共查询到17条相似文献，搜索用时 109 毫秒
1.
利用精密单点定位(PPP)技术处理贵州地基GNSS观测数据,获得高精度天顶对流层延迟(ZTD),进而开展水汽反演获得大气可降水量(PWV)产品。基于斜路径可降水量(SWV),使用自适应联合代数重构算法进行三维水汽层析,空间分辨率优于30 km×30 km,时间分辨率为5 min。以无线电探空数据为参考评估ZTD和PWV精度,其RMS分别为3.55 mm和1.03 mm。以ERA5再分析资料为参考评估三维层析精度,无暴雨发生时,三维层析相对误差不超过10%,偏差最大值为1.03 g/m3。以无线电探空数据为参考评估三维层析精度,层析结果与无线电探空数据的相关系数在0.97以上,具有较好的一致性。贵阳站和威宁站的平均RMS分别优于0.5 g/m3和1.2 g/m3。 相似文献
2.
通过研究影响代数重构方法的因素,如松弛因子、投影次序、停止规则、非负约束,针对水汽层析方程组的特点,提出一种基于分组排序的水汽层析约束ART算法（WVTART）,并给出投影排序的去相关原则。实验分析证明,WVTART算法提高了收敛速度以及层析结果的精度。 相似文献
3.
用乘法代数重构方法反演电离层电子密度时，没有GPS测量射线穿过的电离层网格的反演精度依赖于迭代初值。就此，提出一种改进的代数重构算法--附加尺度因子的代数重构算法（Scaling-ART）。将实测STEC与迭代中当前电子密度计算的STEC的比值作为基本尺度，依据电子密度的空间相关性和网格中心到观测射线的距离，对没有信号穿过的网格也计算出对应尺度进行调整，使其向真值逐渐逼近，提高反演精度。实验证实，改进的新算法相比于原有的乘法代数重构算法能够取得更好的反演精度。 相似文献
4.
在经典的对流层层析模型基础上提出一种新的层析模型。首先采用非迭代重构算法估算出层析网格顶点处的水汽密度值,然后根据网格顶点处的湿度信息内插出网格中心点处的水汽密度值,并将其作为初始值,通过迭代重构算法对其进行再次修正。组合重构算法能够为迭代重构算法提供高质量、高可靠性的初始值。试算结果表明,组合重构算法相比单一重构算法具有更高的精度。 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.
针对中国南部地区地势西高东低、沿海与内陆存在差异等情况,分析中国南部地区Tm与地面温度、测站高度、季节变化以及纬度的关系,利用中国南部地区19个探空站2015~2017年的探空数据,在Bevis公式的基础上建立只考虑地面温度的线性模型（Tm-SC1模型）和与地面温度、高程、季节变化以及纬度有关的新Tm模型（Tm-SC2模型）。以2018年的探空数据为参考值,对Tm-SC1模型和Tm-SC2模型进行精度验证,并与广泛使用的Bevis公式和GPT3模型进行精度比较。结果表明,Tm-SC1模型的年均偏差和均方根误差（RMS）分别为0.76 K和2.57 K,相比Bevis模型和GPT3模型,其精度（RMS值）分别提高13.8%和2.2%;Tm-SC2模型的年均偏差和均方根误差（RMS）分别为-0.10 K和1.64 K,相比Bevis模型和GPT3模型其精度（RMS值）分别提高44.9%和37.6%。Tm-SC2模型用于GNSS水汽计算导致的理论RMS误差和相对误差分别为0.16 mm和0.43%。因此,Tm-SC2模型更适用于中国南部地区的GNSS水汽探测以及气象研究。 相似文献
7.
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
8.
利用ERA-Interim再分析资料对地基GNSS水汽层析中几个关键技术进行优化。首先利用ERA-Interim提供的大气产品建立同时顾及时间及地表温度参数的区域性大气加权平均温度模型；然后根据ERA-Interim提供的高垂直分辨率的水汽产品，分析“水汽层层顶”随时间变化的规律；最后提出一种新的划分垂直方向层析网格的方法。选取我国香港地区的12个CORS站2014-06的观测数据进行试算，结果表明，与探空资料相比，6 km高度以下优化后的层析结果相比传统层析结果精度提高了12%，在6 km高度以上提高了17%。 相似文献
9.
通过数值模拟仿真将SIRT算法应用于水汽层析过程,结果显示该算法可以较好地重构水汽的空间分布,并且不受观测方程性质的影响,收敛较快,较之求逆的层析算法更易于实现。 相似文献
10.
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
11.
利用GPS遥感的可降水量、气象数据、探空数据及降雪资料,分析中国北极黄河站区的可降水量特征,得出可降水量与地面水汽压的转换模型;分析可降水量、露点温度差、水汽压在强降雪天气中的变化特征,研究强降雪天气过程中的探空层结构,有助于利用GPS可降水量预报雨雪天气。 相似文献
12.
为解决卫星重力梯度大尺度密度反演存在的平面模型误差、病态矩阵正则化、大型矩阵求逆、先验数据融合等问题,依托Tesseroid单元体模型,分别采用广义岭估计、代数重建(ART)、遗传算法完成了附加高斯白噪声的模拟异常体密度反演实验,并将反演结果与原始设定模型进行比较分析。 相似文献
13.
???????????????????????????????????????????????????????????桢????????????????????Tesseroid??????????????ù????????????????(ART)????????????????????????????????????????飬???????????????趨?????б??????? 相似文献
14.
地磁测深一维反演可以获得地磁台站下方地球深部电导率结构。将改进模拟退火算法应用于地磁测深数据的反演,并将基于反演过程中的所有优质解进行统计分析得到的期望值作为模型最优解。地磁测深合成数据的一维反演测试结果表明:对于无噪声的理论数据,传统模拟退火算法可以恢复出真实的电导率剖面;存在噪声时,相较传统模拟退火算法,改进模拟退火算法可以有效克服噪声影响,并在噪声低于可接受的水平时,得到非惟一模型参数的可靠估计结果。对兰州台站的实际数据反演结果表明:在地磁测深敏感的深度范围内获得了与前人一致的电导率剖面;但是在地幔转换带下层,反演得到的电导率偏低。结合岩石物理实验结果,推测兰州地区地幔转换带下层可能是干冷的,周围地区深部地幔柱可能影响不到兰州地区深部热状态。 相似文献
15.
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
16.
针对传统对流层延迟模型精度较低的缺点，基于神经网络模型误差补偿技术，在Hopfield模型基础上建立一个适用于北半球的高精度融合模型。以Wyoming大学提供的2010年全球120多个观测台站的气象探空数据精密解算的天顶对流层延迟(ZTD)作为近似“真值”，分析比较Hopfield模型、传统BP模型和融合模型的计算精度。结果表明，Hopfield模型的均方根误差（RMSE）为35.31 mm，传统BP模型为30.34 mm，融合模型为23.31 mm。 相似文献
17.
基于香港CORS站的实测GPS和气象数据,设计并实现利用多历元观测值层析水汽的方法,分析不同天气对该方法层析结果的影响。结果表明,该方法在RMS和误差统计方面均优于传统方法。此外,不同天气对层析结果影响不同,但无论在何种天气下,该方法均优于传统方法。 相似文献