利用GPS数据推算水汽含量动态模型的研究

介绍利用不同模型计算转换系数K和天顶静力学延迟的方法,并对其推算精度进行分析.首次提出利用动态模型推算水汽含量的新方法,并利用实测数据进行验证,对计算结果作出分析.     

从GPS推算大气水汽的误差分析

讨论了从GPS观测数据推算大气水汽值的各种误差，分析了这些误差对大气水汽值的影响。     

利用IGS产品推算对流层延迟湿分量

对流层延迟是GPS定位的主要误差源之一,一直是高精度GPS定位的障碍。本文针对湿分量延迟计算复杂,影响因素多,经模型改正后也不理想的现实情况,巧妙的使用IGS产品推算对流层延迟湿分量,进一步削弱了GPS定位中对流层延迟的影响,得出了一些有益的结论。     

地基GPS遥感天顶水汽含量方法研究

利用IGS提供的精密星历及精密钟差,分别采用卡尔曼滤波法、双差法对天顶对流层延迟进行估计,并与IGS提供的测站天顶延迟进行对比。根据所解算的天顶对流层延迟,利用经验模型求解天顶干延迟,最后分离出天顶湿延迟,进行大气可降水分的求解。     

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。     

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.     

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。     

对流层天顶延迟参数：在GPS数据处理中应采用多少参数？

精确确定对流层天顶延迟（τ）是ＧＰＳ定位，特别是确定高差的关键。大气模型无法达到我们所需要的３ｍｍ－１０ｍｍ的精度。然而，一种有效的办法是在ＧＰＳ相位观测值的最小二乘解中估计τ值。目前可采用两种解算法：（ｉ）解算所有测站的τ值；（ｉｉ）在（ｎ－１）个测站上解算τ的相对值（除基准站外）。理论推导和数值计算都表明第一种方法是正确的方法，而采用第二种方法在计算高差和大地网的其它参数时可能导致较大的误差。     

北斗区域系统解算对流层天顶延迟比对分析

在分析了当前GNSS主要的误差源,比较对流层延迟改正模型的基础上,应用Saastamoinen模型对BDS和GPS原始观测数据解算对流层天顶延迟,并对全球6个站点一个月的解算值进行比对分析,结果发现：北斗区域系统解算的ZTD相比于GPS结果,76%位于2cm之内,只有个别站点个别天的解算结果出现较大偏差,在中国周边站点解算结果优于其他地区站点。表明：北斗区域系统已经具备在中国周边同GPS相当的ZTD解算精度,为下一步北斗全球系统的建设奠定了坚实的基础。     

融合大气数值模式的高精度对流层天顶延迟计算方法

针对现有对流层天顶延迟模型改正法因水汽参数难以精确获取所导致的时空分辨率与精度上的不足问题,提出了一种融合WRF(weather research and forecasting model)大气数值模式的对流层天顶延迟估计方法。通过分析WRF模式的数值模拟机理及其数据结构特征,采用直接积分与模型改正相结合的混合计算方式,实现了全球任意位置上小时级的对流层天顶延迟估计。验证结果表明,该方法计算的小时级ZTD再分析值精度为13.6mm,日均值精度更是可达9.3mm,比传统模型UNB3m的49.6mm以及目前标称精度最高模型GPT2w的34.6mm,精度分别提高了约5倍和3.5倍。在30h的预报时段内,预报值精度也可达22mm。无论是ZTD再分析值还是预报值比现有模型的估计值精度均有明显提高。     

基于GPS非差技术近实时获取对流层延迟

本文提出一种近实时获取高精度对流层延迟(Zenith Tropospheric Delay,ZTD)的方法。该方法基于全球GPS参考站网络的非差观测值数据和IGU预报产品(卫星轨道和ERP),使用GPS非差技术和卡尔曼滤波近实时估计各参考站的高精度ZTD。将该方法应用于香港GPS参考站网得到的ZTD与基于事后技术计算的ZTD进行比较后发现,两者的平均偏差均优于5mm,RMS均优于6mm。     

