考虑多种权重因子的改进叠加滤波方法

针对在提取区域GNSS时间序列共模误差时会存在忽略站间相关性的问题,本文在已有叠加滤波的研究基础上,引入单日解精度、相关系数和距离因子等多种权重因子,提出了考虑多种权重因子的改进叠加滤波方法,并选取山西省测站数据以验证该方法的适用性。结果表明:利用本文的改进叠加滤波方法,测站坐标残差时间序列的均方根在N、E、U 3个分量上可分别平均降低48.53%、39.42%、48.61%,滤波对N、E方向上的速度影响为0.5 mm/a,U方向上为1 mm/a。相较于区域叠加滤波,改进后的方法可使残差时间序列的均方根进一步降低20%~40%,能更加准确地提取共模误差,为区域地壳运动及动力学的分析研究提供精细可靠的数据支持。

融合自适应定权和偏差匹配的多源卫星测高数据水位提取算法

利用卫星测高技术提取湖库水位信息时,融合多种卫星测高数据构建长时序和高精度的水位尤为重要。本文以青海湖为例,选取Envisat、SARAL、Sentinel-3A和Sentinel-3B这4颗测高卫星数据,基于不同数据源结果及其特征构建了20a时长的数据集,提出了融合自适应定权和偏差匹配的多源卫星测高数据水位提取算法,其中自适应定权能根据不同场景选择适当的改正算法模型,并为多源测高参数确定不同的权重参数,从而统一数据。偏差匹配方法则最大程度将定性数据定量化,使水位提取更准确。同时建立了人工智能框架实现了水位提取的自动化和一体化。试验显示,经过自适应定权的多源测高特征值可以被合理分类且具有强相关性,可为构建长时序水位信息提供整体高精度的基础数据;结合偏差匹配方法,以天为尺度提取的水位和实测水位相关系数R2在0.9以上,若将相关系数R2阈值设为0.8,可单次提取5个月时长的水位。结合单天提取和多天提取提出长期提取方法,构建了12a的长时序水位,其相关系数R2在0.9以上,平均绝对误差(MAE)值在1.5~2.0cm之间,均方根误差(RMSE)值在2.0~2.5cm之间,成功构建了长时序和高精度的水位。鉴于此,该数据处理算法和构建的模型在水位信息提取及预测方面体现出一定的实用价值,其研究成果也印证了人工智能与卫星测高相结合在小尺度水域构建长时序高精度水位的可行性。