共查询到10条相似文献,搜索用时 62 毫秒
1.
参数设置对高精度GPS数据解算的影响探讨 总被引:1,自引:0,他引:1
在高精度GPS数据处理过程中,如何满足解算精度的要求并获取理想的可降水量估值值得研究。文章以GAMIT软件不同参数设置及气象数据的使用为解算方案,并以香港卫星定位参考站数据作为实例分析,结果表明:从基线解算精度角度,对流层天顶延迟参数设置及有无气象数据参与对解算精度影响很小,有利于利用GAMIT软件获取更高时间分辨率气象参数;从气象角度上,在对流层延迟参数估计时间间隔发生变化时,可降水量也会受到一定的影响,且在有实测气象数据参与解算时,其影响对天气变化比较敏感;在正常天气状况下,无气象数据参与解算对可降水量估值影响不大,基本可满足气象业务需求;在天气发生变化(降水)情况下,实测气象数据的使用与否对可降水量解算影响比较显著。 相似文献
2.
3.
4.
实时获取高时空分辨率的大气水汽是制约数值天气预报准确性的关键问题。基于地基GPS遥感大气水汽原理,结合香港CORS网的实测数据进行处理,对由IGU超快速星历、IGS精密星历和探空资料解算的大气可降水量(Precipitable Water Vapor,PWV)序列进行比较分析。实验结果表明,利用超快速星历估计PWV用于数值天气预报是切实可行的。 相似文献
5.
利用GPS可降水量校正MODIS近红外水汽数据 总被引:1,自引:0,他引:1
针对MODIS近红外水汽产品精度不足以及地基GPS技术解算的大气可降水量地理分布不连续的问题,提出一种利用地基GPS可降水量来校正MODIS水汽产品从而得到区域性连续分布的高精度可降水量的方法。利用GAMIT软件和地基GPS数据解算出IGS站点的大气水含量,建立GPS可降水量与MODIS近红外水汽产品的回归分析模型得到最终的校正结果。通过与实测气象站数据对比分析可知,所提方法有效地结合了MODIS和地基GPS两种遥感水汽技术的优点,能够得到高精度、地理分布连续的大气可降水量,研究结果可为实时天气预报、气候监测等工作提供参考。 相似文献
6.
基于中国大陆5个国际全球导航卫星系统服务跟踪站的全球定位系统观测数据和超快星历,利用GAMIT软件解算了北京房山和武汉两个测站的可降水量,将超快星历解算的可降水量与精密星历解算的可降水量和无线电探空数据计算的可降水量进行比较,分析超快星历解算可降水量的精度,探讨超快星历用于数值天气预报的可行性。 相似文献
7.
针对水汽在大气中易于变化,高时空分辨率水汽资料的欠缺,造成强降雨短时临近的预报水平不高的问题,探讨分析了GPS水汽反演的精度。利用香港CORS数据,通过GAMIT软件解算获得各测站1 h大气可降水量时间序列,将其与探空数据获得的液态水含量(PWV)和实际降水量进行比较分析。结果表明,GPS/PWV与Radio/PWV在整体变化趋势上具有很好的一致性,其相关系数大于0.9;GPS/PWV与Radio/PWV精度相当,两者平均偏差小于1 mm,均方根误差小于3 mm;GPS反演的大气可降水量与实际降水量具有较好的对应关系,能够精确地监测到水汽变化的过程,可以用于水汽的监测和预报研究。 相似文献
8.
《武汉大学学报(信息科学版)》2010,(7)
选取Sumi Net网中的8个测站,采用快速精密星历和快速精密钟差,利用TriP软件以较优的处理策略对8个测站2009-09的GPS数据进行天顶对流层解算,并用于反演大气可降水量。结果表明,TriP软件近实时解算的PW系列值与NOAA提供的实时PW系列具有较高的符合度,两者差值的平均偏差小于0.5mm,RMS值优于1.3 mm。 相似文献
9.
10.
叶面积指数LAI (Leaf Area Index)是调节植被冠层生理过程的最重要的生物物理变量之一,高空间分辨率时间序列LAI对于植被生长检测、地表过程模拟与区域和全球变化研究至关重要,但是由于数据缺失和反演方法限制,目前还没有时空连续的高分辨率LAI数据产品。本研究提出了一种生成时间连续的高空间分辨率LAI数据的算法,首先对MODIS LAI产品滤波平滑,生成时间序列LAI的上包络曲线,根据上包络曲线提供的变化信息构建LAI动态模型。然后利用地面实测的LAI数据与Landsat反射率数据构建LAI反演的BP (Back Propagation)神经网络模型。将反演得到的高分辨率LAI数据作为LAI观测数据,利用集合卡尔曼滤波EnKF (Ensemble Kalman Filter)方法实时更新动态模型,生成时间连续的30 m空间分辨率LAI数据集。基于该算法生成了塞罕坝地区2000年—2018年长时间序列LAI数据集,利用Prophet深度学习模型进行模拟和预测,根据预测和原始LAI差异,利用支持向量机SVM (Support Vector Machine)方法检测植被干扰状况。结果表明:EnKF算法能够生成时空连续的高空间分辨率LAI数据,估算结果与地面测量值一致性较高,R~2为0.9498,RMSE为0.1577,在区域尺度上与Landsat LAI参考值较为吻合,R~2高于0.87,RMSE低于0.61。Prophet与SVM模型检测到研究区2009年,2010年,2013年,2014年,2015年植被受干扰较为严重,主要由于年降水量偏少和林区作业砍伐造成,检测结果与当地降水量与砍伐数据吻合。本文提出的算法可用于大范围高时空LAI数据反演和植被变化检测,对塞罕坝乃至全国林区规划管理具有重要的参考价值。 相似文献