Influence analysis of different weighted mean temperature models on precipitable water vapor
-
摘要: 加权平均温度(WMT)是地基全球卫星导航系统(GNSS)气象学中解算大气可降水量(PWV)时的一个重要物理量,利用国内四个典型地区2019年的历史气象探空数据计算各剖面的WMT,构建了适合当地的WMT线性统计模型,并对所建模型、工程上常用的几种WMT统计模型及利用其换算得到的PWV进行了对比. 根据统计结果可知:对于精度较高的需求,构建适合当地的统计模型是很有必要的,另外,各统计模型中Mao模型和Mendes模型的精度相对较高,在不具备建模条件的情况下可以优先考虑. 本统计结果可为其他涉及WMT的工程应用提供参考.
-
关键词:
- 地基全球卫星导航系统(GNSS)气象学 /
- 大气可降水量(PWV) /
- 加权平均温度(WMT) /
- 对流层天顶湿延迟(ZWD) /
- 转换因子
Abstract: The weighted mean temperature (WMT) is an important parameter to calculate precipitable water vapor in ground based GNSS meteorology. Four local linear statistical models of the WMT were derived from their historical radiosonde data in 2019. The comparison with other WMT models and the precipitable water vapor calculated by them show that Mao model and Mendes model have higher precision in the four cities, and it is necessary to establish local model for high-precision applications. The findings provide valuable reference for engineering fields concerned with the weighted mean temperature. -
表 1 常数系数
系数 a b c d 平冰面(ice) 6.1115 23.036 333.7 279.82 平液面(water) 6.1121 18.678 234.5 257.14 表 2 Tm当地统计模型系数
地区 常数项${a_i}$ 系数项${b_i}$ 长春 31.56 0.8556 青岛 18.30 0.9047 乌鲁木齐 107.59 0.5853 海口 126.72 0.5445 表 3 WMT统计RMSE
K 地区 Bevis
模型Mendes
模型Solbrig
模型Schueler
模型Mao
模型当地模型 长春 3.92 3.50 3.65 5.27 3.44 3.37 青岛 3.83 3.62 4.12 6.50 3.68 3.33 乌鲁木齐 3.73 4.29 4.31 4.80 4.54 3.21 海口 4.70 4.09 5.30 9.50 4.20 1.77 表 4 PWV统计RMSE
mm 地区 Bevis模型 Mendes模型 Solbrig模型 Schueler模型 Mao模型 当地模型 长春 0.174 0.164 0.196 0.411 0.166 0.166 青岛 0.268 0.239 0.303 0.578 0.245 0.213 乌鲁木齐 0.160 0.177 0.149 0.169 0.175 0.125 海口 0.610 0.510 0.689 1.338 0.522 0.264 -
[1] 李征航, 黄劲松. GPS测量与数据处理[M]. 第二版. 武汉: 武汉大学出版社, 2010. [2] SAASTAMOINEN J. Contribution to the theory of atmospheric refraction[J]. Bulletin geodesique, 1973(105): 279-298. DOI: 10.1007/bf02521844 [3] 丁金才. GPS气象学及其应用[M]. 北京: 气象出版社, 2019. [4] THAYER G D. A improved equation for radio refractivity of air[J]. Radio science, 1974, 9(10): 803-807. DOI: 10.1029/RS009i010p00803 [5] ITU-R. The radio refractive index: its formula and refractivity data[S/OL]. (2015-07)[2023-01-12]. https://www.itu.int/dms_pubrec/itu-r/rec/p/R-REC-P.453-11-201507-S!!PDF-E.pdf [6] BEVIS M, BUSINGER S, HERRING T A, et. al. GPS 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 [7] MENDES V B, PRATES G, SANTOA L D M, et al. An evaluation of the accuracy of models of the determination of the weighted mean temperature of the atmosphere[C]//Proceedings of the 2000 National Technical Meeting of the Institute of Navigation, 2000. [8] SOLBRING P. Untersuchungen ber die Nutzung Numerischer Wettermodelle zur Wasserdampfbestmmuna mit Hilfe des Global Positioning Systems[D]. Germany: University FAF Munich, 2000. [9] SCHUELER T, POSFAY A, HEIN G W, et al. A Global Analysis of the Mean Atmospheric Temperature for GPS Water Vapor Estimation [C]//Proceedings of the 14th International Technical Meeting of the Satellite Division of The Institute of Navigation, 2001. [10] 毛节泰, 李建国. 使用GPS系统遥感中国东部地区水汽分布——原理和回归分析[C]//全球定位系统——气象学研究论文汇编, 北京: 中国气象局国家卫星中心, 1997.