中国区域ERA5-ZTD/PWV精度评估与台风事件响应研究

再分析数据能够提供多种历史气象数据同化产品,为了评估欧洲中期天气预报中心的最新一代ERA5再分析数据集估计的天顶对流层延迟(Zenith Tropospheric Delay,ZTD)和大气可降水量(Precipitable Water Vapor,PWV)产品在中国区域的精度,利用2017—2019年中国区域内14个全球导航卫星系统地面监测站和89个探空站反演的ZTD和PWV数据分别对ERA5-ZTD和ERA5-PWV精度进行了评估。结果表明,除青藏地区的站点外,ERA5-ZTD的精度分布较为均匀,平均Bias、RMSE和STD分别为-6.3 mm、19.3 mm和17.5 mm;ERA5-PWV的精度分布呈现西部内陆高和东南沿海低的趋势,平均Bias、RMSE和STD分别为0.3 mm,2.9 mm和2.7 mm。此外,在研究2019年“利奇马”台风期间ZTD和PWV的时空分布中,提出了使用水汽到达时间差的方法定量估计台风的水汽移动速度。得到台风期间ZTD和PWV具有相同的空间分布规律,且移动方向与台风的移动路径方向是一致的,估计的水汽平均移动速度为12.4 km/h,与台风的平均移动速度16.1 km/h非常接近。因此,ERA5-ZTD/PWV在中国区域内具有较高的精度,ZTD和PWV可作为重要气象因子为台风的预警预报研究提供重要参考。

智能化测量学教学辅助系统与组卷策略的设计及研究

针对当前计算机教学辅助系统中存在的组卷难度和题型比例不合理等问题,以测量学课程为例,提出了多约束条件的组合优化模型,解决了自动化组卷的多指标参数问题,为实现科学的组卷策略提供参考依据。该模型综合考虑试卷的总分、难度、曝光率、题型比例、章节知识量、培养目标等多个方面的要求进行量化加权,建立了智能化组卷的总约束方程,构建了多参数约束的组合优化模型。采用计算机模拟仿真的方法建立了题库,分析了三种启发式搜索算法求解模型的解算精度和效率。结果表明,利用遗传算法实现的自动化组卷的整体精度和效率更高,在总分、难度、曝光率、题型比例、章节知识量和培养目标方面的平均偏差分别为0.2%.0.074、0.1%6.1%、8.2%和9.6%,迭代次数在230次以内基本能够达到最优解。

苏州市GNSS气象要素与雾霾的相关性分析

基于2021~2022年苏州市GNSS站大气可降水量(PWV)、气温、气压和风速等气象要素及其邻近环境监测站的空气质量资料,分析不同季节和降水条件下各GNSS气象要素与PM_(2.5)的相关性及其时序变化特征。结果表明,GNSS气象因素与PM_(2.5)时序变化均呈现季节性特征,PWV、ZTD、气温、风速与PM_(2.5)呈负相关,相关系数分别为-0.389、-0.389、-0.289和-0.318,气压、相对湿度与PM_(2.5)呈正相关,相关系数分别为0.250和0.017,可见PWV、ZTD、气温、气压和风速等是影响PM_(2.5)的主要因素;雾霾发生时,PWV和相对湿度较高,导致PM_(2.5)汇聚,使PWV和相对湿度与PM_(2.5)的正相关系数分别增大29.14%和96.99%;降雨可大幅降低PM_(2.5)浓度,相对湿度与PM_(2.5)的相关系数增大90.39%;小波分解重构后的GNSS气象要素与PM_(2.5)的相关性有显著提高,能更清晰地反映出GNSS气象要素与PM_(2.5)的整体变化趋势。

基于LightGBM算法的大气可降水量预测方法研究

大气可降水量(precipitable water vapor,PWV)为单位横截面积垂直气柱内地面至对流层顶部的液态水汽含量,可反映大气中的水汽浓度.本文首先利用2014—2019年长三角地区7个探空站资料,分析了PWV与对流层天顶总延迟(zenith tropospheric delay,ZTD)、天顶静力学延迟(zenith hydrostatic delay,ZHD)、对流层湿延迟(zenith wet delay,ZWD)、水汽压(Es)、大气压(Ps)、地面温度(Ts)、加权平均温度(Tm)之间的相关性,再基于梯度提升机(light gradient boosting machine,LightGBM)构建了一套适用于长三角地区的PWV预测模型,并分析了LightGBM-PWV模型的预测精度.结果表明,PWV与Tm、Ts、Ps、Es、ZHD、ZWD和ZTD之间的相关系数(R)分别为0.74、0.76、–0.59、0.76、–0.43、1.00和0.94;全年、分季度和分月LightGBM-PWV模型的平均偏差分别为0.10 mm、0.11 mm和0.12 mm,均方根误差(root mean square error,RMSE)分别为0.25 mm、0.26 mm和0.31 mm,模型精度依次递减,异于传统线性拟合PWV模型;全年LightGBM-PWV预测模型精度最高,可用于长三角地区的GNSS-PWV预测、分析和研究.

