利用GPT3模型的GNSS⁃PWV计算方法北大核心CSCD

针对部分GNSS测站缺乏实测气象参数时无法实时计算可降水量(PWV)的问题,本文以长三角地区为例提出一种将GPT3模型参数与GNSS对流层总延迟(ZTD)融合获取高精度PWV的新方法。研究结果表明,GPT3模型的气象参数和各类对流层延迟参数在长三角地区具有较好的稳定性和精度,融合GPT3模型的干延迟(ZHD)、加权平均温度(Tm)和GNSS⁃ZTD所得PWV的RMS为3.56 mm,接近GNSS⁃PWV的3.74 mm,远优于GPT3⁃PWV的11.12 mm。     

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。     

GPT2w模型检验以及对流层模型的参数互融

各种对流层经验模型中,GPT2w模型是目前标称精度最高的对流层经验模型,其在模型化对流层延迟的同时,也提供具体的模型化气象元素。以USNO的ZTD产品检验模型ZTD精度;以IGRA发布的大气廓线数据,对模型加权平均温度T_m、水汽直减率λ的精度进行验证。计算发现,模型加权平均温度T_m具有-2.56K的系统偏差,改正该偏差后,模型ZTD对比USNO偏差从-1.38 mm提升至-0.3 mm;还验证了模型水汽直减率λ的两种获取方式具有很好的一致性。提出以测站气压P、测站温度t、测站相对湿度hr为实测气象元素,以校正后的T_m、高精度的λ为经验气象元素,作为对流层延迟模型输入参数的互融方法。该互融方法计算ZHD、ZWD经验模型分别采用目前最优的Saast静力学延迟模型和Askne & Nordius湿延迟模型。以USNO发布的340个IGS跟踪站的对流层延迟数据作为参考,该互融方法较直接气象元素法、校正后的GPT2w模型均有显著精度提升。在不可获取气象数据的前提下,校正后的GPT2w模型具有很高的先验精度;若可获取近实时气象数据（如自动气象站）,则推荐采用新的参数互融模型。     

GPT3模型在中国地区的精度分析

为验证分析最新全球气压气温模型(GPT3模型)在中国区域的模型精度,以中国区域18个IGS站为例,分别利用全球大地测量观测系统(Global Geodetic Observing System, GGOS) Atmosphere机构提供的2015-2017年气象数据和国际卫星导航服务(International GNSS Service,IGS)数据中心提供的2015年对流层延迟数据对GPT3模型气象参数和天顶对流层延迟(zenith troposphere delay,ZTD)进行验证,并联合全球其他GNSS站点共同进行GPT3模型误差特性分析。结果表明,相比GPT和GPT2模型,GPT3模型的精度和稳定性明显提高;GPT3模型在取得与GPT2w模型相近精度的同时,稳定性有所提高。GPT3模型精度受纬度影响显著,气温和气压的精度和稳定性由赤道向两极地区逐渐降低,水汽压精度几乎不受纬度影响,稳定性在中纬度和部分低纬度区域比高纬度地区差。GPT3模型对气象参数估值的偏差在低海拔地区具有随机性,以气压偏差最为明显,随着海拔升高,气压和水汽压偏差逐渐稳定在±2 hPa内,气温偏差在±2℃内。     

GPT和GPT2模型的偏差对定位结果的影响

气象模型GPT和GPT2均可用于获取测站的气压、气温等气象要素,对计算对流层延迟具有重要作用并在高精度的GPS数据分析中被广泛使用。GPT2对GPT模型精度的改进在很多文献中已经得到验证,但是目前没有相关文献对采用这两种模型获得的坐标时间序列的差异进行详尽的分析。本文分别利用气象模型GPT和GPT2处理相同的连续观测站数据,发现气压值偏差的季节性变化导致测站垂向位置偏差也产生季节性变化,是测站垂向位置“伪”年周变化信号的来源之一;同时,模型之间的气压值偏差对垂向位置的影响与测站纬度相关,表现为先验天顶延迟偏差传递进垂向位置偏差的比例随测站纬度增加而增大。     

