排序方式： 共有28条查询结果，搜索用时 93 毫秒
11.
融合全球导航卫星系统（global navigation satellite system,GNSS）与中分辨率成像光谱仪（moderate-resolution imaging spectroradiometer,MODIS）可获得高精度、高空间分辨率的水汽分布信息。开展基于中国大陆构造环境监测网络（crustal movement observation network of China,CMONOC）观测资料的中国大陆地区MODIS水汽校正研究。首先,根据地理环境、海拔、气候类型等因素将中国大陆分为16个区域,开展区域MODIS水汽和GNSS水汽的相关性分析;其次,分区域、分季节选择不同的函数模型构建基于GNSS的MODIS水汽校正模型;然后,采取区域模型、单站点模型与实测GNSS水汽开展模型的可靠性检验;最后,通过分区域MODIS水汽校正和图像叠加,获得校正后的中国大陆地区MODIS水汽分布。研究表明,区域MODIS水汽校正模型精度与单站点模型相当,可取代单站点模型用于MODIS水汽校正。基于CMONOC的分区域函数模型可有效提高MODIS水汽精度,为短期天气预报和合成孔径雷达... 相似文献
12.
PM2.5浓度时空演化特征分析有助于大气污染的现状和发展认知,但PM2.5浓度监测积累时间较短,且受到排放强度和气象因素的影响,因此可融合全球导航卫星系统（Global Navigation Satellite System,GNSS）天顶可降水量（precipitable water vapor,PWV）、风速和大气污染物构建PM2.5浓度模型。以河北省为例,首先分别开展PM2.5浓度与大气污染物、GNSS PWV及风速的相关性分析;然后将大气污染物、GNSSPWV和风速作为输入,PM2.5浓度作为输出,利用逆传播（back propagation,BP）神经网络分别构建城市PM2.5浓度模型和区域PM2.5浓度模型;最后进行PM2.5浓度模型可靠性检验。将模型预测值与PM2.5浓度实测值比较发现,预测PM2.5浓度等级准确率高,相对误差较低。该模型可用于区域PM2.5浓度时空演化特征分析。 相似文献
13.
融合全球卫星导航系统(GNSS)与风云气象卫星FY-4A可获得高精度高空间分辨率的水汽分布信息.利用中国大陆构造环境监测网络(CMONOC)提供的GNSS观测资料开展京津冀地区FY-4A水汽校正研究.首先对京津冀地区进行区域划分,按区域分季节开展GNSS水汽与FY-4A水汽的相关性分析;其次分区域、分季节选择不同的函数模型结合GNSS水汽资料构建FY-4A水汽校正模型;然后采取区域模型、单站点模型与实测GNSS水汽开展模型的可靠性检验;最后通过分区域FY-4A水汽校正和图像叠加,获得校正后的京津冀地区FY-4A水汽分布.研究表明:FY-4A水汽与GNSS水汽的相关性较好,区域FY-4A水汽校正模型精度与单站点模型精度相当,可取代单站点模型用于FY-4A的水汽校正.基于CMONOC的分区域函数模型在一定程度上提高FY-4A水汽精度,为短期天气预报和合成孔径雷达(InSAR)大气校正提供参考. 相似文献
14.
???????GPS???????????????о???????????GPS???????????????????????о??????????????????????????????????????????????????????У???????????????????????е????????????????????????????????????????? 相似文献
15.
以2014-01~03的河北省GPS和PM2.5观测数据为例,利用小波变换方法开展GPS水汽和PM2.5浓度的相关性分析。结果表明,低频系数重构的GPS水汽与PM2.5浓度序列较好地反映了两者之间的正相关特性;D7高频信号（128~256 h）及D7与D6高频信号（64~256 h）重构的GPS水汽与PM2.5浓度的相关性较原始序列的相关性有较大提高;对于持续7 d的重度雾霾过程,由第7层和第6层高频系数重构的GPS水汽序列与PM2.5浓度序列的相关性达到0.890;不同时刻水汽变化对PM2.5浓度观测的影响,在水汽变化波动较大时段,水汽与PM2.5浓度的相关性为正;对于水汽变化波动较小时段,由于水汽与PM2.5浓度峰值时刻的差异,水汽与PM2.5浓度序列的相关性则不明显。 相似文献
16.
