对流层经验改正模型在中国区域的精度评估

对流层延迟是全球导航卫星系统(GNSS)计算的主要误差之一,其模型精度对测站坐标解算有较大影响,在高程方向尤为明显。因此,有必要对不同的对流层延迟改正模型的适用性进行评估。采用SHA解算了中国陆态网GNSS跟踪站的对流层天顶延迟数据,对常用的对流层改正模型EGNOS/UNB3m/GPT/GPT2的天顶延迟量在中国不同区域、不同季节的适用性进行了分析。结果显示,4种模型的RMS均为4~5cm,各模型RMS之差小于1cm,其中GPT2模型的RMS最小;4种模型的平均偏差(BIAS)为1cm左右,GPT2模型的BIAS最大,为1.5cm;时间上,各个模型在夏季精度普遍较低,这是因为夏季水汽丰富,对流层湿延迟变化较大;空间上,各模型在东南沿海精度较低,因为东南沿海气候湿润,湿延迟变化较大;各模型精度对测站高程不敏感,精度在比较高的测站并无明显降低。通过对不同模型在中国区域的精度分析,验证该改正模型可以为中国区域用户的对流层模型的选择提供一定的参考。     

一种新的全球对流层天顶延迟模型

利用IGS提供的高精度对流层天顶延迟数据,在全球范围内详细分析对流层延迟在高程及水平方向的变化规律,建立了一种新的全球对流层天顶延迟模型。该模型计算方法简单,只与年积日和位置参数有关,无需气象参数。经检验,新模型的对流层延迟改正精度优于输入标准气象参数的几种常用的对流层延迟模型,满足卫星实时定位和导航的精度要求。     

GPS天顶对流层延迟计算方法研究

对流层延迟是影响卫星定位的主要误差源之一,如何建立更适合某个地区的区域对流层延迟改正模型,成为当今的一个热门研究课题。从目前广泛应用的全球对流层延迟模型入手,借助GAMIT高精度GPS数据处理软件,分析和总结天顶干、湿延迟规律和影响天顶干、湿延迟的主要因素,探寻并构建区域天顶对流层干延迟ZHD模型。     

基于再分析数据反演全球对流层延迟精度评估

对流层延迟是全球卫星导航系统(GNSS)定位的主要误差源之一,利用再分析数据可以精确估计天顶对流层延迟.基于欧洲中期天气预报中心提供的再分析数据集(ERA-interim),提出了利用再分析数据估计测站天顶对流层延迟(ZTD)的积分方法,并利用2018年全球范围内334个国际GNSS服务测站提供的高精度ZTD作为参考值,评估ERA-interim再分析数据集在全球范围内的精度,并分析其影响精度的主要因素.结果显示,利用再分析数据估计的ZTD平均偏差和平均偏差的均方根值分别为-1.14和14.48 mm,测站纬度是影响ZTD反演精度的主要因素之一.     

遗传算法优化的GPS对流层延迟内插算法

为了提高对流层延迟的插值精度,文章采用安徽省电力系统10个CORS基站的对流层延迟作为训练数据,8个CORS站的对流层延迟作为测试数据,建立一种基于遗传算法和BP神经网络的区域GPS对流层延迟内插方法(GABP),利用遗传算法优化BP神经网络权值和阈值的模型,该模型只需要输入测站点的经纬度和高程值。数据处理结果表明,在区域GPS对流层延迟预测中GA-BP模型是一种预测精度比较高的方法。     

两种对流层延迟模型对不同海拔地区模拟效果的比较与分析

对流层延迟是GPS传播过程中的主要误差源之一,误差的量级足以对观测数据的质量产生影响。在一般的工程应用中,大多采取建立对流层延迟模型的方式消除对流层延迟的影响。本文在编程实现Hopfield模型和Saastamoinen模型的基础上,结合IGS提供的BJFS、URUM、LHAZ测站的气象数据、对流层延迟参考值,分析了在不同海拔高度下对流层延迟模型值和参考值之间的差异。结果表明,随着测站海拔高度的增加,天顶方向对流层延迟逐渐减小,模型间差值逐渐增大。对于高海拔地区,Saastamoinen模型对天顶方向延迟的模拟效果更好。当卫星高度角减小时,模型间差值逐渐增大。测站越高,模型间差值越大。所以对高海拔地区的观测数据进行处理时,选择合适的延迟模型显得十分必要。     

