测绘地理信息   2019, Vol. 44 Issue (5): 96-97, 103
0
厦门市GPS连续运行台站噪声与速度场时间序列分析[PDF全文]
冯健1, 陈灏1    
1. 新疆维吾尔自治区煤田地质局综合地质勘查队,新疆 乌鲁木齐,830000
摘要: 首先利用2013~2015年该地区连续观测3 a的GPS数据解算获得厦门市的高精度GPS时间序列;其次基于改时间序列进行噪声分析,利用频谱分析法确定噪声模型,接着使用CATS软件顾及噪声估算周期性和速度场。结果表明,厦门市的连续站的最佳噪声模型是“白噪声+闪烁噪声”,若未考虑时间序列中时间相关的噪声,速度场估算误差将被低估6~7倍左右。
关键词: 厦门市     GPS时间序列     噪声分析     速度场    
Time Series Analysis of Xiamen GPS Continuous Operating Station
FENG Jian1, CHEN Hao1    
1. Comprehensive Geological Prospecting Team, Coal Geology Bureau of Xinjiang Uygur Autonomous Region, Urumqi 830000, China
Abstract: Firstly, the high-precision GPS time series of Xiamen city is obtained by using the GPS data of three consecutive years from 2013 to 2015. Then, based on the modified time series, the noise model is determined by the spectrum analysis method. The CATS software is used to estimate the periodicity and velocity field of noise. The results show that the optimal noise model of Xiamen continuous station is "white noise + scintillation noise". If the time-dependent noise in time series is not considered, the estimation error of velocity field will be underestimated by about 6~7 times.
Key words: Xiamen city     GPS time series     noise analysis     velocity field    
1 GPS数据处理

全球定位系统(global positioning system,GPS)已被广泛运用到地壳形变的研究当中,而将GPS连续观测资料制成时间序列后,可以分析测站点与时间及空间的关系,进而推估出各种构造获得与地壳形变之间的关联性。厦门市地处福建东南沿海、台湾海峡西侧,位于“闽东燕山断坳带”、“闽东南沿海变质带”的区域构造带;厦门市是台湾海峡地壳运动监测的重要区域[1],利用厦门市的连续GPS观测站长时间的监测地表位移,能够有助于探索该区域地壳运动情况。

本文采用GAMIT/GLOBK[2, 3]软件计算厦门市2013-2015年间GPS观测的数据,对获得的GPS时间序列进行了分析,明确其噪声模型和周期特性,并且获得了高精度的GPS速度场结果。该研究对更好地评价厦门市GPS基准站的稳定性,同时维护厦门市现代大地坐标框架有重要作用。

本文采用GAMIT/GLOBK 10.61软件对GPS基线进行解算,选取中国境内及周边的21个IGS站(aira、artu、bako、bjfs、daej、guam、hyde、iisc、irkt、kit3、lhaz、nril、ntus、pimo、pol2、shao、tnml、ulab、urum、wuhn、yakt)作为约束(水平方向0.025/m,垂直方向0.050/m)于ITRF08框架[4-6]。利用GAMIT/GLOBK软件计算厦门市内的6个GPS连续观测站2013~2015年数据,获得了多年的连续时间序列资料。对于GPS时间序列资料的分析,通常需要考虑长期的周期运动、同震变形以及震后变形。

2 GPS时间序列分析

GPS原始时间序列扣除拟合值后的噪声时间序列,可以用频谱定性分析噪声的类型。频谱分析是一种在频率域上分析信号的方法。噪声时间序列在频谱域上的功率谱可以使用能量的形式表示[7-10]

$ P\left( f \right)={{P}_{0}}{{\left( \frac{f}{{{f}_{0}}} \right)}^{k}} $ (1)

式中,f是时间序列信号频率;P0f0是常数;k是谱指数,通常介于-3到1之间的任意实数,其中整数k代表一些特殊的噪声类型:k=0时是标准的白噪声(white noise,WN)、k=-1时是标准的闪烁噪声(flicker noise,FN)、而k=-2时则是标准的随机漫步噪声(random walk noise,RWN)。另外,除了标准的白噪声以外,其余的部分统称为有色噪声。

计算厦门市的6个连续观测测站(见表 1),发现台站的三分量噪声的谱指数k介于-0.6~0之间,所以可以判断“WN+FN”是最佳噪声模型。图 1为测站XMJM的功率谱图。

表 1 时间序列分析结果,测站的北向、东向、垂向3分量的速度值及误差 Tab.1 Results of Time Series Analysis, Velocity Value and Error of Three Components of North, East and Zenith of Station

图 1 XMJM测站的功率谱图,谱指数介于-1~0之间 Fig.1 Power Spectrum of XMJM, Spectrum Index is Between -1 and 0

