CN108828690A - 一种反演大气水汽含量的方法及装置 - Google Patents

一种反演大气水汽含量的方法及装置 Download PDF

Info

Publication number
CN108828690A
CN108828690A CN201810710241.3A CN201810710241A CN108828690A CN 108828690 A CN108828690 A CN 108828690A CN 201810710241 A CN201810710241 A CN 201810710241A CN 108828690 A CN108828690 A CN 108828690A
Authority
CN
China
Prior art keywords
observation station
zenith
delay
water vapor
retrieval
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201810710241.3A
Other languages
English (en)
Inventor
陈明剑
闫欢欢
李俊毅
李万里
李广云
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Information Engineering University of PLA Strategic Support Force
Original Assignee
Information Engineering University of PLA Strategic Support Force
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Information Engineering University of PLA Strategic Support Force filed Critical Information Engineering University of PLA Strategic Support Force
Priority to CN201810710241.3A priority Critical patent/CN108828690A/zh
Publication of CN108828690A publication Critical patent/CN108828690A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01WMETEOROLOGY
    • G01W1/00Meteorology
    • G01W1/08Adaptations of balloons, missiles, or aircraft for meteorological purposes; Radiosondes
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01WMETEOROLOGY
    • G01W1/00Meteorology
    • G01W1/10Devices for predicting weather conditions
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Environmental & Geological Engineering (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明提供了一种反演大气水汽含量的方法及装置,通过采集BDS观测数据,并从IGMAS下载星历数据IGU,根据星历数据IGU获取用于反演的星历数据;根据上述信息获取观测站坐标信息,及观测站上空对流层天顶总延迟,根据观测站坐标信息及saastamoinen模型计算获得天顶干延迟,将对流层天顶总延迟减去所顶干延迟得到天顶湿延迟;根据转换系数、液态水密度及天顶湿延迟计算大气降水量。在星历数据满足BDS反演大气水汽含量的精度要求的前提下,实现了BDS观测实时反演大气水汽含量,提高了大气水汽含量测量的精度,且适用于观测站和参考站高差差异较大的情况。

