融合GNSS ZTD和气象要素的内蒙古土壤水含量模型

土壤水含量是农牧业衡量干旱的重要指标,对气候生态具有重要影响,土壤水的变化趋势对于区域的水土流失和气候变化研究等工作具有重要意义,而我国对于土壤水含量的监测起步较晚,因此有必要利用其他已有数据开展土壤水含量模型研究. 利用内蒙古已有全球导航卫星系统(GNSS)天顶对流层延迟(ZTD)数据和湿度、日照以及蒸发量数据进行土壤水含量反演模型研究. 首先将各要素与土壤水含量进行相关性分析,因土壤水含量与GNSS ZTD数据均存在观测噪声,所以应对数据进行去噪处理. 利用小波变换方法剔除噪声,去噪后土壤水含量数据与各要素相关性均有所提高,土壤水含量与湿度相关性最好,两者各实验点的平均相关性为0.645;土壤水含量与日照和蒸发量呈负相关,其平均相关性分别为?0.561、?0.547;而土壤水含量与GNSS ZTD数据相关性最小,其平均相关性为0.271. 根据各要素与土壤水含量的相关性,进行土壤水含量模型构建并进行可靠性验证. 经验证误差统计发现:实验区域NMWJ站模型精度最高,其精度为90.1%;HLAR站点模型精度最低,其精度为69.1%;各站点的平均精度为81.35%. 基于多变量要素的土壤水含量模型可为土壤水含量的趋势变化研究提供参考,通过研究土壤水含量的变化趋势,对区域进行水资源的合理分配利用从而达到节约水资源目的.      

一种对流层延迟的ZTD与PM2.5浓度相关性研究

基于水汽与GNSS ZTD之间的高相关性,该文利用2015年12月至2016年5月中国大陆环境监测网络(CMONOC)的GNSS数据,借助小波变换方法开展GNSS ZTD与GNSS站点所在城市的PM2.5浓度观测的相关性研究。采用小波变换方法对ZTD与PM2.5进行相同的分解与重构,并对分解重构后的ZTD与PM2.5进行相关性分析。实验表明:基于小波变换方法分解重构的GNSS ZTD与PM2.5浓度的相关性明显高于GNSS ZTD与PM2.5浓度实测值的相关性,在中国华北、华中、西北及东北地区GNSS ZTD与PM2.5浓度的相关性呈显著正相关特性,中国西南以及沿海地区,由于降水及其他因素的干扰,GNSS ZTD与PM2.5浓度的相关性不显著。     

基于小波变换的CMONOC的ZTD与PM2.5浓度的相关性研究

基于水汽与GNSS ZTD之间的高相关性,该文利用2015年12月至2016年5月中国大陆环境监测网络(CMONOC)的GNSS数据,借助小波变换方法开展GNSS ZTD与GNSS站点所在城市的PM2.5浓度观测的相关性研究。采用小波变换方法对ZTD与PM2.5进行相同的分解与重构,并对分解重构后的ZTD与PM2.5进行相关性分析。实验表明:基于小波变换方法分解重构的GNSS ZTD与PM2.5浓度的相关性明显高于GNSS ZTD与PM2.5浓度实测值的相关性,在中国华北、华中、西北及东北地区GNSS ZTD与PM2.5浓度的相关性呈显著正相关特性,中国西南以及沿海地区,由于降水及其他因素的干扰,GNSS ZTD与PM2.5浓度的相关性不显著。     

基于小波变换的CMONOC的ZTD与PM2.5浓度的相关性研究

基于水汽与GNSS ZTD之间的高相关性,该文利用2015年12月至2016年5月中国大陆环境监测网络(CMONOC)的GNSS数据,借助小波变换方法开展GNSS ZTD与GNSS站点所在城市的PM2.5浓度观测的相关性研究。采用小波变换方法对ZTD与PM2.5进行相同的分解与重构,并对分解重构后的ZTD与PM2.5进行相关性分析。实验表明:基于小波变换方法分解重构的GNSS ZTD与PM2.5浓度的相关性明显高于GNSS ZTD与PM2.5浓度实测值的相关性,在中国华北、华中、西北及东北地区GNSS ZTD与PM2.5浓度的相关性呈显著正相关特性,中国西南以及沿海地区,由于降水及其他因素的干扰,GNSS ZTD与PM2.5浓度的相关性不显著。     

