架下的结果。此外，二阶零次斯托克斯系数可能受潮汐混频影响，具有很大的不确定性[22]。所以，实践中使用其他方法独立估计一阶、二阶斯托克斯系数，用以补充和替换GRACE时变重力模型的结果[23-24]。
忽略一阶项贡献对高纬度质量异常变化和大尺度流域-海洋质量交换的估计具有较大影响[25]。例如，单独基于GRACE与基于测高和比容估计的平均海平面变化的季节项振幅相差15%，而补充GRACE的一阶斯托克斯系数后，其差异减少到1%[26]；若忽略其质量异常一阶项趋势影响，可使基于GRACE的南北极和全球山地冰盖/冰川消融引起的海平面上升低估30%[27]。
最近，独立估计时变重力场一阶、二阶斯托克斯系数越来越受到关注。继Swenson等[23]提出GRACE-OBP法估计一阶斯托克斯系数、Cheng等[24]用卫星激光测距(satellite laser ranging, SLR)资料估计二阶斯托克斯系数后，Sun等[28-30]考虑陆地交换水自吸引和旋转反馈效应，利用时变重力模型的协方差信息，进一步完善一阶、二阶斯托克斯系数的估计，给出了另一独立的结果。此外，Chanard等[31]利用GRACE二阶及以上斯托克斯系数，结合Swenson模型一阶斯托克斯系数结果[23]，在全球689个连续GNSS观测站点上，计算由全球地表多相态水体储量变化(其中也包含非潮汐大气)引起的径向和水平位移，发现水平位移与GNSS观测的振幅和相位结果有较大差异，这在一定程度说明Swenson模型可能有较大误差。
因此，本文重新审视时变重力场一阶、二阶斯托克斯系数的估计方法，特别是对比不同模型及其转换的质量异常结果，为当前GRACE和下一代卫星重力的成功应用，具体如何进行一阶、二阶斯托克斯系数补充及替换，提供参考。
1 一阶、二阶斯托克斯系数的反演方法
1.1 时变重力场的球谐展开式
地球重力场通常由大地水准面的形状描述，而大地水准面对应全球海洋平均海平面的等位面，其形状可用球谐展开表示[32]。本文所关注的时变重力场可以理解为不同时间大地水准面的变化，或同一时间相对平均大地水准面的变化。因此，在地表及其外部任意点(θ, φ)，地球时变重力场由大地水准面形状变化表示，其球谐展开式为：
$$ \begin{array}{*{20}{c}} {\Delta N\left( {\theta ,\varphi } \right) = a\sum\limits_{l = 0}^\infty {\sum\limits_{m = 0}^l {\left[ {\Delta {{C'}_{lm}}\cos m\varphi + } \right.} } }\\ {\left. {\Delta {{S'}_{lm}}\sin \left( {m\varphi } \right)} \right]{{\tilde P}_{lm}}\left( {\cos \theta } \right)} \end{array} $$ (1) 式中，(ΔC′lm, ΔS′lm)为由卫星重力观测的l阶m次斯托克斯系数的变化(简称斯托克斯系数)；${{\tilde P}_{lm}}\left( {\cos \theta } \right)$为l阶m次的连带勒让德多项式；a=6 378.136 3 km，为赤道半径。由于卫星重力观测采用CM坐标，故一阶斯托克斯系数为零。此外，由于地球系统质量守恒，零阶斯托克斯系数也为零。受分辨率限制，卫星重力只能提供有限阶次的斯托克斯系数的结果，例如，当前德克萨斯大学空间研究中心(the Center of Space Research, CSR)重力模型最大可达96阶。
采用CF为原点的笛卡尔坐标框架，则式(1)的一阶斯托克斯系数不为零，依此非零系数可求得CM相对于CF沿3个坐标轴向的位移[33]：
$$ \left[ {\begin{array}{*{20}{c}} {\Delta X}\\ {\Delta Y}\\ {\Delta Z} \end{array}} \right] = \sqrt 3 a\left[ {\begin{array}{*{20}{c}} {\Delta {{C'}_{11}}}\\ {\Delta {{S'}_{11}}}\\ {\Delta {{C'}_{10}}} \end{array}} \right] $$ (2) 根据时变重力场二阶、零次斯托克斯系数，可以简单求得时变引力位二阶带谐系数：
$$ \Delta {J_2} = - \sqrt 5 \Delta {{C'}_{20}} $$ (3) 式(3)转换便于与SLR观测结果进行对比。
1.2 全球地表质量异常的球谐展开式
首先，假设时变重力场的一阶和二阶零次斯托克斯系数已经补充和替换，其他斯托克斯系数由GRACE等卫星时变重力模型(GSM+GAC)给出；其次，所有斯托克斯系数已经过固体地球过程影响的改正，即去除GIA、大地震位错变形的影响，则改正后的斯托克斯系数不仅反映了地表多相态水体(也包含非潮汐大气)储量变化相关的地表质量异常的直接牛顿引力贡献, 也反映了负荷形变激发的地球内部质量重新分布贡献。地表质量异常用地表面密度表示，根据文献[34]，地表面密度球谐展开形式为：
$$ \begin{array}{*{20}{c}} {\Delta \sigma \left( {\theta ,\varphi } \right) = \sum\limits_{l = 0}^\infty {\sum\limits_{m = 0}^l {\left[ {\Delta {C_{lm}}\cos \left( {m\varphi } \right) + } \right.} } }\\ {\left. {\Delta {S_{lm}}\sin \left( {m\varphi } \right)} \right]{{\tilde P}_{lm}}\left( {\cos \theta } \right)} \end{array} $$ (4) 式中，地表面密度球谐系数由重力场斯托克斯系数转换求得：
$$ \left[ {\begin{array}{*{20}{c}} {\Delta {C_{lm}}}\\ {\Delta {S_{lm}}} \end{array}} \right] = \frac{{a{\rho _{{\rm{ave}}}}}}{3}\frac{{2l + 1}}{{1 + {k_l}}}\left[ {\begin{array}{*{20}{c}} {\Delta {{C'}_{lm}}}\\ {\Delta {{S'}_{lm}}} \end{array}} \right] $$ (5) 式中，kl为l阶与位扰动相关的弹性负荷勒夫数[35-36]；地球平均密度ρave= 5.517 g/cm3。地表面密度除以水密度(1.0 g/cm3)即是等效水柱高。
值得说明的是，当前该负荷勒夫数一般采用根据参考地球模型PREM(preliminary reference earth model) [37]计算的结果(如Wang等[36]的结果)，但对其一阶负荷勒夫数则有特殊的考虑，即取CF坐标框架下的结果：
$$ {\left[ {{k_l}} \right]_{{\rm{CF}}}} = {\left[ { - \frac{1}{3}{h_1} - \frac{2}{3}{h_1}} \right]_{{\rm{CE}}}} $$ (6) 式中，Blewitt[38]采用Farrell[39]根据古登堡-布伦地球模型计算的地球中心(center of earth, CE)为原点坐标框架下的勒夫数h1=-0.290和l1=0.113，计算出CF框架下k1=0.021；根据PREM[37]的CE框架下的h1=-0.285 7和l1=0.103 6[36]，得出CF框架下k1=0.026 2，依此并根据式(5)计算的一阶项地表质量异常比k=0.021时小0.5%。然而，当前的相关研究文献和发布的一阶斯托克斯系数模型一般建议使用k1=0.021，但本文采用相对较新的PREM地球模型，且为了与计算二阶及以上阶地表质量异常广泛采用的PREM地球模型保持一致，因此采用k1=0.026 2，提供了一个与PREM模型一致的可替代的结果。
1.3 C10、C11、S11和C20的反演方法
为了方便，省去时变重力场斯托克斯系数和地表面密度的球谐系数中的Δ。人们知道，GRACE提供了3类时变重力场斯托克斯系数模型：①GSM模型主要反映陆地多相态水储量变化(不含非潮汐大气质量信号)，即反映土壤湿度、地表水、地下水、冰川、积雪、冻土变化，此外包含GIA效应、海洋的大陆径流补给的淡水质量重新分布(陆地交换水)；②GAC模型，模拟的全球非潮汐大气、海洋质量贡献；③GAD模型，是GAC去除陆地大气影响的结果，也即指模拟的非潮汐海洋质量和非潮汐海洋大气质量的贡献。
在大地水准面公式(1)中，使用GRACE的时变重力场斯托克斯系数GSM模型，用式(4)表达全球地表面密度。取全球地表面密度海洋中的结果，即取反映陆地交换水的部分，取陆地结果为零，定义陆地交换水的球谐系数：
