利用多源数据构建PWV混合模型

高精度和高时空分辨率的大气可降水量(precipitable water vapor, PWV)信息对于极端天气研究具有重要作用。传统的单一水汽探测技术获取的PWV因其系统设计的局限性存在精度差、时空分辨率低等缺陷。针对该问题,提出了一种基于多源数据的混合模型——全球温度气压湿度(global pressure and temperature 2 wet, GPT2w) +球谐函数（spherical harmonic function,SHF）+多项式拟合（polynomial fitting,PF),简称GSP模型。该模型通过GPT2w计算PWV的初始值,利用SHF拟合PWV的偏差序列,利用PF对模型偏差进行校正,并引入Bartlett检验确定GSP模型中多源数据的最优权值。选取2014年中国云南省26个全球导航卫星系统(global navigation satellite system, GNSS)测站和37个欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasting, ECMWF)气候再分析数据集(ECMWF reanalysis-interim, ERA-Interim)格网点(1°×1°)的数据为例,建立GSP模型并进行验证,发现GSP模型较传统PF模型的精度提升率为15%~18%。以ECMWF第5代气候再分析数据集(ECMWF reanalysis v5, ERA5)提供的PWV格网数据(0.25°×0.25°)为参考,GSP模型的平均均方根误差和偏差分别为1.64 mm、－0.25 mm。上述结果表明GSP模型具有较高的精度,对于极端天气预警具有重要作用。     

一种探测和修复周跳的新组合方法

针对GPS双频接收机定位的特点,结合目前较成熟的探测和修复周跳方法的优点,提出了一种探测和修复周跳的新方法,即基于电离层残差法和相位减伪距法的优点,将两种方法进行合理的组合。该方法根据接收到的载波相位,联合利用电离层残差法和相位减伪距法进行周跳的探测与修复。从理论上说明了该方法的可行性,实例分析表明:该组合方法原理简单,计算速度快,实用性强。     

北斗三号全球卫星导航系统的广播星历精度评估

为了及时评估北斗三号全球卫星导航系统（BDS-3）广播星历的精度,本文基于2018年3月10—22日和2019年7月2—14日的BDS-2、BDS-3广播星历,以及武汉大学发布的精密星历数据,从北斗卫星的星历误差、轨道误差和空间信号测距精度（SISRE）3个方面进行了全面比较与分析。结果表明：BDS-3的广播星历星历误差的RMSE基本优于1.5 m,BDS-2的GEO、IGSO和MEO卫星的广播卫星星历误差的RMSE分别为3.0、3.0、2.0 m;BDS-3的轨道误差RMSE基本优于1.0 m,其中径向R方向的精度高于切向T和法线N方向,分别为0.1、1.0、0.5 m,BDS-2在R、T、N 3个方向上的精度分别为1、3、3 m;BDS-3广播星历SISRE的RMSE基本优于0.25 m,BDS-2的GEO、IGSO和MEO卫星的SISRE分别优于0.5、2.0、0.5 m。本文的结果整体上反映出BDS-3信号稳定且精度逐渐提升。     

利用GNSS PWV的AOD自适应预测方法

气溶胶光学厚度(aerosol optical depth,AOD)是气溶胶总含量的基本参数,对研究大气空气质量变化具有重要作用.为了探究不同类型A OD对空气质量的影响,本文提出两种基于GNSS PWV的AOD自适应预测方法.提出的方法考虑了相邻历元间AOD的时间自相关性,且模型系数能够自适应更新.一种方法是直接基于GNSS PWV对550 nm的AOD进行建模,简称TAF(total AOD forecast)模型.另一种AOD建模方法顾及了5种不同类型AOD对PWV的敏感性,简称FTAF(five type-based AOD forecast,FTAF)模型.该模型首先建立PWV与5种类型AOD的函数关系.其次,依据550 nm AOD与5种类型AOD之间的关系,确定不同类型AOD在550 nm AOD中所占的权重.最后,利用PWV预测5种类型的AOD,并通过加权平均获取最终的550 nm AOD.选取京津冀地区16个GNSS测站数据对提出模型的精度进行验证,结果发现提出的两种550 nm AOD预测模型均具有较高的精度,且FTAF模型优于TAF模型.本文提出的AOD预测模型能有效地将GNSS反演的对流层参数应用于大气环境遥感监测,为大气环境质量研究提供了一种新思路.     