通过北京市2013年的PM2.5/PM10资料与GPS可降水量资料比较发现,在秋冬春季节,PM2.5/PM10与GPS可降水量呈明显的正相关性,相关系数大于0.5,在个别时段达到了0.89,而这一相关性在降水较多的夏季并不明显;水汽含量的上升是秋冬春季节雾霾天气过程发生的重要因素。 相似文献
17.
利用小波变换方法对中国IGS站点ZTD时间序列进行分解与重构,分析ZTD序列的低频趋势项、高频年变化周期项与年降水量的对应关系,并结合气候资料分析原因。研究发现,ZTD低频趋势项与年降水量的变化趋势相同,ZTD高频周期项与年降水量变化存在较好的对应关系,ZTD年周期项峰值的高低对应年降水量的多少。 相似文献
18.
利用2016年中国大陆构造环境监测网络的GNSS数据开展水汽短时频域特征研究,按气候类型将中国大陆地区划分为5个区域,并在每个区域中随机抽取若干个站点采用快速傅里叶变换方法进行分析,提取不同季节的GNSS水汽周期特征。结果表明,各类站点的水汽频域特征存在明显的区域性变化和季节性差异;高原山地气候、热带季风气候和亚热带季风气候类型的GNSS站点的周期性变化显著;热带季风地区、亚热带季风地区及沿海地区水汽振幅较大,高原山地和温带大陆地区水汽振幅较小。 相似文献
19.
为提高PM2.5浓度预测的时效和精度,本文综合大气污染物、GNSS水汽和风速等观测要素,利用FFT与LSTM神经网络方法构建PM2.5浓度预测模型,开展未来24 h的PM2.5浓度预测研究。首先对大气污染物、GNSS水汽和风速等观测要素进行快速傅里叶变换,提取各类要素的公共变化周期,获得最佳公共周期为216 h;然后选取最佳公共周期长度的各类要素作为模型输入,24 h序列的PM2.5浓度作为模型输出,分别以PM2.5单要素的RBF神经网络和融合大气污染物、风速、GNSS水汽的LSTM神经网络构建PM2.5浓度预测模型;最后利用实测PM2.5浓度序列分别对2种模型开展外部可靠性检验,将RMSE和IA作为评价指标进行模型精度评价。研究结果表明,基于FFT-LSTM的PM2.5浓度预测模型的RMSE和IA分别为16.22 μg/m3和84.36%,模型预测精度较好,可有效预测未来24 h的PM2.5浓度,该模型可为大气污染防治部门空气质量预测提供参考。 相似文献
20.
冬春季节的空气质量预测有助于公众合理安排出行和政府相关部门的交通治理.细颗粒物(PM2.5)的浓度主要影响因素有大气污染物、水汽等.为提高PM2.5浓度预测的精度,以京津冀地区为例,利用快速傅里叶变换(fast Fourier transform,FFT)与长短期记忆(long short term memory,LSTM)神经网络方法相结合,考虑GNSS、ERA5水汽、大气污染物等观测要素,构建PM2.5的浓度预测模型,预测研究未来24 h的PM2.5的浓度.利用GNSS水汽校正区域ERA5水汽,并进行精度评定.利用FFT取大气污染物、第五代大气再分析产品(ECMWF atmospheric reanalysis 5,ERA5)水汽等观测要素的公共变化周期,获得最佳公共周期为78 h;选取最佳公共周期长度的各类要素作为模型输入,24 h序列的PM2.5浓度作为模型输出.通过均方根误差(root mean square error,RMSE)评价指标进行模型精度评价.研究结果表... 相似文献