GPT2模型的精度检验与分析

GPT模型常被用于计算气温、气压等对流层延迟气象参数,针对其不足之处,Lagler提出了改进的全球经验模型GPT2,该模型不仅提高了GPT气温和气压模型的精度,而且可提供比湿、水汽压、映射函数等对流层参数。但是目前没有相关文献对GPT2的精度进行详尽的分析,本文利用ECWMF及NOAA提供的高精度气象数据,对GPT2气温、气压和水汽压模型进行精度检验及分析。结果表明,气温的Bias均值为-0.59°C,RMS均值为3.82°C左右;气压和水汽压的Bias均值绝对值在1mb以内,气压的RMS均值为7mb左右,水汽压则不超过3mb,不同纬度精度存在差异,三者均具有明显的季节性。总体而言,GPT2模型在全球范围内具有很高的精度和稳定性。

GPT2模型用于SDCORS反演可降水汽精度评估

利用山东区域及邻近探空站,分析GPT2模型估算气象参数(气温和气压)的精度,并将GPT2模型应用于SDCORS反演可降水汽中,分析评估其精度。研究表明,GPT2模型估算气温和气压的偏差均值分别为-1.61℃和0.53Pa,标准差均值分别为2.84℃和4.42Pa,均方根误差均值分别为3.27℃和4.49Pa;GPT2模型估算的气象参数解算的SDCORS/PWV的偏差均值为1.22mm,标准差均值为3.05mm,均方根误差均值为3.46mm,较GPT模型精度高,可靠性强。对于未配备气象传感器的CORS站,基于GPT2模型估算气温和气压,有助于利用区域CORS反演可降水汽,有效实现对大气可降水量的监测与预报。

GPT2w模型在南极地区精度分析

GPT2w(global pressure and temperature 2wet)是目前应用较为广泛的对流层延迟经验模型之一,可提供气压、温度、水汽压等气象参数。为验证和分析GPT2w模型在南极地区的精度,本文利用分布在南极区域的探空站数据和中国第33次南极科考期间的实测探空气球数据对模型气压、温度、水汽压参数进行分层精度检验。与探空站数据比较发现,在南极地区地面高度上,GPT2w模型精度较高,与全球其他区域精度较为一致;进一步通过对比1月和7月统计结果,发现Bias和RMS呈现出季节特性;同时发现模型在垂直方向存在较大误差,表现为随着高度的增加,精度随之下降并逐步趋于稳定。实测数据对比方面,首先利用ECMWF(European Centre for Medium-range Weather Forecasts)气压分层数据对实测数据的可靠性进行验证,结果显示,实测数据与ECMWF分层数据符合得较好;同时通过比对发现,GPT2w天内精度在地面高度上仍与月平均精度相当,但垂直方向随着高度的增加精度相比于暖季精度会有所下滑,说明未考虑日周期项变化对模型精度存在一定影响。用探空数据计算的对流层延迟(zenith tropospheric delay,ZTD)来分析GPT2w的计算精度,结果表明GPT2w在南极区域ZTD计算精度在厘米级,与全球其他位置计算精度相当。

基于GPT2w模型化加权平均温度反演可降水量

提出一种基于GPT2w模型化加权平均温度反演大气可降水量的方法,并分析附加系统偏差改正的模型化加权平均温度对可降水量的影响。结果表明,基于GPT2w模型化加权平均温度反演的大气可降水量的精度与基于Bevis公式计算的加权平均温度反演的大气可降水量的精度相当;对GPT2w模型化加权平均温度进行系统偏差改正后,大气可降水量的精度有一定改善,但改善率不到1%。

GPT2模型在大气可降水量中的估计研究

针对在GPS大气可降水量反演过程中容易缺少实测气象数据的问题,提出采用GPT2模型提供的气象数据与CORS站观测数据相结合来反演大气可降水量的方法:将GPT2模型得到的CORS站气温、气压值与沈阳探空站获取的气温、气压值进行对比,然后将其结合CORS站观测数据对该地区进行PWV反演,并与沈阳探空站PWV值相比较。结果表明,在缺少气象参数的情况下,GPT2模型能够为大气可降水量的计算提供可靠的气象数据,采用GPT2模型结合CORS站观测数据对PWV进行反演的结果能达到毫米级精度。