基于小波变换的CMONOC的ZTD与PM2.5浓度的相关性研究

基于水汽与GNSS ZTD之间的高相关性,该文利用2015年12月至2016年5月中国大陆环境监测网络(CMONOC)的GNSS数据,借助小波变换方法开展GNSS ZTD与GNSS站点所在城市的PM2.5浓度观测的相关性研究。采用小波变换方法对ZTD与PM2.5进行相同的分解与重构,并对分解重构后的ZTD与PM2.5进行相关性分析。实验表明:基于小波变换方法分解重构的GNSS ZTD与PM2.5浓度的相关性明显高于GNSS ZTD与PM2.5浓度实测值的相关性,在中国华北、华中、西北及东北地区GNSS ZTD与PM2.5浓度的相关性呈显著正相关特性,中国西南以及沿海地区,由于降水及其他因素的干扰,GNSS ZTD与PM2.5浓度的相关性不显著。     

基于小波变换的CMONOC的ZTD与PM2.5浓度的相关性研究

基于水汽与GNSS ZTD之间的高相关性,该文利用2015年12月至2016年5月中国大陆环境监测网络(CMONOC)的GNSS数据,借助小波变换方法开展GNSS ZTD与GNSS站点所在城市的PM2.5浓度观测的相关性研究。采用小波变换方法对ZTD与PM2.5进行相同的分解与重构,并对分解重构后的ZTD与PM2.5进行相关性分析。实验表明:基于小波变换方法分解重构的GNSS ZTD与PM2.5浓度的相关性明显高于GNSS ZTD与PM2.5浓度实测值的相关性,在中国华北、华中、西北及东北地区GNSS ZTD与PM2.5浓度的相关性呈显著正相关特性,中国西南以及沿海地区,由于降水及其他因素的干扰,GNSS ZTD与PM2.5浓度的相关性不显著。     

基于小波相干的雾霾与GNSS对流层延迟相关性分析

为了进一步揭示雾霾与对流层延迟相关性的细部特征,基于小波相干算法构建雾霾与天顶对流层延迟（zenith tropospheric delay,ZTD）相关性分析的新方法,有效地分析了雾霾与ZTD相关性的时频空间分布特征及成因。首先,通过分析IGS（internet GNSS service）北京站2014-2017年每个月的ZTD与量化评定雾霾的空气质量指数（air quality index,AQI）的相关系数,发现两者在月尺度上相关系数绝对值大于0.4的比率占29.17%,宏观上显示了两者具有相关性。其次,采用小波相干的方法分析了北京2014-2017年期间年度ZTD与AQI的相关性,发现ZTD与AQI在一定的时频域上具有很强的相关性,并且通过了95%置信度检验。最后,由北京、长春部分时域的ZTD与AQI相关性分析可知,北京3月份ZTD与AQI总体上呈现正相关,并且AQI与温度、气压、湿度和风速具有较好的相关性;在研究时域内秸秆燃烧加剧了北京、长春的雾霾,进而影响对流层延迟。     

基于小波变换的地震前后GNSS ZTD异常变化分析

地震前后的水汽变化特征分析可为震前地震预测和灾后次生灾害预警提供参考．该文借助小波变换方法开展地震前后全球卫星导航系统(GNSS)天顶对流层延迟(ZTD)(水汽)的异常变化研究．通过对ZTD结合地震与降水数据来分析地震前后水汽变化特征,利用小波变换的方法分解重构ZTD数据,分析GNSS ZTD在地震前后的异常变化．研究发现:地震前后存在水汽突变情况,小波变换后的ZTD能更清楚显示震后水汽变化特征与地震关系及水汽周期变化．      

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.     

基于相空间重构和高斯过程回归的对流层延迟预测

天顶对流层延迟(zenith tropospheric delay,ZTD)是影响GPS定位精度的关键因素,为了提高ZTD的预测精度,提出一种基于相空间重构的高斯过程回归预测模型。针对ZTD时间序列的混沌特性,利用国际GNSS服务(International GNSS Service,IGS)站提供的ZTD数据,采用Cao方法确定嵌入维数,对ZTD数据进行相空间重构,探究高斯过程(Gaussian process,GP)模型对12个位于南、北半球不同纬度等级IGS站的ZTD预测精度和准确性。为了验证GP模型的有效性,将预测结果分别与原始数据和反向传播(back propagation,BP)神经网络模型预测结果作对比分析,进一步探究不同时间对ZTD预测精度的影响,并分析了经度和海拔对ZTD预测精度的影响。结果表明,GP模型预测结果的均方根误差(root mean square error,RMSE)达到mm级,GP模型与理论值的相关性达到0.997,预测精度指标明显优于BP神经网络模型;GP模型在南半球的预测精度高于北半球,且在高纬地区的RMSE小于3.6 mm,更适用于高纬地区的对流层延迟预测;在研究时域内,GP模型在大部分站点对晚上的预测精度高于白天,经度对ZTD预测精度的影响不明显,海拔与ZTD预测精度呈正比。     

