共查询到19条相似文献，搜索用时 93 毫秒
1.
主要研究了中国区域加权平均温度(T_m)与地表温度(T_s)的函数关系模型。为提高中国区域T_m的计算精度,收集了中国区域内2013-2015年76个测站的无线电探空数据,采用传统线性回归建模方法建立T_m与地表温度(Ts)的线性回归模型A;然后,顾及T_m的年周期变化,提出了一种改进回归模型B。利用2016年69个测站的探空数据对模型A和模型B进行检验,模型A与模型B的年均方根误差分别为±3.147K和±3.025K,而常用的Bevis模型年均方根误差为±3.385K。模型A与模型B的精度较之常用的Bevis模型分别提高了7%和11%。本研究成果可以提高GNSS技术探测大气可降水量的精度,对GNSS气象学的发展和完善具有积极意义。 相似文献
2.
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
3.
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
4.
大气加权平均温度的准确获取对高精度的GPS水汽反演至关重要。文中基于线性回归理论,在分析加权平均温度与地面温度间相关性的基础上,采用一元线性拟合的方法,建立大气加权平均温度经验模型。最后,采用香港地区2006-2015年无线电探空资料对经验模型进行验证。实验结果表明,文中模型计算加权平均温度的整体均方根误差为2.356 K,较Bevis模型精度提高了41.94％,且季节变化对加权平均温度计算的影响并不明显;对于GPS水汽反演,采用本文经验模型反演水汽的均方根误差为1.807 mm,平均偏差为1.362 mm,能够满足GPS可降水量反演的精度,且优于Bevis模型。 相似文献
5.
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
6.
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
7.
Landsat 8地表温度反演及验证—以黑河流域为例 总被引：1，自引：0，他引：1
地表温度是区域和全球尺度地表物理过程的一个重要参数,目前已有的地表温度产品空间分辨率较低,缺乏高空间分辨率的地表温度产品。Landsat系列卫星提供了大量免费的高空间分辨率遥感数据,然而对应的高空间分辨率地表温度产品还未见到,为了获取长时间序列的高空间分辨率地表温度数据,针对Landsat 8 TIRS数据提出了一个物理单通道地表温度反演算法。该算法首先利用ASTER全球地表发射率产品(ASTER GED)结合Landsat 8地表反射率产品计算Landsat 8影像的地表发射率,然后利用快速辐射传输模型RTTOV结合MERRA大气廓线数据对热红外影像进行大气校正,最后利用物理单通道地表温度反演算法得到地表温度。利用黑河流域HiWATER试验2013年—2015年15个站点的实测地表温度数据对本文方法和普适性单通道算法进行了验证,同时对验证站点的空间异质性进行了分析。结果表明,本文方法和普适性单通道算法估算的地表温度整体精度均较高,能够获取高精度、高空间分辨率的地表温度数据,可以服务于城市热岛效应、地表蒸散发估算等相关研究。 相似文献
8.
地表温度在全球能量平衡和气候变化研究中具有重要意义。中国新一代高分辨率卫星高分五号卫星(GF-5)搭载的全谱段成像光谱仪有4个40 m空间分辨率的热红外波段,可以提供高空间分辨率的地表温度信息。本文提出了适用于全谱段成像光谱仪的温度与发射率分离TES(Temperature and Emissivity Separation)算法同时反演地表温度和发射率,为了提高大气校正精度,算法加入了水汽缩放WVS(Water Vapor Scaling)大气校正方法。首先利用Seebor V5.0全球大气廓线库构建模拟数据对算法精度进行了评价;然后利用张掖地区11景ASTER影像作为替代数据和同步的地面实测数据对算法精度进行了验证。模拟数据结果表明加入WVS方法后TES算法反演地表温度的RMSE由2.59 K降低到1.54 K,4个波段地表发射率的RMSE分别从0.122、0.12、0.102和0.037降低到0.042、0.04、0.028和0.026;地表验证结果表明本文算法反演的地表温度与站点实测值具有更好的一致性,平均Bias由1.08 K降低到0.47 K,RMSE由2.17 K降低到1.7 K;反演的各波段地表发射率与地面实测结果误差均小于1%。因此,本文提出的温度与发射率分离算法具有较高精度,可以利用GF-5数据获取高精度高空间分辨率的地表温度和发射率数据,服务于其他相关研究。 相似文献
9.
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
10.
利用地面气象观测资料确定对流层加权平均温度 总被引：2，自引：0，他引：2
地基GPS气象学的核心思想是通过垂直方向上GPS信号的湿分量延时确定出可降水分 ,而这两个物理量之间的转换必须使用对流层加权平均温度。本文首先讨论了上述转换估计中加权平均温度的几种逼近方式及其容许误差 ,然后利用香港地区的地面和高空气象资料 ,采用逐步回归分析方法 ,建立了适合香港地区的对流层加权平均温度计算公式 ,通过数据分析表明 ,这个公式有效地消除了在香港地区使用Bevis经验公式引起的系统误差 ,较好地满足了地基GPS气象应用中实时性和高精度的要求。本研究也充分表明 ,在地基GPS气象研究中 ,应该利用本地区的气象资料来确定适合本地区的估计对流层加权平均温度的经验公式。 相似文献
11.
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
12.
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
13.
