2021年4月19日，瑞士苏黎世联邦理工学院的Matej Varga和捷克西波希米亚大学的Martin Pitonák等人在《Journal of Geodesy》杂志上，发表了题为“Contribution of GRAV-D airborne gravity to improvement of regional gravimetric geoid modelling in Colorado, USA”的文章。
地球重力场数据为地球科学界提供了基础信息。全球重力场模型(GGMs)提供低频信息，而其他数据类型提供中、高频和甚高频信息。区域和局部重力场和大地水准面建模通常使用的数据类型包括：重力数据（航空、陆地、海洋和卫星）、梯度数据（陆地、航空和卫星）、高度计数据、垂直偏转、数字高程模型(DEMs)和地壳（密度）模型。每种数据类型在空间分辨率、覆盖的光谱带和精度方面都有其属性和局限性。
本文研究的主要目的是探索航空重力数据在复杂山区研究中提高区域重力大地水准面模型精度的潜力。该文章研究了航空重力数据对改进美国科罗拉多州山区重力大地水准面建模的贡献。首先，对空中重力数据进行处理、过滤和向下延续。然后，准备了三个重力异常网格；第一个网格仅来自地面重力数据，第二个网格仅来自向下连续的空中重力数据，第三个网格来自向下连续的空中和地面重力数据。重力大地水准面模型由三个重力异常网格组成，采用加性校正的斯托克斯公式最小二乘修正法确定。计算出的重力大地水准面模型的绝对和相对精度是在GNSS/水准点上估计的。结果表明，与仅根据地面重力数据计算的大地水准面模型相比，当使用航空和地面重力数据进行大地水准面计算时，在标准偏差方面的精度提高了1.1cm或20%。最后，作者对地面重力异常网格和大地水准面模型进行了光谱分析，这提供了对特定波段的见解，其中航空重力数据有助于并改善了功率谱。