建立一种新的对流层斜延迟改进经验模型——GPT2w模型外文翻译资料

 2022-08-27 10:10:22

英语原文共 9 页，剩余内容已隐藏，支付完成后下载完整资料

建立一种新的对流层斜延迟改进经验模型——GPT2w模型

Johannes Bohm, Gregor Moller, Michael Schindelegger, Gregory Pain, Robert Weber

1. 大地测量与地理信息系，维也纳理工大学，奥地利，维也纳，Guszlig;hausstraszlig;e 27-29, 1040； E-mail：johannes.boehm@tuwien.ac.atE-mail

2. 地球与空间定位系，法国国家地理科学学院，法国，Marne La Vallee，Champs sur Marne,6 et 8 Avenue Blaise Pascal;

投稿时间：2014-6-11，录用时间：2014-8-13，发表时间：2014-8-24

摘要：全球气压温度湿度模型( GPT2w )是一个对流层延迟经验模型，它提供了维也纳映射函数1的气压、温度及其递减率、水汽压及其下降因子、加权平均温度以及静力系数和湿度映射函数系数的平均值加上年和半年周期振幅。所有气象参数均来自欧洲中期天气预报再分析中心的月平均气压资料，水平分辨率为1°，该模式利用日期和站点坐标为输入值，计算地球表面附近高度角3°以下的斜向静水湿延迟。计算湿延迟是基于水汽压、加权平均温度和水汽减少因子的格网点处数值，后者被调整为射线追踪的天顶湿延迟。与341个全球分布式全球卫星系统站的天顶延迟（ZTD）进行比较，所有站的Bias均在1 mm以下，RMS约为3.6 cm。带有网格输入文件的GPT2w模型源代码可以通过网站http://ggosatm.hg.tuwien.ac.at /DELAY/SOURCE/GPT2w/获得。

关键词：对流层延迟；天顶延迟；斜延迟；映射函数

  1. 介绍

对流层延迟建模是在微波频率下运行的空间大地测量技术分析中的主要误差源之一，例如全球卫星导航系统(GNSS)、甚长基线干涉测量(VLBI)，或卫星集成的多普勒轨道学和无线电定位(DORIS )( Nilsson et al, 2013)。正常情况下，映射函数的概念可以用来计算对流层延迟，其公式为：

（1）

高度角处的总延迟量△L是静力学部分和湿部分的总和，它们各自可以用天顶延迟与相应映射函数的乘积表示。高精度的天顶静力学延迟量由当地实时气压数据和站点坐标确定 (Davis et al. 1985)。相比之下，特征湿参数，如水汽压，在评估天顶湿延迟时，基本上不足以测量非静力垂直折射率，因此这些值通常作为未知参数在空间大地测量分析中估计。

但是，一些实时应用程序比如定位和导航工作，没有后续处理分析的功能。因此需要对提供准确的先验估计。目前广泛采用天顶湿延迟评估工具有RTCA-MOPS模型[21,7]，欧洲航天局伽利略用户接收机模型(ESA GAL) (Krueger et al. 2004; Martellucci .2012)和同时代发展的TropGrid模型(Krueger et al. 2004)。TropGrid模型最近更新了TropGrid2(Schuler et al. 2014)，ESA模型和TropGrid模型都标明了基础参数的年变化和日变化。在此，我们提出一个新的天顶湿延迟经验模型，该模型结合了实时气压和映射函数，利用位置信 息和观测时间即可提供到仰角为3°处的对流层延迟。

人们在过去运用了许多映射函数。例如NMF映射函数(Niell et al.1996)和全局映射函数(Bohm et al. 2006a)，这两个模型只需要年积日和近似站坐标作为输入值，即可得到对流层延迟，因此被称为经验函数。此外，等压映射函数(IMF; Niell et al. 2001)和维也纳映射函数1 (VMF1; Bohm et al. 2006b)计算了在观测期间数值天气模型分析场得到的实际折射率。因此，VMF1在精度优于NMF模型和GMF模型，但如果不更新底层映射函数，也不能广泛适用。确定天顶干延迟所需的气压值最好取自天线附近的局部测量值或数值天气模式的网格处的值，如在http://ggosatm.hg.tuwien.ac.at/.获取的VMF1条件下。如果这些无法获取，分析人员可使用Berg模型(Berg et al .1948)和Hopfield经验模型(Hopfield. 1969),、UNB3m模型 (Leandro et al. 2006),或GPT模型 (Bohm et al. 2007)来获取近似的地面气压信息。

Lagler等人对GPT和GMF进行了改进组8合 (Lagler et al. 2013)，然后将更新后的经验模型命名为GPT2。他们利用ECMWF 提供的10年ERA- 37再分析数据，在平均ETOPO5 (地球地形)高度5°以下的网格上，确定选定参数r的平均值( A0 )、年周期振幅( A1，B1 )和半年振幅( A2，B2 ) (ERA-Interim; Dee et al. 2011)，公式如下

(2)

式中，是年积日(Lagler et al. 2013)。

GPT2提供了静力系数和湿映射函数系数ah和aw、气压P、温度T及其递减率dT和水汽压e的估计值。一般在目标站位置周围的四个网格进行公式(2)的数据评估，然后通过格网点处数据进行高度规算得到其他高度的数值，并将其从这些基点向水平方向的观测站点插入。这里应该指出，ah的外推遵循Niellde 的研究结果(Niell et al. 1996)，地表附近的aw被认为是常数。压力的推断依赖于与虚拟温度的相反的指数趋势系数(Bohm et al. 2013)，温度的线性外推利用 GPT2 固有的温度递减率dT。该模型内特定湿度的表面网格值由地球表面附近气压水平之间的线性插值推导出来。将这些参数带入Saastamoinen模型[24] 可以确定天顶湿延迟(Saastamoinen et al.1972)，虽然这种方法不是最优的，但下面我们将GPT2w作为GPT2的一个扩展，提高在经验模型确定天顶湿延迟的能力。下面介绍这种新的辅助模型的发展，利用GNSS-ZTD进行验证，展望GPT2w未来的适用性，并总结研究结果。

