首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   5篇
  免费   1篇
测绘学   3篇
综合类   3篇
  2022年   1篇
  2020年   2篇
  2019年   2篇
  2016年   1篇
排序方式: 共有6条查询结果,搜索用时 15 毫秒
1
1.
采用IGRA提供的2017年81个无线电探空站的探空资料,对4种对流层延迟模型在中国区域的精度进行综合评估与分析。结果表明,GPT2w模型的性能要优于依赖气象参数的Saastamoinen模型及基于球谐函数的GZTD和UNB3m模型;GPT2w模型的偏差均值MB(mean bias)和均方根误差RMSE分别为-0.8 cm和4.1 cm,各测站的MB和RMSE分别处于-2~2 cm和1.3~7.9 cm之间。UNB3m模型在中国区域存在较大的MB和RMSE,模型的RMSE最大可达10.2 cm。4种模型的精度对测站纬度具有一致的敏感性,表现为随测站纬度的升高而降低;模型精度呈明显季节性变化,且不同模型对季节的敏感程度有所差异;对流层湿延迟难以精确建模导致模型精度在夏季(RMSE为6~9 cm)低于冬季(RMSE为2~2.5 cm)。  相似文献   
2.
利用IGRA提供的全球593个无线电探空站2014年的探空资料,对Bevis 经验公式、GTm-Ⅱ和GTm-Ⅲ模型进行精度验证,对各模型随纬度、季节的变化规律进行分析研究。结果表明,在全球范围内,GTm-Ⅲ模型的总体精度(MAE=3.26 K, RMS=4.10 K)要优于另外两个模型;3种模型的精度在中低纬度地区较高,高纬度地区较低;Bevis公式和GTm-Ⅱ模型的精度在南北半球具有不对称性;各模型精度的季节性变化规律基本一致,模型的RMS在不同季节相差2~3 K。  相似文献   
3.
利用2014~2018年的ERA-Interim数据建立适用于日本区域的加权平均温度模型,分析其误差并进行季节性改正。结果表明:1)建立的线性加权平均温度模型精度比Bevis模型提高约16%;2)线性模型的残差时间序列存在季节性变化,因此对模型进行季节性改正,改正后的模型精度比Bevis模型和线性模型提高约37%和25%;3)将3种模型与探空站积分Tm进行比较,进一步说明季节性改正后模型的优越性。  相似文献   
4.
为了解决大旋转角三维坐标转换方法在误差方程基础上引入13未知参数(3个平移参数、1个尺度参数和旋转矩阵中9个元素)之间的虚拟观测方程存在无法准确定权和若虚拟观测方程作为约束条件引入时构成的约束条件法方程不可逆的问题,该文只建立旋转矩阵中9个元素之间的约束条件,提出了附有约束条件的大旋转角三维坐标转换方法。详细推导了该方法中未知参数(3个平移参数和1个尺度参数与旋转矩阵中9个元素)估计及其精度评定公式。最后用算例对该方法进行了验证。结果表明:该方法适用于任何角度旋转的空间直角坐标转换,其解算理论正确,模型严密,过程简单,易于程序设计。  相似文献   
5.
针对卫星导航定位系统空间信号精度能否满足用户需求的问题,该文基于IGS MGEX发布的2016年连续100d的实测数据以及GBM分析中心的精密卫星轨道及钟差产品对北斗卫星广播星历误差、轨道精度以及空间信号距离误差进行统计分析。结果表明:北斗系统的IGSO和MEO卫星广播星历的均方根优于3m,GEO卫星广播星历误差RMSE优于5m;IGSO和MEO卫星广播星历轨道精度优于GEO卫星,且轨道误差在径向R精度最好;空间信号距离误差中,GEO卫星的SISRE均值优于1.5m,IGSO卫星的SISRE均值优于1.0m,MEO卫星的SISRE均值优于0.5m。由此反映出北斗空间信号稳定且精度逐渐提升。  相似文献   
6.
大气加权平均温度Tm是计算水汽转换因子和大气可降水量的重要参数。利用2007—2017年全球大地观测系统(global geodetic observing system, GGOS) Atmosphere Tm格网数据和欧洲中尺度天气预报中心(European centre for medium-range weather forecasts, ECMWF) 2 m温度数据,建立一种适合澳大利亚区域、顾及Tm残差季节性和日周期变化的Tm模型——qTm。此外,采用2018年的GGOS Atmosphere Tm格网数据和探空资料对该模型进行评估。结果表明,qTm模型在澳大利亚区域具有较高的精度和适用性,与GGOS Atmosphere Tm相比,qTm模型的年均偏差(Bias)和均方根误差(root mean square error, RMSE)分别为-0.31 K和1.97 K,相对于GPT2w-1和GPT2w-5模型,RMSE分别提高21.8%和25.9%;qTm模型值与探空积分值更符合,模型的年均Bias和RMSE分别为-0.44 K和2.45 K,相比GPT2w-1和GPT2w-5模型分别提高10.2% 和11.8%。qTm模型可为澳大利亚区域提供精确的Tm值,为该区域大气水汽分析和厄尔尼诺现象研究提供基础。  相似文献   
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号