全球ZWD垂直剖面滑动窗口的格网模型

对流层延迟是GNSS导航定位的主要误差源之一.针对已有对流层天顶湿延迟(ZWD)垂直剖面模型存在建模仅采用单一格网点数据以及使用月均剖面数据等不足,本文提出了一种基于滑动窗口的ZWD垂直剖面格网模型构建方法,建立了一种顾及精细季节变化的高精度全球ZWD垂直剖面模型(GZWD-H模型).同时,联合2017年全球321个探空站资料,对GZWD-H模型的垂直插值及其在全球大地观测系统(GGOS)大气格网ZWD空间插值中的应用进行了精度检验,并与全球性能优异的GPT2w模型进行对比.结果表明:① 以全球探空站数据积分计算的ZWD分层剖面信息为参考值,GZWD-H模型在全球ZWD的垂直插值中均表现出了最优的精度和稳定性,相对于GPT2w-1和GPT2w-5模型分别提升了4％ 和7％;②以全球探空站数据计算的地表ZWD信息为参考值,GZWD-H模型在GGOS大气格网ZWD产品空间插值中的精度相对于GPT2w-1和GPT2w-5模型分别提升了17％ 和35％;③相对于GPT2w-1模型,GZWD-H模型进一步减少和优化了模型参数.因此,GZWD-H模型在全球GNSS大气探测和GNSS精密定位中具有重要的应用.     

基于多源数据和广义回归神经网络的ZWD预报模型EI北大核心CSCD

对流层湿延迟是GNSS误差源较难改正的部分。主流的天顶湿延迟(ZWD)经验模型大多基于单源数据,如探空数据或再分析资料的一种,且通过预设模型函数表征ZWD在不同尺度上的变化,难以准确描述ZWD在不同尺度上的非线性复杂变化,精度有待进一步提高。针对此问题,基于多源数据和具有强大非线性逼近能力的广义回归神经网络(GRNN),构建了一种ZWD预报模型。首先,采用GRNN模型优化和降采样两种不同数据源的格网ZWD,并将其与探空ZWD合并,获取高质量的ZWD数据集;然后,根据ZWD受时空影响较大的特点和机器学习的特点,设计了GRNN训练模型的输入变量和输出变量;最后,采用后验寻优的方法确定模型参数,进而获得最优的预报模型。经探空ZWD验证,相比国际典范经验模型GPT2w,模型的精度提高了25.3%(以RMS计);相对同方法单源(探空)数据模型,精度改善了11.1%;且模型的预报精度具有良好的时空稳定性。此外,计算效率和PPP应用试验结果表明,模型的计算效率可满足GNSS实时应用的需求,且应用于PPP的改进效果优于GPT2w。本文所提方法无须预设模型函数即可获得较高的ZWD预报精度,为ZWD模型化提供了一种思路。     

顾及分段表达的中国区域对流层天顶湿延迟模型

高精度的对流层天顶湿延迟（ZWD）在GNSS高精度定位及大气水汽监测中具有重要作用。中国区域具有疆域辽阔、地形多变等特点,垂直方向存在规律难循的气流变化,而大多数ZWD模型仅采用单一函数对大气高度范围内变化进行拟合,或未考虑季节变化因素,因此在中国区域适用性较差。本文以中国区域MERRA-2大气再分析资料为数据源对ZWD展开深入研究,建立了一种顾及分段表达的中国区域ZWD模型（CZWD模型）;并以中国区域89个探空站积分计算的ZWD数据为参考值检验模型的精度。结果表明,CZWD模型的年均偏差（Bias）和年均均方根值（RMS）误差分别为-2.9、21.9 mm,精度优于目前应用较广的GPT3模型,且提高了5%,在中国区域总体上显示出较优的精度和适用性。因此,CZWD模型对于中国区域GNSS导航定位及水汽监测具有重要意义。     

