利用Forward-Modeling方法反演青藏高原水储量变化

李婉秋, 王伟, 章传银, 文汉江, 钟玉龙

李婉秋, 王伟, 章传银, 文汉江, 钟玉龙. 利用Forward-Modeling方法反演青藏高原水储量变化[J]. 武汉大学学报 ( 信息科学版), 2020, 45(1): 141-149. DOI: 10.13203/j.whugis20180263
引用本文: 李婉秋, 王伟, 章传银, 文汉江, 钟玉龙. 利用Forward-Modeling方法反演青藏高原水储量变化[J]. 武汉大学学报 ( 信息科学版), 2020, 45(1): 141-149. DOI: 10.13203/j.whugis20180263
LI Wanqiu, WANG Wei, ZHANG Chuanyin, WEN Hanjiang, ZHONG Yulong. Water Storage Variation Inversion in the Tibetan Plateau by Using Forward-Modeling Method[J]. Geomatics and Information Science of Wuhan University, 2020, 45(1): 141-149. DOI: 10.13203/j.whugis20180263
Citation: LI Wanqiu, WANG Wei, ZHANG Chuanyin, WEN Hanjiang, ZHONG Yulong. Water Storage Variation Inversion in the Tibetan Plateau by Using Forward-Modeling Method[J]. Geomatics and Information Science of Wuhan University, 2020, 45(1): 141-149. DOI: 10.13203/j.whugis20180263

利用Forward-Modeling方法反演青藏高原水储量变化

基金项目: 

国家自然科学基金 41374081

国家自然科学基金 41674024

国家重点研发计划 2016YFB0501702

中国测绘科学研究院基本科研业务费项目 7771806

中央级公益性科研院所基本科研业务费项目 AR1905

详细信息
    作者简介:

    李婉秋, 博士生, 主要从事GRACE卫星时变重力场应用方面的研究。1404855692@qq.com

    通讯作者:

    王伟, 博士, 副研究员。wangwei@casm.ac.cn

  • 中图分类号: P223

Water Storage Variation Inversion in the Tibetan Plateau by Using Forward-Modeling Method

Funds: 

The National Natural Science Foundation of China 41374081

The National Natural Science Foundation of China 41674024

the National Key Research and Development Program of China 2016YFB0501702

Fundamental Research Funds for Chinese Academy of Surveying and Mapping 7771806

Fundamental Research Funds for Welfare Scientific Research Institutes of Central Level AR1905

More Information
    Author Bio:

    LI Wanqiu, PhD candidate, specializes in the time-variable gravity field applications based on GRACE. E-mail: 1404855692@qq.com

    Corresponding author:

