.png){kind=icon}
返回
Total Variation Regularized GRACE(-FO) Inversion
.png){kind=icon}
OA
AI
DOI：10.1029/2025JB032065.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于卫星-卫星跟踪任务（如GRACE(-FO)）的重力场估计是一个不适定的反演问题。对GRACE(-FO)测量进行正则化反演的传统方法采用L₂-Tikhonov正则化，并使用基于信号/噪声时空分布知识的启发式约束矩阵。我们提出总变分（TV）正则化作为一种替代方法，该方法在GRACE(-FO)反演中有效，且无需启发式约束矩阵。我们采用迭代正则化策略以限制正则化偏差导致的信号损失。所得解与UTCSR/JPL采用更复杂约束设计估计的L₂-Tikhonov质量浓度（mascon）解吻合良好。TV导出的格陵兰趋势与UTCSR质量浓度趋势在4 Gt/yr内一致，与JPL趋势在11 Gt/yr内一致。TV解的时间序列在大流域（如亚马逊和恒河流域）与UTCSR/JPL质量浓度解吻合良好，恢复的年振幅差异小于2%。TV解无需显式空间约束，无需操作者了解数据中信号/噪声特征的分布，并反映了观测数据固有的信息内容。
Keyword:
time variable gravity
regularization
total variation
inverse problem
ill-posedness
GRACE(-FO)
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
J
IF:
0
论文数:
218
被引数:
0
机构
引用论文
.png){kind=icon}
Total Variation Regularization Algorithms for Images Corrupted with Different Noise Models: A ReviewOAAI
OAAI分享收藏分享收藏Comment on An Assessment of the ICE-6G_C (VM5a) Glacial Isostatic Adjustment Model by Purcell et al.OAAI
OAAI分享收藏The spiral grid: A new approach to discretize the sphere and its application to mantle convection
PREAI
分享收藏分享收藏
查看更多内容