$$ \begin{array}{*{20}{c}} {C_{lm}^{{\rm{ocean}}} = \frac{1}{{4{\rm{ \mathsf{ π} }}}}\int\limits_{{\rm{ocean}}} {{\rm{d}}\mathit{\Omega }{{\mathit{\tilde P}}_{lm}}\left( {\cos \theta } \right)\cos \left( {m\varphi } \right)} \times }\\ {\sum\limits_{l' = 1}^\infty {\sum\limits_{m' = 0}^{l'} {\left[ {{C_{l'm'}}\cos \left( {m'\varphi } \right) + {S_{l'm'}}\sin \left( {m'\varphi } \right)} \right]{{\tilde P}_{l'm'}}\left( {\cos \theta } \right)} } } \end{array} $$ (7) $$ \begin{array}{*{20}{c}} {S_{lm}^{{\rm{ocean}}} = \frac{1}{{4{\rm{ \mathsf{ π} }}}}\int\limits_{{\rm{ocean}}} {{\rm{d}}\mathit{\Omega }{{\mathit{\tilde P}}_{lm}}\left( {\cos \theta } \right)\sin \left( {m\varphi } \right)} \times }\\ {\sum\limits_{l' = 1}^\infty {\sum\limits_{m' = 0}^{l'} {\left[ {{C_{l'm'}}\cos \left( {m'\varphi } \right) + {S_{l'm'}}\sin \left( {m'\varphi } \right)} \right]{{\tilde P}_{l'm'}}\left( {\cos \theta } \right)} } } \end{array} $$ (8) 其中，dΩ=sinθdθdφ。
假设将陆地水总储量的亏损量补给到海洋，GRACE-OBP算法在海洋各处等量补给，而改进的GRACE-OBP算法则考虑自吸引效应和旋转反馈效应。因此，已知海洋的陆地交换水的球谐系数C10ocean、C11ocean、S11ocean和C20ocean，则根据式(7)和式(8)列出已知量和待求量(C10、C11、S11和C20)的关系[23, 28]：
$$ \begin{array}{*{20}{c}} {C_{10}^{{\rm{ocean}}} = \frac{1}{{4{\rm{ \mathsf{ π} }}}}\int\limits_{{\rm{ocean}}} {{\rm{d}}\mathit{\Omega }{{\mathit{\tilde P}}_{10}}\left( {\cos \theta } \right)} \times \left\{ {{{\tilde P}_{10}}\left( {\cos \theta } \right){C_{10}} + \cos \varphi {{\tilde P}_{11}}\left( {\cos \theta } \right){C_{11}} + \sin \varphi {{\tilde P}_{11}}\left( {\cos \theta } \right){S_{11}} + } \right.}\\ {\left. {{{\tilde P}_{20}}\left( {\cos \theta } \right){C_{20}} + \sum\limits_{l' = 2}^\infty {\sum\limits_{m' = 0}^{l'} {\left[ {{C_{l'm'}}\cos \left( {m'\varphi } \right) + {S_{l'm'}}\sin \left( {m'\varphi } \right)} \right]{{\tilde P}_{l'm'}}\left( {\cos \theta } \right)} } } \right\}} \end{array} $$ (9) $$ \begin{array}{*{20}{c}} {C_{11}^{{\rm{ocean}}} = \frac{1}{{4{\rm{ \mathsf{ π} }}}}\int\limits_{{\rm{ocean}}} {{\rm{d}}\mathit{\Omega }{{\mathit{\tilde P}}_{11}}\left( {\cos \theta } \right)\cos \varphi } \times \left\{ {{{\tilde P}_{10}}\left( {\cos \theta } \right){C_{10}} + \cos \varphi {{\tilde P}_{11}}\left( {\cos \theta } \right){C_{11}} + \sin \varphi {{\tilde P}_{11}}\left( {\cos \theta } \right){S_{11}} + } \right.}\\ {\left. {{{\tilde P}_{20}}\left( {\cos \theta } \right){C_{20}} + \sum\limits_{l' = 2}^\infty {\sum\limits_{m' = 0}^{l'} {\left[ {{C_{l'm'}}\cos \left( {m'\varphi } \right) + {S_{l'm'}}\sin \left( {m'\varphi } \right)} \right]{{\tilde P}_{l'm'}}\left( {\cos \theta } \right)} } } \right\}} \end{array} $$ (10) $$ \begin{array}{*{20}{c}} {S_{11}^{{\rm{ocean}}} = \frac{1}{{4{\rm{ \mathsf{ π} }}}}\int\limits_{{\rm{ocean}}} {{\rm{d}}\mathit{\Omega }{{\mathit{\tilde P}}_{11}}\left( {\cos \theta } \right)\sin \varphi } \times \left\{ {{{\tilde P}_{10}}\left( {\cos \theta } \right){C_{10}} + \cos \varphi {{\tilde P}_{11}}\left( {\cos \theta } \right){C_{11}} + \sin \varphi {{\tilde P}_{11}}\left( {\cos \theta } \right){S_{11}} + } \right.}\\ {\left. {{{\tilde P}_{20}}\left( {\cos \theta } \right){C_{20}} + \sum\limits_{l' = 2}^\infty {\sum\limits_{m' = 0}^{l'} {\left[ {{C_{l'm'}}\cos \left( {m'\varphi } \right) + {S_{l'm'}}\sin \left( {m'\varphi } \right)} \right]{{\tilde P}_{l'm'}}\left( {\cos \theta } \right)} } } \right\}} \end{array} $$ (11) $$ \begin{array}{*{20}{c}} {C_{20}^{{\rm{ocean}}} = \frac{1}{{4{\rm{ \mathsf{ π} }}}}\int\limits_{{\rm{ocean}}} {{\rm{d}}\mathit{\Omega }{{\mathit{\tilde P}}_{20}}\left( {\cos \theta } \right)} \times \left\{ {{{\tilde P}_{10}}\left( {\cos \theta } \right){C_{10}} + \cos \varphi {{\tilde P}_{11}}\left( {\cos \theta } \right){C_{11}} + \sin \varphi {{\tilde P}_{11}}\left( {\cos \theta } \right){S_{11}} + } \right.}\\ {\left. {{{\tilde P}_{20}}\left( {\cos \theta } \right){C_{20}} + \sum\limits_{l' = 2}^\infty {\sum\limits_{m' = 0}^{l'} {\left[ {{C_{l'm'}}\cos \left( {m'\varphi } \right) + {S_{l'm'}}\sin \left( {m'\varphi } \right)} \right]{{\tilde P}_{l'm'}}\left( {\cos \theta } \right)} } } \right\}} \end{array} $$ (12) 用矩阵方程表示为：