    WANG Wei, PhD, associate researcher. E-mail: wangwei@casm.ac.cn

  • 摘要: 青藏高原水资源对我国经济社会发展及气候变化影响深远。借助重力反演与气候实验(gravity recovery and climate experiment,GRACE)卫星重力数据,针对其滤波泄漏误差影响,采用Forward-Modeling方法进行定量估算。在顾及冰川均衡调整(glacial isostatic adjustment,GIA)效应情况下,反演青藏高原水储量变化,将结果与全球水评估与预测模型(water-global assessment and prognosis hydrology model,WGHM)进行比较分析。利用短时傅里叶变换提取时序信号的时频谱特征,并结合全球降水气候中心(global precipitation climatology centre,GPCC)降水数据探讨水储量与降水的关系。研究发现:(1)恢复泄漏信号后水储量变化呈现明显的空间差异性,大部分时段青藏高原正北和东南部水储量大幅盈余,正南和西南部水储量快速亏损,其空间特征与WGHM模型结果基本一致。(2)水储量时频谱分布以低频信号为主,其动态变化具有明显的季节性和阶段性变化,周年振幅达到7.5 cm。2003-2004年水储量增加速率为(3.9±4.9)cm/a;2005-2010年亏损速率为(-0.3±0.8)cm/a;2011-2014年上升速率为(0.2±1.6)cm/a。(3)降水是影响陆地水储量变化的主要因素,在降水明显偏少的2006年和2009年,水储量均存在明显负异常;在降水偏多的2010年,水储量显著回升。实验证明,该泄漏误差改正方法和研究结果对于区域水储量变化的定量研究具有重要参考价值。
    Abstract: The water resources in the Tibetan Plateau have a profound impact on China's economic, social development and climate change. Based on gravity data from gravity recovery and climate experiment (GRACE) satellite, considering its filtering leakage error, this paper proposes the Forward-Modeling method for quantitative estimation. In view of the glocial isostatic adjustment(GIA) effect, we first infer terrestrial water storage (TWS) changes in the Tibetan Plateau, and compare the results with the water-global assessment and prognosis hydrology model(WGHM). Then we extract the time-frequency spectrum of time-series signals using short-time Fourier transformation algorithm. In addition, we discuss the relationship between TWS and precipitation by combining with precipitation data from Global Presipitation Climatology Centre. The study finds that:(1) TWS shows obvious spatial differences after recovering leakage signal. In most of the period, TWS in the north and southeast is in large surplus, and TWS in the south and southwest is rapidly depleted. The spatial characteristics are basically consistent with the WGHM results. (2) The time-frequency spectrum distribution of TWS is dominated by low-frequency signals, and time-series dynamic changes have obvious seasonal and periodic changes, with an annual amplitude of 7.5 cm. The increase rate of water storage in 2003-2004 was 3.89 cm/a. The loss rate in 2005-2010 was -0.31 cm/a. The rate of increase in 2011-2014 was 0.22 cm/a. (3) Precipitation is the main factor affecting the variation of TWS. In 2006 and 2009, precipitation was significantly lower, the water storage all decreased significantly. In 2010, there was heavy rainfall, the water storage increased significantly. The leakage error correction method and research results in this paper have important reference value for quantitative research on regional TWS varition.
  • 利用地磁场方向的稳定性,通过测量传感器轴线与地磁场水平分量间的夹角实现载体航向的准确估计,是地磁定向导航及航位推算导航的基础,因此,基于磁传感器的航向估计技术得到了较为广泛的关注[1, 2]。现有的电子磁罗盘在无地磁异常干扰的情况下定向精度可达到±0.5°,但随着人类活动的加剧,建筑物、电缆及地下掩埋物等多种人工磁源逐渐增多,导致地球浅场磁异常的加剧,使得经过罗差校正的磁罗盘在磁异常干扰条件下的定向误差[3]达到数10°,严重影响了其在导航中的应用。因此,本文针对存在浅场地磁异常情况下的磁航向估计问题进行研究,设计了新的传感器阵列结构,提出了基于磁异常反演的磁航向误差实时补偿方法,以提高磁航向技术在实际应用中的鲁棒性。

    浅场磁异常叠加在背景地磁场上,要实现精确的磁航向估计,必须对浅场磁异常进行有效分离。基于磁传感器测量得到的标量及矢量数据均为两种场的叠加,无法实现较好的分离[4],而背景地磁场在小范围内可认为是匀强磁场,即地磁梯度场较小且可忽略不计[5, 6],因此,利用传感器测量得到的磁梯度场可认为仅是浅场磁干扰源产生的异常梯度场,进而可实现背景地磁场和浅场磁异常在梯度测量上的分离。但由于磁航向估计技术是基于磁矢量信息的,必须利用浅场磁异常的梯度场反演得到其产生的磁矢量场,因此,为实现浅场磁异常梯度场的测量和矢量场的准确反演,本文设计了如图 1所示的磁传感器阵列结构。该传感器阵列由5个三轴磁通门传感器构成,相同轴上两个传感器间的基线距离为d,外围的4个传感器可构建平面十字形磁梯度张量系统用于测量多个不同方向的梯度场,进而得到磁梯度张量矩阵用于浅场磁异常源的反演。

