项目名称: 卫星重力测量反演高精度高分辨率局部地表质量变化的方法研究

项目编号: No.41474019

项目类型: 面上项目

立项/批准年度: 2015

项目学科: 天文学、地球科学

项目作者: 钟波

作者单位: 武汉大学

项目金额: 85万元

中文摘要: 联合卫星重力观测数据和区域地球物理信息直接反演高精度、高时空分辨率局部地表质量变化,是当前卫星重力学研究的前沿和热点问题。本项目以反演高精度、高时空分辨率的局部地表质量变化为目标,结合区域构造运动特征和先验地球物理模型信息,深入研究卫星重力测量反演局部地表质量变化的径向基函数方法、Slepian基函数方法和局部地表质量变化参数最优求解的时空约束方法及Kalman滤波方法,并研制满足工程化应用的局部地表质量变化反演软件系统。预期研究成果不仅可为GRACE及后续GRACE-Follow on计划获取高精度、高时空分辨率的局部地表质量变化提供理论模型、实用算法及软件平台,同时可为我国应对水资源短缺、极端气候变化和重大自然灾害等问题提供科学依据和技术支持,具有重要的科学意义和应用价值。

中文关键词: 卫星重力测量;局部地表质量变化;时变重力场;径向基函数;Slepian基函数

英文摘要: Inversion of regional surface mass variations with high accuracy and high spatial-temporal resolution from satellite gravity observations and regional geophysical data, is one of the research frontiers and hot issues in satellite gravimetry. This project aims at determining high accuracy and high spatial-temporal resolution regional surface mass variations based on the method of spherical basis functions, which are combined with regional tectonic features and geophysical models. Firstly, the theory and methods of radial basis functions and Slepian basis functions for determining the regional surface mass variations will be systematically studied. Secondly, the data processing methods to obtain the optimal solution based on the spatial and temporal constraints and Kalman filtering will be deeply investigated. Finally, the software system for recovering regional surface mass variations will be developed in line with engineering applications. The anticipated results will provide efficient data processing methods and software platform for determining high accuracy and high spatial-temporal resolution regional surface mass variations from GRACE and future GRACE Follow-on missions. Moreover, it has great scientific significance and practical value for us to deal with water shortages, extreme climate changes, natural disasters and other environmental problems.

英文关键词: satellite gravimetry;regional surface mass variations;time-variable gravity field;radial basis functions;Slepian basis functions

成为VIP会员查看完整内容
0

相关内容

【CVPR2022】基于鲁棒区域特征生成的零样本目标检测
专知会员服务
10+阅读 · 2022年3月22日
顾及时空特征的地理知识图谱构建方法
专知会员服务
53+阅读 · 2022年2月15日
专知会员服务
52+阅读 · 2021年10月1日
专知会员服务
21+阅读 · 2021年6月26日
专知会员服务
18+阅读 · 2020年12月23日
【强化学习资源集合】Awesome Reinforcement Learning
专知会员服务
94+阅读 · 2019年12月23日
【经典书】数理统计学,142页pdf
专知
2+阅读 · 2021年3月25日
自动驾驶高精度定位如何在复杂环境进行
智能交通技术
18+阅读 · 2019年9月27日
【泡泡一分钟】变化环境下激光地图辅助视觉惯性定位
泡泡机器人SLAM
15+阅读 · 2019年5月22日
AI如何帮助卫星遥感释放价值?
未来论坛
19+阅读 · 2018年8月8日
【泡泡一分钟】点密度适应性点云配准
泡泡机器人SLAM
16+阅读 · 2018年5月28日
基于几何特征的激光雷达地面点云分割
泡泡机器人SLAM
15+阅读 · 2018年4月1日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
Arxiv
29+阅读 · 2022年3月28日
A Survey on Bayesian Deep Learning
Arxiv
63+阅读 · 2020年7月2日
Image Segmentation Using Deep Learning: A Survey
Arxiv
45+阅读 · 2020年1月15日
小贴士
相关主题
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员