不同饱和水汽压模型对GNSS反演可降水量的影响分析

地基全球卫星导航系统（GNSS）水汽反演过程中需要大气加权平均温度T_m的参与，而饱和水汽压E_s作为T_m计算过程中的一个重要变量影响着T_m，因此E_s将会间接地影响大气可降水量（PWV）的反演精度.针对目前地基GNSS水汽反演研究中普遍采用的三种不同的饱和水汽压模型（Magnus-Tetens模型、BUCK模型、Goff-Gratch模型），本文就不同的饱和水汽压模型参与反演是否会引起水汽反演结果的差异进行了研究.以香港为研究区域，利用GAMIT解算了2016年旱雨两季（2、7月）的天顶湿延迟（ZWD），同时利用king's park探空站的探空数据通过数值积分计算得到旱雨两季（2、7月）的T_m，然后严格参照反演步骤编程模拟计算旱雨两季（2、7月）每天的PWV.最后对比并分析了不同饱和水汽压模型参与计算对T_m和PWV的影响及原因，结果表明:三种饱和水汽压模型参与计算得到的PWV与真值（探空站计算得到的PWV）之间不存在具有统计意义的显著性差异，因此均可被用来提供计算T_m时所用到的饱和水汽压E_s，但是通过对比分析发现部分研究人员将BUCK模型中的变量T当作露点温度而非大气温度进行计算会使T_m产生较大的误差，进而对该误差进行了不合理性分析.本文的分析将会对后续地基GNSS水汽反演研究中的处理提供一定的参考.      

渤海区域对流层加权平均温度研究

利用了MM4中尺度气象模式输出的渤海地区的温度、湿度参数,建立了渤海区域对流层加权平均温度经验公式,消除了Bevis公式引起的系统误差。     

利用COSMIC掩星折射率数据研究中国陆地区域对流层顶高度的时空特征

利用折射率协方差变换法采用2007—2014年COSMIC(Constellation Observing System for Meteorology,Ionosphere and Climate)掩星观测数据研究了中国陆地区域对流层顶高度的时空变化特征。实验结果表明:中国陆地区域的对流层顶高度随纬度变化,呈现出"南高北低"的格局;而对流层顶处的温度和压强分布与高度分布相反。同时,中国陆地区域内对流层顶高度表现出较强的季节相关性,中国大部分陆地地区通常夏季对流层顶最高,冬季对流层顶最低;但在低纬地区(16°N～26°N)表现相反。在30°N～40°N之间的亚热带区域四季的变化较为显著,且存在明显的等值线。采用中位数斜率回归法分析了2007—2014年中国陆地区域对流层顶高度的年际变化,发现中国陆地区域对流层顶高度平均每年升高6.3 m,温度平均每年下降0.002 K,压强平均每年下降0.15 hPa。     

成都地区大气平均温度建模及其在GPS/PWV计算中的应用研究

地基GPS气象学的关键技术是在于通过垂直方向上GPS信号的湿分量延迟值来确定大气可降水量-PWV,而这两个物理量间进行转换时需要用到一个关键性的参数——大气加权平均温度。本文首先讨论了估算加权平均温度的几种方法,然后利用成都地区2005年全年的大气探空数据,采用回归分析方法,建立了适合成都地区的大气加权平均温度模型,精度为±2.21K。最后将该公式应用到成都地区PWV的计算中,得到了非常理想的效果。     

利用地面气象观测资料确定对流层加权平均温度

地基GPS气象学的核心思想是通过垂直方向上GPS信号的湿分量延时确定出可降水分 ,而这两个物理量之间的转换必须使用对流层加权平均温度。本文首先讨论了上述转换估计中加权平均温度的几种逼近方式及其容许误差 ,然后利用香港地区的地面和高空气象资料 ,采用逐步回归分析方法 ,建立了适合香港地区的对流层加权平均温度计算公式 ,通过数据分析表明 ,这个公式有效地消除了在香港地区使用Bevis经验公式引起的系统误差 ,较好地满足了地基GPS气象应用中实时性和高精度的要求。本研究也充分表明 ,在地基GPS气象研究中 ,应该利用本地区的气象资料来确定适合本地区的估计对流层加权平均温度的经验公式。     