    图  1  传感器阵列结构示意图
    Figure  1.  Sketch Map of the Magnetometers Array

    由于地磁场及浅场异常场可看作无源的静磁场,因此,磁感应强度的散度和旋度为零,磁梯度张量的9个分量中仅有5个分量是独立的。建立如图 1所示的右手坐标系用于磁场建模,则由外围的4个传感器测量得到的磁梯度张量矩阵为:

    (1)

    式中,Bij表示第i个传感器在j方向上的磁场矢量值,i=1,2,3,4,j=x,y,zBpq表示不同方向的磁场梯度值,p,q=x,y,z

    值得注意的是,在传感器阵列构建并将其安装在载体上的过程中,传感器阵列自身的误差以及载体中铁磁材料引起的磁干扰将会严重影响磁航向的估计,在实际使用前,必须将此两种磁干扰有效消除和补偿。而本文主要针对已经完成上述两种磁干扰补偿的系统在实际应用中受到外部浅场磁异常目标干扰进而影响磁航向估计的问题进行研究,利用磁异常反演的方法补偿浅场磁异常引起的磁航向估计误差,最终实现较为准确的磁航向估计。

    载体航向估计时,磁传感器与载体捷联在一起,故载体坐标系和传感器坐标系一致,本文建立的右手坐标系如图 2所示。假设无浅场磁异常存在时,三轴磁传感器测得的水平方向上的两个磁场分量分别为Hy和Hx,测量点处地磁场的磁偏角、磁倾角及总场值分别为D、I和F,则载体的磁航向可由式(2)估计得到:

    (2)
    图  2  地磁矢量以及其和地理北的关系
    Figure  2.  Magnetic Field Components and Their Relationship with True North

    图 2可知,浅场磁源的存在将影响地磁场水平方向的磁矢量扰动,进而引起磁航向估计的误差,但并不是所有的浅场磁异常都会改变磁航向,且磁异常较小的情况下也可能引起较大的磁航向误差,因此,必须构建磁航向扰动探测器,准确判断磁航向变化是由于载体自身的运动扰动还是由于浅场磁异常引起的。

    浅场磁异常源引起不同方向上梯度测量值的变化,原则上可根据传感器阵列测量得到的梯度值判断是否有磁异常源的存在,但由于载体在运动过程中姿态的变化对测得的梯度值具有一定的影响[7],因此,直接采用梯度值进行磁异常源是否存在的判断具有一定的非鲁棒性。磁梯度张量的张量不变量是由不同方向的梯度分量组合得到的,不受载体姿态变化的影响,因此,本文将其用于磁异常源是否存在的判断。

    磁梯度张量存在多个张量不变量可用于磁异常探测,考虑磁航向估计对实时性的要求,选择I1I2作为判断因子,其数学表达式分别为:

    (3)

    由式(3)可知,相比于I1,不变量I2随着距离的增大衰减更快,对于同时存在多个磁异常源的复杂情况,其优先描述浅部源的特性。

    若磁传感器阵列测得的地磁场不存在浅场磁异常,则可直接利用式(2)进行磁航向的计算,若存在磁异常,需要进一步判断该异常是否引起磁航向的扰动,比如水平方向的两个磁矢量值等比例放大或缩小将不影响磁航向的计算。利用零号传感器测得的地磁场7要素中的总场F、水平分量H、竖直分量Hz和磁倾角I进行磁异常是否影响磁航向的联合判断。若磁异常对磁航向没有干扰或干扰极小,则直接利用零号传感器的测量值进行磁航向计算,若磁异常对磁航向的计算产生干扰,则利用传感器阵列测得的磁梯度张量值进行磁异常的反演,利用反演得到的传感器阵列中心点O位置处的磁矢量值补偿零号传感器测得的磁矢量值,进而在背景地磁场准确测量的情况下实现磁航向的准确估计。磁航向扰动探测流程如图 3所示。

    图  3  磁航向扰动探测流程图
    Figure  3.  Flowchart of Magnetic Heading Perturbation Detection

