共查询到20条相似文献,搜索用时 31 毫秒
1.
由于日本区域易受自然灾害频发、水汽特征变化复杂、探空站点分布稀疏的问题,进而制约了高精度水汽的获取,因此缺少此区域的高精度加权平均温度(Tm)模型. 鉴于此,采用2009—2016年全球大地测量观测系统(GGOS) Atmosphere Tm和ERA-Interim 2 m Ts格网数据新建立一种考虑Tm残差季节性变化和周日变化的适合日本区域的Tm模型 (JQTm模型). 同时,利用2017年日本区域13个探空站和110个GGOS Atmosphere Tm格网数据,对新建立的JQTm模型在日本区域的精度进行评估. 研究发现:与GGOS Atmosphere Tm格网数据对比,JQTm模型的偏差(bias)和均方根误差(RMSE)分别为0.15 K和1.92 K,RMSE分别比GPT2w-1模型、GPT2w-5模型提升41.16% (1.33 K)、44.41% (1.53 K);与探空资料对比,JQTm模型的bias和RMSE分别为–0.66 K和2.14 K,RMSE分别比GPT2w-1模型、GPT2w-5模型提升28.43% (0.85 K)、29.61% (0.90 K). JQTm模型能够为日本区域提供高精度的Tm值,为研究此区域大气水汽和极端天气提供重要依据. 相似文献
2.
大气加权平均温度(Tm)是全球导航卫星系统(GNSS)水汽监测的关键参数。针对中国区域地形起伏较大的特点,本文构建了顾及精细季节变化的Tm垂直递减率函数模型,在此基础上,利用2007—2014年的Global Geodetic Observing System (GGOS) atmosphere格网数据建立了中国区域的Tm格网新模型(简称为CTm模型)。以2015年GGOS格网数据和无线电探空资料为参考值,对CTm模型进行精度检验,并与常用的Bevis公式和GPT2w模型进行比较分析。结果表明:①以GGOS格网数据为参考值,CTm模型的年均偏差和均方根误差(RMS)分别为-0.52 K和3.28 K,相比于GPT2w-5和GPT2w-1模型,精度(RMS值)分别提高了27%和13%;②以探空数据为参考值,CTm模型的年均偏差和RMS误差分别为0.26 K和3.75 K,相对于GPT2w-5和GPT2w-1模型,精度分别提高了21%和1... 相似文献
3.
加权平均温度(Tm)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Tm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Tm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Tm单因子回归模型和增加了时空参数的Tm多因子回归模型,并利用2014—2015年的探空数据进行验证。Tm单因子回归模型和Tm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Tm的影响,将Tm多因子回归模型按季节分段,得到按季节分段的Tm多因子回归模型,其精度与Tm多因子回归模型大致相当,但能更细致表达出不同季节Tm的精度情况。结果表明增加了时空参数的Tm多因子回归模型更加适合中国区域的加权平均温度Tm的计算。 相似文献
4.
大气加权平均温度Tm是计算水汽转换因子和大气可降水量的重要参数。利用2007—2017年全球大地观测系统(global geodetic observing system, GGOS) Atmosphere Tm格网数据和欧洲中尺度天气预报中心(European centre for medium-range weather forecasts, ECMWF) 2 m温度数据,建立一种适合澳大利亚区域、顾及Tm残差季节性和日周期变化的Tm模型——qTm。此外,采用2018年的GGOS Atmosphere Tm格网数据和探空资料对该模型进行评估。结果表明,qTm模型在澳大利亚区域具有较高的精度和适用性,与GGOS Atmosphere Tm相比,qTm模型的年均偏差(Bias)和均方根误差(root mean square error, RMSE)分别为-0.31 K和1.97 K,相对于GPT2w-1和GPT2w-5模型,RMSE分别提高21.8%和25.9%;qTm模型值与探空积分值更符合,模型的年均Bias和RMSE分别为-0.44 K和2.45 K,相比GPT2w-1和GPT2w-5模型分别提高10.2% 和11.8%。qTm模型可为澳大利亚区域提供精确的Tm值,为该区域大气水汽分析和厄尔尼诺现象研究提供基础。 相似文献
5.
联合使用无线电探空和数值气象模式数据,构建了顾及日变化特征的山东省大气加权平均温度模型。以ERA5积分Tm值为参考,对构建Tm模型用于山东省卫星定位连续运行综合应用服务系统(SDCORS)的精度和适用性进行了验证。结果表明:顾及日变化的山东省Tm模型基本消除了系统性偏差影响,均方根误差(RMSE)为3.0 K左右,较Bevis模型和Li模型分别提升24%和16%;且该模型具有良好的稳定性,在SDCORS各站点处的RMSE的最大变化为0.3 K,能够满足SDCORS的GNSS水汽反演应用需求。 相似文献
6.
