基于深度BP/ELMAN神经网络的山区GNSS高程转换精度分析

将GNSS测量的大地高以较高精度转换为工程所需的正常高具有重要的实用价值。本文利用GSVS2017项目高精度的GNSS水准数据,分析了深度BP/ELMAN神经网络、广义回归神经网络(GRNN)、径向基函数神经网络(RBFNN)、支持向量机回归(SVR)、二次曲线拟合和曲面拟合等方法用于GNSS高程转换的精度。试验结果表明:①在训练点间距为50、30、15、10、5 km时,采用隐含层激励函数为ReLU的深度BP/ELMAN神经网络,其精度比GRNN、RBFNN、SVR、二次曲线拟合和曲面拟合方法高;②利用隐含层激励函数为ReLU的深度BP/ELMAN神经网络进行GNSS高程转换,5种训练点间距均可使90%以上检核点间的高差满足四等水准测量精度,75%以上满足三等水准测量精度要求,训练点间距为5 km时,55%以上的高差可达到二等水准测量精度要求。

SWARM监测松辽流域陆地水储量变化的适用性分析

针对GRACE与GRACE-FO卫星存在衔接空白且卫星加速度计已出现受损的情况,SWARM卫星监测可作为一种有效补充的技术手段。本文选择ASU、IGG和COST-G等机构的SWARM时变模型监测松辽流域陆地水储量变化,并与GRACE、GRACE-FO时变模型进行比较。结果表明:①各SWARM时变模型的前10阶位系数与GRACE模型精度接近,其中IGG-SWARM模型经1200 km高斯滤波后的信噪比,相较于ASU和COST-G模型分别高62.47%、55.99%;②IGG-SWARM时变模型可探测松辽流域大尺度陆地水储量的时空变化特征,识别流域内的显著旱涝事件,与GRACE、GRACE-FO时变模型均反映出松辽流域在2015年7月—2020年12月的陆地水储量整体呈上升趋势,两者在数据重叠时段的相关系数可达0.6以上。因此,SWARM时变模型可适用于监测松辽流域的陆地水储量变化研究。

联合GRACE与GRACE-FO反演2002~2020年长江流域陆地水储量变化

探讨采用不同激励函数的BP和RBF神经网络方法填补GRACE与GRACE-FO卫星空缺数据的精度及可行性,并基于最优方案对缺失数据进行填充;利用ITSG-Grace2018和ITSG-Grace_operational时变重力场模型反演2002~2020年长江流域陆地水储量变化,并结合GLDAS模型、降水、气温及长江流域水资源公报等数据对该区域的陆地水储量变化进行综合分析。结果表明:1)隐含层激励函数为线性整流函数(ReLU)的BP神经网络算法具有较好的拟合效果,可用于填充GRACE与GRACE-FO卫星任务间的数据空缺;2)长江流域的陆地水储量变化具有一定的区域差异性,主要表现为上游东部与中游大部分地区陆地水储量以5 mm/a左右的速率上升,上游中西部区域下降,下游基本保持不变;长时间序列的GRACE/GRACE-FO时变模型能够反映长江流域2019年的干旱与2017年、2019年的洪涝等灾害。

利用COST-G GRACE时变模型反演黄土高原陆地水储量变化

综合利用COST-G GRACE时变重力场模型、降水、气温、GLDAS模型中地表水、实测浅层地下水和NDVI等多源数据,分析2002-04~2016-12黄土高原陆地水储量的时空变化特征,并利用偏最小二乘回归方法定性分析黄土高原陆地水储量变化的驱动因素。结果表明:(1)研究时段内黄土高原陆地水储量具有上升-下降-平缓下降的变化特征,山西省陆地水储量亏损趋势明显;(2)2004~2009年采煤用水、人类生活用水和植被作用是黄土高原陆地水储量下降的重要因素,2010~2016年工业用水、人类生活用水和气温上升是黄土高原陆地水储量下降的重要因素。

GRACE/GRACE-FO重力卫星揭示近20年河西走廊陆地水储量时空变化

河西走廊由疏勒河流域、黑河流域和石羊河流域组成,水资源保护对河西走廊生态平衡和经济发展有着重要意义.本文利用JPL GRACE/GRACE-FO Mascon模型反演该区域陆地水储量的时空变化,结合GLDAS模型、实测地下水位和冰川水模型等数据对陆地水储量进行水平衡分析及时空特征变化分析,结果表明:(1)2002-04—2020-01间由于降水和冰川融水的补充,疏勒河流域南部和黑河大部分区域陆地水储量空间变化呈上升趋势,而蒸散消耗与农业扩张则导致疏勒河流域北部和石羊河流域陆地水储量下降;(2)通过水平衡研究发现人类耗水是疏勒河流域、黑河流域和石羊河流域陆地水储量变化的重要因素,平均贡献率分别为-24.49%、-47.20%和-43.29%;(3)河西走廊水资源治理政策的实施减少了农业灌溉耗水量、控制了耕地面积的扩张、抑制了地下水储量的消耗.