BDS全球定位服务能力及天顶对流层延迟估计性能评估

基于自行解算的GPS/BDS精密轨道和钟差产品,选取全球均匀分布的9个MGEX观测站1周的观测数据,使用GAMP软件进行BDS静态精密单点定位（PPP）解算,以评估BDS全星座的全球定位服务能力及天顶对流层延迟（ZTD）的估计性能。实验结果表明,BDS静态PPP解算收敛后水平方向精度优于1 cm,高程方向精度在1 cm左右,定位精度已与GPS相当;其天顶对流层估计精度优于1 cm,与GPS PPP解算的ZTD误差的RMS值相差在1 mm以内。总体来说,BDS全星座已具备与GPS相当的全球定位服务能力和ZTD反演性能。     

不同对流层天顶延迟模型在中国西北地区适应性研究

基于Fortran语言对GAMIT10.7软件进行二次开发,实现了Hopfield模型、Saastamoinen模型、Black模型、UNB3模型、EGNOS模型、GPT2w_1+Saastamoinen模型和GPT2w_5+Saastamoinen模型在中国西北地区的对流层延迟解算服务,并分析不同对流层延迟模型在西北地区的适应性问题。实验表明,在实测气象数据模型中,Saastamoinen模型在中国西北地区获取的天顶对流层延迟精度最高,各个测站平均bias值和RMS值分别是-1.67 cm、3.83 cm;Hopfield模型和Black模型精度相当。在非实测气象数据模型中,GPT2w_1+Saastamoinen模型精度最高,GPT2w_5+Saastamoinen模型次之,EGNOS模型最低。不同对流层延迟模型的精度均受季节变化影响,夏季bias的绝对值和RMS值最大,冬季最小,春季和秋季结果相当。     

GPT3模型估计对流层产品精度检验与分析

利用全球范围内224个IGS测站2019年的高精度对流层产品,对GPT3模型估计的天顶对流层延迟和大气水平梯度信息进行精度检验和分析。结果表明,精度在空间和时间分布上存在差异性,天顶对流层延迟、南北和东西方向大气水平梯度的平均偏差和均方根误差分别为0.12 mm/37.2 mm、-0.05 mm/0.49 mm、0.08 mm/0.57 mm。     

非组合PPP算法估计天顶对流层延迟及精度分析

为提高天顶对流层延迟的估计精度和可靠性,利用非组合精密单点定位(UPPP)模型估计了WUHN和BJFS站的天顶对流层延迟,将结果与传统的精密单点定位(PPP)模型的计算结果进行对比,结果表明:UPPP计算的天顶对流层延迟的内符合精度为2.75 mm,偏差为0.19 mm,该结果与IGS产品一致,外符合精度分别为8.58 mm,6.51 mm;以IGS的高精度对流层产品为真值,传统PPP模型和非组合PPP模型估计ZTD的精度(STD)分别为7.7 mm和5.9 mm;UPPP方法不仅在精度上和传统PPP方法保持相当甚至更高的精度,而且它还提供电离层产品以减弱噪声影响,提高数据利用率。     

基于GPT3模型的ZTD及PWV反演精度分析

使用亚洲区域18个IGS测站和中国区域内16个探空站2016~2018年的数据,研究GPT3模型反演天顶对流层延迟（ZTD）和大气可降水量（PWV）的精度,并与其他GPT系列模型进行对比。结果表明,GPT3-1模型估计的ZTD的bias均值和最大值均最小,分别为1.34 mm和14.06 mm;GPT3模型整体精度略优于GPT2w模型,优于GPT2模型。探空站处GPT3模型反演的PWV的bias和RMSE均表现出较强的季节性特征;由GPT3模型反演的PWV的月均值可知,GPT3-1模型比GPT3-5模型具有更高的精度和稳定性。     

