利用小波分解重构GRACE地下水储量成分研究

张勇刚, 王正涛, 高瑀, 田坤俊

张勇刚, 王正涛, 高瑀, 田坤俊. 利用小波分解重构GRACE地下水储量成分研究[J]. 武汉大学学报 ( 信息科学版), 2025, 50(1): 20-29. DOI: 10.13203/j.whugis20220407
引用本文: 张勇刚, 王正涛, 高瑀, 田坤俊. 利用小波分解重构GRACE地下水储量成分研究[J]. 武汉大学学报 ( 信息科学版), 2025, 50(1): 20-29. DOI: 10.13203/j.whugis20220407
ZHANG Yonggang, WANG Zhengtao, GAO Yu, TIAN Kunjun. Estimation of GRACE Groundwater Storage Components Using Wavelet Decomposition[J]. Geomatics and Information Science of Wuhan University, 2025, 50(1): 20-29. DOI: 10.13203/j.whugis20220407
Citation: ZHANG Yonggang, WANG Zhengtao, GAO Yu, TIAN Kunjun. Estimation of GRACE Groundwater Storage Components Using Wavelet Decomposition[J]. Geomatics and Information Science of Wuhan University, 2025, 50(1): 20-29. DOI: 10.13203/j.whugis20220407

利用小波分解重构GRACE地下水储量成分研究

基金项目: 

国家自然科学基金 42274003

国家自然科学基金 41974007

国家自然科学基金 41774019

详细信息
    作者简介:

    张勇刚,博士,主要从事大地测量学研究。zhangyonggang20@whu.edu.cn

    通讯作者:

    王正涛,博士,教授。ztwang@whu.edu.cn

Estimation of GRACE Groundwater Storage Components Using Wavelet Decomposition

  • 摘要:

    重力恢复与气候实验(gravity recovery and climate experiment, GRACE)数据解算出的时变重力场模型为陆地水储量的研究提供了一种全新的途径,然而,GRACE数据只能解算出格网点分辨率上总体的水储量变化,包括地表水、土壤水、地下水和植被水等,却无法分离垂直层面上不同深度的水储量成分。采用小波分解方法,将扣除全球陆地数据同化系统水文模型地表水成分的GRACE信号进行分解,利用分解得到的小波子函数结合美国区域内的水井实测数据对地下水成分进行回归分析,并通过二维曲面插值的方法得到全美地区不同小波子函数的回归系数,以此来重构长时间连续的地下水储量变化序列。结果表明,在测试点位中61.84%以上的点位其相关系数达到0.4以上,62.90%的点位其均方根值在1.0 m以下,此方法可以得到地下水时空分布特征,为地下水资源的利用与研究提供数据支撑。

    Abstract:
    Objectives 

    The time-varying gravity field models derived from the gravity recovery and climate experiment (GRACE) offer a novel approach for studying terrestrial water storage. However, GRACE data resolve the total water storage changes at grid points, encompassing surface water, soil moisture, groundwater, and vegetation water, without the ability to differentiate the vertical distribution of water components.

    Methods 

    We employ wavelet decomposition to process GRACE signals, from which the surface water component, as modeled by the global land data assimilation system (GLDSA) hydrological model, has been subtracted. The resulting wavelet sub-functions are then combined with groundwater measurements from wells across the USA to perform a regression analysis on the groundwater component. By employing two-dimensional surface interpolation, we obtain regression coefficients for various wavelet sub-functions throughout the USA, enabling the reconstruction of long-term continuous sequences of groundwater storage changes.

    Results 

    The results show that over 61.84% of the test sites have a correlation coefficient greater than 0.4, and 62.90% of the sites exhibit root mean square (RMS) residuals below 1.0 m.

    Conclusions 

    This methodology successfully captures the spatiotemporal characteristics of groundwater distribution, providing valuable data support for the utilization and research of groundwater resources.

  • 低轨卫星在遥感、通信、导航等一系列科学研究和工程应用中发挥着不可或缺的作用。低轨卫星精密位置信息是完成上述任务的前提和基础。自GPS成功应用于TOPEX卫星精密定轨后[1-2],利用GPS进行低轨卫星定轨已广泛应用于重力场恢复和气候试验卫星(gravity recovery and climate experiment, GRACE)[3]、挑战性微型卫星载荷(challenging mini-satellite payload, CHAMP)[4-5]、海洋[6]、风云[7-8]等卫星。利用GPS精密轨道和钟差产品,低轨卫星浮点解定轨精度可达1~3 cm[9-10]

