中国布格重力异常水平梯度图的判读和构造解释

分析和对比中国大陆布格重力异常水平梯度的彩色图像,得到一些新的构造特征信息.大致以105°E为界,图像的东部以蓝色低梯度为背景,出现中、高梯度带状构造和大梯度差值边界的线状构造;西部以高、中梯度的带状构造为格架,镶嵌着低梯度区,区内有阴影线状构造.总体上,重力异常水平梯度构造可概括为三大组.第一组是NNE向的大兴安岭、太行山、武陵山高梯度带与斜切东部全区的郯庐大断裂带和NNW向的斜切西部全区的三条大断裂带;第二组为西部的NWW向与NEE向高、中梯度带的交叉构造格局,以及东部近于等间距的三条NWW向断续的阴影构造带和一条单一的构造线,而华南则仅有NE向的低梯度构造线;第三组是横贯全区的的几条近EW向和中部SN向宽而复杂的构造带,在后者的东、西两侧散臣着大间距、小长度、断续的SN向阴影构造线.这三组重力梯度构造不仅反映了地貌起伏的信息,而且显示了大区域构造,特别是深部构造的密度差.各组线状构造带的内部结构和各组的形成时间及演变历史可能不同,但它们相互复合构成现今总体的构造格局,对大尺度现代构造应力场作用都会有不同的响应,因此导致主应力方向的区域性变化.

利用垂直重力梯度异常反演海底地形

根据海底地形与海面重力异常之间的响应函数关系,给出了海底地形起伏与海面垂直重力梯度异常之间的响应函数关系。据此,采用高斯型海山模型,进行了利用垂直重力梯度异常反演海底地形的模拟研究。研究了岩石圈有效弹性厚度、地壳密度以及截断波长对反演结果的影响,并通过实际数据试验计算得到了高精度的海底地形模型。

矩形棱柱体重力梯度张量异常正演计算公式

矩形棱柱体重力梯度张量异常常用的正演计算公式含有解析奇点。结合理论推导过程详细分析了"奇点"存在的原因,并基于前人提出的长方体ΔT场及其梯度场无解析奇点理论表达式,建立了矩形棱柱体重力梯度张量无解析"奇点"公式,通过模型计算结果对比和理论分析证明了其正确性。

重力异常垂直梯度中央区效应的精密计算

为提高利用重力异常计算重力异常垂直梯度中央区效应的精度,视中央区为矩形域,将重力异常表示成双三次多项式插值形式,引入非奇异变换,推导出了重力异常垂直梯度中央区效应的精密计算公式。以低纬度区域分辨率为2'×2'的重力异常数据为背景场进行了仿真分析,结果表明在解算计算点所在的1个网格的中央区效应时,传统公式与本文导出公式计算结果差值的最大值达数E。该导出公式可为重力异常垂直梯度中央区效应的精密计算提供理论依据。

重力数据融合与重力垂直梯度异常反演

重力垂直梯度异常反应了重力异常的空间变化率,在地球物理勘探等多学科中得到越来越多的应用。利用南海局部区域实测重力异常数据和Sandwell测高重力异常数据,将搜索范围、距离和精度多种因素融合考虑并对Shepard算法进行改进,给出了南海局部区域(19°N^20.5°N,114°E^115.5°E)分辨率1'×1'的重力异常并反演了对应分辨率的重力垂直梯度异常。结果表明,基于Shepard改进算法的高精度船测重力和测高重力的有机融合,增强了单一测高重力数据反演重力垂直梯度异常的细节纹理,提高了反演重力垂直梯度异常的分辨率和精度。

不同小波基函数在重力梯度异常正演计算中的应用研究

在复杂地质体的重力梯度异常正演计算中,会生成巨型稠密的灵敏度矩阵,相对应的内存存储需求和矩阵向量乘法的耗时都会增加。笔者基于小波变换理论,首先从理论上给出了小波域中的重力梯度异常正演方程,之后选用不同小波基函数进行模型正演对比实验探讨计算效率。研究表明Db3小波基函数能有效减少正演计算中灵敏度矩阵对内存的需求,同时减少矩阵向量乘法操作数。

联合重力异常和重力垂直梯度异常数据反演皇帝山海域海底地形

海底地形对开展海洋科学调查和研究十分重要。以多波束为主的回声测深技术测量成本高且效率低,几十年来仅实现了全球约20%的海床测绘。对于空白区(特别是深海区域),可以借助重力异常和重力垂直梯度异常进行回归分析反演得到,但该方法得到的比例因子鲁棒性不强。为了解决这一问题,同时考虑到两种重力数据在表征海底地形长短波长的不同优势,本文结合滑动窗口赋权和稳健回归分析来反演海底地形。在太平洋皇帝山海域(35°~45°N,165°~175°E)的实验结果表明:在船测检核点处,本文构建模型的标准差为61.02 m,相比于单一重力数据反演模型,精度分别提高了14.92%(重力异常)和2.08%(重力垂直梯度异常),能较好地反映皇帝海山链的地形走势。

