共查询到13条相似文献，搜索用时 93 毫秒
1.
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
2.
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
3.
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
4.
利用湖南地区长沙、怀化、郴州3个探空站数据,将数值积分法计算的Tm作为参考值,并基于最小二乘法建立湖南地区Tm本地化模型。研究结果表明,Bevis模型计算的Tm值在湖南地区存在2.51 K的系统偏差;湖南本地化模型Tm值与地面温度Ts之间的相关系数达到0.942 5,模型平均偏差1.60 K,内符合精度1.41 K;基于本地化Tm模型计算的GPS PWV与利用探空数据计算的PWV相比,平均偏差为0.52 mm,标准差为2.21 mm,RMS为2.45 mm。总体而言,本地化Tm模型的精度优于Bevis模型,更适用于湖南地区的GPS气象研究及业务应用。 相似文献
5.
针对区域相对高程对Tm模型影响研究领域的空缺,基于已有的对流层顶经验模型,讨论区域相对高程对Tm模型的影响,并在此基础上构建中国区域的h0Tm回归模型,同时建立青藏高原地区的区域模型h0Tm-Qz。模型检验结果表明：1）以ERA5格网数据为参考值,h0Tm模型的RMS为2.43 K,相比于Bevis公式和GPT2w-1模型,精度分别提高了1.15 K(32%)和0.63 K(21%);2）以探空数据为参考值,h0Tm模型的RMS为2.48 K,相比于Bevis公式和GPT2w-1模型精度分别提高了1.19 K(32%)和2.06 K(45%),h0Tm模型在中国区域表现出较低的误差和良好的稳定性,尤其是在中国西部地区表现出更为显著的优势;3）顾及区域相对高程的青藏高原区域模型h0Tm-Qz相较于该地区的单因子（Ts）区域模型TsTm-Qz和Bevis公式,精度分别提高了0.54 K(19%)和2.50 K(51%)。 相似文献
6.
以中国西南地区2015~2017年探空数据为实验数据,使用多层感知器（MLP）神经网络回归方法建立西南地区的加权平均温度(Tm)模型。将气象参数（地表温度、水汽压）和非气象参数（高程、纬度和年积日）作为模型输入因子,由数值积分法计算得到的Tm作为学习目标,通过神经网络模型进行迭代训练从而得到中国西南地区的Tm。以2018年探空站Tm数据为参考值,对MLP模型精度进行验证,并与Bevis模型和GPT3模型进行对比分析。结果表明,MLP模型的年均RMSE和年均bias分别为1.99 K和0.15 K,比Bevis模型、GPT3模型年均RMSE分别降低1.36 K(40.6%)和1.51 K(43.1%),年均bias分别下降0.70 K（82.4%）和1.04 K（87.4%）,且该模型在中国西南区域不同高程、纬度和季节的精度与稳定性优于Bevis模型和GPT3模型。 相似文献
7.
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
8.
石一凡刘立龙兰胜伟张清岚李浩杰 《大地测量与地球动力学》2023,(12):1300-1306
结合粒子群优化算法和BP神经网络,利用中国区域88个探空站2015-2017年的数据,以地表温度、地表水汽压、纬度、高程、年积日作为模型输入因子,以积分法获得的Tm值为学习目标,建立适用于中国区域的Tm模型PSOTM。以2018年探空数据为参考值评定PSOTM模型精度,并与Bevis、GPT3、传统BP神经网络(BPTM)、GRNN神经网络(GRNNTM)模型的计算结果进行对比。结果表明,PSOTM模型年均RMSE为3.08 K,相对于Bevis、GPT3、BPTM和GRNNTM模型分别降低26.84%、35.97%、15.38%和4.94%;PSOTM模型年均bias为0.32 K,相对于Bevis、GPT3和BPTM模型分别降低68.93%、82.42%和72.41%,较GRNNTM模型升高37.50%。PSOTM模型在中国区域不同纬度和高程的精度与稳定性优于Bevis、GPT3和BPTM模型,具有良好的适用性。 相似文献
9.
《大地测量与地球动力学》2017,(3)
利用湖南地区长沙、怀化、郴州3个探空站数据,将数值积分法计算的T_m作为参考值,并基于最小二乘法建立湖南地区T_m本地化模型。研究结果表明,Bevis模型计算的T_m值在湖南地区存在2.51K的系统偏差;湖南本地化模型T_m值与地面温度Ts之间的相关系数达到0.942 5,模型平均偏差1.60K,内符合精度1.41K;基于本地化T_m模型计算的GPS PWV与利用探空数据计算的PWV相比,平均偏差为0.52mm,标准差为2.21mm,RM_S为2.45mm。总体而言,本地化T_m模型的精度优于Bevis模型,更适用于湖南地区的GPS气象研究及业务应用。 相似文献
10.
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
11.
???????????48??IGS?2009-2011??????????????????ZTD?????????????EGNOS???????ZTD???????????????????????1??????????????????IGS?????ZTD??EGNOS???????ZTD???????????????-0.18 cm??5.98 cm?????й?????????0.81 cm??6.13 cm??2????????????????????????仯????????????????＾??С??????????????????????С??3????????????????γ?????仯???????????????????????????γ????????????????????????????????γ????????????????????仯????С??4:???????????γ?????????????????????????????????仯????? 相似文献
12.
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
13.
利用湖南地区长沙、怀化、郴州3个探空站连续3 a（2012～2014年）的观测数据，以数值积分法计算的大气加权平均温度（Tm）作为参考值，分析Tm与地面气温Ts、水汽压es及大气压Ps之间的相关性，并基于最小二乘原理建立湖南地区多因子Tm模型。研究结果表明，Tm与地面温度Ts和水汽压es呈正相关性，与大气压Ps呈负相关；Bevis模型的Tm偏差主要分布在0～4 K之间，存在一定的系统偏差，而基于Ts单因子的Tm模型偏差主要分布在-2~3 K之间；双因子与三因子精度相当，但均优于单因子模型。总体而言，基于地面气温Ts和水汽压es的双因子Tm模型的精度优于基于Ts的单因子模型，更优于Bevis模型，适用于湖南地区的GPS气象研究及业务应用。 相似文献