共查询到20条相似文献，搜索用时 140 毫秒
1.
2.
选取大气可降水量的地基GPS水汽遥感法,探空反演法以及经验公式计算法,以贵州西部的威宁作为研究个例,对比分析3种方法在乌蒙山区对大气可降水量反演的异同。以探空反演结果作为基准值,得出地基GPS遥感水汽值和经验公式计算值较基准值偏大,3个方法的反演值之间具有很好的相关性,地基GPS遥感水汽值与探空反演值之间的相关性最好,平均绝对误差值最小,为3.5 mm,均方根误差为4.14 mm。在乌蒙山区,对流层加权平均温度(Tm)的本地经验公式与探空计算值之间的平均误差为1.1 K,本地Tm公式对大气可降水量反演的结果影响较小。有降水事件发生及昆明准静止锋常驻的11月至次年4月,GPS水汽反演精度较高,平均绝对误差仅为1 mm。5—10月,经验计算方法的计算精度较高,平均绝对误差为0.74 mm。 相似文献
3.
杜言霞 《沙漠与绿洲气象(新疆气象)》2019,13(2):115-122
基于福建省闽南地区6个GPS/MET站点的观测资料,利用从IGS下载的精密星历数据,通过GAMIT软件计算出对流层湿延迟(Zenith Wet Delay,ZWD);利用厦门2016年的实际气象资料统计拟合出加权平均温度模型,得到加权平均温度,从而反演出大气可降水量(PWV),并与由探空资料反演的PWV相比较,由GAMIT软件系统反演出大气可降水量结果能够达到实际业务需求的精度。 相似文献
4.
地基GPS反演大气可降水量方法的改进 总被引：2，自引：0，他引：2
利用地基GPS反演大气可降水量（PW,precipitable water）的方法中,GPS PW的准确度依赖于天顶静力延迟（ZHD,zenith hydrostatic delay）的计算模型和转换系数П。分析Saastamoinen模型、Hopfield模型、Black模型计算的ZHD误差发现,其计算的ZHD与探空ZHD相比具有模型偏差,这些模型偏差换算成对GPS PW的影响约为4～10 mm。通过回归建模,对Saastamoinen模型、Hopfield模型和Black模型中的系数进行修正后,可明显减小这些模型偏差,且不影响这些模型的精度。转换系数П是大气加权平均温度（Tm,atmospheric weighted mean temperature）的函数,Tm与地面温度（Ts）高度相关,根据这一特性,利用9个探空站数据通过回归建模得到的Tm本地化模型可很好地拟合Tm,其模型均方差为2.8 K,对应的相对误差为1.0%。对地基GPS反演PW的方法进行改进后,求得的GPS PW的系统偏差明显减小,其中,采用改进的Hopfield模型和Tm本地化模型求得的GPS PW,与探空廓线计算的PW相比,其偏差为-1.6 mm,而与微波辐射计廓线计算的PW相比,其偏差为-1.2 mm。 相似文献
5.
6.
青藏高原大气可降水量单站观测对比分析 总被引：1，自引：0，他引：1
为了探讨青藏高原大气可降水量观测资料的可靠性,对2015年6-9月西藏申扎、改则和那曲3站地基GNSS遥感的大气可降水量、同址探空观测的大气可降水量、风云三号可见光红外扫描辐射计反演的晴空大气可降水量、MODIS大气可降水量和NCEP可降水量进行对比分析。结果表明:探空可降水量和地基GNSS可降水量的偏差较小,均低于2.5 mm。风云三号可降水量明显偏低,与其他观测结果的偏差超过6 mm。全自动探空可降水量离散程度较L波段探空大,均方根误差超过4 mm。 相似文献
7.