海洋垂直重力梯度异常的计算及其在地形反演中的应用

将测高重力异常、局部大地水准面和垂线偏差作为输入数据,计算海洋垂直重力梯度异常。以中西太平洋海域作为研究对象,对垂直重力梯度异常和海底地形的相关性进行分析,在20~200km波段范围内利用梯度异常推估海底地形。结果表明,反演地形的相对精度在7.14%左右,在多海山地区精度较差。

基于深度学习的重力异常与重力梯度异常联合反演

高效高精度的反演算法在重力大数据时代背景下显得尤为重要,受深度学习卓越的非线性映射能力的启发,本文提出了一种基于深度学习的重力异常及重力梯度异常的联合反演方法.文中首先提出了一种基于网格点几何格架的重力异常及重力梯度异常的空间域快速正演算法,这为本文深度学习反演算法的实现奠定了基础;其次对大量的不同密度模型进行正演计算获得样本数据集;然后设计了一种端到端的深度学习网络结构(GraInvNet),再利用样本数据对该网络结构进行训练;最后进行反演预测.组合模型试验表明,多维度数据联合反演相比单一分量反演其结果更“聚焦”,且与模型边界高度吻合,并且对于复杂模型的姿态与物性预测具有极为显著的优势,以及对于含噪声数据的反演,其质量也不会降低;Vinton岩丘实测重力数据也验证了文中方法的有效性;从而证明了深度学习在重力数据的高效高精度反演方面具有的巨大潜力.

重力异常垂向梯度严密改化模型及应用

积分奇异性和数值不连续性是改化重力异常垂向梯度全球积分模型面临的两大主要难题.本文研究并指出了积分模型传统改化方法存在的理论缺陷,同时依据实测数据保障条件,联合采用积分恒等式转换和移去恢复运算技术,分别推出了计算地球外部及地面重力异常垂向梯度全球积分模型的分步改化公式,提出了补偿传统改化模型理论缺陷的修正公式.以超高阶地球位模型EGM2008作为数值试验标准场,分别开展改化模型精度比对分析和向下延拓应用效能评估试验,从不同侧面验证了采用严密改化模型的必要性和有效性.

联合卫星测高重力数据构建海底地形的理论与方法研究

卫星测高技术反演海底地形是目前主要依赖的高效构建全球海底地形方法。论文主要针对利用卫星测高反演海底地形存在的关键技术问题,重点研究了联合卫星测高重力异常(gravityanomaly,GA)与重力异常垂直梯度(vertical gravitygradientanomaly,VGG)反演海底地形的非线性最小二乘迭代和顾及地形非线性项的最小二乘配置等理论与方法。

重力及重力梯度联合反演青藏高原及邻区岩石圈三维密度结构

本文利用GOCEL2观测重力梯度的五个独立分量(T_(xx),T_(zz),T_(xy),T_(xz),T_(yz)),联合EGM2008地球重力场模型计算垂直重力,反演计算了青藏高原及邻区0~120 km深度岩石圈三维密度结构.将经过低阶项改正、地形效应改正、沉积层界面起伏效应改正得到的剩余重力及重力梯度异常值作为观测值,以改正剩余量归一化权重作为观测权重,基于Tikhonov正则化理论建立反演目标函数.反演过程中,利用地震层析S波速度转换密度作为初始约束,通过非等权最小二乘迭代法计算得到最终反演密度.反演结果表明:(1)40 km深度,青藏高原内部为中地壳,表现为低密度,邻区为中下地壳,表现为高密度.青藏高原内部中地壳强低密度层主要分布在高原边界.其成因是印度板块俯冲和周围坚硬块体阻挡作用导致在高原边界形成的高应变积累闭锁区,为壳内低密度软弱物质的形成提供了条件.(2)80 km深度,青藏高原上地幔顶部显示出低密度的特征.高原内部东、中、西密度特征差异明显,低密度以95°E为中心线呈东西对称分布.以班公一怒江缝合带为中心,在拉萨块体和羌塘块体内从北向南出现了"低-高-低"的密度分布起伏特征.该特征与GRACE得到的莫霍面起伏特征一致,结合大地构造结果,这种起伏特征验证了印度、羌塘块体从南北两侧分别向喜马拉雅、拉萨地块挤入的双向俯冲模式.(3)四川盆地和鄂尔多斯盆地内,地壳高密度异常较地震波速异常明显偏低,表明古老的四川盆地和鄂尔多斯盆地比想象中更冷、更坚硬.塔里木盆地和柴达木盆地内壳、幔高密度的结构特征,对应地幔物质上涌.