    固定载波相位模糊度[11-14]能够进一步提升定轨精度。为实现单接收机模糊度固定,国内外学者先后提出了小数周偏差法[15-16]、整数相位钟法[17]和解耦钟差法[18]。文献[19]利用美国喷气推进实验室(Jet Propulsion Laboratory, JPL)提供的相位偏差产品固定模糊度,实现Jason-2卫星径向定轨精度优于1 cm;文献[20]研究了固定模糊度的GRACE卫星运动学定轨,相对于浮点解,三轴精度提升19%~50%;文献[11]利用法国国家空间研究中心(Centre National d’Etudes Spatiales, CNES)发布的整数钟产品[21]对哨兵(Sentinel)-3A卫星模糊度进行固定,轨道重叠弧段和卫星激光测距(satellite laser ranging,SLR)检核精度均有明显提升;文献[14]实现了基于单接收机模糊度固定的GRACE后续星(GRACE follow‑on, GRACE-FO)简化动力学定轨,相对于浮点解,定轨精度提升18%;文献[22]利用CNES整数钟产品实现GRACE-FO卫星简化动力学和运动学定轨中模糊度参数的固定,相对于浮点解,固定解轨道重叠弧段精度提升20%。

    上述研究多基于星载GPS观测数据,文献[7-8]研究了星载GPS/北斗卫星导航系统(BeiDou navigation satellite system, BDS)组合定轨,但尚未实现模糊度固定。Sentinel-6A卫星于2020年11月21日发射,旨在提供连续的海面测高数据,其轨道高度为1 336 km,轨道倾角为66°[23-24]。为满足精密定轨需求,Sentinel-6A卫星搭载了多普勒无线电定位定轨系统(Doppler orbitography and radio positioning integrated by sate‑llite, DORIS)、GPS/Galileo双模接收机和SLR反射棱镜[13]。星载GPS/Galileo数据为研究基于多模全球导航卫星系统(global navigation satellite system, GNSS)和单接收机模糊度固定的低轨卫星精密定轨提供了契机。文献[13]分别利用欧洲定轨中心(Center for Orbit Determination in Europe, CODE)和CNES产品开展多种模式的Sentinel-6A精密定轨,结果表明,固定模糊度后,单GPS与单Galileo简化动力学定轨结果与GPS/Galileo双系统组合定轨一致性优于1.0 cm;文献[25]利用星载GNSS数据开展基于广播星历的实时定轨研究,得益于Galileo较优的空间信号精度,Sentinel-6A三维实时定轨精度优于10 cm。

    由于不依赖力学模型,运动学精密定轨信息可直接用于地球重力场反演,具有重要的科学意义和研究价值[20],同时运动学定轨算法简单、计算资源需求较小,适用于大规模星座自主运行管理。本文利用Sentinel-6A卫星实测数据开展精密定轨,在分析星载GPS、Galileo观测数据质量的基础上,分别利用CODE[26]、CNES[21]、德国地学研究中心[27](German Research Centre for Geosciences, GFZ)和中国武汉大学[28](Wuhan University, WHU)发布的观测值偏差(observation specific biases, OSB)及对应的轨道和钟差产品实现单接收机模糊度固定,研究多模GNSS以及模糊度固定对低轨卫星运动学定轨精度的影响。

    GNSS伪距和载波相位观测值可表示为[29]

    Pr,js=ρrs+c(dtr-dts)+Ir,js+Trs+br,j-    bjs+εLr,js=ρrs+c(dtr-dts)-Ir,js+Trs+λj(Nr,js+    Br,j-Bjs)+ξ (1)

    式中,Pr,jsLr,js分别表示伪距和载波相位观测值;rs分别表示星载接收机和卫星;j表示信号频率;ρrs为接收机和卫星间的几何距离;c为光速,dtrdts分别为接收机和卫星钟误差;Ir,js为电离层延迟;Trs表示对流层延迟,对于低轨观测值,该项为零;br,jbjs分别为接收机和卫星端伪距硬件偏差;Br,jBjs为载波相位硬件偏差,以周表示;λj为频率j对应的载波波长;Nr,js为载波相位模糊度;εξ分别为伪距和载波观测值噪声。

    构建无电离层组合观测值,以伪距为钟差基准,此时伪距硬件偏差被钟差吸收,式(1)可写为:

    Pr,IFs=ρrs+c(dt¯r-dt¯s)Lr,IFs=ρrs+c(dt¯r-dt¯s)+λ1N¯r,IFsdt¯r=dtr+br,IF/cdt¯s=dts+bIFs/cN¯r,IFs=Nr,IFs+(Br,IF-br,IF/λ1)-(BIFs-bIFs/λ1) (2)

    式中,Pr,IFsLr,IFs为无电离层组合伪距和载波相位观测值;d¯trd¯ts分别为吸收了伪距硬件偏差的接收机和卫星钟差;N¯r,IFs为利用伪距和载波相位观测值定位定轨时解算得到的浮点解模糊度;Nr,IFs为无电离层组合模糊度;br,IFbIFs分别为接收机和卫星端无电离层组合伪距硬件偏差;Br,IFBIFs为无电离层组合载波相位偏差。

    无电离层组合模糊度N¯r,IFs可分解为宽巷(wide-lane,WL)和窄巷(narrow-lane,NL)模糊度[29]

    N¯r,IFs=f1f2f12-f22Nr,WLs+f1f1+f2(Nr,NLs+    dr,NL-dNLs)Nr,WLs=Nr,1s-Nr,2sNr,NLs=Nr,1sdr,NL=f1+f2f1(Br,IF-br,IF/λ1)dNLs=f1+f2f1(BIFs-bIFs/λ1) (3)