GPT2w模型在南极地区精度分析

GPT2w（global pressure and temperature 2 wet）是目前应用较为广泛的对流层延迟经验模型之一,可提供气压、温度、水汽压等气象参数。为验证和分析GPT2w模型在南极地区的精度,本文利用分布在南极区域的探空站数据和中国第33次南极科考期间的实测探空气球数据对模型气压、温度、水汽压参数进行分层精度检验。与探空站数据比较发现,在南极地区地面高度上,GPT2w模型精度较高,与全球其他区域精度较为一致;进一步通过对比1月和7月统计结果,发现Bias和RMS呈现出季节特性;同时发现模型在垂直方向存在较大误差,表现为随着高度的增加,精度随之下降并逐步趋于稳定。实测数据对比方面,首先利用ECMWF（European Centre for Medium-range Weather Forecasts）气压分层数据对实测数据的可靠性进行验证,结果显示,实测数据与ECMWF分层数据符合得较好;同时通过比对发现,GPT2w天内精度在地面高度上仍与月平均精度相当,但垂直方向随着高度的增加精度相比于暖季精度会有所下滑,说明未考虑日周期项变化对模型精度存在一定影响。用探空数据计算的对流层延迟（zenith tropospheric delay,ZTD）来分析GPT2w的计算精度,结果表明GPT2w在南极区域ZTD计算精度在厘米级,与全球其他位置计算精度相当。     

地基GPS天顶对流层延迟与暴雨的相关性研究

以香港CORS网提供的GPS测站观测数据,利用GAMIT高精度数据处理软件解算出天顶对流层延迟,通过实验对比分析表明:天顶对流层延迟ZTD与大气可降水量PWV的相关性较高,同时天顶对流层延迟与暴雨之间也存在着较好的相关性,在缺少实测的气象资料的情况下利用天顶对流层延迟可代替PWV进行暴雨监测分析,并且对天顶对流层延迟用于暴雨监测的可行性进行了实验研究,取得了较为理想的结果。     

GPT/GPT2/GPT3模型在广东省适应性对比分析

针对不同全球温度气压湿度模型(GPT/GPT2/GPT3)在不同地区精度不一致的问题,利用CMONOC观测数据验证GPT/GPT2/GPT3模型在广东省适应性,分别对气温、气压、水气压和大气可降水量进行定量分析,实验结果表明:GPT3模型在气温方向较GPT2和GPT模型相比,BIAS值分别提升26.7％、53.7％,R...     

两种GPT系列对流层经验模型精度分析

针对很多测站不能提供实测气象数据的情况,本文对两种高精度的GPT系列经验模型进行验证。通过对两种模型获得的经验气象数据及对计算可降水汽非常重要的ZHD的精度进行分析,得出如下结论:GPT2w模型的精度要高于GPT2模型,且在无实测气象数据的情况下可以使用GPT2w模型来进行GNSS水汽反演。     

3种全球气压与温度模型的精度对比分析北大核心CSCD

针对目前全球气象模型受不同季节、纬度、高程等因素影响问题,该文利用全球分布的IGS站实测气象数据,对GPT、GPT2、GPT2w模型的精度进行对比,对模型的季节性特征以及纬度、高程因素对模型精度的影响进行分析,并对3种模型反演GPS大气可降水量(PWV)的精度进行比较。结果表明:(1)GPT2和GPT2w模型的精度相当,均优于GPT模型;(2)3种模型均具有明显的季节性特征,7月份(夏季)的模型精度最优;(3)纬度、高程因素对3种模型气压误差的影响较大,而对气温误差的影响相对较小;(4)GPT2、GPT2w模型解算的PWV估值精度相当,偏差均值和平均RMS分别小于1.2mm和1.8mm,均优于GPT模型计算结果。研究结果:可为全球或区域气象模型的改进和生产应用提供借鉴。     