利用比值DEXP进行重力梯度数据深度成像

针对传统DEXP快速成像结果依赖于地质体构造指数的缺点,笔者提出了利用重力异常不同阶垂向导数比值DEXP的方法。该方法使得成像结果独立于地质体构造指数。地质体的深度估计完全自动化,仅需要寻找比值DEXP成像结果的极大值点位置。通过该方法估计出的深度结果,可以进行地质体构造指数的估计。通过模型试验,证明该方法能准确地估计出地质体的深度位置以及地质体的类型。将该方法应用到Bell Geospace公司在Vinton Dome测得的Air--FTG全张量重力梯度数据中取得了很好的结果。

海面重力异常向下延拓的两种方法

针对空间重力异常向下延拓方法不适用于海面重力异常向下延拓的问题,根据珀雷原理求地球表层内部重力的方法、海水密度及海底地形的特征,提出了两种海面重力异常向下延拓的算法。数值实验结果验证了新方法的有效性。

浅地表地下质量异常重力与磁探测数值模拟方法

提出一种重磁观测值数值模拟方法,用于地下空穴测量数据的解释和反演算法研究。采用更具结构灵活性的旋转椭球体作为地下空穴模型,在重力异常和重力梯度异常计算表达式的基础上,推导其磁异常计算表达式,实现空穴重磁异常信号的分析计算;借助扰动位的功率谱密度函数实现重力异常谱和重力梯度异常谱的计算,经傅立叶逆变换到空间域实现背景场统计学模拟;采用高斯白噪声模拟测量仪器或其它随机噪声信号。将三部分数据叠加并进行数值仿真,证明该方法合理有效。

基于深度学习的2D-3D地下密度异常体反演方法

地下密度异常体反演需要由二维数据反演三维结果,为了高效、高精度地反演地下异常体的位置及密度信息,本文提出2D-3D InvNet深度学习反演方法.方法的编-解码器结构,在编码阶段利用二维卷积网络结构提取地表重力异常及重力梯度异常数据信息,解码阶段利用三维卷积网络结构恢复异常体地下形态,实现了二维和三维网络结构的结合.为了精确地反演异常体密度,提出利用加权均方误差(WtdMSE)作为损失函数,同时为了更好地评估反演结果,引入核密度函数作为评价手段.与均方误差(MSE)相比,利用WtdMSE作为损失函数对异常体密度的反演结果更为准确,异常体所在区域的密度误差减少50%以上.对理论样本的反演结果表明,2D-3D InvNet在准确反演异常体地下位置的同时,也能给出准确的密度信息.应用此方法对西澳大利亚Kauring地区实测数据进行反演,我们成功获得了此区域地下异常体的密度分布.理论与实际应用结果表明,2D-3D InvNet深度学习方法稳定且具有较强的泛化性能,能在无需规定限制条件的情况下快速获得准确的反演结果.

基于地形单元分区的BP神经网络反演海底地形

海底地形和海洋重力场在一定波段频率域上存在相关性,传统海底地形反演方法主要考虑海底地形与重力数据之间的线性关系,而忽略非线性项作用对反演结果的影响。基于此,提出了基于海底地形单元分区的BP神经网络反演方法,改善海底地形反演精度。选取东印度洋北部东经90°海岭附近海域(83°E~92°E,10°S~10°N)为实验区,利用船测水深、卫星测高重力等数据,根据地形特征将实验区分为海盆区和海岭区,使用BP神经网络方法分别进行海底地形反演,构建了实验区1′×1′局部海底地形模型。结果表明,基于地形单元分区的反演结果模型平均相对误差精度可达1.45%,比未分区的反演结果均方根误差降低了42 m,验证了本文方法的有效性和可行性。

重力信息反演海底地形的非线性影响研究分析

基于Paker理论导纳函数模型,研究分析了频率域海底地形非线性项对重力异常与重力异常垂直梯度贡献的量级。通过对日本某海域数值实验结果表明,频率域海底地形非线性项对重力异常的影响需要考虑到三次项,对重力异常垂直梯度量级的影响需要考虑到四次项。研究结果对于提高利用重力异常和重力异常垂直梯度反演高精度海底地形具有应用价值。

由垂直重力梯度异常反演全球海底地形模型

给出海底地形起伏与垂直重力梯度异常之间的响应函数关系。据此,联合船测海深和垂直重力梯度异常数据,构建了全球75°S—70°N范围内1′×1′海底地形模型。以船测海深为检核参考,考察了本文模型在印度洋南部和西北太平洋地区的精度。结果表明,在考察区域内,本文模型精度优于ETOPO1、GEBCO和DTU10模型,且在印度洋南部与SIO的最新海底地形模型V15.1精度相当,在西北太平洋地区略优于V15.1。探讨了高次项和地壳均衡现象的影响量级,发现两者对反演结果的影响很小,可以忽略。通过与重力异常反演结果的比较,发现垂直梯度异常反演在中短波长部分(100~200km)表现较优。在西北太平洋地区,联合重力异常和垂直梯度数据进行海底地形反演计算,反演结果的精度较V15.1模型提高了约29.5%,说明联合这两种数据可以计算精度更高的海底地形模型。