GPS水汽遥感中加权平均温度获取方法研究

在利用地基GPS进行大气水汽遥感时,加权平均温度对水汽遥感结果起着重要作用。本文对加权平均温度的获取方法进行了列举和比较,其中经验公式方法既可以快速获取又可以满足水汽遥感精度,同时根据当地探空资料得出的局部加权平均温度模型可比通用加权平均温度模型的精度提高近6倍。     

甘肃省加权平均温度时空分布特征分析与模型建立

加权平均温度是大气可降水量研究过程中的一个重要参数,直接影响着大气可降水量反演的精度。针对适合于甘肃地区的加权平均温度模型较少且已有模型精度较低的情况,文章主要利用甘肃地区7个探空站2013-2017年的数据,统计分析了甘肃地区加权平均温度时空分布特征,依据最小二乘原理建立了本地化分区、分季、分月模型,并结合已有模型对其精度进行了验证。结果表明,甘肃地区加权平均温度具有明显的时空分布特征,建立分区、分季、分月模型是非常有必要的,且分区、分季、分月模型精度均优于已有模型,具有重要的实际应用价值。      

中国低纬度地区水汽转换系数分析研究

大气水汽转换系数K是利用对流层天顶湿延迟反演大气可降水量的关键参数,而大气水汽转换系数K的精度又要取决于加权平均温度Tm的精度。据此,利用中国低纬度地区8个探空站的相关数据,在Bevis公式的基础上加入了测站纬度和测站高程的影响因素,建立了一种与测站地面温度、测站纬度和测站高程有关的新的加权平均温度Tm模型,相比于Bevis模型,其在中国低纬度地区的精度提高了约29.7%,更适用于中国低纬度地区加权平均温度Tm的计算。     

香港地区大气加权平均温度建模与研究

在地基GPS水汽反演过程中,针对因大气加权平均温度的精度而影响大气可降水量计算结果精度的问题,文中采用回归分析方法对香港地区2006-2016年的探空数据进行研究,构建适用于香港地区的单因子以及多因子两种大气加权平均温度计算模型．并使用两种模型分别预测2017年加权平均温度,与多种经验公式结果以及真值进行对比,单因子和多因子模型与真值的偏差在－5 ～5 K范围内分别占比80.72％和85.26％,明显优于其他经验公式;且按季节分别建模对大气加权平均温度计算结果的精度并没有明显提高,但按昼夜分别建模能够使计算结果的精度得到明显的提高．因此为了能够使水汽反演计算时的精度得到提升,应当使用当地多年的探空气象资料构建适用于当地的加权平均温度计算模型,对于提高GPS反演大气水汽总量的精度具有重要意义.      

区域大气加权平均温度模型确定及其应用

大气加权平均温度T_m是决定GPS水汽反演精度的关键参数,不同地区的T_m具有区域性差异。本文基于河南省Nanyang探空站2015-2018年的气象数据,建立了适用于河南亚热带季风气候地区的单因子和多因子的大气加权平均温度T_m模型,同时按照四季划分构建了季节模型,并对比经验模型分析其精度。结果表明,新建立的加权平均温度模型精度整体上优于Bevis模型。将其用于CORS站GPS可降水量反演中,相比经验模型,新建T_m模型与实际降水量的吻合性更好,可以满足地基GPS反演可降水量的要求。     

地基GPS水汽反演中区域大气加权平均温度模型

利用地基GPS反演可降水量,需要准确求得水汽转换参数。为了提高区域GPS大气水汽反演的精度,分析了大气加权平均温度的时空特性及其与地面温度之间的函数关系;利用江苏地区2003—2011年的气象探空数据建立了适用于江苏地区的局地大气加权平均温度计算模型。比较江苏模型、Bevis模型和李建国模型求得的大气加权平均温度值,江苏模型的精度较Bevis模型和李建国模型分别提高33.14%和9.28%。由江苏模型得到的可降水量内符合精度约为11.12 mm,较GAMIT软件结果精度提高约7.91%。     