$$ \left[ {\begin{array}{*{20}{c}} {C_{10}^{{\rm{ocean}}}}\\ {C_{11}^{{\rm{ocean}}}}\\ {S_{11}^{{\rm{ocean}}}}\\ {C_{20}^{{\rm{ocean}}}} \end{array}} \right] = \left[ {\begin{array}{*{20}{c}} {I_{10C}^{10C}}&{I_{11C}^{10C}}&{I_{11S}^{10C}}&{I_{20C}^{10C}}\\ {I_{10C}^{11C}}&{I_{11C}^{11C}}&{I_{11S}^{11C}}&{I_{20C}^{11C}}\\ {I_{10C}^{11S}}&{I_{11C}^{11S}}&{I_{11S}^{11S}}&{I_{20C}^{11S}}\\ {I_{10C}^{20C}}&{I_{11C}^{20C}}&{I_{11S}^{20C}}&{I_{20C}^{20C}} \end{array}} \right] \times \left[ {\begin{array}{*{20}{c}} {{C_{10}}}\\ {{C_{11}}}\\ {{S_{11}}}\\ {{C_{20}}} \end{array}} \right] + \left[ {\begin{array}{*{20}{c}} {{G_{10C}}}\\ {{G_{11C}}}\\ {{G_{11S}}}\\ {{G_{20C}}} \end{array}} \right] $$ (13) 解方程(13)，得地表面密度的低阶球谐系数(C10、C11、S11和C20)，进一步通过式(14)转换得到地球时变重力场的GSM模型的相应斯托克斯系数：
$$ \left[ {\begin{array}{*{20}{c}} {{{C'}_{10}}}\\ {{{C'}_{11}}}\\ {S{'_{11}}}\\ {{{C'}_{20}}} \end{array}} \right] = \frac{3}{{a{\rho _{{\rm{ave}}}}}}\left[ {\begin{array}{*{20}{c}} {\frac{{1 + {k_1}}}{3}{C_{10}}}\\ {\frac{{1 + {k_1}}}{3}{C_{11}}}\\ {\frac{{1 + {k_1}}}{3}{S_{11}}}\\ {\frac{{1 + {k_2}}}{5}{C_{20}}} \end{array}} \right] $$ (14) 如果时变重力场的斯托克斯系数需要包含全球非潮汐大气、海洋质量贡献，则在式(14)左边的结果中加上GRACE GAC模型的相应阶次斯托克斯系数。在后面的讨论中，忽略式(14)左边的“′”上标。
2 不同模型的C10、C11、S11和C20比较
在Chambers Model中，Swenson和Chambers用GRACE-OBP法[23]，结合2002年7月至2016年12月二阶以上GRACE的CSR 60阶的斯托克斯系数月解，其中C20由Cheng等[24]给出的SLR结果替换，计算了一阶斯托克斯系数(C10、C11、S11)月解。在Sun Model中，Sun等[28-30]用改进的GRACE-OBP法, 结合二阶以上(C20除外)GRACE的CSR 60阶同期斯托克斯系数月解、CSR 96阶斯托克斯系数月解、德国地学研究中心(German Research Center for Geoscien-ce, GFZ)的90阶斯托克斯系数月解和喷气推进实验室(Jet Propulsion Laboratory, JPL)的90阶斯托克斯系数月解, 分别计算了一阶斯托克斯系数(C10、C11、S11)和C20的月解。分别对所求月解的时间序列进行最小二乘回归分析，得到相应趋势速率、周年的振幅和相位及其各自回归的方差结果。
表 1给出了不同模型C10的结果。对比Chambers Model和Sun Model/CSR/60(表示模型主要开发者为Sun、采用CSR 2~60阶的GRACE时变重力模型，下同)的结果，Chambers Model减少趋势速率比Sun Model增加27%，而周年振幅则减少36%，周年相位相差较小(即0.005 a)；对比Sun Model/CSR/60和Sun Model/CSR/96的结果，GRACE截断阶数增加36，对趋势信号和周年信号影响非常小；对比Sun Model/CSR/96、Sun Model/GFZ/90和Sun Model/JPL/90的结果，CSR与JPL趋势速率相差最大(达17%)，周年信号相差很小。
表 1 不同模型C10的趋势速率、周年振幅和周年相位Table 1. Trend Rate, Annual Amplitude and Annual Phase of Different Models C10模型 趋势速率/10-10·a-1 周年振幅/10-9 周年相位/a Chambers Model -0.189 58±0.011 90 0.168 11±0.067 52 0.009±0.006 Sun Model/CSR/60 -0.150 36±0.016 22 0.254 78±0.009 11 0.014±0.006 Sun Model/CSR/96 -0.145 59±0.017 18 0.256 93±0.009 43 0.017±0.006 Sun Model/GFZ/90 -0.159 92±0.019 32 0.264 20±0.010 85 0.017±0.007 Sun Model/JPL/90 -0.182 92±0.016 38 0.257 33±0.009 21 0.004±0.006 表 2给出了C11的结果。类似的比较表明，Chambers Model较Sun Model的减少趋势增加266%，而振幅则减少21%，周年相位相差较小(即0.002 a)；GRACE截断阶数增加36，对趋势信号影响为19%，周年信号影响非常小；CSR、GFZ与JPL趋势速率相差较大，CSR与JPL相差最大(达63%)，但周年信号相差都较小。
表 2 不同模型C11的趋势速率、周年振幅和周年相位Table 2. Trend Rate, Annual Amplitude and Annual Phase of Different Models C11模型 趋势速率/10-11·a-1 周年振幅/10-9 周年相位/a Chambers Model -1.105 01±0.095 17 0.115 08±0.005 39 -0.012±0.008 Sun Model/CSR/60 -0.325 10±0.137 73 0.143 68±0.007 74 0.009±0.009 Sun Model/CSR/96 -0.269 83±0.141 31 0.141 60±0.007 75 0.011±0.009 Sun Model/GFZ/90 -0.501 81±0.153 78 0.145 68±0.008 64 0.005±0.010 Sun Model/JPL/90 -0.707 83 ±0.144 66 0.137 76±0.008 13 -0.001±0.010 表 3是S11的结果。Chambers Model的减少趋势和周年振幅远远小于Sun Model的结果，周年相位则相差较小；GRACE截断阶数增加36, 对趋势信号影响为10%，周年信号影响则非常小；CSR、GFZ的结果非常相近，但它们与JPL的趋势速率相差较大(32%)，但周年信号相差很小。
表 3 不同模型S11的趋势速率、周年振幅和周年相位Table 3. Trend Rate, Annual Amplitude and Annual Phase of Different Models S11模型 趋势速率/10-11·a-1 周年振幅/10-9 周年相位/a Chambers Model -0.088 99±0.108 34 0.128 47±0.006 14 0.477±0.008 Sun Model/CSR/60 0.557 83±0.126 42 0.149 95±0.007 11 0.431±0.008 Sun Model/CSR/96 0.614 25±0.137 43 0.153 61±0.007 55 0.424±0.008 Sun Model/GFZ/90 0.607 76±0.141 33 0.149 27±0.007 95 0.427±0.009 Sun Model/JPL/90 0.880 19±0.150 84 0.140 74±0.008 50 0.425±0.010 表 4是C20的结果。类似的比较表明, Cheng Model的趋势速率比Sun Model/CSR/60小44%，周年振幅小20%，周年相位相差0.03 a；GRACE截断阶数增加36, 对趋势速率和周年信号影响均很小；CSR、GFZ和JPL的趋势和周年信号相差都很小。
