基于小波变换的河北省GPS PWV与PM2.5的相关性分析研究

以2014-01~03的河北省GPS和PM2.5观测数据为例,利用小波变换方法开展GPS水汽和PM2.5浓度的相关性分析。结果表明,低频系数重构的GPS水汽与PM2.5浓度序列较好地反映了两者之间的正相关特性;D7高频信号（128~256 h）及D7与D6高频信号（64~256 h）重构的GPS水汽与PM2.5浓度的相关性较原始序列的相关性有较大提高;对于持续7 d的重度雾霾过程,由第7层和第6层高频系数重构的GPS水汽序列与PM2.5浓度序列的相关性达到0.890;不同时刻水汽变化对PM2.5浓度观测的影响,在水汽变化波动较大时段,水汽与PM2.5浓度的相关性为正;对于水汽变化波动较小时段,由于水汽与PM2.5浓度峰值时刻的差异,水汽与PM2.5浓度序列的相关性则不明显。     

河北省GPS水汽与PM2.5质量浓度的比较研究

利用河北省GPS观测数据,结合同期PM2.5质量浓度数据,开展GPS水汽与PM2.5质量浓度的比较研究。结果发现,GPS水汽与PM2.5的显著性sig值小于0.01,相关系数大于0.6,两者存在显著的正相关特性。     

基于小波分析的GPS PWV与PM2.5比较研究

通过比较2013-11~12的BJNM站点GPS PWV序列与天坛站点PM2.5浓度序列发现,两者的相关系数大于0.535,sig值小于0.01,存在显著的正相关特性;基于小波分析方法剔除高频噪声、细微扰动和小尺度系统影响的第4层低频系数重构的PWV序列与PM2.5序列的相关性达到0.749;高频系数重构的PM2.5序列与PWV序列的相关性达到0.839,更能反映两者的正相关特性。     

基于GPS水汽反演和GPS-IR技术的降水分析及降水判定研究

利用GPS水汽反演技术和GPS-IR技术进行降水分析及降水判定研究。首先,考虑到降水发生前后大气水汽含量、地面反射特性、GPS对流层延迟、信噪比(signal-to-noise ratio, SNR)振幅(A)会发生变化,分析GPS-PWV和SNR-A与降水的相关性,并联合两者进行降水判定。结果表明,降水量与GPS-PWV正相关,与SNR-A负相关;加入SNR-A数据可提高降水判定的预报率和正确率。基于SNR-A序列的波谷和GPS-PWV序列的波峰进行降水判定,判定降水的预报率约为70%~82%,正确率约为50%~60%。     

基于模型和空间相关性的GPS时间序列插值方法

针对GPS时间序列的空缺，根据数据固有特性和空间特性，提出基于模型和噪声空间相关性的GPS时间序列插值方法，并以陕西省GPS连续站为例验证该方法对长空缺插值的优势。通过实验分析不同情况的空缺和插值对GPS时间序列速度、周期项以及噪声特性的影响。结果表明，空缺对速度影响较小，较少的观测也可以较好地反映地壳线性运动；空缺对周期项影响较大，利用GPS分析周期性运动时必须考虑空缺的影响；噪声频谱分析显示离散空缺比长空缺影响大，噪声特性分析时应注意。     

中国沿海地基GPS水汽反演精度分析

利用无线电探空和地基水汽辐射计的观测数据,对中国沿海GPS观测网9个观测站反演的1 h间隔可降水量进行对比分析。与无线电探空结果相比,地基GPS反演可降水量的年相关系数在0.95以上,平均偏差自北向南呈逐渐增大的趋势。除西沙站外,其他站的年平均偏差在2 mm之内,均方差在3 mm之内,且平均偏差和均方差存在季节性变化。与地基水汽辐射计结果相比,地基GPS反演可降水量同样具有很好的正相关,同步观测期间两者相关系数为0.989,两者的平均偏差为1.84 mm,偏差的均方差为2.06 mm,且7～9月的月均方差较大。     