    式中,f1f2分别为载波L1L2的频率;Nr,WLsNr,NLs分别为整数宽巷和窄巷模糊度;Nr,1sNr,2s分别为载波L1L2的模糊度;dr,NLdNLs分别为接收机和卫星端伪距和载波硬件偏差的窄巷组合。整数宽巷模糊度Nr,WLs可利用Melbourne-Wübbena组合[30-31]解算:

    (f1Lr,1s-f2Lr,2sf1-f2-f1Pr,1s+f2Pr,2sf1+f2)/λWL=Nr,WLs+dr,WL-dWLs (4)

    式中,dr,WLdWLs分别为接收机和卫星端宽巷硬件偏差;λWL为宽巷波长。分别对接收机和卫星端宽巷偏差进行改正,可实现宽巷模糊度固定。宽巷模糊度固定后,代入式(3)中可得:

    f2f1-f2Nr,WLs-f1+f2f1N¯r,IFs=Nr,NLs+dr,NL-dNLs (5)

    对接收机和卫星端窄巷偏差进行改正可以实现窄巷模糊度固定。实际处理时,卫星端宽巷和窄巷偏差可利用地面站网解算并向用户提供,用户端偏差可采用星间单差消除。固定星间单差宽巷和窄巷模糊度后,可根据式(6)恢复无电离层组合模糊度:

    ΔNr,IFs1,s2=f1f2f12-f22ΔNr,WLs1,s2+f1f1+f2(ΔNr,NLs1,s2-ΔdNLs1,s2) (6)

    式中,s1s2为导航卫星;ΔNr,IFs1,s2为单差无电离层组合模糊度;ΔNr,WLs1,s2ΔNr,NLs1,s2分别为已固定的单差宽巷和窄巷模糊度;ΔdNLs1,s2为卫星端窄巷偏差的星间单差值。之后,利用恢复的单差无电离层组合模糊度作为虚拟观测值对非差模糊度进行约束,得到固定解轨道。

    Sentinel-6A卫星搭载了澳大利亚RUAG公司开发的PODRIX GPS/Galileo双模接收机[13],支持接收L1/E1、L2和L5/E5a信号,根据不同类型的GPS卫星输出不同的伪距观测值,具体观测数据类型及对应的接收机独立交换格式版本3(receiver independent exchange formation version 3, Rinex 3)标识见表1。由于缺乏Galileo E14和E18卫星的历书数据,接收机未跟踪该两颗卫星的信号[13]

    表  1  Sentinel-6A接收机输出的GPS和Galileo观测值类型
    Table  1.  GPS and Galileo Observation Types Supported by Sentinel-6A Receiver
    GNSS卫星伪距载波
    GPS IIRC1C、C1W、C2WL1C、L2W
    GPS IIR-M、IIF、ⅢC1C、C2LL1C、L2L
    GalileoC1C、C5QL1C、L5Q
    下载: 导出CSV 
    | 显示表格

    利用2021年年积日第175—250天的GPS C1W、C2W、L1C、L2W和Galileo C1C、C5Q、L1C、L5Q观测数据进行运动学定轨。利用CODE的OSB产品将GPS IIR-M、IIF、Ⅲ卫星的C1C、C2L、L2L数据转换成C1W、C2W、L2W观测值。Sentinel-6A星载GNSS天线参考点、相位中心偏差(phase center offset, PCO)、卫星质心和SLR反射器在星固系下的坐标如表2所示[32]

    表  2  星载GNSS天线PCO、卫星质心和SLR反射器在星固系下的坐标/mm
    Table  2.  Positions of Onboard GNSS Antenna, SLR Retroreflector and Center of Mass in Satellite Reference Frame/mm
    设备名称XYZ
    GNSS天线参考点+2 474.8+0.1-1 080.3
    GNSS天线GPS PCO00+75.0
    GNSS天线Galileo PCO00+93.0
    SLR 反射棱镜+1 624.8-400.6+664.8
    卫星质心+1 533.0-7.0+37.0
    下载: 导出CSV 
    | 显示表格

    伪距观测质量将影响定轨精度和模糊度固定效果[33]。利用Anubis软件[34]对GPS和Galileo

    观测值伪距多径进行分析,结果如图1所示。可以看出,GPS C1W和C2W伪距多径均值分别为12.7和15.3 cm,Galileo C1C和C5Q伪距多径均值分别为7.4和3.9 cm,主要是由于Galileo E1和E5信号采用二进制偏置载波调制,相对于GPS采用的二进制相移键控调制,具有更强的抗干扰和多路径抑制能力[35]。Galileo较高伪距精度有利于后续模糊度的固定。

    图  1  GPS C1W/C2W和Galileo C1C/C5Q伪距多径
    Figure  1.  Code Multipath of GPS C1W/C2W and Galileo C1C/C5Q Observations

