基于小波分析的GPS PWV与PM2.5比较研究

通过比较2013-11~12的BJNM站点GPS PWV序列与天坛站点PM2.5浓度序列发现,两者的相关系数大于0.535,sig值小于0.01,存在显著的正相关特性;基于小波分析方法剔除高频噪声、细微扰动和小尺度系统影响的第4层低频系数重构的PWV序列与PM2.5序列的相关性达到0.749;高频系数重构的PM2.5序列与PWV序列的相关性达到0.839,更能反映两者的正相关特性。     

基于小波变换的GPS水汽与气象要素相关性分析

利用北京市GPS连续观测资料结合气象资料开展GPS水汽与气象要素的相关性分析。首先使用GAMIT软件解算2009-06-01~2012-04-30的北京GPS连续观测网观测数据并结合气压数据获得测站水汽序列;然后用小波变换方法对GPS水汽、温度和气压数据进行分解与重构,并对重构后的数据进行相关性分析。GPS水汽序列的变化趋势与温度呈显著正相关,与气压呈显著负相关。水汽和气压存在年周期和半年周期变化,两者存在显著负相关特性;温度有年周期变化,水汽和温度在d13重构结果的相关性最好,存在显著正相关特性。     

河北省GPS水汽与PM2.5质量浓度的比较研究

利用河北省GPS观测数据,结合同期PM2.5质量浓度数据,开展GPS水汽与PM2.5质量浓度的比较研究。结果发现,GPS水汽与PM2.5的显著性sig值小于0.01,相关系数大于0.6,两者存在显著的正相关特性。     

不同季节的北京市GPS可降水量与PM_(2.5)/PM_(10)的比较研究

通过北京市2013年的PM2.5/PM10资料与GPS可降水量资料比较发现,在秋冬春季节,PM2.5/PM10与GPS可降水量呈明显的正相关性,相关系数大于0.5,在个别时段达到了0.89,而这一相关性在降水较多的夏季并不明显;水汽含量的上升是秋冬春季节雾霾天气过程发生的重要因素。     

西安大气细颗粒(PM_1)化学组成及其对能见度的影响

在2012年秋季选取天气状况相对稳定的12d,运用细颗粒化学组分在线观测仪(ACSM),观测西安大气颗粒物变化;利用正矩阵因子分析法(PMF)对大气细颗粒物中的有机物进行源解析,探讨其对能见度的影响;最后,结合IMPROVE公式中吸湿增长因子和多元线性回归统计方法重建散光系数。结果表明:在观测时段,PM1(不包括黑碳和矿尘等难熔组分)和PM2.5质量浓度时间序列的相关性较好(判定系数为0.67),PM1约占PM2.5质量浓度的60%,有机物约占PM1质量浓度的58%,其他组分(包括SO2-4,NO-3,NH+4和Cl-)约占42%;高相对湿度(大于85%)伴随着一次组分质量分数的增加,雨水对一次组分的湿沉降作用也更加明显;利用正矩阵因子分析法对有机物进行源解析,分解出烃类有机气溶胶(HOA)和氧化性有机气溶胶(OOA)两种组分;OOA约占有机物质量浓度的54%,HOA约占46%,并且在下午时段,HOA发生挥发,经过光化学反应快速转化为OOA;硝酸盐对光的散射贡献最大。     

融合GNSS水汽、风速与大气污染物的河北省冬季PM2.5浓度预测研究

为提高PM_2.5浓度预测的时效和精度,本文综合大气污染物、GNSS水汽和风速等观测要素,利用FFT与LSTM神经网络方法构建PM_2.5浓度预测模型,开展未来24 h的PM_2.5浓度预测研究。首先对大气污染物、GNSS水汽和风速等观测要素进行快速傅里叶变换,提取各类要素的公共变化周期,获得最佳公共周期为216 h;然后选取最佳公共周期长度的各类要素作为模型输入,24 h序列的PM_2.5浓度作为模型输出,分别以PM_2.5单要素的RBF神经网络和融合大气污染物、风速、GNSS水汽的LSTM神经网络构建PM_2.5浓度预测模型;最后利用实测PM_2.5浓度序列分别对2种模型开展外部可靠性检验,将RMSE和IA作为评价指标进行模型精度评价。研究结果表明,基于FFT-LSTM的PM_2.5浓度预测模型的RMSE和IA分别为16.22 μg/m³和84.36%,模型预测精度较好,可有效预测未来24 h的PM_2.5浓度,该模型可为大气污染防治部门空气质量预测提供参考。     