    由于磁航向估计利用磁矢量信息进行载体运动方向的估计,因此,需要利用传感器阵列测量得到的浅层磁异常源的磁梯度张量数据反演其在测量中心点产生的磁矢量值,然后将零号传感器的测量值减去磁异常源产生的磁矢量值,即为背景地磁场的磁矢量值,进而可实现较为精确的磁航向估计。

    在磁异常反演中,当探测距离大于2.5倍磁性物体长度时,可将磁性目标简化为磁偶极子模型,并由6个未知量描述,即磁性目标的三维位置和三维磁矩[8]。因此,要实现磁航向估计的实时误差补偿,必须实现磁异常的实时反演,即在单个测点上实时地完成磁偶极子位置及磁矩的反演。

    目前,基于单点磁梯度张量数据的磁偶极子定位方法受到了较多关注,其中,Nara[9, 10]提出了联合单点测量的磁梯度张量及磁矢量数据进行磁偶极子定位的方法,但在地磁背景下无法获得磁偶极子的磁矢量信息;Roy[11]为克服背景地磁场的影响,提出了基于张量不变量的单点定位算法,但该算法需要较为复杂的磁梯度张量测量系统。Frahm[12]基于单点磁梯度张量数据的特征分析,实现了磁偶极子单位位置向量及单位磁矩向量的计算,但该方法估计得到4个不同的解且无法实现磁偶极子磁矢量信息的计算,本文在此方法基础上,联合位置、磁矩及磁梯度张量系统中包含的多点磁标量信息构建非线性方程组,在消除三个虚假解的同时,解算磁偶极子的磁矩模及测量点与磁性目标间的距离,进而实现磁矢量信息的正确反演。

    假设Frahm方法得到的4个解的单位位置向量及磁矩向量为 ${{\overset{\lower0.5em\hbox{$\smash{\scriptscriptstyle\frown}$}}{r}}_{k}} {{\overset{\lower0.5em\hbox{$\smash{\scriptscriptstyle\frown}$}}{m}}_{k}},k=1,2,3,4$ 。若测量点与磁偶极子间的真实距离为R,磁偶极子的真实磁矩模为M,则磁偶极子的磁矩矢量及测点相对于磁偶极子的位置矢量分别为 ${{m}_{k}}=M\centerdot {{\overset{\lower0.5em\hbox{$\smash{\scriptscriptstyle\frown}$}}{m}}_{k}}=\left( {{m}_{kx}},{{m}_{ky}},{{m}_{kz}} \right)$ 和 $\begin{align} & {{m}_{k}}=M\centerdot {{{\overset{\lower0.5em\hbox{$\smash{\scriptscriptstyle\frown}$}}{m}}}_{k}}=\left( {{m}_{kx}},{{m}_{ky}},{{m}_{kz}} \right) \\ & {{r}_{k}}=R\centerdot {{{\overset{\lower0.5em\hbox{$\smash{\scriptscriptstyle\frown}$}}{r}}}_{k}}=\left( {{r}_{kx}},{{r}_{ky}},{{r}_{kz}} \right) \\ \end{align}$ 。

    由传感器的阵列结构可知,针对不同的解,外围的4个传感器相对于磁偶极子的位置矢量可分别表示为:

    (4)

    则传感器与磁偶极子之间的距离可表示为Rkl=‖rkl‖,l=1,2,3,4。

    设4个传感器测得的磁场总场值分别为F1ceF2ceF3ceF4ce,则由磁偶极子产生的磁场总场正演公式可得以下非线性方程组:

    (5)

    式中,仅存在R、MF 3个未知变量,求解方程即可得到磁偶极子的位置和磁矩矢量 rkmk

    根据磁偶极子的磁梯度张量正演公式,计算4个不同的磁偶极子在测量点产生的磁梯度张量值,并将其与真实值相比较即可实现虚假解的去除和磁性目标的单点磁梯度张量定位及磁矩反演,进而完成磁异常的三分量磁矢量反演计算。

    假设反演得到磁偶极子的磁矩为m0,相对于测量中心点的位置为r0,则其在测量中心点O处产生的三分量磁矢量值为:

    (6)

    补偿得到的背景地磁场的三分量值为:

    (7)

    式中,B0为零号传感器测得的三分量磁矢量值。

    则在存在影响磁航向估计的磁异常场的情况下,真实磁航向可利用式(7)中反演得到的背景地磁场的三分量值进行计算。

    为验证本文提出的磁航向误差补偿方法的可行性,采用5个三轴磁通门传感器构建传感器阵列,在地面上放置永磁体模拟浅场磁异常进行磁航向实验,如图 4所示。为详细分析磁航向估计中磁异常反演的正确性,实验采用单点测量的方式进行,实验人员手持传感器阵列且距离地面约50 cm,在测量曲线上每隔10 cm进行一次数据采集。

    图  4  磁航向补偿实验测试图
    Figure  4.  Figure of Magnetic Heading Compensation Experiment

    在永磁体左右两侧各选取一条测线进行磁航向的计算,测量得到的张量不变量及补偿前后的方位角如图 5图 6所示。

    图  5  张量不变量及补偿前后的方位角(测线1)
    Figure  5.  Tensor Invariants and Heading Angle Before and After Compensation (the First Measurement Line)
    图  6  张量不变量及补偿前后的方位角(测线2)
    Figure  6.  Tensor Invariants and Heading Angle Before and After Compensation (the Second Measurement Line)

    图 5图 6可知,磁梯度张量的张量不变量I1I2可实现磁异常源是否存在的准确判断。实验所用永磁体的磁矢量场与地磁矢量场间存在较大的方向偏差,因此,在传感器阵列距离永磁体较近时,产生了10~20°左右的磁航向估计误差。在利用磁传感器阵列测得的磁梯度张量数据进行磁异常源产生的磁矢量场反演的基础上,进行了磁航向计算的补偿,从补偿结果可以看出,论文所提算法可实现浅场磁异常源引起的磁航向误差的补偿。补偿后得到的磁航向方位角仍存在一定的波动,这是由于实验人员手持传感器阵列无法一直保持水平姿态及方向不变而导致的。

    本文针对由地磁矢量信息进行磁航向估计时易受浅场磁异常源干扰的问题,设计了传感器阵列结构,通过测量磁异常源产生的磁梯度场进而反演其产生的磁异常矢量场,在此基础上计算得到较为准确的背景地磁矢量场,实现磁航向误差的实时补偿。实验结果表明,利用磁梯度张量的单点反演方法可有效消除磁异常目标引起的磁航向误差,具有较高的补偿精度。

    致谢: 感谢德国法拉克福大学自然地理研究所Döll教授提供的WGHM (v2.2c)全球陆地水文模型。
  • 图  1   青藏高原地区位置分布图

    Figure  1.   Position Map of the Tibetan Plateau Region

    图  2   模拟青藏高原地区重力场信号经不同方法处理后的结果

    Figure  2.   Results of Different Methods for Processing Simulated Gravity Field Signal in the Tibetan Plateau

    图  3   泄漏信号恢复前后的重力场信号及信号差值

    Figure  3.   Gravity Field Signal Before and After Correction and the Signal Difference

    图  4   青藏高原水储量2003―2014年变化速率的空间分布

    Figure  4.   Spatial Distribution of TWS Variation Rate in the Tibetan Plateau from 2003 to 2014

    图  5   青藏高原水储量2003—2004年变化速率的空间分布

    Figure  5.   Spatial Distribution of TWS Variation Rate in the Tibetan Plateau from 2003 to 2004

    图  6   青藏高原水储量2005―2010年变化速率的空间分布

    Figure  6.   Spatial Distribution of TWS Variation Rate in the Tibetan Plateau from 2005 to 2010

    图  7   青藏高原水储量2011―2014年变化速率的空间分布

    Figure  7.   Spatial Distribution of TWS Variation Rate in the Tibetan Plateau from 2011 to 2014