利用地面气象观测资料确定对流层加权平均温度

地基ＧＰＳ气象学的核心思想是通过垂直方向上ＧＰＳ信号的湿分量延时确定出可降水分,而这两个物理量之间的转换必须使用对流层加权平均温度。本首先讨论了上述转换估计中加权平均温度的几种遏近方式及其容许误差,然后利用香港地区的地面和高空气象资料,采用逐步回归分析方法,建立了适合香港地区的对流层加权平均温度计算公式,通过数据分析表明,这个公式有效地消除了在香港地区使用Ｂｅｖｉｓ经验公式引起的系统误差,较好地     

Bevis公式在不同高度面的适用性以及基于近地大气温度的全球加权平均温度模型

加权平均温度(T_m)是全球卫星导航系统(GNSS)反演可降水量(PWV)过程中的关键参量。利用Bevis公式和地表温度可以方便地得到地表附近的高精度T_m估计值。然而,不少研究指出,Bevis公式在高海拔地区存在较大误差。本文对Bevis公式在不同高度面的适用性进行研究后发现,Bevis公式在海拔较低时精度较高,随着海拔升高,精度逐渐降低。为了解决Bevis公式在高海拔地区适用性较低的问题,本文对近地空间范围内(本文指0～10 km的高程范围)的T_m与大气温度的关系展开了研究,发现两者在全球范围内都拥有很高的相关性,由此本文构建了基于近地大气温度的全球加权平均温度模型。对模型的检验结果表明,该模型在近地空间范围内的任意高度面上都可以提供高精度的T_m估计值。     

利用GPT3模型的GNSS⁃PWV计算方法北大核心CSCD

针对部分GNSS测站缺乏实测气象参数时无法实时计算可降水量(PWV)的问题,本文以长三角地区为例提出一种将GPT3模型参数与GNSS对流层总延迟(ZTD)融合获取高精度PWV的新方法。研究结果表明,GPT3模型的气象参数和各类对流层延迟参数在长三角地区具有较好的稳定性和精度,融合GPT3模型的干延迟(ZHD)、加权平均温度(Tm)和GNSS⁃ZTD所得PWV的RMS为3.56 mm,接近GNSS⁃PWV的3.74 mm,远优于GPT3⁃PWV的11.12 mm。     

GPT2w模型在中国区域的精度检验与分析

全球温度气压湿度（global pressure and temperature 2 wet，GPT2w）模型常被用于计算某一位置的气温、加权平均温度、气压以及水汽压等各种气象参数，是目前公开的标称精度最高的对流层延迟经验模型。利用中国区域参与全球气象交换的86个测站2013-2015年的气象探空数据，对GPT2w得到的各种气象参数进行精度检验及分析。实验结果表明，气温平均偏差为1.31℃，均方根误差为3.62℃；加权平均温度的平均偏差为-1.58 K，均方根误差为4.07 K；气压和水汽压平均偏差的绝对值在1 hPa以内，其均方根误差分别为6.98 hPa与3.04 hPa。利用2006-2015年的数据分析了不同纬度模型精度的周期性特征，结果表明，气温、加权平均温度、气压和水汽压的均方根误差均具有一定的年周期特性，且在不同的纬度区域其周期特性不同。总体而言，GPT2w模型在中国地区范围内具有较高的精度和稳定性。     

