GPT3模型反演GNSS大气可降水量精度评定

采用中国区域2017~2018年与GNSS站并址的49个探空站资料对GPT3模型估算的气象参数的精度进行评估,再利用49个GNSS站结合GPT3模型估算的气象参数反演日均大气可降水量PWV,并采用与GNSS站并址的探空站数据对其精度进行评定。实验得出：1）在中国地区,1°分辨率的GPT3模型的精度和稳定性优于5°分辨率,其气压、气温和大气加权平均温度T_m的偏差均值分别为0.73 hPa、1.34 K和－1.67 K,均方根误差均值分别为4.21 hPa、3.75 K和4.15 K;2）利用GPT3模型提供的气温结合Bevis经验公式反演的PWV与GPT3模型提供的Tm反演的PWV精度相当,且2种方法反演的PWV和探空资料实测地表温度反演的PWV呈现很好的一致性,在我国青藏高原和西北地区反演PWV的精度优于我国南方和北方地区。     

香港地区顾及高度改正的加权平均温度模型

选用2012~2017年Kings Park 站探空资料,基于迭代最小二乘方法构建2种香港地区顾及高度改正的加权平均温度模型--T_m_hk1和T_m_hk2,并利用2018年探空资料对模型在香港地区的精度和适用性进行评估。结果表明,在香港地区,依赖测站温度的T_m_hk1模型具有较高的精度,年均偏差优于0.3 K,均方根误差优于1.8 K,与Bevis公式和GPT2w模型相比,T_m_hk1模型的精度分别提升35.4%和29.7%;而不依赖气象参数的T_m_hk2模型与GPT2w模型的精度相当,年均方根误差均优于2.5 K,Bevis公式的精度最差(RMS为2.7 K),且具有较大负偏差(bias为－1.8 K)。从季节性分析可知,Bevis公式、T_m_hk2 和GPT2w模型精度具有明显的季节性变化,总体为夏季精度较高(RMSE为1.3~2.2 K),冬季精度较低(RMSE为3.0~4.4 K);T_m_hk1模型在各季节均具有最高精度（RMSE为1.4~2.4 K）和适用性。     

融合GPT2w模型与GNSS参数获取大气可降水量

针对GPT2w模型误差累积所导致的天顶对流层延迟(zenith tropospheric delay, ZTD)和大气可降水量(precipitable water vapor, PWV)精度不高的问题,利用2017年长三角地区7个探空站和2个GNSS站的实测数据检验GPT2w模型获取的气压、温度、水汽压、加权平均温度(Tm)和ZTD等参数的精度,并融合GNSS解算得到的ZTD(GNSS-ZTD)与GPT2w模型获取的气象参数,提高PWV反演精度。结果表明：1)近地面处的气压、温度和水汽压的bias分布在－3~4 mbar、－7~7 K和－9~2 mbar之间,精度较高;2)GPT2w模型获取的Tm在长三角地区适用性较好,年均bias和RMS分别为－1.21 K和6.89 K;3)基于GPT2w模型解算的ZTD的bias和RMS均值分别为1.4 cm和9.4 cm,精度明显低于基于实测气象数据获得的GNSS-ZTD;4)参数融合法计算的PWV与GNSS-PWV精度相当,该方法可用于无实测气象参数时实时获取PWV。     

中国区域ERA5和MERRA-2再分析资料计算Tm的精度分析

以中国区域89个探空站2017年资料为参考值,对ERA5和MERRA-2再分析资料积分计算的Tm的精度进行评估,并分析2种资料计算的Tm的bias和RMSE的时空变化特性。结果表明：1）以探空站资料为参考值,ERA5和MERRA-2再分析资料计算的Tm的年均bias分别为0.41 K和0.10 K,年均RMSE分别为1.26 K和1.34 K。2）2种资料计算的Tm的bias和RMSE具有相似的时空变化特性,时间上总体表现为夏季精度高、冬季精度稍低,但ERA5再分析资料计算的Tm的bias在全年均表现为正值,而MERRA-2再分析资料计算的Tm的bias在夏季表现为负值,其余时间表现为正值;在空间上,2种资料计算的Tm的bias和RMSE在高程上无明显变化特性,但在纬度上RMSE均表现出随纬度增加而逐渐变大的趋势,总体保持在2.5 K以内。     