顾及高程的南极洲GNSS可降水量K值模型

针对南极洲地区水汽资料匮乏且时空分辨率低的问题,提出顾及高程的南极洲GNSS可降水量K值模型:基于全球卫星导航系统(GNSS)获取的大气可降水量(PWV),利用2015—2021年南极洲地区的8个探空站资料,通过数值积分法计算水汽转换系数(K值),用2015—2017年的K值建立Emardson-I模型与顾及高程的Emardson-H模型;并用2018—2021年5个探空站和4个GNSS站检验2种模型的预测精度。结果表明:就K值预报精度而言,Emardson-I模型的平均绝对偏差(MAE)和均方根(RMS)的平均值分别为0.00199和0.00247,Emardson-H模型的平均MAE和平均RMS分别为0.00179和0.00228,Emardson-H模型精度略优于Emardson-I模型;在南极洲的低海拔地区,基于Emardson-I和Emardson-H模型的GNSS-PWV精度一致,顾及高程的Emardson-H模型优势并不明显;与探空资料的PWV相比,Emardson-H模型的PWV反演精度优于Emardson-I模型。顾及高程的Emardson-H模型预测精度较高,更适用于南极洲地区的GNSS-PWV反演。

长三角地区GNSS可降水量直接转换模型研究

为简化GNSS大气可降水量(PWV)的计算过程,提高GNSS-PWV实时解算效率,利用2017~2018年长三角地区7个GNSS测站数据,分析GNSS-PWV与对流层延迟(ZTD)、地面气温(T)、地面气压(P)之间的线性关系,通过线性拟合建立PWV直接转换区域模型。实验结果表明:1)PWV与ZTD、P和T之间具有良好的相关性,相关系数分别为0.99、-0.74和0.73;2)基于ZTD的全年单因子PWV模型的RMS为3.07 mm,基于ZTD和T的全年双因子PWV模型RMS为2.35 mm,基于ZTD和P的全年双因子PWV模型RMS为1.18 mm,基于ZTD、T和P的全年多因子PWV模型RMS为0.47 mm,基于ZTD、T和P的分季节多因子PWV模型的平均RMS为0.28 mm,后者预测精度略优。

长三角地区GNSS大气水汽转换系数模型精化研究

根据长三角地区7个探空站基于积分法计算的2016年大气水汽转换系数(K值),利用多元线性拟合分别构建不顾及高程的Emardson-I精化模型和顾及高程的Emardson-H精化模型,并用2017年的K值验证两种模型的精度。实验结果表明,Emardson-H预报模型的MAE和RMS分别为0.001297和0.001616,略优于Emardson-I预报模型的0.001303和0.001620;基于两种新模型的GNSS-PWV反演精度相当,其MAE和RMS均优于0.6 mm。因此,Emardson-I模型以其无需实测气象参数和无需顾及高程在长三角地区的地基GNSS气象学实时应用中具有更好的效率优势。

中国东南沿海地区PWV直接转换模型研究

针对东南沿海地区GNSS大气可降水量(PWV)计算过程参数多、数据量大、效率不高且易产生累积误差等问题,本文基于中国东南沿海地区2017~2018年18个CORS站的GNSS数据,分析GNSS-PWV与对流层延迟(ZTD)、地面气温(T_(s))和地面大气压(P_(s))之间的线性关系,并利用多元线性拟合方法建立多因子GNSS-PWV直接转换模型,为研究区提供简捷高效的PWV计算方法。结果表明,GNSS-PWV与ZTD、P_(s)和T_(s)之间具有良好的相关性,相关系数分别为0.98、-0.65和0.78;基于ZTD、P_(s)和T_(s)的多因子PWV模型RMS为0.33 mm,精度最高,明显优于基于ZTD的单因子PWV模型(4.66 mm),而基于ZTD和P_(s)的双因子PWV模型RMS为0.50 mm。