黄土高原地区PWV影响因素分析及精度评定

大气水汽是对流层的重要组成部分之一,研究影响水汽的因素及精度具有重要意义。主要研究黄土高原地区大气可降水量（precipitable water vapor, PWV）的影响因素,并对其实际精度进行评估。首先,对ERA5（the fifth-generation atmospheric reanalysis data of ECMWF）的气压、气温数据和全球导航卫星系统（global navigation satellite system, GNSS）获取的天顶对流层延迟（zenith troposphere delay, ZTD）进行评定;然后,依据ERA5的气压、气温数据和GNSS的ZTD数据计算1 h分辨率的PWV,并利用误差传播理论推导PWV的理论误差; 最后, 与PWV实际计算误差进行对比,分析黄土高原地区PWV的精度。结果表明,基于GAMIT/GLOBK软件获得的GNSS ZTD与PANDA软件解算的GNSS ZTD差值的均方根（root mean square, RMS）和Bias分别为4.05 mm和-0.46 mm;ERA5气压和气温的平均RMS和Bias分别为3.36 hPa/1.97 K和-0.01 ?hPa/0.04 K;黄土高原地区PWV的理论误差为1.51 mm,实际误差为1.94 mm。计算得到的PWV精度较高,对水汽分布以及气候监测的研究具有重要意义。     

A globally applicable, season-specific model for estimating the weighted mean temperature of the atmosphere

In GPS meteorology, the weighted mean temperature is usually obtained by using a linear function of the surface temperature T _s. However, not every GPS station can measure the surface temperature. The current study explores the characteristics of surface temperature and weighted mean temperature based on the global pressure and temperature model (GPT) and the Bevis T _m–T _s relationship (T _m =?a?+?bT _s). A new global weighted mean temperature (GWMT) model has been built which directly uses three-dimensional coordinates and day of the year to calculate the weighted mean temperature. The data of year 2005–2009 from 135 radiosonde stations provided by the Integrated Global Radiosonde Archive were used to calculate the model coefficients, which have been validated through examples. The result shows that the GWMT model is generally better than the existing liner models in most areas according to the statistic indexes (namely, mean absolute error and root mean square). Then we calculated precipitable water vapor, and the result shows that GWMT model can also yield high precision PWV.     

江苏地区Tm-Ts相关性分析及其线性模型的建立

为提高GNSS反演可降水量的精度,文中采集江苏附近5个气象探空站2005—2015年共11年的数据,分析加权平均温度(Tm)年周期的变化规律,同时分析Tm与地表气温(Ts)的线性关系。结论表明,两者的线性关系会随着季节的变化发生相应的变化。文章试验几种线性回归的方案,并利用该区域2016年的数据进行检验,其中将数据每8d一组进行分段拟合得到的模型精度最高,其R_(ms)为2.49k高于传统Bevis模型的3.08k,提高近19%。     

综合GPS和NCEP CFSv2的区域PWV估计方法

利用地基GPS估计PWV（precipitable water vapor）时,除GPS观测数据外,GPS测站地表的气温和气压也是必要参数。针对我国多数GPS网并未配备相应的气象传感器的情况,利用美国环境预报中心气候预报系统第2版提供的逐6 h产品,并顾及测站高程转换时的平均海平面高改正,提出一种GPS测站气象参数的插值新方法。以香港卫星定位参考站网实测GPS数据进行试验研究,结果表明,平均海平面高对地表气压的插值结果影响较大,而对地表气温的插值结果影响较小;经平均海平面高改正后,地表气压插值结果的平均均方根误差（RMSE）为1.61 hPa,地表气温插值结果的平均RMSE为1.93 K;由插值气象参数估计的PWV的平均RMSE为2.76 mm,验证了所提方法的有效性。     

GPS可降水汽含量在强降雨过程中的特征分析

针对水汽在大气中易于变化,高时空分辨率水汽资料的欠缺,造成强降雨短时临近的预报水平不高的问题,探讨分析了GPS水汽反演的精度。利用香港CORS数据,通过GAMIT软件解算获得各测站1 h大气可降水量时间序列,将其与探空数据获得的液态水含量（PWV）和实际降水量进行比较分析。结果表明,GPS／PWV与Radio／PWV在整体变化趋势上具有很好的一致性,其相关系数大于0.9;GPS／PWV与Radio／PWV精度相当,两者平均偏差小于1 mm,均方根误差小于3 mm;GPS反演的大气可降水量与实际降水量具有较好的对应关系,能够精确地监测到水汽变化的过程,可以用于水汽的监测和预报研究。      