利用GPS观测反演三峡地区对流层湿延迟的分布及变化

利用三峡地区 8个监测点连续三天的监测数据 ,联合 3个IGS站在此期间的观测 ,反演了各监测点对流层上空的天顶总延迟ZTD ,利用外推的地表气压资料由模型分离出其中的静力学延迟ZHD ,得到天顶湿延迟ZWD含量 ,并对湿延迟变化趋势线进行了分析。通过对该区域短时间内每间隔两小时湿延迟分布图的分析 ,探讨了利用地基GPS气象原理在短时间内观测大气水汽分布及其变化的可行性     

GPS对流层延迟改正UNB3模型及其精度分析

就GPS对流层延迟改正UNB3模型的天顶延迟模型和Niell映射函数模型进行了详细的探讨,采用C 语言编程,建立了相应的程序模块;在GPS普通单点定位中,比较分析了UNB3模型的修正精度;通过IGS跟踪站的大量数据分析计算表明,UNB3天顶延迟模型的修正精度在平面x、y方向上与Saastamoinen天顶延迟模型相当,在高程H方向上优于Saastamoinen天顶延迟模型.     

区域天顶对流层延迟时空变化特性及其建模研究

介绍几种常用的全球对流层延迟改正模型和几种区域对流层延迟模型的建立方法,再利用美国密歇根州的8个测站天顶对流层延迟数据对天顶对流层延迟进行研究,得出天顶对流层延迟在时间尺度及空间尺度上的变化规律,与经度和纬度相关性一般,与高程强相关。通过美国密歇根州的4个测站数据分别计算3种区域对流层延迟模型,得出各个模型的精度,并比较它们的优劣,结论是一次线性插值模型是三者中精度最高的模型。     

An Improved Mean-Gravity Model for GPS Hydrostatic Delay Calibration

The determination of global positioning system (GPS) heights with submillimeter accuracy needs proper correction of tropospheric delay. In this letter, the modeling of zenith hydrostatic delay (ZHD) was addressed, considering that wet delay must be treated separately. ZHD is traditionally estimated from Saastamoinen's formula using a mean-gravity model and surface pressure observations. The uncertainty in ZHD associated with the mean-gravity model is about 0.3 mm. An improved parametric model is derived here, which yields an uncertainty in the ZHD less than 0.1 mm when the surface altitude lies in the range of 0-9 km. A second parametric model is derived for higher altitudes (such as above radiosonde observations or atmospheric models). Both parametric models depend on latitude, height, and time variables. This dependence is due to the link between the mean gravity and temperature profiles between the surface and ~80-km altitude. The uncertainty in the parametric models due to short-term temporal variability of the temperature profiles is shown to produce an uncertainty in ZHD smaller than 0.1 mm     

Optimum stochastic modeling for GNSS tropospheric delay estimation in real-time

GPS Solutions - In GNSS data processing, the station height, receiver clock and tropospheric delay (ZTD) are highly correlated to each other. Although the zenith hydrostatic delay of the...     

基于GGOS Atmosphere数据的ZHD模型精度分析

对流层天顶干延迟(ZHD)建模是对流层延迟建模的一个重要组成部分,由于ZHD变化较为规律,因此,通常用模型来表达。而对流层天顶湿延迟(ZWD)变化不规则且随机性大,所以在GNSS处理中将它作为一个未知的待估参数。不精确的ZHD模型,会影响到ZWD估算的准确性,因此,选择精确合理的ZHD模型具有重要的意义。传统无线电探空仪数据获取的ZHD由于不能覆盖全球所有位置,尤其是海洋地区,而且在特殊天气使用也受限。为了更能全面反映ZHD模型的精度,本文尝试使用GGOS Atmosphere数据比较分析3种经典ZHD模型、即Saastamoinen模型、Hopfield模型和Black模型。通过对全球范围内的657个站点且时间覆盖长达5年的GGOS Atmosphere数据进行比较分析,我们得到以下结论:Saastamoinen模型优于Hopfield模型和Black模型,Saastamoinen模型的ZHD的精度可以优于1.5 mm。因此,在GNSS用户使用ZHD模型时,Saastamoinen模型可以作为使用模型。具体可以应用到GNSS大地测量学、GNSS车辆导航定位以及GNSS气象学。     

