近日，中国科学院国家授时中心研究团队提出了基于大气、海洋等地球流体有效角动量（EAM）数据集辅助的世界时（UT1）和日长（LOD）的融合算法，并成功构建了融合算法模型，将地球物理模型与大地测量技术相结合，有效提升了UT1产品精度。

由于EAM数据与LOD数据具有高度相关性，且在UT1和LOD的预报中被广泛应用。因此，研究团队提出将EAM数据引入到UT1融合中，以提升UT1产品精度。研究团队设计了一款11参数卡尔曼融合模型，将EAM、UT1、LOD数据进行融合，并在状态向量和状态转移矩阵中，考虑了LOD和EAM数据集的系统偏差和周期项。首先，使用傅里叶变换分析GNSS LOD数据集的系统偏差和周期性；其次，利用GNSS推导出的大地测量角动量（GAM）数据对EAM进行校正；最后，将三种数据进行融合，以得到精度更高、连续性更好、稳定性更强的融合UT1序列。

研究表明该融合算法对UT1数据的外符合精度提升超过30%，其中对于NTSC VLBI 的UT1数据集精度提升接近54%，对于国际IVS加强观测UT1数据集精度提升约30%；使用EAM、UT1、LOD数据集比仅使用UT1、LOD数据集融合效果更好，尤其对于具有高不确定性的UT1输入数据集，使用EAM数据集可以将UT1精度提高10 µs；该融合算法不仅可以修正LOD的系统偏差，而且对LOD数据精度具有一定的提升；外符合精度和卡尔曼估计不确定度的一致性，表明该卡尔曼融合模型的合理性和可靠性。

该项研究为进一步探索EAM对EOP融合领域的贡献提供了参考，对于国家标准时间产生、卫星授时、卫星导航等领域具有重要意义。

研究成果以题为《Research on Universal Time/Length of Day Combination Algorithm Based on Effective Angular Momentum Dataset》发表于期刊Remote Sensing。

图 1 NTSC-WHU-EAM融合结果（左图为UT1，由于为LOD）

表1 融合后的外符合精度以及不确定度