4种对流层模型在南极地区的适用性分析

GPS信号传播过程中穿过对流层时受到大气折射的影响,其信号发生弯曲和延迟,因此,对流层延迟是GPS测量的主要误差源之一。对流层延迟模型改正算法的选择关系着GPS探测大气水汽的精度。介绍了Saastamoinen、Hopfield、UNB3及EGNOS等4种国际上常用的对流层延迟模型,以南极戴维斯站(DAV1)为例,计算了4种对流层模型在南极地区的天顶总延迟(ZTD)、天顶干延迟(ZHD)和天顶湿延迟(ZWD),与探空数据进行比较,得到了适合南极地区的对流层延迟模型。     

三种对流层延迟模型的精度对比

针对不同对流层延迟模型的改正精度不同的问题,该文采用3个IGS站BJFS、SHAO、WUHN的2014年对流层天顶总延迟数据以及地面气象数据,对目前常用的3种对流层延迟模型:霍普菲尔德(Hopfield)、萨斯塔莫宁(Saastamoinen)、欧洲地球静止导航重叠服务(EGNOS)的精度进行了分析。结果表明:Saastamoinen和Hopfield模型的精度相当,EGNOS模型精度略差于其余两种模型,但能满足GNSS米级的定位要求;在气象条件变化剧烈时,EGNOS模型精度不如实测地面气象数据的Hopfield和Saastamoinen模块。     

一种优化的基于神经网络的经验ZTD模型

目前,经验对流层天顶延迟（ZTD）模型已经有了飞速的发展,因为它们在使用时无需任何测量的实时地面气象数据,这给GNSS用户提供了极大方便。神经网络技术在实测参数型的ZTD建模中已经取得了一定的成果。与此同时,国内虽然有学者构建了神经外网络的经验ZTD模型,其最大的缺点是忽略了ZTD时间变化且只能单独预报ZTD。本文针对这些缺点构建了优化的神经网络经验ZTD模型。试验结果表明,本文提出的神经网络模型可以分别预报天顶干延迟ZHD和天顶湿延迟ZWD,且具有良好的精度：ZHD的Bias和RMSE分别为-3.7和19.8 mm;ZWD的Bias和RMSE分别为-0.6和34.2 mm。本文的神经网络模型预报的ZHD和ZWD的精度均与目前世界著名的GPT2w格网模型相当。另外,与GPT2w模型相比较,神经网络模型最大的优点就是无需庞大的预存格网数据作为输入,在使用时仅需要知道一个训练好的神经网络即可,该特点为GNSS用户提供了极大的方便。     

天顶静力延迟模型对GPS可降水量反演的影响分析及改进

利用地基GPS遥感大气可降水量(PWV,precipitable water vapor)过程中,天顶静力延迟(ZHD,zenith hydrostatic delay)模型精度直接影响PWV反演精度。文中将常用天顶静力延迟模型(Black模型、Hopfield模型和Saastamoinen模型)计算所得ZHD与基于湖南省2016-04-01—2017-03-31高空气象探测秒级数据计算所得探空ZHD进行对比,发现模型存在较明显系统偏差,其中Black模型ZHD平均偏低40mm以上。利用探空实测ZHD对天顶静力延迟模型进行回归建模,订正模型系数后可明显减小模型系统偏差和均方误差。改进后的ZHD模型可明显减小GPSPWV反演的系统偏差,并略微降低均方误差,其中采用改进后SA模型反演所得GPSPWV与探空PWV相比,平均偏低不超过0.230 7mm,反演准确性有较显著改善。     

全球ZWD垂直剖面滑动窗口的格网模型

对流层延迟是GNSS导航定位的主要误差源之一.针对已有对流层天顶湿延迟(ZWD)垂直剖面模型存在建模仅采用单一格网点数据以及使用月均剖面数据等不足,本文提出了一种基于滑动窗口的ZWD垂直剖面格网模型构建方法,建立了一种顾及精细季节变化的高精度全球ZWD垂直剖面模型(GZWD-H模型).同时,联合2017年全球321个探...     

顾及时空因素的高精度全球对流层关键参量模型构建研究EI北大核心CSCD

对流层在全球水循环、灾害天气形成与演变中扮演着极为重要的角色。大气加权平均温度(Tm)、对流层天顶延迟(ZTD)和天顶湿延迟(ZWD)等均属于对流层关键参量,其中ZWD/ZTD是影响GNSS等空间技术高精度导航定位的重要因素,而Tm是GNSS水汽探测的关键参数。随着GNSS导航定位及水汽探测对实时高精度对流层关键参量的要求日趋增强,对流层关键参量的实时高精度全球精化模型构建成为近年来的研究热点。论文针对已有对流层关键参量全球经验模型存在的问题,联合最新的MERRA-2资料和GGOS大气格网产品等多源数据,开展了对流层关键参量的实时高精度全球模型构建研究。论文主要工作和贡献如下。     

