GPT2w模型在中国区域的精度检验与分析

全球温度气压湿度（global pressure and temperature 2 wet,GPT2w）模型常被用于计算某一位置的气温、加权平均温度、气压以及水汽压等各种气象参数,是目前公开的标称精度最高的对流层延迟经验模型。利用中国区域参与全球气象交换的86个测站2013-2015年的气象探空数据,对GPT2w得到的各种气象参数进行精度检验及分析。实验结果表明,气温平均偏差为1.31℃,均方根误差为3.62℃;加权平均温度的平均偏差为-1.58 K,均方根误差为4.07 K;气压和水汽压平均偏差的绝对值在1 hPa以内,其均方根误差分别为6.98 hPa与3.04 hPa。利用2006-2015年的数据分析了不同纬度模型精度的周期性特征,结果表明,气温、加权平均温度、气压和水汽压的均方根误差均具有一定的年周期特性,且在不同的纬度区域其周期特性不同。总体而言,GPT2w模型在中国地区范围内具有较高的精度和稳定性。     

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。     

GTDM:一种获取全球对流层延迟的新模型

对流层延迟是GNSS定位的主要误差源.现有的各对流层延迟模型大多存在过度拟合的弊端,不能反映延迟在短时间内的细节变化.本文利用2011—2017年ECMWF气象资料分析了对流层延迟的变化特征,发现同一格网相邻年份之间全球对流层延迟偏差绝大多数在5 cm内.在此基础上,本文提出了一种非参数拟合的对流层延迟模型GTDM.经...     

GPS水汽反演技术在四川地区的应用研究

根据四川网络GPS站点附近的气压、温度计算了天顶静力学延迟量,经过综合分析,得到了最适于四川地区的天顶静力学延迟模型。建立了适于四川地区的加权平均温度计算公式,并说明了此公式的有效性。使用了全球气压和温度模型（GPT）代替实测气象数据进行水汽反演,将GPT可降水量与实测气象可降水量、探空数据可降水量以及实际降水量进行比较分析,得出了一些有益结论。     

GPT3模型在中国地区的精度分析

为验证分析最新全球气压气温模型(GPT3模型)在中国区域的模型精度,以中国区域18个IGS站为例,分别利用全球大地测量观测系统(Global Geodetic Observing System,GGOS) Atmosphere机构提供的2015-2017年气象数据和国际卫星导航服务(International GNSS...     

顾及大高差的改进GPT3天顶对流层延迟模型

针对现有全球气温气压(GPT3)模型在大高差区域计算对流层延迟(ZTD)时存在较大误差的现象,该文提出一种顾及大高差的改进GPT3(IGPT3)ZTD模型,该模型同时考虑了ZTD残差项中的周期和高差因素对ZTD估计的影响,分别建立了顾及ZTD残差周期项的年周期模型和顾及高差项的线性模型。以青藏高原及云南区域为实验区域,选取中国环境构造监测网络青海、四川和西藏的连续运行参考站数据进行验证,统计结果发现,该文提出的方法能够改善经验ZTD的估计效果,其外符合精度的平均均方根为18.21 mm,且模型精度与测站高程无关系,说明该文提出的模型能够有效应用到大高差区域的ZTD估计。     

GPT和GPT2模型的偏差对定位结果的影响

气象模型GPT和GPT2均可用于获取测站的气压、气温等气象要素,对计算对流层延迟具有重要作用并在高精度的GPS数据分析中被广泛使用。GPT2对GPT模型精度的改进在很多文献中已经得到验证,但是目前没有相关文献对采用这两种模型获得的坐标时间序列的差异进行详尽的分析。本文分别利用气象模型GPT和GPT2处理相同的连续观测站数据,发现气压值偏差的季节性变化导致测站垂向位置偏差也产生季节性变化,是测站垂向位置“伪”年周变化信号的来源之一;同时,模型之间的气压值偏差对垂向位置的影响与测站纬度相关,表现为先验天顶延迟偏差传递进垂向位置偏差的比例随测站纬度增加而增大。     

GPT/GPT2/GPT3模型在广东省适应性对比分析

针对不同全球温度气压湿度模型(GPT/GPT2/GPT3)在不同地区精度不一致的问题,利用CMONOC观测数据验证GPT/GPT2/GPT3模型在广东省适应性,分别对气温、气压、水气压和大气可降水量进行定量分析,实验结果表明:GPT3模型在气温方向较GPT2和GPT模型相比,BIAS值分别提升26.7％、53.7％,R...     

