雾霾对GPS天顶对流层延迟与精密单点定位影响研究

通过计算对流层延迟和精密单点定位的点位坐标,研究雾霾天气对GPS天顶对流层延迟和精密单点定位精度的影响。结果表明,当空气质量持续良好、没有雾霾发生时,空气质量指数(air quality index, AQI)与对流层延迟的相关性很小;当重度雾霾天气持续发生时,雾霾会对天顶对流层延迟产生40~60 mm的影响。但在精密单点定位中,通过对对流层延迟进行参数估计的方法可以消除绝大部分雾霾对定位精度的影响,因此无论重度雾霾天气是否发生,AQI指数与精密单点定位精度的相关性很小。     

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。     

基于实测气象参数的InSAR大气校正及其应用研究

针对传统InSAR技术在监测地表形变时受对流层延迟影响的问题,利用地面实测气象参数和NCEP气象再分析资料建立大气校正模型,对生成的鄞州区干涉图进行对流层延迟校正,获取鄞州区2018～2020年高精度地表形变分布。为分析不同大气校正模型对对流层延迟效应的削弱效果,将监测结果与同期实测水准数据作对比。结果发现,地面气象信息模型、NCEP气象再分析资料模型和未加大气校正的InSAR监测结果的均方根误差RMSE分别为2.78 mm、3.86 mm、5.62 mm,表明利用地面气象信息模型校正大气相位误差具有更高的监测精度,能有效削弱对流层延迟对干涉测量结果的影响。     

对流层模型评估及其在GNSS精密单点定位中的应用

以水汽辐射计（WVR）精确测定的天顶方向延迟值作为参考,评估Saastamoinen、GPT2、EGNOS、UNB3M四种常用对流层模型在上海地区的改正精度;并将WVR观测值及以上4种对流层模型计算的对流层延迟值作为真值应用到GNSS精密单点定位（PPP）中,评估其对定位精度的影响。比较发现,GPT2模型的对流层改正精度比其余3种要好,其天顶干延迟（ZHD）的偏差均值与中误差分别为-0.11 cm、±0.75 cm,天顶湿延迟（ZWD）的平均偏差与中误差分别为-2.34 cm、±7.67 cm;和传统的PPP结果相比,采用WVR对流层观测值的定位精度提高了16%。     

不同季节的北京市GPS可降水量与PM_(2.5)/PM_(10)的比较研究

通过北京市2013年的PM2.5/PM10资料与GPS可降水量资料比较发现,在秋冬春季节,PM2.5/PM10与GPS可降水量呈明显的正相关性,相关系数大于0.5,在个别时段达到了0.89,而这一相关性在降水较多的夏季并不明显;水汽含量的上升是秋冬春季节雾霾天气过程发生的重要因素。     

全球对流层延迟模型的质量评价

对常用的3种天顶对流层延迟改正模型(Saastamoninen模型、Hopfield模型和EGNOS模型)进行误差分析，代入气象元素及测站位置误差，得出各模型的ZTD估值受误差影响的程度。使用C++语言实现以上3种模型，选取一系列不同纬度和高程的IGS站，利用IGS分析中心提供的气象文件，结合测站时空信息，导入程序进行模拟计算，并与IGS对流层产品进行比较，对改正模型进行质量评价。结果表明，Saastamoninen模型和Hopfield模型能够较准确地根据地面气象资料反映对流层延迟的日变化，Saastamoninen模型的改正精度略高于Hopfield模型；同时，无需实测气象资料的EGNOS模型RMS小于0.1 m，也可满足GNSS m级定位需求。     

利用AO-SVR模型预测PM2.5浓度

针对支持向量回归(support vector regression, SVR)模型无法主动选取最优参数和核函数等问题,采用天鹰算法(aquila optimizer, AO)对其进行优化,构建天鹰算法优化支持向量回归模型(AO-SVR)。分别构建AO-SVR、SVR、灰狼算法优化支持向量回归(GWO-SVR)、鲸鱼算法优化支持向量回归(WOA-SVR)4种模型,使用2020-01-01～30拉萨、乌鲁木齐、长春、武汉、上海5市的大气污染物、气象因素以及天顶对流层延迟(zenith tropospheric delay, ZTD)的小时数据,分别预测5市2020-01-31的PM_2.5浓度变化。结果表明,AO-SVR模型的适用性更好,其中,上海的预测值最贴近实际观测值。     