京津冀地区GNSS对流层延迟空间插值研究

对流层延迟差异影响合成孔径雷达干涉测量技术(InSAR)形变测量精度;水汽的变化影响天气变化．对流层延迟与水汽具有较好的对应,因此有必要开展全球导航卫星系统(GNSS)对流层延迟的插值研究．以京津冀地区为例,针对GNSS对流层延迟,开展对流层延迟的空间插值研究．首先开展了GNSS对流层延迟与水汽的比较分析,两者存在显著正相关特性,相关性超过91.7％,论证了对流层延迟取代水汽的可行性．然后利用反距离权重法对京津冀地区2016年9月至2017年8月的12组GNSS测站对流层延迟进行空间插值,通过提取插值点对流层延迟与GNSS站点对流层延迟比较验证空间插值精度．全年数据平均偏差最大为1.12 cm,均方根误差最大为0.89 cm;未发生降水过程平均偏差最大为1.25 cm,均方根误差最大为0.82 cm;发生降水过程平均偏差最大为1.08 cm,均方根误差最大为1.38 cm．京津冀平原区域的GNSS对流层延迟空间插值结果精度满足气象等应用要求,可为气象预报和InSAR大气校正提供参考.      

利用中国区域MERRA-2资料计算ZTD和ZWD的精度分析

对流层延迟是影响高精度定位与导航的主要误差之一,也是全球导航卫星系统（global navigation satellite system,GNSS）水汽探测的关键参数。美国航空航天局发布了最新一代的大气再分析资料（MERRA-2资料）,其可用于计算高时空分辨率的对流层延迟产品,但是目前尚无文献对利用MERRA-2资料计算天顶对流层延迟（zenith tropospheric delay,ZTD）和天顶湿延迟（zenith wet delay,ZWD）的精度进行分析。因此,联合2015年中国陆态网214个GNSS站ZTD产品和分布于中国区域的87个探空站资料,对利用MERRA-2资料在中国区域计算ZTD/ZWD的精度进行评估。结果表明：（1）以陆态网ZTD为参考值,利用MERRA-2资料积分计算ZTD的年均偏差和均方根误差（root mean square error,RMSE）分别为0.32 cm和1.21 cm,且偏差和RMSE均表现出一定的季节变化,总体上呈现为夏季精度低、冬季精度高;在空间分布上,偏差随纬度和高程的变化趋势并不明显,但RMSE随纬度和高程的增加总体上呈现递减的趋...     

SHAtrop:基于陆态网GNSS数据的中国大陆区域ZTD模型

对陆态网223个全球导航卫星系统（Global Navigation Satellite System，GNSS）测站6 a实测对流层天顶延迟（zenith total delay，ZTD）的时空特性进行了分析，结果表明，各测站ZTD平均值随大地高指数递减，衰减因子与纬度近似线性关系，其时域变化呈现年周期和半年周期，周期、振幅、初相位与地域分布有关。综合采用周期函数及格网函数，建立了中国大陆区域ZTD经验模型SHAtrop。模型提供区域内分辨率为2.5°×2.0°的格网，用户使用时，先在相应格网内插得到对应参数，再利用三角函数得到椭球面ZTD，最后利用指数函数计算ZTD。实测ZTD的数据验证结果表明，SHAtrop的均方根误差（root mean square，RMS）为3.4 cm，优于常见经验模型。SHAtrop采用较多测站，对高程改正更精细；使用时只需要输入经纬度与时间，使用方便，能满足中国区域GNSS用户实时定位导航的ZTD改正需求。     

Characterization of diurnal cycles in ZTD from a decade of global GPS observations

