一种新的全球对流层天顶延迟模型GZTD

对流层延迟是GNSS导航定位主要误差源之一,主要受气象参数(如总气压、温度和水汽压等)的影响,具有变化随机性强的特点.本文利用GGOS Atmosphere提供的2002—2009年全球天顶对流层延迟格网时间序列研究了全球对流层天顶延迟的时空变化特征.并以此为基础对全球天顶对流层延迟(Zenith Troposphere Delay,ZTD)进行建模,提出了一种基于球谐函数的全球非气象参数对流层天顶延迟改正模型———GZTD模型.实验对比结果表明考虑ZTD经纬向变化的GZTD模型内符合精度全球统计结果(bias:0.2cm,RMS:3.7cm)优于只考虑ZTD纬向变化的UNB3m(bias:3.4cm,RMS:6.0cm)、UNB4(bias:4.7cm,RMS:7.4cm)、UNB3(bias:4.0cm,RMS:7.0cm)和EGNOS(bias:4.5cm,RMS:6.9cm)等模型.使用全球385个IGS站进行外符合检验,统计结果表明GZTD模型(bias:-0.02cm,RMS:4.24cm)同样优于其它模型.GZTD模型具有改正效果良好、使用简单、所需参数少等优点.

两种精化的对流层延迟改正模型

对流层延迟是全球导航卫星系统(Global Navigation Satellite System,GNSS)导航定位中的重要误差源,其量值主要受气象条件影响.采用传统对流层建模思路,利用GPT2模型来提供相对准确的气温、气压和相对湿度,然后利用Saastamoinen模型来计算天顶对流层延迟,由此构建了GPT2+Saas模型;采用新的对流层建模思路,直接针对天顶对流层延迟的时空特性建模,构建了与GPT2+Saas模型相匹配的GZTDS格网模型.以GGOS Atmosphere格网数据为参考,GPT2+Saas模型(Bias:0.2cm;RMS:4.2cm)和GZTDS模型(Bias:0.2cm;RMS:3.7cm)较UNB3m模型精度分别提升34%和43%.以IGS(International GNSS Service)数据为参考,GPT2+Saas(Bias:0.5cm;RMS:4.7cm)和GZTDS(Bias:-0.3cm;RMS:3.8cm)相对UNB3m模型精度分别提升10%和27%.针对GPT2+Saas模型在少数测站出现精度异常的情况进行了研究,探讨了可能的原因.在两种不同思路构建的精化对流层模型中,GZTDS模型不仅表现出更高的精度,而且在时间稳定性和地理稳定性上也表现出优越性.

一种改进的全球对流层天顶延迟模型

顾及文献[16]所建立的全球对流层天顶延迟模型GZTD的时间分辨率为24h,为进一步提高GZTD模型的时间分辨率,利用GGOS atmosphere的2002—2009年全球天顶对流层延迟格网时间序列按照其6h的时间分辨率分别建模,再采用三次样条插值计算任意时刻的天顶对流层延迟估值,由此构建了一种时间分辨率更高(6h)的改进的GZTD模型(GZTD-6h)。经过两种模型内符合检验对比分析表明,GZTD-6h模型内符合精度(bias:0.17cm,RMS:3.9cm)优于GZTD(bias:0.17cm,RMS:4.4cm)。使用全球IGS站进行外符合检验,统计结果表明GZTD-6h模型(bias:-0.22cm,RMS:4.05cm)相比GZTD(bias:-0.45cm,RMS:4.51cm)改善明显。

GTDM:一种获取全球对流层延迟的新模型

对流层延迟是GNSS定位的主要误差源。现有的各对流层延迟模型大多存在过度拟合的弊端,不能反映延迟在短时间内的细节变化。本文利用2011—2017年ECMWF气象资料分析了对流层延迟的变化特征,发现同一格网相邻年份之间全球对流层延迟偏差绝大多数在5 cm内。在此基础上,本文提出了一种非参数拟合的对流层延迟模型GTDM。经验证,GTDM模型具有较好的拟合效果。本文将2016—2017年IGS分析中心提供的对流层延迟产品数据、探空气象数据解算的对流层延迟作为外检核数据,验证结果表明,GTDM模型在全球范围的精度均优于GZTD、GPT2w、UNB3m模型。GTDM模型建模方法简单,可避免过度拟合对流层延迟值的问题,能够有效地反映对流层延迟变化特征。