一种基于Emardson-H的GPT3改进模型构建方法

针对GPT3模型各气象参数存在明显周期性误差的问题,以2015~2019年长三角地区7个探空站资料作为参考,分析GPT3模型残差的季节性周期变化,并利用Emardson-H模型构建一种新的GPT3改进模型。实验结果表明:1)与探空资料相比,GPT3模型气压、温度、水汽压和加权平均温度(T_(m))的均方根(RMS)均值分别为5.09 hPa、3.90 K、4.01 hPa和4.54 K;2)基于Emardson-H的GPT3改进模型气压、温度、水汽压和T_(m)的RMS均值分别为4.64 hPa、3.53 K、3.73 hPa和3.27 K,比GPT3模型分别提升0.45 hPa、0.37 K、0.28 hPa和1.27 K。综上分析,基于Emardson-H的GPT3改进模型精度相比GPT3模型有所改进。

新疆地区Emardson大气水汽转换系数的适用性分析

利用积分法计算新疆地区9个无线电探空站2009～2013年的大气水汽转换系数K,将其作为真值,通过选取相同纬度、不同高程的探空站,分析Emardson模型对高程和时间的适用性;并均匀地选取5个探空站,逐年增加样本数据,解算不同样本的模型参数,建立对应的Emardson模型,预测其余4个探空站2014年的K值,验证Emardson模型在时间上的适用性。研究表明：1）在新疆地区,Emardson模型对高程和时间有较好的适用性;2）在时间分布上,增加样本数能在一定程度上提高Emardson模型的精度。

顾及高程的南极洲GNSS可降水量K值模型

针对南极洲地区水汽资料匮乏且时空分辨率低的问题,提出顾及高程的南极洲GNSS可降水量K值模型:基于全球卫星导航系统(GNSS)获取的大气可降水量(PWV),利用2015—2021年南极洲地区的8个探空站资料,通过数值积分法计算水汽转换系数(K值),用2015—2017年的K值建立Emardson-I模型与顾及高程的Emardson-H模型;并用2018—2021年5个探空站和4个GNSS站检验2种模型的预测精度。结果表明:就K值预报精度而言,Emardson-I模型的平均绝对偏差(MAE)和均方根(RMS)的平均值分别为0.00199和0.00247,Emardson-H模型的平均MAE和平均RMS分别为0.00179和0.00228,Emardson-H模型精度略优于Emardson-I模型;在南极洲的低海拔地区,基于Emardson-I和Emardson-H模型的GNSS-PWV精度一致,顾及高程的Emardson-H模型优势并不明显;与探空资料的PWV相比,Emardson-H模型的PWV反演精度优于Emardson-I模型。顾及高程的Emardson-H模型预测精度较高,更适用于南极洲地区的GNSS-PWV反演。

顾及地形起伏的H模型在中国西部地区的适用性分析

利用积分法计算的大气水汽转换系数作为参考值,根据中国西部地区43个无线电探空站2013—2017年的实测数据建立H模型,将整个西部地区分别按照测站的纬度与海拔划分为3个区域,建立相应的区域模型,与Emardson模型作对比,研究H模型在不同纬度与不同海拔地区的适用性;通过逐年增加测站实测数据建立H模型,分析H模型在时间上的适用性。研究表明:①H模型在低纬地区的适用性较好,建立相应的区域模型,可提高模型的精度;②H模型在2000~4000 m高海拔地区具有较高的精度;③逐年增加测站实测数据建立相应的H模型,模型的精度无明显变化。