共查询到15条相似文献，搜索用时 140 毫秒
1.
为探究ENSO事件对GNSS ZTD(水汽)周期变化的影响及其相互关系,以河北省为例开展ENSO事件对GNSS ZTD及其周期变化的影响研究。首先利用快速傅里叶变换方法筛选出南方涛动指数（SOI）与GNSS水汽的共同周期,再利用小波变换提取GNSS水汽与SOI共同周期所在的高频项,并将重构的高频项与SOI进行相关性分析。结果表明,SOI与GNSS ZTD存在负相关性,由此推断ENSO事件与GNSS ZTD的周期变化存在一定关联。利用快速傅里叶变换方法分别提取ENSO事件和正常气候下GNSS ZTD的变化周期,分析ENSO事件对GNSS ZTD周期变化的影响,结果表明,ENSO暖事件（厄尔尼诺事件）对GNSS ZTD的最长显著周期存在显著影响;ENSO冷事件（拉尼娜事件）对GNSS ZTD的最长显著周期影响较弱。 相似文献
2.
利用中国内地构造环境监测网络GNSS观测数据,结合台风事件资料,开展台风事件对中国内地地区水汽变化周期影响研究。分析发现,在台风影响下,GNSS天顶对流层延迟(zenith tropospheric delay,ZTD)水汽变化周期与正常天气相比会缩短,同时降水增加。通过与降雨进行对比发现,台风过程中降雨发生之前ZTD会发生较为剧烈的变化,并保持在一个峰值。通过选取台风中心不同距离的GNSS站点进行对比分析发现,台风最先经过的区域站点ZTD产生波动要比之后经过的站点早,且台风先经过区域的降水量比后经过区域的降水量大。本文研究可为台风轨迹预报和气象部门的台风灾害及极端降水等预警提供参考。 相似文献
3.
利用2016年中国大陆构造环境监测网络的GNSS数据开展水汽短时频域特征研究,按气候类型将中国大陆地区划分为5个区域,并在每个区域中随机抽取若干个站点采用快速傅里叶变换方法进行分析,提取不同季节的GNSS水汽周期特征。结果表明,各类站点的水汽频域特征存在明显的区域性变化和季节性差异;高原山地气候、热带季风气候和亚热带季风气候类型的GNSS站点的周期性变化显著;热带季风地区、亚热带季风地区及沿海地区水汽振幅较大,高原山地和温带大陆地区水汽振幅较小。 相似文献
4.
研究东日本地震、汶川地震和玉树地震震中及其附近区域在地震前后的水汽时间序列变化。首先分析震中MODIS水汽序列和震中附近探空站点水汽序列在地震前后的变化；然后基于GNSS ZTD与水汽之间的高相关性，以GNSS ZTD代替GNSS水汽，讨论震源区周围IGS站点的ZTD序列变化。研究发现，震后震中及其附近区域水汽值变化出现异常，且距离越近所受影响越大；水汽不断聚积，达到峰值后发生降水。 相似文献
5.
针对现有区域天顶对流层延迟(ZTD)模型属于函数或格网型,参数固定,且难以表达ZTD时空快速变化特性等问题,提出一种基于小波变换、傅里叶级数拟合、自回归(AR)、支持向量回归(SVR)的组合预报新模型构建方法。该模型在时域内对ZTD序列进行小波变换,分解出低频和高频序列。低频序列采用傅里叶级数拟合成时间函数,高频序列则由AR进行预报。在空间域内利用SVR建立位置参数向傅里叶级数参数的映射。在该模型中输入时间与位置信息即可获取ZTD预报值。利用94个GNSS基站2 a的ZTD数据进行建模,24个GNSS基站1 a的ZTD数据进行预测对比。结果表明,实测值与模型预报值之间的平均偏差为-2.02 mm,均方根误差为3.07 cm,优于大部分区域ZTD模型。在伪距单点定位测试中,该模型能够显著提高定位精度。实验表明,该组合模型具有较高的预报精度和可靠性,具有一定的应用价值。 相似文献
6.
利用小波变换与RBF神经网络方法预测河北省GNSS水汽值。首先对GNSS测站水汽序列进行小波分解,然后利用RBF神经网络对小波分解的高频与低频信号进行预测,最后通过实验选择合适的高频与低频信号结果重构获得GNSS水汽值预测值。以实测GNSS水汽值为标准,基于小波变换与RBF神经网络预测的GNSS水汽值精度高于单一RBF神经网络预测精度,但预测结果的精度随着预测时长的增加而降低。 相似文献
7.
利用ECMWF再分析地表资料，结合GPT2w模型提供的水汽递减率和温度递减率计算中国区域对流层延迟值的精度。首先，以中国地区75个探空站2015年地表实测气象参数为参考值，利用ECMWF地表资料得到的气象参数（P，T，e）的精度分别为1.76 hPa、1.96 K、1.98 hPa。然后，以相同测站2010~2015年探空站分层数据算得的ZTD为参考值，对ECMWF地表资料计算的ZTD的精度进行分析，并与利用探空仪地面观测数据为输入参数计算的ZTD的精度进行对比。结果显示，利用ECMWF地表资料计算的ZTD的平均bias为0.07 cm，平均RMS为3.72 cm，在低纬度地区优于利用探空仪地面观测数据为输入参数计算的ZTD的结果。以陆态网237个GNSS测站2015年的ZTD作为参考值，比对利用ECMWF地表资料计算的ZTD的精度，结果为3.41 cm。由此可知，ECMWF地面资料计算的ZTD的精度能满足普通用户对流层延迟的计算需求，可用于缺少气象参数的测站进行对流层延迟值的计算及其他相关应用。 相似文献
8.
