共查询到16条相似文献，搜索用时 265 毫秒
1.
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
2.
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
3.
利用山东区域及邻近探空站，分析GPT2模型估算气象参数（气温和气压）的精度，并将GPT2模型应用于SDCORS反演可降水汽中，分析评估其精度。研究表明，GPT2模型估算气温和气压的偏差均值分别为-1.61 ℃和0.53 Pa，标准差均值分别为2.84 ℃和4.42 Pa，均方根误差均值分别为3.27 ℃和4.49 Pa；GPT2模型估算的气象参数解算的SDCORS/PWV的偏差均值为1.22 mm，标准差均值为3.05 mm，均方根误差均值为3.46 mm，较GPT模型精度高，可靠性强。对于未配备气象传感器的CORS站，基于GPT2模型估算气温和气压，有助于利用区域CORS反演可降水汽，有效实现对大气可降水量的监测与预报。 相似文献
4.
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
5.
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
6.
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
7.
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
8.
以2015年GGOS Atmosphere格网产品和探空站资料为参考值，评价GPT2w模型在中国地区计算对流层加权平均温度Tm的精度和适用性。结果表明：1）在中国地区，1°分辨率的GPT2w模型精度和稳定性优于5°分辨率，且GPT2w模型表现出显著的系统性误差；2）Tm的bias和RMS误差均具有明显的时空变化特性，季节变化表现为春冬季较大、夏季较小，空间变化上RMS误差表现为随纬度增加而变大；3）受地形起伏和Tm日周期变化影响，Tm在中国西部和东北地区误差较大。 相似文献
9.
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
10.
利用长三角地区多个探空站气象资料、GNSS观测数据和GPT3模型,以探空资料的大气可降水量(PWV)为参考值,评估GPT3模型、两种地面气象资料法和GNSS等4种方法计算的PWV精度、可靠性和时效性。结果表明,GPT3模型可实时获取PWV,但精度较低;GNSS-PWV精度最高,但需要实测气象参数,会限制其应用范围;两种地面气象资料法精度较高,但需要地面露点温度数据。 相似文献
11.
������ѹ���ݵĿɽ�ˮ���о� 总被引：1，自引：1，他引：0
?????GPS?????????????????????????澫??????????????????????????????????????????????????????????????????侫????з?????????????????????????????????????????????????????????????????????????????????????????????????????????????????????С?????????????????????????????????????????????????????????????????п????????? 相似文献
12.
利用中国大陆构造环境监测网络的GPS观测资料，结合ERA-Interim模型气压和温度，解算2016年新疆地区GPS测站的大气可降水量，分析该地区大气可降水量的空间分布和季节性变化。结果表明：1）GPS和探空观测获取的大气可降水量具有较好的一致性，均方根误差约为2.7 mm；2）新疆地区全年平均大气可降水量在7.0~13.0 mm之间，且海拔每升高1 km，其含量减少约1.4 mm，当测站海拔相近时，大气可降水量随纬度的升高而减少；3）大气可降水量季节性变化明显，夏季为12.0~23.2 mm，冬季为1.4~5.5 mm，春、秋季大气可降水量差异不大且变化范围介于夏、冬季之间。 相似文献
13.
利用2010~2012年的IGS天顶对流层延迟(ZTD)序列、ERA5格网数据积分ZTD序列,在中国4个VLBI站点上对目前常用的经验模型进行优化,分别建立Local_ERA和Local_ZTD模型。基于2013~2014年IGS并址站点ZTD数据,将改进后的2种模型与全球GPT2w模型、SHAO-Gm模型进行对比。结果表明,改进后的Local_ERA、Local_ZTD模型精度相近,相对于GPT2w、SHAO-Gm模型平均精度在4个VLBI站点上都有提高,尤其在水汽季节性变化较强的北京站改进效果明显;其中Local_ERA平均精度略高于Local_ZTD,比GPT2w模型精度提高7.90%,比SHAO-Gm模型精度提高21.26%。 相似文献
14.
利用无线电探空和地基水汽辐射计的观测数据,对中国沿海GPS观测网9个观测站反演的1 h间隔可降水量进行对比分析。与无线电探空结果相比,地基GPS反演可降水量的年相关系数在0.95以上,平均偏差自北向南呈逐渐增大的趋势。除西沙站外,其他站的年平均偏差在2 mm之内,均方差在3 mm之内,且平均偏差和均方差存在季节性变化。与地基水汽辐射计结果相比,地基GPS反演可降水量同样具有很好的正相关,同步观测期间两者相关系数为0.989,两者的平均偏差为1.84 mm,偏差的均方差为2.06 mm,且7～9月的月均方差较大。 相似文献
15.
提出一种顾及水汽衰减因子的PWV估算模型,通过输入地面大气水汽压和水汽衰减因子获得PWV,并选取2018年中国地区85个探空测站和7个IGS测站1 a的观测数据用于验证新模型的精度。结果表明,在已知当日水汽衰减因子的情况下,模型估算的PWV精度约为2 mm;也可通过GPT2w格网内插得到任意位置的水汽衰减因子,其结果精度与传统的一次多项式模型相当,但新模型的作用范围更广、适用性更强。 相似文献
16.
????GPS?????????????(PWV)??????????????????????????SA????????????????GPS???????????????????GPS????????????????????????θ???????????????ù??????????????????????????С??100 m???????????????????μ????????????Saastamoinen?????????????????????????????????IGS???BJFS??KUNM??LHAZ??TWTF??????????????????????????????????GPS PWV????????????????????RS PWV?????ж???????????????????????????θ???????????????????GPS PWV??RS PWV??????????????1~3 mm?????????????????????????????????GPS????PWV?? 相似文献