虚拟参考站技术中对流层误差建模方法研究

大气折射误差和轨道误差是制约长距离RTK精度的主要因素。虚拟参考站技术利用多个基准站的观测数据来建立大气延迟误差和轨道误差模型,以削弱这些误差的影响。在分析测站高程对对流层延迟建模精度影响的基础上,提出7种含高程影响因子的对流层误差建模模型,并通过两个实例,分析比较这几种对流层建模模型的精度和适用条件。最后,分析和讨论建议模型用于实时动态定位的精度,得出一些有益的结论。     

基于小波分析的GPS对流层延迟变化研究

利用GAMIT软件获得了中国地壳运动监测网络GPS测站的天顶对流层延迟, 利用小波分析方法对GPS天顶对流层延迟序列进行处理, 获得了测站对流层延迟变化规律。由GPS天顶对流层延迟序列分析可知, 天顶对流层延迟序列呈明显的年周期变化;天顶对流层延迟的大小随海拔的增加而减小;低纬度和中纬度地区的对流层延迟曲线的波形存在明显差异。     

4种对流层模型在南极地区的适用性分析

GPS信号传播过程中穿过对流层时受到大气折射的影响,其信号发生弯曲和延迟,因此,对流层延迟是GPS测量的主要误差源之一。对流层延迟模型改正算法的选择关系着GPS探测大气水汽的精度。介绍了Saastamoinen、Hopfield、UNB3及EGNOS等4种国际上常用的对流层延迟模型,以南极戴维斯站(DAV1)为例,计算了4种对流层模型在南极地区的天顶总延迟(ZTD)、天顶干延迟(ZHD)和天顶湿延迟(ZWD),与探空数据进行比较,得到了适合南极地区的对流层延迟模型。     

一种新的区域对流层天顶延迟模型——GHop

针对传统的对流层天顶延迟模型在估算天顶延迟中存在精度不高和稳定性差的问题,提出了一种在Hopfield模型基础上增加年周期和半年周期项的方法。该方法利用中国区域45个站2012—2014年的全球大地测量观测系统大气数据,分析了天顶对流层延迟以及Hopfield模型残差的时间序列和频谱分布规律,由此引入年周期和半年周期项,建立了适应中国区域的GHop模型,并对两种模型在中国区域的精度和适应情况进行了评估。结果表明:Hopfield模型的偏差和均方根在时间上呈现明显的季节变化特征,而GHop模型的偏差和均方根变化较小且稳定;在空间分布上,Hopfield模型随着高程和纬度增加,偏差和均方根变化幅度大,而GHop模型能够适应不同纬度和高程的变化范围;GHop模型的内符合精度较Hopfield模型提高28%,使用中国区域76个无线电探空数据进行外符合检验,统计结果同样优于Hopfield模型。所提方法计算的天顶对流层延迟结果更加可靠,具备较高的实用价值。     

GPS信号对流层延迟改正新模型研究

为削弱对流层对GPS精密定位的影响，从大气折射率入手将大气分为3层，建立了大气折射率模型，并导出了对流层天顶延迟模型。利用IGS跟踪站的实测数据进行了验证，实验证明了新模型的有效性。     

一种基于机器学习算法的区域/单站ZTD组合预测模型

针对天顶对流层总延迟(ZTD)具有一定的时空变化特性,提出了一种基于BP神经网络、长短期记忆网络(LSTM)算法的区域/单站ZTD组合预测模型. 以连续14天香港连续运行参考站(CORS)网络18个监测站观测数据为例,利用BP神经网络、LSTM及本文算法进行了区域、单站及二者组合ZTD预测模型研究. HKWS测站的预测结果表明:利用前13天数据预报第14天数据,区域、单站、组合模型ZTD预测的均方根误差（RMSE）分别为10.2 mm、10.4 mm、8.5 mm,组合模型相对于区域、单站模型预测精度分别提升了17.2%、18.4%.      

提高对流层天顶总延迟解算精度的新方法探讨

对流层天顶总延迟的解算精度,直接影响长基线解算的精度和大气水汽含量的计算精度。文中提出克利金内插法解算天顶总延迟的新方法,并利用南极长城站和周边IGS跟踪站的GPS数据,通过高精度解算软件GAMIT/GLOBK,解算出长城站上空的对流层天顶总延迟,将其与利用内插方法解算的天顶总延迟进行了对比分析,得出:利用该内插方法获取的南极长城站在夏季的天顶总延迟的均方差可达0.2mm,这对今后GPS高精度定位和GPS气象学应用来说,具有重要意义。     

