GPT3模型在安徽地区的性能

基于安徽省23个CORS站数据解算天顶对流层延迟(ZTD),评估GPT3+Hopfield和GPT3+Saastamoinen两种对流层组合模型的适用性,并利用探空数据分析GPT3模型估计大气加权平均温度(Tm)和反演大气可降水量(PWV)的精度。结果表明:1)GPT3+Saastamoinen组合模型的ZTD精度优于GPT3+Hopfield组合模型,GPT3模型的ZTD精度具有显著的时空分布特征,皖南精度低于皖北,且春、冬季精度优于夏、秋季;2)在安徽地区,GPT3模型2种格网分辨率的T_(m)精度基本相当,平均偏差在-2.0 K左右,RMS值在4.5 K左右;3)在安徽地区,基于GPT3模型气象参数反演的PWV(GPT3-PWV)与探空站的PWV有较高的一致性,且同样具有时空变化特征,由皖南向皖北逐渐降低,夏季最大、冬季最小。

2016年新西兰凯库拉M_(W)7.8地震前空间大气扰动

采用欧洲中尺度天气预报中心(ECMWF)的ERA5温度数据和GPS观测数据,提取2016-11-13新西兰凯库拉M_(W)7.8地震前的温度异常和电离层VTEC异常,探讨震前空间大气扰动的时空变化特征。结果表明,2016-11-08、09震中以北分别出现温度异常和VTEC异常。温度异常具有增温-增温加强-增温衰减-增温高峰-快速衰减的变化特征,这与岩石形变-破裂释放热的过程基本一致;随着高度上升,增温面积及幅度逐渐减小,符合地震热异常在自下而上的抬升过程中逐渐消退的趋势。