长三角地区多种大气可降水量获取方法研究

利用长三角地区多个探空站气象资料、GNSS观测数据和GPT3模型,以探空资料的大气可降水量(PWV)为参考值,评估GPT3模型、两种地面气象资料法和GNSS等4种方法计算的PWV精度、可靠性和时效性。结果表明,GPT3模型可实时获取PWV,但精度较低;GNSS-PWV精度最高,但需要实测气象参数,会限制其应用范围;两种地面气象资料法精度较高,但需要地面露点温度数据。

利用GPT3模型的GNSS⁃PWV计算方法

针对部分GNSS测站缺乏实测气象参数时无法实时计算可降水量(PWV)的问题,本文以长三角地区为例提出一种将GPT3模型参数与GNSS对流层总延迟(ZTD)融合获取高精度PWV的新方法。研究结果表明,GPT3模型的气象参数和各类对流层延迟参数在长三角地区具有较好的稳定性和精度,融合GPT3模型的干延迟(ZHD)、加权平均温度(Tm)和GNSS⁃ZTD所得PWV的RMS为3.56 mm,接近GNSS⁃PWV的3.74 mm,远优于GPT3⁃PWV的11.12 mm。

不同时空条件下RTKLib与在线PPP解算系统的ZTD精度评估

基于精密单点定位(PPP)技术,分析RTKLib、CSRS-PPP、MagicGNSS和CGline四类PPP软件在不同时空条件下的对流层延迟ZTD精度。结果表明:1)4类PPP软件的ZTD精度由高到低依次为CSRS-PPP、MagicGNSS、RTKLib和CGline;2)不同地理位置下4类PPP软件的ZTD精度由高到低均为北半球、南半球和赤道;3)RTKLib-ZTD受季节影响较大,精度由高到低依次为夏季、春季、秋季和冬季,季节因素对其他在线解算系统的ZTD精度影响较小。总体而言,4类PPP软件的ZTD平均精度均优于1 cm,满足当前GNSS气象学的后处理及实时应用需求。

一种基于Emardson-H的GPT3改进模型构建方法

针对GPT3模型各气象参数存在明显周期性误差的问题,以2015~2019年长三角地区7个探空站资料作为参考,分析GPT3模型残差的季节性周期变化,并利用Emardson-H模型构建一种新的GPT3改进模型。实验结果表明:1)与探空资料相比,GPT3模型气压、温度、水汽压和加权平均温度(T_(m))的均方根(RMS)均值分别为5.09 hPa、3.90 K、4.01 hPa和4.54 K;2)基于Emardson-H的GPT3改进模型气压、温度、水汽压和T_(m)的RMS均值分别为4.64 hPa、3.53 K、3.73 hPa和3.27 K,比GPT3模型分别提升0.45 hPa、0.37 K、0.28 hPa和1.27 K。综上分析,基于Emardson-H的GPT3改进模型精度相比GPT3模型有所改进。

融合GPT2w模型与GNSS参数获取大气可降水量

针对GPT2w模型误差累积所导致的天顶对流层延迟(zenith tropospheric delay,ZTD)和大气可降水量(precipitable water vapor,PWV)精度不高的问题,利用2017年长三角地区7个探空站和2个GNSS站的实测数据检验GPT2w模型获取的气压、温度、水汽压、加权平均温度(T m)和ZTD等参数的精度,并融合GNSS解算得到的ZTD(GNSS-ZTD)与GPT2w模型获取的气象参数,提高PWV反演精度。结果表明:1)近地面处的气压、温度和水汽压的bias分布在-3~4 mbar、-7~7 K和-9~2 mbar之间,精度较高;2)GPT2w模型获取的T m在长三角地区适用性较好,年均bias和RMS分别为-1.21 K和6.89 K;3)基于GPT2w模型解算的ZTD的bias和RMS均值分别为1.4 cm和9.4 cm,精度明显低于基于实测气象数据获得的GNSS-ZTD;4)参数融合法计算的PWV与GNSS-PWV精度相当,该方法可用于无实测气象参数时实时获取PWV。

