共查询到10条相似文献，搜索用时 93 毫秒
1.
GGOS Atmosphere提供了时间分辨率为6 h、空间分辨率为2.5°×2°的全球大气加权平均温度格网数据,该数据是利用ECMWF的相关资料计算得到的。利用全球的无线电探空资料和COSMIC掩星资料对该格网数据进行了验证和分析。检验结果表明,在全球范围内,该格网数据具有很高的精度,与无线电探空资料比较,年均RMS为1.96 K,与COSMIC掩星资料比较,年均RMS为1.91 K,与中国区域的无线电探空资料比较,年均RMS为2.24 K。此外,该格网数据在不同季节的精度有差异,但较小,不同纬度区域的精度也存在着一定的差异。 相似文献
2.
大气加权平均温度Tm是计算水汽转换因子和大气可降水量的重要参数。利用2007—2017年全球大地观测系统(global geodetic observing system, GGOS) Atmosphere Tm格网数据和欧洲中尺度天气预报中心(European centre for medium-range weather forecasts, ECMWF) 2 m温度数据,建立一种适合澳大利亚区域、顾及Tm残差季节性和日周期变化的Tm模型——qTm。此外,采用2018年的GGOS Atmosphere Tm格网数据和探空资料对该模型进行评估。结果表明,qTm模型在澳大利亚区域具有较高的精度和适用性,与GGOS Atmosphere Tm相比,qTm模型的年均偏差(Bias)和均方根误差(root mean square error, RMSE)分别为－0.31 K和1.97 K,相对于GPT2w-1和GPT2w-5模型,RMSE分别提高21.8%和25.9%;qTm模型值与探空积分值更符合,模型的年均Bias和RMSE分别为－0.44 K和2.45 K,相比GPT2w-1和GPT2w-5模型分别提高10.2% 和11.8%。qTm模型可为澳大利亚区域提供精确的Tm值,为该区域大气水汽分析和厄尔尼诺现象研究提供基础。 相似文献
3.
大气加权平均温度(T m)的精度直接影响全球导航卫星系统(GNSS)水汽反演的结果。针对现有T m模型的参数、建模数据源有待优化及模型构建时仅依赖于单个探空站点或单一格网点数据等问题,本文提出融合FY-4A GIIRS数据与ERA5再分析资料,在此基础上引入滑动窗口算法对融合数据进行处理同时顾及经度、纬度和高程因子构建空间分辨率为0.5°×0.5°的T m经验模型(FY-ET m模型)。采用偏差(Bias)和均方根误差(RMS)作为精度评定指标,联合未参与建模的2020年探空数据、ERA5再分析资料及天顶对流层延迟产品,对FY-ET m模型及其反演的大气可降水量进行精度评定。结果表明:以探空数据为参考值,FY-ET m模型的年均Bias、RMS分别为-0.02、5.79 K,相比较于Bevis和GPT3模型分别提高了3.62(Bias)、0.8(RMS)和2.54(Bias)、0.63 K(RMS);以ERA5再分析资料为参考值,FY-ET m模型的年均Bias、RMS分别为0.01、3.32 K,相比较于Bevis和GPT3模型分别提高了0.97(Bias)、0.13(RMS)和2.94(Bias)、1.71 K(RMS),同精度优异的GPT3模型相比,FY-ET m模型在中国西部和北部地区也表现出了明显的精度改善;以GNSS站点得到的PWV为参考值,FY-ET m模型反演的PWV与GNSS站得到的PWV值精度相当,Bias变化范围为-0.5~0.5 mm。FY-ET m模型准确度高稳定性良好,只需输入位置和时间信息就能获取目标点的T m,能够在GNSS水汽反演中发挥重要的作用。 相似文献
4.
针对广西地区探空站稀少,难以获得精确的T_m问题,GGOS atmosphere提供了利用ECMWF的相关资料计算而得到的时间分辨率为6h(UTC 00:00:00,06:00:00,12:00:00,18:00:00)、空间分辨率为2.5°×2°的全球T_m格网数据可以在没有气象数据的情况下获得较高时空分辨率的T_m,该文利用GGOS atmosphere T_m格网数据对广西地区4个探空站插值T_m,并用无线电探空数据计算的T_m检验其精度;对误差进行分析后,选取最优小波基与尺度对其残差去噪,利用去噪后得到的曲线建立T_m的改正模型。实验结果表明,插值T_m经基于小波去噪的模型改正后,其RMSE为1.29K;Bevis模型的RMSE为10.71K;GPT2_1W模型的RMSE为3.56K;改正模型精度优于传统模型,可以达到地基GPS反演GNSS-PWV的精度要求。 相似文献
5.
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
6.
加权平均温度（Tm）是将天顶湿延迟转换为大气可降水量的关键参数,针对青藏高原地区海拔高、地形起伏大、水汽高度分布复杂的特点,本文利用2010—2014年GGOS Atmosphere Tm格网数据和地表高程数据建立Tm垂直递减率函数,进而建立一种顾及Tm垂直递减率变化的适合青藏高原地区的新模型（QTm模型）。此外,利用2015年青藏高原地区14个探空站和GGOS Atmosphere Tm格网数据评估模型精度和适用性。试验结果表明,与GGOS Atmosphere Tm相比,QTm模型的年均Bias和RMSE分别为0.29和2.49 K,相对于GPT2w-1和GPT2w-5模型,RMSE分别提升了38.97%、67.06%;与探空数据相比,QTm模型的年均Bias和RMSE分别为0.16和2.90 K,相对于GPT2w-1和GPT2w-5模型分别提升了31.12%、39.46%。新模型的构建为青藏高原地区提供了可靠的Tm值,进而提供实时、高精度GNSS水汽信息。 相似文献
7.