Description

一种反演大气水汽含量的方法及装置
技术领域
本发明属于气象遥感技术领域,特别涉及一种反演大气水汽含量的方法及装置。
背景技术
水汽及其变化是天气和气候的主要驱动力,是预测降雨、中小尺度恶劣天气以及全球气候变化的一个非常重要的物理量。目前大气水汽含量的传统探测技术主要为无线电探空仪、气象卫星观测以及传统地基BDS观测值反演。
无线电探空仪是由传感器、转换器和无线电发射机组成的测定自由大气温、压、湿等气象要素的仪器。该仪器搭载于探空气球上升到高空,用敏感元件直接测量大气压力、温度和相对湿度层结曲线,其机械的或电的输出由转换开关依次接入编码器转变成电信号,再由发射机经调幅或调频发送,接收端在地面进行接收、解调和记录。此方法费用昂贵、充足性差。
气象卫星所载各种气象遥感器,接收和测量地球及其大气层的可见光、红外和微波辐射,并将其转换成电信号传送给地面站。地面站将卫星传来的电信号复原,绘制成各种云层、地表和海面图片,再经进一步处理和计算,得出各种气象资料。但由于技术限制,该方法的数据源有限,也存在成本较高的问题,一般个人和机构无法有效利用。
传统的BDS观测值反演大气水汽含量的方法,是根据模型反演后的精密星历以及观测站的气象观测数据获得相当于同样水汽含量的水柱高的大气可降水量(PWV)。由于BDS精密星历为事后星历,存在很大的延迟性,因此无法应用于大气水汽含量的实时反演。同时,由于成本等原因,观测站气象观测数据大多是通过气压插值获得,传统的气压插值方法无法很好的处理BDS站和探空站高差差异较大的情况。
发明内容
本发明的目的在于提供一种反演大气水汽含量的方法及装置,用于解决现有技术中的水汽含量检测方法不能对水汽含量实时反演的问题。
为实现上述目的,本发明提供了一种反演大气水汽含量的方法,包括如下步骤:
1)采集观测站数据,并下载各个时间点的星历数据,从各个时间点数据里选取与观测时刻最近的星力数据作为反演的星历数据;
2)根据观测站数据计算观测站坐标信息,并计算观测站上空对流层天顶总延迟;获取观测站地面气压,根据观测站坐标信息及地面气压计算获得天顶干延迟,将对流层天顶总延迟减去所述天顶干延迟得到天顶湿延迟;
3)根据水汽的气体常数、大气折射常数及地区平均温度及所述天顶湿延迟计算大气降水量。
进一步地,利用分段高差的气压插值模型获取观测站地面气压。利用分段高差的气压插值模型,增加了地面大气数据的精度,减少了气压观测的成本。
进一步地,所述分段高差的气压插值模型表示为:
P=Pr(1-0.000022ΔH)5.225
其中,Pr为观测站气压,△H为观测站高程与参考站高程的高差。
进一步地,所述天顶干延迟的表达式为:
f(λ,H)=1-0.00266cos(2λ)-0.000281H
其中,ZHD为天顶干延迟,P为观测站实测地面气压,λ为观测站纬度,H为观测站高程。
进一步地于,大气降水量的表达式为:
其中,PWV为大气降水量,ρ为液态水密度,K为转换系数,ZWD为天顶湿延迟。
本发明还提供了一种反演大气水汽含量的装置,包括存储器、处理器以及存储在存储器上并可在处理器上运行时的计算机程序,所述处理器执行所述程序时实现以下步骤:
1)采集观测站数据,并下载各个时间点的星历数据,从各个时间点数据里选取与观测时刻最近的星力数据作为反演的星历数据;
2)根据观测站数据计算观测站坐标信息,并计算观测站上空对流层天顶总延迟;获取观测站地面气压,根据观测站坐标信息及地面气压计算获得天顶干延迟,将对流层天顶总延迟减去所述天顶干延迟得到天顶湿延迟;
3)根据水汽的气体常数、大气折射常数及地区平均温度及所述天顶湿延迟计算大气降水量。
进一步地,利用分段高差的气压插值模型获取观测站地面气压。利用分段高差的气压插值模型,增加了地面大气数据的精度,减少了气压观测的成本。
进一步地,所述分段高差的气压插值模型表示为:
P=Pr(1-0.000022ΔH)5.225
其中,Pr为观测站气压,△H为观测站高程与参考站高程的高差。
进一步地,所述天顶干延迟的表达式为:
f(λ,H)=1-0.00266cos(2λ)-0.000281H
其中,ZHD为天顶干延迟,P为观测站实测地面气压,λ为观测站纬度,H为观测站高程。
进一步地,大气降水量的表达式为:
其中,PWV为大气降水量,ρ为液态水密度,K为转换系数,ZWD为天顶湿延迟。
本发明的有益效果是:
本发明通过采集观测站数据,并下载各个时间点的星历数据,从各个时间点数据里选取与观测时刻最近的星力数据作为反演的星历数据;根据观测站数据计算观测站坐标信息,并计算观测站上空对流层天顶总延迟;获取观测站地面气压,根据观测站坐标信息及地面气压计算获得天顶干延迟,将对流层天顶总延迟减去天顶干延迟得到天顶湿延迟;根据水汽的气体常数、大气折射常数及地区平均温度及天顶湿延迟计算大气降水量。在星历数据满足反演大气水汽含量的精度要求的前提下,实现了观测实时反演大气水汽含量,提高了大气水汽含量测量的精度,且适用于观测站和参考站高差差异较大的情况。
附图说明
图1为IGU预报星历动态选择方案示意图;
图2为本发明的BDS近实时反演大气水汽含量的方法流程图;
图3为观测站上空对流层天顶总延迟计算流程图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步的说明:
为了实现对大气水汽含量的实时预测,本发明的方法与中国北斗卫星导航系统BDS结合起来,提供了一种BDS近实时反演大气水汽含量的方法,如图2所示,该方法包括如下步骤:
