地球自转变化的机理研究和综合预报

结题报告

项目介绍

AI项目解读

基本信息

批准号：
11073045
项目类别：
面上项目
资助金额：
49.0万
负责人：
周永宏
依托单位：
中国科学院上海天文台
学科分类：
A1801.天体测量、天文参考系与天文地球动力学，天文学史
结题年份：
2013
批准年份：
2010
项目状态：
已结题
起止时间：
2011-01-01 至2013-12-31

项目参与者：
许雪晴；李嘉；刘敏；
关键词：
海洋大气地球自转预报。力矩

项目摘要

地球自转变化的机理研究和综合预报是天文地球动力学的一个核心研究课题。开展地球自转变化机理的研究，可以更深入地揭示固体地球的整体运动规律，而地球自转变化的综合预报则在现代卫星精密定轨和自主导航中发挥重要的作用。本项目主要研究内容：基于天文观测的地球自转变化、和全球大气、海洋作用于固体地球的力矩（压力力矩、万有引力力矩和摩擦力矩），研究分析全球大气和海洋对地球自转速率变化和极移在亚季节性、季节性、直到年际时间尺度上变化的激发机制；在地球自转变化的多变量预报模型中，综合考虑大气和海洋等激发因素，分析它们在提高预报精度和稳定性中的作用，本项目致力于建立高精度的地球自转综合预报算法和软件系统，从而为实现我国独立的地球定向参数预报打下扎实的基础。

结项摘要

地球自转变化的机理研究和综合预报是天文地球动力学的一个核心研究课题。开展地球自转变化机理的研究，可以更深入地揭示固体地球的整体运动规律，而地球自转变化的综合预报则在现代卫星精密定轨和自主导航中发挥重要的作用。本课题主要取得以下研究进展：1．将自回归（AR）模型与卡尔曼滤波（Kalman filter）的组合预报方法（AR+Kalman）首次运用到地球自转变化的短期预报中。该组合方法是以地球定向参数（EOP）观测数据建立观测方程，以AR模型自回归系数建立状态方程，形成卡尔曼滤波函数模型，对AR模型自回归系数进行滤波改正。与单纯的AR模型对比，综合的AR+Kalman模型预报EOP精度更高，表现更稳定。2. 在之前采用人工神经网络（ANN）模型对地球自转变化作短期预报的基础上，我们将ANN方法推广到长达360天的EOP长期预报。在对世界时与协调时之差（UT1-UTC）预报过程中，我们还增加了对资料作差分模式的预处理，以增强其平稳性。结果表明，差分模式比直接模式具有更高的预报精度。3. 采用最小二乘联合自回归模型（LS+AR）、最小二乘配置方法（LSC）、以及人工神经网络（ANN）方法来预报EOP，并选取均方根误差（RMSE）和平均误差（ME）作为精度因子来定权，得到不同方法的EOP综合预报解。本研究进一步验证了全球地球定向参数预报比较活动（EOP CC）结果，没有一种单一的预测方法能够在所有参数和所有跨度预报中表现最佳，而作为一个综合的解决方案，EOP综合预报结果具有较高的精度和良好的稳定性。4. 利用高精度的美国“重力场恢复与气候实验”卫星（GRACE）时变重力场资料，研究冰雪圈物质分布改变对地球自转变化所产生的影响，结果表明，跟全球大气和海洋相比，冰雪圈对季节性极移的激发，具有较小但不可忽略的贡献。5. 随着现代空间探测和行星科学的快速发展，我们还开拓了火星自转方面的研究工作。首次将火星自转变化研究推进到更高频的周日和半日时间尺度上，探索火星自转高频变化中的全球沙尘暴信号。结果发现，由于大气潮的影响，在火星全球沙尘暴的高潮期，周日极移和日长半日变化幅度将增加大到平常的3-5倍。如果未来火星自转的测量精度达到目前地球自转的观测精度，火星自转变化中的全球沙尘暴信号将有可能被人们首次成功检测。