利用GPS-IR技术快速估计雪水当量

雪水当量的监测对于气候变化的预测、水资源管理、农业生产规划具有重要意义。GPS干涉反射(GPS interferometric reflectometry, GPS-IR)技术是一种十分有效的地表积雪监测技术,基于GPS-IR技术提出了一种雪水当量的快速估计方法。首先基于GPS-IR技术获取美国板块边界观测(plate boundary observatory,PBO)GPS站的雪深时间序列;然后利用美国积雪遥测(SNowTELemetry, SNOTEL)站观测数据构建雪水当量转换模型;最后以北美历史与预测气候数据项目(historical and projected climate data for North America,ClimateNA)的气候预测数据作为参数约束,将GPS日雪深快速转化为雪水当量,并对雪水当量估计与验证过程的影响因素进行评价。实验结果表明,基于GPS-IR技术得到的雪深序列具有良好可靠性,与观测值的相关系数(R2)达到0.98,均方根误差(root mean square error, RMSE)为11.1 cm,偏差(Bias)为-3.7 cm;快速转化模型对雪水当量估计具有较高精度(R~2=0.98,RMSE=4.2 cm,Bias=-2.5 cm)与稳定性;转化模型时空稳定性较高,残差集中在5 cm内;气候预测数据的引入、积雪分布差异对雪水当量估计与验证影响较小。所提方法在积雪监测设备缺乏区域可实现雪水当量快速估计,同时也为现有积雪观测网络增强、积雪产品改善等研究提供参考。     

湿延迟与可降水量转换系数的全球经验模型

利用2005~2011年的全球大地测量观测系统(global geodetic observing system,GGOS)Atmosphere提供的2.5°×2°(经度×纬度)的天顶湿延迟(zenith wet delay,ZWD)格网数据和欧洲中尺度天气预报中心(European Centre for Medium-Range Weather Forecasts,ECMWF)提供的2.5°×2°可降水量(precipitable water vapor,PWV)格网数据,在全球范围内计算得到各格网点的地基GPS水汽反演关键参数Π-1的时间序列,分析了其时空分布特征,建立了一种转换系数Π的全球经验模型。该模型无需站点气象数据,仅与站点经纬度、年积日和海拔相关。利用未参与建模的2012年的GGOS Atmosphere和ECMWF格网数据、2012年661个无线电探空站的探空资料对模型进行精度检验。结果显示,采用格网数据检验,其偏差的平均值(Bias)为-0.179mm,均方根误差(root mean square error,RMS)的平均值为1.806mm;采用无线电探空资料进行检验,其Bias为0.465mm,RMS为0.789mm。结果都表现出了较小的系统性偏差与较高的精度,说明所建立的湿延迟与可降水量转换系数模型在全球范围内具有较高的精度与稳定性。     

多系统双频精密单点定位不同模型下性能比较分析

通过2018年1月多全球卫星导航系统（GNSS）实验(MGEX)的十个测站数据,采用无电离层模型和非差非组合模型,对单系统、双系统和四系统精密单点定位（PPP）进行定位性能分析,定位性能包括收敛时间和定位精度. 实验结果表明,两种PPP模型定位性能相当,但优于单频PPP,在E、N和U方向收敛时间缩短20 min左右,定位精度提高1.6 cm左右;联合多系统能够增加卫星数,改善卫星间几何构型,提升PPP的定位性能. 对GLONASS伪距频间偏差（IFB）采用估计每颗GLONASS卫星的伪距IFB模型和伪距IFB为频率二次多项式模型提升PPP的定位性能,结果表明估计每颗GLONASS卫星的伪距IFB模型要优于伪距IFB为频率二次多项式模型,估计伪距IFB相比忽略伪距IFB在PPP定位性能上有不同程度的提升.      