预测模型在对流层延迟计算中的应用研究

为了消弱对流层延迟影响,提高GPS定位的精度,探讨了利用预测模型计算对流层延迟的可行性。建立了计算对流层延迟的多元线性回归模型、组合预测模型、灰色模型和BP神经网络模型,并提出了一种基于可靠度的组合模型权系数确定方法。结合邳州、新沂两个CORS站的观测数据和地面气象数据,利用4种预测模型进行对流层延迟预测实验。实验结果表明:在48 h的预测时段内,4种模型预测对流层延迟的精度分别为10,15,25和30 mm。其中多元线性回归模型预测效果最佳,在已知学习样本真值的情况下,其预测精度达到1 cm,较传统对流层延迟改正模型精度提高约50%。     

精密单点定位方法测量对流层天顶延迟的精度改善

研究了非差GPS精密单点测量中几种常用的随机模型,提出了基于卫星低仰角的cosine平方随机模型。对上海IGS站和北京IGS站的观测数据分别进行了处理,结果表明,利用cosine平方随机模型的天顶延迟结果优于传统的随机模型结果。     

湿延迟与可降水量转换系数的全球经验模型

利用2005~2011年的全球大地测量观测系统(global geodetic observing system,GGOS)Atmosphere提供的2.5°×2°(经度×纬度)的天顶湿延迟(zenith wet delay,ZWD)格网数据和欧洲中尺度天气预报中心(European Centre for Medium-Range Weather Forecasts,ECMWF)提供的2.5°×2°可降水量(precipitable water vapor,PWV)格网数据,在全球范围内计算得到各格网点的地基GPS水汽反演关键参数Π^-1的时间序列,分析了其时空分布特征,建立了一种转换系数Π的全球经验模型。该模型无需站点气象数据,仅与站点经纬度、年积日和海拔相关。利用未参与建模的2012年的GGOS Atmosphere和ECMWF格网数据、2012年661个无线电探空站的探空资料对模型进行精度检验。结果显示,采用格网数据检验,其偏差的平均值(Bias)为-0.179 mm,均方根误差(root mean square error,RMS)的平均值为1.806 mm;采用无线电探空资料进行检验,其Bias为0.465 mm, RMS为0.789 mm。结果都表现出了较小的系统性偏差与较高的精度,说明所建立的湿延迟与可降水量转换系数模型在全球范围内具有较高的精度与稳定性。     

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。     

利用区域GPS网进行高海拔流动站的对流层延迟量内插

对流层延迟是全球导航卫星系统（GNSS）计算的主要误差之一,其模型精度对测站坐标解算有较大影响,在高程方向尤为明显。因此,有必要对不同的对流层延迟改正模型的适用性进行评估。采用SHA解算了中国陆态网GNSS跟踪站的对流层天顶延迟数据,对常用的对流层改正模型EGNOS/UNB3m/GPT/GPT2的天顶延迟量在中国不同区域、不同季节的适用性进行了分析。结果显示,4种模型的RMS均为4~5 cm,各模型RMS之差小于1 cm,其中GPT2模型的RMS最小;4种模型的平均偏差（BIAS）为1 cm左右,GPT2模型的BIAS最大,为1.5 cm;时间上,各个模型在夏季精度普遍较低,这是因为夏季水汽丰富,对流层湿延迟变化较大;空间上,各模型在东南沿海精度较低,因为东南沿海气候湿润,湿延迟变化较大;各模型精度对测站高程不敏感,精度在比较高的测站并无明显降低。通过对不同模型在中国区域的精度分析,验证该改正模型可以为中国区域用户的对流层模型的选择提供一定的参考。     

亚洲地区EGNOS天顶对流层延迟模型单站修正与精度分析

以亚洲地区46个IGS站2008-2011年实测的高精度天顶对流层延迟（ZTD）数据为参考值,通过对2008-2010年EGNOS模型计算ZTD的日均偏差进行频谱分析,建立了亚洲地区EGNOS模型的单站修正模型（SSIEGNOS）,对EGNOS和SSIEGNOS模型在亚洲地区的精度和适用情况进行了评估,结果表明：（1）EGNOS模型偏差和RMS在时间分布上呈现明显的季节变化规律,而SSIEGNOS模型偏差和RMS变化较小且平稳;（2）在空间分布上,两种模型的偏差随着经纬度和高程的变化均无明显规律,但随着高程或者纬度的增加RMS总体上都有递减的趋势;（3）SSIEGNOS模型预测ZTD的精度相对于EGNOS模型有明显提高。