表 4 不同模型C20的趋势速率、周年振幅和周年相位Table 4. Trend Rate, Annual Amplitude and Annual Phase of Different Models C20模型 趋势速率/10-11·a-1 周年振幅/10-10 周年相位/a Cheng Model -0.106 67± 0.072 37 0.671 25± 0.041 82 0.025±0.010 Sun Model/CSR/60 -0.187 19±0.008 11 0.846 46± 0.045 62 0.054±0.009 Sun Model/CSR/96 -0.188 47±0.008 14 0.863 53± 0.044 71 0.052±0.008 Sun Model/GFZ/90 -0.190 11±0.008 30 0.847 95± 0.046 70 0.059±0.009 Sun Model/JPL/90 -0.186 42±0.081 91 0.858 61± 0.046 11 0.051±0.009 3 不同模型的C10、C11、S11和C20质量异常的比较
利用上述6个不同模型给出的C10、C11、S11和C20月解，通过式(4)分别计算全球地表质量异常一阶项和二阶项的时间序列，通过最小二乘回归分析，得到全球地表质量异常一阶项、二阶项的趋势速率、周年振幅和周年相位，一阶项的结果见图 1至图 3，二阶项的结果见图 4。
![]()
图 1 不同模型的地表质量异常一阶项趋势速率Figure 1. Trend Rates of Degree One Surface Mass Anomaly from Different Models![]()
图 2 不同模型的地表质量异常一阶项周年振幅Figure 2. Annual Amplitudes of Degree One Surface Mass Anomaly from Different Models![]()
图 3 不同模型的地表质量异常一阶项周年相位Figure 3. Annual Phases of Degree One Surface Mass Anomaly from Different Models![]()
图 4 不同模型C20的质量异常的趋势速率、周年振幅和周年相位Figure 4. Trend Rates, Annual Amplitudes and Annual Phases of Surface Mass Anomaly from Different Models C20图 1显示了5个模型的一阶项质量异常速率。可以看出，Chambers Model的一阶项质量异常速率基本绕零度经线对称分布，其正负极值位于(180°E，60°S)和(0°N，60°N)，而4个Sun Model则基本具有一致的一阶项质量异常速率分布形态，其正负极值一致位于(120°E，75°S)和(75°N，60°W)；Sun Model(图 1(b))与Chambers Model(图 1(a))的结果差异见图 1(f)，最大差异位于以红海为中心的欧亚非大陆和太平洋，幅值达0.6 mm/a；图 1(c)与图 1(b)的比较说明GRACE截断阶数增加36使极值范围有所缩小；图 1(c)、1(d)、1(e)的比较说明，CSR与GFZ极值相当(1.1 mm/a)，但JPL的极值增加到1.3 mm/a。子图顶部显示所用模型和高原内的数值范围。
图 2给出了5个模型的一阶项质量异常周年振幅。可以发现，Chambers Model的一阶项质量异常周年振幅具有与其他4个Sun Model完全一致的分布形态和最大值位置；Chambers Model周年振幅极值(图 2(a))比Sun Model(图 2(b))小26%，Sun Model与Chambers Model的结果差异见图 2(f)，最大差异位于两极地区，幅值达5.5 mm；图 2(c)与图 2(b)的比较显示GRACE截断阶数增加36不影响周年振幅；图 2(c)、2(d)、2(e)的比较说明CSR、GFZ与JPL的周年振幅相当(19.2 mm)。
图 3给出了5个模型的一阶项质量异常周年相位。可以看出，Chambers Model周年相位(图 3(a))与Sun Model(图 3(b))分布形态相似，Sun Model与Chambers Model的结果差异见图 3(f)，除非洲南端-南极-太平洋的窄条带外，其他地区差异一般小于0.02 a；GRACE截断阶数增加36不影响周年相位；CSR、GFZ与JPL的周年相位基本相同。
图 4给出了5个模型的二阶项质量异常的趋势速率、周年振幅和周年相位。可以看出，4个Sun Model的结果十分接近，完全无法分辨它们之间的差异；二阶项质量异常的趋势速率、周年振幅在35.26°N和35.26°S取零值，而相位则发生相差0.5 a的跳变；趋势速率(图 4(a))在赤道和两极取正负极值，Cheng Model的正负极值幅度分别比4个Sun Model小44%和43%；周年振幅(图 4(b))在赤道和两极取极值，Cheng Model的正负极值幅度分别比4个Sun Model低21%和21%；图 4(c)中，Cheng Model比4个Sun Model的相位延迟0.029 a。
4 结语
本文简略地介绍了GRACE-OBP算法及其改进的算法，有助于估计GRACE时变重力场的3个一阶斯托克斯系数(C10、C11、S11)和C20系数；并指出在全球地表质量异常的球谐表达式中，各项勒夫数需采用一致的地球模型，因一般较高阶项采用PREM的结果，故在CF框架下一阶勒夫数应取PREM模型的结果(0.026 2)。
本文运用基于GRACE-OBP算法的Chambers Model给出的一阶斯托克斯系数月解、基于SLR观测的Cheng Model给出的C20月解和基于改进的GRACE-OBP算法的4个Sun Model给出的一阶斯托克斯系数月解和C20月解，分别计算了趋势项、周年项，考察了传统方法较改进方法结果的差异、GRACE截断阶数增加36对结果的影响以及运用3个机构(CSR/GFZ/JPL)时变重力模型的结果差异。不同模型间存在显著差异：① Chambers Model C10的减少趋势速率比Sun Model增加27%，周年振幅减少36%，CSR、GFZ的趋势速率与JPL的趋势速率相差达17%；② Chambers Model C11的减少趋势速率比Sun Model大26%，振幅小21%，截断阶数增加36对趋势信号影响为19%，CSR、GFZ与JPL的趋势速率相差较大，最大达63%；③ Chambers Model S11的减少趋势速率和周年振幅均远远小于Sun Model，截断阶数增加36对趋势信号影响为10%，CSR、GFZ与JPL的速率相差达32%；④ Cheng Model C20的趋势速率比Sun Model小44%，周年振幅小20%。
运用上述6个不同模型给出的C10、C11、S11和C20月解，计算了全球地表质量异常一阶项和二阶项的趋势速率、周年振幅和周年相位，不同模型结果主要差异如下:①对一阶项质量异常趋势速率，Chambers Model与Sun Model具有不同的分布，二者之间沿纬线存在60°的平移，最大差异在欧亚非大陆和太平洋；②对一阶项质量异常周年振幅，Chambers Model与Sun Model最大差异位于两极地区，达5.5 mm，最大值小26%；③对二阶项质量异常趋势速率，Cheng Model的正负极值幅度比4个Sun Model小44%和43%；④对二阶项质量异常周年振幅，Cheng Model的正负极值幅度比4个Sun Model均低21%。
由上可知，基于GRACE-OBP算法的C10、C11、S11和SLR观测的C20月解所直接计算的趋势项和周年项，或计算的地表质量异常的一阶项和二阶项的趋势项和周年项，比用改进的GRACE-OBP算法的结果在趋势项上有很大差异，在周年项上差异相对较小。因此，在计算陆地水储量变化时，一定要合理选择一阶斯托克斯系数和C20，本文建议使用基于改进的GRACE-OBP算法的Sun Model系列的结果。此外，运用GRACE模型的不同截断阶数和不同的模型发布机构对趋势项和周年项都有一定影响，但趋势项影响更大，所以必须选择最好的GRACE模型且具有较大的阶次。
-
![]()
图 1 不同模型的地表质量异常一阶项趋势速率
Figure 1. Trend Rates of Degree One Surface Mass Anomaly from Different Models
![]()
图 2 不同模型的地表质量异常一阶项周年振幅