  1. GPT2w的发展

ZWD通过Askneamp;Nordius模型获取 (Askne J and Nordius H .1987)

(3)

其中，k2和k3为经验确定系数，Rd为经验常数，gm为重力加速度，es为站点水汽压。

地表处H沿局部垂直方向不同高度的加权平均温度可表示为，

(4)

水汽递减因子的表达式

(5)

利用地面气压值( es加总地面气压ps )与任意目标水平上定义的地面气压值()之间的关系所得。实质上，利用式( 3 )得到天顶湿延迟，需要站点e、Tm和水汽减少因子。虽然Tm很容易通过数值积分获得，的推导不需要直接计算，由于水汽随高度在不停变化，不同的压力级结果不同。另一方面，我们可以利用数值积分法通过湿折射沿站点垂直方向确定天顶湿延迟(Nilsson et al. 2013)，这能让我们简单地将公式( 3 )反演为一个全球网格，对于整个对流层的下降因子具有很好的代表性，并与天顶湿延迟完全一致。

图1给出了反演式 ( 3 )得到的“观测”水汽减少因子均值及其年周期振幅、半年周期振幅和残差的标准差。通过和获取ERA-Interim ( 1°水平分辨率) 10年的月平均气压水平数据，拟合的格网点处与GPT2完全一致。全球平均场(图1a )和年周期(图2a )都表现出典型的大气环流模式，如热带辐合带在上升流湿空气的尾流中呈小的垂直梯度分布(Wallace and Hobbs .1977)。相反，马纬度(南北纬30°左右)的特点是干空气大规模沉积，加上海洋表面(如阿拉伯海和地中海、非洲和美洲西海岸)强烈的区域蒸发，导致的梯度陡峭。总体而言，图1清楚地表明，无论在空间上还是时间上，都不足以对水汽压施加恒定的下降因子

图1. 平均值(a)、年振幅(b)、半年振幅(c)和年振幅(B)、半年振幅(d)和水汽下降因子标准差图

图2给出了公式( 4 )获取的水汽压加权平均气温Tm的平均值(a)、年振幅(b)、半年振幅(c)和拟合后标准差(d)的模拟图。平均值的分布多与纬度相关，而东北亚和加拿大东部的Tm误差主要在10 ~ 15K。在纬度高于60°以及亚热带地区， Tm半年周期振幅最强，降水量和气温上呈现双峰型，并依赖于在两个不同的湿季：例如，印度北部、阿拉伯海和萨赫勒西部地区。

图2. 平均值(a)、年振幅(b)、半年振幅(c)和基于最小二乘的加权平均温度TM的残差的标准差(d)

上述空间模式的含义应举例说明一个特定的网格点，该点被选择位于阿拉伯海（22.5°N， 63.5°E），要注意到一个突出的水蒸气减少因子（图1a）。在图3中，我们绘制了ERA-Interim和GPT2w模型的e、Tm、和ZWD的值，两者的数据在3年(2001.0-2003.12)内近似。由图3和图1所示的标准偏差可知，GPT2w拟合的气候平均值在选定的一段时间内很好地反映了实际的年变化，但在半年周期中误差较大。有意思的是，更广泛的当地水汽压值的年极大值和的强半年模式在天顶湿延迟约10厘米处产生明显而尖锐的年峰值。

在精确考虑获取天顶湿延迟所需的Tm和的相关性之后，我们将这两个基本参数添加到ERA数据库已确定的一组变量中。经纬度1°的水平分辨率并没有像GPT2那样降低，因为大气中的湿部具有更多的小尺度结构，特别是沿海地区(图1 )。利用水汽减少因子的GPT2w-固有值，es在不同高度的外推值可由公式（5）获得。压力下降至符合GPT2使用的指数趋势系数是从网格点向虚拟温度信息计算的。这种等温比例尺高度可能会因绝热效应而另行调整，但这种方法在延迟预测方面的益处并没有完全明确 (Schuler et al. 2014)。表1总结了新模型的主要特征，可与文献(Lagler et al. 2013)中的表1 相比较。

  1. GNSS对流层延迟的验证

2011年以来，美国海军天文台( USNO )以GNSS-ZTD进行验证，将国际GNSS服务(IGS)所有GNSS站点的观测数据以SINEX格式进行储存并分发最终对流层估计，时间分辨率为5 分钟，延迟约为4周 (Hackman and Byram.2012)。IGS中心局在http://igs.org/components/prods.html.规定对流层天顶方向延迟精度为4 mm，为了验证GPT2w，下载并清理了2012年所有可用的SINEX文件(约11万)。可视化检验表明，在某些情况下，GNSS观测值无法得到真实的对流层估计，因此我们将这些数值不列入比较，以避免验证结果的伪造。此外，仅保留了形式误差小于18 mm的天顶总延迟，这是一个合理的阈值，保留了341个GNSS站点至少有110天的对流层延迟。总的来说，一共删除了SINEX文件中约3.4 %的天顶总延迟项。

图3. 2001-2003年水汽压(a)、平均温度(b)、水汽下降系数(c)和天顶湿延迟(d)图

表1. GPT2w模型的主要特征表

NWM模型数据

2001-2010年ERA-Interim月平均数据（37层

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[405740]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章