    图  8   水储量变化时间序列

    Figure  8.   Time Series of TWS Variation in the Tibetan Plateau

    图  9   STFT算法提取的青藏高原水储量变化时频谱图

    Figure  9.   Time‐Frequency Spectrogram of TWS Variation in the Tibetan Plateau by Using STFT Algorithm

    图  10   GRACE得到的青藏高原水储量年际变化与降水异常

    Figure  10.   Time Series of TWS Inter‐annual Variations from GRACE and Rainfall Anomalies in the Tibetan Plateau

    表  1   青藏高原水储量变化

    Table  1   TWS Variation in the Tibetan Plateau

    方法 周年振幅/cm 周年相位/(°) 半年振幅/cm 半年相位/(°)
    GRACE 4.6±0.3 3.4±0.1 1.4±0.3 -0.9±0.2
    Forward-Modeling 7.5±0.6 6.5±0.1 2.7±0.6 -16.8±0.2
    WGHM 3.8±0.2 6.5±0.1 0.9±0.2 -0.9±0.3
    下载: 导出CSV

    表  2   青藏高原水储量各时段变化速率/(cm∙a-1

    Table  2   Rate of TWS Variation in Different Periods in the Tibetan Plateau/(cm∙a-1)

    方法 2003—2014年 2003—2004年 2005—2010年 2011—2014年
    GRACE -0.1±0.1 2.3±2.9 -0.1±0.5 0.1±1.0
    Forward‐Modeling -0.2±0.1 3.9±4.9 -0.3±0.8 0.2±1.6
    下载: 导出CSV
  • [1] 钟敏, 段建宾, 许厚泽, 等.利用卫星重力观测研究近5年中国陆地水量中长空间尺度的变化趋势[J].科学通报, 2009, 54(9): 1 290‐1 294 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=kxtb200909022

    Zhong Min, Duan Jianbin, Xu Houze, et al. Trend of China Land Water Storage Redistribution at Medi- and Large-Spatial Scales in Recent Years by Satellite Gravity Observations[J]. Chinese Science Bulletin, 2009, 54(9): 1 290‐1 294 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=kxtb200909022

    [2] 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): 1 450-1 457 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): 1 450-1 457 http://ch.whu.edu.cn/CN/abstract/abstract5589.shtml

    [3]

    Zhang G, Yao T, Xie H, et al. Increased Mass over the Tibetan Plateau: From Lakes or Glaciers[J]. Geophysical Research Letters, 2013, 40(10): 2 125-2 130 doi: 10.1002/grl.50462

    [4] 文汉江, 黄振威, 王友雷, 等.青藏高原及其周边地区水储量变化的独立成分分析[J].测绘学报, 2016, 45(1): 9-15 http://d.old.wanfangdata.com.cn/Periodical/chxb201601002

    Wen Hanjiang, Huang Zhenwei, Wang Youlei, et al. Independent Component Analysis of Water Storage Changes Interpretation over Tibetan Plateau and Its Surrounding Areas[J]. Acta Geodaetica et Cartographica Sinica, 2016, 45(1): 9-15 http://d.old.wanfangdata.com.cn/Periodical/chxb201601002

    [5]

    Guo J, Mu D, Liu X, et al. Water Storage Changes over the Tibetan Plateau Revealed by GRACE Mission[J]. Acta Geophysica, 2016, 64(2): 463-476 doi: 10.1515/acgeo-2016-0003

    [6] 李圳, 章传银, 柯宝贵. GRACE时变重力场滤波方法[J].测绘科学, 2017, 42(12): 14-19 http://d.old.wanfangdata.com.cn/Periodical/chkx201712003

    Li Zhen, Zhang Chuanyin, Ke Baogui. Filtering Method of GRACE Time-Variable Gravity Field[J]. Science of Surveying and Mapping, 2017, 42(12): 14-19 http://d.old.wanfangdata.com.cn/Periodical/chkx201712003

    [7]

    Landerer F W, Swenson S C. Accuracy of Scaled GRACE Terrestrial Water Storage Estimates[J]. Water Resources Research, 2012, 48(4): 4 531-4 536 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=10.1029/2011WR011453

