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
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。