为提高地基微波辐射计大气探测精度,融合BP神经网络与遗传算法,研究0~10 km大气温湿度廓线。首先,结合数据特征,基于数值模拟技术,建立一套TP/WVP-3000型号地基微波辐射计的一级数据质量控制和订正模型。然后,为减小训练样本代表性误差对模型反演精度的影响,利用遗传算法优化训练样本数据,建立一套精度更高的神经网络大气温湿度反演模型。最后,利用构建的反演模型,开展大气温湿度反演试验,结合探空资料和微波辐射计二级产品,评价反演模型精度。研究结果表明:(1)经过质量控制后的实测数据与模拟数据之间的相关性有显著提升;(2)经过质量控制与订正后建立的神经网络模型对比原微波辐射计二级产品的反演精度有一定提升,温度提升6.77%,湿度提升20.11%;(3)经过遗传算法优化后的训练样本所建立的神经网络反演模型对比原微波辐射计二级产品反演精度有进一步的提升,温度提升10.21%,湿度提升23.75%,反演结果与该地区同类型研究结果相比有着较大提升。 相似文献
8.
利用青藏高原地区COSMIC掩星资料反演的大气湿廓线Wet Prf数据和8个站点的探空数据,分析了COSMIC反演大气廓线和可降水量与探空观测的偏差,并考查了偏差随高度的变化特征。结果显示:(1)COSMIC反演的温度、压强和水汽压廓线与探空观测具有很好的正相关;与探空观测相比,COSMIC的温度、压强和水汽压的偏差为-0.2℃、1.7 h Pa和0 h Pa,均方差为1.8℃、1.6 h Pa和0.4 h Pa;COSMIC反演大气廓线与探空观测的偏差基本上在大气低层较大,然后随高度增加而减小。(2)COSMIC反演的可降水量与探空观测正相关较好;COSMIC反演的可降水量低于探空观测,两者的偏差为-5.0 mm,均方差为5.7 mm;两者的负偏差在大气低层最明显。(3)探空观测在近地层的不稳定性和COSMIC反演方法中背景模式在青藏高原地区描述大气状态的能力有限,是造成COSMIC反演大气廓线和探空观测的偏差在近地层较大的主要原因;COSMIC观测的折射率偏小导致其反演的可降水量偏低。 相似文献
9.
利用江西省南昌和赣州两探空站12年(1999—2010年)每日2次(08时和20时)的探空资料,运用最小二乘法建立了江西地区的加权平均温度Tm模型(江西本地化Tm模型)。基于探空资料计算得到的Tm值,对比分析了江西本地化Tm模型、武汉本地化Tm模型和GAMIT默认Tm模型的模拟结果,发现江西本地化Tm模型的模拟效果最好,武汉本地化Tm模型相对较差。利用GAMIT软件,分别采用江西本地化Tm模型、武汉本地化Tm模型和GAMIT默认Tm模型,对2010年1月至2010年12月南昌、赣州等地的GPS大气可降水量进行了解算,并与探空计算的大气可降水量作了对比分析,结果发现采用江西本地化Tm模型后解算得到的GPS大气可降水量精度最高,而采用GAMIT默认Tm模型的精度相对较差。 相似文献
10.
基于辐射传输模型MonoRTM计算天空亮温度,使用多元线性统计回归方法和BP神经网络方法分别对大气温度和水汽密度廓线进行了反演,检验并分析了两种方法的反演精度.结果表明,多元线性回归方法反演的温度偏差总体不大于6K,反演的水汽密度偏差小于4 g/m3;神经网络方法反演的温度偏差小于2K,反演的水汽密度误差总体不大于2 g/m3.与探空数据的对比表明,对于大气温度和水汽密度反演,BP神经网络方法的反演结果都要比多元线性回归方法的反演结果更接近探空资料值. 相似文献
11.