Figure 2. Annual Amplitudes of Degree One Surface Mass Anomaly from Different Models
![]()
图 3 不同模型的地表质量异常一阶项周年相位
Figure 3. Annual Phases of Degree One Surface Mass Anomaly from Different Models
![]()
图 4 不同模型C20的质量异常的趋势速率、周年振幅和周年相位
Figure 4. Trend Rates, Annual Amplitudes and Annual Phases of Surface Mass Anomaly from Different Models C20
表 1 不同模型C10的趋势速率、周年振幅和周年相位
Table 1 Trend Rate, Annual Amplitude and Annual Phase of Different Models C10
模型 趋势速率/10-10·a-1 周年振幅/10-9 周年相位/a Chambers Model -0.189 58±0.011 90 0.168 11±0.067 52 0.009±0.006 Sun Model/CSR/60 -0.150 36±0.016 22 0.254 78±0.009 11 0.014±0.006 Sun Model/CSR/96 -0.145 59±0.017 18 0.256 93±0.009 43 0.017±0.006 Sun Model/GFZ/90 -0.159 92±0.019 32 0.264 20±0.010 85 0.017±0.007 Sun Model/JPL/90 -0.182 92±0.016 38 0.257 33±0.009 21 0.004±0.006 
下载: 导出CSV
表 2 不同模型C11的趋势速率、周年振幅和周年相位
Table 2 Trend Rate, Annual Amplitude and Annual Phase of Different Models C11
模型 趋势速率/10-11·a-1 周年振幅/10-9 周年相位/a Chambers Model -1.105 01±0.095 17 0.115 08±0.005 39 -0.012±0.008 Sun Model/CSR/60 -0.325 10±0.137 73 0.143 68±0.007 74 0.009±0.009 Sun Model/CSR/96 -0.269 83±0.141 31 0.141 60±0.007 75 0.011±0.009 Sun Model/GFZ/90 -0.501 81±0.153 78 0.145 68±0.008 64 0.005±0.010 Sun Model/JPL/90 -0.707 83 ±0.144 66 0.137 76±0.008 13 -0.001±0.010
下载: 导出CSV
表 3 不同模型S11的趋势速率、周年振幅和周年相位
Table 3 Trend Rate, Annual Amplitude and Annual Phase of Different Models S11
模型 趋势速率/10-11·a-1 周年振幅/10-9 周年相位/a Chambers Model -0.088 99±0.108 34 0.128 47±0.006 14 0.477±0.008 Sun Model/CSR/60 0.557 83±0.126 42 0.149 95±0.007 11 0.431±0.008 Sun Model/CSR/96 0.614 25±0.137 43 0.153 61±0.007 55 0.424±0.008 Sun Model/GFZ/90 0.607 76±0.141 33 0.149 27±0.007 95 0.427±0.009 Sun Model/JPL/90 0.880 19±0.150 84 0.140 74±0.008 50 0.425±0.010
下载: 导出CSV
表 4 不同模型C20的趋势速率、周年振幅和周年相位
Table 4 Trend Rate, Annual Amplitude and Annual Phase of Different Models C20
模型 趋势速率/10-11·a-1 周年振幅/10-10 周年相位/a Cheng Model -0.106 67± 0.072 37 0.671 25± 0.041 82 0.025±0.010 Sun Model/CSR/60 -0.187 19±0.008 11 0.846 46± 0.045 62 0.054±0.009 Sun Model/CSR/96 -0.188 47±0.008 14 0.863 53± 0.044 71 0.052±0.008 Sun Model/GFZ/90 -0.190 11±0.008 30 0.847 95± 0.046 70 0.059±0.009 Sun Model/JPL/90 -0.186 42±0.081 91 0.858 61± 0.046 11 0.051±0.009
下载: 导出CSV
-
[1] Tapley B D, Bettadpur S, Ries J C, et al. GRACE Measurements of Mass Variability in the Earth System[J]. Science, 2004, 305:503-505 doi: 10.1126/science.1099192
[2] 宁津生, 王正涛, 超能芳.国际新一代卫星重力探测计划研究现状与进展[J].武汉大学学报·信息科学版, 2016, 41(1):1-8 http://ch.whu.edu.cn/CN/abstract/abstract3426.shtml Ning Jinsheng, Wang Zhengtao, Chao Nengfang. Research Status and Progress in International Next-Generation Satellite Gravity Measurement Missions[J]. Geomatics and Information Science of Wuhan University, 2016, 41(1):1-8 http://ch.whu.edu.cn/CN/abstract/abstract3426.shtml
[3] 许才军, 龚正. GRACE时变重力数据的后处理方法研究进展[J].武汉大学学报·信息科学版, 2016, 41(4):503-510 http://ch.whu.edu.cn/CN/abstract/abstract5422.shtml Xu Caijun, Gong Zheng. Review of the Post-processing Methods on GRACE Time Varied Gravity Data[J]. Geomatics and Information Science of Wuhan University, 2016, 41(4):503-510 http://ch.whu.edu.cn/CN/abstract/abstract5422.shtml
[4] 王星星, 李斐, 郝卫峰, 等. GRACE RL05反演南极冰盖质量变化方法比较[J].武汉大学学报·信息科学版, 2016, 41(11):1450-1457 http://ch.whu.edu.cn/CN/abstract/abstract5589.shtml Wang Xingxing, Li Fei, Hao Weifeng, et al. Comparison of Several Filters in the Rates of Antarctic Ice Sheet Mass Change Based on GRACE RL05 Data[J]. Geomatics and Information Science of Wuhan University, 2016, 41(11):1450-1457 http://ch.whu.edu.cn/CN/abstract/abstract5589.shtml
[5] Han S C, Shum C K, Bevis M, et al. Crustal Dilatation Observed by GRACE After the 2004 Sumatra-Andaman Earthquake[J]. Science, 2006, 313:658-662 doi: 10.1126/science.1128661
