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。     

区域CORS网观测数据实时对流层延迟建模

针对高精度实时定位中区域天顶对流层延迟ZTD的时空特性导致插值精度不高的问题,提出一种基于高程归算的克里金插值模型。采用区域CORS网观测数据解算ZTD用于建模分析,相比于现有的其他方法,该模型能够提升插值精度,参与建模测站数量较少时其均方根误差RMSE仍可保持在10 mm以内,为区域实时高精度定位提供了基础。     

基于探空数据的对流层延迟模型精度评估

采用IGRA提供的2017年81个无线电探空站的探空资料,对4种对流层延迟模型在中国区域的精度进行综合评估与分析。结果表明,GPT2w模型的性能要优于依赖气象参数的Saastamoinen模型及基于球谐函数的GZTD和UNB3m模型;GPT2w模型的偏差均值MB(mean bias)和均方根误差RMSE分别为-0.8 cm和4.1 cm,各测站的MB和RMSE分别处于-2~2 cm和1.3~7.9 cm之间。UNB3m模型在中国区域存在较大的MB和RMSE,模型的RMSE最大可达10.2 cm。4种模型的精度对测站纬度具有一致的敏感性,表现为随测站纬度的升高而降低;模型精度呈明显季节性变化,且不同模型对季节的敏感程度有所差异;对流层湿延迟难以精确建模导致模型精度在夏季(RMSE为6~9 cm)低于冬季(RMSE为2~2.5 cm)。     

GPT3模型估计对流层产品精度检验与分析

利用全球范围内224个IGS测站2019年的高精度对流层产品,对GPT3模型估计的天顶对流层延迟和大气水平梯度信息进行精度检验和分析。结果表明,精度在空间和时间分布上存在差异性,天顶对流层延迟、南北和东西方向大气水平梯度的平均偏差和均方根误差分别为0.12 mm/37.2 mm、-0.05 mm/0.49 mm、0.08 mm/0.57 mm。     

高阶电离层延迟对中国区域双差定位影响研究

给出顾及高阶电离层延迟改正的双差定位模型，探讨中国区域VTEC的时空变化规律，分析高阶电离层延迟对L3观测值的影响。利用41个陆态网测站2015年全年的GNSS数据，基于Bernese 5.2软件的双差定位技术，系统研究高阶电离层延迟对中国区域双差定位的影响及其时空分布规律。结果表明，高阶电离层延迟对中国区域双差定位的影响与测站网型结构相关，明显存在0.5 a的周期变化，影响年均值大小为0～2 mm，且具有方向性差异，对高纬度测站的影响有向北偏移趋势，对低纬度测站的影响有向南偏移趋势。     

电离层高阶项改正对我国陆态网测站坐标的影响

通过不同的方案设计对中国陆态网测站进行解算,研究电离层高阶项延迟对测站坐标和接收机钟差的影响,并分析在不同地磁模型下的影响差异。结果表明,在太阳活动较为活跃时,电离层高阶项延迟对陆态网测站垂向坐标的影响能达到1.2 cm,对接收机钟差的影响接近4.4 mm;不同地磁模型下电离层高阶项延迟的影响很小。还分析了纬度、基线方向与长度对电离层高阶项延迟的影响。     

基于实测气象参数的InSAR大气校正及其应用研究

针对传统InSAR技术在监测地表形变时受对流层延迟影响的问题,利用地面实测气象参数和NCEP气象再分析资料建立大气校正模型,对生成的鄞州区干涉图进行对流层延迟校正,获取鄞州区2018～2020年高精度地表形变分布。为分析不同大气校正模型对对流层延迟效应的削弱效果,将监测结果与同期实测水准数据作对比。结果发现,地面气象信息模型、NCEP气象再分析资料模型和未加大气校正的InSAR监测结果的均方根误差RMSE分别为2.78 mm、3.86 mm、5.62 mm,表明利用地面气象信息模型校正大气相位误差具有更高的监测精度,能有效削弱对流层延迟对干涉测量结果的影响。     

基于再分析资料ERA5的对流层延迟估计方法及精度评估

提出基于再分析资料ERA5的天顶对流层延迟计算方法,使用中国大陆构造环境监测网络提供的26个GNSS测站2017年全年数据,评估由该方法计算的天顶对流层延迟的精度,并与前一代再分析资料ERA-Interim的计算结果进行对比分析。结果显示,ERA5计算的天顶对流层延迟均方根误差比ERA-Interim计算结果低,表明新一代产品的精度有明显提升。     

非组合PPP算法估计天顶对流层延迟及精度分析

为提高天顶对流层延迟的估计精度和可靠性,利用非组合精密单点定位(UPPP)模型估计了WUHN和BJFS站的天顶对流层延迟,将结果与传统的精密单点定位(PPP)模型的计算结果进行对比,结果表明:UPPP计算的天顶对流层延迟的内符合精度为2.75 mm,偏差为0.19 mm,该结果与IGS产品一致,外符合精度分别为8.58 mm,6.51 mm;以IGS的高精度对流层产品为真值,传统PPP模型和非组合PPP模型估计ZTD的精度(STD)分别为7.7 mm和5.9 mm;UPPP方法不仅在精度上和传统PPP方法保持相当甚至更高的精度,而且它还提供电离层产品以减弱噪声影响,提高数据利用率。     

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。     

����������ʪ�ӳٽ�ģ

?????????????????????????????????????????????????CORS??????????????????????????????????????????????????????????????????о??????????????????????????????????????????????????????????UNB3????????????     

基于神经网络模型误差补偿技术的对流层延迟模型研究

针对传统对流层延迟模型精度较低的缺点，基于神经网络模型误差补偿技术，在Hopfield模型基础上建立一个适用于北半球的高精度融合模型。以Wyoming大学提供的2010年全球120多个观测台站的气象探空数据精密解算的天顶对流层延迟(ZTD)作为近似“真值”，分析比较Hopfield模型、传统BP模型和融合模型的计算精度。结果表明，Hopfield模型的均方根误差（RMSE）为35.31 mm，传统BP模型为30.34 mm，融合模型为23.31 mm。     

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。     

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。     

重轨星载InSAR形变监测中一种改进的大气延迟相位校正方法

在传统空间辐射计方法基础上,将对流层中水汽垂直分层效应集成到校正模型中,提出一种改进的InSAR大气延迟相位校正方法。为验证改进方法的可行性,利用MERIS近红外水汽产品去除北京地区地面沉降InSAR监测中的大气延迟相位。以陆态网络GNSS站点监测结果为基准,验证改进的大气校正方法的监测精度。改进的大气校正方法、空间辐射计校正法和未校正的InSAR监测结果与陆态网络GNSS站点监测结果对比显示,均方根误差分别为0.388 cm、0.603 cm、0.685 cm,表明改进的方法相比于未校正和传统方法具有更高的精度,能有效削弱干涉图中的大气延迟相位误差。