共查询到17条相似文献，搜索用时 540 毫秒
1.
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。 相似文献
2.
作为区域连续运行参考系统(CORS)反演大气可降水量的关键参数——大气加权平均温度,时空特性明显。为了提高区域CORS反演大气可降水量的精度和可靠性,利用青岛探空站2009-2011年3年的探空数据,分析得到地表温度Ts与加权平均温度Tm的相关系数R为0.877 6,为强线性相关;采用回归分析建立了青岛地区加权平均温度模型;利用该模型计算青岛地区2012年加权平均温度,与由探空数据计算的加权平均温度的平均偏差、标准差和均方根误差分别为0.307 K、3.359 K和3.384 K;将该模型应用在青岛CORS反演大气可降水量的计算中,与临近探空站计算的大气可降水汽相比,平均偏差、标准差和均方根误差分别为0.70 mm、3.48 mm和3.53 mm.研究表明,应用区域探空数据建立加权平均温度模型具有可行性,并可以在一定程度上提高区域CORS反演大气可降水量的精度和可靠性。 相似文献
3.
大气加权平均温度(Tm)是地基GNSS水汽探测的关键参数.基于2016-2018年ERA5再分析资料,利用严密积分精确确定了中国区域陆态网测站的Tm值;并对Bevis公式和GPT3全球经验模型在中国区域的精度展开了评估分析.结果表明,在中国区域,基于ERA5内插温度的Bevis公式能较好反映Tm周日变化,其精度总体稍优于基于ERA-Interim月均值构建的GPT3模型;两个模型计算Tm值的年均偏差分别为1.49 K和-1.88 K,年均RMS分别为4.10 K和4.28 K.Tm模型值的精度大致呈由东南区域(RMS小于4 K)向西部区域(RMS为4.5～8 K)逐渐降低的趋势;此外,在中国区域两种Tm模型的精度具有明显的季节性变化,夏秋季模型精度较高、春冬季模型精度较低. 相似文献
4.
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模型精度平均提升率为16.1％.另外,针对不同气候类型地区的差异问题,建立了随纬度变化分段线性形式的顾及气候差异的Tm模型,解决了回归模型在不同气候区的适应性问题.与探空数据比较,顾及气候差异的Tm模型其外符合精度(RMS)范围在1.47～2.06 K之间,与Bevis模型比较,精度平均提高率为44.9％,提升效果显著;利用ECMWF数据选取19个格网点对模型进行精度评估.结果表明:平均RMS为3.26 K,最大RMS为3.67 K;平均STD为2.69 K,最大STD为3.19 K. 相似文献
5.
加权平均温度(Tm)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Tm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Tm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Tm单因子回归模型和增加了时空参数的Tm多因子回归模型,并利用2014—2015年的探空数据进行验证。Tm单因子回归模型和Tm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Tm的影响,将Tm多因子回归模型按季节分段,得到按季节分段的Tm多因子回归模型,其精度与Tm多因子回归模型大致相当,但能更细致表达出不同季节Tm的精度情况。结果表明增加了时空参数的Tm多因子回归模型更加适合中国区域的加权平均温度Tm的计算。 相似文献
6.
为提高GNSS反演可降水量的精度,文中采集江苏附近5个气象探空站2005—2015年共11年的数据,分析加权平均温度(Tm)年周期的变化规律,同时分析Tm与地表气温(Ts)的线性关系。结论表明,两者的线性关系会随着季节的变化发生相应的变化。文章试验几种线性回归的方案,并利用该区域2016年的数据进行检验,其中将数据每8d一组进行分段拟合得到的模型精度最高,其R_(ms)为2.49k高于传统Bevis模型的3.08k,提高近19%。 相似文献
7.
8.
在地基GPS水汽反演过程中,针对因大气加权平均温度的精度而影响大气可降水量计算结果精度的问题,文中采用回归分析方法对香港地区2006-2016年的探空数据进行研究,构建适用于香港地区的单因子以及多因子两种大气加权平均温度计算模型．并使用两种模型分别预测2017年加权平均温度,与多种经验公式结果以及真值进行对比,单因子和多因子模型与真值的偏差在－5 ～5 K范围内分别占比80.72％和85.26％,明显优于其他经验公式;且按季节分别建模对大气加权平均温度计算结果的精度并没有明显提高,但按昼夜分别建模能够使计算结果的精度得到明显的提高．因此为了能够使水汽反演计算时的精度得到提升,应当使用当地多年的探空气象资料构建适用于当地的加权平均温度计算模型,对于提高GPS反演大气水汽总量的精度具有重要意义. 相似文献
9.
大气加权平均温度(Tm)是全球导航卫星系统(GNSS)水汽监测的关键参数。针对中国区域地形起伏较大的特点,本文构建了顾及精细季节变化的Tm垂直递减率函数模型,在此基础上,利用2007—2014年的Global Geodetic Observing System(GGOS)atmosphere格网数据建立了中国区域的Tm格网新模型(简称为CTm模型)。以2015年GGOS格网数据和无线电探空资料为参考值,对CTm模型进行精度检验,并与常用的Bevis公式和GPT2w模型进行比较分析。结果表明:①以GGOS格网数据为参考值,CTm模型的年均偏差和均方根误差(RMS)分别为-0.52 K和3.28 K,相比于GPT2w-5和GPT2w-1模型,精度(RMS值)分别提高了27%和13%;②以探空数据为参考值,CTm模型的年均偏差和RMS误差分别为0.26 K和3.75 K,相对于GPT2w-5和GPT2w-1模型,精度分别提高了21%和16%,尤其在中国西部地区,CTm模型表现出更为显著的优势。此外,将CTm模型用于GNSS水汽计算,其引起的水汽计算RMS误差和相对误差分别为0.29 mm和1.36%。CTm模型不需要实测气象参数,因此,在中国区域的GNSS实时高精度水汽探测中具有重要的应用。 相似文献
10.