    利用Sentinel-6A星载GPS/Galileo数据开展3种模式的运动学定轨,包括GPS单系统、Galileo单系统以及GPS/Galileo双系统组合定轨,其中每种定轨模式根据模糊度是否固定又分为浮点解和固定解。GPS和Galileo卫星轨道和钟差分别采用CODE[26]、CNES[21]、GFZ[27]以及WHU[28]分析中心发布的多模GNSS实验(multi-GNSS experiment, MGEX)产品,同时利用OSB产品对载波相位偏差进行改正,以实现模糊度的固定。定轨时首先基于无电离层组合观测值得到浮点解轨道,之后根据§1介绍的方法依次固定宽巷和窄巷模糊度并恢复无电离层组合模糊度,最终得到固定解轨道。Sentinel-6A卫星运动学定轨策略见表3。由于目前尚无机构提供Sentinel-6A精

    表  3  Sentinel-6A卫星运动学定轨策略
    Table  3.  Sentinel-6A Precise Orbit Determination Strategy Based on Kinematic Method
    模型参数说明
    使用数据和产品观测数据非差无电离层组合
    定轨弧长/h24
    采样间隔/s10
    截止高度角/(°)3
    GNSS轨道和钟差CODE, CNES, GFZ, WHU MGEX产品
    GNSS相位偏差CODE, CNES, GFZ, WHU OSB产品
    GNSS天线igs14.atx
    接收机天线改正
    相位缠绕改正
    相对论改正IERS 2010
    参数估计卫星位置随机游走,过程噪声5 m/s,每历元估计
    接收机钟差随机游走,过程噪声30 m/s,每历元估计
    模糊度常数,每跟踪弧段估计1个
    下载: 导出CSV 
    | 显示表格

    密轨道产品,为评估不同模式运动学定轨精度,利用CODE产品开展GPS/Galileo组合简化动力学定轨并固定模糊度参数。

    可视卫星数和位置精度衰减因子(position dilution of precision, PDOP)与运动学定轨精度密切相关,首先分析GPS/Galileo双系统组合对可视卫星数和PDOP值的影响。对75 d的观测数据进行统计,GPS平均可视卫星数为7.5颗,Galileo为6.4颗,主要是因为Galileo系统卫星数较少,且Sentinel-6A接收机未跟踪E14和E18卫星[13]图2为运动学定轨中GPS单系统和GPS/Galileo组合系统的PDOP值分布,GPS单系统平均PDOP为2.2,Galileo单系统为2.5,双系统组合PDOP为1.5,显著提升了定轨的几何构型。

    图  2  PDOP值全球分布
    Figure  2.  Global Distribution of PDOP

    观测值残差能够反映所使用的模型和测量值之间的一致性。图3为使用CODE产品时GPS和Galileo运动学固定解定轨中伪距和载波相位残差均方根(root mean square,RMS)的全球分布图。图3(a)和图3(c)为伪距残差RMS,其中GPS为0.85 m,而Galileo为0.35 m,明显优于GPS,与图1中伪距多径分析结果一致。图3(b)和图3(d)为载波残差RMS值,GPS为5.5 mm,Galileo为4.8 mm,较小的观测值残差显示出Galileo较优的信号性能。

    图  3  运动学固定解定轨GPS和Galileo伪距和载波残差RMS分布
    Figure  3.  Code and Carrier Phase Residual RMS of GPS and Galileo Derived from Kinematic Orbit Determination with Ambiguity Resolution

    模糊度固定率为定轨弧段内固定为整数的模糊度数量与总的模糊度个数的比值,可以反映算法模型和定轨结果的正确性及精度。利用取整法[36]对浮点模糊度进行固定,宽巷、窄巷模糊度固定阈值均为0.2周。图4(a)、4(b)分别给出了使用CODE产品Sentinel-6A卫星宽巷和窄巷模糊度的固定率。红色、绿色和蓝色点分别表示GPS单系统(G_kin)、Galileo单系统(E_kin)和GPS/Galileo双系统组合(GE_kin)运动学定轨模糊度固定结果。GPS和Galileo宽巷模糊度固定率分别为99.6%和99.9%,双系统组合固定率为99.7%;GPS和Galileo窄巷固定率分别为93.5%和95.2%,双系统组合可进一步提升窄巷固定率至96.7%,原因在于双系统组合提升了运动学定轨精度以及浮点模糊度的估计精度。图4中同时给出了GPS/Galileo双系统组合动力学参考轨道(GE_dyn)的模糊度固定结果,以粉色点表示,宽巷和窄巷模糊度固定率分别为99.8%和97.9%。

    图  4  使用CODE产品不同定轨模式的宽巷和窄巷模糊度固定率
    Figure  4.  Wide Lane and Narrow Lane Ambiguity Fixing Rates of Different Orbit Determination Solutions Using CODE Product

    图5(a)和图5(b)为使用各分析中心产品时GPS单系统运动学定轨中宽巷和窄巷模糊度固定率,红色、绿色、蓝色和粉色点分别对应CODE、CNES、GFZ和WHU分析中心产品结果,

    图  5  基于各分析中心产品的GPS运动学定轨宽巷和窄巷模糊度固定率
    Figure  5.  GPS Wide Lane and Narrow Lane Ambiguity Fixing Rates for Kinematic Orbit Determination Using Products of Different Analysis Centers