为了探讨探空观测的水汽可降水量资料的可靠性,本文以GNSS/MET遥感的大气可降水量为参照标准,对广东汕头站2013年以及西藏那曲站2016年6月至2017年5月的两种可降水量观测结果进行对比分析和偏差订正。经过研究分析表明:两个站探空可降水量相比地基GNSS可降水量偏干,偏差分别为7. 4%和9. 8%。探空可降水量的偏差显示具有季节变化和日变化的特征,其中夏季偏差较明显,00时比12时明显。太阳辐射加热引起的地面气温的日变化和季节变化是造成偏差的重要原因。本文根据太阳辐射偏差订正经验公式,对两个站的探空可降水量进行偏差订正,订正后偏差明显减少。 相似文献
12.
地基GPS不同水汽反演方法的误差分析 总被引：1，自引：0，他引：1
利用湖北宜昌2007年观测的GPS对流层天顶延迟数据,对采用不同水汽反演方法计算的对流层可降水量PW的正确度和精密度进行对比分析。结果显示：不同天顶干延迟计算模型对GPSPW的精密度影响不大,但对其正确度有明显的影响,与探空PW相比,Hopfield模型计算的GPs册的平均偏差最小,Saastamoinen模型的平均偏差次之,而Black模型的平均偏差最大;大气加权平均温度对GPS PW的正确度有重要影响,对其进行本地化订正可以明显减小GPS PW与探空尸形的偏差,但对GPSPW的精密度影响不大;GPS PW与探空PW的相关性受大气水汽含量的影响,当大气水汽含量较低（PW≤65mm）时,两者的相关系数可达0．92,两者的平均偏差为3．8mm,偏差的均方差为6．4mm,而当大气水汽含量较大时,GPS PW与探空PW的偏差会增大,两者的相关系数会变小,这可能与GPS水汽反演方法有关;GPS PW比探空PW偏小,这可能是由两种探测方法的不同所造成的系统偏差。 相似文献
13.
由于桂林地区地基GNSS站并未配置气象传感器，致使大量GNSS观测数据无法在大气水汽（PWV）监测中发挥作用.针对这一情况，本文将欧洲中期天气预报中心（ECMWF）最新发布的ERA5再分析资料中测站处的气压和温度气象数据加入到GNSS水汽反演中，并将反演结果与利用地面气象站反演的GNSS水汽做对比，以此评估ERA5在桂林地区反演GNSS水汽的精度和适用性.结果表明：1）以桂林地区2017年10个地面气象站的实测气压和温度数据为参考值，ERA5地表气压和温度的年均偏差分别为-0.35 hPa和0.86 K，年均均方根误差（RMSE）分别为0.65 hPa和1.66 K，该精度可用于GNSS水汽反演；2）以2017年6—7月GNSS利用地面气象站反演的PWV为参考值，ERA5反演的GNSS PWV的偏差和RMSE分别为0.17 mm和0.35 mm，且两者具较好的相关性和一致性.由此表明，ERA5地表温压产品可应用于桂林地区GNSS水汽反演，这些研究结果可为桂林地区的GNSS水汽反演及数据源的选用提供重要的参考依据. 相似文献
14.
大气加权平均温度Tm是地基GPS水汽遥感的关键参数,决定了水汽反演的精度。利用2008—2011年全国123个探空站点资料,分析了Tm与其影响要素纬度、海拔、地面气温、水汽压及大气压之间的关系,结果表明:Tm与纬度和海拔随季节变化呈周期性负相关,与地面温度和水汽压的自然对数呈正相关,与大气压呈负相关;Tm的空间变化具有纬度地带性和明显的气候分布特征,其变异程度在空间分布上有显著差别,不同地理位置的Tm受季节性影响程度不一,Tm也具有明显的年际周期性变化,年内Tm的每日变化符合二次函数分布规律。按照全国、气候分区和季节分区方法,分别建立了Tm单因子和多因子回归模型,并利用2012年1—5月数据对所建模型进行验证,Tm的估算误差能满足GPS水汽遥感2%的精度,模型普遍适用于我国地基GPS水汽遥感中Tm的估算。 相似文献
15.
