共查询到13条相似文献，搜索用时 140 毫秒
1.
利用无线电探空数据，对格网对流层模型GPT2w、IGGtrop及GTPs在中国区域的适用性进行分析。结果显示，GPT2w和IGGtrop在地表附近精度相当，RMS为4.0~4.2 cm，西部地区精度优于东部，东南沿海精度最差，夏季精度明显低于冬季，在中西部地区分辨率低的模型可能会产生异常偏差；GPT2w模型明显存在系统性偏差，中西部为正，东南部为负；3 km高度以上，IGGtrop模型精度明显优于GPT2w模型，且随高度增加精度保持稳定。在飞行器定位导航中，建议采用IGGtrop模型修正ZTD误差。GTPs模型时间分辨率高，精度明显优于传统的经验模型，尤其在东南沿海ZTD变化剧烈的区域，但由于其依赖于外部数据源，部分区域无法使用。 相似文献
2.
采用中国区域2017~2018年与GNSS站并址的49个探空站资料对GPT3模型估算的气象参数的精度进行评估,再利用49个GNSS站结合GPT3模型估算的气象参数反演日均大气可降水量PWV,并采用与GNSS站并址的探空站数据对其精度进行评定。实验得出：1）在中国地区,1°分辨率的GPT3模型的精度和稳定性优于5°分辨率,其气压、气温和大气加权平均温度Tm的偏差均值分别为0.73 hPa、1.34 K和－1.67 K,均方根误差均值分别为4.21 hPa、3.75 K和4.15 K;2）利用GPT3模型提供的气温结合Bevis经验公式反演的PWV与GPT3模型提供的Tm反演的PWV精度相当,且2种方法反演的PWV和探空资料实测地表温度反演的PWV呈现很好的一致性,在我国青藏高原和西北地区反演PWV的精度优于我国南方和北方地区。 相似文献
3.
针对GPT2w模型误差累积所导致的天顶对流层延迟(zenith tropospheric delay, ZTD)和大气可降水量(precipitable water vapor, PWV)精度不高的问题,利用2017年长三角地区7个探空站和2个GNSS站的实测数据检验GPT2w模型获取的气压、温度、水汽压、加权平均温度(Tm)和ZTD等参数的精度,并融合GNSS解算得到的ZTD(GNSS-ZTD)与GPT2w模型获取的气象参数,提高PWV反演精度。结果表明：1)近地面处的气压、温度和水汽压的bias分布在－3~4 mbar、－7~7 K和－9~2 mbar之间,精度较高;2)GPT2w模型获取的Tm在长三角地区适用性较好,年均bias和RMS分别为－1.21 K和6.89 K;3)基于GPT2w模型解算的ZTD的bias和RMS均值分别为1.4 cm和9.4 cm,精度明显低于基于实测气象数据获得的GNSS-ZTD;4)参数融合法计算的PWV与GNSS-PWV精度相当,该方法可用于无实测气象参数时实时获取PWV。 相似文献
4.
利用MATLAB实现UNB3m、GPT2w+Hopfield、GPT2w+Saastamoinen、GPT3+Hopfield、GPT3+Saastamoinen等5种模型，分析它们在陕西地区的适用性。结果表明，5种模型结果普遍偏小。GPT2w+Saastamoinen和GPT3+Saastamoinen模型整体精度相当，且优于其他3种模型，bias为1.41 cm，RMS分别为4.68 cm和4.67 cm，且随着高程增加精度越来越高。5种策略精度均随季节变化而变化，其中UNB3m变化最为明显，夏冬2季bias差达到7.92 cm，RMS差达到7.67 cm。更高精度计算时，秋季应使用GPT3，而春夏2季时使用GPT2w效果更好。选用同样的气象参数模型时，Saastamoinen模型比Hopfield模型更适用于陕西地区，并且陕北地区精度最好。对比最新的全球气压温度模型GPT3与GPT2w发现，2种模型算得的地面气压P、地面温度T、地面水汽压e、大气加权平均温度Tm等4种气象参数均相差细微，所以在陕西地区利用GPT2w或GPT3分别算得的对流层总延迟ZTD和对流层干延迟ZHD相差很小，通过对流层湿延迟ZWD算得的PWV也几乎相当。 相似文献
5.
针对中国西部地区地形起伏较大等情况,分析大气加权平均温度（Tm）与测站高程、地面温度的关系,利用2014～2016年探空数据,在Bevis模型基础上建立一种与地面温度、高程和季节变化有关的新Tm模型。以2017年探空数据为参考值,对新模型进行精度分析,并与广泛使用的Bevis模型和GPT2w模型进行精度比较。结果表明,以探空数据为参考值,新模型的年均偏差和均方根误差（RMS）分别为-0.08 K和3.89 K,相比Bevis模型、GPT2w-5模型和GPT2w-1模型,其精度（RMS值）分别提高14.3%、20.6%和9.3%。此外,将新Tm模型用于GNSS水汽计算,其水汽计算理论RMS误差和相对误差分别为0.22 mm和1.43%,新模型在中国西部地区的GNSS水汽探测中具有重要的应用价值。 相似文献
6.