天顶对流层延迟计算方法研究

依据精密单点定位（PPP）原理编写天顶对流层延迟估计程序,分别利用所编程序和GAMIT软件进行实测数据解算,将所得数据与IGS网站提供数据进行对比分析,结果显示PPP与双差法估计对流层延迟都有较高精度;但在双差法解算过程中发现,无远距离测站参与解算会影响对流层延迟估计的精度。     

基于神经网络模型误差补偿技术的对流层延迟模型研究

针对传统对流层延迟模型精度较低的缺点，基于神经网络模型误差补偿技术，在Hopfield模型基础上建立一个适用于北半球的高精度融合模型。以Wyoming大学提供的2010年全球120多个观测台站的气象探空数据精密解算的天顶对流层延迟(ZTD)作为近似“真值”，分析比较Hopfield模型、传统BP模型和融合模型的计算精度。结果表明，Hopfield模型的均方根误差（RMSE）为35.31 mm，传统BP模型为30.34 mm，融合模型为23.31 mm。     

GPS监测水汽与水汽辐射计数据的对比研究

针对水汽辐射计观测数据和并址的GPS观测数据,用GAMIT软件求解了台站的天顶总延迟和湿项延迟。运用湿项延迟与水汽含量之间的转换关系,对GPS监测的大气可降水量与水汽辐射计观测的水汽含量进行了对比研究,得出结果：由GAMIT解算出的水汽含量与WVR观测值的差值平均值为0．02mm,均方差为0．02mm,由气象文件求出的水汽含量与WVR观测值的差值平均值为0．03mm,均方差为0．02mm。表明用地面GPS监测大气水汽含量是完全可行的。     

葫芦岛市空气质量分析及其与暴雨的关系

针对暴雨对空气质量的影响的问题,结合葫芦岛市环境监测中心站2010年市区空气质量逐日监测资料与葫芦岛市气象局气象观测资料,采用空气污染指数和空气质量指数法,分析了葫芦岛市空气质量时间分布特征及其与暴雨的关系。结果表明,在影响葫芦岛市空气质量的主要3种污染物——二氧化硫(SO2)、二氧化氮(NO2)和可吸入颗粒物(PM10)中PM10为首要污染物;3种污染物变化趋势基本一致,都是夏季污染最轻,冬季污染最重,春秋两季居中;暴雨与污染物浓度变化有着密切的关系,4次暴雨过程所在日3种污染物浓度都较低,且在强降水过后第一天污染物浓度继续降低。     

成都市PM_(2.5)浓度时空变化特征及影响因子分析

近年来,空气质量问题日渐突出,大气污染已严重影响了人们的身体健康和日常生活。为了探究成都市近年来的大气污染状况,分析大气颗粒物浓度的时空变化特征及其控制性因子,本文利用2016年成都市逐小时PM_(2.5)监测数据,分析成都市PM_(2.5)浓度时空变化特征,探索气象因子与城市空间形态因子(建筑错落度)对PM_(2.5)浓度变化的影响。结果表明:(1)成都市PM_(2.5)浓度的日变化特征表现为城市中心具有"单峰单谷"特征,而城市郊区日变化特征不明显。且城市中心PM_(2.5)浓度空间变化特征整体表现为由西北向东南逐渐减小的趋势。(2)从全年来看,成都市PM_(2.5)浓度与气温和风速均呈显著负相关,与海平面气压呈显著正相关,而与相对湿度的相关性不明显。(3)PM_(2.5)浓度日间变化率与城市空间形态因子的相关性较强,建筑错落度越高,PM_(2.5)浓度下降越快。     

Trends of urban air pollution in Zhengzhou City in 1996–2008

Urban air pollution is a commonly concerned environmental problem in the world.Identification of air quality trend using long-term monitoring data is helpful to understand the effectiveness of pollution control strategies.This study,using data from six monitoring stations in Zhengzhou City,analyzed the changing trend in concentrations of SO 2,NO x /NO 2 and TSP/PM 10 in 1996-2008,based on non-parametric Mann-Kendall test and Sen’s slope estimator,and evaluated the comprehensive air pollution level using Multi-Pollutant Index(MPI).It was found that the concentration of each pollutant exceeded obviously the World Health Organization(WHO) guideline value,but the changing trend varied:SO 2 and NO 2 were significantly increased mainly due to an increase in coal consumption and vehicle number,while NO x,TSP and PM 10 decreased.The air pollution was serious,and differed markedly among the three functional regions:it is the most severe in the Industrial and Residential Area(IRA),followed by the Transportation Hub and Business District(THBD),and then the High-tech,Cultural and Educational Area(HCEA).Different from NO 2 concentration that had a similar change trend/rate among the function regions,the change rate of PM 10 concentration differed spatially,decreased much more obviously in THBD than other two regions.For the whole city,the comprehensive air pollution level declined gradually,illustrating that the air quality in Zhengzhou was improved in the last decade.     