GPT和GPT2模型的偏差对定位结果的影响

气象模型GPT和GPT2均可用于获取测站的气压、气温等气象要素,对计算对流层延迟具有重要作用并在高精度的GPS数据分析中被广泛使用。GPT2对GPT模型精度的改进在很多文献中已经得到验证,但是目前没有相关文献对采用这两种模型获得的坐标时间序列的差异进行详尽的分析。本文分别利用气象模型GPT和GPT2处理相同的连续观测站数据,发现气压值偏差的季节性变化导致测站垂向位置偏差也产生季节性变化,是测站垂向位置"伪"年周变化信号的来源之一;同时,模型之间的气压值偏差对垂向位置的影响与测站纬度相关,表现为先验天顶延迟偏差传递进垂向位置偏差的比例随测站纬度增加而增大。

谷丙转氨酶GPT2对急性髓系白血病细胞HL60生长特性的影响

目的:探讨参与三羧酸(TCA)循环中谷氨酰胺代谢的谷丙转氨酶2(glutamic pyruvate transaminase 2,GPT2)对急性髓系白血病细胞生长、增殖及凋亡的影响。方法:数据库挖掘了解不同血液肿瘤以急性白血病细胞中GPT2的表达水平,通过构建目的基因short-hairpin RNA(shRNA)慢病毒,转染急性髓系白血病细胞HL60后验证目的基因敲减效率。采用CCK-8法检测GPT2基因敲减对细胞增殖的影响;通过软琼脂集落形成实验检测基因敲减对细胞集落形成能力的影响;FACS(fluorescence activated cell sorting)检测基因敲减对细胞周期的影响;Caspase3/7检测GPT2基因敲减对凋亡的影响。结果:GPT2在AML患者中存在mRNA水平高表达。CCK-8检测、软琼脂克隆形成实验以及Caspase 3/7检测结果表明,与sh Ctrl组比较,sh GPT2-1、sh GPT2-2、sh GPT2-3组细胞增殖减缓,集落形成能力减弱,凋亡细胞数显著增加。细胞周期实验结果表明,GPT2基因与HL60细胞的周期分布显著相关。结论:GPT2在人AML细胞HL60中参与肿瘤细胞的增殖、周期分布以及细胞的凋亡。GPT基因的敲减会导致肿瘤细胞的增殖抑制以及凋亡增加。

广西地区GPT2w对流层延迟模型适用性分析

GPT2w是一种全球经验对流层延迟模型,具有1°和5°格网分辨率,可用于计算对流层天顶延迟(ZTD)和加权平均温度(T_m)。本文以广西地区的陆态网GNSS数据计算的ZTD值及探空站实测气象资料值计算的T_m值作为参考,对GPT2w模型进行适用性评估。结果表明:GPT2w模型的ZTD表现出显著的季节偏差,且其两种格网分辨率计算的年均值和RMS基本一致,年均RMS优于4.5 cm;GPT2w模型的T_m偏差也存在较明显的季节特性,且表现出一定的系统偏差。两种分辨率格网计算的T_m值精度相当,年均RMS优于3.4 K。

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。

高纬度地区GPT2w模型的适应性分析

GPT2w模型是现有精度最高的天顶对流层模型,但是应用在高纬度地区时存在较大误差.为更好地保障卫星导航定位系统在高纬度地区的高精度应用,评定了GPT2w模型在高纬度地区的精度,获取天顶对流层湿延迟、干延迟和总延迟,探讨了GPT2w模型改正对精密单点定位的影响.试验结果表明:GPT2w模型在高纬度地区的精度为厘米级,优于其在中低纬度地区的精度;南北极地区天顶对流层呈现明显季节变化特征和区域一致性特征,夏季天顶对流层总延迟高于冬季,北极地区天顶对流层湿延迟明显高于南极地区,北极地区天顶对流层随季节的变化幅度大于南极地区.PPP试验结果表明,GPT2w模型能够有效改善定位精度,适应高纬度地区的高精度定位需求.