步骤1、将BDS天线、接收机安装至观测站上,并将BDS接收机连接至服务器,系统连接电源启动。
步骤2、服务器实时采集BDS测站的观测数据,并从IGMAS下载超快速星历数据IGU,或者采用其他的一些手段获取星历数据。
步骤3、根据动态IGMAS超快速星历选择方案获得用于模型反演的星历数据,根据星历数据反演大气水汽含量的过程为,BDS信号在穿越地球大气层时,要受到大气和电离层的折射影响,而当信号穿越大气层中对流层,由于大气成分,特别是水汽的折射会导致信号传播的速度减弱,和路径弯曲,造成时间上的延迟。研究发现,这种独特的BDS信号时延近似正比于沿信号传播路径上的水汽总含量。而通过BDS测站的观测数据,以及近实时的IGS超快速星历可以精确的获取这种BDS信号时延。
步骤4、利用GAMIT高精度数据处理软件处理相应数据,获得BDS测站坐标信息,以及BDS测站上空对流层天顶总延迟。
步骤5、利用双频接收机观测技术改正电离层延迟至毫米级。
步骤6、利用基于分段高差的气压插值模型得到BDS测站实测地面气压数据。
步骤7、根据步骤3获得的BDS测站坐标信息以及Saastamoinen模型计算获得天顶干延迟。
步骤8、将步骤3获得的对流层天顶总延迟及天顶静力学延迟后获得天顶湿延迟。
步骤9、利用公式计算获得相当于同样水汽含量的水柱高的大气可降水量(PWV)。
其中,步骤3中的动态IGMAS超快速星历选择方案实现过程如下:
如图1所示,要实现BDS近实时反演大气水汽含量,必须选择精度较高的IGMAS超快速星历IGU。而IGU每天03:00、09:00、15:00、21:00(世界时间)更新。且每次发布均包含48h的轨道和钟差信息,前24h是根据IGMAS跟踪站的实际观测值计算得到,后24h的轨道信息是外推预报的,在利用IGU进行实时水汽反演时,主要使用的是外推部分星历,而外推星历的轨道和钟差精度会随着外推时间的增加而显著降低。因此本发明采用如下所示的IGU动态选择方案选择IGU星历,实现BDS近实时反演大气水汽含量:当BDS观测数据时段位于01:30—07:30之间时,采用03:00发布的IGU,则01:30-03:00的数据处理时间最多会滞后1.5h,而03:00-07:30的数据可以得到实时处理,且星历外推时间为4.5h,随后的观测时段以此类推。如此既可以保证数据的近实时处理,又可以减少星历数据的外推时间,提高外推星历的轨道和钟差精度。
步骤4与步骤5中,由于BDS信号穿越大气时因折射而产生的延迟主要包括电离层延迟、对流层延迟、接收机和卫星钟差引起的延迟与测量误差项等,通过双频接收机观测技术可以改正电离层延迟至毫米级,而利用多站点长短基线的差分测量可以消除接收机和卫星钟差以及测量误差项。采用上述技术手段,再通过配置GAMIT软件的主要固定解算设置以及约束方案,利用GAMIT软件实时处理BDS测站的BDS观测数据,可以解算获得测站的对流层天顶总延迟参数ZTD。
步骤6的分段高差的气压插值模型如下:
通过在一定范围内特定的BDS测站配置气象仪器采集气象数据,并将这些测站作为参考站,那么实测地面气压数据P可根据实测的参考站地面气压数据Pr利用标准大气(SA)模型估计:
P=Pr(1-0.000022ΔH)5.225 (1)
其中,ΔH=H-Hr (2)
上式中,ΔH为BDS测站高程H与参考站高程Hr的高差。
由于BDS测站上空实际的大气状况与理想状态下的标准大气存在较大的差异,因此上述标准大气模型估计得到的实测地面地面气压数据存在较大的误差,尤其是BDS测站与参考站高差较大时,该模型的误差更大,因此在实际工作中,采用的是根据上述标准大气模型,通过大量实验结果分析出的地面气压差值模型。在该模型中当ΔH,即BDS测站高程与参考站高程的高差一定时,BDS测站气压与参考站气压关系为:
P=a×Pr (3)
系数a与ΔH的关系为:
步骤7中Saastamoinen模型计算获得天顶静力学延迟具体实现过程如下:
利用气压计精确获得地面气压P,则根据Saastamoinen模型,干延迟精度可以达到mm量级:
f(λ,H)=1-0.00266cos(2λ)-0.000281H (6)
ZWD=ZTD-ZHD (7)
其中,ZTD为对流层天顶总延迟,ZHD为天顶静力学延迟干延迟,ZWD为天顶湿延迟,P为BDS测站的地面大气压,λ为BDS测站的纬度,H为BDS测站的高程。
本实施例中,对流层天顶总延迟ZTD的具体计算过程如图3所示。
步骤9中,利用公式计算获得大气可降水量(PWV)具体实现过程如下:
其中,转换系数K的计算公式如下:
地区加权平均温度T计算公式为:
其中,k′2,k3均为大气折射常数,ρ为液态水密度,Rv为水汽的气体常数,Tm为地区加权平均温度,Pv为垂直分布上某点的水气分压,T为同一点的气温,Hs为BDS测站的高程。
本发明根据动态IGMAS超快速星历选择方案,获得近实时的卫星星历,并利用基于分段高差的气压插值模型得到BDS测站实测地面气压数据,最终根据BDS反演PMV的原理获得大气可降水量。本发明的方法适用于BDS测站和参考站高差差异较大的情况,且提高了大气水汽含量的检测精度,BDS测站数据反演的一天时间内,有6h的延迟小于1.5h,18h为实时预报。
以上给出了具体的实施方式,但本发明不局限于以上所描述的实施方式。本发明的基本思路在于上述基本方案,对本领域普通技术人员而言,根据本发明的教导,设计出各种变形的模型、公式、参数并不需要花费创造性劳动。在不脱离本发明的原理和精神的情况下对实施方式进行的变化、修改、替换和变形仍落入本发明的保护范围内。