The diurnal cycle of the tropospheric zenith total delay (ZTD) is one of the most obvious signals for the various physical processes relating to climate change on a short time scale. However, the observation of such ZTD oscillations on a global scale with traditional techniques (e.g. radiosondes) is restricted due to limitations in spatial and temporal resolution. Nowadays, the International GNSS Service (IGS) provides an important data source for investigating the diurnal and semidiurnal cycles of ZTD and related climatic signals. In this paper, 10 years of ZTD data from 1997 to 2007 with a 2-hour temporal resolution are derived from global positioning system (GPS) observations taken at 151 globally distributed IGS reference stations. These time series are used to investigate diurnal and semidiurnal oscillations. Significant diurnal and semidiurnal oscillations of ZTD are found for all GPS stations used in this study. The diurnal cycles (24 hours period) have amplitudes between 0.2 and 10.9 mm with an uncertainty of about 0.5 mm and the semidiurnal cycles (12 h period) have amplitudes between 0.1 and 4.3 mm with an uncertainty of about 0.2 mm. The larger amplitudes of the diurnal and semidiurnal ZTD cycles are observed in the low-latitude equatorial areas. The peak times of the diurnal cycles spread over the whole day, while the peak value of the semidiurnal cycles occurs typically about local noon. These GPS-derived diurnal and semidiurnal ZTD signals are similar with the surface pressure tides derived from surface synoptic pressure observations, indicating that atmospheric tides are the main driver of the diurnal and semidiurnal ZTD variations.     

一种基于SARIMA的经验对流层延迟模型

为了减弱对流层延迟的影响,提高GNSS定位精度,探讨了在无气象参数的条件下,利用预测模型计算对流层延迟的可能性,并提出了一种经验对流层延迟预测模型,即基于季节性自回归移动平均模型（SARIMA）的对流层延迟预报方法。结合中国长春和上海两个地区的ZTD数据进行预测分析,预测结果表明：基于SARIMA的ZTD预报模型能够满足不同地区不同时段下的ZTD估计需求,是一种较高精度的ZTD预报方法。     

Estimation and evaluation of real-time precipitable water vapor from GLONASS and GPS

The revitalized Russian GLONASS system provides new potential for real-time retrieval of zenith tropospheric delays (ZTD) and precipitable water vapor (PWV) in order to support time-critical meteorological applications such as nowcasting or severe weather event monitoring. In this study, we develop a method of real-time ZTD/PWV retrieval based on GLONASS and/or GPS observations. The performance of ZTD and PWV derived from GLONASS data using real-time precise point positioning (PPP) technique is carefully investigated and evaluated. The potential of combining GLONASS and GPS data for ZTD/PWV retrieving is assessed as well. The GLONASS and GPS observations of about half a year for 80 globally distributed stations from the IGS (International GNSS Service) network are processed. The results show that the real-time GLONASS ZTD series agree quite well with the GPS ZTD series in general: the RMS of ZTD differences is about 8 mm (about 1.2 mm in PWV). Furthermore, for an inter-technique validation, the real-time ZTD estimated from GLONASS-only, GPS-only, and the GPS/GLONASS combined solutions are compared with those derived from very long baseline interferometry (VLBI) at colocated GNSS/VLBI stations. The comparison shows that GLONASS can contribute to real-time meteorological applications, with almost the same accuracy as GPS. More accurate and reliable water vapor values, about 1.5–2.3 mm in PWV, can be achieved when GLONASS observations are combined with the GPS ones in the real-time PPP data processing. The comparison with radiosonde data further confirms the performance of GLONASS-derived real-time PWV and the benefit of adding GLONASS to stand-alone GPS processing.     

Using external tropospheric corrections to improve GNSS positioning of hot-air balloon

High accurate global navigation satellite systems (GNSS) require to correct a signal delay caused by the troposphere. The delay can be estimated along with other unknowns or introduced from external models. We assess the impact of the recently developed augmentation tropospheric model on real-time kinematic precise point positioning (PPP). The model is based on numerical weather forecast and thus reflects the actual state of weather conditions. Using the G-Nut/Geb software, we processed GNSS and meteorological data collected during the experiment using a hot-air balloon flying up to an altitude of 2000 m. We studied the impacts of random walk noise setting of zenith total delay (ZTD) on estimated parameters and the mutual correlations, the use of external tropospheric corrections, the use of data from a single or dual GNSS constellation and the use of Kalman filter and backward smoothing processing methods. We observed a significant negative correlation of the estimated rover height and ZTD which depends on constraining ZTD estimates. Such correlation caused a degraded performance of both parameters when estimated simultaneously, in particular for a single GNSS constellation. The impact of ZTD constraining reached up to 50-cm differences in the rover height. Introducing external tropospheric corrections improved the PPP solution regarding: (1) shortened convergence, (2) better overall robustness, particularly, in case of degraded satellite geometry, (3) less adjusted parameters with lower correlations. The numerical weather model-driven PPP resulted in 9–12- and 5–6-cm uncertainties in the rover altitude using the Kalman filter and the backward smoothing, respectively. Compared to standard PPP, it indicates better performance by a factor of 1–2 depending on the availability of GNSS constellations, the troposphere constraining and the processing strategy.