基于FFT与小波变换的SOI与GNSS ZTD的周期变化影响研究

为探究ENSO事件对GNSS ZTD(水汽)周期变化的影响及其相互关系,以河北省为例开展ENSO事件对GNSS ZTD及其周期变化的影响研究。首先利用快速傅里叶变换方法筛选出南方涛动指数（SOI）与GNSS水汽的共同周期,再利用小波变换提取GNSS水汽与SOI共同周期所在的高频项,并将重构的高频项与SOI进行相关性分析。结果表明,SOI与GNSS ZTD存在负相关性,由此推断ENSO事件与GNSS ZTD的周期变化存在一定关联。利用快速傅里叶变换方法分别提取ENSO事件和正常气候下GNSS ZTD的变化周期,分析ENSO事件对GNSS ZTD周期变化的影响,结果表明,ENSO暖事件（厄尔尼诺事件）对GNSS ZTD的最长显著周期存在显著影响;ENSO冷事件（拉尼娜事件）对GNSS ZTD的最长显著周期影响较弱。     

湖南地区加权平均温度的影响因素分析及建模

利用湖南地区长沙、怀化、郴州3个探空站连续3 a（2012～2014年）的观测数据，以数值积分法计算的大气加权平均温度（Tm）作为参考值，分析Tm与地面气温Ts、水汽压es及大气压Ps之间的相关性，并基于最小二乘原理建立湖南地区多因子Tm模型。研究结果表明，Tm与地面温度Ts和水汽压es呈正相关性，与大气压Ps呈负相关；Bevis模型的Tm偏差主要分布在0～4 K之间，存在一定的系统偏差，而基于Ts单因子的Tm模型偏差主要分布在-2~3 K之间；双因子与三因子精度相当，但均优于单因子模型。总体而言，基于地面气温Ts和水汽压es的双因子Tm模型的精度优于基于Ts的单因子模型，更优于Bevis模型，适用于湖南地区的GPS气象研究及业务应用。     

气压、温度、洞温变化对常熟台洞体倾斜、应变观测影响研究

对常熟台洞体倾斜、应变观测与气压、温度、洞温等影响因素的相关性进行研究,结果表明：1）洞温、温度日变化与水管倾斜仪、垂直摆倾斜仪、洞体应变伸缩仪相关性低较,影响比较弱;气压日变化与洞体应变伸缩仪相关性高于水管倾斜仪、垂直摆倾斜仪;水管倾斜仪、垂直摆倾斜仪、洞体应变伸缩仪与气压在各优势频段上均表现为同步负线性相关关系。2）洞温年周期变化是水管倾斜仪与垂直摆年周期变化的主要因素,相关系数高,与温度有一定相关性,与气压相关性弱;洞体应变伸缩仪年变影响机制较为复杂,与洞温、气压、温度年周期变化均有一定的相关性。     

用地基GPS资料分析大气可降水汽总量

利用“中国地壳运动监测网络”和三峡监测网的地基GPS资料，通过Bernese软件以及根据Bevis等和Rocken等水汽解算原理编制的水汽解算软件。获得了武汉、巴东、兴山、泸州等长江流域测站大气可降水汽总量分布和时间间隔为2小时的GPS遥感大气可降水汽序列，并与站点雨量及区域面雨量进行对比分析，结果表明：地基GPS遥感水汽量变化与地面降水有很好的相关性。而且GPS遥感水汽变化序列峰值对应于强降水提前了8～22小时。有助于强降水特别是突发性强降水的预测；多个站点的GPS遥感水汽总量联合分析，对于区域水汽总量变化研究有一定意义。     

北极黄河站区GPS可降水量的特征分析

利用GPS遥感的可降水量、气象数据、探空数据及降雪资料,分析中国北极黄河站区的可降水量特征,得出可降水量与地面水汽压的转换模型;分析可降水量、露点温度差、水汽压在强降雪天气中的变化特征,研究强降雪天气过程中的探空层结构,有助于利用GPS可降水量预报雨雪天气。     

