云贵地区顾及高度改正的大气加权平均温度模型

针对云贵地区地形起伏特点,分析T_(m)与高程、Ts的关系,利用2016—2018年的ERA5数据,建立两种顾及高度改正的T_(m)模型——YGTrop-T_(m)和YGMete-T_(m)。以2019年ERA5和探空数据为参考值,结合Bevis公式、GPT2w和CTrop模型,对新模型精度进行评估。结果表明,以ERA5数据为参考值,YGTrop-T_(m)和YGMete-T_(m)模型的年均RMS分别为2.72和2.16 K,相较于Bevis公式、GPT2w-5和GPT2w-1模型,YGTrop-T_(m)模型RMS减少了20%、28%、9%,与CTrop模型相当,而YGMete-T_(m)模型RMS相较于Bevis公式、GPT2w-5、GPT2w-1和CTrop模型减少了36%、43%、28%和20%;以探空数据为参考值,YGTrop-T_(m)模型年均RMS与Bevis公式和CTrop模型相当,分别为2.88、2.93和2.80 K,而YGMete-T_(m)模型的年均RMS最小,为2.45 K,相较于Bevis公式、GPT2w-5、GPT2w-1和CTrop模型,减少了16%、21%、20%和12%。此外,将YGTrop-T_(m)和YGMete-T_(m)模型用于GNSS水汽计算,对应的水汽理论RMS误差分别为0.25和0.21 mm,相对误差分别为1.01%和0.86%。

基于自动LightGBM的贵州局地大气加权平均温度模型构建

针对贵州地形起伏大、探空站数量少,以及现有大气加权平均温度(T_(m))模型不能很好地刻画T_(m)及其垂向变化的空间差异性和日变化特征等问题,结合贝叶斯超参数优化和LightGBM机器学习方法各自的优势,提出了一种顾及T_(m)及其垂向变化的空间差异性、年周期、季节周期和日变化特征的自动机器学习建模方法,并以包围威宁探空站的4个ERA5格网点为例,构建了一种无气象参数依赖的贵州局地T_(m)经验模型(WNTm模型)。实验结果表明:WNTm模型在训练集和验证集上均取得了较高的拟合精度,其不仅可以诊断出T_(m)的日变特征,还能较好地刻画T_(m)的垂向变化趋势;以探空站气象资料计算的T_(m)为参考值,WNTm模型相比于目前较优的GPT3模型取得了更高的预测精度,平均绝对误差和均方根误差分别降低了14.63%和20.14%。该研究方法和思路可为进一步改善T_(m)的精度提供一种新的途径。

顾及日变化和非线性垂直改正的区域大气加权平均温度模型

大气加权平均温度(Tm)是全球导航卫星系统(GNSS)技术反演大气水汽的关键因素,针对已有区域Tm模型未能同时顾及Tm在垂直方向的非线性变化和精细的日变化以及在构建模型时仅使用单一格网点数据等问题,本文以中国地区为研究区域,提出了一种基于滑动窗口的区域Tm建模方法,利用2012—2017年欧洲中期天气预报中心(ECMWF)的ERA5资料建立顾及日变化和非线性垂直改正的区域Tm格网模型(CNTm模型).联合未参与建模的2018年ERA5资料和无线电探空数据,验证CNTm模型的精度和适用性,并与当前广泛使用的GPT3模型和顾及了线性垂直改正的IGPT2w模型进行精度对比.结果表明:以2018年ERA5资料和无线电探空数据为参考值,CNTm模型的均方根误差(RMS)分别为3.31 K和3.21 K,其精度相较于GPT3模型分别提高了约16%和23%,相较于IGPT2w模型分别提高了约7%和11%;顾及了非线性垂直改正的CNTm模型的估计值更接近于Tm在垂直方向上的变化趋势,且CNTm模型能够捕获Tm的日变化.由于CNTm模型在研究区域表现出优异的性能,因此,其在研究区域实时高精度、高分辨率GNSS水汽监测中具有重要的应用.

青海地区大气加权平均温度模型精度优化

针对当前大气加权平均温度(T_(m))模型在青海省各地区的适用性较差,气象要素顾及较少等问题,提出一种青海地区大气加权平均温度模型精度优化方法:利用青海省4个探空站2014—2018年5 a的数据,通过线性回归的方法构建适用于青海省西宁、都兰、郭勒木得及玉树4个地区的本地化单因子T_(m)模型和多个气象因子参与的本地化多因子T_(m)模型;并通过反演的大气可降水量(PWV)与贝维斯(Bevis)模型和龚绍琦全国模型反演的PWV结果进行对比分析。结果表明,所构建的模型精度均优于现有模型,在反演PWV精度方面也要优于现有模型,可为提高青海地区全球卫星导航系统(GNSS)水汽反演精度提供参考。

