相比于重力数据,重力梯度数据包含有更多的高频信息,所以通过对重力梯度数据的处理与解释能够获得更加有效的地下浅部的地质体的信息。近年来,随着重力梯度数据的探测技术的发展,更多针对重力梯度数据的处理与解释方法相继被提出。处理与解释重力数据或者重力梯度数据的目的是要获得地质体的空间分布(边界识别、深度估计、深度成像和反演)特征和物性(通常为反演)特征。本文将从地质体的空间分布(边界识别、深度成像)和物性分布(非反演)以及处理数据的重要环节(向上延拓)展开。本文首先对几种常用的传统的边界识别方法进行阐述,并分析了各种方法的优缺点,包括解析信号法、倾斜角法、倾斜角总水平导数法、Theta图法以及利用重力梯度数据的以水平方向解析信号为基础的一些边界识别方法。然后通过将利用水平方向解析信号的边界识别方法分别与倾斜角和倾斜角水平导数定义式结构相结合的方式改进其不能均衡地质体深浅异常的缺点。改进的方法通过模型试算与实测数据的处理证明有较好的边界识别结果,同时具有较高的分辨率。但新方法对数据中的噪声比较敏感,所以在用新方法之前要先对噪声进行处理。重力数据的延拓可以间接得到不同高度上的重力数据。而重力异常的向上延拓相对于向下延拓稳定且收敛。但是目前的主流的向上延拓方法是在频率域完成,空间域延拓法很少被应用的主要原因并非延拓后的精度不高,而是因为计算过程涉及到大型矩阵的解算及存储问题。本文对空间域向上延拓过程中涉及到的矩阵进行分析并基于分析结果引入一种快速算法,可以改进空间域延拓法的计算效率。模型试验证明改进过的空间域延拓法无论从计算效率还是计算精度都有应用价值。重力及重力梯度异常的深度成像算法一直是研究的热点问题,因为快速成像能够快速给出场源空间分布图像。本文选用极大值深度估计DEXP法对深度成像方法进行说明。快速成像方法的优点是计算效率高,但是存在的缺点是成像结果不够收敛,且成像数值不能够指示场源物性参数。本文将DEXP成像数值与观测数据做线性回归得到常数比例系数并赋予其物理量纲,将DEXP成像结果与比例系数相乘后进行简单迭代。通过模型及在文顿盐丘数据中的应用证明最终结果清楚的显示了场源的具体形态且图像数值指示场源物性参数。