    GFZ从2021年年积日第190天开始提供OSB产品。各分析中心GPS宽巷模糊度固定率均优于98%(CODE产品为99.6%,GFZ为99.5%,CNES为99.6,WHU为98.5%),窄巷固定率优于92%(CODE产品为93.5%,GFZ为94.0%,CNES为93.0%,WHU为92.2%),体现出较好的产品性能。WHU产品宽巷固定率相较于其他分析中心低1%左右。图6(a)为Galileo单系统的宽巷模糊度固定率,其中基于CODE和CNES产品的固定率为99.9%,GFZ产品为99.7%。基于WHU产品的Galileo宽巷模糊度固定率偏低,为94%,并最终影响了窄巷模糊度的固定。图6(b)为Galileo窄巷模糊度固定率,CODE和CNES为95.3%,GFZ为95.2%,WHU为89.5%,由于宽巷模糊度固定直接采用Melbourne-Wübbena组合观测值,尚未涉及GNSS卫星轨道和钟差,因此原因可能是伪距OSB精度影响了WHU产品宽巷模糊度的固定。

    图  6  基于各分析中心产品的Galileo运动学定轨宽巷和窄巷模糊度固定率
    Figure  6.  Galileo Wide Lane and Narrow Lane Ambiguity Fixing Rates for Kinematic Orbit Determination Using Products of Different Analysis Centers

    为进一步验证WHU精密轨道、钟差以及窄巷模糊度固定性能,图7分别给出了使用CODE和WHU产品时Galileo的模糊度总数(图7(a))、固定的宽巷模糊度数(图7(b))以及固定的窄巷与宽巷模糊度个数的比值(图7(c))。可以看出,使用CODE和WHU产品时Galileo模糊度总数基本一致,使用WHU产品固定的宽巷模糊度明

    图  7  使用CODE和WHU产品时Galileo运动学定轨模糊度总数、固定的宽巷模糊度数和固定的窄巷与宽巷模糊度数的比值
    Figure  7.  Galileo Total Ambiguity, Fixed Wide-Lane Ambiguity and Ratio of Fixed Narrow-Lane to Wide-Lane Ambiguity Using CODE and WHU Products

    显少于CODE产品,固定的窄巷与宽巷模糊度个数的比值为95%,说明WHU产品模糊度固定性能主要受伪距OSB影响,窄巷模糊度固定性能与CODE无明显差异。

    以GPS/Galileo双系统组合动力学固定解轨道为参考,对不同模式的运动学定轨结果进行评估。图8为2021年年积日第175天使用CODE产品运动学浮点解轨道与参考轨道在切向、法向和径向的差异,其中红色、蓝色和绿色点分别表示GPS单系统(G)、Galileo单系统(E)和GPS/Galileo组合(GE)定轨结果。可以看出,相对于单系统,双系统浮点解定轨精度提升较为明显,Galileo单系统在14时和20时处可视卫星数只有4颗,导致定轨差异较大,双系统组合增加了可视卫星数,定轨结果较为平稳。

    图  8  2021年年积日第175天运动学浮点解轨道与参考轨道的差异
    Figure  8.  Orbit Differences Between Kinematic Orbits with Float Ambiguity and Reference Orbits on Day of Year 175 in 2021

    图9为2021年年积日第175—250天运动学浮点解轨道与参考轨道在切向(图9(a))、法向(图9(b))和径向(图9(c))的差异,三轴差异统计值在表4中列出。与参考轨道相比,运动学浮点解定轨结果系统性偏差较小,为1~4 mm,表明动力学定轨中的力学参数较好地描述了卫星的受力情况。GPS单系统(G)浮点解轨道三维精度为38.4 mm,Galileo单系统(E)为57.1 mm,双系统组合(GE)明显提升了浮点解定轨精度,三维精度优于30 mm,相对于GPS提升超过20%。在分析时段内双系统浮点解轨道未出现明显离散点,提升了运动学定轨的可用性。

    图  9  使用CODE产品时运动学浮点解轨道与参考轨道的差异
    Figure  9.  Orbit Differences Between Kinematic Orbits with Float Ambiguity and Reference Orbits Using CODE Product
    表  4  使用CODE产品时运动学定轨结果与参考轨道差异统计值/mm
    Table  4.  Statistics of Orbit Differences Between Kinematic Orbits and Reference Orbits Using CODE Product/mm
    定轨模式切向法向径向三维
    GPS浮点解-3.1±22.5-0.1±18.9-1.1±24.538.4
    Galileo浮点解-2.7±30.5-3.7±31.53.1±36.257.1
    GPS/Galileo浮点解-2.9±16.2-2.2±15.11.5±17.728.6
    GPS固定解0.4±9.5-1.0±10.4-1.5±20.324.8
    Galileo固定解-0.8±9.2-0.7±12.01.7±23.828.3
    GPS/Galileo固定解-0.3±6.0-0.9±7.81.2±13.116.5
    下载: 导出CSV 
    | 显示表格