卫星定位中对流层延迟模型对比分析

对流层延迟是全球导航卫星系统（GNSS）定位中的重要误差源之一,本文对其产生机理进行了理论分析;对常用的Saastamoinen、Hopfield、Black和EGNOS 4种对流层延迟改正模型进行了详细的论述;选取国际GNSS服务（IGS）全球观测站中位于中国的6个站,利用全球大地测量观测系统（GGOS）提供的气象数据,对4种模型在这些站点的（ZTD）进行了计算。以IGS提供的ZTD数据作参考,对4种模型在各个站点的改正效果进行了对比分析,给出并分析了其偏差和均方根差,客观评价了其优劣,为国内GNSS卫星精确定位时对流层延迟改正模型的选择提供了参考依据。     

3种对流层干延迟模型在中国低纬度地区的精度分析

为了分析Saastamoinen模型、Hopfield模型和Black模型等干延迟(ZHD)模型在中国低纬度地区的精度情况,在中国低纬度地区的桂林、香港和海口3个地方,利用各地区相应的探空站2012年第122~152天的气象观测资料,分析了3种经验模型在低纬度地区的精度情况。结果表明,在所选的3个站内,3种经验模型计算的ZHD变化趋势具有很好的一致性,以Saastamoinen模型计算的ZHD值为参考,Saastamoinen模型和Hopfield模型的ZHD值较为接近,而Black模型计算值偏差较大。     

常用对流层延迟修正模型的适用性分析及精化

针对不同对流层延迟模型的改正精度不同的问题,该文利用中国地区4个测站2015年的气象数据和天顶总延迟(ZTD)数据,研究了3种对流层延迟模型(萨斯塔莫宁(Saastamoinen)、SAAS和勃兰克(Black))在不同典型区域和不同季节的精度;在考虑Hopfield模型的纬度和周年周期特性的基础上,给出了一个新的HLD(Hopfield-Latitude-Day)模型。结果表明,3种经典模型中,Black模型的精度最高,SAAS模型次之,Hopfield模型最差。特别是在高海拔地区,以上特征更加明显。3种模型的数值精度均具有明显的季节性特征,冬季改正效果优于夏季。在低海拔地区,HLD模型的精度得到了明显提高,与同等条件下的3种经典模型相比,其精度分别提升了42.2%、40.2%和31.3%。     

全球天顶对流层延迟模型新修正方法

针对对流层延迟误差与信号频率无关且具有较强的随机性的性质,该文以GGOS Atmosphere发布的格网数据作为真值,依据现有模型的全球残差分析了不同全球天顶对流层延迟模型的时空特征,并将中误差和平均相对误差作为评价指标,在空间维对全球进行分区。以Saastamoinen作为基础模型,构建新的修正模型,在各分区内拟合新模型系数。验证结果显示:相比于Saastamoinen模型,新模型在南半球高纬地区模型计算残差平均值由0.8m降到了0.5m以下,在(0.0~0.2)绝对小误差区间的误差分布比例提升了3%左右,且模型的稳定性得到了保证。     

利用中国区域MERRA-2资料计算ZTD和ZWD的精度分析

对流层延迟是影响高精度定位与导航的主要误差之一,也是全球导航卫星系统（global navigation satellite system,GNSS）水汽探测的关键参数。美国航空航天局发布了最新一代的大气再分析资料（MERRA-2资料）,其可用于计算高时空分辨率的对流层延迟产品,但是目前尚无文献对利用MERRA-2资料计算天顶对流层延迟（zenith tropospheric delay,ZTD）和天顶湿延迟（zenith wet delay,ZWD）的精度进行分析。因此,联合2015年中国陆态网214个GNSS站ZTD产品和分布于中国区域的87个探空站资料,对利用MERRA-2资料在中国区域计算ZTD/ZWD的精度进行评估。结果表明：（1）以陆态网ZTD为参考值,利用MERRA-2资料积分计算ZTD的年均偏差和均方根误差（root mean square error,RMSE）分别为0.32 cm和1.21 cm,且偏差和RMSE均表现出一定的季节变化,总体上呈现为夏季精度低、冬季精度高;在空间分布上,偏差随纬度和高程的变化趋势并不明显,但RMSE随纬度和高程的增加总体上呈现递减的趋...     