选用2012~2017年Kings Park 站探空资料,基于迭代最小二乘方法构建2种香港地区顾及高度改正的加权平均温度模型--Tm_hk1和Tm_hk2,并利用2018年探空资料对模型在香港地区的精度和适用性进行评估。结果表明,在香港地区,依赖测站温度的Tm_hk1模型具有较高的精度,年均偏差优于0.3 K,均方根误差优于1.8 K,与Bevis公式和GPT2w模型相比,Tm_hk1模型的精度分别提升35.4%和29.7%;而不依赖气象参数的Tm_hk2模型与GPT2w模型的精度相当,年均方根误差均优于2.5 K,Bevis公式的精度最差(RMS为2.7 K),且具有较大负偏差(bias为－1.8 K)。从季节性分析可知,Bevis公式、Tm_hk2 和GPT2w模型精度具有明显的季节性变化,总体为夏季精度较高(RMSE为1.3~2.2 K),冬季精度较低(RMSE为3.0~4.4 K);Tm_hk1模型在各季节均具有最高精度（RMSE为1.4~2.4 K）和适用性。 相似文献
7.
对SWARM卫星进行简化动力学精密定轨，估计接收机天线相位中心偏差（PCO），并基于所得到的载波相位残差对天线相位中心变化（PCV）误差进行建模，验证其对轨道精度的影响。结果表明，当使用PCO信息时，定轨精度改善明显，径向、切向和法向的RMS值分别提升47%、48%和66%；加入PCV模型后，3个方向的精度有mm级的提升。SLR检核结果显示，同时考虑PCO和PCV，SWARM三颗卫星的平均RMS值为2.29 cm，与事后科学轨道十分接近。对比不同分辨率PCV模型定轨的结果发现，选择5°×5°PCV模型较为合适。 相似文献
8.
为检验全球气压气温模型在中国地区的精度,基于我国29个探空站2015-03~2016-02期间实测的气压和气温数据,比较分析分别由GPT模型及最新的GPT2w_5和GPT2w_1模型导出的气压和气温结果。实验结果表明,中国地区3种气象模型均有明显的季节性且对纬度变化敏感,GPT2w_5与GPT2w_1模型精度相当,二者的气压和气温精度较GPT模型均有明显提高,但对于个别异常值,GPT2w_1模型较GPT2w_5模型表现出更好的鲁棒性。 相似文献
9.
利用中国区域2015~2017年探空数据,建立一种顾及地表温度、地表水汽压、高程和纬度的中国区域大气加权平均温度Tm模型（BET模型）。以2018年探空站Tm数据为参考值,分析BET模型精度,并与Bevis模型和GPT3模型进行对比。结果表明,BET模型年均RMSE与bias分别为3.15 K和0.04 K,相比于Bevis模型、1°×1°分辨率的GPT3模型和5°×5°分辨率的GPT3模型,年均RMSE分别降低29.2%、32.8%和39.1%,年均bias分别降低96.4%、96.7%和97.4%,且该模型在中国区域不同高程和纬度上的精度与稳定性优于Bevis模型和GPT3模型。 相似文献
10.
对HY-2B卫星星载GPS数据进行质量检查,分析伪随机脉冲先验值对简化动力学精密定轨的影响。结果发现,在所有时间间隔中,先验标准差为1×10-8 m/s2时定轨精度最高,最优伪随机脉冲时间间隔为6 min。估计天线相位中心变化（PCV）,分析不同分辨率（10°×10°、5°×5°）PCV模型对定轨结果的影响,并使用载波相位残差、重叠轨道比较和SLR检核对定轨结果进行检验。结果表明,99%以上的历元能观测到4颗以上GPS卫星,数据完整率达到99.65%,L1、L2波段的多路径误差RMS均值分别为15.7 cm、9.5 cm,证明HY2国产接收机性能良好。轨道内符合精度均达到cm级;未加PCV模型时,SLR检核RMS值为27.8 mm,加入10°×10°、5°×5° PCV模型后,SLR检核RMS值分别提高0.9 mm和1.2 mm,说明轨道外符合精度也达到cm级。 相似文献
11.
基于Fortran语言对GAMIT10.7软件进行二次开发,实现了Hopfield模型、Saastamoinen模型、Black模型、UNB3模型、EGNOS模型、GPT2w_1+Saastamoinen模型和GPT2w_5+Saastamoinen模型在中国西北地区的对流层延迟解算服务,并分析不同对流层延迟模型在西北地区的适应性问题。实验表明,在实测气象数据模型中,Saastamoinen模型在中国西北地区获取的天顶对流层延迟精度最高,各个测站平均bias值和RMS值分别是-1.67 cm、3.83 cm;Hopfield模型和Black模型精度相当。在非实测气象数据模型中,GPT2w_1+Saastamoinen模型精度最高,GPT2w_5+Saastamoinen模型次之,EGNOS模型最低。不同对流层延迟模型的精度均受季节变化影响,夏季bias的绝对值和RMS值最大,冬季最小,春季和秋季结果相当。 相似文献
12.
使用亚洲区域18个IGS测站和中国区域内16个探空站2016~2018年的数据,研究GPT3模型反演天顶对流层延迟（ZTD）和大气可降水量（PWV）的精度,并与其他GPT系列模型进行对比。结果表明,GPT3-1模型估计的ZTD的bias均值和最大值均最小,分别为1.34 mm和14.06 mm;GPT3模型整体精度略优于GPT2w模型,优于GPT2模型。探空站处GPT3模型反演的PWV的bias和RMSE均表现出较强的季节性特征;由GPT3模型反演的PWV的月均值可知,GPT3-1模型比GPT3-5模型具有更高的精度和稳定性。 相似文献
13.
???????????48??IGS?2009-2011??????????????????ZTD?????????????EGNOS???????ZTD???????????????????????1??????????????????IGS?????ZTD??EGNOS???????ZTD???????????????-0.18 cm??5.98 cm?????й?????????0.81 cm??6.13 cm??2????????????????????????仯????????????????＾??С??????????????????????С??3????????????????γ?????仯???????????????????????????γ????????????????????????????????γ????????????????????仯????С??4:???????????γ?????????????????????????????????仯????? 相似文献