[6] 汪汉胜, Wu P, 许厚泽.冰川均衡调整(GIA)的研究[J].地球物理学进展, 2009, 24(6):1958-1967 doi: 10.3969/j.issn.1004-2903.2009.06.005 Wang Hansheng, Wu P, Xu Houze. A Review of Research in Glacial Isostatic Adjustment[J]. Progress in Geophysics, 2009, 24(6):1958-1967 doi: 10.3969/j.issn.1004-2903.2009.06.005
[7] Rodell M, Velicogna I, Famiglietti J S. Satellite-Based Estimates of Groundwater Depletion in India[J]. Nature, 2009, 460(7258):999-1002 doi: 10.1038/nature08238
[8] Feng W, Zhong M, Lemoine J M, et al. Evaluation of Groundwater Depletion in North China Using the Gravity Recovery and Climate Experiment (GRACE) Data and Ground-Based Measurements[J]. Water Resour Res, 2013, 49:2110-2118 doi: 10.1002/wrcr.20192
[9] Wang H, Jia L, Steffen H, et al. Increased Water Storage in North America and Scandinavia from GRACE Gravity Data[J]. Nature Geoscience, 2013, 6:38-42 doi: 10.1038/ngeo1652
[10] Li T, Wu P, Wang H, et al. Hydrology Signal from GRACE Gravity Data in the Nelson River Basin, Canada:A Comparison of Two Approaches[J]. Planets and Space, 2018, 70:41-53 doi: 10.1186/s40623-018-0804-x
[11] Xiang L, Wang H, Steffen H, et al. Groundwater Storage Changes in the Tibetan Plateau and Adjacent Areas Revealed from GRACE Satellite Gravity Data[J]. Earth and Planetary Science Letters, 2016, 449:228-239 doi: 10.1016/j.epsl.2016.06.002
[12] 汪汉胜, 王志勇, 袁旭东, 等.基于GRACE时变重力场的三峡水库补给水系水储量变化[J].地球物理学报, 2007, 50(3):76-82 http://d.old.wanfangdata.com.cn/Periodical/dqwlxb200703011 Wang Hansheng, Wang Zhiyong, Yuan Xudong, et al. Water Storage Changes in Three Gorges Water Systems Area Inferred from GRACE Time-Variable Gravity Data[J]. Chinese Journal of Geophysics, 2007, 50(3):76-82 http://d.old.wanfangdata.com.cn/Periodical/dqwlxb200703011
[13] Famiglietti J S, Lo M, Ho S L, et al. Satellites Measure Recent Rates of Groundwater Depletion in California's Central Valley[J]. Geophys Res Lett, 2011, 38:L03403 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=a72b62985f854bf740d7d6b4b329dd31
[14] Scanlon B R, Zhang Z, Save H, et al. Global Mo-dels Underestimate Large Decadal Declining and Rising Water Storage Trends Relative to GRACE Satellite Data[J]. Proceedings of the National Academy of Sciences, 2018, 115(6):E1080-E1089 doi: 10.1073/pnas.1704665115
[15] Thomas A C, Reager J T, Famiglietti J S, et al. A GRACE-Based Water Storage Deficit Approach for Hydrological Drought Characterization[J]. Geophys Res Lett, 2014, 41:1537-1545, doi: 10.1002/2014GL059323
[16] Chen J L, Wilson C R, Tapley B D. Antarctic Regional Ice Loss Rates from GRACE[J]. Earth and Planetary Science Letters, 2008, 266(1-2):140-148 doi: 10.1016/j.epsl.2007.10.057
[17] Matsuo K, Heki K. Time-Variable Ice Loss in Asian High Mountains from Satellite Gravimetry[J]. Earth Planet Sci Lett, 2010, 290:30-36 doi: 10.1016/j.epsl.2009.11.053
[18] Wang H, Wu P. Effects of Lateral Variations in Lithospheric Thickness and Mantle Viscosity on Glacially Induced Surface Motion on a Spherical, Self-Gravitating Maxwell Earth[J]. Earth and Planetary Science Letters, 2006, 244:576-589 doi: 10.1016/j.epsl.2006.02.026
[19] Wang H, Wu P. Effects of Lateral Variations in Lithospheric Thickness and Mantle Viscosity on Glacially Induced Relative Sea Levels and Long Wavelength Gravity Field in a Spherical, Self-Gravitating Maxwell Earth[J]. Earth and Planetary Science Letters, 2006, 249:368-383 doi: 10.1016/j.epsl.2006.07.011
[20] Wang H, Wu P, van der Wal W. Using Postglacial Sea Level, Crustal Velocities and Gravity-Rate-of-Change to Constrain the Influence of Thermal Effects on Mantle Lateral Heterogeneities[J]. J Geodyn, 2008, 46:104-117 doi: 10.1016/j.jog.2008.03.003
[21] Cazenave A, Dominh K, Guinehut S, et al. Sea Level Budget over 2003-2008:A Reevaluation from GRACE Space Gravimetry, Satellite Altimetry and Argo[J]. Global Planet Change, 2009, 65:83-88 doi: 10.1016/j.gloplacha.2008.10.004
[22] Chen J, Wilson C, Ries J. Broad-Band Assessment of Degree-2 Gravitational Changes from GRACE and Other Estimates, 2002-2015[J]. J Geophys Res:Solid Earth, 2016, 121:2112-2128 doi: 10.1002/2015JB012708