Experiment on driving precipitable water vapor from ground-based GPS network in Chengdu Plain

The estimates of total zenith delay are derived using Bernese GPS Software V4. 2 based on GPS data every 30 s from the first measurement experiment of a ground-based GPS network in Chengdu Plain of Southwest China during the period from July to September 2004. Then the estimates of 0.5 hourly precipitable water vapor (PWV) derived from global positioning system (GPS) are obtained using meteorological data from automatic weather stations (AWS). The comparison of PWV derived from GPS and those from radiosonde observations is given for the Chengdu station, with RMS (root mean square) differences of 3.09m. The consistency of precipitable water vapor derived from GPS to those from radiosonde is good. It is concluded that Bevis’ empirical formula for estimating the weighted atmospheric mean temperature can be applicable in Chengdu area because the relationship of GPS PWV with Bevis’ formula and GPS PWV with radiosonde method shows a high correlation. The result of this GPS measurement experiment is helpful both for accumulating the study of precipitable water vapor derived from GPS in Chengdu areas located at the eastern side of the Tibetan Plateau and for studying spatial-temporal variations of regional atmospheric water vapor through many disciplines cooperatively.     

区域大气加权平均温度模型构建与适用性分析

加权平均温度作为GNSS水汽反演的重要参数,直接影响大气可降水量的反演精度,而建立区域化加权平均温度模型有助于提高水汽反演精度。利用香港探空站2012-2015年数据资料,在分析加权平均温度与地面气象要素关系的基础上,运用最小二乘原理探究最优回归方程系数,回归建立了区域加权平均温度的单因素模型和多因素模型。结果表明:多因素模型精度高于单因素模型,但并不显著,Bevis经验公式应用于香港区域时不满足精度要求;对模型精度和适用性进行了分析比较,表明文中建立的模型精度较高,能更好满足水汽遥感高精度的要求。      

Improved one/multi-parameter models that consider seasonal and geographic variations for estimating weighted mean temperature in ground-based GPS meteorology

In ground-based GPS meteorology, weighted mean temperature is the key parameter to calculate the conversion factor which will be used to map zenith wet delay to precipitable water vapor. In practical applications, we can hardly obtain the vertical profiles of meteorological parameters over the site, thus cannot use the integration method to calculate weighted mean temperature. In order to exactly calculate weighted mean temperature from a few meteorological parameters, this paper studied the relation between weighted mean temperature and surface temperature, surface water vapor pressure and surface pressure, and determined the relationship between, on the one hand, the weighted mean temperature, and, on the other hand, the surface temperature and surface water vapor pressure. Considering the seasonal and geographic variations in the relationship, we employed the trigonometry functions with an annual cycle and a semi-annual cycle to fit the residuals (seasonal and geographic variations are reflected in the residuals). Through the above work, we finally established the GTm-I model and the PTm-I model with a $2^{\circ }\times 2.5^{\circ }(\mathrm{lat}\times \mathrm{lon})$ resolution. Test results show that the two models both show a consistent high accuracy around the globe, which is about 1.0 K superior to the widely used Bevis weighted mean temperature–surface temperature relationship in terms of root mean square error.     

成都地区地基GPS观测网遥感大气可降水量的初步试验

利用首个成都地区地基GPS观测网2004年7～9月30s间隔的测量数据，通过Bernese GPS SoftwareV4．2解算出30min间隔的天顶总延迟量，结合自动气象站获得的气象资料计算出30min间隔的GPS遥感的大气可降水量。与根据气象探空站探测资料算出的可降水量进行统计对比，确定出本次GPS遥感可降水量试验的精度为3．09mm，两种可降水量时间序列呈现高度的一致性。同时验证了计算对流层加权平均温度的Bevis经验公式在成都地区的适用性。