�ۺ϶��ַ��������й�����TECʱ�ձ仯����

????????????????????С?????????????1999??2013??IGS??????????????????й?????TEC???仯??????仯????仯???????????????о???????????TEC???????????????????С???????????γ??????????γ???????????????????????У?????????????LT12:00??16:00???????LT04:00??06:00?????з???????γ?????????????????????TEC?????????????е?????????????????＾??TEC?????????183 d???????????????й??????2001????????“??????”????     

�;�-��Դ6.6������ǰ�½������ؿ��α��������������

?????????2009??2011??223??GPS?????????????????????????????????????????????????????85??E??43??N??磬??????????????????????????????????????GPS??????????????????????????????????????????????????????2011.08??2012.25?????29??GPS???????????????е????????????仯????????????????????仯????2011.4???????????2011.8????????????????С????????С???????α???????????????в???????????????????????????λ???????????XJKL??????????????????仯??????????仯????????????????????????????????????ε??????????????????嵽????????????仯????6.0?????μ?????????????     

ɽ�����ݴ��Ľ���λ�ƺ�Ӧ��������

???????GPS????????????????????λ?????????????????о??????????????????С????α??????????????????????仯???????????繤?????????????????????????????????????????????????￡??????????????????????????????????????仯??????????????λ????????????????????????????????е????????????С???????????????????С?????α?????й?????????????????????????????????????????й??????????С?????α????????????С????????????????????????????????????????????2006??2009??????????????????????????????????????????????????С???,?????????????????????????????????????????????????????仯???????????????????????????     

��GPS�����������۲���Ƶر��α�ļ����Ա仯

???????GPS??GRACE?????????????α???????????????????GRACE???λ???GPS?????????????о?????(RMS)??С?????????????仯????λ???????????????н???????????GPS?????????????仯?????????????????????????????Щ???????????????????????????С?????????????????????????????????????п??????????????????????ó???GRACE?????α????????С????????????????????????????????????????????????GPS??????????????????д??μ??????????????????GPS???????????????о???     

̨������7������ǰ�󸣽��غ������ؿ��˶��ı仯

???????????GPS????1995???????????????6???????????????????GPS?λ??仯????????仯????????У???????1999??9??20???UTC????弯??Ms7.7???????2001??12??18???UTC????????Ms7.6??????????GPS??????????????????λ??????????????????????????????????С???????Ms7.7???????????GPS????????????????????λ???????????????????????????????????????????????????1997??2001????????????????仯???????????????????????????7??????????????????????????????γ????????￡????????????????ε????????????????     

�й�������ͬ������ǿ��ǰ����Ǿ��ȶ�ʱ��仯�����о�

?????й?????黮???????????????????GL???????????й???????105??E????????????????1975????????62??4.7?????????????????????????????д???????1??3????????????????????????仯??????????????м??????????????С???????????????????????????????????????????仯???????????????????????????λ?й????????С?????????仯?????????????????????????????????????????仯????????     

30��N���ණ����ƽ��ĵ�Ƶ�仯������ENSO�Ĺ�ϵ

????1992??12???2007??5?μ??????????о???????????仯??????????????????14?????????????30??N??????????????????????????57.7 mm??40.9 mm??????????????????????????????о?????????????????????ζ??????SOI????????????????????????????????????????????SOI???????30??N??????SLA??SOI???????????????γ??????????SLA??SOI???к???????????????????????????糡??????????????????SLA??γ???????????????????????????????30??N ???????????????????????????????????????????????????????????????????????????????????????SLA??????????·???????u??????????????????????????30??N ?????????????????????????????u??????????????70???????23????????????u????????SLA??SOI????????????????????????????????????????е?????????????30??N ???????????????????u????SOI???????ENSO????????????????????????糡???????????糡???γ????????????????????仯???????????á?????ENSO????????????????????????????     

����GPS������ɽ�ֽ�ؿ��α�����

?????й??????????????1992~2005??382??GPS???????????????????????????????????????????????????????????????????仯?????????????????????????????????С?????з?α仯??????:???????72??E??77??E???????????20??1 mm/a?????????77 ??E??82??E???????????12??1 mm/a?????????82??E??92??E?????????????5 mm/a????????????????????????????12 mm/a?????????????????????????????????????82??E???????????????????λ??????????????????Σ????????????????????????????????????????82??E???????????????????????????????????????????????????????????????α??????????????????????????????????Щ?α???????????????????????????С?????????????????????仯????????????????????????????к?????????????????????????????????????????????????Ρ????????????????????????????????????????????????β???????????????????????????????????????????????????????????75??E?????????伷??????17 mm/a???????????????????????????????????75??E???????????????????ε?????????????????????????????     

���ڵ�վ��Ӳ���ӳ���ⷽ��

????2004??11?′?????????????γ?????IGS????????????????GPS???????????????С?????????????????TEC???????С?????????????????????????????????????????????IGS??????????????￡?????????????????????Ч??????GPS?????????????????????????????????????з?????????????????????????仯?????????????????????????????????????????????????????????????     