利用小波变换方法对中国IGS站点ZTD时间序列进行分解与重构，分析ZTD序列的低频趋势项、高频年变化周期项与年降水量的对应关系，并结合气候资料分析原因。研究发现，ZTD低频趋势项与年降水量的变化趋势相同，ZTD高频周期项与年降水量变化存在较好的对应关系，ZTD年周期项峰值的高低对应年降水量的多少。 相似文献
9.
利用北京市GPS连续观测资料结合气象资料开展GPS水汽与气象要素的相关性分析。首先使用GAMIT软件解算2009-06-01~2012-04-30的北京GPS连续观测网观测数据并结合气压数据获得测站水汽序列;然后用小波变换方法对GPS水汽、温度和气压数据进行分解与重构,并对重构后的数据进行相关性分析。GPS水汽序列的变化趋势与温度呈显著正相关,与气压呈显著负相关。水汽和气压存在年周期和半年周期变化,两者存在显著负相关特性;温度有年周期变化,水汽和温度在d13重构结果的相关性最好,存在显著正相关特性。 相似文献
10.
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
11.
利用小波变换对暴雨过程中GNSS气象要素的初步探索 总被引：1，自引：0，他引：1
利用小波分解对地基GNSS获取的可降水量(PWV)、气压和对流层延迟(ZTD)等时序进行处理和分析,以暴雨的实际降水量作为判别依据。研究结果表明,1 h间隔PWV与ZTD的小波高频分解系数接近,均能够从中提取暴雨预报特征信息,可用高频ZTD代替PWV进行小波分析;频率在30 min-1h之间的ZTD,预报时间信息应在第1~3层级进行搜寻,30 min以下频率的应在第3~5层级进行搜寻;db4小波分解PWV的暴雨预报阈值可设为-1.2,db4小波分解ZTD的暴雨预报阈值可设置为-0.007,db2小波分解ZTD的暴雨预报阈值可设为-0.01。 相似文献
12.
为简化GNSS大气可降水量(PWV)的计算过程,提高GNSS-PWV实时解算效率,利用2017~2018年长三角地区7个GNSS测站数据,分析GNSS-PWV与对流层延迟(ZTD)、地面气温(T)、地面气压(P)之间的线性关系,通过线性拟合建立PWV直接转换区域模型。实验结果表明：1）PWV与ZTD、P和T之间具有良好的相关性,相关系数分别为0.99、-0.74和0.73;2）基于ZTD的全年单因子PWV模型的RMS为3.07 mm,基于ZTD和T的全年双因子PWV模型RMS为2.35 mm,基于ZTD和P的全年双因子PWV模型RMS为1.18 mm,基于ZTD、T和P的全年多因子PWV模型RMS为0.47 mm,基于ZTD、T和P的分季节多因子PWV模型的平均RMS为0.28 mm,后者预测精度略优。 相似文献
13.
利用香港卫星定位参考站网GNSS观测数据,提取强热带风暴"塔拉斯"与热带风暴"洛克"影响期间各测站天顶方向对流层延迟,反演香港区域大气可降水量;根据香港区域49个天文台气象站提供的实测降雨量数据,分析大气可降水量与实际降雨量的相关性,以及两次台风对香港区域水汽时空分布的不同影响。结果表明,大气可降水量在台风影响前期均上升,在大量降雨后回落,但在连续台风的间歇期间,仍高于台风来临前的水平;水汽累积是大量降雨的前提条件,当水汽累积量相近时,水汽累积时长与累积降雨量呈正相关;台风期间大气可降水量值超过65 mm的区域面积与台风等级相关,台风路径对局部水汽分布有一定的影响。 相似文献
14.
针对东南沿海地区GNSS大气可降水量(PWV)计算过程参数多、数据量大、效率不高且易产生累积误差等问题,本文基于中国东南沿海地区2017~2018年18个CORS站的GNSS数据,分析GNSS-PWV与对流层延迟(ZTD)、地面气温(Ts)和地面大气压(Ps)之间的线性关系,并利用多元线性拟合方法建立多因子GNSS-PWV直接转换模型,为研究区提供简捷高效的PWV计算方法。结果表明,GNSS-PWV与ZTD、Ps和Ts之间具有良好的相关性,相关系数分别为0.98、－0.65和0.78;基于ZTD、Ps和Ts的多因子PWV模型RMS为0.33 mm,精度最高,明显优于基于ZTD的单因子PWV模型（4.66 mm）,而基于ZTD和Ps的双因子PWV模型RMS为0.50 mm。 相似文献
15.
以2014-01~03的河北省GPS和PM2.5观测数据为例,利用小波变换方法开展GPS水汽和PM2.5浓度的相关性分析。结果表明,低频系数重构的GPS水汽与PM2.5浓度序列较好地反映了两者之间的正相关特性;D7高频信号（128~256 h）及D7与D6高频信号（64~256 h）重构的GPS水汽与PM2.5浓度的相关性较原始序列的相关性有较大提高;对于持续7 d的重度雾霾过程,由第7层和第6层高频系数重构的GPS水汽序列与PM2.5浓度序列的相关性达到0.890;不同时刻水汽变化对PM2.5浓度观测的影响,在水汽变化波动较大时段,水汽与PM2.5浓度的相关性为正;对于水汽变化波动较小时段,由于水汽与PM2.5浓度峰值时刻的差异,水汽与PM2.5浓度序列的相关性则不明显。 相似文献