基于Spearman秩相关系数的PWV与PM2.5相关性研究

在讨论大气可降水量(PWV)与细颗粒物(PM 2.5)之间的相关性时,传统方法未能很好地顾及连续数据中包含的非雾霾天气信息的影响,为此本文提出2个数据选取标准——时间标准和空气质量指数(AQI)等级标准,用于获取雾霾期间对应的PWV和PM 2.5序列。为解决数据筛选后不连续的问题,引入一种非参数性质的Spearman秩相关系数ρ,在北京市2014~2016年雾霾多发期,分析不同AQI等级对应时段的非连续等距的PWV和PM 2.5序列的相关性可知,筛选后3 a的ρ在第1、4季度的均值分别为0.6613和0.6280,整体均值为0.6447,表明雾霾天气下PWV和PM 2.5序列具有单调正向的相关性,而传统分析方法(未筛选)下两者的相关系数均较小,表明在对数据进行选取后的分析结果更具针对性和准确性。     

用地基GPS资料分析大气可降水汽总量

利用“中国地壳运动监测网络”和三峡监测网的地基GPS资料，通过Bernese软件以及根据Bevis等和Rocken等水汽解算原理编制的水汽解算软件。获得了武汉、巴东、兴山、泸州等长江流域测站大气可降水汽总量分布和时间间隔为2小时的GPS遥感大气可降水汽序列，并与站点雨量及区域面雨量进行对比分析，结果表明：地基GPS遥感水汽量变化与地面降水有很好的相关性。而且GPS遥感水汽变化序列峰值对应于强降水提前了8～22小时。有助于强降水特别是突发性强降水的预测；多个站点的GPS遥感水汽总量联合分析，对于区域水汽总量变化研究有一定意义。     

乌什体应变的气压响应特征分析

通过选取不同时段乌什体应变、气压观测数据,利用小波分析分离观测数据中的信号,将相同频段的体应变、气压进行相关性分析。结果表明,乌什气压对乌什体应变的影响主要表现为线性关系,并且有16~64 min和64~128 h两个卓越频段。     

GPS揭示的现今地壳运动与地震前兆特征

利用“中国地壳运动观测网络”产出的GPS观测资料,采用球坐标系下非连续变形算法对资源进行计算,以此为基础,对我国大陆地块及其边界带运动与形变进行了分析。对GPS基准站的连续观测序列采用小波变换进行分解变换,分析了部分震例,探讨了从GPS连续观测序列提取地震前兆的方法。初步取得两点认识：（1）7级以上的大地震主要发生在走滑运动量大的活动边界,且与高应变率地块有关,这可以作为地震中长期预测判据;（2）GPS基准站连续观测序列中的低频段,地震前6个月或稍长时段有一定的前兆异常出现,这可以作为地震中短期预测判据。     

基于小波分解与GA-LSSVM的GPS可降水量短临预报

针对GPS可降水量时间序列具有非线性、非平稳性的特征,研究一种基于小波分解（WD）、遗传算法（GA）和最小二乘支持向量机（LSSVM）的GPS可降水量短临预报方法。先采用小波分解将GPS可降水量时间序列分解成便于预报的低频分量和高频分量;然后利用遗传算法优化LSSVM参数,进而对各分量建立预报模型;再将各分量预报结果进行叠加重构得到最终预报结果。选取两组数据进行实验,并将预报结果分别与LSSVM和遗传小波神经网络（GA-WNN）预报结果进行对比。结果表明,该组合模型具有良好的泛化能力,可有效解决神经网络易陷于局部极小的问题,提高了全局预报精度。     

