GNSS大气加权平均温度经验模型精化方法的建立和分析

加权平均温度Tm作为对流层湿延迟转换为大气可降水量的关键参数，在GNSS气象学研究中发挥着重要作用。Tm经验模型的构建，可以通过将测站位置和时间信息作为输入参数快速获取Tm估值，但其精度往往受限，尤其在某些局部区域。本文提出了一种Tm经验模型精化方法，引入了地表气温数据，通过最小二乘快速获取精化系数，达到Tm的误差补偿作用。基于我国及邻近区域180个探空测站2011—2015年的数据，本文构建了基于GPT3的精化模型，并对其进行分析。数值结果表明，与Bevis模型、区域线性模型和GPT3模型相比，本文提出的精化模型估计Tm的精度分别提高了16.2%、13.5%和21.1%。另外，基于GPT3的...

Full description

Saved in:
Bibliographic Details
Published inCe hui xue bao Vol. 51; no. 11; pp. 2339 - 2345
Main Authors 杨飞, 郭际明, 陈明, 章迪
Format Journal Article
LanguageChinese
English
Published Beijing Surveying and Mapping Press 01.11.2022
中国矿业大学(北京)地球科学与测绘工程学院,北京 100083%武汉大学测绘学院,湖北 武汉430079%国家基础地理信息中心,北京 100830
Subjects
Accuracy
Atmospheric models
Empirical analysis
Error compensation
Mathematical models
Meteorology
Model accuracy
Parameters
Radiosondes
Seasonal variations
Spatial distribution
Surface temperature
Temporal distribution
Water vapor
GNSS气象学
GPT3模型
加权平均温度
大气可降水量
Online AccessGet full text
ISSN1001-1595
1001-1595
DOI10.11947/j.AGCS.2022.20210269

Cover

More Information
Summary:加权平均温度Tm作为对流层湿延迟转换为大气可降水量的关键参数，在GNSS气象学研究中发挥着重要作用。Tm经验模型的构建，可以通过将测站位置和时间信息作为输入参数快速获取Tm估值，但其精度往往受限，尤其在某些局部区域。本文提出了一种Tm经验模型精化方法，引入了地表气温数据，通过最小二乘快速获取精化系数，达到Tm的误差补偿作用。基于我国及邻近区域180个探空测站2011—2015年的数据，本文构建了基于GPT3的精化模型，并对其进行分析。数值结果表明，与Bevis模型、区域线性模型和GPT3模型相比，本文提出的精化模型估计Tm的精度分别提高了16.2%、13.5%和21.1%。另外，基于GPT3的精化模型估计Tm表现出最优的时空分布结果，显著提高了高纬度地区Tm估计精度，有效解决了GPT3模型只能表现Tm季节性变化的缺陷。本文方法计算公式简便，可以快速推广至任意Tm经验模型，具有较高的使用价值。
Bibliography:ObjectType-Article-1
SourceType-Scholarly Journals-1
ObjectType-Feature-2
content type line 14
ISSN:1001-1595
1001-1595
DOI:10.11947/j.AGCS.2022.20210269