    [8]

    Klees R, Zapreeva E A, Winsemius H C, et al. The Bias in GRACE Estimates of Continental Water Storage Variations[J]. Hydrology and Earth System Sciences, 2006, 11(4): 1 227-1 241 http://d.old.wanfangdata.com.cn/OAPaper/oai_doaj-articles_245a109746812272a5d46957af52b183

    [9] 冯伟, Jean-Michel Lemoine, 钟敏, 等.利用重力卫星GRACE监测亚马逊流域2002—2010年的陆地水变化[J].地球物理学报, 2012, 55(3): 814-821 doi: 10.6038/j.issn.0001-5733.2012.03.011

    Feng Wei, Jean-Michel Lemoine, Zhong Min, et al. Terrestrial Water Storage Changes in the Amazon Basin Measured by GRACE During 2002—2010[J]. Chinese Journal of Geophysics, 2012, 55(3):814-821 doi: 10.6038/j.issn.0001-5733.2012.03.011

    [10]

    Chen J L, Wilson C R, Li J, et al. Reducing Leakage Error in GRACE-Observed Long-Term Ice Mass Change: A Case Study in West Antarctica[J]. Journal of Geodesy, 2015, 89(9): 925-940 doi: 10.1007/s00190-015-0824-2

    [11] 汪汉胜, 相龙伟, Wu Patrick, 等.不同模型的地表质量异常一阶项、二阶项估计[J].武汉大学学报·信息科学版, 2018, 43(12): 2 147-2 242 http://ch.whu.edu.cn/CN/abstract/abstract6302.shtml

    Wang Hansheng, Xiang Longwei, Wu Patrick, et al. Degree One and Degree Two Contributions to Global Surface Mass Anomaly Derived from Different Models[J]. Geomatics and Information Science of Wuhan University, 2018, 43(12): 2 147-2 242 http://ch.whu.edu.cn/CN/abstract/abstract6302.shtml

    [12]

    Döll P, Müller S H, Schuh C, et al. Global-Scale Assessment of Groundwater Depletion and Related Groundwater Abstractions: Combining Hydrological Modeling with Information from Well Observations and GRACE Satellites[J]. Water Resources Research, 2014, 50(7): 5 698-5 720 doi: 10.1002/2014WR015595

    [13]

    Fuchs T, Schneider U, Rudolf B.Precipitation Products of the Global Precipitation Climatology Centre[C]. Japan Geoscience Union Meeting2010, Makuhari, Chiba, Japan, 2010

    [14]

    Paulson A, Zhong S, Wahr J. Inference of Mantle Viscosity from GRACE and Relative Sea Level Data[J]. Geophysical Journal of the Royal Astronomical Society, 2007, 171(2): 497-508 doi: 10.1111/j.1365-246X.2007.03556.x

    [15] 蒋涛, 王正涛, 金涛勇, 等. GRACE时变重力场位系数相关误差的滤波消除技术[J].武汉大学学报·信息科学版, 2009, 34(12): 1 407-1 409 http://ch.whu.edu.cn/CN/abstract/abstract1450.shtml

    Jiang Tao, Wang Zhengtao, Jin Taoyong, et al. Filter Technique of Removing Correlated Errors Existing in GRACE Time Variable Gravity Data[J]. Geomatics and Information Science of Wuhan University, 2009, 34(12): 1 407-1 409 http://ch.whu.edu.cn/CN/abstract/abstract1450.shtml

    [16] 吴云龙, 李辉, 邹正波, 等.基于Forward-Modeling方法的黑河流域水储量变化特征研究[J].地球物理学报, 2015, 58(10): 3 507-3 516 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=dqwlxb201510007

    Wu Yunlong, Li Hui, Zou Zhengbo, et al. Investigation of Water Storage Variation in the Heihe River Using the Forward-Modeling Method[J]. Chinese Journal of Geophysics, 2015, 58(10): 3 507-3 516 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=dqwlxb201510007

    [17]