基于多尺度相关性分析的InSAR对流层延迟误差改正算法

针对合成孔径雷达干涉技术中对流层延迟误差会影响DEM精度的问题,提出采用小波多尺度相关性分析方法来减弱与高程相关的对流层延迟误差的影响,来提高合成孔径雷达干涉DEM的估计精度。该方法基于小波多分辨率分析理论,根据差分干涉相位不同组成的频率特性,利用小波分解重构均方根误差变化率确定分解层数,降低地形残差相位、噪声相位等对大气延迟误差相位估计的干扰,提取对流层延迟误差相位所在频带;然后结合对流层延迟误差相位和雷达坐标系下的DEM在不同尺度上的相关性定权并进行降权处理,重构解缠差分干涉图,改正差分干涉相位中与高程相关的对流层延迟的影响。采用本文方法对覆盖河南义马地区的2景ENVISAT ASAR数据进行处理,得到对流层延迟误差改正后的差分干涉图,估计的与高程相关的对流层延迟相位,与地形变化情况吻合。将对流层延迟误差改正后的干涉图用于DEM高程估计,结果显示本文方法重建的DEM与Aster GDEM的标准差由30.7 m提高到26.37 m,提高了InSAR DEM估计精度。     

基于小波变换的河北省GPS PWV与PM2.5的相关性分析研究

以2014-01~03的河北省GPS和PM2.5观测数据为例,利用小波变换方法开展GPS水汽和PM2.5浓度的相关性分析。结果表明,低频系数重构的GPS水汽与PM2.5浓度序列较好地反映了两者之间的正相关特性;D7高频信号（128~256 h）及D7与D6高频信号（64~256 h）重构的GPS水汽与PM2.5浓度的相关性较原始序列的相关性有较大提高;对于持续7 d的重度雾霾过程,由第7层和第6层高频系数重构的GPS水汽序列与PM2.5浓度序列的相关性达到0.890;不同时刻水汽变化对PM2.5浓度观测的影响,在水汽变化波动较大时段,水汽与PM2.5浓度的相关性为正;对于水汽变化波动较小时段,由于水汽与PM2.5浓度峰值时刻的差异,水汽与PM2.5浓度序列的相关性则不明显。     

用GPS监测城市地面沉降的可行性研究

研究了用GPS观测取代常规水准测量方法监测城市地面沉降变化的可行性。在宁波市进行了两期GPS测量和水准测量，观测中并采取一定的措施以获得高精度的高程分量。顾及到对流层延迟的影响，采用Saastamcinen模型改正对流层延迟的干分量部分，用分段线性方法来估计对流层的湿分量变化。用Bernese软件对数据进行处理，获得了毫米级的高程精度。实际算例证明，用GPS测量代替水准测量来监测城市地面沉降变化是可行的。     

����������ʪ�ӳٽ�ģ

?????????????????????????????????????????????????CORS??????????????????????????????????????????????????????????????????о??????????????????????????????????????????????????????????UNB3????????????     

基于GPS水汽反演和GPS-IR技术的降水分析及降水判定研究

利用GPS水汽反演技术和GPS-IR技术进行降水分析及降水判定研究。首先,考虑到降水发生前后大气水汽含量、地面反射特性、GPS对流层延迟、信噪比(signal-to-noise ratio, SNR)振幅(A)会发生变化,分析GPS-PWV和SNR-A与降水的相关性,并联合两者进行降水判定。结果表明,降水量与GPS-PWV正相关,与SNR-A负相关;加入SNR-A数据可提高降水判定的预报率和正确率。基于SNR-A序列的波谷和GPS-PWV序列的波峰进行降水判定,判定降水的预报率约为70%~82%,正确率约为50%~60%。     

对流层延迟对高差较大GPS测站短基线时间序列的影响分析

选择5对IGS测站短基线作为研究对象，使用两种不同的基线解算方案进行数据处理，基于小波分析方法研究对流层延迟估计对高差较大GPS测站短基线时间序列的影响。结果表明，对于高差大于100 m的短基线，不估计对流层延迟会使高程方向时间序列出现虚假的季节性变化，周年振幅影响最大可达17.7 mm，估计对流层延迟后该季节信号显著减弱；此外，还发现不估计对流层延迟时，测站间天顶总延迟差异与基线高程方向产生的偏差具有一定的相关性。