GPS/PWV时间序列特征提取方法的研究

针对GAMIT/GLOBK软件解算得到的4 a GPS/PWV时间序列的特征提取问题,提出基于滤波辅助的部分集成经验模态分解（PEEMD）与Hilbert谱分析相结合的特征提取方法。首先,在PEEMD方法的基础上,结合滤波辅助的PEEMD方法与Hilbert谱分析,建立GPS/PWV时间序列特征提取模型;然后,将所提出的方法应用于TNML测站4 a的GPS/PWV长时间序列和7 d的GPS/PWV短时间序列分析中,并将滤波辅助的PEEMD结果与传统的小波分解结果进行对比。结果表明,该特征提取方法能准确有效地提取出 GPS/PWV时间序列中的周年周期和日周期特征分量,滤波辅助的PEEMD分解结果与小波分解结果一致,且提取的特征分量与原始信号更加吻合。     

台风期间PWV与降雨量的相关性分析

基于2015~2017年台湾地区“苏迪罗”、“鲇鱼”、“海棠”等3次台风事件,利用地基GPS数据反演得到大气可降雨量（PWV）,初步分析台风期间PWV与降雨量的关系,并利用交叉小波和小波相干进一步分析PWV与降雨量的时空变化规律。结果表明,台风发生期间,PWV总体呈先上升后下降的趋势,波动性剧烈;降雨发生时,PWV一定发生剧烈变化;在研究时域内,PWV与降雨量存在很强的正相关关系,相关系数达到0.7,PWV超前降雨量变化,PWV变化后的0~3 h发生强降雨。研究PWV与降雨量的时空变化特征可为短时降雨预报提供参考。     

利用小波变换对暴雨过程中GNSS气象要素的初步探索

利用小波分解对地基GNSS获取的可降水量(PWV)、气压和对流层延迟(ZTD)等时序进行处理和分析,以暴雨的实际降水量作为判别依据。研究结果表明,1 h间隔PWV与ZTD的小波高频分解系数接近,均能够从中提取暴雨预报特征信息,可用高频ZTD代替PWV进行小波分析;频率在30 min-1h之间的ZTD,预报时间信息应在第1~3层级进行搜寻,30 min以下频率的应在第3~5层级进行搜寻;db4小波分解PWV的暴雨预报阈值可设为-1.2,db4小波分解ZTD的暴雨预报阈值可设置为-0.007,db2小波分解ZTD的暴雨预报阈值可设为-0.01。     

�ػ�GPS�ɽ�ˮ������2011�걱��������

?????????GPS???????????????????????????2011-07-24-26???????????????GPS???????仯???????о??????????GPS????????仯???????????3????????????????????????????????????????С?????????????????????????????н?????????????????????п?????????????????????????????????????????????κ???????????????????????????У????????С?????????????5???GPS???????仯???????????GPS????????仯????????????????????????????     

对流层延迟与可降水量直接转换模型研究

采用线性回归和最小二乘法拟合建立无线电探空可降水量（RS-PWV）与GPS对流层延迟（GPS-ZTD）、地面温度及大气压之间的直接转换模型,并将直接转换模型得到的PWV分别与RS-PWV及GPS反演得到的可降水量（GPS-PWV）进行比较。结果表明,RS-PWV与GPS-ZTD之间存在良好的线性关系,相关系数达0.927 6;RS-PWV与4阶拟合温度和大气压呈现较好的相关性,相关系数分别为0.640 1和－0.626 3;基于ZTD的单阶单因子模型PWV与GPS-PWV的相关系数达到0.969 9;基于ZTD、温度及大气压的单阶多因子模型PWV比基于ZTD的单阶单因子模型PWV精度明显提高,RMS从4.3 mm提高到3.3 mm。