[发明专利]一种地震前兆形变GNSS监测网的三角形形变监测方法

说明书

本发明提供了一种地震前兆形变GNSS监测网的三角形形变监测方法，在震发区域布设多个连续运行GNSS监测站，构成相连的但不重叠的Delaunay三角形网络，三角形边长(相邻监测站间距)小于10km，既提高了地壳运动监测的空间分辨率，又能达到GNSS测量计算的最高精度。根据三角形图形结构，可以对三角形边长观测数据进行程式化处理，有利于数据处理软件的自动化运行和对大规模数据进行处理，采用短时段观测数据，提高了观测结果的频次，有利于发现突发性形变事件；在形变判断方面，摒弃了基准站的作用，利用高精度GNSS测量结果，采用三角形形状比对方法，利用连续图形对点变化凸显出的面状效应，判断并确定地壳形变的区域。

技术领域

本发明属于形变监测技术领域，具体涉及一种地震前兆形变GNSS监测网的三角形形变监测方法。

背景技术

近年来，全球范围内地震、滑坡、地表沉降等地质灾害频频发生对地形以及大型结构的土木建筑等造成了不同程度的形变影响，从而对人类生命财产安全造成重大威胁。因此地形形变以及大型结构的形变监测和异常预警已成为亟待解决的技术问题，其技术难点包括：测量的实时性，测量的精确性等。全球卫星导航技术(GNSS)以其在连续性、实时性和自动化程度高等优点，且不受天气条件影响，可实现全天候作业，利用GNSS进行水平位移观测可获得小于±3mm精度的位移矢量，高程的测量也可获得不大于±5mm的精度。因此，GNSS技术在变形监测中越来越受到广泛的应用，现在更是地震变形监测的主要技术手段。

传统的GNSS形变测量方法，必须要先确立一个或多个GNSS基准站，然后每个GNSS监测站都要以这些基准站为基准进行差分测量计算得到，其计算结果是相对于基准站的位置结果，精度与基准站的精度密切相关。显然，传统方法对基准站的要求非常高，而且基准站建立的难度非常大，往往这样的基准站与监测区域的距离较远而且数量少。根据GNSS的数据处理原则(经验公式是：精度＝2mm+D×1×10^-6)，基线D越短测量结果的精度越高，距离越长计算精度越低，而且观测时间要长，通常需要观测24小时，由于观测时间较长，观测结果难以形成高频次的数据集，不便于计算，通常需要采用国外的大型处理软件进行数据处理，计算过程还需要事后的GNSS精密星历等辅助数据，其所需的计算资源要求高，并且计算时间长、实时性不好，很难进行全自动化运行。长基线解算精度通常用相对精度表示，目前技术水平的数据处理精度可以达到1×10^-8左右，即点位精度为D×1×10^-8，如1000km的基线，点位精度为1厘米。

目前国内在利用GNSS技术进行地震前兆监测预报方面，布设GNSS监测站的密度不够，一般站间距为50km以上，站间距低于30km的监测网络很少，空间分辨率低，在数据处理方面，严格遵守以基准站信息为基准的差分测量计算原则，其结果精度达不到GNSS系统所能达到的最高测量精度，另外由于监测站间距远，其各点的运动信息相关性不强，分析工作量大且不直观，很难判断地震监测区域的细部位移变化。

因此，需要提供一种针对上述现有技术不足的改进技术方案。

发明内容

为至少在一定程度上克服相关技术中存在的问题，本发明提供了一种地震前兆形变GNSS监测网的三角形形变监测方法。

为了实现上述目的，本发明提供如下技术方案：

一种地震前兆形变GNSS监测网的三角形形变监测方法，所述监测方法包括有如下步骤：

S1：在震发区域布设N个连续运行的GNSS监测站，形成监测网络，N为自然数且N>3；

S2：采用Delaunay三角形算法，将监测网络构建成相连的但不重叠的Delaunay三角形网络图形结构；

S3：对每天连续的观测数据进行分段处理，获取每个时段的三角形形状数据，记录并保存时间序列数据，所述时间序列数据为获取的三角形形状数据的集合，所述三角形形状数据包括三角形边长和三角形边的基线数据；