[23] Swenson S, Chambers D, Wahr J. Estimating Geocenter Variations from a Combination of GRACE and Ocean Model Output[J]. J Geophys Res, 2008, 113:B08410 doi: 10.1029-2007JB005338/
[24] Cheng M, Tapley B D. Variations in the Earth's Oblateness During the Past 28 Years[J]. J Geophys Res, 2004, 109:B09402 doi: 10.1029-2004JB003028/
[25] Chen J L, Rodell M, Wilson C R, et al. Low Degree Spherical Harmonic Influences on Gravity Recovery and Climate Experiment (GRACE) Water Storage Estimates[J].Geophys Res Lett, 2005, 32:L14405 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=2acbc8169a8c66893f3c4ecf3f9f140f
[26] Chambers P D, Wahr J, Nerem R S. Preliminary Observations of Global Ocean Mass Variations with GRACE[J]. Geophys Res Lett, 2004, 31:L13310 doi: 10.1029-2004GL020461/
[27] Chambers D, Tamisiea M, Nerem R S, et al. Effects of Ice Melting on GRACE Observations of Ocean Mass Trends[J]. Geophys Res Lett, 2007, 34:L05610 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=8b5ecfc38ee306d3fe454b2d68bcb23c
[28] Sun Y, Riva R, Ditmar P. Optimizing Estimates of Annual Variations and Trends in Geocenter Motion and J2 from a Combination of GRACE Data and Geophysical Models[J]. J Geophys Res:Solid Earth, 2016, 121:8352-8370 doi: 10.1002/jgrb.v121.11
[29] Sun Y, Ditmar P, Riva R. Observed Changes in the Earth's Dynamic Oblateness from GRACE Data and Geophysical Models[J]. J Geod, 2016, 90:81-89 doi: 10.1007/s00190-015-0852-y
[30] Sun Y, Ditmar P, Riva R. Statistically Optimal Estimation of Degree-1 and C20 Coefficients Based on GRACE Data and an Ocean Bottom Pressure Model[J]. Geophys J Int, 2017, 210(3):1305-1322 doi: 10.1093/gji/ggx241
[31] Chanard K, Fleitout L, Calais E, et al. Toward a Global Horizontal and Vertical Elastic Load Deformation Model Derived from GRACE and GNSS Station Position Time Series[J]. J Geophys Res:Solid Earth, 2018, doi: 10.1002/2017JB015245
[32] Chao B F, Gross R S. Changes in the Earth's Rotation and Low-Degree Gravitational Field Induced by Earthquakes[J]. Geophys J R Astron Sac, 1987, 91:569-596 doi: 10.1111/j.1365-246X.1987.tb01659.x
[33] Cretaux J F, Soudarin L, Davidson F J M, et al. Seasonal and Interannual Geocenter Motion from SLR and DORIS Measurements:Comparison with Surface Loading Data[J]. J Geophys Res, 2002, 107(B12):2374 doi: 10.1029/2002JB001820/citedby
[34] Wahr J, Molenaar M, Bryan F. Time Variability of the Earth's Gravity Field:Hydrological and Oceanic Effects and Their Possible Detection Using GRACE[J]. J Geophys Res, 1998, 103(B12):30205-30229 doi: 10.1029/98JB02844
[35] 汪汉胜, 许厚泽, 李国营. SNREI弹性地球模型表面负荷勒夫数数值计算的新进展[J].地球物理学报, 1996, 39(suppl):182-189 http://www.cqvip.com/QK/94718X/1996S1/4001089625.html Wang Hansheng, Xu Houze, Li Guoying. Improvement of Computations of Load Love Numbers of SNREI Earth Model[J]. Chinese J of Geophys, 1996, 39(suppl):182-189 http://www.cqvip.com/QK/94718X/1996S1/4001089625.html
[36] Wang H, Xiang L, Jia L, et al. Load Love Numbers and Green's Functions for Elastic Earth Mo- dels PREM, Iasp91, Ak135, and Modified Models with Refined Crustal Structure from Crust 2.0[J]. Computers and Geosciences, 2012, 49:190-199 doi: 10.1016/j.cageo.2012.06.022
[37] Dziewonski A M, Anderson D L. Preliminary Re-ference Earth Model[J]. Physics of the Earth and Planetary Interiors, 1981, 25:297-356 doi: 10.1016/0031-9201(81)90046-7
[38] Blewitt G. Self-consistency in Reference Frames, Geocenter Definition, and Surface Loading of the Solid Earth[J]. J Geophys Res, 2003, 108(B2):L2103 http://gji.oxfordjournals.org/external-ref?access_num=10.1029/2002JB002082&link_type=DOI
[39] Farrell W. Deformation of the Earth by Surface Loads[J]. Reviews of Geophysics and Space Physics, 1972, 10(3):761-797 doi: 10.1029/RG010i003p00761
-
期刊类型引用(32)
1. 冷琴，曹铭. 基于DMSP/OLS与NPP/VIIRS夜间灯光数据的江西省城市扩展研究. 江西科学. 2024(01): 41-45 . 