GPT2模型的精度检验与分析

GPT模型常被用于计算气温、气压等对流层延迟气象参数,针对其不足之处,Lagler提出了改进的全球经验模型GPT2,该模型不仅提高了GPT气温和气压模型的精度,而且可提供比湿、水汽压、映射函数等对流层参数。但是目前没有相关文献对GPT2的精度进行详尽的分析,本文利用ECWMF及NOAA提供的高精度气象数据,对GPT2气温、气压和水汽压模型进行精度检验及分析。结果表明,气温的Bias均值为-0.59°C,RMS均值为3.82°C左右;气压和水汽压的Bias均值绝对值在1mb以内,气压的RMS均值为7mb左右,水汽压则不超过3mb,不同纬度精度存在差异,三者均具有明显的季节性。总体而言,GPT2模型在全球范围内具有很高的精度和稳定性。     

一种新的全球对流层天顶延迟模型

利用IGS提供的高精度对流层天顶延迟数据,在全球范围内详细分析对流层延迟在高程及水平方向的变化规律,建立了一种新的全球对流层天顶延迟模型。该模型计算方法简单,只与年积日和位置参数有关,无需气象参数。经检验,新模型的对流层延迟改正精度优于输入标准气象参数的几种常用的对流层延迟模型,满足卫星实时定位和导航的精度要求。     

GPT2w模型在南极地区精度分析

GPT2w（global pressure and temperature 2 wet）是目前应用较为广泛的对流层延迟经验模型之一,可提供气压、温度、水汽压等气象参数。为验证和分析GPT2w模型在南极地区的精度,本文利用分布在南极区域的探空站数据和中国第33次南极科考期间的实测探空气球数据对模型气压、温度、水汽压参数进行分层精度检验。与探空站数据比较发现,在南极地区地面高度上,GPT2w模型精度较高,与全球其他区域精度较为一致;进一步通过对比1月和7月统计结果,发现Bias和RMS呈现出季节特性;同时发现模型在垂直方向存在较大误差,表现为随着高度的增加,精度随之下降并逐步趋于稳定。实测数据对比方面,首先利用ECMWF（European Centre for Medium-range Weather Forecasts）气压分层数据对实测数据的可靠性进行验证,结果显示,实测数据与ECMWF分层数据符合得较好;同时通过比对发现,GPT2w天内精度在地面高度上仍与月平均精度相当,但垂直方向随着高度的增加精度相比于暖季精度会有所下滑,说明未考虑日周期项变化对模型精度存在一定影响。用探空数据计算的对流层延迟（zenith tropospheric delay,ZTD）来分析GPT2w的计算精度,结果表明GPT2w在南极区域ZTD计算精度在厘米级,与全球其他位置计算精度相当。     

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。     

一种改进的多源空间数据融合技术

无缝GIS已成为GIS发展的必然趋势,要达到空间数据的无缝共享,就必须实现多源空间数据的融合,本文对多源空间数据融合的几种技术作了探讨和总结,并针对其中的GIS数据中间件技术做了相关改进,给出了改进的方法。     

融合海域多源重力数据的正则化点质量方法

针对传统点质量方法在融合处理多源重力数据过程中可能出现的病态性问题,特别引入Tikhonov正则化方法,对点质量法计算模型进行正则化改造,建立了相应的正则化点质量解算模型。使用EGM2008位模型模拟产生航空重力和海面船测重力数据进行了融合处理仿真试验。实际验证结果表明,正则化处理方法能够有效抑制病态系数矩阵小奇异值放大噪声对点质量解的污染,提高解算结果的精度和稳定性。