顾及周期性变化的大气加权平均温度模型构建

针对大气加权平均温度(T_(m))是地基全球卫星导航系统(GNSS)水汽反演过程中的一个中间变量,其精度会影响地基GNSS水汽反演精度,同时T_(m)表现出较强的地域性差异的现状,研究建立地区的T_(m)模型:利用兰州市榆中探空站气象数据和欧洲中期天气预报中心第五代大气再分析数据集(ERA5)分别建立单因子、顾及年周期变化、顾及年和半年周期变化的T_(m)模型;并对2种气象数据所建的3类模型进行显著性检验和精度验证。结果表明:模型均能通过显著性水平为0.05的显著性检验,同时顾及周期性变化模型的预测值的均方根误差和平均绝对误差均小于贝维斯(Bevis)模型和单因子模型;利用顾及周期变化的模型预测的T_(m)偏差中大于5 K和大于10 K的值占比明显减小且预测残差的周期趋势明显减弱,具有零均值的正态分布特性,仅表现出误差的随机性。总体而言,ERA5气象数据所建模型预测精度高于探空站气象数据所建模型;用ERA5气象数据建立的顾及周期性变化的T_(m)模型可用于兰州市GNSS大气水汽反演。

郑州地区大气加权平均温度模型确定

地基GPS气象学中,大气加权平均温度Tm作为一个重要参数,影响着GPS信号湿延迟在垂直方向上转化为大气水汽的精度。文中首先介绍了几种常用的大气加权平均温度计算方法;然后利用郑州无线电探空资料,通过线性回归方法得出郑州地区大气加权平均温度的计算模型;最后将所得模型应用到郑州地区GPS可降水量计算中。通过与无线电探空实测结果对比分析,验证了该模型的可用性。

GPS水汽遥感中的大气加权平均温度的变化特征及局地算式研究

根据广东清远1996～2001的气象探空资料,计算了大气加权平均温度,在此资料基础上,利用最优子集回归建立了GPS水汽遥感中的大气加权平均温度局地算式,该算式的精度优于目前广泛使用的Bevis算式.

利用NCEP再分析资料建立全球大气加权平均温度模型

针对全球加权平均温度模型（GWMT）在海洋地区存在显著异常的缺陷,利用2007~2011年NCEP再分析资料建立全球大气加权平均温度模型GWMT_N。利用2011年全球650个无线电探空站T m数据和2011年COSMIC掩星T m数据对GWMT_N模型的精度进行验证。结果表明,GWMT_N模型避免了GWMT模型的缺陷,且在陆地地区的精度也得到了提高;GWMT_N模型的整体精度与采用地面实测温度的Bevis公式相当,且无需已知地面实测温度。

地基GPS水汽反演中区域大气加权平均温度模型

利用地基GPS反演可降水量,需要准确求得水汽转换参数。为了提高区域GPS大气水汽反演的精度,分析了大气加权平均温度的时空特性及其与地面温度之间的函数关系;利用江苏地区2003—2011年的气象探空数据建立了适用于江苏地区的局地大气加权平均温度计算模型。比较江苏模型、Bevis模型和李建国模型求得的大气加权平均温度值,江苏模型的精度较Bevis模型和李建国模型分别提高33.14%和9.28%。由江苏模型得到的可降水量内符合精度约为11.12 mm,较GAMIT软件结果精度提高约7.91%。

中国区域大气加权平均温度的时空变化及模型

大气加权平均温度T_m是地基GPS水汽遥感的关键参数,决定了水汽反演的精度。利用2008-2011年全国123个探空站点资料,分析了T_m与其影响要素纬度、海拔、地面气温、水汽压及大气压之间的关系,结果表明:T_m与纬度和海拔随季节变化呈周期性负相关,与地面温度和水汽压的自然对数呈正相关,与大气压呈负相关;T_m的空间变化具有纬度地带性和明显的气候分布特征,其变异程度在空间分布上有显著差别,不同地理位置的T_m受季节性影响程度不一,T_m也具有明显的年际周期性变化,年内T_m的每日变化符合二次函数分布规律。按照全国、气候分区和季节分区方法,分别建立了T_m单因子和多因子回归模型,并利用2012年1-5月数据对所建模型进行验证,T_m的估算误差能满足GPS水汽遥感2%的精度,模型普遍适用于我国地基GPS水汽遥感中T_m的估算。

青岛地区大气加权平均温度模型优化

大气加权平均温度是GNSS气象学中大气可降水量反演的一个关键变量,其精度对水汽反演结果具有重要影响。利用IGRA提供的青岛站2013-2017年的探空资料,采用单站建模方法,考虑单因子、双因子以及周期性误差改正等因素,构建和优化了青岛地区的大气加权平均温度模型;分别以青岛站2018-2019年的探空数据和ECMWF模式数据为参考,对本地化优化模型进行了精度分析。结果表明,青岛地区本地化优化模型基本消除了周期性误差影响,精度优于现有模型。