新疆地区GPT2w模型计算加权平均温度适用性分析

利用GPT2w模型计算加权平均温度Tm值,以新疆地区9个探空站2013-2015年实测气象数据积分计算的Tm值为参考,通过时空序列分析1°×1°和5°×5°两种格网分辨率下G1-Tm和G5-Tm的精度分布情况,进而检验利用GPT2w模型在新疆地区进行地基GNSS大气水汽反演的适用性。结果表明:①G1-Tm和G5-Tm均存在-3^-4 K的年均偏差;②G5-Tm存在精度异常突出区域,影响整个新疆地区Tm值的计算精度,而G1-Tm具有较好的稳定性;③G1-Tm模型的年均Bias、MAE和RMS分别为-3.17 K、4.12 K和5.17 K,总体上优于G5-Tm模型,因此运用G1-Tm进行地基GNSS大气水汽反演具有较好的精度保障。

基于GPT2w模型计算中国地区对流层加权平均温度的精度分析

以2015年GGOS Atmosphere格网产品和探空站资料为参考值,评价GPT2w模型在中国地区计算对流层加权平均温度T_m的精度和适用性。结果表明:1)在中国地区,1°分辨率的GPT2w模型精度和稳定性优于5°分辨率,且GPT2w模型表现出显著的系统性误差;2)T_m的bias和RMS误差均具有明显的时空变化特性,季节变化表现为春冬季较大、夏季较小,空间变化上RMS误差表现为随纬度增加而变大;3)受地形起伏和T_m日周期变化影响,T_m在中国西部和东北地区误差较大。

GPT2w模型在中国大陆地区的精度分析

全球气温气压(GPT)系列模型可用于计算全球任意位置的气温、气压和水汽压等各种气象参数,目前国内外广泛使用且精度较高的全球气温气压模型主要为GPT2w模型.本文利用2012-2016年中国大陆地区102个国家气象站实测的气温、气压和水汽压数据对GPT2w模型进行精度分析.结果表明:GPT2w模型的气温误差均值为-0.45℃,标准偏差均值为10.04℃;气压误差均值为2.05 hPa,标准偏差均值为6.55 hPa;水汽压误差均值为0.11 hPa,标准偏差均值为6.15 hPa.总体而言,GPT2w模型计算出的气温、气压和水汽压值在中国大陆大部分地区具有较高的精度.同时,三种气象参数的精度在中国大陆地区分布不均匀,不同纬度区间存在一定差异且以年为周期均具有明显的季节性.

基于GPT2模型的区域PWV估计研究

气象参数是GNSS遥感大气水汽不可缺少的必要参数.针对实测气象参数和数值天气模型都无法获取的情况,研究了基于GPT2模型获取水汽网解的精度,依托香港卫星定位参考站网,分别以实测气象参数和GPT/2(GPT,GPT2)模型作为气象参数来源进行区域PWV估计,以实测气象参数估计的PWV作为参考,对由GPT/2模型估计的PWV进行比较分析.结果表明,GPT2模型优于GPT模型,采用GPT2模型可显著减小PWV估计的系统误差,将水汽网解的精度平均提高近0.6mm,使得解算得到的PWV精度优于3mm.

GPT/GMF和GPT2w/VMF1对流层模型在我国境内的适用性分析

采用陆态网的观测数据,开展非差无电离层组合PPP实验,分析了GPT/GMF和GPT2w/VMF1对流层模型在我国境内的适用性。结果表明,在陆态网基准站坐标的水平分量上,二者的吻合性较好;但在高程分量上,二者的差异性较大,大约有33%的站坐标高程分量的差异超过10mm,这些基准站集中分布在海拔较高的青藏高原地区。采用非差模式解算我国西部海拔较高地区的GNSS测站观测数据时,建议选择最新、精度最高且完全公开的GPT2w/VMF1模型。