    为分析模糊度固定对运动学定轨精度的影响,图10给出了使用CODE产品时运动学固定解轨道与参考轨道的差异,三轴差异统计值也在表4中列出。与图9相比,固定模糊度后,定轨精度明显提升,浮点解轨道法向上的波动得到显著消除,同时与参考轨道切向和法向的系统性偏差在1 mm之内,径向小于2 mm。GPS(G)和Galileo(E)单系统固定解轨道三维精度分别为24.8和28.3 mm,相对于浮点解结果分别提升了35%和50%。双系统组合(GE)进一步提升定轨精度至16.5 mm,相对于GPS单系统提升超30%。

    图  10  使用CODE产品时运动学固定解轨道与参考轨道的差异
    Figure  10.  Orbit Differences Between Kinematic Orbits with Fixed Ambiguity and Reference Orbits Using CODE Product

    分别利用各分析中心产品进行Sentinel-6A卫星运动学定轨并固定模糊度,包括GPS单系

    统、Galileo单系统以及GPS/Galileo双系统组合模式。图11为各分析中心不同模式运动学固定解轨道与参考轨道的三维差异。GPS/Galileo双系统组合明显提升了定轨精度,与参考轨道的三维差异优于20 mm,相对于GPS单系统平均提升30%。Galileo单系统定轨精度偏低,主要原因是Galileo可用卫星较少,导致DOP值偏大,基于WHU产品的Galileo固定解轨道由于模糊度固定率较低,导致与参考轨道差异较大。

    图  11  基于各分析中心产品的运动学固定解轨道与参考轨道的三维差异
    Figure  11.  Orbit Differences Between Kinematic Orbits with Fixed Ambiguity and Reference Orbits Using Products of Different Analysis Centers

    Sentinel-6A卫星搭载了SLR反射器,SLR测距值可作为独立手段对卫星定轨结果进行评估。Sentinel-6A卫星激光反射棱镜阵列由一个中心棱镜和其周围的8个棱镜组成,对于波长532 nm的激光可产生约49 mm的系统性误差[13],文中计算SLR残差时对该系统性偏差进行改正。选取11个质量较好的SLR测站(Arequipa、Beijing、 Graz、Greenbelt、Haleakala、Hartebeesthoek、Herstmonceux、Mount Stromlo、Papeete、Wettzell、Yarragadee)对运动学定轨结果进行评估。

    图12为使用CODE产品时GPS单系统(G_kin)、Galileo单系统(E_kin)以及GPS/Galileo双系统组合运动学(GE_kin)浮点解轨道的SLR残差。GPS和Galileo单系统浮点解轨道SLR残差的RMS分别为19和23 mm,双系统组合则优于15 mm,相对于GPS单系统提升了20%。图13为使用各分析中心产品时Sentinel-6A运动学固定解轨道SLR残差的RMS。与浮点解结果相比,固定模糊度可明显提升定轨精度。GPS单系统RMS为13~15 mm,GPS/Galileo双系统组合RMS为12~14 mm,相对单系统提升超10%。与前述分析一致,使用WHU产品的Galileo单系统定轨精度稍差,除此之外,各分析中心结果之间的差异小于1.5 mm。

    图  12  使用CODE产品时运动学浮点解轨道SLR残差
    Figure  12.  SLR Residuals of Kinematic Orbits with Float Ambiguity Using CODE Product
    图  13  基于各分析中心产品的固定解轨道SLR残差RMS
    Figure  13.  SLR Residuals RMS of Different Orbits with Fixed Ambiguity Using Products of Different Analysis Centers

    Sentinel-6A卫星搭载的GPS/Galileo双模接收机为研究基于多模GNSS的低轨卫星精密定轨提供了数据支撑,使用2021年年积日第175—250天在轨实测数据,开展GPS单系统、Galileo单系统以及GPS/Galileo组合运动学定轨。同时,利用CODE、CNES、GFZ和WHU发布的GNSS精密轨道、钟差和OSB产品,实现单接收机模糊度固定。以动力学固定解轨道为参考,GPS/Galileo双系统组合运动学浮点解和固定解轨道三维精度分别优于30 和20 mm,相对于GPS单系统结果分别提升了20%和30%。基于CODE、CNES和GFZ分析中心产品的GPS模糊度固定率优于93%,Galileo优于95%,利用WHU产品的模糊度固定率则相对较低,具体原因需进一步分析。GPS单系统运动学固定解轨道SLR残差RMS为13~15 mm,双系统组合结果为12~14 mm,提升超过10%。相对于GPS单系统,GPS/Galileo组合能够显著提升低轨卫星运动学定轨的精度和可用性,对大规模低轨星座自主定轨和载荷研制具有借鉴意义。

    感谢CSR提供GRACE时变重力场数据,USGS提供实时水井水位数据,美国国家环境预报中心提供GLDAS水文模型数据。
    http://ch.whu.edu.cn/cn/article/doi/10.13203/j.whugis20220407
  • 图  1   小波分解与重构示意图

