CN110378540B - 一种适用于广西北部湾地区的大气加权平均温度计算方法 - Google Patents
一种适用于广西北部湾地区的大气加权平均温度计算方法 Download PDFInfo
- Publication number
- CN110378540B CN110378540B CN201910710504.5A CN201910710504A CN110378540B CN 110378540 B CN110378540 B CN 110378540B CN 201910710504 A CN201910710504 A CN 201910710504A CN 110378540 B CN110378540 B CN 110378540B
- Authority
- CN
- China
- Prior art keywords
- data
- region
- guangxi
- northern
- formula
- 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.)
- Active
Links
- 238000004364 calculation method Methods 0.000 title claims description 10
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 23
- 238000000034 method Methods 0.000 claims abstract description 14
- 238000011160 research Methods 0.000 claims abstract description 12
- 238000004458 analytical method Methods 0.000 claims abstract description 11
- 230000010354 integration Effects 0.000 claims description 7
- 238000005259 measurement Methods 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 239000005436 troposphere Substances 0.000 claims description 3
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims 2
- 238000012544 monitoring process Methods 0.000 abstract description 5
- 238000001514 detection method Methods 0.000 description 3
- 238000010835 comparative analysis Methods 0.000 description 2
- 125000003275 alpha amino acid group Chemical group 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000005494 condensation Effects 0.000 description 1
- 238000009833 condensation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- Y—GENERAL 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Abstract
本发明提出了一种适用于广西北部湾地区的大气加权平均温度(Tm)模型。包括以下步骤:S1.获取广西北部湾地区MERRA‑2数据的格网点位置信息。S2.通过双线性内插的方法,进行数据源可靠性验证。S3.提取MERRA‑2分层数据,以及地表温度Ts数据。S4.分析可得,该地区Tm与Ts的非线性关系明显,传统线性方程的适用性较差。S5.采用非线性级数分析法,构建适用于广西北部湾地区大气加权平均温度模型。S6.通过构建的新模型计算高精度Tm并应用于反演大气可降雨量的研究。本发明构建了一种新的适用于广西北部湾地区Tm模型,具有较高的精度,可应用于该地区高精度、高时间分辨率GNSS大气水汽的监测,进而为广西北部湾地区暴雨等极端天气监测提供重要数据源。
Description
技术领域
本发明涉及全球导航卫星系统(GNSS)与气象学领域,特别是涉及一种适用于广西北部湾地区的大气加权平均温度计算方法。
背景技术
大气水汽主要分布于对流层底部,在大气层的组成部分中占比仅为0.1%~0.3%,但其不仅是大气中最活跃的部分,也是影响大气垂直稳定度的重要因素之一。由于水汽含量与大气可降雨量具有明显的正相关,因此大气水汽含量一直都是天气预报与气象学研究的重要数据源。目前,常用的获取大气可降雨量的方法可分为无线电探空、卫星探测、GNSS等。其中,无线电探空的成本高、观测数量有限;卫星探测则受到天气的影响较大,限制因素较多;而GNSS具有高精度、高时空分辨率、全天候、低成本等优势,可成为一种强有力的大气探测手段。
