基于不同数据源的环境负载效应研究

（中铁第一勘察设计院集团有限公司，陕西西安 710043）

0.引言

目前建有IGS跟踪站网[1]、中国地壳运动观测网络[2]及各省市CORS网络等众多GNSS连续运营站网，获得海量GPS坐标时间序列观测数据，为大地测量学、地壳构造运动和地球动力学研究提供了丰富的资料。随着研究的深入，发现GPS坐标时间序列包含构造信息和非构造信息。大气负载和水文负载等统称为环境负载，它的地表物理流体迁徙是非构造信息的主要成分，也是造成GPS坐标时间序列中非线性变化的主要因素之一[3-4]。

在环境负载改正方面，贺小星等（2015）使用QOCA计算了2004―2011年期间南加州的22个IGS站点环境负载引起的位移，发现它可以解释GPS垂向时间序列的大约12.70%～21.78%的季节性振幅。但是两个研究区域，环境负载的改正效果不同，说明环境存在区域差异性[5]。姜卫平等（2013）采用QOCA、GGFC和OMD不同方法计算的环境负载对全球233个GPS参考站垂向时间序列进行处理，对比分析发现QOCA、GGFC和OMD方法处理后GPS垂向时间序列的WRMS分别减小41%、64%和74%，证明在计算环境负载时使用OMD方法较优[6]。Peng Yuan等（2018）利用GFZ提供的环境负载数据源计算并改正了中国地壳运动观测网络235个GPS测站垂向位移时间序列，结果表明环境负载的位移时间序列与GPS时间序列振幅基本一致，但存在相位差异；大气负载、非潮汐负载和水文负载改正后，GPS时间序列的RMS值减小约20%[7]。

目前国内外学者的研究结果均表明环境负载与GPS坐标时间序列的非线性运动有较大关系，是非构造运动的主要因素。但是不同学者计算的环境负载影响量级具有一定的差异，分析认为可能主要是由GPS和地球物理数据源差异导致。环境负载计算现在主流所用的地球物理数据源有QOCA、GFZ和GGFC 3种环境负载数据源对应的计算模型也略有差异。本文通过研究以上3种数据源，选取全球IGS数据，对比分析3种数据源的改正效果。

1.数据来源

1.1 GPS数据

为了全面对比分析三种数据源的适用性，本文从SOPAC网站获取全球IGS站网测站时间序列，选取其中质量较好、全球覆盖分布的277个IGS站2003―2012年坐标时间序列。

1.2 环境负载计算数据源

一是基于QOCA软件中的mload模块来计算；二是根据GFZ提供的数据格网进行计算；三是根据GGFC的数据及方法进行计算。

（1）基于QOCA的数据源。QOCA软件采用美国国家环境预报中心（national center for environmental prediction，NCEP）的数据计算环境负载，其中大气负载计算数据为时间分辨率为6h、空间分辨率为2.5°×2.5°的全球地表压力格网数据；积雪负载和土壤湿度负载采用时间分辨率为24h、空间分辨率为1.875°的再分析数据[8]。特别要说明的是在GFZ和GGFC提供的数据源中，将积雪负载和土壤湿度负载综合在一起称为水文负载。

（2）GFZ数据源。GFZ机构提供有大气负载（ATML）、水文负载（HYDL）和海洋非潮汐负载（NTOL）引起地球表面变形的全球格网数据。其中大气负载计算数据为时间分辨率为3h、空间分辨率为0.5°×0.5°的非潮汐大气地表压力，计算结果去除大气潮汐引起的部分；水文负载数据为时间分辨率为24h、空间分辨率为0.5°×0.5°的水文地表流量模型计算得到的全球格网数据[9]。

（3）GGFC数据源。全球地球物理流体中心（GGFC，Global Geophysical Fluid Center） 下设的负载特殊管理局提供环境负载引起的形变信息的全球数据源。其中大气负载计算数据为时间分辨率为6h、空间分辨率为2.5°×2.5°已剔除S1、S2大气负载潮汐的表面压力格网数据；水文负载数据为时间分辨率为月、空间分辨率为1.0°×1.0°的 GLADS 全球格网数据[10]。

2.数据处理

当前环境负载计算主要采用1972年Farrell教授提出的格林函数模型，根据全球地表负载q(ϕ,λ)估算由环境负载引起的固体地球表面径向弹性形变u(ϕ,λ)。具体公式如下：