    Figure  1.   Diagram of Wavelet Decomposition and Reconstruction

    图  2   USGS水井总点位分布图

    Figure  2.   Location of USGS Well Points

    图  3   GRACE、D1D2D3D4A4时间序列图示例(82.375°W,34.625°N)

    Figure  3.   An Example of Time Series of GRACE, D1, D2, D3, D4, A4(82.375°W,34.625°N)

    图  4   2002年6月美国区域GWL重构格网图

    Figure  4.   Reconstruction of GWL in USA (June,2002)

    图  5   地下水重构序列与地下水测试序列对比图(90.375°W,36.125°N)

    Figure  5.   Comparison of Groundwater Reconstruction Series and Groundwater Test Series (90.375°W,36.125°N)

    图  6   地下水重构序列与测试序列相关系数空间分布图

    Figure  6.   Correlation Coefficient Space Distribution of Groundwater Reconstruction Series and Groundwater Test Series

    图  7   地下水重构序列与测试序列残差RMS空间分布图

    Figure  7.   RMS Space Distribution of Groundwater Reconstruction Series and Groundwater Test Series

    图  8   美国区域GWL重构序列趋势分布图

    Figure  8.   Reconstruction Series Trend of GWL in USA

    表  1   美国区域实验含水层蓄水系数因子表

    Table  1   Water Storage Coefficient Factors for Experimental Aquifers in USA

    含水层Sc含水层Sc
    AZ ALL0.05NHP0.104 3
    ETP0.03Florida0.037 9
    TX GC0.05U COL0.02
    CHP0.05PENN0.004 1
    下载: 导出CSV

    表  2   逐步回归统计结果

    Table  2   Stepwise Regression Statistical Results

    小波成分模型点位数检验通过点位数通过率/%
    D1589132.21
    D258914324.28
    D358948682.51
    D458939567.06
    A458944575.55
    下载: 导出CSV

    表  3   各实验含水层GWS与GWL相关系数统计表

    Table  3   Statistics of Correlation Coefficients Between GWS and GWL in Various Experimental Aquifers

    含水层Sc相关系数
    AZ ALL0.050.88
    ETP0.030.70
    TX GC0.050.71
    CHP0.050.89
    NHP0.104 30.52
    Florida0.037 90.24
    U COL0.020.23
    PENN0.004 10.16
    下载: 导出CSV

    表  4   地下水重构序列与测试序列相关系数统计分布表

    Table  4   Correlation Coefficient of Groundwater Reconstruction Series and Groundwater Test Series

    相关系数点位数点位占比/%
    (0.8, 1]227.77
    (0.6, 0.8]8028.27
    (0.4, 0.6]7325.80
    (0.2, 0.4]5619.79
    [0, 0.2]5218.37
    下载: 导出CSV

    表  5   地下水重构序列与测试序列残差RMS统计分布表

    Table  5   RMS of Groundwater Reconstruction Series and Groundwater Test Series

    RMS/m点位数点位占比/%
    (0, 0.5]9132.16
    (0.5, 1.0]8730.74
    (1.0, 1.5]3913.78
    (1.5, 2.0]165.65
    >2.05017.67
    下载: 导出CSV

    表  6   美国地区含水层GWS趋势统计表/(mm∙a-1)

    Table  6   GWS Trends of Aquifers in USA /(mm∙a-1)

    含水层经典水平衡方程法小波分解-逐步回归法ScPCR-GLOBWBWGHMCLSM-5.0NOAH-MP
    CHP-12.60-26.630.05-38.17-51.96-4.93-1.15
    ETP-3.89-15.700.03-1.04-0.560.50-1.11
    Florida4.121.660.037 9-2.49-1.271.37-0.51
    NHP5.715.090.104 3-14.49-12.224.520.69
    PENN2.920.0180.004 1-7.33-0.40-1.69-1.09
    TX GC-3.20-6.530.05-2.81-1.63-3.89-2.53
    U COL-0.66-0.650.02-0.24-0.22-0.240.03
    AZ ALL-2.14-10.650.05-4.32-2.75-1.51-0.18
    下载: 导出CSV
  • [1]

    ANDREW R L, GUAN H, BATELAAN O. Large-Scale Vegetation Responses to Terrestrial Moisture Storage Changesc[J]. Hydrology and Earth System Sciences, 2017, 21(9): 4469-4478.

    [2]

    ANCTIL F, COULIBALY P. Wavelet Analysis of the Interannual Variability in Southern Quebec Streamflow[J]. Journal of Climate, 2004, 17(1): 163-173.

    [3]

    BRENA-NARANJO J A, KENDALL A D, HYNDMAN D W. Improved Methods for Satellite-Based Groundwater Storage Estimates: A Decade of Monitoring the High Plains Aquifer from Space and Ground Observations[J]. Geophysical Research Letters, 2014, 41(17): 6167-6173.

    [4]

    DOELL P, DOUVILLE H, GUENTNER A, et al. Modelling Freshwater Resources at the Global Scale: Challenges and Prospects[J]. Surveys in Geophysics, 2016, 37(2SI): 195-221.

