从GRACE任务数据中恢复重力场受到观测噪声和动力学模型误差的影响，特别是动力学模型中混频误差的影响。我们通常采用四种方法来减少它们的影响，即经验加速度的估计（ACC方法）、KBR星间距离变率经验参数的估计（KBR方法）、采用全方差-协方差矩阵平差（COV方法）和基于时间序列模型的滤波（FILT方法）。从本质上讲，ACC和KBR方法可以归入函数模型补偿的方法，而COV和FILT方法属于随机模型补偿的方法。本文从理论角度和数值模拟的角度系统地阐述了这四种方法的联系和区别。结果表明，与不采用上述四种方法的解算结果相比，所有方法都能显著减少时变重力场模型的反演误差。此外，当只考虑白噪声观测误差的情况下，四种方法的表现也相当一致。然而，当同时考虑有色观测噪声和时间混频效应时，它们的性能是不同的。ACC、COV和FILT方法的降噪率可以达到87%，而KBR方法为79%。这种差异可以解释为KBR方法在降噪和信号吸收之间的妥协，因其缺乏对经验参数的约束。此外，在频谱上，ACC和KBR方法可视为高通滤波，而COV和FILT方法能够以全频谱的方式有效处理全频段的有色噪声。

引用格式：Nie, Y., Shen, Y., Pail, R.et al.Revisiting Force Model Error Modeling in GRACE Gravity Field Recovery.Surv Geophys43, 1169–1199 (2022).https://doi.org/10.1007/s10712-022-09701-8