GPT／2模型用于 GPS 大气可降水汽反演的精度分析

气象参数(温度T、气压P)是GPS大气可降水汽(PWV)反演中必不可少的数据,也是PWV反演的重要误差源之一。文中主要对GPT/2(GPT、GPT2)模型用于PWV反演的精度进行验证和分析。基于非差精密单点定位(PPP)技术,选取SuomiNet网9个测站的观测数据,借助研制的PPP软件,分别采用GPT模型、改进的GPT2模型以及测站实测气象数据进行大气可降水汽(PWV)反演。以实测气象数据处理结果为参考,对两种模型解算的PWV进行了对比和精度分析。结果表明:改进的GPT2模型优于GPT模型,尤其是当测站的高程较大时,GPT2模型的稳定性更优、适用性更广;采用GPT2模型解算的PWV偏差均值小于±1.0mm,精度(RMS)优于±1.5mm。在缺少实测气象数据的情况下,利用GPT2模型数据仍然能够取得较为理想的PWV反演结果。     

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。