由Torus方法确定300阶次高精度全球GOCE卫星重力场模型的研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    41574019
  • 项目类别:
    面上项目
  • 资助金额:
    65.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    D0401.物理大地测量学
  • 结题年份:
    2019
  • 批准年份:
    2015
  • 项目状态:
    已结题
  • 起止时间:
    2016-01-01 至2019-12-31

项目摘要

The high-accuracy and high-resolution satellite gravity field models include the high-accuracy long-wavelength, medium-wavelength and short-wavelength gravity signals, which could be used for the modernization of the Chinese national height datum. The theory and methodology of the determination of the high-accuracy and high-resolution global satellite gravity models from GOCE data based on the Torus method are studied in this project. The research emphases of the project are the optimal filtering method of the colored noise of SGG observations, the numerical differentiation approaches for deriving the satellite motion accelerations, the frame transformation approaches of the SGG data, the gridding methods of the SGG and the gravitational acceleration observations, the optimal combination technique of the different observations, the polar gap problem, and the fast and stable algorithms for recovering gravity filed. The related key technologies will be broken through. One high-accuracy global satellite gravity field model up to degree and order 300 is recovered by combining the SGG and the SST data of GOCE mission. The estimated model will be validated by the independent GPS-leveling data and ground gravity data. In terms of the 100km spatial resolution, the geoid accuracy of the model is 2-3cm, which is close to the released international GOCE satellite gravity field models. The results of this project can also be used for developing Chinese independent satellite gradiometry mission and the researches of the fields related to the earth science. The study of the project has the important scientific and practical significance.
高精度高分辨率的卫星重力场模型可为我国实现国家高程基准现代化提供高精度的长波、中波及短波重力信息。本项目主要研究利用Torus方法恢复全球高精度高分辨率GOCE卫星重力模型的相关理论和方法,重点研究SGG观测值的有色噪声的最优滤波方法、确定卫星运动加速度的微分方法、SGG观测值的坐标系转换方法、SGG和引力加速度观测值的格网化方法、多源观测数据的最优融合方法、极空白问题以及重力场模型解算的快速稳定算法,突破一系列相关的关键技术,联合GOCE任务的SGG和SST观测数据恢复300阶次高精度全球卫星重力模型,并用地面GPS水准、重力等独立数据对其进行精度检验,在100公里空间分辨率上大地水准面的精度达到2-3厘米,精度水平与国际同类模型相当。成果也能为我国发展自主卫星重力梯度计划提供技术支撑,还可用于地球科学相关领域的研究,有着重要的科学和现实意义。

结项摘要

静态/时变地球重力场信息是建立现代测绘高程基准体系不可或缺的基本资源,是建立全球/区域统一高程基准的前提,还可用于固体地球物理学、海洋学等地球学科及其应用研究。卫星重力是目前快速测定全球重力场的唯一可行技术,本项目针对GOCE卫星梯度测量任务,主要研究四项内容:GOCE卫星重力原始观测数据的精化技术和方法、Torus方法用于GOCE实测数据反演重力场模型的理论与方法、SGG和引力加速度观测值联合反演高阶次重力模型的相关理论与方法、300阶次高精度全球卫星重力场模型的确定及检验。主要研究成果有:.(1)深入研究了Torus方法的基本原理及与其相关的理论与方法。推导了基于2D-FFT技术且顾及相移的Torus面上观测值的球谐综合与球谐分析的实用公式,并实现了块对角最小二乘法;同时深入研究了解决法方程病态的正则化方法和SGG和SST观测值联合的数据融合方法。.(2)研究了引力梯度观测值由实测轨道归算至名义轨道的方法,提出采用移去—恢复法加迭代策略来减弱归算误差及参考模型的影响。数值研究表明三次样条法对卫星位置/速度格网化精度最高,Kriging方法对引力梯度和加速度观测值格网化精度较高。.(3)提出了基于载波相位微分加速度确定卫星重力场的新思路,该方法不需要估计载波相位整周模糊度,并能消弱相邻历元间的系统误差,因此较传统方法在精度上略有提高。深入分析了引力梯度观测值中有色噪声的处理方法,最终提出采用联合Butterworth零相移滤波和移去—恢复技术处理观测值的有色噪声。.(4)独立自主研制了基于Torus方法确定GOCE卫星重力场模型的软件系统,包括引力梯度数据有色噪声滤波、引力梯度观测值归算和格网化、块对角最小二乘算法、2D-FFT转换等模块。利用模拟数据验证了利用GOCE观测数据基于Torus方法确定重力场模型的可行性和有效性。.(5)联合GOCE卫星运行周期内沿轨道引力加速度和重力梯度观测值,构建了300阶次的纯GOCE卫星重力场模型,其大地水准面累积误差在200阶次(100km)为2.67cm,美国和中国GPS/水准数据检核证明,该模型在200阶次与ESA发布的模型精度相当,在中国区域明显优于EGM2008。.成果能为我国发展自主卫星重力梯度计划提供技术支撑,还可用于高程基准模型构建和地球科学相关领域的研究。

