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。     

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%。     

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。     

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。     

中国区域BP-Adaboost强预测器对流层天顶延迟建模研究

选取中国大陆构造环境监测网（陆态网）提供的155个测站2014~2018年对流层延迟产品,基于BP-Adaboost算法将多个弱神经网络预测器集成为强预测器,建立新的无气象参数对流层延迟计算模型。利用陆态网2019年参与建模的141个建模测站、未参与建模的62个测站的对流层延迟产品和中国区域86个无线电探空站解算出的对流层延迟精确值对BP-Adaboost模型进行精度评定,结果表明,新模型的平均偏差分别为0.62 mm、-1.16 mm和12.32 mm,均方根误差分别为25.30 mm、26.72 mm和46.29 mm,优于常见的无气象参数模型;BP-Adaboost模型在内陆地区或海拔2 km以上地区具有更高的精度,能够满足中国大陆区域卫星导航用户实时对流层延迟改正的需求。     

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。     

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。     

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)。     

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。     

利用主成分分析建立区域对流层延迟时空模型

提出一种基于主成分分析（PCA）的ZTD时空建模方法,并利用GNSS连续运行参考站获取的ZTD数据,建立香港、云南、中国3个区域范围的ZTD时空模型。结果表明,所建立的区域对流层延迟时空模型不仅精度明显高于Saastamoinen、EGNOS和UNB3m模型,而且建模过程简单,模型参数较少,使用方便。     

对流层经验模型在中国VLBI站上的优化分析

利用2010~2012年的IGS天顶对流层延迟(ZTD)序列、ERA5格网数据积分ZTD序列,在中国4个VLBI站点上对目前常用的经验模型进行优化,分别建立Local_ERA和Local_ZTD模型。基于2013~2014年IGS并址站点ZTD数据,将改进后的2种模型与全球GPT2w模型、SHAO-Gm模型进行对比。结果表明,改进后的Local_ERA、Local_ZTD模型精度相近,相对于GPT2w、SHAO-Gm模型平均精度在4个VLBI站点上都有提高,尤其在水汽季节性变化较强的北京站改进效果明显;其中Local_ERA平均精度略高于Local_ZTD,比GPT2w模型精度提高7.90%,比SHAO-Gm模型精度提高21.26%。     

���޵���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?????     

����GPS/GLONASS��Ͼ��ܵ��㶨λ���������춥�������ӳ�

???????GPS/GLONASS?????????λ????????????????????????GPS???????λ??????????????????ж?????IGS?????????????????ο?????????????????????????λ???й??????????IGS???????????????????????????????????????????????????????????????λ???????????????????GPS??????GPS/GLONASS??????????????IGS??????????á?     

һ�ֻ���Ƶ�׷�����AR�����Ķ������ӳ�Ԥ��ģ��

?????????????????????ZTD????????????????????￡???????????????????????????????????????????????ZTD???????????????????????????ZTD???н?????????????????????????????????????????ZTD?????????????б????????????????????????в???AR?????и???????????????????????????????AR??????ZTD??????????????????????????μ??????????cm????     

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。     

GPS���������ģ�͵����½�չ���Աȷ���

?????????????GNSS??????λ????????????????????????????????????????????о??????????????????????????????UNB3m??EGNOS??SHAO??????????????????????????????????????????????????3??IGS???GPS?????????????????????????????????     

基于垂直剖面函数的天顶对流层延迟插值算法

通过分析由ERA-Interim气象再分析资料积分方法得到的天顶对流层总延迟随高程变化的规律,提出一种基于垂直剖面函数的天顶对流层延迟(ZTD)插值算法。该算法以ZTD的垂直分布规律为基础,通过垂直剖面函数实现ZTD在高程方向上的精准投影延拓,可以避免因高差较大造成的空间内插结构畸形。采用IGS站提供的高精度对流层产品进行实验验证表明,该算法相对于传统算法能够有效提高ZTD改正值的精度,尤其在高差超过1 km的情况下,相对于反距离加权法精度提升了96%,相对于空间回归法精度提升了79%。