青岛地区大气加权平均温度模型优化

大气加权平均温度是GNSS气象学中大气可降水量反演的一个关键变量,其精度对水汽反演结果具有重要影响.利用IGRA提供的青岛站2013-2017年的探空资料,采用单站建模方法,考虑单因子、双因子以及周期性误差改正等因素,构建和优化了青岛地区的大气加权平均温度模型;分别以青岛站2018-2019年的探空数据和ECMWF模式...     

新疆地区对流层加权平均温度模型分析

针对现有的模型不能满足新疆地区加权平均温度的高精度应用问题,该文讨论了几种常用计算方法的优缺点,然后利用新疆地区8个探空站2004—2014年的数据,采用多元线性回归分析的方法建立了新疆地区的加权平均温度区域模型。经过与其他已研究模型进行统计分析,同时利用中尺度数值天气预报(WRF)模式拟合气象元素值对各模型进行了检验,结果表明该文所建立的对流层加权平均温度模型更适应于新疆地区。     

江西省加权平均温度季节性多因子模型研究

利用江西地区南昌和赣州两个站点2014-2016共3年的探空资料,基于数值积分和最小二乘的方法分别建立了江西省单因子和多因子加权平均温度模型.两种模型的偏差集中在-3～3 K,优于广泛使用的Bevis模型和文献[6]建立的江西模型.对比江西单因子和多因子模型,发现多因子模型的精度更高,在南昌、赣州及全局的精度分别有了7...     

江苏区域格网加权平均温度线性模型研究

针对建立区域加权平均温度线性模型的问题,该文提出了将ERA5再分析数据和无线探空数据结合的方法,利用线性回归方法建立单因子和多因子模型,实现对江苏及周边地区的加权平均温度建模。对于有探空站点分布的ERA5格网区域,利用探空数据对ERA5建立的线性Tm模型进行修正,对于无探空站分布的ERA5格网区域使用江苏及周边区域整体修正系数对Tm进行修正。根据2018年数据进行验证,结果表明,本文所建立的单因子模型精度与之相当甚至略优,建立双因子模型的精度提高最大可达10.52%,证明了利用ERA5再分析资料和无线电探空建立江苏区域Tm模型的适用性。     

北京地区地基GPS加权平均温度计算本地化模型研究

利用中国区域内93个无线电探空站2005-2010年的探空数据,分析加权平均温度的特征,并分析Bevis公式在中国的适用性。同时利用北京站2005-2010年的无线电探空数据进行北京地区加权平均温度模型的本地化研究,并利用模型进行北京地区2011年加权平均温度的计算,其结果与实际加权平均温度的差值平均值为2.16K,均方根误差为4.78,同时将利用模型生成的可降水汽量与利用探空数据获得的可降水汽量进行对比,差值平均值为-1.42K,均方根误差为2.87。实验证实北京地区本地化模型的精度较高,实用性较强。     

PSO-BP神经网络大气加权平均温度模型构建

针对现有T_m模型建模方法多为基于最小二乘线性回归方法以致于模型精度有待提高的问题,该文以中国西北地区2015—2017年的24个探空站的探空数据作为实验数据,在中国西北地区使用粒子群优化BP神经网络(PSO-BP)回归方法建立大气加权平均温度(T_m)模型：将地表温度、水气压、纬度、高程和时间变化等影响因素作为模型输入因子,将数值积分法所计算得到的T_m作为学习目标,利用神经网络模型进行迭代训练得到中国西北地区的T_m。以2018年探空站T_m数据为参考值,对PSO-BP模型精度进行验证,并与Bevis模型、GPT3模型和中国西部地区T_m模型进行比较。结果表明,PSO-BP模型的年均RMSE和年均bias分别为2.71 K和0.35 K,相比Bevis模型、GPT3模型和中国西部地区T_m模型年均RMSE分别降低了1.36 K(33.4%)、1.81 K(39.5%)和1.78 K(39.1%),年均bias分别下降了0.70 K(87.7%)...     

