顾及测量方式的地球自转参数差异性分析

2022-05-19陈少杰高玉平时春霖尹东山王启虹陈永涛

全球定位系统 2022年2期

陈少杰，高玉平，时春霖，尹东山，王启虹，陈永涛

( 1. 中国科学院国家授时中心, 西安 710600；2. 中国科学院大学, 北京 100049；3. 中国人民解放军61206部队, 北京 100042 )

0 引言

地球自转参数(ERP)主要由极移xp、yp和UT1-UTC或日长变化(LOD)组成，ERP和岁差章动共同称为地球定向参数(EOP)，是表示地球自转速率及自转轴空间指向及其变化的参数，也是地心天球参考系(GCRS)到国际地表参考系统(ITRS)的重要转换参数，其精度对深空探测器精密定轨与自主导航、导航卫星精密定轨等领域产生直接影响[1-3]，也是国际GNSS服务(IGS)和国际GNSS监测评估系统(iGMAS)重要数据产品之一[4].

自20世纪60年代以来，以GPS、卫星激光测距/激光测月(SLR/LLR)、甚长基线干涉测量(VLBI)、多里斯系统(DORIS)等现代空间大地测量手段的技术发展[4]，ERP的测量精度得到了极大地提升. 由分布在全球的不同观测手段的各个测站进行定时观测后，各个分析中心对观测数据进行解算，之后由IGS、国际测地/天体测量学VLBI服务组织(IVS)、IDS、国际月球研究站(ILRS)联合解算中心对分析中心的结果进行处理[6-9]，得到不同观测手段的联合解，并将结果交由国际地球自转和参考系服务(IERS). 由IERS将其计算得到最终解EOP序列[10]，并通过邮件、FTP、WEB等方式向全球用户发布[11]. 其数据序列精度和可靠性对科学研究和国防建设等关键领域至关重要，且我国尚没有自主系统的EOP服务体系.在EOP参数中，以VLBI为代表的现代空间大地测量手段建立的IAU 2000岁差章动模型精度基本能够满足实际应用的需求，而ERP参数才是影响用户实际使用的主要因素. 通过以IERS 14 C04序列为基础序列，分析不同手段得到的ERP数据序列的误差情况，探讨利用其他观测数据进行ERP预报及基于不同数据之间的一致性进行精度检核的可行性及精度水平.

1 ERP数据序列

ERP是表述地球参考系相对天球参考系指向的参数，是自转运动中不规则性元素的集合，用来表征地球自转轴空间指向、自转速率及其变化. 目前，提供系统的ERP服务的国际组织主要有IERS、IVS、IGS、IDS、ILRS、iGMAS等. 不同数据如下：

1) IERS发布的EOP数据主要由预报值序列Bulletin A、B、C、D及最终序列C04序列构成. 其中，Bulletin A与Bulletin B、C、D为预报值序列. Bulletin A由USNO负责以每周一次的频率发布，主要内容为发布前7天的极移、UT1-UTC快速解及相应不确定度和一年的预报值[12-14]. Bulletin B由IERS中央局负责，内容为上月ERP的最终解及不确定度，每月发布一次，数据更新滞后30天. Bulletin C为跳秒预报，每半年发布一次. Bulletin D为指定日期内的DUT1.

IERS EOP C01/02/03/04为最终序列，其中C01/02/03/04为不同时间区间、分辨率不同的数据序列，目前已停止更新. 最主要的C04序列为1962年至今每天24：00的EOP序列，更新滞后30天. 最终序列精度高，可以作为科学研究使用，但是由于其发布时间相对滞后，无法满足实时性要求较高的天文测量、天文导航的需求[15].

2)除IERS外，IGS同样是主要的ERP数据来源之一. IGS的ERP主要利用轨道星历计算所得，根据采用的轨道星历的不同，IGS发布的ERP数据可分为igu.erp、igr.erp和igs.erp文件[16-17]，分别对应超快速轨道星历，快速轨道星历和精密星历.

其中，由超快速星历得到的ERP参数每6 h更新一次；由快速星历解算的ERP每天发布一次；由精密星历计算的ERP滞后11～17天.