两种GPT系列对流层经验模型精度分析

针对很多测站不能提供实测气象数据的情况,本文对两种高精度的GPT系列经验模型进行验证。通过对两种模型获得的经验气象数据及对计算可降水汽非常重要的ZHD的精度进行分析,得出如下结论:GPT2w模型的精度要高于GPT2模型,且在无实测气象数据的情况下可以使用GPT2w模型来进行GNSS水汽反演。     

不同对流层改正方法对 PPP 定位效果影响的对比分析

对流层延迟是影响精密单点定位效果的一项重要误差源,不同的对流层改正方法直接影响PPP的定位结果。对比分析采用UNB3模型、Saastamoinen模型、ZTD参数估计3种方法对PPP定位精度和收敛时间的影响。实验结果表明:3种模型平面改正精度和收敛时间基本一致。天顶方向改正精度UNB3模型与ZTD参数估计法基本相当,但两者优于Saastamoinen模型;收敛速度UNB3模型与Saastamoinen模型基本一致,ZTD参数估计法收敛速度较慢。     

在高海拔地区Saastamoinen与Hopfield模型推算水汽含量差异的研究

详细分析了在高海拔地区利用Saastamoinen和Hopfield两种模型推算水汽含量时产生差异的原因，并通过对高程不同的测站上实测数据的分析和研究，给出了Hopfield模型的修正项。     

不同全球天顶对流层延迟模型时空特征分析

对流层延迟误差与信号频率无关,且具有较强的随机性,是GNSS导航定位中的主要误差源之一。以GGOS Atmosphere发布的格网数据作为真值,从纬度、高程及时间特性3个方面分析了两种全球天顶对流层延迟ZTD(Zenith Total Delay)模型(UNB模型和EGNOS模型)的时空特征,为GNSS导航定位中模型选择的正确性与合理性提供参考依据。分析得出:在纬度方向,ZTD值的RMSE和Bias从南到北呈现递减趋势且逐渐趋于稳定,建议计算ZTD时在南半球通过格网插值,北半球采用UNB模型;在高程方向,ZTD值与高程值呈现出反比关系,EGNOS的残差值较UNB残差值分布更加均匀且规律性较强,可利用高程值进行建模修正;在时间特征方面,ZTD单天内变化较小,两模型互差在mm级且表现出一定的季节性特征。     

GPS气象学中垂直干分量延时的精确确定

确定大气中可降水分的含量是ＧＰＳ气象学的目的之一。可降水分含量对应于ＧＰＳ信号中湿分量延时。现有高精度ＧＰＳ软件包只能提供天顶方向的对流层延时,但是,对流层延时由干分量和湿分量延时组成。因此,精确确定干分量延时,是分离湿分量延时的关键,也是ＧＰＳ气象学中必不可少的工作。现有３种经验模型计算垂直干分量延时,即萨氏（Ｓａａｓｔａｍｏｉｎｅｎ）模型,霍氏（Ｈｏｐｆｉｅｌｄ）模型和布兰克（Ｂｌａｃｋ）模型     

An Improved Mean-Gravity Model for GPS Hydrostatic Delay Calibration

The determination of global positioning system (GPS) heights with submillimeter accuracy needs proper correction of tropospheric delay. In this letter, the modeling of zenith hydrostatic delay (ZHD) was addressed, considering that wet delay must be treated separately. ZHD is traditionally estimated from Saastamoinen's formula using a mean-gravity model and surface pressure observations. The uncertainty in ZHD associated with the mean-gravity model is about 0.3 mm. An improved parametric model is derived here, which yields an uncertainty in the ZHD less than 0.1 mm when the surface altitude lies in the range of 0-9 km. A second parametric model is derived for higher altitudes (such as above radiosonde observations or atmospheric models). Both parametric models depend on latitude, height, and time variables. This dependence is due to the link between the mean gravity and temperature profiles between the surface and ~80-km altitude. The uncertainty in the parametric models due to short-term temporal variability of the temperature profiles is shown to produce an uncertainty in ZHD smaller than 0.1 mm     

基于BP神经网络的昆明天顶湿延迟模型

为了满足昆明市卫星定位综合服务系统(KMCORS)对高精度天顶湿延迟(ZWD)的需要,本文开发了适用于昆明地区的ZWD模型KM。KM模型是根据昆明探空站2015-2018年的探空资料,基于误差反向传播(BP)神经网络建立的,同时采用2019年的探空数据,验证了KM模型的预测性能。测试结果表明,与广泛使用的SA模型相比,KM模型的RMSE由4.0 cm降至2.2 cm,精度提升了45%;KM和SA模型的Bias分别为0和-3.1 cm。该结果表明KM模型对ZWD估计具有无偏性,而SA模型在高原区存在过度估计的问题,KM模型具有比SA经验模型更优的预测性能,其应用将有助于提升KMCORS的服务质量。     

青藏高原地区大气加权平均温度模型的构建

加权平均温度(Tm)是将天顶湿延迟转换为大气可降水量的关键参数,针对青藏高原地区海拔高、地形起伏大、水汽高度分布复杂的特点,本文利用2010—2014年GGOS Atmosphere Tm格网数据和地表高程数据建立Tm垂直递减率函数,进而建立一种顾及Tm垂直递减率变化的适合青藏高原地区的新模型(QTm模型).此外,利用...