利用神经网络建立GPS网络RTK的双差对流层误差模型

为减小对流层误差改正数中系统偏差的影响以提高对流层改正精度,提出了基于神经网络的顾及空间的对流层误差建模模型,该模型的对流层延迟误差改正在网内外精度均达5 cm。     

第二代星基增强系统GATBP的PPP服务模糊度固定效果

为验证第二代星基增强系统GATBP PPP服务的模糊度固定效果,使用与观测值相关的信号偏差改正数对卫星硬件延迟进行改正,利用LAMBDA方法分别固定宽巷和窄巷模糊度,获得固定的单差无电离层组合模糊度。使用GATBP精密产品对10个MGEX测站7 d的观测数据进行PPP解算,并与CODE精密产品解算结果对比。结果表明,使用GATBP产品的宽巷和窄巷模糊度固定率平均值分别为95%和30.2%,水平方向定位误差RMS优于10 cm,三维定位误差RMS优于15 cm,相位观测值残差RMS优于3 cm,对流层估计误差RMS优于1.5 cm;使用CODE产品的宽巷和窄巷模糊度固定率平均值均在95%以上,相位观测值残差、定位误差和对流层估计误差均显著小于GATBP产品。     

基于探空数据的对流层延迟模型精度评估

采用IGRA提供的2017年81个无线电探空站的探空资料,对4种对流层延迟模型在中国区域的精度进行综合评估与分析。结果表明,GPT2w模型的性能要优于依赖气象参数的Saastamoinen模型及基于球谐函数的GZTD和UNB3m模型;GPT2w模型的偏差均值MB(mean bias)和均方根误差RMSE分别为-0.8 cm和4.1 cm,各测站的MB和RMSE分别处于-2~2 cm和1.3~7.9 cm之间。UNB3m模型在中国区域存在较大的MB和RMSE,模型的RMSE最大可达10.2 cm。4种模型的精度对测站纬度具有一致的敏感性,表现为随测站纬度的升高而降低;模型精度呈明显季节性变化,且不同模型对季节的敏感程度有所差异;对流层湿延迟难以精确建模导致模型精度在夏季(RMSE为6~9 cm)低于冬季(RMSE为2~2.5 cm)。     

GPT3模型在安徽地区的性能

基于安徽省23个CORS站数据解算天顶对流层延迟(ZTD),评估GPT3+Hopfield和GPT3+Saastamoinen两种对流层组合模型的适用性,并利用探空数据分析GPT3模型估计大气加权平均温度(T_m)和反演大气可降水量(PWV)的精度。结果表明：1)GPT3+Saastamoinen组合模型的ZTD精度优于GPT3+Hopfield组合模型,GPT3模型的ZTD精度具有显著的时空分布特征,皖南精度低于皖北,且春、冬季精度优于夏、秋季;2)在安徽地区,GPT3模型2种格网分辨率的T_m精度基本相当,平均偏差在-2.0 K左右,RMS值在4.5 K左右;3)在安徽地区,基于GPT3模型气象参数反演的PWV(GPT3-PWV)与探空站的PWV有较高的一致性,且同样具有时空变化特征,由皖南向皖北逐渐降低,夏季最大、冬季最小。     

一种基于频谱分析和AR补偿的对流层延迟预报模型

利用实测天顶对流层延迟值（ZTD）,在无气象参数条件下,提出一种对流层延迟建模与预报方法。首先利用频谱分析,得到ZTD时间序列周期特性,并在此基础上对ZTD进行建模,给出模型参数计算方法。然后,基于频谱分析模型拟合ZTD,并与实测值进行比较分析。最后,将分析得到的拟合残差用AR模型进行改正并预报。结果表明,基于频谱分析和AR补偿的ZTD改正预报模型能够满足不同测试环境下的需求,精度达到cm级。     

