大气中的水汽变化迅速,时空分布不规则,传统方式难以精确描述水汽的变化规律。目前,基于GNSS技术,实现对流层水汽信息的提取,服务于日常天气预报和极端天气监测是当前GNSS气象学的研究热点之一。本文以精密单点定位（Precise Point Posi...
详细信息
大气中的水汽变化迅速,时空分布不规则,传统方式难以精确描述水汽的变化规律。目前,基于GNSS技术,实现对流层水汽信息的提取,服务于日常天气预报和极端天气监测是当前GNSS气象学的研究热点之一。本文以精密单点定位（Precise Point Positioning,PPP）技术作为基础,采用地基GNSS水汽反演技术求得斜路径湿延迟,然后附加约束条件,建立联合观测方程,采用水汽层析解算算法,重构研究区域上空的三维水汽空间分布。主要内容和结论如下:1、对全球气象模型GPT/2/2w模型及其用于GNSS水汽反演的精度进行分析,研究结果表明:1)改进的GPT2和GPT2w模型估算的气压和气温参数的精度基本一致,气压和气温误差的平均RMS分别为8.2mb和5.4°C,均优于GPT模型;2)采用GPT2、GPT2w模型解算GPS PWV的精度相当,在缺少实测气象数据的情况下,采用GPT2、GPT2w模型进行GPS PWV反演仍能得到比较理想的结果;2、选用ERA-Interim数据与探空站数据对五种Tm模型精度进行对比和验证,并对模型用于PWV反演的精度进行分析。试验结果表明:1)GPT2w模型估算的精度最高,统计的平均bias与RMSE值分别为0.38K和3.62K,优于其他四种模型的结果;2)五种模型都受到季节性因素的影响,模型估算的Tm值在夏季精度（RMSE最小）最高;3)五种模型随高程增加,精度逐渐降低;4)五种模型估算大气加权平均温度的精度随纬度的升高,RMSE值增大,RMSE值随纬度变化在2-8K之间;5)五种Tm模型解算PWV的精度基本一致,平均RMSE值在1.2-1.4mm之间;6)通过探空数据验证模型精度,GPT2w模型精度略优于其他四种模型,RMSE值为3.79K,探空数据验证五种Tm模型反演PWV结果,RMSE值保持在1.2-1.4mm之间,精度大致一致。3、在香港地区上空GNSS三维水汽层析试验中,使用代数重构算法与联合代数重构算法的解算结果与无线电探空数据结果进行比较。研究结果表明:两种代数重构算法的层析解算结果精度相当,与探空资料解算的大气水汽湿折射率偏差都要小于4mm/km,取得了比较良好的结果;在迭代收敛时间方面上,联合代数重构算法在收敛时间方面仅为代数重构的1/3-1/2倍,具有较大的优势;4、采用IGS预报星历搜索研究区域最优边界,确定多种网格划分方案。然后使用IGS精密星历与测站数据求取斜路径水汽信息,进行三维层析。研究结果表明:采用非均匀分层方案解算的结果要优于均匀分层的解算结果,水平格网大小为0.08°,层析的解算精度最好。
暂无评论