利用多元回归方法改正对流层延迟插值误差

直接利用克里金插值得到的对流层延迟在地形变化起伏大的地区效果不好,提出利用多元回归方法改正克里金直接插值所带来的插值误差.以美国南加州GPS网为例,对海拔差异不同的测区分别进行实验.在具有不同改正因子的方程中,同时具有经、纬度、海拔因子的方程具有较其他方程更好的改正效果,在测站海拔分布差异较小的测区(小于500 m),该方法对插值误差有较好的改正效果,精度达到厘米级,甚至毫米级.     

GPS/Galileo实时天顶对流层延迟估计研究

采用14个MGEX测站观测数据,利用实时PPP估计方法计算得到Galileo、GPS和GPS/Galileo组合ZTD估值。14个测站的Galileo和GPS ZTD估值的相关系数绝大多数大于0.9,且Galileo-GPS ZTD差值的RMS为8～16 mm,RMS的平均值为12.3 mm,证明Galileo和GPS解的符合性良好,Galileo实时估计的ZTD精度满足要求。同时,IGS最终ZTD产品被用来评价各解算结果的精度,结果显示,GPS/Galileo联合解算时,相对于GPS单系统精度提高了5%~35%,相对于Galileo 单系统精度提高了25%~51%。     

基于垂直剖面函数的天顶对流层延迟插值算法

通过分析由ERA-Interim气象再分析资料积分方法得到的天顶对流层总延迟随高程变化的规律,提出一种基于垂直剖面函数的天顶对流层延迟(ZTD)插值算法。该算法以ZTD的垂直分布规律为基础,通过垂直剖面函数实现ZTD在高程方向上的精准投影延拓,可以避免因高差较大造成的空间内插结构畸形。采用IGS站提供的高精度对流层产品进行实验验证表明,该算法相对于传统算法能够有效提高ZTD改正值的精度,尤其在高差超过1 km的情况下,相对于反距离加权法精度提升了96%,相对于空间回归法精度提升了79%。     

基于不同地形的GPS对流层延迟插值方法研究

通过利用北京、武汉两地的GPS数据,采用反距离加权法、克里金法研究不同地形下GPS对流层延迟插值效果.经比较,反距离加权法与克里金法的插值效果基本一致,在对武汉地区进行GPS对流层延迟插值时插值效果均在毫米级,在北京地区的插值效果则有不同:平坦地区插值效果达到毫米级;山区插值效果为厘米级,无法满足应用需求.     

利用主成分分析建立区域对流层延迟时空模型

提出一种基于主成分分析（PCA）的ZTD时空建模方法,并利用GNSS连续运行参考站获取的ZTD数据,建立香港、云南、中国3个区域范围的ZTD时空模型。结果表明,所建立的区域对流层延迟时空模型不仅精度明显高于Saastamoinen、EGNOS和UNB3m模型,而且建模过程简单,模型参数较少,使用方便。     

BDS全球定位服务能力及天顶对流层延迟估计性能评估

基于自行解算的GPS/BDS精密轨道和钟差产品,选取全球均匀分布的9个MGEX观测站1周的观测数据,使用GAMP软件进行BDS静态精密单点定位(PPP)解算,以评估BDS全星座的全球定位服务能力及天顶对流层延迟(ZTD)的估计性能.实验结果表明,BDS静态PPP解算收敛后水平方向精度优于1 cm,高程方向精度在1 cm...     

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)。     

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...     

一种区域精密天顶对流层延迟组合预报模型

针对现有区域天顶对流层延迟(ZTD)模型属于函数或格网型,参数固定,且难以表达ZTD时空快速变化特性等问题,提出一种基于小波变换、傅里叶级数拟合、自回归(AR)、支持向量回归(SVR)的组合预报新模型构建方法。该模型在时域内对ZTD序列进行小波变换,分解出低频和高频序列。低频序列采用傅里叶级数拟合成时间函数,高频序列则由AR进行预报。在空间域内利用SVR建立位置参数向傅里叶级数参数的映射。在该模型中输入时间与位置信息即可获取ZTD预报值。利用94个GNSS基站2 a的ZTD数据进行建模,24个GNSS基站1 a的ZTD数据进行预测对比。结果表明,实测值与模型预报值之间的平均偏差为-2.02 mm,均方根误差为3.07 cm,优于大部分区域ZTD模型。在伪距单点定位测试中,该模型能够显著提高定位精度。实验表明,该组合模型具有较高的预报精度和可靠性,具有一定的应用价值。     

中国区域BP-Adaboost强预测器对流层天顶延迟建模研究

选取中国大陆构造环境监测网（陆态网）提供的155个测站2014~2018年对流层延迟产品,基于BP-Adaboost算法将多个弱神经网络预测器集成为强预测器,建立新的无气象参数对流层延迟计算模型。利用陆态网2019年参与建模的141个建模测站、未参与建模的62个测站的对流层延迟产品和中国区域86个无线电探空站解算出的对流层延迟精确值对BP-Adaboost模型进行精度评定,结果表明,新模型的平均偏差分别为0.62 mm、-1.16 mm和12.32 mm,均方根误差分别为25.30 mm、26.72 mm和46.29 mm,优于常见的无气象参数模型;BP-Adaboost模型在内陆地区或海拔2 km以上地区具有更高的精度,能够满足中国大陆区域卫星导航用户实时对流层延迟改正的需求。     

利用CORS观测资料反演四川地区水汽含量及其变化特征分析

利用四川地区58个CORS站2012～2014年的观测数据,使用GAMIT软件反演其大气水汽含量,并分析水汽含量的时空分布特征和变化趋势。结果显示,四川地区水汽含量的空间分布具有东多西少的特征。通过多元线性回归分析方法和PCA法得出水汽含量的分布特征与该地区的地形地势的线性关系。以CHDU、YBIN和HONY站为例,利用改进的经验模态分解结合频谱分析的方法,得到水汽含量的多周期特性。结果显示,3个站存在多个水汽含量的循环周期。     

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。     

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。     

安徽省CORS坐标时间序列噪声和速度场分析

利用GAMIT/GLOBK软件解算安徽省卫星定位综合服务系统(AHCORS) 2013-01～2018-06数据,得到参考站坐标时间序列,并对其进行噪声分析.结果 表明,安徽省境内参考站的最佳噪声模型为白噪声+闪烁噪声(WN+FN)模型.在顾及有色噪声影响时,AHCORS在ITRF2008框架下的平均运动速度为31.7...     

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。     

实时格网对流层模型在中国区域的适用性分析

利用无线电探空数据,对格网对流层模型GPT2w、IGGtrop及GTPs在中国区域的适用性进行分析。结果显示,GPT2w和IGGtrop在地表附近精度相当,RMS为4.0～4.2 cm,西部地区精度优于东部,东南沿海精度最差,夏季精度明显低于冬季,在中西部地区分辨率低的模型可能会产生异常偏差;GPT2w模型明显存在系统性偏差,中西部为正,东南部为负;3 km高度以上,IGGtrop模型精度明显优于GPT2w模型,且随高度增加精度保持稳定。在飞行器定位导航中,建议采用IGGtrop模型修正ZTD误差。GTPs模型时间分辨率高,精度明显优于传统的经验模型,尤其在东南沿海ZTD变化剧烈的区域,但由于其依赖于外部数据源,部分区域无法使用。