针对已有天顶湿延迟(zenith wet delay,ZWD)模型的建模数据未能顾及精细的日周期变化的问题,为充分探究顾及日周期变化对建模的精度影响,根据2015—2017年ECMWF提供的第5代再分析资料(ERA5)建立未顾及日变化的CZWD_1模型和顾及日变化的C...针对已有天顶湿延迟(zenith wet delay,ZWD)模型的建模数据未能顾及精细的日周期变化的问题,为充分探究顾及日周期变化对建模的精度影响,根据2015—2017年ECMWF提供的第5代再分析资料(ERA5)建立未顾及日变化的CZWD_1模型和顾及日变化的CZWD_2模型,利用未参与建模的2018年ERA5再分析资料和无线电探空数据进行精度验证,并与广泛使用的GPT3模型进行精度对比。结果表明:以2018年ERA5再分析资料为参考值,CZWD_2模型表现出最优的精度,年均均方根(root mean square,RMS)值相较于GPT3和CZWD_1模型分别提高了0.90 cm (18.7%)和0.32 cm (7.6%);以2018年无线电探空数据为参考值,CZWD_2模型的年均均方根(root mean square,RMS)值相较于GPT3和CZWD_1模型分别提高了1.24 cm (21.2%)和0.47 cm (9.3%)。此外,将所构建的ZWD模型应用于全球导航卫星系统(global navigation satellite systems,GNSS)水汽(precipitable water vapor,PWV)反演,CZWD_2模型表现出最优的反演精度,其RMS值相较于GPT3和CZWD_1模型分别提高了1.52 mm (27.7%)和0.38 mm (8.8%)。因此,CZWD_2模型更适用于中国东部地区的GNSS水汽探测及气象研究。展开更多
大气加权平均温度(T_(m))是进行全球导航卫星系统(GNSS)水汽反演的关键参数之一,也是进行大气气象研究的重要数据,针对中国青藏高原地区地面起伏较大、探空站分布不均匀、在建模时未能同时顾及T_(m)在垂直方向上的非线性变化和季节变化...大气加权平均温度(T_(m))是进行全球导航卫星系统(GNSS)水汽反演的关键参数之一,也是进行大气气象研究的重要数据,针对中国青藏高原地区地面起伏较大、探空站分布不均匀、在建模时未能同时顾及T_(m)在垂直方向上的非线性变化和季节变化等问题,建立高精度的T_(m)模型成为中国青藏高原地区的迫切需求。在分析T_(m)的时空特性的基础上,分别利用2015—2017年的ERA5再分析资料和无线电探空数据构建中国青藏高原地区实时高精度格网T_(m)模型(ERATm_H模型)和需要气象参数的本地化区域T_(m)模型(TKZTm_H模型),并利用未参与建模的2018年的无线电探空数据和ERA5再分析资料进行精度验证,并与广泛使用的Bevis模型和目前较优的GPT3模型进行精度对比。结果表明,以ERA5再分析资料为参考值,ERATm_H模型在中国青藏高原地区表现出最优的精度,年均均方根误差(Root Mean Squared Error,RMSE)值相较于Bevis模型、GPT3模型以及TKZTm_H模型分别提高了46.1%、21.1%和14.5%;以无线电探空数据为参考值,ERATm_H模型在中国青藏高原地区依旧表现出最优的精度,年均RMS值相较于Bevis模型、GPT3模型以及TKZTm_H模型分别提高了36.6%、26.7%和6.1%。因此,建立的高精度实时ERATm_H模型在中国青藏高原地区表现出最优的性能,可为中国青藏高原地区进行实时高时空分辨率的GNSS水汽反演和气象学研究提供重要应用。展开更多
文摘针对已有天顶湿延迟(zenith wet delay,ZWD)模型的建模数据未能顾及精细的日周期变化的问题,为充分探究顾及日周期变化对建模的精度影响,根据2015—2017年ECMWF提供的第5代再分析资料(ERA5)建立未顾及日变化的CZWD_1模型和顾及日变化的CZWD_2模型,利用未参与建模的2018年ERA5再分析资料和无线电探空数据进行精度验证,并与广泛使用的GPT3模型进行精度对比。结果表明:以2018年ERA5再分析资料为参考值,CZWD_2模型表现出最优的精度,年均均方根(root mean square,RMS)值相较于GPT3和CZWD_1模型分别提高了0.90 cm (18.7%)和0.32 cm (7.6%);以2018年无线电探空数据为参考值,CZWD_2模型的年均均方根(root mean square,RMS)值相较于GPT3和CZWD_1模型分别提高了1.24 cm (21.2%)和0.47 cm (9.3%)。此外,将所构建的ZWD模型应用于全球导航卫星系统(global navigation satellite systems,GNSS)水汽(precipitable water vapor,PWV)反演,CZWD_2模型表现出最优的反演精度,其RMS值相较于GPT3和CZWD_1模型分别提高了1.52 mm (27.7%)和0.38 mm (8.8%)。因此,CZWD_2模型更适用于中国东部地区的GNSS水汽探测及气象研究。
文摘大气加权平均温度(T_(m))是进行全球导航卫星系统(GNSS)水汽反演的关键参数之一,也是进行大气气象研究的重要数据,针对中国青藏高原地区地面起伏较大、探空站分布不均匀、在建模时未能同时顾及T_(m)在垂直方向上的非线性变化和季节变化等问题,建立高精度的T_(m)模型成为中国青藏高原地区的迫切需求。在分析T_(m)的时空特性的基础上,分别利用2015—2017年的ERA5再分析资料和无线电探空数据构建中国青藏高原地区实时高精度格网T_(m)模型(ERATm_H模型)和需要气象参数的本地化区域T_(m)模型(TKZTm_H模型),并利用未参与建模的2018年的无线电探空数据和ERA5再分析资料进行精度验证,并与广泛使用的Bevis模型和目前较优的GPT3模型进行精度对比。结果表明,以ERA5再分析资料为参考值,ERATm_H模型在中国青藏高原地区表现出最优的精度,年均均方根误差(Root Mean Squared Error,RMSE)值相较于Bevis模型、GPT3模型以及TKZTm_H模型分别提高了46.1%、21.1%和14.5%;以无线电探空数据为参考值,ERATm_H模型在中国青藏高原地区依旧表现出最优的精度,年均RMS值相较于Bevis模型、GPT3模型以及TKZTm_H模型分别提高了36.6%、26.7%和6.1%。因此,建立的高精度实时ERATm_H模型在中国青藏高原地区表现出最优的性能,可为中国青藏高原地区进行实时高时空分辨率的GNSS水汽反演和气象学研究提供重要应用。