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。     

网络RTK对流层延迟内插模型精度分析

流动站与参考站间双差对流层延迟的精确改正是网络RTK技术的关键。本文采用河南省地基增强系统参考站网7个参考站的观测数据进行试验,选择LIM、LCM、LSM和KRG模型为研究对象,分析了各模型用于不同高差水平流动站对流层延迟改正的效果。试验结果表明：4种常用内插模型中,LIM和KRG模型对流动站对流层延迟改正的精度较优。流动站与主参考站高差达到400 m时,对于低高度角卫星,模型内插精度降低到分米级,不满足用户流动站高精度定位需求。     

融合大气数值模式的高精度对流层天顶延迟计算方法

针对现有对流层天顶延迟模型改正法因水汽参数难以精确获取所导致的时空分辨率与精度上的不足问题,提出了一种融合WRF(weather research and forecasting model)大气数值模式的对流层天顶延迟估计方法。通过分析WRF模式的数值模拟机理及其数据结构特征,采用直接积分与模型改正相结合的混合计算方式,实现了全球任意位置上小时级的对流层天顶延迟估计。验证结果表明,该方法计算的小时级ZTD再分析值精度为13.6mm,日均值精度更是可达9.3mm,比传统模型UNB3m的49.6mm以及目前标称精度最高模型GPT2w的34.6mm,精度分别提高了约5倍和3.5倍。在30h的预报时段内,预报值精度也可达22mm。无论是ZTD再分析值还是预报值比现有模型的估计值精度均有明显提高。     

基于GPS的MODIS近红外可降水量季节性模型建立

在考虑可降水量季节性变化的基础上,提出利用GPS数据建立MODIS近红外可降水量季节性模型。首先对比分析2014年北京房山(BJFS)站的GPS可降水量和相应时间的MODIS近红外可降水量数据,发现两者之间的变化趋势基本一致,存在显著线性相关性;然后以GPS可降水量为标准值,利用回归分析建立GPS和MODIS可降水量之间的季节和全年校正模型。经检验,GPS可降水量与四个季节模型校正的MODIS近红外可降水量的均方根误差均小于3mm,最大误差不超过6mm,季节校正模型的精度都要高于全年校正模型。     

一种基于遗传算法和BP神经网络的对流层延迟改正模型

对流层延迟是影响全球卫星导航系统定位精度的主要因素之一。针对全球气象数据建立的对流层延迟改正模型区域精度较低这一问题,文中基于遗传算法和BP神经网络技术,在EGNOS模型基础上建立一个高精度的区域融合模型(GA-BPEGNOS模型)。选取北美洲2010—2014年41个观测站点,以国际GNSS服务中心的对流层产品作为真值,分析比较EGNOS模型和融合模型的对流层天顶延迟。研究表明,EGNOS模型的均方根误差为80.38mm,融合模型的均方根误差为34.44 mm。与EGNOS模型相比,融合模型的精度提高约57%,取得满意效果。     

无气象要素的GPS对流层延迟推算可降水量的研究

本文针对武汉地区GPS气象网资料,进行了GPS对流层延迟直接推算可降水量的研究。在武汉东湖站GPS对流层延迟与无线电探空可降水量的比较中,两者具有很好的相关性,相关系数达到了0.93;推导了对流层延迟直接推算可降水量的模型,对模型结果进行了检验,在武汉东湖站的对流层延迟转换的可降水量与无线电探空可降水量的比较中,均方根为7.8mm,相关性为0.91,这说明了在没有气象数据的地区对流层延迟直接推算的可降水量可以作为气象短期预报的参考。     

Analysis of tropospheric delay prediction models: comparisons with ray-tracing and implications for GPS relative positioning

Ray-tracing is used to examine the accuracy of several well known models for tropospheric delay prediction under varying atmospheric conditions. The models considered include the Hopfield zenith delay model and related mapping functions, the Saastamoinen zenith delay model and mapping function, and three empirical mapping functions based upon the Marini continued fraction form. Modelled delays are benchmarked against ray-tracing solutions for representative atmospheric profiles at various latitudes and seasons. Numerical results are presented in light of the approximations inherent in model formulation. The effect of approximations to the temperature, pressure and humidity structure of the neutral atmosphere are considered; the impact of surface layer anomalies (i.e., inversions) on prediction accuracy is examined; and errors resulting from the neglect of ray bending are illustrated. The influence of surface meteorological parameter measurement error is examined. Finally, model adaptability to local conditions is considered. Recommendations concerning the suitability of the models for GPS relative positioning and their optimal application are made based upon the results presented.