python 虚拟环境 conda

将相同时间间隔内的(相似的)信号堆叠到一个图形中，但复制和移位了x轴。所有子图形都使用相同的标签，不同的图形通过将背景从白色切换到灰色，然后再切换回白色来在视觉上分开。这种可视化增加了非常相似信号的可读性，特别推荐在没有彩色印刷的文章中表示/比较数据。，这里介绍的这个函数可以等间隔绘制阴影，或者不等间隔。（2）时间序列添加阴影。（1）三维柱状图渲染。

Matlab colorbar label标注

InSAR python LiCSBAS 地表变形

假设有一个均匀采样的时间序列，因此其轨迹矩阵为矩阵的列数为，Y的每个上升斜对角线都是相同的值。在之前的研究中，基于Broomhead和King(1986)提出的方法，使用矩阵Y形成滞后协方差矩阵，并采用主成分分析(PCA)程序进行处理。一种等效但更简洁的替代方法是通过奇异值分解(SVD)直接对Y进行分解:其中的下表代表矩阵大小，是对角矩阵，是正交的，也是滞后协方差矩阵的特征向量。主成分分析中经验正

全球河流径流数据GRDC 数据 逐日 逐月

在matlab中读取GARCE mascon数据

而为了将GLDAS提取的水储量与GRACE能够进行对比，需要进行同样的截断滤波处理。本专栏以GLDAS数据的土壤水为例，分析如何进行球谐展开并滤波。下面是截断滤波后的结果：我们看到截断滤波后，信号强度有所衰减，而随着截断阶数越大，信号越接近真实信号强度。而高斯平滑的半径越大，信号也衰减。

而为了将GLDAS提取的水储量与GRACE能够进行对比，需要进行同样的截断滤波处理。本专栏以GLDAS数据的土壤水为例，分析如何进行球谐展开并滤波。下面是截断滤波后的结果：我们看到截断滤波后，信号强度有所衰减，而随着截断阶数越大，信号越接近真实信号强度。而高斯平滑的半径越大，信号也衰减。

因此，在对GPS时间序列进行分析之前,必须要进行数据预处理，其中一个非常重要的过程就是插值，通过对缺失数据插补以获得均匀采样的时间序列 (Griffiths and Ray, 2015)。对于缺失值，本文选用 Schneider 等(2001)提出的 RegEM数据插值法，RegEM法考虑站点坐标时间序列的物理背景以及各站之间的相关性，不依赖数据模型，也不引入先验信息，只依据数据自身特性进行插值，