����GPS��λ�Dz��˶�ѧ���������Ӱ�����

??CHAMP?????GPS????????????????GPS??????????????????λ??????????????Ч???GPS?????伸?η??????????????????????????????????????????????GPS???????С????LEO????????????????????????????????????????????仯??С???1~2 cm????????????????????????????GPS??????????????????5 ns??     

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。     

全球对流层延迟模型的质量评价

对常用的3种天顶对流层延迟改正模型(Saastamoninen模型、Hopfield模型和EGNOS模型)进行误差分析，代入气象元素及测站位置误差，得出各模型的ZTD估值受误差影响的程度。使用C++语言实现以上3种模型，选取一系列不同纬度和高程的IGS站，利用IGS分析中心提供的气象文件，结合测站时空信息，导入程序进行模拟计算，并与IGS对流层产品进行比较，对改正模型进行质量评价。结果表明，Saastamoninen模型和Hopfield模型能够较准确地根据地面气象资料反映对流层延迟的日变化，Saastamoninen模型的改正精度略高于Hopfield模型；同时，无需实测气象资料的EGNOS模型RMS小于0.1 m，也可满足GNSS m级定位需求。     

基于GPT3模型的ZTD及PWV反演精度分析

使用亚洲区域18个IGS测站和中国区域内16个探空站2016~2018年的数据,研究GPT3模型反演天顶对流层延迟（ZTD）和大气可降水量（PWV）的精度,并与其他GPT系列模型进行对比。结果表明,GPT3-1模型估计的ZTD的bias均值和最大值均最小,分别为1.34 mm和14.06 mm;GPT3模型整体精度略优于GPT2w模型,优于GPT2模型。探空站处GPT3模型反演的PWV的bias和RMSE均表现出较强的季节性特征;由GPT3模型反演的PWV的月均值可知,GPT3-1模型比GPT3-5模型具有更高的精度和稳定性。     

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ECMWF再分析地表资料计算中国区域ZTD的精度分析

利用ECMWF再分析地表资料，结合GPT2w模型提供的水汽递减率和温度递减率计算中国区域对流层延迟值的精度。首先，以中国地区75个探空站2015年地表实测气象参数为参考值，利用ECMWF地表资料得到的气象参数（P，T，e）的精度分别为1.76 hPa、1.96 K、1.98 hPa。然后，以相同测站2010~2015年探空站分层数据算得的ZTD为参考值，对ECMWF地表资料计算的ZTD的精度进行分析，并与利用探空仪地面观测数据为输入参数计算的ZTD的精度进行对比。结果显示，利用ECMWF地表资料计算的ZTD的平均bias为0.07 cm，平均RMS为3.72 cm，在低纬度地区优于利用探空仪地面观测数据为输入参数计算的ZTD的结果。以陆态网237个GNSS测站2015年的ZTD作为参考值，比对利用ECMWF地表资料计算的ZTD的精度，结果为3.41 cm。由此可知，ECMWF地面资料计算的ZTD的精度能满足普通用户对流层延迟的计算需求，可用于缺少气象参数的测站进行对流层延迟值的计算及其他相关应用。     

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。     

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

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

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%。     

融合GPT2w模型与GNSS参数获取大气可降水量

针对GPT2w模型误差累积所导致的天顶对流层延迟(zenith tropospheric delay, ZTD)和大气可降水量(precipitable water vapor, PWV)精度不高的问题,利用2017年长三角地区7个探空站和2个GNSS站的实测数据检验GPT2w模型获取的气压、温度、水汽压、加权平均温度(Tm)和ZTD等参数的精度,并融合GNSS解算得到的ZTD(GNSS-ZTD)与GPT2w模型获取的气象参数,提高PWV反演精度。结果表明：1)近地面处的气压、温度和水汽压的bias分布在－3~4 mbar、－7~7 K和－9~2 mbar之间,精度较高;2)GPT2w模型获取的Tm在长三角地区适用性较好,年均bias和RMS分别为－1.21 K和6.89 K;3)基于GPT2w模型解算的ZTD的bias和RMS均值分别为1.4 cm和9.4 cm,精度明显低于基于实测气象数据获得的GNSS-ZTD;4)参数融合法计算的PWV与GNSS-PWV精度相当,该方法可用于无实测气象参数时实时获取PWV。     

���й�����ERA-Interim���ϼ���ZTD��ZWD�ľ��ȷ���

??????г??????????????ECMWF??????ERA??Interim???????й????????????????????????????????????ERA??Interim????????????????????ZTD?????????ZWD??????????????????28??GPS???????????ZTD??ZWD???б?????????ECMWF???????ZTD??????????????????????-1 cm??2 cm??ZWD??BJFS??LHAS?????????????????????1 cm??1.6 cm??