GNSS气象学中关键参数的建模

地基GNSS气象学是GNSS技术的一种新应用,其基本原理是利用GNSS信号穿过对流层时产生的湿分量延迟反演可降水量,而湿分量延迟和可降水量之间的转换参数是一个关于大气加权平均温度的函数,因此准确的求取大气加权平均温度是GNSS气象学中的关键。以徐州地区为例,利用探空数据建立加权平均温度模型,并与其他几种模型进行比较,结果表明本地化模型精度更高,更适合本地的水汽反演。     

青岛地区大气加权平均温度模型优化

大气加权平均温度是GNSS气象学中大气可降水量反演的一个关键变量,其精度对水汽反演结果具有重要影响.利用IGRA提供的青岛站2013-2017年的探空资料,采用单站建模方法,考虑单因子、双因子以及周期性误差改正等因素,构建和优化了青岛地区的大气加权平均温度模型;分别以青岛站2018-2019年的探空数据和ECMWF模式数据为参考,对本地化优化模型进行了精度分析.结果表明,青岛地区本地化优化模型基本消除了周期性误差影响,精度优于现有模型.     

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.     

青岛地区CORS反演水汽中大气加权平均温度模型的建立

作为区域连续运行参考系统(CORS)反演大气可降水量的关键参数——大气加权平均温度,时空特性明显。为了提高区域CORS反演大气可降水量的精度和可靠性,利用青岛探空站2009-2011年3年的探空数据,分析得到地表温度Ts与加权平均温度Tm的相关系数R为0.877 6,为强线性相关;采用回归分析建立了青岛地区加权平均温度模型;利用该模型计算青岛地区2012年加权平均温度,与由探空数据计算的加权平均温度的平均偏差、标准差和均方根误差分别为0.307 K、3.359 K和3.384 K;将该模型应用在青岛CORS反演大气可降水量的计算中,与临近探空站计算的大气可降水汽相比,平均偏差、标准差和均方根误差分别为0.70 mm、3.48 mm和3.53 mm.研究表明,应用区域探空数据建立加权平均温度模型具有可行性,并可以在一定程度上提高区域CORS反演大气可降水量的精度和可靠性。      

气象参数对对流层折射影响的相关研究

对流层折射是卫星导航测量的重要误差源之一。针对卫星导航仿真系统高精度和强实时性的要求,本文利用Hopfield模型和Saastamoinen模型分析了不同气象环境下气象参数对计算对流层天顶折射的影响。研究表明天顶折射量是各气象参数的增函数,在相同气象环境下,对各气象参数的敏感度各不相同。当气象环境改变时,敏感度的变化也不相同:气温的敏感度变化幅度最大,相对湿度次之,而大气压的敏感度保持不变。在此基础上利用距离平方反比插值方法栅格化气象站资料建立全国范围的气象环境。栅格数据的应用可将因气象参数的不准确而导致的对流层天顶折射量误差减小一个量级,对于提高卫星导航仿真系统的精度具有重要意义。     

地基GPS网层析水汽三维分布数值积分新方法

针对传统层析方法的缺点,本文结合数值积分参数化方法,设计并实现了一种顾及地球曲率的水平与垂直方向分开插值的地基GPS网层析湿折射率三维分布方法,明显简化了垂直插值的运算,减少了层析实际观测方程中零系数参数的比例。利用美国Dallas地区CORS网实测GPS数据与气象数据,结合位于该区域的FWD探空站探空数据提供的湿折射率垂直轮廓线,验证分析了该方法用于实测数据的可行性及其精度。结果表明：相对于传统层析方法,新方法能够明显提高层析湿折射率垂直轮廓线的精度,与探空结果相比,新方法的RMS、误差分布均优于传统方法,而且垂直内插方法的精度也略高于复杂的三次样条垂直内插方法。     