式中λ为经度，ϕ为纬度，为斯托克斯系数，Pn,m为缔合Legendre函数，ρe为固体地球的平均密度值，′为负载勒夫数。

3.结果分析

3.1 环境负载效应影响量级

利用三种数据源分别计算所选测站的环境负载，研究计算了每个GPS测站的环境负载位移时间序列绝对值的平均值和RMS值，图1中红色圆点表示测站环境负载位移量最大，深蓝色最小。由图1（a）可以看出针对同一GPS测站，GFZ计算的环境负载位移值量级比QOCA和GGFC大，但是三种数据源的计算结果共同表现出区域差异性，体现在中高纬度地区测站环境负载位移值明显较大，且北半球较明显。由图1（b）可看出针对同一GPS测站，QOCA和GGFC计算的环境负载位移时间序列的RMS值相比GFZ较小，且均存在南北半球差异，北半球区域测站随纬度增加而增大，且在中高纬度地区达到最大值；而位于南半球的测站环境负载位移时间序列的RMS值较小，且相差不大，分析原因可能与南北半球的海陆分布差异有关。

图1 不同数据源计算的环境负载结果差异

3.2 改正效果对比

上一小节分析了三种不同环境负载数据源（QOCA、GFZ、GGFC）计算的环境负载引起测站垂向位移时间序列的量级，包括负载值绝对值的平均值和负载位移时间序列的RMS。在此基础上研究三者对于测站GPS垂向坐标时间序列的改正效果。将三种不同环境负载数据源计算的垂向位移时间序列从GPS残差时间序列中扣除，计算环境负载改正前后GPS坐标时间序列的WRMS值变化，具体WRMS差值分布见图2。

图2 经不同数据源计算的环境负载改正前后WRMS差值分布

经过环境负载改正后的GPS垂向坐标时间序列的WRMS发生了变化，大部分测站的WRMS值都减小。经过统计后发现经QOCA、GFZ和GGFC数据源计算的环境负载改正后，分别有212（占比76.53%）、209（占比75.45%）和241（占比87%）个测站的GPS垂向坐标时间序列的WRMS值减小，意味着改正这部分测站的环境负载改正效果较好。同时改正前后测站WRMS值大于1mm，即图中颜色为红色的测站主要分布在亚洲、欧洲内部部分测站以及北美洲个别测站。而GPS垂向坐标时间序列WRMS值增大的测站主要位于欧洲中高纬度地区以及其他零散分布的测站，并且这部分测站均距海岸线较近，由此可推测测站离海岸线的距离会对环境负载效应产生影响，但仍需要进一步的研究。

由图2右侧统计直方图可以看出，经环境负载改正前后WRMS差值变化，对于三者来说差异不大，每个差值区间分布的测站数目基本差不多。其中主要差异在-1mm～0mm与0mm～0.5mm区间，因为采用GGFC数据源计算的环境负载位移改正GPS坐标时间序列后，测站WRMS减小的测站为241个，多于QOCA（212个）和GFZ（209个），从中可见GGFC中多出的改正效果较好的测站WRMS差值主要从-1～0mm移动到0mm～0.5mm区间。对于环境负载改正前后测站WRMS差值的研究只体现了环境负载效应对于测站的绝对影响量，现从环境负载改正前后WRMS值变化百分比研究其影响的相对量，具体见表1。从中可以看出，经过不同环境负载计算结果改正后，接近一半测站的WRMS值变化达到0%～10%，近1/3测站的WRMS值变化达到10%～30%。对比发现QOCA与GFZ的结果近乎一致；但GGFC的结果整体优于前两者，WRMS变化百分比为负区间内测站数少于前两者，每个变化百分比为正的区间测站数均多于前两者。

表1 环境负载改正前后WRMS变化百分比区间内测站数统计

3.1节的研究表明，环境负载在垂向引起的位移时间序列与GPS垂向坐标时间序列一样存在周年周期信号，那么经环境负载改正后测站坐标时间序列的周年振幅一定会发生改变。若结果理想，那么经环境负载改正后测站坐标时间序列的周年振幅将减小，意味着环境负载效应得到了有效的剔除。图3中（a）、（b）、（c）分别绘制了经三种不同数据源（QOCA、GFZ和GGFC）计算的环境负载改正前后周年振幅差值分布。