百度学术
2. 马小龙，柳思聪，郑守住. 基于多源遥感数据的鬼城现象分析方法. 北京测绘. 2024(08): 1087-1092 . 百度学术
3. 饶俊，丁海萍，许朋朋，李敏. 基于珞珈一号的上海市建成区提取研究. 江西科学. 2023(02): 261-265 . 百度学术
4. 唐小辉，蔡中祥，刘宏建，樊新刚. 基于NPP-VIIRS夜间灯光数据的产业结构估测——以河南省为例. 河南大学学报(自然科学版). 2023(03): 305-313 . 百度学术
5. 谢志伟，单佳强，孙立双，彭博，刘永睿，黄超. 基于多源遥感图像和复杂网络的城市主城区识别方法. 测绘与空间地理信息. 2023(08): 1-5 . 百度学术
6. 李鹏，黎楚安，杨继梅，李振洪，王厚杰. 典型海岸带城市扩张的多源遥感监测与预测——以青岛市为例. 测绘通报. 2022(01): 105-109 . 百度学术
7. 雷依凡，路春燕，苏颖，黄雨菲. 基于多源夜间灯光数据的城市活力与城市扩张耦合关系研究——以海峡西岸城市群为例. 人文地理. 2022(02): 119-131 . 百度学术
8. 卢世俊. 乌鲁木齐城市空间扩展特征及驱动机制. 武汉大学学报(信息科学版). 2022(07): 1025-1034 . 百度学术
9. 伍亿真，施开放，余柏蒗，李川龙. 利用NPP-VIIRS夜间灯光遥感数据分析城市蔓延对雾霾污染的影响. 武汉大学学报(信息科学版). 2021(05): 777-789 . 百度学术
10. 厉飞，闫庆武，邹雅婧，刘保丽. 利用夜间灯光POI的城市建成区提取精度研究——以珞珈一号01星和NPP/VIIRS夜间灯光影像为例. 武汉大学学报(信息科学版). 2021(06): 825-835 . 百度学术
11. 丛康林，董超，薄鑫宇，韩佳坤. 基于夜光遥感的山东省城市时空格局演化分析. 测绘地理信息. 2021(05): 78-82 . 百度学术
12. 王方民，骆畅，杨朝现，刘勇. 基于兴趣点密度与城市扩张曲线的城市建成区边界识别. 西南大学学报(自然科学版). 2021(12): 115-126 . 百度学术
13. 李欣，葛冠英. 国土空间规划城市体检评估中城区范围划定的济南实践. 北京测绘. 2021(12): 1578-1582 . 百度学术
14. 张周. 基于DMSP/LANDSAT数据的成渝城市群空间演化特征分析研究. 重庆建筑. 2020(01): 26-31 . 百度学术
15. 罗婧，黄铁兰，吴桂华，朱腾. 基于夜光遥感的粤港澳大湾区城市空间格局变化分析. 智能城市. 2020(01): 1-3 . 百度学术
16. 刘效江，王浩，宁晓刚，余凡，王成港，郝铭辉. 引入路网和建筑物信息的DMSP/OLS数据去饱和方法. 武汉大学学报(信息科学版). 2020(03): 374-383 . 百度学术
17. 郑渊茂，何原荣，王晓荣，高元衡. 夜光遥感数据应用述评与展望. 遥感信息. 2020(03): 1-14 . 百度学术
18. 闫庆武，厉飞，李玲. 基于2种夜间灯光影像亮度修正指数的城市建成区提取研究. 地球信息科学学报. 2020(08): 1714-1724 . 百度学术
19. 孙立双，韩耀辉，谢志伟，李如仁. 采用夜光遥感数据提取城市建成区的邻域极值法. 武汉大学学报(信息科学版). 2020(10): 1619-1625 . 百度学术
20. 何建华，高文凯. UBII:一种协同经济、社会与人类活动的城市边界识别指数. 测绘与空间地理信息. 2019(02): 8-11+15 . 百度学术
21. 白贺庭，马明国，阎然，刘康甯，隽楚涵. 基于夜间灯光数据的重庆市城市扩张研究. 遥感技术与应用. 2019(01): 216-224 . 百度学术
22. 郑洪晗，桂志鹏，栗法，吴华意，武旭芳，张济勇，韩文军. 夜间灯光数据和兴趣点数据结合的建成区提取方法. 地理与地理信息科学. 2019(02): 25-32 . 百度学术
23. 李勇. 山东沿海城市带空间格局及演变特征研究. 山东师范大学学报(自然科学版). 2019(02): 228-235 . 百度学术
24. 王晓茹，唐志光，王建，邓刚，王欣，魏俊锋. 亚洲高山区融雪末期雪线高度空间差异的影响因素分析. 冰川冻土. 2019(05): 1173-1182 . 百度学术
25. 柯文聪，陶超，马进龙，刘莹，邹峥嵘. 基于Landsat与DMSP-OLS的非监督城区提取方法研究. 测绘与空间地理信息. 2018(07): 183-186 . 百度学术
26. 林晓娟，房世峰，徐亚莉，邹宝裕，罗明良. 基于道路交叉点邻域扩张曲线的城市边界识别——以成都、西安、武汉、南京和长沙为例. 地理科学进展. 2018(06): 781-789 . 百度学术
27. 宁晓刚，王浩，张翰超，刘娅菲，庞博，郝铭辉. 2000—2016年中国地级以上城市高精度城区边界遥感提取及时空扩展分析. 武汉大学学报(信息科学版). 2018(12): 1916-1926 . 百度学术
28. 刘建良，赵国忱，倪愿. 基于DMSP/OLS夜间灯光数据进行提取的实证研究——以福州为例. 测绘与空间地理信息. 2017(09): 175-178+181 . 百度学术
29. 杨任飞，罗红霞，周盛，程玉丝，陈婧祎，向海燕，雷茜. 夜间灯光数据驱动的成渝城市群空间形成过程重建及分析. 地球信息科学学报. 2017(05): 653-661 . 百度学术
30. 李治，杨晓梅，孟樊，陈曦，杨丰硕. 城市建成区多源遥感协同提取方法研究. 地球信息科学学报. 2017(11): 1522-1529 . 百度学术
31. 张锋. 夜光遥感数据应用研究综述. 建设科技. 2017(14): 50-52 . 百度学术
32. 赵航，倪杰. 基于夜晚灯光数据的城市建成城区提取与格局分析. 科学家. 2016(12): 5+15 . 百度学术
其他类型引用(36)
计量
- 文章访问数: 1810
- HTML全文浏览量: 288
- PDF下载量: 196
- 被引次数: 68