    [5]

    SCANLON B R, LONGUEVERGNE L, LONG D. Ground Referencing GRACE Satellite Estimates of Groundwater Storage Changes in the California Central Valley,USA[J].Water Resources Research, 2012, 48: W04520.

    [6] 李武东, 郭金运, 常晓涛, 等. 利用GRACE重力卫星反演2003—2013年新疆天山地区陆地水储量时空变化[J]. 武汉大学学报(信息科学版), 2017, 42(7): 1021-1026.

    LI Wudong, GUO Jinyun, CHANG Xiaotao, et al. Terrestrial Water Storage Changes in the Tianshan Mountains of Xinjiang Measured by GRACE During 2003—2013[J]. Geomatics and Information Science of Wuhan University, 2017, 42(7): 1021-1026.

    [7]

    OJHA C, WERTH S, SHIRZAEI M. Recovery of Aquifer-Systems in Southwest US Following 2012—2015 Drought: Evidence from InSAR, GRACE and Groundwater Level Data[J]. Journal of Hydrology, 2020, 587:124943.

    [8] 李婉秋,王伟,章传银,等.利用GRACE卫星重力数据监测关中地区地下水储量变化[J].地球物理学报,2018,61(6):2237-2245.

    LI Wanqiu, WANG Wei, ZHANG Chuanyin, et al. Monitoring Groundwater Storage Variations in the Guanzhong Area Using GRACE Satellite Gravity Data[J]. Chinese Journal of Geophysics, 2018, 61(6): 2237-2245.

    [9]

    PELLET V, AIRES F, PAPA F, et al. Long-Term Total Water Storage Change from a Satellite Water Cycle Reconstruction over Large Southern Asian Basins[J]. Hydrology and Earth System Scien‑ces, 2020, 24(6): 3033-3055.

    [10]

    DOELL P, MUELLER SCHMIED 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): 5698-5720.

    [11]

    YEH P J F, SWENSON S C, FAMIGLIETTI J S, et al. Remote Sensing of Groundwater Storage Changes in Illinois Using the Gravity Recovery and Climate Experiment (GRACE)[J].Water Resources Research, 2006, 42:W1220312.

    [12] 冯伟,王长青,穆大鹏,等.基于GRACE的空间约束方法监测华北平原地下水储量变化[J]. 地球物理学报,2017,60(5):1630-1642.

    FENG Wei, WANG Changqing, MU Dapeng, et al. Groundwater Storage Variations in the North China Plain from GRACE with Spatial Constraints[J]. Chinese Journal of Geophysics, 2017, 60(5): 1630-1642.

    [13]

    SCHULER P, CANTONI E, DURAN L, et al. Using Wavelet Coherence to Characterize Surface Water Infiltration into a Low-Lying Karst Aquifer[J]. Groundwater, 2021, 59(1): 71-79.

    [14]

    TIAN Z. A Combined Prediction Approach Based on Wavelet Transform for Crop Water Requirement[J]. Water Supply, 2020, 20(3): 1016-1034.

    [15]

    GRINSTED A, MOORE J C, JEVREJEVA S. Application of the Cross Wavelet Transform and Wavelet Coherence to Geophysical Time Series[J]. Nonlinear Processes in Geophysics, 2004, 11(5-6): 561-566.

    [16]

    HE X, GUAN H, ZHANG X, et al. A Wavelet-Based Multiple Linear Regression Model for Forecasting Monthly Rainfall[J]. International Journal of Climatology, 2014, 34(6): 1898-1912.

    [17]

    NALLEY D,ADAMOWSKI J,KHALIL B. Using Discrete Wavelet Transforms to Analyze Trends in Streamflow and Precipitation in Quebec and Ontario(1954—2008)[J].Journal of Hydrology,2012,475: 204-228.

    [18]

    CHAO N, WANG Z, JIANG W, et al. A Quantitative Approach for Hydrological Drought Characterization in Southwestern China Using GRACE[J]. Hydrogeology Journal, 2016, 24(4): 893-903.

    [19]

    SWENSON S, WAHR J. Post-Processing Removal of Correlated Errors in GRACE Data[J]. Geophysical Research Letters, 2006, 33:L084028.

    [20]

    DUAN X J, GUO J Y, SHUM C K, et al. On the PostProcessing Removal of Correlated Errors in GRACE Temporal Gravity Field Solutions[J]. Journal of Geodesy, 2009, 83(11): 1095-1106.

    [21]

    RATEB A, SCANLON B R, POOL D R, et al. Comparison of Groundwater Storage Changes from GRACE Satellites with Monitoring and Modeling of Major US Aquifers[J]. Water Resources Research, 2020, 56(12): e2020WR027556.

    [22]

    MILLER J M.Ground Water Atlas of the United States [J].Applied Hydrogeology,1994,2(4):59-62.

图(8)  /  表(6)
计量
  • 文章访问数:  485
  • HTML全文浏览量:  39
  • PDF下载量:  86
  • 被引次数: 0
出版历程
  • 收稿日期:  2022-10-26
  • 网络出版日期:  2023-05-29
  • 刊出日期:  2025-01-04

目录

/

返回文章
返回