图3 经不同数据源计算的环境负载改正前后周年振幅差值分布

从图3中可以看出经过环境负载改正后，只有少数测站表现为蓝色圆圈，表示这部分测站在经过环境负载改正后，周年振幅值增大，意味着环境负载改正效果消极。观察发现这部分测站的共同特征是位于距离海岸线较近的位置，与改正后WRMS值变大的测站基本一致。经过统计后发现经QOCA、GFZ和GGFC数据源计算的环境负载改正后，分别有243（占比87.73%）、214（占比77.26%）和249（占比89.89%）个测站的GPS垂向坐标时间序列的周年振幅减小。经过GGFC计算的负载位移改正后，特别是北半球的测站随着纬度的增加，改正效果越优。并且在格陵兰岛和南极等地区的测站环境负载效应也得到了较好的消除，说明GGFC提供的用于计算负载的数据源较为精确；而利用GFZ计算的负载位移在南极洲地区改正效果较差，利用QOCA计算的负载位移在格陵兰岛地区的改正效果较差。此外还有三者在欧洲中部地区的改正效果具有明显的差异，GFZ计算的位移负载在该地区改正效果比较好，改正前后周年振基本都减小超过2mm，GGFC次之，QOCA改正效果最弱。但是针对该地区，经过三者改正后测站的周年振幅均减小，意味着QOCA、GFZ和GGFC计算的环境负载效应对于欧洲中部地区比较有效。

经过环境负载改正后的GPS垂向坐标时间序列的周年振幅发生了变化，具体变化百分比统计见表2。

表2 环境负载改正前后周年振幅变化百分比区间内测站数统计

通过此表可以发现：经GFZ改正前后，测站的周年振幅变化百分比分布比较分散，在-100% ～ -50%和50% ～ 100%区间，所占测站数均是三者中最多的，意味着针对全球测站GFZ的改正效果区域差异性太大，究其原因应该与GFZ的使用的负载数据模型相关，其模型主要适用于欧洲及周边地区，类似一个区域参考格网。GGFC在这方面的表现明显较好，首先经GGFC计算的环境负载改正后的测站周年振幅变化百分比值基本大于QOCA和GFZ，超过80%的测站周年振幅变化百分比大于10%。而QOCA改正效果介于两者之间。

采用QOCA、GFZ和GGFC 3种不同数据源改正后，均有80%左右的测站周年振幅减小，并且周年平均振幅变化百分比分别为31.38%、37.55%和39.43%，意味着3种方法对于绝大多数测站改正都有效。但是三者改正效果在南极、格陵兰岛和欧洲中部地区的改正效果具有一定的差异，是因为不用数据源的格网数据不同，体现在精度和区域差异方面。因此3种数据源的改正效果存在区域差异，同时针对每个测站也存在一定的差异。从对比结果来看，GGFC改正效果较好，GFZ和QOCA次之。但是GGFC和GFZ都是通过内插法得到测站的负载位移，而QOCA是直接计算获得测站负载位移结果，在目前提供的全球格网精度下内插结果不可避免存在一定的误差。

4.结论

本文针对选取的全球277个IGS，选取QOCA、GFZ和GGFC三种数据计算环境负载并改正GPS，展示了环境负载效应对于测站GPS垂向坐标时间序列的影响，得出以下结论：

（1）针对所选测站，GFZ计算的环境负载位移时间序列绝对值的平均值和RMS均最大，QOCA和GGFC基本一致。三种数据源计算结果表明环境负载效应存在空间分布差异，主要体现在北半球测站环境负载效应随着纬度增加而增大，且在中高纬度地区达到最大；而南半球测站环境负载效应区域相差不大且整体较小，该现场可能与南北半球的海陆分布差异有关。

（2）统计后发现经QOCA、GFZ和GGFC数据集计算的环境负载改正后，分别有212（占比76.53%）、209（占比75.45%）和241（占比87%）个测站的GPS垂向坐标时间序列的WRMS值减小；分别有243（占比87.73%）、214（占比77.26%）和249（占比89.89%）个测站的GPS垂向坐标时间序列的周年振幅减小。同时发现不同数据集改正对测站垂向时间序列的噪声特性也产生了影响。根据结果综合对比发现GGFC改正效果最好，QOCA次之，GFZ最弱。