中国分区大气加权平均温度模型的建立与应用研究

基于中国气象数据网提供的30年平均地表气温与90个探空站点2015年间数据,采用含障碍的扩散插值法进行插值,按3.4 K温度间隔将插值后结果分成8级13区。通过实验分析发现探空数据层数和层顶高度对大气加权平均温度计算精度间存在近似指数函数关系,仅考虑单一因素时,层顶大于9 km或观测层数大于13层后,大气加权平均温度计算值与真值RMS约为1 K;其次,考虑实际样本层顶和层数分布情况,采用层高大于9 km、层数大于8的无错探空数据,分别建立了全国统一的以及分区域的大气加权平均温度回归模型,有效地削弱全国模型在不同地区适用性不一致的影响,拟合残差RMS平均降低了17.8%;最后,应用该分区模型反演了某区域的可降雨量序列,与同期的探空数据计算得到的可降雨量数据进行了比较与分析。

贵州局地大气加权平均温度模型的建立与精度分析

基于贵阳、威宁两个无线电探空站2014~2016年的气象数据,采用一元线性回归方法构建贵州整体、局地及季节大气加权平均温度T m模型,并分析模型的精度。结果表明,贵州整体T m模型精度高于Bevis模型、全国模型和亚热带季风气候模型;建立贵州局地、季节模型有助于进一步改善T m的精度;相较于Bevis模型,局地T m模型反演的PWV精度更高,与实际降水吻合更好。

中国区域性大气加权平均温度线性模型精度评估

以欧洲中期天气预报中心的再分析资料ERA5为参考数据,评估由探空数据建立的中国区域88个单站大气加权平均温度(T_(m))与地表气温(T_(s))线性关系模型的精度.各站T_(m)-T_(s)线性模型计算的T_(m)(计算值)与ERA5气压层数据积分所得的T_(m)(参考值)间偏差均方根值(RMSE)为1.8~5.5 K.不同站模型计算值与参考值间存在-1.22~4.54 K的系统性偏差,且绝大多数测站(82个站)系统性偏差为正值,即模型计算值总体上大于参考值.补偿各站系统性偏差后,模型计算值与参考值间RMSE降为1.5~3.5 K.与使用中国区域统一模型相比,使用单站模型平均能提高0.6 K的T_(m)计算精度,尤其在中国西部、西北和内蒙区域,精度提高可达1~3.9 K.对所有测站模型计算值和参考值间偏差时序进行分析,发现超过半数测站的偏差存在明显季节性变化.

利用ERA-Interim数据构建海区大气加权平均温度模型

针对海洋区域尤其远海缺乏探空资料,且常用的Bevis经验模型在海区存在模型系统误差的问题,研究基于ERA-Interim再分析资料构建海洋区域E-T_m回归模型。利用不同时间的ERA-Interim数据及近海探空资料,对E-T_m回归模型的拟合效果及预报能力进行检验,并与常规T_m获取方法进行比较,结果表明,E-T_m回归模型拟合效果较好,相比Bevis经验模型,其预报稳定性及精度更高;在典型海区与基于探空资料建立的本地化模型进行了预报精度的比较,结果表明,2. 5°×2. 5°分辨率的E-T_m模型与探空资料建立的本地化模型精度相当,可以在无法建立探空站的海域进行使用,仅存在1%的平均转换误差。

吉林地区非线性大气加权平均温度模型

针对常用大气加权平均温度(Tm)模型在吉林地区精度较低的问题,提出1种适合吉林地区的非线性Tm模型:利用吉林地区3个国际探空站2014—2017年的观测数据,建立基于地表温度的一元线性回归Tm模型;在对其残差进行频谱分析后,再进行残差的三角函数拟合;最终建立Tm与地表温度、年积日之间的非线性模型TmD。实验结果表明:模型TmD的拟合和预报精度要优于常用的一元线性回归模型;用全球定位系统(GPS)反演大气可降水量时,模型TmD在吉林地区的精度更高,能够满足精度要求。

基于支持向量机回归的大气加权平均温度

提出一种基于支持向量机回归方法建立的以当地气象数据为输入参数、数值积分法计算的Tm为输出参数进行训练得到的大气加权平均温度模型。选取广西地区4个探空站提供的2013-2014年的气象数据和Tm数据为训练样本,2015年的两类数据为测试样本,取得最优的模型参数,并以此建立最优的Tm模型,然后计算2015年的Tm,将其结果与采用线性回归法建立的广西地区的单因素、多因素Tm模型的计算结果进行对比分析。结果表明,在选取最优模型参数的条件下,SVR建立的Tm模型比本地化的单因素和多因素Tm模型的精度更高,验证了支持向量机回归在T_m建模方面的可行性。