CATS(create and analyse time series)由Williams等[8]开发的一个独立的C程序,是比较连续GPS坐标时间序列中的随机噪声过程的软件。CATS软件也是以命令行计算参数,数据输入以文件形式,具体的格式与说明参考安装目录下的用户手册。

若需要求取年周期和半年周期,使用—sinusoid来控制;求解年和半年正弦曲线,使用—sinusoid 1y;为求解周年和半周年正弦曲线,使用—sinusoid 1y1。其他更详细的控制参数可以参见CATS的使用者操作手册。为了比较噪声模型对分析结果的影响,CATS软件分别对同一批资料进行WN模型分析和“WN+FN”模型分析,GPS连续观测数据在时间序列分析的过程中,最常被考虑到的通常是地震相关的修正模型参数与长周期的变动。例如同震造成的时间序列不连续,震后的异常活动,更或是季节性的变化等等[6-11]。但最基本的就是测站的线性变化,即速度项。因此以速度项的模型结果,做为探讨比较的重点。

表 1列出时间序列分析后部分测站的北向(Vn)、东向(Ve)与垂向(Vu)3分量的速度值,其中每一测站横栏中上方为经过噪声模型“全频等幅杂波+闪变杂波”(“WN+FN”)处理分析的结果,下方则没有经过噪声模型分析(WN)。结果指出,没有使用噪声处理,模型参数的误差将明显被低估[6]。其中位于误差后面的常数是两者误差的倍数,平均而言,经过噪声模型处理后的误差在北向、动向和垂向方向约为原本的6.7、5.9和6.0倍。换而言之,若没有考虑时间序列中时间相关的噪声,误差将被低估约6倍左右。

3 结束语

本文采用GAMIT/GLOBK软件对2013-2015年厦门市3 a连续观测的GPS数据进行解算并对获取的时间序列进行进行噪声分析,采用频谱分析法确定具体噪声模型,然后用CATS软件顾及噪声估算GPS时间序列的周期特性以及速度场。结果表明,厦门市的连续站的最佳噪声模型是“WN+FN”,并且若没考虑时间序列中时间相关的噪声影响,速度场估算误差将被低估6倍左右。

参考文献
[1]
王光禄. 厦门市的环境地质[J]. 水文地质工程地质, 1999(4): 24-25.
[2]
吴海新. GAMIT/GLOBK坐标系到CGCS2000坐标系的转换研究[J]. 测绘与空间地理信息, 2015(6): 208-209. DOI:10.3969/j.issn.1672-5867.2015.06.071
[3]
Li X, Xu L, Fang Y, et al. Estimation of the Precipitable Water Vapor from Ground-Based GPS with GAMIT/GLOBK[C]. IITA-GRS 2010, Wuhan, 2010 https: //www.researchgate.net/publication/251957928_Estimation_of_the_precipitable_water_vapor_from_ground-based_GPS_with_GAMITGLOBK
[4]
Schmid R, Steigenberger P, Gendt G, et al. Generation of a Consistent Absolute Phase-Center Correction Model for GPS Receiver and Satellite Antennas[J]. Journal of Geodesy, 2007, 81(12): 781-798. DOI:10.1007/s00190-007-0148-y
[5]
王伶俐, 邵德盛, 洪敏. 云南境内陆态网络GNSS观测资料数据处理与初步结果[J]. 震灾防御技术, 2015, 10(1): 141-150.
[6]
Nikolaidis R. Observation of Geodetic and Seismic Def ormation with the Global Positioning System[J]. Cancer Research, 2002, 71(8 Supplement): 714.
[7]
Merz P H, Painter L J, Ryason P R. Aerometric Data Analysis-Time Series Analysis and Forecast and an Atmospheric Smog Diagram[J]. Atmospheric Environment, 1972, 6(5): 319-342. DOI:10.1016/0004-6981(72)90199-0
[8]
Williams S F, Simon D P. Error Analysis of Continuous GPS Position Time Series[J]. Journal of Geophysical Research, 2004, 109(B3): B03412.
[9]
Mao A, Harrison C G A, Dixon T H. Noise in GPS Coordinate Time Series[J]. Journal of Geophysical Research:Solid Earth, 1999, 104(B2): 2 797-2 816. DOI:10.1029/1998JB900033
[10]
Zhang J, Bock Y, Johnson H, et al. Southern California Permanent GPS Geodetic Array:Error Analysis of Daily Position Estimates and Site Velocities[J]. Journal of Geophysical Research Solid Earth, 1997, 102(B8): 18 035-18 055. DOI:10.1029/97JB01380
[11]
王敏, 沈正康, 董大南. 非构造形变对GPS连续站位置时间序列的影响和修正[J]. 地球物理学报, 2005, 48(5): 1 045-1 052.