基于ECMWF再分析地表资料计算中国区域ZTD的精度分析

利用ECMWF再分析地表资料，结合GPT2w模型提供的水汽递减率和温度递减率计算中国区域对流层延迟值的精度。首先，以中国地区75个探空站2015年地表实测气象参数为参考值，利用ECMWF地表资料得到的气象参数（P，T，e）的精度分别为1.76 hPa、1.96 K、1.98 hPa。然后，以相同测站2010~2015年探空站分层数据算得的ZTD为参考值，对ECMWF地表资料计算的ZTD的精度进行分析，并与利用探空仪地面观测数据为输入参数计算的ZTD的精度进行对比。结果显示，利用ECMWF地表资料计算的ZTD的平均bias为0.07 cm，平均RMS为3.72 cm，在低纬度地区优于利用探空仪地面观测数据为输入参数计算的ZTD的结果。以陆态网237个GNSS测站2015年的ZTD作为参考值，比对利用ECMWF地表资料计算的ZTD的精度，结果为3.41 cm。由此可知，ECMWF地面资料计算的ZTD的精度能满足普通用户对流层延迟的计算需求，可用于缺少气象参数的测站进行对流层延迟值的计算及其他相关应用。     

GNSS水汽反演资料在台风分析中的应用

文章介绍利用GAMIT软件对南宁地区CORS基准站的观测数据进行处理分析,引入反距离加权插值法简化分析数据,以南宁地区探空站的气象观测数据作为检验标准,验证CORS数据处理的解算精度和可靠性,并结合探空气象数据和实际降雨情况,重点分析台风过境前后大气可降水量的时间序列变化。结果表明,CORS数据反演得到的PWV和探空气象数据获得的PWV具有很好的一致性,整体的变化趋势和台风过境前后的实际降雨情况基本吻合,能够较好地应用于极端天气预警。     

基于MLP神经网络的大气加权平均温度模型

以中国西南地区2015~2017年探空数据为实验数据,使用多层感知器（MLP）神经网络回归方法建立西南地区的加权平均温度(T_m)模型。将气象参数（地表温度、水汽压）和非气象参数（高程、纬度和年积日）作为模型输入因子,由数值积分法计算得到的T_m作为学习目标,通过神经网络模型进行迭代训练从而得到中国西南地区的T_m。以2018年探空站T_m数据为参考值,对MLP模型精度进行验证,并与Bevis模型和GPT3模型进行对比分析。结果表明,MLP模型的年均RMSE和年均bias分别为1.99 K和0.15 K,比Bevis模型、GPT3模型年均RMSE分别降低1.36 K(40.6%)和1.51 K(43.1%),年均bias分别下降0.70 K（82.4%）和1.04 K（87.4%）,且该模型在中国西南区域不同高程、纬度和季节的精度与稳定性优于Bevis模型和GPT3模型。     

基于探空资料的湖南地区加权平均温度

利用湖南地区长沙、怀化、郴州3个探空站数据,将数值积分法计算的Tm作为参考值,并基于最小二乘法建立湖南地区Tm本地化模型。研究结果表明,Bevis模型计算的Tm值在湖南地区存在2.51 K的系统偏差;湖南本地化模型Tm值与地面温度Ts之间的相关系数达到0.942 5,模型平均偏差1.60 K,内符合精度1.41 K;基于本地化Tm模型计算的GPS PWV与利用探空数据计算的PWV相比,平均偏差为0.52 mm,标准差为2.21 mm,RMS为2.45 mm。总体而言,本地化Tm模型的精度优于Bevis模型,更适用于湖南地区的GPS气象研究及业务应用。     