FY-4A GIIRS数据与ERA5再分析资料融合的中国区域大气加权平均温度模型

大气加权平均温度(T m)的精度直接影响全球导航卫星系统(GNSS)水汽反演的结果。针对现有T m模型的参数、建模数据源有待优化及模型构建时仅依赖于单个探空站点或单一格网点数据等问题,本文提出融合FY-4A GIIRS数据与ERA5再分析资料,在此基础上引入滑动窗口算法对融合数据进行处理同时顾及经度、纬度和高程因子构建空间分辨率为0.5°×0.5°的T m经验模型(FY-ET m模型)。采用偏差(Bias)和均方根误差(RMS)作为精度评定指标,联合未参与建模的2020年探空数据、ERA5再分析资料及天顶对流层延迟产品,对FY-ET m模型及其反演的大气可降水量进行精度评定。结果表明:以探空数据为参考值,FY-ET m模型的年均Bias、RMS分别为-0.02、5.79 K,相比较于Bevis和GPT3模型分别提高了3.62(Bias)、0.8(RMS)和2.54(Bias)、0.63 K(RMS);以ERA5再分析资料为参考值,FY-ET m模型的年均Bias、RMS分别为0.01、3.32 K,相比较于Bevis和GPT3模型分别提高了0.97(Bias)、0.13(RMS)和2.94(Bias)、1.71 K(RMS),同精度优异的GPT3模型相比,FY-ET m模型在中国西部和北部地区也表现出了明显的精度改善;以GNSS站点得到的PWV为参考值,FY-ET m模型反演的PWV与GNSS站得到的PWV值精度相当,Bias变化范围为-0.5~0.5 mm。FY-ET m模型准确度高稳定性良好,只需输入位置和时间信息就能获取目标点的T m,能够在GNSS水汽反演中发挥重要的作用。

顾及多因子影响的中国西部地区大气加权平均温度模型精化研究

针对中国西部地区地形起伏较大等情况,分析大气加权平均温度(T m)与测站高程、地面温度的关系,利用2014~2016年探空数据,在Bevis模型基础上建立一种与地面温度、高程和季节变化有关的新T m模型。以2017年探空数据为参考值,对新模型进行精度分析,并与广泛使用的Bevis模型和GPT2w模型进行精度比较。结果表明,以探空数据为参考值,新模型的年均偏差和均方根误差(RMS)分别为-0.08 K和3.89 K,相比Bevis模型、GPT2w-5模型和GPT2w-1模型,其精度(RMS值)分别提高14.3%、20.6%和9.3%。此外,将新T m模型用于GNSS水汽计算,其水汽计算理论RMS误差和相对误差分别为0.22 mm和1.43%,新模型在中国西部地区的GNSS水汽探测中具有重要的应用价值。

中国区域大气加权平均温度垂直递减率格网模型

大气加权平均温度(T m)是全球导航卫星系统(GNSS)反演大气水汽(PWV)的关键参数。然而,已有经验T m模型难以捕获T m的日周期变化,限制了其在高时间分辨率GNSS-PWV监测中的应用。利用大气再分析资料可获取高时间分辨率的T m信息,但需使用高精度的T m垂直递减率模型对其进行高程改正。针对已有T m垂直递减率模型建模仅使用单一格网点数据等不足,本文引入滑动窗口算法,利用2012—2016年的MERRA-2再分析资料建立了顾及时变垂直递减率的中国区域水平分辨率分别为1°×1.25°、2°×2.5°和4°×5°的T m垂直递减率格网模型(简称“CTm-H1、CTm-H2和CTm-H3模型”)。联合2017年的MERRA-2、GGOS大气格网数据和探空站资料,对CTm-H模型进行精度检验,并与中国区域统一的T m垂直递减率模型(简称“统一模型”)进行比较分析。结果表明:①以MERRA-2格网数据为参考值,通过CTm-H模型将MERRA-2地表格网数据改正到分层格网数据各层高度处检验,CTm-H 3个模型性能相当,在两种T m数据高程差异较大时,CTm-H模型表现出显著的优势,相比于统一模型,精度(RMS值)整体提高了30%。②以探空站资料为参考值,通过CTm-H模型将MERRA-2地表格网数据和GGOS大气格网产品分别改正到探空站高度处检验,与统一模型相比,CTm-H 3个模型的精度整体分别提高了3%和5%,且CTm-H和统一模型的精度相比于未顾及垂直改正提升较大,尤其在中国西部地区表现出显著的优势。总体而言,CTm-H 3个模型在中国区域均具有较高的精度,不需要实测气象参数即可提供中国区域近地空间范围内(本文指0~10 km的高程范围)任意位置实时高精度的T m高程改正值,因此,它在中国区域的实时高精度GNSS水汽探测中具有重要的应用。