GPS测量中天顶干延迟的计算方法的研究

大气可降水份的估计是地基GPS气象学的一个主要研究方向。本文介绍了大气折射对GPS测量的影响,简介了两种常用的天顶干延迟分量模型——Saastamoinen模型和Hopfield模型和各种模型的特点。通过对北京、乌鲁木齐、拉萨3个IGS站的气象数据对这两个的天顶延迟干分量模型进行了分析总结。     

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.     

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。     

3种对流层干延迟模型在中国低纬度地区的精度分析

为了分析Saastamoinen模型、Hopfield模型和Black模型等干延迟(ZHD)模型在中国低纬度地区的精度情况,在中国低纬度地区的桂林、香港和海口3个地方,利用各地区相应的探空站2012年第122~152天的气象观测资料,分析了3种经验模型在低纬度地区的精度情况。结果表明,在所选的3个站内,3种经验模型计算的ZHD变化趋势具有很好的一致性,以Saastamoinen模型计算的ZHD值为参考,Saastamoinen模型和Hopfield模型的ZHD值较为接近,而Black模型计算值偏差较大。     

整体最小二乘线性回归模型与算法

从平差模型的角度,研究整体最小二乘线性回归模型条件平差与间接平差的解算方法,并在理论上证明两种解算方法的等价性。最后通过算例验证解算方法的正确性。     

北京地区对流层延迟模型的建立

针对气象参数具有时空特性导致全球导航卫星系统测量精度不高的问题,该文探讨了北京地区对流层延迟模型建立的方法。使用2012年探空气象数据,基于最小二乘法拟合出北京地区气压、温度、露点温度随高程变化的关系式,建立了3层干延迟折射率模型、2层湿延迟折射率模型及天顶延迟折射率模型(BJ模型);采用Bernese软件,将BJ模型与Saastamoinen模型和Hopfield模型进行精度比较,结果表明BJ模型的残差均值及均方根均优于传统模型;同时,以1月份和7月份的BJ模型为例计算得出的区域模型适用于不同年份。     

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。     

局部地区对流层大气垂直干延迟的模型改正

干延迟的精确确定对GPS气象中解算可降水分含量有很重要的作用。根据武汉和探空站Kingspark的探空资料,计算了这两地的实际干延迟量。在这些资料的基础上,用回归分析的方法对这两地的干延迟算式进行了建模和分析,发现该算式的精度优于其他模型。     

VLBI中性大气折射延迟的研究进展——天顶延迟的改正模型

大气传播延迟是空间大地测量技术的主要误差源,特别是在低高度角的观测情况下尤其如此。因此,大气折射改正的研究仍然是当代新空间技术研究的重要课题之一,完善大气折射理论不仅可以改善新技术的归算精度,而且有希望降低仪器的观测截止角,提高仪器的使用效应。详细地综述了对流层大气折射延迟研究的基本概念和理论方法,探讨了对不同精度要求和不同高度截至角的VLBI观测可以采用的大气折射延迟模型的计算方法。     

利用整体最小二乘法建立线性回归模型

对于在实际应用中的直线回归问题,存在着因自变量和因变量选取不同拟合结果存在差异的情况,文中采用了一种线性拟合参数估计的新方法,即整体最小二乘法。文章在描述普通最小二乘和整体最小二乘原理的基础上,并对比其异同,并采用奇异值分解的方法来求解整体最小二乘问题。算例结果表明,采用整体最小二乘方法估计线性回归参数的精度明显高于常规最小二乘法,是一种值得借鉴的算法。     

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。     

改进的多元线性回归模型及其应用

从EIV（Error-In-Variables）模型入手,对经典多元线性回归模型进行改进,并采用加权整体最小二乘估计准则（WTLS）对待估参数进行估计,最后针对新增观测信息的情况,导出其参数估值修正递推算法.通过建筑基坑支护桩水平位移监测实验表明,改进的模型较之经典模型能对水平位移变量进行更好的预测.参数修正递推算法的使用,避免了复杂的重复计算,计算效率明显提高.     

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。     

基于整体最小二乘法的线性回归建模和解法

对基于自变量和因变量误差的回归问题进行了进一步研究,证明了两种方法的实质并未解决同时考虑自变量和因变量的误差问题,其解算结果和不考虑自变量误差的解算结果完全相同。给出了能同时顾及自变量和因变量误差的新的回归模型,并推导了具体的解算方法。算例结果和基于矩阵分解的整体最小二乘法解算方法的结果相同,说明了本文方法的正确性。     

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。     

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。     

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。     

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。     

基于BP神经网络的昆明天顶湿延迟模型

为了满足昆明市卫星定位综合服务系统(KMCORS)对高精度天顶湿延迟(ZWD)的需要,本文开发了适用于昆明地区的ZWD模型KM。KM模型是根据昆明探空站2015-2018年的探空资料,基于误差反向传播(BP)神经网络建立的,同时采用2019年的探空数据,验证了KM模型的预测性能。测试结果表明,与广泛使用的SA模型相比,KM模型的RMSE由4.0 cm降至2.2 cm,精度提升了45%;KM和SA模型的Bias分别为0和-3.1 cm。该结果表明KM模型对ZWD估计具有无偏性,而SA模型在高原区存在过度估计的问题,KM模型具有比SA经验模型更优的预测性能,其应用将有助于提升KMCORS的服务质量。     

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。