Claims (10)

1.一种反演大气水汽含量的方法,其特征在于,包括如下步骤:
1)采集观测站数据,并下载各个时间点的星历数据,从各个时间点数据里选取与观测时刻最近的星力数据作为反演的星历数据;
2)根据观测站数据计算观测站坐标信息,并计算观测站上空对流层天顶总延迟;获取观测站地面气压,根据观测站坐标信息及地面气压计算获得天顶干延迟,将对流层天顶总延迟减去所述天顶干延迟得到天顶湿延迟;
3)根据水汽的气体常数、大气折射常数及地区平均温度及所述天顶湿延迟计算大气降水量。
2.根据权利要求1所述的反演大气水汽含量的方法,其特征在于,利用分段高差的气压插值模型获取观测站地面气压。
3.根据权利要求2所述的反演大气水汽含量的方法,其特征在于,所述分段高差的气压插值模型表示为:
P=Pr(1-0.000022ΔH)5.225
其中,Pr为观测站气压,△H为观测站高程与参考站高程的高差。
4.根据权利要求3所述的反演大气水汽含量的方法,其特征在于,所述天顶干延迟的表达式为:
f(λ,H)=1-0.00266cos(2λ)-0.000281H
其中,ZHD为天顶干延迟,P为观测站实测地面气压,λ为观测站纬度,H为观测站高程。
5.根据权利要求1所述的反演大气水汽含量的方法,其特征在于,大气降水量的表达式为:
其中,PWV为大气降水量,ρ为液态水密度,K为转换系数,ZWD为天顶湿延迟。
6.一种反演大气水汽含量的装置,包括存储器、处理器以及存储在存储器上并可在处理器上运行时的计算机程序,其特征在于,所述处理器执行所述程序时实现以下步骤:
1)采集观测站数据,并下载各个时间点的星历数据,从各个时间点数据里选取与观测时刻最近的星力数据作为反演的星历数据;
2)根据观测站数据计算观测站坐标信息,并计算观测站上空对流层天顶总延迟;获取观测站地面气压,根据观测站坐标信息及地面气压计算获得天顶干延迟,将对流层天顶总延迟减去所述天顶干延迟得到天顶湿延迟;
3)根据水汽的气体常数、大气折射常数及地区平均温度及所述天顶湿延迟计算大气降水量。
7.根据权利要求6所述的反演大气水汽含量的装置,其特征在于,利用分段高差的气压插值模型获取观测站地面气压。
8.根据权利要求7所述的反演大气水汽含量的装置,其特征在于,所述分段高差的气压插值模型表示为:
P=Pr(1-0.000022ΔH)5.225
其中,Pr为观测站气压,△H为观测站高程与参考站高程的高差。
9.根据权利要求8所述的反演大气水汽含量的装置,其特征在于,所述天顶干延迟的表达式为:
f(λ,H)=1-0.00266cos(2λ)-0.000281H
其中,ZHD为天顶干延迟,P为观测站实测地面气压,λ为观测站纬度,H为观测站高程。
10.根据权利要求6所述的反演大气水汽含量的装置,其特征在于,大气降水量的表达式为:
其中,PWV为大气降水量,ρ为液态水密度,K为转换系数,ZWD为天顶湿延迟。
CN201810710241.3A 2018-07-02 2018-07-02 一种反演大气水汽含量的方法及装置 Pending CN108828690A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810710241.3A CN108828690A (zh) 2018-07-02 2018-07-02 一种反演大气水汽含量的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810710241.3A CN108828690A (zh) 2018-07-02 2018-07-02 一种反演大气水汽含量的方法及装置