    Ray R D, Rowlands D D, Egbert G D.Tidal Models in a New Era of Satellite Gravimetry[J]. Space Science Reviews, 2003, 108(1): 271-282 doi: 10.1023/A:1026223308107

    [18] 陈超, 邹蓉, 刘任莉.联合GPS和GRACE研究青藏高原南部地区垂直形变的季节性波动[J].武汉大学学报·信息科学版, 2018, 43(5): 669-675 http://ch.whu.edu.cn/CN/abstract/abstract6038.shtml

    Chen Chao, Zou Rong, Liu Renli. Vertical Deformation of Seasonal Hydrological Loading in Southern Tibet Detected by Joint Analysis of GPS and GRACE[J]. Geomatics and Information Science of Wuhan University, 2018, 43(5): 669-675 http://ch.whu.edu.cn/CN/abstract/abstract6038.shtml

    [19]

    Yi S, Sun W. Evaluation of Glacier Changes in High Mountain Asia Based on 10 Year GRACE RL05 Models[J]. Journal of Geophysical Research: Solid Earth, 2014, 119(3):2 504-2 571 doi: 10.1002/2013JB010860

  • 期刊类型引用(12)

    1. 孟萌萌,冯贝贝. AM-1DCNN算法在土地覆盖分类中的应用. 福建电脑. 2025(03): 36-39 . 百度学术
    2. 罗蓉蓉,董燕. 基于GEE云平台和Sentinel数据的滇池湿地制图. 安徽农业科学. 2025(04): 205-208+242 . 百度学术
    3. 李坤玉,王雪梅,李锐,李顿. 融入辅助数据集的面向对象土地利用分类研究. 中山大学学报(自然科学版)(中英文). 2024(01): 34-44 . 百度学术
    4. 孟萌萌,黄瑞瑞,毋琳,黄亚博. 基于Mult-TWDTW算法的时序SAR图像土地覆盖分类. 计算机系统应用. 2024(05): 203-209 . 百度学术
    5. 段宗亮,周晓. 基于遥感技术的镇沅县茶树资源研究. 西部林业科学. 2024(05): 140-145 . 百度学术
    6. 潘竞,赵浩楠,田聪,阿斯娅·曼力克,贠静,艾尼玩·艾买尔,孙宗玖,郑逢令. 基于Sentinel数据和机器学习算法的苜蓿遥感识别研究. 草食家畜. 2024(06): 35-45 . 百度学术
    7. 李子康,殷晓洁,刘一飞,唐继敏,王妍. 滇东南典型喀斯特山区石漠化时空演变及生态敏感性评价. 生态环境学报. 2024(11): 1792-1802 . 百度学术
    8. 张智洋,赵颖慧,甄贞. 基于LUCC的1986–2022年松花江流域陆地生态系统碳储量动态监测. 植物生态学报. 2024(10): 1274-1290 . 百度学术
    9. 闫明,庞勇,何云玲,蒙诗栎,魏巍. 基于GEE云平台和Sentinel-2数据的普洱市森林覆盖制图. 遥感技术与应用. 2023(02): 432-442 . 百度学术
    10. 刘文宋,张仲英,郑琳,王法景,张舒祺,郭风成. 顾及PolSAR影像极化-空间信息的农作物识别方法. 测绘科学. 2023(05): 152-161 . 百度学术
    11. 陈爱琳,江洪,麻霞. 2000—2020年厦门港用地变化遥感监测与空间格局分析. 海南大学学报(自然科学版). 2022(02): 182-192 . 百度学术
    12. 杨志刚,郭盛才,徐期瑚,练丽,苏雅丽. 南岭国家公园森林资源现状分析. 林业与环境科学. 2022(S1): 39-41+46 . 百度学术

    其他类型引用(11)

图(10)  /  表(2)
计量
  • 文章访问数:  1328
  • HTML全文浏览量:  205
  • PDF下载量:  155
  • 被引次数: 23
出版历程
  • 收稿日期:  2018-12-07
  • 发布日期:  2020-01-04

目录

/

返回文章
返回