论文部分内容阅读
日长变化的激发因素包括潮汐和非潮汐两个部分。其中,在小于两年的时间尺度里,非潮汐的日长变化主要源自于大气、海洋以及陆地水与固体地球之间的角动量交换。但不同的水文模型之间,以及水文模型与日长观测序列之间,目前均未能达到一个令人满意的符合程度。这主要是由于不同的水文模型所采用的建模理论以及数据同化方法的巨大差异所造成的。此外,这些模型建模过程中所采用的数学方法,数据覆盖范围、数据长度及质量,观测精度等也有所不同。相比之下,随着各种观测手段的不段提升,日长变化的观测精度目前已经达到了相当高的水平(大致为±0.012μs)。这使得利用相对高精度的日长观测作为参照来改善相对“低精度”的水文模型成为了可能。另一方面,卫星激光测距(SLR)是目前对于地球动力学形状因子(J2项)观测的最为可靠的手段,由于J2项与地球重力场的C20项存在着一定的比例关系(J2=-(?)C20)因此其观测结果一直被相关大地测量研究视为可靠的数据源,同时SLR的C20结果替代了 GRACE得到的C20结果。基于最小差异法(least difference combination,LDC)和加权平均法(weighted mean combination,WMC),本文分别利用高精度的日长变化观测序列约束了地球物理激发的整体,即运动激发+质量激发,利用SLR的C20序列约束了地球物理激发的质量项部分,并构建了新的水文模型组合。此外,本文分别采用两套不同的日长观测序列,即IERS的14C04序列和JPL的SPACE2015序列作为参考,在获得优化的地球物理激发的同时,探讨不同的日长观测序列对于本文LDC/WMC优化结果的影响。由于日长变化的低频部分(5～6年信号、十年尺度信号等)并非主要来自于地表流体层的质量迁移和相对运动。因此考虑日长变化的信号整体会对本文的优化结果带来不利影响。本文基于小波分解的结果,获得地球物理激发以及观测激发的各个周期分量,进而对Chen etal.,(2013b)所提出的最小差异法(LDC)进行改进,即对获得的各周期分量的日长观测激发和地球物理激发进行比较、优化;同时,为了更加深入地讨论不同的原始水文模型所占的权重不同对优化结果的影响,我们提出了两种不同的加权平均策略(WMC2和WMC4)。基于日长观测激发(观测序列以及SLR的C20序列)为约束,三个优化了的水文模型组合(LDC、WMC2、WMC4)均以吸收融合各个原始水文模型中建模最优的部分为目的。我们将本文给出的日长观测激发结果与前人地球物理激发结果进行比较,并对各个水文模型,以及模型分量(大气、海洋和陆地水)的质量进行评定,结果发现:(1)海洋建模方面,ECCO(Estimating the Circulation and Climate of the Ocean)和 MPIOM(Max-Planck-Institute for Meteorology Ocean Model)较 ECMWF 模型(European Centre for Medium-Range Weather Forecasts)所采用的 OMCT(Ocean Model for Circulation and Tides)更为可靠,尤其在周年项的质量项建模方面;(2)SLR的C20序列可以为地球物理激发的质量项部分提供有力约束,尤其在低频部分;(3)ESMGFZ 模型(Earth System Modelling group at GFZ German Research Centre for Geosciences)新近发布的 SLAM 项(Sea-Level Angular Momentum functions),基于全球范围内质量守恒约束的海平面变化项,可以显著改善陆地水质量项(Hydrospheric Effective Angular Momentum functions,HAM)的建模;(4)LDC/WMC优化结果要比各个原始水文模型都要好,表现在将季节性及高频的日长变化未解释部分(即观测激发与地球物理激发之差,记作日长变化的残差)的量级减小了 10μs左右;(5)在季节性日长变化中,最好的原始模型得到的日长变化的残差在12到14μs,而我们的优化结果得到的日长变化残差为7到12μs;(6)在季节性的日长变化观测中,14C04与SPACE2015之间的差异不是很明显,相较于原始模型,观测序列中的误差要小很多,其对于日长激发研究的影响因此也较小,但总体来说前者表现要好一些。而对于高频分量的日长观测,则SPACE2015要比14C04更好一些。