郑州地区大气加权平均温度模型确定

地基GPS气象学中,大气加权平均温度Tm作为一个重要参数,影响着GPS信号湿延迟在垂直方向上转化为大气水汽的精度。文中首先介绍了几种常用的大气加权平均温度计算方法;然后利用郑州无线电探空资料,通过线性回归方法得出郑州地区大气加权平均温度的计算模型;最后将所得模型应用到郑州地区GPS可降水量计算中。通过与无线电探空实测结果对比分析,验证了该模型的可用性。     

湖南三地加权平均温度分区分时模型研究

针对大气加权平均温度(Tm)会受到地理位置、地形、气候和季节等因素不同程度影响的问题,利用湖南省长沙、郴州、怀化3个站2012—2013年探空数据计算的T_m,首先分析T_m与地面温度T_s的线性关系,再采用一元线性拟合的方法拟合出湖南不同地区及不同季节的分区分时T_m模型。研究结果表明:湖南地区本地化T_m全局模型的平均偏差和标准差都较小,预测精度优于Bevis模型,更符合实际就标准差而言,除冬季之外,春夏秋3季的标准差分别降低了0.07K、0.19K、0.03K,因此,分时T_m模型精度优于全局T_m模型,且夏季的精度提高尤为明显。因此,在湖南GPS气象业务应用中,使用分时模型可获得更高精度的T_m和大气可降水量。     

中国区域加权平均温度的时空分析及模型研究

加权平均温度(T_m)是全球卫星导航系统技术反演大气可降水量的关键参数,影响着水汽反演的精度。针对传统的Bevis模型运用在中国区域精度不高的问题,该文提出新的增加时空参数的T_m多元线性回归模型。根据2013—2015年中国86个探空站点的探空资料,分析了T_m的时空特征;然后根据2013年站点资料,利用线性回归建模方法建立了中国区域的T_m单因子回归模型和增加了时空参数的T_m多因子回归模型,并利用2014—2015年的探空数据进行验证。T_m单因子回归模型和T_m多因子回归模型的精度分别为3.1 K和2.6 K,比Bevis模型(精度3.3 K)分别提高了约6.0%和21.2%。考虑到季节对T_m的影响,将T_m多因子回归模型按季节分段,得到按季节分段的T_m多因子回归模型,其精度与T_m多因子回归模型大致相当,但能更细致表达出不同季节T_m的精度情况。结果表明增加了时空参数的T_m多因子回归模型更加适合中国区域的加权平均温度T_m的计算。     

基于无线电探空的武汉大气加权平均温度模型研究

以武汉地区为例,本文推导无线电探空推导的大气加权平均温度模型并对其可靠性进行检验。采用武汉无线电探空数据推算武汉地区的大气加权平均温度计算模型,以此模型计算GPS可降水量,通过与无线电探空结果比较来检验该模型的精确度。在WHDH站GPS可降水量与无线电探空的比较中,两者差值的均方根为3.0mm,两者的相关性达到了0.952。利用中国地壳运动监测网络2002年武汉站GPS数据和武汉地区大气加权平均温度模型推算的可降水量与无线电探空比较,GPS可降水量与无线电探空可降水量在数值上和发展趋势上比较接近,说明了无线电探空的大气加权平均温度模型的可靠性。     

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...     

基于误差补偿的中国区域加权平均温度模型研究

考虑到加权平均温度(Tm)与地表气温(TS)之间关系的复杂性,采用中国及毗邻地区80个气象探空站2003—2013年共11年的数据,结合基于神经网络的模型误差补偿技术构建适用于中国区域Tm估计的融合模型.利用中国区域其余74个气象探空站2014—2018年的数据进行验证,结果表明:融合模型的精度比传统Bevis模型提高...     

区域大气加权平均温度模型确定及其应用

大气加权平均温度Tm是决定GPS水汽反演精度的关键参数,不同地区的Tm具有区域性差异.本文基于河南省Nanyang探空站2015—2018年的气象数据,建立了适用于河南亚热带季风气候地区的单因子和多因子的大气加权平均温度Tm模型,同时按照四季划分构建了季节模型,并对比经验模型分析其精度.结果表明,新建立的加权平均温度模...     