The TropGrid2 standard tropospheric correction model

TropGrid2 is a new version of a tropospheric model that is based on climatology and provides tropospheric propagation delay corrections for standard positioning users without temperature, pressure and humidity measurements. Zenith hydrostatic and wet delays are modeled as special harmonic functions taking seasonal and diurnal variations into consideration. The grid-point values are height-reduced and can be interpolated horizontally to the user position. The database used to derive this model consists of more than 9 years of 3D numerical weather fields of the NOAA NCEP GDAS weather model. We validated this standard model using 10 years of GPS-derived zenith path delays at 290 International GPS service reference stations. The gridded version is accurate at a level of 3.8 cm (root mean square in zenith direction) on global average; the average long-term bias is ?0.3 cm. The standard deviations computed by the model turn out to be slightly too pessimistic for almost all stations under investigation, in contrast to the site-specific version, which is only marginally (1 mm) more accurate on global scale.     

Assessment of time-series of troposphere zenith delays derived from the Global Data Assimilation System numerical weather model

Troposphere zenith path delays derived from the Global Data Assimilation System (GDAS) numerical weather model (NWM) are compared with those of the International GNSS Service (IGS) solutions over a 1.5-year period at 18 globally distributed IGS stations. Meteorological parameters can be interpolated from the NWM model at any location and at any time after December 2004. The meteorological parameters extracted from the NWM model agree with in situ direct measurements at some IGS stations within 1 mbar for pressure, 3° for temperature and 13% for relative humidity. The hydrostatic and wet components of the zenith path delay (ZPD) are computed using the meteorological parameters extracted from the NWM model. The total ZPDs derived from the GDAS NWM agree with the IGS ZPD solutions at 3.0 cm RMS level with biases of up to 4.5 cm, which can be attributed to the wet ZPDs estimates from the NWM model, considering the less accurate interpolated relative humidity parameter. Based on this study, it is suggested that the availability and the precision of the GDAS NWM ZPD should be sufficient for nearly all GPS navigation solutions.

Forecast Vienna Mapping Functions 1 for real-time analysis of space geodetic observations

The Vienna Mapping Functions 1 (VMF1) as provided by the Institute of Geodesy and Geophysics (IGG) at the Vienna University of Technology are the most accurate mapping functions for the troposphere delays that are available globally and for the entire history of space geodetic observations. So far, the VMF1 coefficients have been released with a time delay of almost two days; however, many scientific applications require their availability in near real-time, e.g. the Ultra Rapid solutions of the International GNSS Service (IGS) or the analysis of the Intensive sessions of the International VLBI Service (IVS). Here we present coefficients of the VMF1 as well as the hydrostatic and wet zenith delays that have been determined from forecasting data of the European Centre for Medium-Range Weather Forecasts (ECMWF) and provided on global grids. The comparison with parameters derived from ECMWF analysis data shows that the agreement is at the 1 mm level in terms of station height, and that the differences are larger for the wet mapping functions than for the hydrostatic mapping functions and the hydrostatic zenith delays. These new products (VMF1-FC and hydrostatic zenith delays from forecast data) can be used in real-time analysis of geodetic data without significant loss of accuracy.     

成都地区大气平均温度建模及其在GPS/PWV计算中的应用研究

地基GPS气象学的关键技术是在于通过垂直方向上GPS信号的湿分量延迟值来确定大气可降水量-PWV,而这两个物理量间进行转换时需要用到一个关键性的参数——大气加权平均温度。本文首先讨论了估算加权平均温度的几种方法,然后利用成都地区2005年全年的大气探空数据,采用回归分析方法,建立了适合成都地区的大气加权平均温度模型,精度为±2.21K。最后将该公式应用到成都地区PWV的计算中,得到了非常理想的效果。