排序方式： 共有5条查询结果，搜索用时 15 毫秒
1
1.
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
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,... 相似文献
3.
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
4.
由于桂林地区地基GNSS站并未配置气象传感器，致使大量GNSS观测数据无法在大气水汽（PWV）监测中发挥作用.针对这一情况，本文将欧洲中期天气预报中心（ECMWF）最新发布的ERA5再分析资料中测站处的气压和温度气象数据加入到GNSS水汽反演中，并将反演结果与利用地面气象站反演的GNSS水汽做对比，以此评估ERA5在桂林地区反演GNSS水汽的精度和适用性.结果表明：1）以桂林地区2017年10个地面气象站的实测气压和温度数据为参考值，ERA5地表气压和温度的年均偏差分别为-0.35 hPa和0.86 K，年均均方根误差（RMSE）分别为0.65 hPa和1.66 K，该精度可用于GNSS水汽反演；2）以2017年6—7月GNSS利用地面气象站反演的PWV为参考值，ERA5反演的GNSS PWV的偏差和RMSE分别为0.17 mm和0.35 mm，且两者具较好的相关性和一致性.由此表明，ERA5地表温压产品可应用于桂林地区GNSS水汽反演，这些研究结果可为桂林地区的GNSS水汽反演及数据源的选用提供重要的参考依据. 相似文献
5.
大气可降水量(PWV)在研究全球气候变化和数值天气预报中扮演着关键角色.然而,目前PWV的垂直改正主要依靠简单的经验改正模型,在一定程度上限制了多源水汽产品的高精度融合及不同水汽产品相互比较的可靠性.本文针对中国地区地形起伏大、气候多变等特点,利用2012—2017年欧洲中期天气预报中心提供的ERA 5再分析资料,按全国、地理分区方法分别构建了顾及时变递减因子的中国大陆地区PWV垂直改正模型(简称为C-PWVC1模型和C-PWVC2模型).以2017年中国地区86个探空站数据为参考值,分别将ERA 5和MERRA-2再分析资料格网数据插值到探空站来对新建立的模型进行精度评估.结果表明:①C-PWV C1和C-PWV C2模型在PWV垂直改正中的性能相当;②C-PWV C模型相比于未顾及垂直改正的情况,对ERA5和MERRA-2的修正精度(RMS值)整体分别提高了16％ 和8％,与常用的PWV垂直改正模型相比,对ERA5改善不够显著,而对MERRA-2则提高了12％;③C-PWV C模型在两种PWV高差较大时,表现出显著的优势,对MERRA-2的改正效果比ERA5更明显;④C-PWVC模型在不同空间分辨率的ERA5上,相比于常用的PWV垂直改正模型具有更好的插值精度和稳定性,尤其在中国南部和西部地区表现出显著的优势.因此,C-PWVC模型在中国大陆地区有较好的PWV垂直改正性能,可为中国区域的多源水汽产品比较、融合提供重要应用. 相似文献
1