利用地基微波辐射计资料反演0-10km大气温湿廓线试验研究 总被引：3，自引：0，他引：3
实测与模拟的微波辐射计亮温存在偏差,导致基于BP神经网络模型的大气温湿廓线反演精度的降低。研究了一种基于资料订正后的BP神经网络反演大气温湿廓线的方法。首先,基于2014年6月南京江宁探空资料,利用MonoRTM模式,模拟中心频率在22.2GHz~58.8GHz范围内22通道亮温;对比模拟和实测南京站微波辐射计资料,建立实测微波辐射计资料订正模型。然后,以南京地区2011-2013年探空资料为输入,模拟22通道亮温数据,并基于模拟的22通道亮温数据和当地探空资料,利用BP神经网络算法,建立大气温度、水汽密度、相对湿度廓线反演模型。最后,利用构建的订正模型,对2014年7月试验获取的微波辐射计资料进行订正,并将订正后的微波辐射计资料输入BP神经网络反演模型,反演0-10km高度58层的大气温度、水汽密度和相对湿度,对比实际探空资料以及微波辐射计二级产品,评估分析反演效果。实验结果表明：所建的反演模型提高了大气温湿廓线反演精度,大气温度、水汽密度和相对湿度均方根误差范围分别为1.0~2.0K、0.20 ~1.93g/m3和2.5%~18.6%。 相似文献
16.
基于中国气象局发布的CRA40气象再分析资料,计算地基GNSS水汽反演中涉及气压、气温、大气水汽加权平均温度（Tm）、天顶对流层总延迟（ZTD）等关键参数,并分别以地面气象站（气压、气温）、无线电探空测站（Tm）以及地基GNSS测站（ZTD）为参考,对这些参数在中国地区的精度和可靠性开展了系统的评估.计算结果与欧洲中期天气预报中心（ECWMF）最新一代ERA5产品的计算结果进行比较,结果表明：基于CRA40计算的测站处气压和ZTD的平均RMS（均方根）分别为0.91 hPa和13.5 mm,略差于ERA5;计算的测站处气温和Tm平均RMS分别为2.67 K和1.47 K,略优于ERA5.三类参数（气压、气温、ZTD）的日变化总体趋势与实际观测符合较好. 相似文献
17.
利用香港Kings Park探空站(站号45004)2003—2009年探空资料回归了大气加权平均温度Tm、地面温度Ts、气压es和水汽压Ps的线性公式.通过比较分析发现Tm Ts单因素回归结果和Tm Ts、es、Ps多因素回归结果没有显著差异,但基于本地化探空数据的回归公式精度比Bevis公式高;增加样本数回归分析并不能显著提高公式精度,采用最近一月探空数据回归公式即可很好地由Ts拟合下年Tm,拟合均方根误差(F RMS)为1946 K;用2003年数据回归出的经验公式Tm=11329+05 863Ts去拟合2004—2009年的数据,拟合均方根误差〖JP2〗基本没有差异,因此某地Tm Ts经验公式一次回归可长期使用．通过对全国83个国际交换站2009年探空数据回归得出我国大陆地区最新Tm Ts经验公式为Tm=〖JP〗53244+0783Ts,该一般公式拟合均方根误差与本站数据回归剩余均方根误差(RRMS)相当,可代替本地公式广泛使用． 相似文献
18.
19.
GMS-5卫星资料和常规地面资料反演大气可降水量 总被引：6，自引：1，他引：6
探讨用GMS-5卫星资料结合常规地面资料反演大气可降水量的可行性，建立由3个通道亮温和地面水汽压反演可降水量的经验公式，并分季节进行回归统计，得到不同季节的统计参数。用990组数据对所得到的经验公式进行检验，得探空测值与反演值比较的平均绝对误差为0．1903g／cm^2，均方根误差为0．2758g／cm^2，相关系数为0．97，具有较高的反演精度。 相似文献