加权平均温度（Tm）是全球导航卫星系统技术中反演可降水量的关键参数。利用欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecasts，ECMWF）的产品对Tm在垂直方向上的分布特性进行分析，并构建了一种新的全球Tm模型。利用ECMWF和无线电探空数据对该模型进行检验，并将其与现存的高精度Tm模型进行比较。实验结果显示，Tm在高程方向上存在非线性变化特征，而且该特征在高纬度地区特别是两极区域尤为明显。当利用ECMWF和探空数据检验构建的Tm模型时，其均方根误差分别为3.84 K和4.36 K，相比于现存的Tm模型精度分别提升了27%和20%。构建的模型可以显著提升Tm在垂直方向上的归算效果，由该模型计算出的Tm廓线与参考值更加接近。 相似文献
14.
大气加权平均温度（Tm）是全球导航卫星系统（global navigation satellite system, GNSS）反演大气水汽（precipitation water vapor, PWV）的关键参数。当前已有Tm模型提供的Tm信息难以捕获其日周期变化,因此限制了其在高时间分辨率GNSS PWV估计中的精度。大气再分析资料可提供高时空分辨率的Tm格点产品,但是在使用时需要对其进行空间插值,且Tm在高程上的变化远大于其在水平方向上变化。同时,针对中国区域地形起伏大等特点,提出顾及垂直递减率的中国区域Tm格点产品空间插值方法,以分布于中国区域的2015年89个探空站资料为参考值,验证了提出的方法在全球大地测量观测系统大气中心Tm格点产品和美国国家航空和太空管理局提供的MERRA?2的Tm格点产品中的空间插值精度。结果表明:（1）在顾及垂直递减率的Tm格点产品空间插值中,反距离加权法的插值效果优于双线性插值法,其在中国区域全球大地测量观测系统大气中心和MERRA?2的Tm格点产品空间插值中的偏差分别为0.72 K和0.23 K,均方根误差分别为1.94 K和1.87 K。（2）顾及垂直递减率的空间插值效果明显优于未顾及垂直递减率的插值效果,尤其在地形起伏较大的中国西部地区。因此,顾及垂直递减率的空间插值法在中国区域的高精度、高分辨率GNSS水汽探测中具有重要的应用。 相似文献
15.
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
16.
地基全球卫星导航系统（GNSS）水汽反演过程中需要大气加权平均温度Tm的参与，而饱和水汽压Es作为Tm计算过程中的一个重要变量影响着Tm，因此Es将会间接地影响大气可降水量（PWV）的反演精度.针对目前地基GNSS水汽反演研究中普遍采用的三种不同的饱和水汽压模型（Magnus-Tetens模型、BUCK模型、Goff-Gratch模型），本文就不同的饱和水汽压模型参与反演是否会引起水汽反演结果的差异进行了研究.以香港为研究区域，利用GAMIT解算了2016年旱雨两季（2、7月）的天顶湿延迟（ZWD），同时利用king's park探空站的探空数据通过数值积分计算得到旱雨两季（2、7月）的Tm，然后严格参照反演步骤编程模拟计算旱雨两季（2、7月）每天的PWV.最后对比并分析了不同饱和水汽压模型参与计算对Tm和PWV的影响及原因，结果表明:三种饱和水汽压模型参与计算得到的PWV与真值（探空站计算得到的PWV）之间不存在具有统计意义的显著性差异，因此均可被用来提供计算Tm时所用到的饱和水汽压Es，但是通过对比分析发现部分研究人员将BUCK模型中的变量T当作露点温度而非大气温度进行计算会使Tm产生较大的误差，进而对该误差进行了不合理性分析.本文的分析将会对后续地基GNSS水汽反演研究中的处理提供一定的参考. 相似文献
17.
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
18.
A globally applicable, season-specific model for estimating the weighted mean temperature of the atmosphere 总被引：3，自引：1，他引：2
In GPS meteorology, the weighted mean temperature is usually obtained by using a linear function of the surface temperature T s. However, not every GPS station can measure the surface temperature. The current study explores the characteristics of surface temperature and weighted mean temperature based on the global pressure and temperature model (GPT) and the Bevis T m–T s relationship (T m =?a?+?bT s). A new global weighted mean temperature (GWMT) model has been built which directly uses three-dimensional coordinates and day of the year to calculate the weighted mean temperature. The data of year 2005–2009 from 135 radiosonde stations provided by the Integrated Global Radiosonde Archive were used to calculate the model coefficients, which have been validated through examples. The result shows that the GWMT model is generally better than the existing liner models in most areas according to the statistic indexes (namely, mean absolute error and root mean square). Then we calculated precipitable water vapor, and the result shows that GWMT model can also yield high precision PWV. 相似文献
19.
利用中国区域内93个无线电探空站2005-2010年的探空数据,分析加权平均温度的特征,并分析Bevis公式在中国的适用性。同时利用北京站2005-2010年的无线电探空数据进行北京地区加权平均温度模型的本地化研究,并利用模型进行北京地区2011年加权平均温度的计算,其结果与实际加权平均温度的差值平均值为2.16K,均方根误差为4.78,同时将利用模型生成的可降水汽量与利用探空数据获得的可降水汽量进行对比,差值平均值为-1.42K,均方根误差为2.87。实验证实北京地区本地化模型的精度较高,实用性较强。 相似文献