打印微弱的区域构造信息识别需要同时分析相邻陆续在GNSS台站的位置时间序列。此前常用的方法是利用区域叠加滤波或PCA变换去除GNSS位置时间序列中的非构造噪声，以突出构造形变。这些方法存在一些不足：1）只适用于处理区域尺度（例如500km）的数据；2）容易受到异常观测的影响。
我们开展了一套基于时间序列相关性和空间距离加权的时空滤波技术，具有下述优点：
1）不受区域大小的限制，可以处理不同区域CME噪声存在较大差异的情况；
2）能自动将异常台站排除在外；
3）采用格网搜索法来获取区域CME误差的最优估计，避免了人工挑选数据的主观性；
4）提出了利用聚类分析来识别区域瞬态形变的思路；
5）在提取微弱构造信号之前剔除CME，提高了弱构造信号识别的成功率。
我们将该方法应用于美国西部PBO网络，识别出了数十个区域性信号，包括Cascadia消减带的慢滑移事件、未校正的同震位移和震后形变、抽取地下水引起的沉降、火山活动造成的形变、地形相关的离散度异常，等（Fig.1）。
本研究成果主要完成人为田云锋、沈正康等，原文链接可见：
Tian, Y., and Z.‐K. Shen (2016), Extracting the regional common‐mode component of GPS station position time series from dense continuous network, J. Geophys. Res. Solid Earth, 121, 1080–1096, doi: 10.1002/2015JB012253.
http://agupubs.onlinelibrary.wiley.com/doi/full/10.1002/2015JB012253
Yunfeng Tian. iGPS: IDL Tool Package for GPS Position Time Series Analysis. GPS Solutions, DOI 10.1007/s10291-011-0219-7.
http://link.springer.com/article/10.1007/s10291-011-0219-7
http://www.ngs.noaa.gov/gps-toolbox/Tian.htm