针对常用的经验大气加权平均温度(Tm)模型在我国东北地区普遍精度较低等问题,利用遗传算法优化的多层感知器模型,采用东北地区7个探空站2014—2017年的数据进行模型训练,建立适合我国东北地区的Tm模型。依据2018年的数据进行预测分析,实验结果表明:首先,GA-MLP的Tm模型的预测平均偏差为0.04 K、均方误差为4.06 K和判定系数R2=0.920,各项精度评估指标较常用的GPT2w、单/多因子线性、非线性Tm和MLP模型均为最优,模型性能更好,拟合度更高;其次,在GPS反演大气可降水量中,较常用的单因子线性和GPT2w模型,GA-MLP的Tm模型在长春站的反演精度最高,均方误差精度提升1.1%和4.9%,平均偏差精度提升2.5%和13.2%,证明GA-MLP的Tm模型在东北地区反演PWV的适用性。 相似文献
7.
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。 相似文献
8.
针对广西地区探空站稀少,难以获得精确的T_m问题,GGOS atmosphere提供了利用ECMWF的相关资料计算而得到的时间分辨率为6h(UTC 00:00:00,06:00:00,12:00:00,18:00:00)、空间分辨率为2.5°×2°的全球T_m格网数据可以在没有气象数据的情况下获得较高时空分辨率的T_m,该文利用GGOS atmosphere T_m格网数据对广西地区4个探空站插值T_m,并用无线电探空数据计算的T_m检验其精度;对误差进行分析后,选取最优小波基与尺度对其残差去噪,利用去噪后得到的曲线建立T_m的改正模型。实验结果表明,插值T_m经基于小波去噪的模型改正后,其RMSE为1.29K;Bevis模型的RMSE为10.71K;GPT2_1W模型的RMSE为3.56K;改正模型精度优于传统模型,可以达到地基GPS反演GNSS-PWV的精度要求。 相似文献
9.
大气加权平均温度(T m)的精度直接影响全球导航卫星系统(GNSS)水汽反演的结果。针对现有T m模型的参数、建模数据源有待优化及模型构建时仅依赖于单个探空站点或单一格网点数据等问题,本文提出融合FY-4A GIIRS数据与ERA5再分析资料,在此基础上引入滑动窗口算法对融合数据进行处理同时顾及经度、纬度和高程因子构建空间分辨率为0.5°×0.5°的T m经验模型(FY-ET m模型)。采用偏差(Bias)和均方根误差(RMS)作为精度评定指标,联合未参与建模的2020年探空数据、ERA5再分析资料及天顶对流层延迟产品,对FY-ET m模型及其反演的大气可降水量进行精度评定。结果表明:以探空数据为参考值,FY-ET m模型的年均Bias、RMS分别为-0.02、5.79 K,相比较于Bevis和GPT3模型分别提高了3.62(Bias)、0.8(RMS)和2.54(Bias)、0.63 K(RMS);以ERA5再分析资料为参考值,FY-ET m模型的年均Bias、RMS分别为0.01、3.32 K,相比较于Bevis和GPT3模型分别提高了0.97(Bias)、0.13(RMS)和2.94(Bias)、1.71 K(RMS),同精度优异的GPT3模型相比,FY-ET m模型在中国西部和北部地区也表现出了明显的精度改善;以GNSS站点得到的PWV为参考值,FY-ET m模型反演的PWV与GNSS站得到的PWV值精度相当,Bias变化范围为-0.5~0.5 mm。FY-ET m模型准确度高稳定性良好,只需输入位置和时间信息就能获取目标点的T m,能够在GNSS水汽反演中发挥重要的作用。 相似文献
10.
对流层延迟是卫星导航定位最主要的误差来源之一,精确计算对流层延迟有助于模糊度的收敛及定位精度的提高。目前应用最广、精度最高的对流层经验模型是全球气压气温模型,为了验证GPT3模型计算中国区域地表至11 km大气剖面对流层延迟改正的精度,利用2011—2020年中国区域82个参与全球气象交换的测站的无线电探空数据,对GPT3的气压(P)、气温(T)、水汽压(E)以及加权平均温度(Tm)进行精度检验及分析,实验结果表明,GPT3模型精度受纬度和高程影响较大,其中GPT3-P和GPT3-Tm受纬度影响显著;GPT3-P在地表RMS为8.02 hPa,而在地表至11 km其RMS为20.01 hPa,说明模型地表精度要优于大气剖面精度,GPT3-Tm呈现同样的规律,而GPT3-T的地表以及地表至11 km的RMS分别为7.94 K、7.53 K,GPT3-E的RMS分别为2.42 hPa、1.97 hPa;模型在不同年积日的精度存在差异,呈现一定的季节特性,但其精度在长时间区间内没有明显变化。总体而言,GPT3模型在中国地区范围... 相似文献
11.
加权平均温度(Tm)是全球导航卫星系统技术中反演可降水量的关键参数。利用欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts,ECMWF)的产品对Tm在垂直方向上的分布特性进行分析,并构建了一种新的全球Tm模型。利用ECMWF和无线电探空数据对该模型进行检验,并将其与现存的高精度Tm模型进行比较。实验结果显示,Tm在高程方向上存在非线性变化特征,而且该特征在高纬度地区特别是两极区域尤为明显。当利用ECMWF和探空数据检验构建的Tm模型时,其均方根误差分别为3.84 K和4.36 K,相比于现存的Tm模型精度分别提升了27%和20%。构建的模型可以显著提升Tm在垂直方向上的归算效果,由该模型计算出的Tm廓线与参考值更加接近。 相似文献
12.
