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%)...     

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...     

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。     

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...     

GPS水汽遥感中加权平均温度获取方法研究

在利用地基GPS进行大气水汽遥感时,加权平均温度对水汽遥感结果起着重要作用。本文对加权平均温度的获取方法进行了列举和比较,其中经验公式方法既可以快速获取又可以满足水汽遥感精度,同时根据当地探空资料得出的局部加权平均温度模型可比通用加权平均温度模型的精度提高近6倍。     

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。     

利用加权平均温度研究探讨GPS大气水汽探测方法

本文基于探空数据,以广东省GPS气象监测网建设项目为基础,研究加权平均温度本地化问题,建立了广东省加权平均温度本地化模型并得出广东地区的加权平均温度本地化模型,确立了模型的相关系数。本文的研究成果已经在广东省GPS气象监测网数据处理中得到应用。     

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。     

一种多因子加权平均温度模型的构建方法

针对在地基GNSS水汽反演的过程中,天顶湿延迟转换为大气可降水量时如何建立精确的大气加权平均温度(Tm)模型的问题,该文在建立Tm模型前全面考虑了对Tm有显著影响的变量并选择最优回归子集。但分析发现,最优回归子集中各变量之间存在较强的相关性,这将会导致变量之间存在多重共线性,从而影响模型的稳定性和可靠性。选择2013—2015年相关气象数据作为变量并应用岭回归的方法削弱变量之间的多重共线性,建立稳定的多因子Tm回归模型。并利用该模型分别预测2016年1—12月、2019年1—7月的Tm,均方根误差分别为2.3 K和2.0 K,预测精度较高,这将为高精度的水汽反演奠定较好的数据基础。     

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。     

地表温度与加权平均温度的非线性关系

在温度随高度线性递减的假定下,根据加权平均温度和函数内积的定义,推导出加权平均温度犜犿与地表温度犜狊存在非线性函数关系,这突破了传统的加权平均温度犜犿与地表温度犜狊近似为一次函数关系的认识。利用2010年中国78个无线电探空站数据对线性函数和非线性函数的系数项进行拟合,其结果证实了加权平均温度犜犿与地表温度犜狊的非线性关系。      

GNSS大气加权平均温度经验模型精化方法的建立和分析

加权平均温度T_m作为对流层湿延迟转换为大气可降水量的关键参数,在GNSS气象学研究中发挥着重要作用。T_m经验模型的构建,可以通过将测站位置和时间信息作为输入参数快速获取T_m估值,但其精度往往受限,尤其在某些局部区域。本文提出了一种T_m经验模型精化方法,引入了地表气温数据,通过最小二乘快速获取精化系数,达到T_m的误差补偿作用。基于我国及邻近区域180个探空测站2011—2015年的数据,本文构建了基于GPT3的精化模型,并对其进行分析。数值结果表明,与Bevis模型、区域线性模型和GPT3模型相比,本文提出的精化模型估计T_m的精度分别提高了16.2%、13.5%和21.1%。另外,基于GPT3的精化模型估计T_m表现出最优的时空分布结果,显著提高了高纬度地区T_m估计精度,有效解决了GPT3模型只能表现T_m季节性变化的缺陷。本文方法计算公式简便,可以快速推广至任意T_m经验模型,具有较高的使用价值。     

加权平均温度模型对GPS水汽反演的影响北大核心CSCD

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%。     

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。     

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...     

顾及非线性高程归算的全球加权平均温度模型

加权平均温度（T_m）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T_m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T_m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T_m模型进行比较。实验结果显示,T_m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T_m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T_m模型精度分别提升了27%和20%。构建的模型可以显著提升T_m在垂直方向上的归算效果,由该模型计算出的T_m廓线与参考值更加接近。     

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。      

顾及日变化的山东省大气加权平均温度模型构建

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T_m值为参考,对构建T_m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T_m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。     

顾及气候差异的区域加权平均温度模型——以中国陕西为例

加权平均温度Tm是全球导航卫星系统(GNSS)反演可降水量的关键参数.本文以中国陕西为例,结合欧洲天气预报中心(ECMWF)的再分析数据与3个探空站数据,基于最小二乘原理建立了一种顾及周期性的Tm区域化回归模型.利用陕西省内3个探空站数据进行验证.结果表明,本文所建立的顾及周期的Tm区域模型比传统Bevis模型精度平均...