GPT2w模型在中国区域的精度检验与分析

全球温度气压湿度(global pressure and temperature 2 wet, GPT2w)模型常被用于计算某一位置的气温、加权平均温度、气压以及水汽压等各种气象参数,是目前公开的标称精度最高的对流层延迟经验模型。利用中国区域参与全球气象交换的86个测站2013—2015年的气象探空数据,对GPT2w得到的各种气象参数进行精度检验及分析。实验结果表明,气温平均偏差为1.31℃,均方根误差为3.62℃;加权平均温度的平均偏差为-1.58 K,均方根误差为4.07 K;气压和水汽压平均偏差的绝对值在1 hPa以内,其均方根误差分别为6.98hPa与3.04 hPa。利用2006—2015年的数据分析了不同纬度模型精度的周期性特征,结果表明,气温、加权平均温度、气压和水汽压的均方根误差均具有一定的年周期特性,且在不同的纬度区域其周期特性不同。总体而言,GPT2w模型在中国地区范围内具有较高的精度和稳定性。

GPT2/GPT2w+Saastamoinen模型ZTD估计的亚洲地区精度分析

针对Global Pressure and Temperature2/Global Pressure and Temperature 2w(GPT2/2w)模型在亚洲区域对流层延迟估计中的适用性问题,该文基于GPT2/2w模型,结合Saastamoinen模型(分别用GPT2S、GPT2w-1S、GPT2w-5S表示)估计亚洲地区2007—2017年10年的天顶对流层延迟(ZTD)并分析其精度与时空分布。使用欧洲定轨中心(CODE)的ZTD产品来验证模型在亚洲地区的精度。分析结果表明GPT2w-1S模型精度最高,偏差(Bias)为0.88 cm,均方根误差(RMSE)为4.63 cm,GPT2w-5S模型精度次之,GPT2S模型最差。受水汽分布影响,时间上,3种模型精度表现出季节特性,冬季精度最好,夏季精度最差;空间上,3种模型在高海拔地区精度较好,模型精度对纬度的依赖性不明显且纬度对3种模型的影响程度差别不大。

GPT2w模型检验以及对流层模型的参数互融

各种对流层经验模型中,GPT2w模型是目前标称精度最高的对流层经验模型,其在模型化对流层延迟的同时,也提供具体的模型化气象元素。以USNO的ZTD产品检验模型ZTD精度;以IGRA发布的大气廓线数据,对模型加权平均温度T_m、水汽直减率λ的精度进行验证。计算发现,模型加权平均温度T_m具有-2.56K的系统偏差,改正该偏差后,模型ZTD对比USNO偏差从-1.38 mm提升至-0.3 mm;还验证了模型水汽直减率λ的两种获取方式具有很好的一致性。提出以测站气压P、测站温度t、测站相对湿度hr为实测气象元素,以校正后的T_m、高精度的λ为经验气象元素,作为对流层延迟模型输入参数的互融方法。该互融方法计算ZHD、ZWD经验模型分别采用目前最优的Saast静力学延迟模型和Askne&Nordius湿延迟模型。以USNO发布的340个IGS跟踪站的对流层延迟数据作为参考,该互融方法较直接气象元素法、校正后的GPT2w模型均有显著精度提升。在不可获取气象数据的前提下,校正后的GPT2w模型具有很高的先验精度;若可获取近实时气象数据(如自动气象站),则推荐采用新的参数互融模型。

GPT2w模型反演大气可降水量的研究

利用地基实测气象资料分析了GPT2w(global pressure and temprature 2 wet)模型估算的气象数据的精度,并将GPT2w估算的气象要素结合地基GNSS测站观测资料进行了大气可降水量(precipitable water vapor,PWV)的反演,结果表明:就BJFS测站在夏秋之季而言,无论是日尺度还是小时尺度上,由GPT2w估算的气象要素来反演的PWV与利用地基实测气象要素来反演的PWV的均方根(root mean square,RMS)优于2 mm,且两种尺度上两者RMS的偏差为亚毫米级,这为地基GNSS测站气象数据缺失时反演PWV提供了一种参考思路。

GPT2基因突变致常染色体隐性遗传性智力低下49型1例并文献复习

智力发育障碍(intellectual and developmental disability,IDD)影响全球1%~3%的人口,其发病率因不同地区人口而异,特征是智商低于70,至少有2种适应性行为缺陷。IDD的病因来源有多种,其中25%~50%的病例病因可归类为遗传因素。