Page 8 - 《武汉大学学报（信息科学版）》2025年第10期

第 50 卷第 10 期 许光煜等：大地测量地球物理联合反演现状与展望 1943

测量地球物理联合反演领域针对特定研究对象， 测数据，因此将人工智能与大地测量地球物理联
主要将数据使用限定在某一时段内，例如单独研 合反演相结合能够更好地处理大数据分析问题。
究地震周期中的同震阶段，而不是将地震周期这 目前，已有不少学者尝试利用深度学习方法解决
一连续过程建立统一模型进行参数求解。虽然 大地测量地球物理联合反演问题。针对同震阶
同震阶段中地震震源机制反演问题大多采用静 段，文献［47］考虑到常用的求解断层参数反演问
态 GNSS 和 InSAR 观测联合地震波形数据，但是 题的非线性反演方法存在需要先验信息、解算会
动态高频 GNSS 同震位移波形数据也常用于联 陷入局部最小值、求解复杂耗时等不足，提出了
合地震波形数据联合反演地震破裂过程。随着 一种基于深度残差网络的数据驱动型断层参数
大地测量观测数据的不断积累，如何充分利用时 反演方法。文献［77］考虑到现有的求解地球内
间序列大地测量观测数据中包含的额外信息，将 部结构的全波形反演算法计算耗时的问题，提出
大地测量地球物理联合反演逐步从静态反演向动 了一种基于 U 形神经网络的快速波形建模方法。
态反演发展是一个必要且重要的过程。文献［72］ 文献［78］提出了一种集成了卷积神经网络、图注
根据永久 GNSS 观测网络扩建在时空上为地壳 意力神经网络和混合密度网络的深度学习方法，
形变量提供了足够的数据，提出一种用网络滤波 利用高频 GNSS 位移波形数据实时快速确定地
模型来估计断层滑动时空分布的方法，该模型是 震震源位置、震级和震源机制。
大 地 测 量 反 演 从 静 态 发 展 到 动 态 的 重 要 成 果 。 以上研究中解决的反演问题都存在一些共
文献［73］提出一种基于主成分分析的 GNSS 位 同特点：
移时间序列反演断层滑移时空分布的方法。文 1）大地测量和地球物理观测数据充足，能够
献［74］提出一种基于变分贝叶斯独立分量分析 标记出感兴趣的形变信号，容易生成深度学习的
的 InSAR 时间序列地表形变信号提取方法。以 模拟数据；
上研究表明，充分利用大地测量时间序列观测数 2）常规方法求解此类问题遇到瓶颈，较难实
据能够刻画出地壳形变更为真实、全面的特征。 现突破。将深度学习引入大地测量地球物理联
以上研究成果能够为大地测量地球物理联合反 合反演领域，能够推动数据驱动方法的发展，充
演往动态反演发展提供思路。 分利用海量大地测量和地球物理观测数据中包
4.2 大地测量地球物理联合反演与地球动力学 含的信息，从一个新的数据视角解决常规方法无
法解决的问题。
GNSS、InSAR 和卫星重力等技术在地球科
学的广泛应用，使人们能够进一步探索地球内部 5 结 语
动力学过程。目前大地测量地球物理联合反演
采用的建模方法主要集中在运动学反演领域，而 随 着 大 地 测 量 观 测 数 据（特 别 是 GNSS、
研究结果通常需要给出相应的动力学解释，两者 InSAR）的日益增多、数据质量的提高以及数据
之间存在一定程度的割裂。文献［75］基于有限 开放和共享模式的逐步成熟，基于大地测量观测
元方法对 2021 年 Mw 7.4 中国青海玛多地震破裂 的地球物理联合反演研究正在进入一个新的发
过程进行了动力学模拟，恢复了玛多地震的一阶 展阶段。虽然大地测量观测为联合反演模型提
破裂特征。文献［76］提出了一种基于应力驱动 供了高精度、高分辨率的数据输入，提高了研究
的余滑和粘弹性松弛模型的贝叶斯反演方法，并 者们求解地球物理模型参数的能力，然而在实际
将其应用于 2011 年 Mw 9.0 日本东北大地震震后 研究中仍然存在大地测量观测对地球物理参数
形变的动力学模拟。以上研究表明，除了要为运 分辨率有限、反演问题解不唯一、地球物理模型
动学模型寻找合适的动力学解释，更需要进一步 存在简化等问题需要解决。同时，从静态大地测
发展动力学模拟方法，最终有效解释运动学观测 量地球物理联合反演发展到动态联合反演、将反
和地球物理过程。 演结果与地球动力学相联系以及提高人工智能
4.3 利用人工智能求解大地测量地球物理联合 在大地测量地球物理联合反演中的应用等方面
反演问题 需要进一步探索。
近年来，人工智能技术得到了快速发展，深
参 考 文 献
度学习逐渐在各个不同领域得到了应用。大地
测量地球物理联合反演中存在着大量的多源观 ［1］ 许才军， 陈庭， 张丽琴， 等 . 地球物理大地测量反