基于Emardson模型的GNSS-PWV转换系数精化

转换系数(K值)是GNSS气象学中影响GNSS可降水量(Precipitable Water Vapor,PWV)反演精度的关键参数之一.针对中国地区缺乏统一的高精度K值模型,本文选取2018—2019年均匀分布的42个探空站资料,分析K值与测站经纬度和高程之间的相关性,利用2018年K值和多元线性拟合法,分别建立基于测站纬度和年积日的Emardson-I模型和基于测站纬度、高程和年积日的Emardson-H模型,并用2019年K值作为真值验证以上两模型的K值预报精度.研究结果表明:(1)K值与测站纬度和高程之间呈负相关,相关系数分别为0.735和0.941,而与测站经度的相关性较小;(2)Emardson-H模型预报的K值平均绝对误差(MAE)和均方根(RMS)均值分别为0.00150和0.00182,均优于Emardson-I模型的0.00221和0.00255,特别在高海拔地区表现更好;(3)基于Emardson-H模型的GNSS-PWV的MAE和RMS均值分别为0.226 mm和0.283 mm,均优于Emardson-I模型(0.288 mm和0.360 mm),在低海拔地区精度提高更为显著.因此,Emardson-H模型的精度优于Emardson-I模型,在中国西部高海拔地区能取得更好的K值预报效果,但就PWV反演精度而言,在低海拔地区效果更好.Emardson模型以其无需实测气象参数的特点使其在地基GNSS气象学中具有更好的实时应用前景.

基于GPT3和傅里叶函数构建长三角地区ZHD模型

针对GPT3模型的对流层干延迟(GPT3-ZHD)存在明显周期性误差的问题,以2016—2020年长三角地区的7个GNSS站数据为参考,分析GPT3-ZHD残差的季节性周期变化,并利用多阶傅里叶函数建立一种新的ZHD改进模型,同时分析基于改进模型的PWV反演精度。实验结果表明:1)与GNSS相比,GPT3-ZHD和GPT3-PWV的Bias均值分别为-0.49 mm和2.72 mm,RMS均值分别为2.06 mm和11.08 mm;2)基于GPT3和傅里叶函数改进的ZHD模型Bias和RMS均值分别为-0.01 mm和0.52 mm,比GPT3模型分别提升0.48mm和1.54mm,精度改进明显;3)基于GNSS-ZTD、GPT3-Tm和改进ZHD所得PWV的Bias和RMS均值分别为0.46 mm和0.52 mm,比GPT3-PWV分别提升2.26 mm和10.56 mm。总体而言,基于GPT3和傅里叶函数的ZHD改进模型精度优于GPT3-ZHD,并可有效应用于长三角地区的实时高精度PWV反演。

利用CORS站研究多因子分季节可降水量转换模型

针对GNSS气象学中可降水量转换过程较为复杂的问题,利用2017年江苏CORS站及其并址探空数据,分析大气可降水量(PWV)与天顶对流层延迟(ZTD)、温度和气压之间的相关性,采用线性回归拟合法建立多因子分季节PWV模型,并用2017—2018年数据验证模型精度。结果表明PWV与ZTD有很强的线性相关性,相关系数为0.9803,PWV与温度和气压有较强的相关性,相关系数分别为0.6112和-0.6136;全年PWV模型中,单、双、多因子模型的RMS分别为2.88、1.70和0.49 mm,精度依次提高;多因子PWV模型中,分季节PWV模型较全年PWV模型的RMS分别提高0.23、0.20、0.18和0.37 mm,精度明显优于全年模型。因此,多因子分季节PWV模型预测精度优于1 mm,满足GNSS监测水汽的气象应用精度要求。

利用傅里叶函数构建全球气压气温改进模型

针对全球气压气温(GPT2w)模型各气象参数存在明显周期性误差的问题,该文以2015—2017年长三角地区的7个探空站资料作为参考,分析GPT2w模型各气象参数残差的季节性周期变化,并利用多阶傅里叶函数建立一种新的GPT2w改进模型。分析结果表明:与探空数据相比,GPT2w模型气压、温度、水汽压和加权平均温度的RMS均值分别为8.87 hPa、8.80 K、8.80 hPa和7.30 K;GPT2w改进模型气压、温度、水汽压和加权平均温度的RMS均值分别为3.65 hPa、2.76 K、2.47 hPa和2.48 K,相较于GPT2w模型总体精度有大幅改进,且与GPT3模型相比,其精度亦有明显改进。总体而言,利用傅里叶函数的GPT2w改进模型可在长三角地区获取精度优于GPT3模型的气象参数。