Publications (1)

Publication Number Publication Date
CN108828690A true CN108828690A (zh) 2018-11-16

Family

ID=64135250

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810710241.3A Pending CN108828690A (zh) 2018-07-02 2018-07-02 一种反演大气水汽含量的方法及装置

Country Status (1)

Country Link
CN (1) CN108828690A (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109917494A (zh) * 2019-02-13 2019-06-21 上海华测导航技术股份有限公司 降雨预报方法、装置、设备和存储介质
CN110610595A (zh) * 2019-08-01 2019-12-24 江苏科博空间信息科技有限公司 一种基于北斗水汽反演地质灾害预警方法
CN111551964A (zh) * 2020-05-27 2020-08-18 中国气象局气象探测中心 一种基于导航卫星系统的水汽观测方法
CN112666634A (zh) * 2021-01-14 2021-04-16 北京敏视达雷达有限公司 一种降水量预测方法及系统
CN114019584A (zh) * 2021-10-11 2022-02-08 武汉大学 一种大高差地区高精度cors网vrs解算方法
CN114415266A (zh) * 2021-12-31 2022-04-29 中国气象局气象探测中心 水汽数据处理方法、装置、电子设备和计算机可读介质
CN114814999A (zh) * 2022-06-24 2022-07-29 山东大学 用于不同纬度bds-3水汽反演精度的评估方法及系统
CN116203652A (zh) * 2023-04-27 2023-06-02 武汉依迅北斗时空技术股份有限公司 对流层顶高度探测方法、测站、装置及存储介质
CN116794682A (zh) * 2023-06-06 2023-09-22 广州市城市规划勘测设计研究院 一种水汽实时反演方法、装置、电子设备及存储介质
CN118330783A (zh) * 2024-04-10 2024-07-12 昆明理工大学 Tds-1卫星掠射角星载gnss-r极地海冰上空对流层湿延迟和大气水汽含量反演方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103323888A (zh) * 2013-04-24 2013-09-25 东南大学 Gnss大气探测数据中对流层延迟误差的消除方法
CN204595246U (zh) * 2015-04-27 2015-08-26 张京江 一种大气水汽测量仪

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103323888A (zh) * 2013-04-24 2013-09-25 东南大学 Gnss大气探测数据中对流层延迟误差的消除方法
CN204595246U (zh) * 2015-04-27 2015-08-26 张京江 一种大气水汽测量仪