3) IDS、ILRS和IVS也是常用的ERP来源[18-21].IDS发布的序列只包含极移参数；ILRS序列以SINEX文件的形式给出，由六个ILRS数据分析中心分别利用过去7天的观测数据得到的参数解，ILRS的联合解中心(CC)对分析中心的结果进行处理，得到联合解. 1997年12月28日起，数据间隔1天，包含极移和LOD，IVS 的序列主要由位于BKG/DGFI的IVS联合中心将分析中心解算得到的数据序列及站坐标等数据汇总后形成官方的联合解产品，不同数据的内容及更新时间如表1所示.

表1 几种ERP参数内容及数据发布

2 差异性分析

2.1 数据说明

为比较不同观测手段得到的ERP参数的精度差异，选取2015-08-01—2016-12-13 (MJD：57 235～57 735)共500天ERP数据为样本进行分析.

由于不同数据序列的历元不同，IGS、ILRS、IDS序列均为12 h的值，IVS结果并不是某一固定时刻，且通常每周只有两组观测结果. 因此在处理前先利用三次多项式插值的方式获取同一历元下的ERP序列值，当IERS 14 C04序列给出的为0时，将所有序列都归算至当天0时.

将归算后的不同的ERP序列绘制成图，以MJD为x轴，相应的ERP参数为y轴. 不同手段的ERP参数变化如图1～3所示(PMX为在X方向的极移值，PMY为在Y方向的极移值). 由图可得，不同手段的ERP变化趋势基本相同，并无显著差异，且所选区间没有跳秒的出现. 为更直观的比较不同数据的差异性，以IERS 14 C04序列为基础序列进行分析.

图2 不同ERP数据UT1-UTC变化情况

图3 不同ERP数据LOD变化情况

2.2 IGS序列异性分析

将IERS 14 C04为基础序列，将不同数据与IERS 14 C04的差值绘制成图，图4～6为IGS三种不同序列与C04差值的变化情况. 由图可得，使用三种星历文件计算得到的三种ERP参数之间的互差处于较小水平，在所选500天数据范围内，对极移，IGS序列与C04序列的差值小于±0.4 mas，对于UT1-UTC，其互差总体分布在±0.05 ms以内，仅有部分点约达到±0.2 ms，LOD主要处于±0.02 ms，只有部分点的互差大于±0.02 ms，最大值约±0.05 ms.

图4 IGS不同序列极移误差变化情况

图6 IGS不同序列LOD误差变化情况

不同量的参数误差统计值如表2所示，由表2可知，使用三种不同星历计算得到的ERP参数与C04的最大误差并没有显著的差异，极移两个方向都约为±0.2 mas，UT1-UTC约为±0.02 ms，LOD约为±0.03 ms. 但是对于平均误差，使用精密星历计算得到的结果明显优于超快速星历和快速星历得到的结果.

表2 IGS发布ERP参数误差统计

由于C04序列的发布有约30天的延迟，因此最近30天的IERS发布的ERP的测量值序列无法获取，但是每周Bulletin A文件中给出上周观测数据的快速解，因此可以通过分析Bulletin A中快速解的误差规律，并将上述时间区间内的Bulletin A中快速解与C04序列的最终值进行比较，其结果如图7～8所示，对于极移，快速解与C04的误差大约为±0.2 mas，UT1-UTC的误差除个别时间的误差超过0.05 ms以外都小于±0.05 ms.

图7 Bulletin A快速解极移误差变化情况

图8 Bulletin A快速解UT1-UTC误差变化情况

不同量的参数误差统计值如表3所示，由表3可得，Bulletin A中快速解的ERP参数与C04序列相比，其极移平均误差只有约±0.03 mas，UT1-UTC平均误差约为-0.003 ms.除IERS和IGS以外，IVS、IDS与ILRS同样定期发布ERP数据，IVS、IDS、ILRS发布的ERP序列与C04序列的差值变化情况如图9～11. 对于极移，此三种方式得到的ERP参数与C04的差异约为±0.5 mas，其中有部分时间点的差值大于0.05 mas，最大值X方向不大于±1.5 mas，Y方向不大于±1 mas；对于UT1-UTC，由于ILRS与IDS发布的数据中不含UT1-UTC的值，而IVS发布的ERP参数中，UT1-UTC与C04的差值约为±0.1 ms，只有少数几个点大于±0.1 ms，但不大于±0.3 ms；对于LOD，IVS与ILRS的ERP序列均包含LOD参数，两者与C04的差值除同样约为±0.1 ms.