雾霾与GPS对流层天顶延迟相关性探究

利用国际GNSS服务（International GNSS Service,IGS）提供的对流层天顶延迟（zenith path delay,ZPD）产品,研究其与雾霾的相关性,并探究了造成雾霾的“元凶”——悬浮颗粒物与气压、温度和湿度的变化关系。首先,研究了中国境内4个IGS站30 d的日平均ZPD与量化评定雾霾的空气质量指数（air quality index,AQI）的变化趋势,发现二者基本同步增大（减小）。内陆3个站点的相关系数绝对值均大于0.5,说明ZPD与表征雾霾的AQI有着较强的相关关系,雾霾对对流层延迟产生影响。其次,对1 h采样率的北京房山空气质量分指数（individual air quality index,IAQI）与ZPD进行分析,二者的变化趋势基本一致,其中PM2.5、PM10、AQI与ZPD的相关系数分别为0.504 2、0.539 1和0.555 4。同时,当AQI达到300以上重度污染时,会对ZPD产生5 cm以上差值的显著影响。最后,利用IGS的M文件探究了北京房山各IAQI与气压、温度、湿度24 h变化,一天中IAQI、气压、湿度均呈“U”变化趋势,而温度则呈现倒“U”变化,说明雾霾的形成与气压、温度、湿度相关,并利用逐步线性回归给出了概略模型。     

GPS天顶对流层延迟与可降水量的相关性

针对水汽含量在短时间内变化快、影响因素多,目前精确测定其含量仍是一个难点的现状,该文采用GAMIT软件,利用两次暴雨发生过程中香港地区6个连续运行参考站系统参考站数据,计算天顶对流层总延迟(ZTD)和大气可降水量(PWV),并与实际降雨量进行对比。研究结果表明,暴雨发生前后的1~2h或者更长时间内,天顶对流层延迟、大气可降水量和实际降水量一直保持着较好的对应关系,天顶对流层延迟和大气可降水量会出现骤增和骤降现象,而且天顶对流层延迟和可降水量的变化速度越快,说明大气环境越不稳定,降水概率也就越高。     

GPS天顶对流层延迟计算方法研究

对流层延迟是影响卫星定位的主要误差源之一,如何建立更适合某个地区的区域对流层延迟改正模型,成为当今的一个热门研究课题。从目前广泛应用的全球对流层延迟模型入手,借助GAMIT高精度GPS数据处理软件,分析和总结天顶干、湿延迟规律和影响天顶干、湿延迟的主要因素,探寻并构建区域天顶对流层干延迟ZHD模型。     

GPS数据解算对流层天顶总延迟探讨

运用GAMIT／GLOBK软件,对南极长城站与周边的各IGS跟踪站的GPS观测数据进行组网解算。在解算各站上空总天顶延迟的过程中,利用不同的星历进行解算,并对其解算结果进行了分析和探讨得出：实时预报。星历与精密星历在解算结果上差别不大,最小差值是0mm,最大差值仅为0．5mm。所以在计算各GPS站上空大气水汽含量时,可直接采用实时预报星历,对今后实时探测水汽及实时天气预报具有一定的实用意义。     

GPS数据解算对流层天顶总延迟探讨

文中运用GAMIT/GLOBK 软件,解算了南极长城站GPS接收机天线在不同的相位中心和使用不同星历情况下的天顶总延迟,分析了在不同条件下解算结果的差异,探讨了获取高精度的天顶总延迟和实时获取天顶总延迟的具体方法,为今后实现GPS精密定位和实时天气预报提供了依据.     

BDS/GPS组合天顶对流层延迟的精度分析

在现有的精密轨道和钟差条件下,选取8个MGEX跟踪站2014年6—9月的观测数据,详细分析利用BDS/GPS组合PPP法在未固定跟踪站坐标和固定跟踪站坐标情况下估计ZTD的效果,并与IGS提供的对流层产品对比分析。实验分析表明,利用PPP法估计ZTD,BDS ZTD现阶段的STD优于34mm,GPS ZTD与BDS/GPS组合现阶段的STD相当,均优于14mm。与未固定跟踪站情形下估计的BDS ZTD相比,固定跟踪站坐标的方式虽然可以提高利用BDS估计ZTD的稳定性,但不能提高精度。     

单站地基GPS天顶延迟反演大气剖面研究

基于一定的大气折射率剖面模型和搜索方法,可以由GPS天顶延迟反演大气折射率剖面。利用上海气象站的探空数据和上海IGS站的GPS数据,对基于单站地基GPS天顶延迟的大气折射率剖面反演方法进行了验证。结果表明,根据目前处理得到的天顶延迟,反演剖面与实际剖面吻合较好。     

高精度对流层天顶湿延迟模型研究

对流层湿延迟是GPS误差源中最难确定的量,鉴于目前的对流层湿延迟模型较少考虑相对湿度随高度变化对湿延迟估计的影响,文章根据对流层湿延迟折射率的变化特征,提出新的分段湿延迟模型TTZWD.通过实验证明TTZWD湿延迟精度较Saastamoinen模型有不同程度的提高,与IGS后处理结果吻合精度好,基本可以达到半波长以内.实验还证明在相对湿度未知的情况下,将相对湿度设置为1,TTZWD模型依然可以使用,与相对湿度已知时的精度相当.     