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
黄官水: "区域GPD网对夏季降雨过程中大气可降水量的探测", 《地理空间信息》 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109917494A (zh) * 2019-02-13 2019-06-21 上海华测导航技术股份有限公司 降雨预报方法、装置、设备和存储介质
CN110610595A (zh) * 2019-08-01 2019-12-24 江苏科博空间信息科技有限公司 一种基于北斗水汽反演地质灾害预警方法
CN111551964A (zh) * 2020-05-27 2020-08-18 中国气象局气象探测中心 一种基于导航卫星系统的水汽观测方法
CN112666634A (zh) * 2021-01-14 2021-04-16 北京敏视达雷达有限公司 一种降水量预测方法及系统
CN114019584A (zh) * 2021-10-11 2022-02-08 武汉大学 一种大高差地区高精度cors网vrs解算方法
CN114415266A (zh) * 2021-12-31 2022-04-29 中国气象局气象探测中心 水汽数据处理方法、装置、电子设备和计算机可读介质
CN114415266B (zh) * 2021-12-31 2022-09-20 中国气象局气象探测中心 水汽数据处理方法、装置、电子设备和计算机可读介质
CN114814999A (zh) * 2022-06-24 2022-07-29 山东大学 用于不同纬度bds-3水汽反演精度的评估方法及系统
CN116203652A (zh) * 2023-04-27 2023-06-02 武汉依迅北斗时空技术股份有限公司 对流层顶高度探测方法、测站、装置及存储介质
CN116794682A (zh) * 2023-06-06 2023-09-22 广州市城市规划勘测设计研究院 一种水汽实时反演方法、装置、电子设备及存储介质
CN118330783A (zh) * 2024-04-10 2024-07-12 昆明理工大学 Tds-1卫星掠射角星载gnss-r极地海冰上空对流层湿延迟和大气水汽含量反演方法
CN118330783B (zh) * 2024-04-10 2024-10-22 昆明理工大学 Tds-1卫星掠射角星载gnss-r极地海冰上空对流层湿延迟和大气水汽含量反演方法

Similar Documents

Publication Publication Date Title
CN108828690A (zh) 一种反演大气水汽含量的方法及装置
CN109001382B (zh) 一种基于cors的区域大气水汽实时监测方法及系统
CN104714239B (zh) 一种北斗卫星大气层水汽含量测量仪
Tregoning et al. Accuracy of absolute precipitable water vapor estimates from GPS observations
CN109543353B (zh) 三维水汽反演方法、装置、设备和计算机可读存储介质
RU2363967C2 (ru) Коррекция результатов измерений влажности радиозондом
Mengistu Tsidu et al. Observations of precipitable water vapour over complex topography of Ethiopia from ground-based GPS, FTIR, radiosonde and ERA-Interim reanalysis
Huuskonen et al. Determining weather radar antenna pointing using signals detected from the sun at low antenna elevations
Namaoui et al. GPS water vapor and its comparison with radiosonde and ERA-Interim data in Algeria
CN108680268A (zh) 一种基于探空数据的区域加权平均温度的Bevis模型改进方法
Lim et al. A land data assimilation system using the MODIS-derived land data and its application to numerical weather prediction in East Asia
CN114415208B (zh) 一种附加外部数据集信息的地基gnss对流层顶探测方法
Dembelov et al. Diagnostics of atmospheric water vapor content according to GPS measurements
Bai Near-real-time GPS sensing of atmospheric water vapour
Yeh et al. Applying the water vapor radiometer to verify the precipitable water vapor measured by GPS
Tao Near real-time GPS PPP-inferred water vapor system development and evaluation
Li et al. Estimation of the Precipitable Water Vapor from ground-based GPS with GAMIT/GLOBK
CN108594335A (zh) 一种全球降水检测方法
Zhang et al. Dynamic stochastic model for estimating GNSS tropospheric delays from air-borne platforms
CN115099159A (zh) 基于神经网络且顾及地表差异的modis水汽反演方法
Hatfield et al. Evapotranspiration: Evolution of methods to increase spatial and temporal resolution
Jensen et al. The effect of different tropospheric models on precise point positioning in kinematic mode
Suparta et al. Characterization of GPS and meteorological parameters for mesoscale convective systems modelover Tawau, Malaysia
Yibin et al. Applicability of Bevis formula at different height level and global weighted mean temperature model based on near-earth atmospheric temperature
Xia et al. Establishing a high-precision ZHD model of China using 8 years of radiosonde data

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20181116

RJ01 Rejection of invention patent application after publication