长三角地区GNSS大气水汽转换系数模型精化研究

根据长三角地区7个探空站基于积分法计算的2016年大气水汽转换系数（K值）,利用多元线性拟合分别构建不顾及高程的Emardson-I精化模型和顾及高程的Emardson-H精化模型,并用2017年的K值验证两种模型的精度。实验结果表明,Emardson-H预报模型的MAE和RMS分别为0.001 297和0.001 616,略优于Emardson-I预报模型的0.001 303和0.001 620;基于两种新模型的GNSS-PWV反演精度相当,其MAE和RMS均优于0.6 mm。因此,Emardson-I模型以其无需实测气象参数和无需顾及高程在长三角地区的地基GNSS气象学实时应用中具有更好的效率优势。     

贵州局地大气加权平均温度模型的建立与精度分析

基于贵阳、威宁两个无线电探空站2014~2016年的气象数据,采用一元线性回归方法构建贵州整体、局地及季节大气加权平均温度Tm模型,并分析模型的精度。结果表明,贵州整体Tm模型精度高于Bevis模型、全国模型和亚热带季风气候模型;建立贵州局地、季节模型有助于进一步改善Tm的精度;相较于Bevis模型,局地Tm模型反演的PWV精度更高,与实际降水吻合更好。     

基于北斗导航系统的我国地基增强格网模型研究

基于全国均匀分布的210个北斗地基增强基准站观测数据,提出基于非差非组合精密单点方法获取空间相关的延迟误差及残差,研究利用反距离加权法、克里金插值法以及球谐函数法建立了中国区域的三种地基增强格网模型。使用单频伪距单点定位方法对中国区域的北斗地基增强格网模型定位精度进行了评估,验证结果表明本文建立的格网模型的定位精度达到米级,可满足大众用户的需求。     

Improvement of mono-window algorithm for retrieving land surface temperature from HJ-1B satellite data

The thermal infrared channel (IRS4) of HJ-1B satellite obtains view zenith angles (VZA) up to ±33°. The view angle should be taken into account when retrieving land surface temperature (LST) from IRS4 data. This study aims at improving the mono-window algorithm for retrieving LST from IRS4 data. Based on atmospheric radiative transfer simulations,a model for correcting the VZA effects on atmospheric transmittance is proposed. In addition,a generalized model for calculating the effective mean atmospheric temperature is developed. Validation with the simulated dataset based on standard atmospheric profiles reveals that the improved mono-window algorithm for IRS4 obtains high accuracy for LST retrieval,with the mean absolute error (MAE) and root mean square error (RMSE) being 1.0 K and 1.1 K,respectively. Numerical experiment with the radiosonde profile acquired in Beijing in winter demonstrates that the improved mono-window algorithm exhibits excellent ability for LST retrieval,with MAE and RMSE being 0.6 K and 0.6 K,respectively. Further application in Qinghai Lake and comparison with the Moderate-Resolution Imaging Spectroradiometer (MODIS) LST product suggest that the improved mono-window algorithm is applicable and feasible in actual conditions.     

结合ICESat-2和GEDI的中国东南丘陵地区ASTERGDEM高程精度评价与修正

星载激光雷达ICESat-2和GEDI可以为数字高程模型产品的精度评价与修正提供全球覆盖的、可靠的高精度参考数据源。然而,现有的DEM修正方法主要是针对DEM误差中的植被高信号且多采用线性回归模型。为此,本文分析了ASTER GDEM v3精度与土地覆盖类型、高程、坡度、起伏度及植被覆盖率的关系。在此基础上,提出了一种考虑上述多种精度影响因素并结合XGBoost和空间插值的DEM误差修正方法。结果分析表明:原始ASTER GDEM的误差整体呈正态分布,平均误差为-3.463 m,存在较大负偏差,高程精度随着高程、坡度、起伏度及植被覆盖率VCF的增大呈降低趋势;经过修正后,ASTER GDEM平均误差降低到了-0.233 m,负偏差得到有效改善,整体平均绝对误差降低了26.04%,整体均方差降低了23.56%,耕地、林地、草地、湿地、水域及人造地表的DEM平均绝对误差和均方差都有不同程度的降低;本文提出的方法对多种特征要素与地形误差间的非线性关系进行拟合建模,在研究区取得了较好的修正效果。     