天顶静力延迟模型对GPS可降水量反演的影响分析及改进

利用地基GPS遥感大气可降水量(PWV,precipitable water vapor)过程中,天顶静力延迟(ZHD,zenith hydrostatic delay)模型精度直接影响PWV反演精度。文中将常用天顶静力延迟模型(Black模型、Hopfield模型和Saastamoinen模型)计算所得ZHD与基于湖南省2016-04-01—2017-03-31高空气象探测秒级数据计算所得探空ZHD进行对比,发现模型存在较明显系统偏差,其中Black模型ZHD平均偏低40mm以上。利用探空实测ZHD对天顶静力延迟模型进行回归建模,订正模型系数后可明显减小模型系统偏差和均方误差。改进后的ZHD模型可明显减小GPSPWV反演的系统偏差,并略微降低均方误差,其中采用改进后SA模型反演所得GPSPWV与探空PWV相比,平均偏低不超过0.230 7mm,反演准确性有较显著改善。     

中国区优化气压外推模型构建及GNSS-PWV应用

针对进一步提升标准气压外推模型在中国大陆地区的精度及可用性的问题,该文利用2004—2014年ERA5气压层数据补偿平均海平面气压(MSLP)的外推误差,顾及残差的时空变化构建了一种优化的气压外推模型(CPM)。基于2015年传感器实测气压的验证结果表明,CPM模型的精度较标准外推模型提升40.6%,对应的静力学(干)延迟(ZHD)不确定度减少3 mm。以2015年无线电探空大气可降水量(PWV)为参考,基于CPM模型计算的GNSS-PWV精度较标准外推模型提升14.9%,且与探空PWV表现出高度相关性。     

全球高精度对流层延迟建模及其在地基GNSS技术中的应用研究

对流层延迟是空间大地测量技术的一种主要误差源。在GNSS中,一般采用模型化或参数估计的方法削弱对流层延迟影响。目前已建立的对流层经验模型均是基于单一数据源,时空分辨率和精度有限,且现有的模型应用研究大多局限于定位解算的直接改正法。本文旨在建立高精度的对流层延迟模型,发展其在地基PPP和GNSS-IR(GNSS interferometric reflectometry)技术中应用的新方法,围绕多源对流层延迟产品精度评估、多源对流层延迟模型和高精度湿延迟模型建立、对流层延迟模型在PPP以及地基GNSS-IR技术中的应用展开研究,主要工作和贡献如下:(1)提出了顾及相邻层之间协方差的探空对流层延迟精度评定方法,得到全球312个探空站2010—2015年的ZHD,ZWD和ZTD的精度分别为2.87 mm、2.71 mm和4.85 mm。     

基于误差补偿的中国区域加权平均温度模型研究

考虑到加权平均温度(Tm)与地表气温(TS)之间关系的复杂性,采用中国及毗邻地区80个气象探空站2003—2013年共11年的数据,结合基于神经网络的模型误差补偿技术构建适用于中国区域Tm估计的融合模型.利用中国区域其余74个气象探空站2014—2018年的数据进行验证,结果表明:融合模型的精度比传统Bevis模型提高24％,比分区拟合的线性回归模型提高15％,比无实测气象参数的Tm模型(IGPT2w-1)提高26％,在西北部地区的Tm估计精度得到显著地改善.     

利用中国区域MERRA-2资料计算ZTD和ZWD的精度分析

对流层延迟是影响高精度定位与导航的主要误差之一,也是全球导航卫星系统（global navigation satellite system,GNSS）水汽探测的关键参数。美国航空航天局发布了最新一代的大气再分析资料（MERRA-2资料）,其可用于计算高时空分辨率的对流层延迟产品,但是目前尚无文献对利用MERRA-2资料计算天顶对流层延迟（zenith tropospheric delay,ZTD）和天顶湿延迟（zenith wet delay,ZWD）的精度进行分析。因此,联合2015年中国陆态网214个GNSS站ZTD产品和分布于中国区域的87个探空站资料,对利用MERRA-2资料在中国区域计算ZTD/ZWD的精度进行评估。结果表明：（1）以陆态网ZTD为参考值,利用MERRA-2资料积分计算ZTD的年均偏差和均方根误差（root mean square error,RMSE）分别为0.32 cm和1.21 cm,且偏差和RMSE均表现出一定的季节变化,总体上呈现为夏季精度低、冬季精度高;在空间分布上,偏差随纬度和高程的变化趋势并不明显,但RMSE随纬度和高程的增加总体上呈现递减的趋...     