2020年6月北斗卫星导航系统(BDS)完成全面组网,为分析其解算水汽信息的精度,选用15个MGEX (Multi-GNSS Experiment)测站2021年10月至11月的观测数据进行水汽反演. 利用GAMIT软件分别解算BDS、GPS、Galileo和GLONASS的观测数据,将得到的对流层天顶延迟(ZTD)与国际GNSS服务(IGS)发布的结果进行对比,并将解算的大气可降水量(PWV)分别与探空数据、ERA5数据计算得到的PWV对比. 实验结果表明:截止高度角设置为5°时,4个卫星系统估计的ZTD均方根 (RMS)均小于13 mm,GPS-PWV、BDS-PWV、Galileo-PWV、GLONASS-PWV与无线电探空可降水量(RS-PWV)相比,RMS平均值分别为2.25 mm、2.46 mm、2.52 mm和2.84 mm,RMS均小于3 mm;与ERA5-PWV相比,RMS平均值分别为1.63 mm、1.86 mm、1.76 mm和1.99 mm,RMS均小于2 mm. GPS探测水汽的精度最高,BDS探测水汽的精度低于GPS和Galileo,高于GLONASS,均满足气象学应用需求. 相似文献
8.
对流层延迟是卫星导航定位的主要误差源,GNSS广域增强需要高精度的对流层延迟产品进行误差修正。对流层延迟可通过GNSS进行实时估计,也可通过融合多源数据的数值气象预报模型获取。IGS发布的全球对流层天顶延迟产品由GNSS解算,其精度可达4mm,时间分辨率为5min,但其分布不均匀,在广袤的海洋区域无数据覆盖。GGOS Atmosphere基于ECMWF 40年再分析资料,可提供1979年以来时间分辨率为6h、空间分辨率为2.5°×2°的全球天顶对流层总延迟格网数据。本文通过2015年全球IGS测站的ZTD资料对GGOS的ZTD产品进行了评估,研究了GGOS Atmosphere对流层延迟产品与IGS发布ZTD资料之间的系统差,通过线性拟合估计出每个测站GGOS-ZTD与IGSZTD系统差系数(包括比例误差a和固定误差b),然后对比例误差a、固定误差b进行球谐展开,建立了两种ZTD数据源之间的系统差模型。选取IGS测站和陆态网测站,对附加系统偏差改正后的GGOSZTD产品对PPP的收敛速度的影响进行研究。本文研究结果表明:GGOS-ZTD与IGS-ZTD间存在系统偏差,其bias平均为-0.54cm;两者之间较差的RMS平均为1.31cm,说明GGOS-ZTD产品足以满足广大GNSS导航定位用户对对流层延迟改正的需要。将改正了系统差后的GGOS-ZTD产品用于ALBH、DEAR、ISPA测站、PALM测站、ADIS测站、YNMH测站、WUHN测站进行PPP试验,发现可明显提高定位收敛速度,尤其是在U方向上,收敛速度分别提高10.58%、31.68%、15.96%、43.89%、51.46%、14.69%、18.40%。 相似文献
9.
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
10.
大气加权平均温度(T m)是全球导航卫星系统(GNSS)反演大气水汽(PWV)的关键参数。然而,已有经验T m模型难以捕获T m的日周期变化,限制了其在高时间分辨率GNSS-PWV监测中的应用。利用大气再分析资料可获取高时间分辨率的T m信息,但需使用高精度的T m垂直递减率模型对其进行高程改正。针对已有T m垂直递减率模型建模仅使用单一格网点数据等不足,本文引入滑动窗口算法,利用2012—2016年的MERRA-2再分析资料建立了顾及时变垂直递减率的中国区域水平分辨率分别为1°×1.25°、2°×2.5°和4°×5°的T m垂直递减率格网模型(简称“CTm-H1、CTm-H2和CTm-H3模型”)。联合2017年的MERRA-2、GGOS大气格网数据和探空站资料,对CTm-H模型进行精度检验,并与中国区域统一的T m垂直递减率模型(简称“统一模型”)进行比较分析。结果表明:①以MERRA-2格网数据为参考值,通过CTm-H模型将MERRA-2地表格网数据改正到分层格网数据各层高度处检验,CTm-H 3个模型性能相当,在两种T m数据高程差异较大时,CTm-H模型表现出显著的优势,相比于统一模型,精度(RMS值)整体提高了30%。②以探空站资料为参考值,通过CTm-H模型将MERRA-2地表格网数据和GGOS大气格网产品分别改正到探空站高度处检验,与统一模型相比,CTm-H 3个模型的精度整体分别提高了3%和5%,且CTm-H和统一模型的精度相比于未顾及垂直改正提升较大,尤其在中国西部地区表现出显著的优势。总体而言,CTm-H 3个模型在中国区域均具有较高的精度,不需要实测气象参数即可提供中国区域近地空间范围内(本文指0~10 km的高程范围)任意位置实时高精度的T m高程改正值,因此,它在中国区域的实时高精度GNSS水汽探测中具有重要的应用。 相似文献