����MODIS�����������ʪ�ӳ�ģ�ͽ��������о�

?????????????????????????????MODIS????????????о????????μ????????????о???????MODIS??????????????????????????????????????????????????????????????????????????????????????????????????     

һ�ָĽ������������ģ����TRACK�е�Ӧ��

????GAMIT???????????????ο???????????????????????????????????????????????????????????????????????TRACK??顣?????飬TRACK????в?????????????Saastamoinen???????GPS????????????????????     

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。     

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。     

���ڵ��κ�����Ҫ�ص�GPS�������ӳٲ�ֵ�����о�

????InSAR????У????SAR???????????????????????????????????μ??????????????--??????κ???????????????????????????????GPS????????ж????????????????????????????????????????????????????????GPS????????????????????????mm??????????InSAR????У???????     

超高层建筑GPS动态监测中对流层延迟处理方法研究

GPS动态监测超高层建筑物时,由于监测站和基准站高差较大,对流层湿延迟不能较好地通过传统的双差模式进行消除。本文采用基于随机游走过程的参数估计法对双差残余对流层延迟进行进一步削弱,并介绍相应的数据处理方法。实验结果表明,超高层建筑在进行GPS监测时对流层延迟残余误差不可忽略,卫星高度角越低相应延迟量越大;通过该方法进行估计改正,提高了实时动态监测精度,尤其是在高程方向的改善较为明显。     

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。     

基于水汽辐射计与GPS湿延迟的对比研究

利用事后精密星历和快速预报星历分别解算GPS对流层延迟，由Saastamoinen模型求得对流层干延迟，对流层湿延迟为对流层延迟与干延迟的差值。精密星历与快速预报星历的GPS湿延迟结果和水汽辐射计观测数据比较，得出精密星历湿延迟结果与水汽辐射计数据的差值的均方根为1．51cm；快速预报星历湿延迟与水汽辐射计数据的差值的均方根为1．52cm。     

GPS气象预报的可行性分析

基于中国区域5个IGS跟踪站的实测GPS数据,利用Bernese 4.2软件反演了部分典型测站上空的可降水量,并分析了该降水量变化与降雨之间的关系,探讨了将GPS应用于气象预报的可行性.     

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%。