神经网络残差的加权平均温度模型改进方法

针对GPT3经验模型估计加权平均温度的泛化能力不足的缺点,该文提出了一种使用神经网络对GPT3模型的残差进行改正的方法,从而建立一个高精度的改进模型。使用了全球站点无线电探空资料数据集(IGRA)提供的中国区域内的38个探空站点共108 633组数据进行建模,其中2012—2014年的数据用于模型训练,2015年的数据用于模型检验。最终结果表明：改进模型的均方根误差值为2.91 K,精度相比GPT3模型计算得到的估计值提高了32.2%,加权平均温度估计精度有了显著的提高,且在整个中国区域都有较好的泛化能力。     

渤海区域对流层加权平均温度研究

利用了MM4中尺度气象模式输出的渤海地区的温度、湿度参数,建立了渤海区域对流层加权平均温度经验公式,消除了Bevis公式引起的系统误差。     

顾及周期性误差修正的加权平均温度模型构建

针对目前多数大气加权平均温度(Tm)模型没有考虑季节性影响这一问题,该文首先利用IGRA 2005-2010年全球探空数据,分别建立了各探空站点与地表温度有关的线性Tm模型、与地表水汽压有关的指数Tm模型以及与地表温度和水汽压均有关的混合Tm模型。然后以探空站积分Tm值为参考,对上述3类模型的误差时间序列进行了分析,发现这3种模型均存在周期性误差,并在此基础上构建了考虑周期性误差修正的3类Tm新模型。利用2011-2014年全球探空数据对3类新模型进行精度验证,结果表明:3类Tm新模型的精度相比于原模型均有所提升,模型的周期性误差影响基本得以消除,且3类Tm新模型的精度基本一致。     

甘肃省加权平均温度时空分布特征分析与模型建立

加权平均温度是大气可降水量研究过程中的一个重要参数,直接影响着大气可降水量反演的精度。针对适合于甘肃地区的加权平均温度模型较少且已有模型精度较低的情况,文章主要利用甘肃地区7个探空站2013-2017年的数据,统计分析了甘肃地区加权平均温度时空分布特征,依据最小二乘原理建立了本地化分区、分季、分月模型,并结合已有模型对其精度进行了验证。结果表明,甘肃地区加权平均温度具有明显的时空分布特征,建立分区、分季、分月模型是非常有必要的,且分区、分季、分月模型精度均优于已有模型,具有重要的实际应用价值。      

加权平均温度模型对GPS水汽反演的影响

针对加权平均温度(Tm)模型对GPS水汽反演精度影响的问题,该文基于无线电探空资料,利用线性回归分析方法建立湖南地区Tm模型,以此模型反演GPS可降水量。通过与无线电探空资料对比,分析Tm本地化对GPS水汽反演精度的影响。对2016年4月至12月临近长沙、怀化和郴州的GPS可降水量进行反演,结果表明:较Bevis Tm模型,采用本地化的Tm模型反演得到的GPS可降水量精度更高,和无线电探空测得可降水量对比,平均偏差分别降低了25.68%、36.87%和13.70%,均方根误差分别降低了1.40%、1.93%和1.36%。     

区域大气加权平均温度模型构建与适用性分析

加权平均温度作为GNSS水汽反演的重要参数,直接影响大气可降水量的反演精度,而建立区域化加权平均温度模型有助于提高水汽反演精度。利用香港探空站2012-2015年数据资料,在分析加权平均温度与地面气象要素关系的基础上,运用最小二乘原理探究最优回归方程系数,回归建立了区域加权平均温度的单因素模型和多因素模型。结果表明:多因素模型精度高于单因素模型,但并不显著,Bevis经验公式应用于香港区域时不满足精度要求;对模型精度和适用性进行了分析比较,表明文中建立的模型精度较高,能更好满足水汽遥感高精度的要求。      

中国区域加权平均温度的建模研究

主要研究了中国区域加权平均温度(T_m)与地表温度(T_s)的函数关系模型。为提高中国区域T_m的计算精度,收集了中国区域内2013-2015年76个测站的无线电探空数据,采用传统线性回归建模方法建立T_m与地表温度(Ts)的线性回归模型A;然后,顾及T_m的年周期变化,提出了一种改进回归模型B。利用2016年69个测站的探空数据对模型A和模型B进行检验,模型A与模型B的年均方根误差分别为±3.147K和±3.025K,而常用的Bevis模型年均方根误差为±3.385K。模型A与模型B的精度较之常用的Bevis模型分别提高了7%和11%。本研究成果可以提高GNSS技术探测大气可降水量的精度,对GNSS气象学的发展和完善具有积极意义。