不同对流层天顶延迟模型在陕西地区的精度及适用性分析

利用MATLAB实现UNB3m、GPT2w+Hopfield、GPT2w+Saastamoinen、GPT3+Hopfield、GPT3+Saastamoinen等5种模型，分析它们在陕西地区的适用性。结果表明，5种模型结果普遍偏小。GPT2w+Saastamoinen和GPT3+Saastamoinen模型整体精度相当，且优于其他3种模型，bias为1.41 cm，RMS分别为4.68 cm和4.67 cm，且随着高程增加精度越来越高。5种策略精度均随季节变化而变化，其中UNB3m变化最为明显，夏冬2季bias差达到7.92 cm，RMS差达到7.67 cm。更高精度计算时，秋季应使用GPT3，而春夏2季时使用GPT2w效果更好。选用同样的气象参数模型时，Saastamoinen模型比Hopfield模型更适用于陕西地区，并且陕北地区精度最好。对比最新的全球气压温度模型GPT3与GPT2w发现，2种模型算得的地面气压P、地面温度T、地面水汽压e、大气加权平均温度Tm等4种气象参数均相差细微，所以在陕西地区利用GPT2w或GPT3分别算得的对流层总延迟ZTD和对流层干延迟ZHD相差很小，通过对流层湿延迟ZWD算得的PWV也几乎相当。     

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。     

���޵���EGNOS�춥�������ӳ�ģ�͵ľ�������

???????????48??IGS?2009-2011??????????????????ZTD?????????????EGNOS???????ZTD???????????????????????1??????????????????IGS?????ZTD??EGNOS???????ZTD???????????????-0.18 cm??5.98 cm?????й?????????0.81 cm??6.13 cm??2????????????????????????仯????????????????＾??С??????????????????????С??3????????????????γ?????仯???????????????????????????γ????????????????????????????????γ????????????????????仯????С??4:???????????γ?????????????????????????????????仯?????     

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。     

���й�����ERA-Interim���ϼ���ZTD��ZWD�ľ��ȷ���

??????г??????????????ECMWF??????ERA??Interim???????й????????????????????????????????????ERA??Interim????????????????????ZTD?????????ZWD??????????????????28??GPS???????????ZTD??ZWD???б?????????ECMWF???????ZTD??????????????????????-1 cm??2 cm??ZWD??BJFS??LHAS?????????????????????1 cm??1.6 cm??     

实时格网对流层模型在中国区域的适用性分析

利用无线电探空数据，对格网对流层模型GPT2w、IGGtrop及GTPs在中国区域的适用性进行分析。结果显示，GPT2w和IGGtrop在地表附近精度相当，RMS为4.0~4.2 cm，西部地区精度优于东部，东南沿海精度最差，夏季精度明显低于冬季，在中西部地区分辨率低的模型可能会产生异常偏差；GPT2w模型明显存在系统性偏差，中西部为正，东南部为负；3 km高度以上，IGGtrop模型精度明显优于GPT2w模型，且随高度增加精度保持稳定。在飞行器定位导航中，建议采用IGGtrop模型修正ZTD误差。GTPs模型时间分辨率高，精度明显优于传统的经验模型，尤其在东南沿海ZTD变化剧烈的区域，但由于其依赖于外部数据源，部分区域无法使用。     

不同时空条件下RTKLib与在线PPP解算系统的ZTD精度评估

基于精密单点定位(PPP)技术,分析RTKLib、CSRS-PPP、MagicGNSS和CGline四类PPP软件在不同时空条件下的对流层延迟ZTD精度。结果表明：1)4类PPP软件的ZTD精度由高到低依次为CSRS-PPP、MagicGNSS、RTKLib和CGline; 2)不同地理位置下4类PPP软件的ZTD精度由高到低均为北半球、南半球和赤道;3)RTKLib-ZTD受季节影响较大,精度由高到低依次为夏季、春季、秋季和冬季,季节因素对其他在线解算系统的ZTD精度影响较小。总体而言,4类PPP软件的ZTD平均精度均优于1 cm,满足当前GNSS气象学的后处理及实时应用需求。