排序方式: 共有27条查询结果,搜索用时 0 毫秒
1.
利用IGS站及实测气象参数的Saastamoinen模型来评估EGNOS天顶对流层延迟模型在新疆的精度,研究表明:(1)在新疆地区,EGNOS模型与IGS站数据符合较好,guao站BIAS为0.9mm,RMS为1cm;(2)EGNOS模型与实测气象参数的Saastamoinen模型比较分析后发现,两者之间平均BIAS为-7.9mm,RMS为1.62cm,BIAS随纬度的增加由负值变为正值,EGNOS模型精度在新疆地区随高程变化稳定,在高程较低处也能保证一定的精度,与其他同纬度不同高程的IGS站相比较,EGNOS模型精度在新疆地区优于其他地区;(3)与ECMWF资料计算的ZTD比较,EGNOS模型RMS优于ECMWF 近3.6cm。 相似文献
2.
为了探究GPS卫星频段、高度角范围、海平面风速和潮位差等因素对GPS-MR海平面高度反演的影响,利用美国大陆板块边界观测计划(PBO)的GPS观测数据进行实验,并与美国海洋和大气局(NOAA)提供的验潮站数据进行验证。结果表明,对于该GPS测站,选择5°~15°的高度角区间、信噪比较高的L1频段时反演精度最优,均方误差为0.14 m,相关系数为0.96;合适的高度角区间(5°~10°)能有效增加反演个数,且该方法受风速和潮位差影响较小。因而,GPS-MR海平面高度反演方法可以作为海平面高度监测的有效补充。 相似文献
3.
近年来,节假日效应带来的环境负担日趋严重,PM2.5在节假日期间的浓度预测工作变得尤为重要。考虑气象因素、大气污染物以及大气可降水量(PWV)等数据影响,基于桂林电子科技大学尧山校区、桂林市环境监测站、龙隐小学和桂林市第八中学4个空气质量监测站点在2014—2019年春节期间的PM2.5浓度变化情况,分别比较多元线性回归模型、神经网络模型和ARIMA模型的适用性。结果表明:对整月预测而言,多元线性回归模型在电子科大尧山校区预测适用性最佳,神经网络模型在环境监测站、龙隐小学和第八中学预测效果最好;对春节前后各一周时段预测结果来说,多元线性回归模型在桂林电子科技大学尧山校区、龙隐小学和第八中学站点预测精度最高,ARIMA模型在监测站预测精度最高。 相似文献
4.
大气加权平均温度(Atmospheric Weighted Mean Temperature,Tm)是全球导航卫星系统(Global Navigation Satellite System, GNSS)反演水汽的关键因素,针对已有的中国南部区域大气加权平均温度模型未同时顾及Tm的高程非线性垂直变化和日周期变化特征,提出利用2015—2017年的欧洲中期天气预报中心(European Center for Medium-Range Weather Forecasts, ECMWF)提供的第5代再分析资料建立了水平分辨率为1°×1°的中国南部Tm模型(CNXNTm模型)。用未参与建模的2018年ERA5再分析资料积分计算的Tm和探空站Tm数据为参考值,对CNXNTm模型进行精度检验,与目前精度较好的IGPT2W模型和最新的GPT3模型进行比较分析。结果表明,在统计的22个气压层内CNXNTm模型偏差(BIAS)和均方根误差(RMSE)分别为0.14、2.26 K,相对于IGPT2W模型的0.73、5.38 K提升了81%和58%,相对于GPT3模型的17.66、17.81 K提升了99%和... 相似文献
5.
GPT2w是一种全球经验对流层延迟模型,具有1°和5°格网分辨率,可用于计算对流层天顶延迟(ZTD)和加权平均温度(T_m)。本文以广西地区的陆态网GNSS数据计算的ZTD值及探空站实测气象资料值计算的T_m值作为参考,对GPT2w模型进行适用性评估。结果表明:GPT2w模型的ZTD表现出显著的季节偏差,且其两种格网分辨率计算的年均值和RMS基本一致,年均RMS优于4.5 cm;GPT2w模型的T_m偏差也存在较明显的季节特性,且表现出一定的系统偏差。两种分辨率格网计算的T_m值精度相当,年均RMS优于3.4 K。 相似文献
6.
7.
针对对流层延迟误差改正模型在不同区域的影响各不相同,为分析常用的GPT2w和UNB3m模型在桂林地区暴雨天气下的适用性,以暴雨频发的2017年6—7月为研究时段,基于桂林地区该时间段内8个CORS基准站解算的对流层天顶总延迟(ZTD)产品为参考值,对模型在桂林地区暴雨天气下的适用性进行分析。结果表明:在暴雨天气下,GPT2w-1和GPT2w-5模型的平均偏差BIAS分别为-2.94和-4.37 cm, RMS分别为3.77和4.86 cm,而UNB3m表现出较大的平均偏差(-11.26 cm)和RMS(11.37 cm);相比暴雨天气,GPT2w-1、 GPT2w-5和UNB3m模型在晴朗天气下的精度(RMS值)分别提高了1.18、 2.52和3.95 cm。综合分析发现,常用GNSS对流层延迟模型在晴朗天气下的精度及稳定性普遍要优于暴雨天气,同时在桂林地区暴雨天气下GPT2w模型的精度及稳定性都优于UNB3m模型。因此,在桂林地区暴雨天气下GPT2w相较于UNB3m模型具有更好的适用性。 相似文献
8.
9.
利用美国南加州地区多个 IGS站 4年天顶对流层延迟 (ZTD)数据,建立了一种不需要实测气象参数而只与测站高程和年积日有关的区域天顶对流层延迟模型。新模型与基于 ECMWF再分析资料和年平均气象参数下的 Saastamoinen模型相比,其稳定性和精度都优于 Saastamoinen模型,且模型精度随高程的增加而增加。使用新模型预测 2012年南加州地区 ZTD,其整体精度约为 3.86cm。 相似文献
10.
利用 IGS站及实测气象参数的 Saastamoinen模型来评估 EGNOS天顶对流层延迟模型在新疆的精度,研究表明:(1)在新疆地区,EGNOS模型与 IGS站数据符合较好,guao站 BIAS为 0.9mm,RMS为 1cm;(2)EGNOS模型与实测气象参数的 Saastamoinen模型比较分析后发现,两者之间平均 BIAS为 -7.9mm,RMS为 1.62cm,BIAS随纬度的增加由负值变为正值,EGNOS模型精度在新疆地区随高程变化稳定,在高程较低处也能保证一定的精度,与其他同纬度不同高程的 IGS站相比较,EGNOS模型精度在新疆地区优于其他地区;(3)与 ECMWF资料计算的 ZTD比较,EGNOS模型 RMS优于 ECMWF近 3.6cm。 相似文献