13.
大气加权平均温度(Tm)是全球导航卫星系统(global navigation satellite system, GNSS)反演大气水汽(precipitation water vapor, PWV)的关键参数。当前已有Tm模型提供的Tm信息难以捕获其日周期变化,因此限制了其在高时间分辨率GNSS PWV估计中的精度。大气再分析资料可提供高时空分辨率的Tm格点产品,但是在使用时需要对其进行空间插值,且Tm在高程上的变化远大于其在水平方向上变化。同时,针对中国区域地形起伏大等特点,提出顾及垂直递减率的中国区域Tm格点产品空间插值方法,以分布于中国区域的2015年89个探空站资料为参考值,验证了提出的方法在全球大地测量观测系统大气中心Tm格点产品和美国国家航空和太空管理局提供的MERRA-2的Tm格点产品中的空间插值精度。结果表明:(1)在顾及垂直递减率的Tm格点产品空间插值中,反距离加权法的... 相似文献
14.
15.
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。 相似文献
16.
地基全球卫星导航系统(GNSS)水汽反演过程中需要大气加权平均温度Tm的参与,而饱和水汽压Es作为Tm计算过程中的一个重要变量影响着Tm,因此Es将会间接地影响大气可降水量(PWV)的反演精度.针对目前地基GNSS水汽反演研究中普遍采用的三种不同的饱和水汽压模型(Magnus-Tetens模型、BUCK模型、Goff-Gratch模型),本文就不同的饱和水汽压模型参与反演是否会引起水汽反演结果的差异进行了研究.以香港为研究区域,利用GAMIT解算了2016年旱雨两季(2、7月)的天顶湿延迟(ZWD),同时利用king's park探空站的探空数据通过数值积分计算得到旱雨两季(2、7月)的Tm,然后严格参照反演步骤编程模拟计算旱雨两季(2、7月)每天的PWV.最后对比并分析了不同饱和水汽压模型参与计算对Tm和PWV的影响及原因,结果表明:三种饱和水汽压模型参与计算得到的PWV与真值(探空站计算得到的PWV)之间不存在具有统计意义的显著性差异,因此均可被用来提供计算Tm时所用到的饱和水汽压Es,但是通过对比分析发现部分研究人员将BUCK模型中的变量T当作露点温度而非大气温度进行计算会使Tm产生较大的误差,进而对该误差进行了不合理性分析.本文的分析将会对后续地基GNSS水汽反演研究中的处理提供一定的参考. 相似文献
17.
各种对流层经验模型中,GPT2w模型是目前标称精度最高的对流层经验模型,其在模型化对流层延迟的同时,也提供具体的模型化气象元素。以USNO的ZTD产品检验模型ZTD精度;以IGRA发布的大气廓线数据,对模型加权平均温度Tm、水汽直减率λ的精度进行验证。计算发现,模型加权平均温度Tm具有-2.56K的系统偏差,改正该偏差后,模型ZTD对比USNO偏差从-1.38 mm提升至-0.3 mm;还验证了模型水汽直减率λ的两种获取方式具有很好的一致性。提出以测站气压P、测站温度t、测站相对湿度hr为实测气象元素,以校正后的Tm、高精度的λ为经验气象元素,作为对流层延迟模型输入参数的互融方法。该互融方法计算ZHD、ZWD经验模型分别采用目前最优的Saast静力学延迟模型和Askne & Nordius湿延迟模型。以USNO发布的340个IGS跟踪站的对流层延迟数据作为参考,该互融方法较直接气象元素法、校正后的GPT2w模型均有显著精度提升。在不可获取气象数据的前提下,校正后的GPT2w模型具有很高的先验精度;若可获取近实时气象数据(如自动气象站),则推荐采用新的参数互融模型。 相似文献
18.
19.
针对全球气压气温(GPT2w)模型各气象参数存在明显周期性误差的问题,该文以2015—2017年长三角地区的7个探空站资料作为参考,分析GPT2w模型各气象参数残差的季节性周期变化,并利用多阶傅里叶函数建立一种新的GPT2w改进模型。分析结果表明:与探空数据相比,GPT2w模型气压、温度、水汽压和加权平均温度的RMS均值分别为8.87 hPa、8.80 K、8.80 hPa和7.30 K;GPT2w改进模型气压、温度、水汽压和加权平均温度的RMS均值分别为3.65 hPa、2.76 K、2.47 hPa和2.48 K,相较于GPT2w模型总体精度有大幅改进,且与GPT3模型相比,其精度亦有明显改进。总体而言,利用傅里叶函数的GPT2w改进模型可在长三角地区获取精度优于GPT3模型的气象参数。 相似文献
20.
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。 相似文献