对流层延迟与可降水量直接转换模型研究

采用线性回归和最小二乘法拟合建立无线电探空可降水量（RS-PWV）与GPS对流层延迟（GPS-ZTD）、地面温度及大气压之间的直接转换模型，并将直接转换模型得到的PWV分别与RS-PWV及GPS反演得到的可降水量（GPS-PWV）进行比较。结果表明，RS-PWV与GPS-ZTD之间存在良好的线性关系，相关系数达0.927 6；RS-PWV与4阶拟合温度和大气压呈现较好的相关性，相关系数分别为0.640 1和－0.626 3；基于ZTD的单阶单因子模型PWV与GPS-PWV的相关系数达到0.969 9；基于ZTD、温度及大气压的单阶多因子模型PWV比基于ZTD的单阶单因子模型PWV精度明显提高，RMS从4.3 mm提高到3.3 mm。     

���ڲ�ֵ��ѹ��GPS���ݴ����ɽ�ˮ���о�

????GPS?????????????(PWV)??????????????????????????SA????????????????GPS???????????????????GPS????????????????????????θ???????????????ù??????????????????????????С??100 m???????????????????μ????????????Saastamoinen?????????????????????????????????IGS???BJFS??KUNM??LHAZ??TWTF??????????????????????????????????GPS PWV????????????????????RS PWV?????ж???????????????????????????θ???????????????????GPS PWV??RS PWV??????????????1~3 mm?????????????????????????????????GPS????PWV??     

气象数据缺失时地基GPS反演可降水量方法研究

通过插值、Z文件等方法,对气象数据缺失时地基GPS反演可降水量的方法分长、短时段进行研究,比较不同方法的效果,以此选取气象数据缺失时合适的地基GPS反演可降水量方法。实验表明,在长时段气象数据缺失时,可以采用三次样条对气象数据插值的方法;在短时段气象数据缺失时,可以采用奇异谱迭代对气象数据插值的方法;当缺失数据占原数据比例较大时,可以采用Z文件法计算可降水量。     

基于湖南CORS网的PWV时空变化分析及其在暴雨落区预报中的应用

针对2017-05-22~05-23湖南地区的一次暴雨过程，结合气温、气压等大气热动力条件，分析此次降雨过程的大气可降水量(precipitable water vapor，PWV)时空分布及其动态变化特征。研究表明，在水汽条件充足的情况下，降雨的形成需要强烈的水汽辐合上升作用，可以结合热动力条件来预判降水时间和强度；PWV与实际降雨量平面分布图的对比分析表明，PWV高值区和实际降雨落区基本重合，PWV时空变化分析对预测暴雨落区有一定的指示意义。     

GPS/PWV����������̨��Ϯ���ڼ����������

???GPS???????????PWV????????2013?????????????????????仯???????ж?????????,GPS/PWV???????????????????????????????????????????????仯?????????磬PWV?????????????仯???????????????????????????к????????|????????磬PWV????????????仯???????????????????估??????????????PWV???????????仯??????????????????     

不同季节的北京市GPS可降水量与PM_(2.5)/PM_(10)的比较研究

通过北京市2013年的PM2.5/PM10资料与GPS可降水量资料比较发现,在秋冬春季节,PM2.5/PM10与GPS可降水量呈明显的正相关性,相关系数大于0.5,在个别时段达到了0.89,而这一相关性在降水较多的夏季并不明显;水汽含量的上升是秋冬春季节雾霾天气过程发生的重要因素。     

GPS/PWV资料在两次台风袭港期间的特征分析

应用GPS探测的可降水资料PWV对香港地区2013年遭遇的两次台风中水汽变化特征进行对比分析表明,GPS/PWV资料在一定程度上能反映出不同距离台风影响强度,尤其是气压变化。远距离台风,PWV呈现明显的震荡性变化,波动性更强,且震荡程度与降雨强度有很好的对应关系|近距离台风,PWV呈明显的单峰结构变化,增湿过程与台风影响时间及距离存在某种关系,PWV短时间内急升变化幅度能较好地反映降水强度。     

融合GNSS气象参数的BP神经网络雾霾预测研究

结合IGS中心获取的BJFS站气象参数（气温（T）、气压（P）、大气可降水量（PWV））及同期PM_2.5数据，建立一种融合时序网络和回归网络的雾霾预测模型，对PM_2.5浓度进行预测。研究表明，引入GNSS气象参数的融合网络模型较单一网络模型适应性强、准确度高，在一定精度范围内可准确预测PM_2.5的变化，时效性达3 h。本文结论验证了卫星导航技术应用于雾霾天气监测及预报的可行性。