稀疏格网样点的国家尺度土壤属性制图方法与应用

 国家尺度土壤属性数据是地球生物化学循环及水循环等领域研究的重要数据,目前,该尺度土壤属性数据的获取方法主要有两类:土壤属性-空间数据连接法和空间插值。为了确定哪一类方法更适合稀疏样点的国家尺度土壤属性制图,本文以中国吉林省的土壤有机质含量制图为例,采用8~32km格网样点和1∶100万土壤图,对这两类方法进行对比分析。独立样本验证结果表明,土壤属性-空间数据连接法的平均误差(ME)大于距离反比加权(IDW)插值,而平均绝对误差(MAE)和均方根误差(RMSE)都小于IDW插值。IDW插值获得的土壤属性图虽然能大致反映土壤属性空间分布的基本规律,但出现了类似"牛眼睛"的空间结构,且存在无样点区估计值不准确等问题;土壤属性-空间数据连接法尽管忽略了同种土壤类型内部的差异,保留了不同土壤类型边界处的属性值突变,但获得的土壤属性图更能反映土壤属性分布的基本规律,也具有比较详细的土壤属性空间结构。因此,在基于稀疏样点的国家尺度土壤属性制图中,土壤属性-空间数据连接法的制图效果要优于IDW空间插值法。     

基于TRMM数据的福建省降水时空格局BME插值分析

传统空间插值方法可获得福建省区域内降水的总体分布,但该地区气象站点较稀疏且分布不均,导致该区域内降水的空间插值结果误差较大。为提高插值精度,本文利用TRMM卫星数据以弥补站点数据的不足,尝试将TRMM数据作为"软数据"、台站数据作为"硬数据",两者相结合后采用贝叶斯最大熵(Bayesian Maximum Entropy,BME)方法对福建省降水的时空格局进行分析。以2000-2012年近13年20个气象站点的年降水量和月降水量为基础数据,分别利用普通克里格法(Ordinary Kriging,OK)和TRMM为"软数据"的BME插值法,分析福建省多年降水的时空分布格局,并对2种方法的插值结果进行比较。结果表明:在时空分布上,以TRMM数据为辅助变量的贝叶斯最大熵插值结果能更好地体现降水的局部差异特征;在误差评价上,以TRMM数据为辅助变量的贝叶斯最大熵插值结果的MAE和RMSE较小,表明TRMM数据作为"软数据"参与插值的BME方法可以在一定程度上弥补站点数据的不足,有效降低预测结果的绝对误差。通过对福建省降水插值的时空分布格局分析和误差评价可看出,BME插值法通过对基础台站数据,以及TRMM卫星产品数据的利用,使降水的时空分析结果更加真实客观,同时,为TRMM卫星降水数据的应用提供了一个新思路。     

改进的局部多项式插值权函数研究

基于动态球半径选点法选取构建多项式的样本点,分别采用局部距离比、反距离权重及本文所引进的选权迭代法3种方法,对局部多项式插值结果的准确度与可靠性进行对比分析。结果表明,在无粗差情况下,3种定权方法插值结果相似;而加入粗差后,前2种方法的结果偏离无粗差情况下的插值曲面,而选权迭代法得到的曲面起伏情况与无粗差结果一致。     

基于CORS的DInSAR大气延迟校正方法研究

针对利用GPS数据改正DInSAR大气延迟误差中存在CORS站点稀疏的问题,给出一种广义曲面拟合插值模型,并基于北京地区的GPS观测数据和SAR影像对比较了反距离加权插值模型（IDW）和曲面拟合插值模型（CSF）用于区域对流层延迟建模的精度,然后对SAR差分干涉图进行大气延迟校正。结果表明,曲面拟合模型比反距离加权模型更能反映区域单差对流层延迟特性,两次实验的插值精度分别达到了7.1和3.5 mm。采用CORS观测数据和曲面拟合内插模型,可有效削弱DInSAR中的大气延迟误差,提高DInSAR测量结果的精度。