利用Multi-GNSS估计天顶对流层延迟

利用PPP技术估计对流层延迟,并设计实验对比分析了各单系统和多系统组合下对流层延迟的估计精度;讨论了不同对流层投影函数对对流层延迟估值的影响;最后以武汉市为例,探讨了对流层延迟与季节变化的相关性。结果表明,利用PPP估计的GPS ZTD、BDS ZTD、GLONASS ZTD、GPS/BDS ZTD、GPS/GLONASS ZTD、GPS/BDS/GLONASS ZTD精度均优于2 cm,且组合系统估计的对流层延迟明显比单系统稳定,精度明显提高;不同对流层投影函数对单系统估计影响较大,对组合系统估计影响较小;武汉市夏季对流层延迟大于冬季,但冬季对流层延迟的湿延迟变化较大,夏季对流层延迟的湿延迟变化小。     

利用Bernese解算地基GPS天顶总延迟

主要介绍利用Bernese软件解算天顶总延迟的方法,及遇到的一系列问题和解决方法,意在为以后更加深入研究GPS数据反演大气可降雨量做准备。通过对拉萨站、上海站、台湾站、长春站4个IGS测站天顶总延迟的数据对比,相同时期不同地区天顶总延迟存在较大差异,在相同地区不同时间天顶总延迟也有所不同。      

地基GPS探测对流层斜路径湿延迟

GPS斜路径湿延迟SWD包含大气水汽三维分布信息,在使用SWD时,其精度非常重要。本文使用精密单点定位(PPP)计算SWD,并将其与精度较高的水汽辐射计WVR的观测结果进行对比,用PPP解算的SWD的精度进行分析。通过比较分析发现,PPP计算的SWD与WVR计算的SWD存在1.5 cm左右的系统偏差。PPP计算的SWD的精度随着高度角的增大而提高,笼统用一个精度参数描述PPP计算的SWD的精度并不合理,在高度角10°~35°之间,两者差值的标准差随着高度角的增加而减小。在35°~90°之间两者差值的标准差呈稳定趋势,为2.9 cm。     

GPS动态水汽反演对对流层天顶延迟解算精度分析

针对GPS动态水汽反演过程中对对流层天顶延迟解算精度的评估方法问题,提出了一种利用对流层延迟闭合和附合条件来评估对流层估计精度的方法。通过对PBO观测网中的12个CORS基站以及6个IGS基站的观测数据分析,分别从内符合精度和外符合精度两方面来评估动态对流层解算的精度。在内符合精度的数据处理上,使用事后精密星历,每15s计算一次相对对流层延迟数据。精度满足GPS动态水汽反演对天气预报的基本要求。在外符合精度的数据处理上,使用事后精密星历和超快星历分别对天顶方向对流层延迟进行处理,根据与静态参考值进行比对,两者结果高度吻合。研究结果对GPS动态水汽反演中动态对流层天顶延迟的解算具有重要的参考价值。     

GNSS天顶对流层延迟的短时天气预报分析

针对天顶对流层延迟(ZTD)与大气可降水量(PWV)相关性特征及变化规律,该文提出基于无气象元素ZTD短时天气监测及预报的方法.该文以北京市2013-2015年BJFS站 日均数据为例,采用GZTD和Saastamoinen+GPT2模型拟合,得到传统的无气象元素的PWV模型.并利用2016年BJFS站ZTD和气象数据,计算出PWV1(含气象元素)和PWV2(无气象元素)数据,通过定量数据分析得出:PWV1与PWV2、ZTD相关系数分别达到0.633 2,0.967 6;PWV2与ZTD相关性为0.649 8.从短期数据,BJFS站6-9月的ZTD与PWV1相关性系数为0.969 6.这证明了 ZTD能够真实反映PWV1的真实变化趋势,同时也说明ZTD应用于短时天气预报的可行性.最后针对北京地区2016年的降雨、降雪和雾霾等极端天气事件,采用ZTD方法对其进行了分析研究,并取得了较好的效果.     

PPP估计天顶对流层延迟方法与结果分析

介绍了精密单点定位估计天顶对流层延迟的方法,利用武汉大学研发的TriP软件解算了7个IGS跟踪站的天顶对流层延迟,将其与IGS分析中心提供的天顶对流层延迟数据进行了对比分析。     

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。     

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。     

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。     

一种改进的全球对流层天顶延迟模型

顾及文献[16]所建立的全球对流层天顶延迟模型GZTD的时间分辨率为24h,为进一步提高GZTD模型的时间分辨率,利用GGOS atmosphere的2002—2009年全球天顶对流层延迟格网时间序列按照其6h的时间分辨率分别建模,再采用三次样条插值计算任意时刻的天顶对流层延迟估值,由此构建了一种时间分辨率更高(6h)的改进的GZTD模型(GZTD-6h)。经过两种模型内符合检验对比分析表明,GZTD-6h模型内符合精度(bias:0.17cm,RMS:3.9cm)优于GZTD(bias:0.17cm,RMS:4.4cm)。使用全球IGS站进行外符合检验,统计结果表明GZTD-6h模型(bias:-0.22cm,RMS:4.05cm)相比GZTD(bias:-0.45cm,RMS:4.51cm)改善明显。     

区域天顶对流层延迟时空变化特性及其建模研究

介绍几种常用的全球对流层延迟改正模型和几种区域对流层延迟模型的建立方法,再利用美国密歇根州的8个测站天顶对流层延迟数据对天顶对流层延迟进行研究,得出天顶对流层延迟在时间尺度及空间尺度上的变化规律,与经度和纬度相关性一般,与高程强相关。通过美国密歇根州的4个测站数据分别计算3种区域对流层延迟模型,得出各个模型的精度,并比较它们的优劣,结论是一次线性插值模型是三者中精度最高的模型。     

利用天顶对流层延迟数据直接推算水汽含量的研究

比较和分析了北京、拉萨和武汉等跟踪站2002年7月的天顶对流层延迟和大气综合水汽的变化趋势,提出了无需进行其他转换利用天顶对流层延迟直接推算水汽含量的新方法,并对实测数据的计算结果进行了验证,证明了该方法的可行性。