GPT／2模型用于 GPS 大气可降水汽反演的精度分析

气象参数(温度T、气压P)是GPS大气可降水汽(PWV)反演中必不可少的数据,也是PWV反演的重要误差源之一。文中主要对GPT/2(GPT、GPT2)模型用于PWV反演的精度进行验证和分析。基于非差精密单点定位(PPP)技术,选取SuomiNet网9个测站的观测数据,借助研制的PPP软件,分别采用GPT模型、改进的GPT2模型以及测站实测气象数据进行大气可降水汽(PWV)反演。以实测气象数据处理结果为参考,对两种模型解算的PWV进行了对比和精度分析。结果表明:改进的GPT2模型优于GPT模型,尤其是当测站的高程较大时,GPT2模型的稳定性更优、适用性更广;采用GPT2模型解算的PWV偏差均值小于±1.0mm,精度(RMS)优于±1.5mm。在缺少实测气象数据的情况下,利用GPT2模型数据仍然能够取得较为理想的PWV反演结果。     

GTDM:一种获取全球对流层延迟的新模型

对流层延迟是GNSS定位的主要误差源。现有的各对流层延迟模型大多存在过度拟合的弊端,不能反映延迟在短时间内的细节变化。本文利用2011-2017年ECMWF气象资料分析了对流层延迟的变化特征,发现同一格网相邻年份之间全球对流层延迟偏差绝大多数在5 cm内。在此基础上,本文提出了一种非参数拟合的对流层延迟模型GTDM。经验证,GTDM模型具有较好的拟合效果。本文将2016-2017年IGS分析中心提供的对流层延迟产品数据、探空气象数据解算的对流层延迟作为外检核数据,验证结果表明,GTDM模型在全球范围的精度均优于GZTD、GPT2w、UNB3m模型。GTDM模型建模方法简单,可避免过度拟合对流层延迟值的问题,能够有效地反映对流层延迟变化特征。     

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%。     

小麦单产的遥感—气象综合模式研究

本文以北京顺义县为例,以气象因子与垂直植被指数(PVI)作为参数,用灰色模型G(0,2)和逐段订正模型即阶乘模型,建立冬小表遥感信息-气象因子综合模型。计算结果表明,改进后的综合模型其平均精度比单纯的遥感信息模型提高近7％,个别年份达到10％以上。     

ECMWF资料的边界层伸缩水汽加密算法

针对欧洲中期数值天气预报中心(ECMWF)数据在研究小区域气象时空间分辨率较低的问题,研究了基于边界层伸缩的空间水汽加密思想,建立了基于ECMWF的空间水汽、地表气压和地表温度的加密模型。该模型可依据加密区域DEM分辨率实现任意密度的加密结果。利用美国GPSIPW示范网络中夏季连续两个月的GPS水汽观测值和地表实测气象数据进行了实验,结果表明,该模型结果较ECMWF原始数据,在空间水汽、地表气压和地表温度的精度上均有较大提高。     

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。     

Spatial autocorrelation of West Nile virus vector mosquito abundance in a seasonally wet suburban environment

The objective of this study is to quantify and model spatial dependence in mosquito vector populations and develop predictions for unsampled locations using geostatistics. Mosquito control program trap sites are often located too far apart to detect spatial dependence but the results show that integration of spatial data over time for Cx. pipiens-restuans and according to meteorological conditions for Ae. vexans enables spatial analysis of sparse sample data. This study shows that mosquito abundance is spatially correlated and that spatial dependence differs between Cx. pipiens-restuans and Ae. vexans mosquitoes.      

陆面温度反演算法——劈窗算法的敏感度分析

首先给出ＣＯ２ 倍增下遥感光合作物产量的概念模型,之后分析未受ＣＯ２ 倍增的遥感光合作物产量估测模型;在考虑ＣＯ２ 倍增对作物产量的影响后,对影响干物质累积的作物光合速率的模型进行修正,进而修正遥感光合作物产量估测模型。建立ＣＯ２ 倍增下作物产量响应模型,求取各参数,并在ＣＯ２ 倍增下对我国华北地区冬小麦产量响应进行填图,表明模型的估测结果有良好的可比性。