项目成果

期刊论文数量(7)
专著数量(0)
科研奖励数量(2)
会议论文数量(0)
专利数量(1)
一种新型重力测量卫星系统确定全球重力场的性能分析
  • DOI:
    --
  • 发表时间:
    2018
  • 期刊:
    地球物理学报
  • 影响因子:
    --
  • 作者:
    徐新禹;姜卫平;张晓敏;周晓青;丁延卫;朱广彬
  • 通讯作者:
    朱广彬
GOCE-Derived Coseismic Gravity Gradient Changes Caused by the 2011 Tohoku-Oki Earthquake
GOCE 衍生的 2011 年东北冲地震引起的同震重力梯度变化
  • DOI:
    10.3390/rs11111295
  • 发表时间:
    2019
  • 期刊:
    Remote Sensing
  • 影响因子:
    5
  • 作者:
    Xu Xinyu;Ding Hao;Zhao Yongqi;Li Jin;Hu Minzhang
  • 通讯作者:
    Hu Minzhang
Cycle Slip Detection and Repair for Dual-Frequency LEO Satellite GPS Carrier Phase Observations with Orbit Dynamic Model Information
具有轨道动态模型信息的双频 LEO 卫星 GPS 载波相位观测的周跳检测和修复
  • DOI:
    10.3390/rs11111273
  • 发表时间:
    2019-05
  • 期刊:
    Remote Sensing
  • 影响因子:
    5
  • 作者:
    Wei Hui;Li Jiancheng;Zhang Shoujian;Xu Xinyu
  • 通讯作者:
    Xu Xinyu
Gravity Field Model Determination Based on GOCE Satellite Point-Wise Accelerations Estimated from Onboard Carrier Phase Observations
基于星载载波相位观测估计的 GOCE 卫星逐点加速度的重力场模型确定
  • DOI:
    10.3390/rs11121420
  • 发表时间:
    2019-06
  • 期刊:
    Remote Sensing
  • 影响因子:
    5
  • 作者:
    Wu Tangting;Li Jiancheng;Xu Xinyu;Wei Hui;Kuang Kaifa;Zhao Yongqi
  • 通讯作者:
    Zhao Yongqi
利用GOCE模拟观测反演重力场的Torus法.
  • DOI:
    --
  • 发表时间:
    2015
  • 期刊:
    测绘学报
  • 影响因子:
    --
  • 作者:
    刘焕玲;文汉江;徐新禹;朱广彬
  • 通讯作者:
    朱广彬

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

GOCE实测数据反演高阶重力场模型的Torus方法
  • DOI:
    --
  • 发表时间:
    2020
  • 期刊:
    测绘学报
  • 影响因子:
    --
  • 作者:
    刘焕玲;文汉江;徐新禹;赵永奇;蔡剑青
  • 通讯作者:
    蔡剑青
利用能量法由沿轨扰动位数据恢复
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    武汉大学学报(信息科学版),2006,Vol31(11):1011-1014.
  • 影响因子:
    --
  • 作者:
    邹贤才;李建成;徐新禹;王正涛
  • 通讯作者:
    王正涛
新一代探测地球重力场的卫星编队
  • DOI:
    --
  • 发表时间:
    2014
  • 期刊:
    测绘学报
  • 影响因子:
    --
  • 作者:
    赵伟;赵倩;徐新禹;邹贤才
  • 通讯作者:
    邹贤才
GOCE卫星重力梯度测量误差分析及其模拟研究
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    大地测量与地球动力学
  • 影响因子:
    --
  • 作者:
    徐新禹;王正涛;邹贤才;朱广彬;Xu Xinyu1,2), Wang Zhengtao1,2), Zou Xiancai1,2) a
  • 通讯作者:
    Xu Xinyu1,2), Wang Zhengtao1,2), Zou Xiancai1,2) a
GOCE卫星重力探测任务
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    大地测量与地球动力学,2006,Vol.26(4):49-55
  • 影响因子:
    --
  • 作者:
    徐新禹;李建成;邹贤才;褚永海
  • 通讯作者:
    褚永海

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

徐新禹的其他基金

未来卫星重力梯度测量及其时变应用研究
  • 批准号:
  • 批准年份:
    2020
  • 资助金额:
    59 万元
  • 项目类别:
    面上项目
我国自主高精度2′×2′空间分辨率全球重力场模型构建的研究
  • 批准号:
    41774020
  • 批准年份:
    2017
  • 资助金额:
    69.0 万元
  • 项目类别:
    面上项目
利用GOCE观测数据确定200阶高精度全球重力场模型的研究
  • 批准号:
    40904003
  • 批准年份:
    2009
  • 资助金额:
    20.0 万元
  • 项目类别:
    青年科学基金项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码