基于GGOS Atmosphere数据的ZHD模型精度分析

对流层天顶干延迟(ZHD)建模是对流层延迟建模的一个重要组成部分,由于ZHD变化较为规律,因此,通常用模型来表达。而对流层天顶湿延迟(ZWD)变化不规则且随机性大,所以在GNSS处理中将它作为一个未知的待估参数。不精确的ZHD模型,会影响到ZWD估算的准确性,因此,选择精确合理的ZHD模型具有重要的意义。传统无线电探空仪数据获取的ZHD由于不能覆盖全球所有位置,尤其是海洋地区,而且在特殊天气使用也受限。为了更能全面反映ZHD模型的精度,本文尝试使用GGOS Atmosphere数据比较分析3种经典ZHD模型、即Saastamoinen模型、Hopfield模型和Black模型。通过对全球范围内的657个站点且时间覆盖长达5年的GGOS Atmosphere数据进行比较分析,我们得到以下结论:Saastamoinen模型优于Hopfield模型和Black模型,Saastamoinen模型的ZHD的精度可以优于1.5 mm。因此,在GNSS用户使用ZHD模型时,Saastamoinen模型可以作为使用模型。具体可以应用到GNSS大地测量学、GNSS车辆导航定位以及GNSS气象学。     

利用GPS观测反演三峡地区对流层湿延迟的分布及变化

利用三峡地区 8个监测点连续三天的监测数据 ,联合 3个IGS站在此期间的观测 ,反演了各监测点对流层上空的天顶总延迟ZTD ,利用外推的地表气压资料由模型分离出其中的静力学延迟ZHD ,得到天顶湿延迟ZWD含量 ,并对湿延迟变化趋势线进行了分析。通过对该区域短时间内每间隔两小时湿延迟分布图的分析 ,探讨了利用地基GPS气象原理在短时间内观测大气水汽分布及其变化的可行性     

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.      

Comparing DGPS corrections prediction using neural network, fuzzy neural network, and Kalman filter

Position information obtained from standard global positioning system (GPS) receivers has time variant errors. For effective use of GPS information in a navigation system, it is essential to model these errors. A new approach is presented for improving positioning accuracy using neural network (NN), fuzzy neural network (FNN), and Kalman filter (KF). These methods predict the position components’ errors that are used as differential GPS (DGPS) corrections in real-time positioning. Method validity is verified with experimental data from an actual data collection, before and after selective availability (SA) error. The result is a highly effective estimation technique for accurate positioning, so that positioning accuracy is drastically improved to less than 0.40 m, independent of SA error. The experimental test results with real data emphasize that the total performance of NN is better than FNN and KF considering the trade-off between accuracy and speed for DGPS corrections prediction.     

多波束异常测深数据检测方法实践

由于现有的交互式滤波和自动滤波不能满足大区域、高密度多波束测深数据滤波的需要,为此,本文给出了易于改善自动化滤波的趋势面法和基于抗差M估计的选权迭代加权平均法。前者适合于显著粗差的探测,对小粗差不敏感;后者由于对被检测点邻域内的观测点具有选择性,加之采用迭代实现推值,因而对于粗差具有较强的探测能力,检测和滤波结果较趋势面法更为合理。     

Improving the modeling of the atmospheric delay in the data analysis of the Intensive VLBI sessions and the impact on the UT1 estimates

