文章摘要:GOCE（gravity field and steady-state ocean circulation explorer）卫星重力梯度数据有色噪声和低频系统误差的滤波处理是反演高精度地球重力场的一个关键问题。针对GOCE卫星重力梯度数据的滤波处理，本文基于移动平均方法（moving average，MA）和CPR（circle per revolution）经验参数方法设计了两类低频系统误差滤波器，并分别将其与基于自回归移动平均（auto-regressive and moving average，ARMA）模型设计的有色噪声滤波器进行组合形成级联滤波器。为了分析滤波器处理的实际效果，基于空域最小二乘法采用70d的GOCE观测数据，并联合GRACE（gravity recovery and climate experiment）数据分别反演了224阶次的重力场模型GOGR-MA（MA+ARMA级联滤波）和GOGR-CPR（CPR+ARMA级联滤波）。将反演模型与采用同期数据求解的第一代GOCE系列模型及GOCE和GRACE联合模型GOCO01S进行比较，并通过高精度的GPS（global positioning system）水准数据和稳态海面地形（mean dynamic topography，MDT）模型进行检核，结果表明：构建的移动平均和CPR经验参数滤波器均能削弱低频系统误差的影响，并且后者效果更为明显，而ARMA去相关滤波器能够有效地对重力梯度数据有色噪声进行白化处理；反演的联合模型GOGR-MA和GOGR-CPR的精度接近，并且它们都优于欧空局采用同期数据研制的GOCO01S模型。反演结果验证了级联滤波器设计的正确性和有效性，可为GOCE重力梯度数据的滤波处理及高精度重力场反演提供参考。

文章关键词:

项目基金: