留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

日本区域加权平均温度建模

罗相涛 黄良珂

罗相涛, 黄良珂. 日本区域加权平均温度建模[J]. 全球定位系统, 2022, 47(4): 93-100. doi: 10.12265/j.gnss.2022035
引用本文: 罗相涛, 黄良珂. 日本区域加权平均温度建模[J]. 全球定位系统, 2022, 47(4): 93-100. doi: 10.12265/j.gnss.2022035
LUO Xiangtao, HUANG Liangke. Atmospheric weighted mean temperature modeling for Japan[J]. GNSS World of China, 2022, 47(4): 93-100. doi: 10.12265/j.gnss.2022035
Citation: LUO Xiangtao, HUANG Liangke. Atmospheric weighted mean temperature modeling for Japan[J]. GNSS World of China, 2022, 47(4): 93-100. doi: 10.12265/j.gnss.2022035

日本区域加权平均温度建模

doi: 10.12265/j.gnss.2022035
基金项目: 国家自然科学基金项目(41704027);广西自然科学基金项目(2017GXNSFBA139,2017GXNSFDA016);广西空间信息与测绘重点实验室开放基金项目(19-050-11-02);广西“八桂学者”岗位专项项目
详细信息
    作者简介:

    罗相涛:(1976—),男,高级工程师,主要研究方向为GNSS气象学、GNSS数据处理及地理信息系统应用

    黄良珂:(1986—),男,博士,副教授,硕士生导师,主要研究方向为GNSS对流层建模研究

    通讯作者:

    黄良珂E-mail: lkhuang666@163.com

  • 中图分类号: P228.4

Atmospheric weighted mean temperature modeling for Japan

  • 摘要: 由于日本区域易受自然灾害频发、水汽特征变化复杂、探空站点分布稀疏的问题,进而制约了高精度水汽的获取,因此缺少此区域的高精度加权平均温度(Tm)模型. 鉴于此,采用2009—2016年全球大地测量观测系统(GGOS) Atmosphere Tm和ERA-Interim 2 m Ts格网数据新建立一种考虑Tm残差季节性变化和周日变化的适合日本区域的Tm模型 (JQTm模型). 同时,利用2017年日本区域13个探空站和110个GGOS Atmosphere Tm格网数据,对新建立的JQTm模型在日本区域的精度进行评估. 研究发现:与GGOS Atmosphere Tm格网数据对比,JQTm模型的偏差(bias)和均方根误差(RMSE)分别为0.15 K和1.92 K,RMSE分别比GPT2w-1模型、GPT2w-5模型提升41.16% (1.33 K)、44.41% (1.53 K);与探空资料对比,JQTm模型的bias和RMSE分别为–0.66 K和2.14 K,RMSE分别比GPT2w-1模型、GPT2w-5模型提升28.43% (0.85 K)、29.61% (0.90 K). JQTm模型能够为日本区域提供高精度的Tm值,为研究此区域大气水汽和极端天气提供重要依据.

     

  • 图  1  日本区域探空站点分布图

    图  2  2009—2016年格网点(44.00°N,142.50°E) TmTs的散点图与拟合曲线

    图  3  日本区域两个格网点残差的时间序列与FFT下的周期特性

    图  4  日本区域4种模型2017年格网Tm数据bias、RMSE统计

    图  5  2017年4种模型不同年积日格网Tm数据bias、RMSE时间序列

    图  6  日本区域4种模型2017年探空Tm数据bias、RMSE统计

    图  7  日本区域4种模型${\sigma _{{\bf{PWV}}}}$理论结果和${\bf{{\sigma _{{\bf{PWV}}}}}}$/PWV的空间分布

    表  1  日本区域4种模型对比GGOS Atmosphere Tm格网数据的精度 K

    模型biasRMSE
    最大值最小值平均值最大值最小值平均值
    Bevis+GPT2w-18.61–6.601.0410.071.784.21
    GPT2w-16.25–5.64–0.197.711.333.25
    GPT2w-56.23–5.63–0.207.801.743.45
    JQTm2.15–2.350.153.700.981.92
    下载: 导出CSV

    表  2  4种模型对比2015年探空站数据的精度 K

    模型biasRMSE
    最大值最小值平均值最大值最小值平均值
    Bevis4.71–4.290.165.310.952.86
    GPT2w-16.28–6.81–0.837.210.872.99
    GPT2w-56.44–6.72–0.707.420.643.04
    JQTm2.72–3.82–0.664.280.892.14
    下载: 导出CSV
  • [1] WANG J H, ZHANG L Y, DAI A G. Global estimates of water-vapor-weighted mean temperature of the atmosphere for GPS applications[J]. Journal of geophysical research, 2005, 110(D21): D21101. DOI: 10.1029/2005JD006215
    [2] 姚宜斌, 张顺, 孔建. GNSS空间环境学研究进展和展望[J]. 测绘学报, 2017, 46(10): 1408-1420. DOI: 10.11947/j.AGCS.2017.20170333
    [3] ZHAO Q Z, YAO Y B, YAO W Q. GPS-based PWV for precipitation forecasting and its application to a typhoon event[J]. Journal of atmospheric and solar terrestrial physics, 2018(167): 124-133. DOI: 10.1016/j.jastp.2017.11.013
    [4] BEVIS M, BUSINGER S, HERRING T A, et al. GNSS meteorology: remote sensing of atmospheric water vapor using the global positioning system[J]. Journal of geophysical research:atmospheres, 1992, 97(D14): 15787-15801. DOI: 10.1029/92jd01517
    [5] ASKNE J, NORDIUS H. Estimation of tropospheric delay for microwaves from surface weather data[J]. Radio science, 1987, 22(3): 379-386. DOI: 10.1029/RS022i003p00379
    [6] YAO Y B, XU C Q, ZHANG B, et al. GTm-III: a new global empirical model for mapping zenith wet delays onto precipitable water vapour[J]. Geophysical journal international, 2014, 197(1): 202-212. DOI: 10.1093/gji/ggu008
    [7] ROSS R J, ROSENFELD S. Estimating mean weighted temperature of the atmosphere for Global Positioning System applications[J]. Journal of geophysical research, 1997, 102(D18): 21719-21730. DOI: 10.1029/97JD01808
    [8] YAO Y B, ZHANG B, XU C Q, et al. Improved one/multi-parameter models that consider seasonal and geographic variations for estimating weighted mean temperature in ground-based GNSS meteorology[J]. Journal of geodesy, 2014, 88(3): 273-282. DOI : 10.1007/s00190-013-0684-6
    [9] 许超钤, 姚宜斌, 张豹, 等. GGOS Atmosphere大气加权平均温度数据的精度检验与分析[J]. 测绘地理信息, 2014, 39(4): 13-16.
    [10] HUANG L K, JIANG W P, LIU L L, et al. A new global grid model for the determination of atmospheric weighted mean temperature in GPS precipitable water vapor[J]. Journal of geodesy, 2019, 93(D14): 159-176. DOI: 10.1007/s00190-018-1148-9
  • 加载中
图(7) / 表(2)
计量
  • 文章访问数:  588
  • HTML全文浏览量:  77
  • PDF下载量:  19
  • 被引次数: 0
出版历程
  • 收稿日期:  2022-03-09
  • 录用日期:  2022-03-09
  • 网络出版日期:  2022-07-22

目录

    /

    返回文章
    返回