The very long baseline interferometry (VLBI) Intensive sessions are typically 1-h and single-baseline VLBI sessions, specifically designed to yield low-latency estimates of UT1-UTC. In this work, we investigate what accuracy is obtained from these sessions and how it can be improved. In particular, we study the modeling of the troposphere in the data analysis. The impact of including external information on the zenith wet delays (ZWD) and tropospheric gradients from GPS or numerical weather prediction models is studied. Additionally, we test estimating tropospheric gradients in the data analysis, which is normally not done. To evaluate the results, we compared the UT1-UTC values from the Intensives to those from simultaneous 24-h VLBI session. Furthermore, we calculated length of day (LOD) estimates using the UT1-UTC values from consecutive Intensives and compared these to the LOD estimated by GPS. We find that there is not much benefit in using external ZWD; however, including external information on the gradients improves the agreement with the reference data. If gradients are estimated in the data analysis, and appropriate constraints are applied, the WRMS difference w.r.t. UT1-UTC from 24-h sessions is reduced by 5% and the WRMS difference w.r.t. the LOD from GPS by up to 12%. The best agreement between Intensives and the reference time series is obtained when using both external gradients from GPS and additionally estimating gradients in the data analysis.     

应用数值模型提高GPS可降水量反演精度的研究

利用建立在长江三角洲地区GPS观测网的资料,以上海宝山探空观测为例,进行了应用数值模式提高GPS可降水量反演精度的试验。研究结果表明:大气平均温度的估计误差直接影响大气可降水量的反演精度,用MM5中尺度数值预报模式预报估计的大气平均温度可减小大气平均温度的估计误差,从而提高大气可降水量的反演精度。     

一种优化的基于神经网络的经验ZTD模型

目前,经验对流层天顶延迟（ZTD）模型已经有了飞速的发展,因为它们在使用时无需任何测量的实时地面气象数据,这给GNSS用户提供了极大方便。神经网络技术在实测参数型的ZTD建模中已经取得了一定的成果。与此同时,国内虽然有学者构建了神经外网络的经验ZTD模型,其最大的缺点是忽略了ZTD时间变化且只能单独预报ZTD。本文针对这些缺点构建了优化的神经网络经验ZTD模型。试验结果表明,本文提出的神经网络模型可以分别预报天顶干延迟ZHD和天顶湿延迟ZWD,且具有良好的精度：ZHD的Bias和RMSE分别为-3.7和19.8 mm;ZWD的Bias和RMSE分别为-0.6和34.2 mm。本文的神经网络模型预报的ZHD和ZWD的精度均与目前世界著名的GPT2w格网模型相当。另外,与GPT2w模型相比较,神经网络模型最大的优点就是无需庞大的预存格网数据作为输入,在使用时仅需要知道一个训练好的神经网络即可,该特点为GNSS用户提供了极大的方便。     

Real-time clock offset prediction with an improved model

The GPS orbit precision of the IGS ultra-rapid predicted (IGU-P) products has been remarkably improved since 2007. However, the satellite clock offsets of the IGU-P products have not shown sufficient high-quality prediction to achieve sub-decimeter precision in real-time precise point positioning (RTPPP), being at the level of 1–3 ns (30–90 cm) RMS in recent years. An improved prediction model for satellite clocks is proposed in order to enhance the precision of predicted clock offsets. First, the proposed prediction model adds a few cyclic terms to absorb the periodic effects, and a time adaptive function is used to adjust the weight of the observation in the prediction model. Second, initial deviations of the predictions are reduced by using a recomputed constant term. The simulation results have shown that the proposed prediction model can give a better performance than the IGU-P clock products and can achieve precision better than 0.55 ns (16.5 cm) in real-time predictions. In addition, the RTPPP method was chosen to test the efficiency of the new model for real-time static and kinematic positioning. The numerical examples using the data set of 140 IGS stations show that the static RTPPP precision based on the proposed clock model has been improved about 22.8 and 41.5 % in the east and height components compared to the IGU-P clock products, while the precisions in the north components are the equal. The kinematic example using three IGS stations shows that the kinematic RTPPP precision based on the proposed clock model has improved about 30, 72 and 44 % in the east, north and height components.