地基GNSS水汽反演关键技术研究及其应用

正对流层作为地球空间环境中与人类活动最为密切的大气圈层之一,与人类的生产和生活密切相关。水汽是对流层中最重要的组成部分之一,尽管所占比例较小,但在多种气候和一系列天气现象中都扮演着关键角色。利用现代技术手段,掌握对流层中水汽的时空变化,对大气结构的垂直稳定度、暴风雨以及强对流等灾害性天气的形     

附加辅助层析区域提高射线利用率的水汽反演方法

在已有的全球导航卫星系统水汽反演技术中,能够利用的观测值是完整穿过整个层析区域的卫星射线。由于卫星、接收机几何位置分布以及层析区域选择的特定性,许多卫星射线是从层析区域侧面穿出,这些射线通常当作无效信息被剔除,降低了层析结果的精度。针对该缺点,提出并实现了一种附加辅助层析区域提高射线利用率的水汽反演方法,使从研究区域侧面穿出的信号信息也可以被利用。基于美国得克萨斯州（Texas）地区的连续运行参考站（Continuously Operation Reference Stations,CORS）网的实测数据,结合层析区域内的无线电探空仪数据进行实验,结果表明,该方法能够提高水汽反演结果的精度,其均方根误差的改善率为14.6%。     

利用最小二乘支持向量机的短临降雨预测模型构建

针对传统降雨预测理论错报率高及算法拟合精度低等缺陷,将与降雨过程相关的多种气象参数（温度、相对湿度、露点温度、气压等）及时间参数（年积日和天积时）引入短临降雨预测模型的构建。将新加坡2个GNSS和气象并址的测站（NTUS、SNUS）2010～2012年的气象数据及降雨数据作为样本,研究气象参数与降雨数据的时变特征,结果发现,降雨发生前气象参数均表现出异常的变化趋势,且各类气象参数与降雨均表现出弱相关性特征。基于该发现,首次应用最小二乘支持向量机（LS-SVM）模型实现对未来降雨的预测,将气象参数和时间参数作为模型输入,降雨数据作为模型输出,并利用正确率（TFR）和错报率（FFR）评价LS-SVM模型的精度。实验结果表明,该算法可预测出99%的降雨事件,且FFR为40%;与现有最小二乘降雨预测模型相比,该算法的FFR降低近20%,TFR提高近10%。     

利用优化的组合核相关向量机算法构建地表下沉预测模型

为了提高地下开采地表下沉预测结果的精度及可靠性,提出了基于混合智能优化算法（hybrid intelligent optimization algorithm,HIOA）与组合核相关向量机（multi-kernel relevance vector machine,MK-RVM）的地下开采地表下沉预测方法。首先,分别构建HIOA与MK-RVM算法,并利用HIOA优化MK-RVM的参数。然后,采用优化后的MK-RVM构建地表下沉几何参数预测模型和动态下沉预测模型。最后,利用以上模型对上山移动角、下山移动角、中心移动角、地表最大下沉及动态下沉进行预测,并分析预测结果的精度及可靠性。实验结果表明,该方法的精度与可靠性较单一核函数相关向量机与支持向量机有较大改善。     

基于水汽密度比例因子的三维水汽层析算法

针对传统水汽密度层析方法的缺点,设计并实现了一种基于水汽密度比例因子的三维水汽层析算法,提高了观测数据的利用率。利用香港CORS网的实测GPS和气象数据,并结合研究区域内45004探空站的探空数据,验证了该算法用于实测数据的可行性及精度,并分析了不同天气对层析新算法的影响。试验结果表明:该算法在观测数据的利用率上远大于传统层析方法,以探空数据为参考基准,RMS、水汽廓线相关系数和误差分布均优于传统方法。此外,降水天气对层析结果影响要比无降水天气的影响大。     

多历元观测值选取对水汽层析结果的影响及不同天气下对比

基于香港CORS站的实测GPS和气象数据,设计并实现利用多历元观测值层析水汽的方法,分析不同天气对该方法层析结果的影响。结果表明,该方法在RMS和误差统计方面均优于传统方法。此外,不同天气对层析结果影响不同,但无论在何种天气下,该方法均优于传统方法。