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%。 相似文献
11.
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型精度整体上优于Bevis模型。将其用于CORS站GPS可降水量反演中,相比经验模型,新建Tm模型与实际降水量的吻合性更好,可以满足地基GPS反演可降水量的要求。 相似文献
12.
针对大气加权平均温度(Tm)会受到地理位置、地形、气候和季节等因素不同程度影响的问题,利用湖南省长沙、郴州、怀化3个站2012—2013年探空数据计算的T_m,首先分析T_m与地面温度T_s的线性关系,再采用一元线性拟合的方法拟合出湖南不同地区及不同季节的分区分时T_m模型。研究结果表明:湖南地区本地化T_m全局模型的平均偏差和标准差都较小,预测精度优于Bevis模型,更符合实际就标准差而言,除冬季之外,春夏秋3季的标准差分别降低了0.07K、0.19K、0.03K,因此,分时T_m模型精度优于全局T_m模型,且夏季的精度提高尤为明显。因此,在湖南GPS气象业务应用中,使用分时模型可获得更高精度的T_m和大气可降水量。 相似文献
13.
利用地基GPS反演可降水量,需要准确求得水汽转换参数。为了提高区域GPS大气水汽反演的精度,分析了大气加权平均温度的时空特性及其与地面温度之间的函数关系;利用江苏地区2003—2011年的气象探空数据建立了适用于江苏地区的局地大气加权平均温度计算模型。比较江苏模型、Bevis模型和李建国模型求得的大气加权平均温度值,江苏模型的精度较Bevis模型和李建国模型分别提高33.14%和9.28%。由江苏模型得到的可降水量内符合精度约为11.12 mm,较GAMIT软件结果精度提高约7.91%。 相似文献
14.
由于日本区域易受自然灾害频发、水汽特征变化复杂、探空站点分布稀疏的问题,进而制约了高精度水汽的获取,因此缺少此区域的高精度加权平均温度(Tm)模型. 鉴于此,采用2009—2016年全球大地测量观测系统(GGOS) Atmosphere Tm和ERA-Interim 2 m Ts格网数据新建立一种考虑Tm残差季节性变化和周日变化的适合日本区域的Tm模型 (JQTm模型). 同时,利用2017年日本区域13个探空站和110个GGOS Atmosphere Tm格网数据,对新建立的JQTm模型在日本区域的精度进行评估. 研究发现:与GGOS Atmosphere Tm格网数据对比,JQTm模型的偏差(bias)和均方根误差(RMSE)分别为0.15 K和1.92 K,RMSE分别比GPT2w-1模型、GPT2w-5模型提升41.16% (1.33 K)、44.41% (1.53 K);与探空资料对比,JQTm模型的bias和RMSE分别为–0.66 K和2.14 K,RMSE分别比GPT2w-1模型、GPT2w-5模型提升28.43% (0.85 K)、29.61% (0.90 K). JQTm模型能够为日本区域提供高精度的Tm值,为研究此区域大气水汽和极端天气提供重要依据. 相似文献
15.
本文基于单层气象数据(ERA5单层数据、实测气象参数)和多层气象数据(ERA5气压层数据、COSMIC掩星数据),分别采取模型法和积分法获取了我国236个陆态网GNSS测站的ZTD值,即ERA5S_ZTD、MET_ZTD、ERA5P_ZTD、RO_ZTD。以GNSS_ZTD为参考,按月评估了上述4种ZTD估计值的精度,结果表明:4种ZTD估计值的月平均RMSE依次为42.8、53.6、16.1和62.3 mm,其中基于积分法估计的ERA5P_ZTD精度最高,采用模型法计算的ERA5S_ZTD和MET_ZTD次之,而利用积分法获取的RO_ZTD值精度较低。为进一步提升利用气象数据估计ZTD值的精度,本文提出了基于RBF神经网络的对流层延迟改进模型。计算结果表明:改进模型获得的4种ZTD值与GNSS_ZTD之间的月RMSE平均值分别为23.5、32.1、14.2和40.8 mm,精度较原有ZTD估计值提升43.4%,36.3%,10.0%和34.4%。整体而言,改进模型估计ZTD值精度提升效果明显,且提升率与测站分布的密集程度有关。 相似文献
16.
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。 相似文献
17.
加权平均温度作为GNSS水汽反演的重要参数,直接影响大气可降水量的反演精度,而建立区域化加权平均温度模型有助于提高水汽反演精度。利用香港探空站2012-2015年数据资料,在分析加权平均温度与地面气象要素关系的基础上,运用最小二乘原理探究最优回归方程系数,回归建立了区域加权平均温度的单因素模型和多因素模型。结果表明:多因素模型精度高于单因素模型,但并不显著,Bevis经验公式应用于香港区域时不满足精度要求;对模型精度和适用性进行了分析比较,表明文中建立的模型精度较高,能更好满足水汽遥感高精度的要求。 相似文献