利用GNSS反演大气水汽(Precipitable Water Vapor,PWV)的过程中,大气加权平均温度(Tm)是关键参数之一。目前,常用计算Tm值的方法为1992年Bevis提出的BEVIS模型。但鉴于我国地域辽阔,南北向跨度较大等特点,BEVIS模型在中国地区的精度仍有待进一步改进。有学者基于数学统计模型,证明了加权平均温度与地表温度之间的非线性关系,为后续加权平均温度新模型的构建提供了新的方向。此外,已有学者对中国地区的非线性模型适应性进行了研究,结果表明非线性模型在中国的大部分区域具有较好的适用性。
广西北部湾地区受亚热带季风气候的影响,易发生强对流天气,从而导致大气加权平均温度的非线性变化明显。通过利用高精度Tm模型反演出高精度、高时间分辨率的GNSS-PWV信息可为广西北部湾地区的暴雨灾害等自然灾害提供重要的数据源。因此,本发明提出了一种利用非线性分析的方法用于精化广西北部湾地区Tm模型,进而为广西北部湾地区的暴雨等灾害监测提供高精度、高时空分辨率的水汽信息。
发明内容
发明目的:广西北部湾地区属于亚热带季风气候,导致该地区的Tm与Ts具有显著的非线性关系,传统的线性Tm模型难以满足该地区的高精度GNSS水汽监测应用,针对这一现状,本发明的目的是为广西北部湾地区提供一种高精度的Tm模型,进而为广西北部湾地区提供高精度、高时空分辨率的GNSS水汽信息,提高该地区暴雨等灾害预报的准确性。
技术方案:为达到此目的,本发明采用以下技术方案:
本发明所述的适用于广西北部湾地区的大气加权平均温度计算方法,包括以下的步骤:
S1.MERRA-2数据是由NASA(National Aeronautics and Space Administration)提供的一种大气再分析产品,因其具有较高的时空分辨率,本发明拟将其作为数据源;
S2.中国气象数据网提供中国地面气象站逐小时实测资料。本发明选取北部湾地区附近气象站数据,作为检核MERRA-2数据在广西北部湾地区适应性。
S3.确定广西北部湾地区跨越的经纬度范围。
S4.Tm的计算公式:
式中,T表示温度,h表示高度,ei表示测站在天顶方向水气压,Sh为比湿,P为气压。
S5.提取2010-2017年覆盖广西北部湾地区内MERRA-2格网点数据,包含温度、压强、比湿、地表温度以及位势高信息。利用步骤S4中数值积分公式,求得0.5°*0.625°格网点归算到地表所对应6h分辨率的Tm,同时提取对应6h分辨率的地表温度信息。
S6.提取位于广西北部湾地区的中国气象数据网站点数据,获得对应站点于2010-2017年的温度、压强、比湿以及测站位置信息。
S7.利用双线性插值法,将中国气象数据网站点附近四个MERRA-2数据归算到对应站点位置上,对MERRA-2数据在广西北部湾地区的适用性进行分析确认。
S9.根据广西北部湾地区的Tm和Ts相关系数分析可得,该地区Tm-Ts非线性变化明显,传统线性模型在该地区的适用性有待改进,且整体类似于多个正弦波简谐振动。故利用非线性分析法,构建一种适用于广西北部湾地区的大气加权平均温度模型:
Tm=a*cos(k*Ts)+b*sin(k*Ts)+A0
上式中,Tm为大气加权平均温度(单位:K),Ts为地表温度(单位:K),a,b,A0,k为模型的常数系数;
S10.展开步骤S9中Tm与Ts矩阵数列,将MERRA-2格网点通过数值积分求得的2010-2017年Tm与Ts数据带入,求解出相对于广西北部湾地区的a,b,k,A0值,完成本发明建模过程。
S11.大气可降雨量与实际降雨量成正比,因此反演出高精度的PWV,可以有效提高该模型实际应用价值,其中PWV与大气湿延迟(Zenith Wet Delay,ZWD)的关系为:
式中,K为转换系数,Tm为加权平均温度(单位:Kelvin),ρw为水密度常数(单位:g/m3),Rv为水汽气体常数(单位:J/kg/K),K1'、K2为大气折射常数(单位:K/hpa)。其中,Tm为计算PWV的唯一变量,因此Tm的精度对于PWV的精度影响比重较大。
S12.本发明所构建的一种适用于广西北部湾地区的大气加权平均温度模型,可为该地区高精度、高时间分辨率的GNSS水汽监测提供一种高精度Tm数据,同时也为该地区暴雨等极端天气监测提供一种重要数据源。
附图说明
图1是本发明所构建的一种新的广西北部湾地区Tm模型流程图。
图2是广西北部湾地区所包含MERRA-2格网点的位置分布图。
图3是双线性插值示意图。
具体实施方式
下面结合附图和具体实施方法,对本发明的技术方案作详细说明:
S1.MERRA-2数据是由NASA(National Aeronautics and Space Administration)提供的一种大气再分析产品,其空间分辨率为0.5°*0.625°,按等压层垂直分为42层,包含1h分辨率的地表资料、3h分辨率的分层资料以及6h分辨率的位势高信息等。因其具有较高的时空分辨率,本发明拟将其作为研究所用数据源。
S2.中国气象数据网提供中国地面气象站逐小时观测资料,广西地区具有75个气象站点。本发明选取北部湾地区附近气象站实测数据,作为检核MERRA-2数据于广西北部湾地区适应性的样本。
S3.广西北部湾地区纬度跨度为16.5°N-21°N,经度跨度为105°E-109.5°E。
S4.Tm的计算方法如公式(1)所示:
式(1)中,T表示温度(单位:K),h表示高度(单位:m),ei表示测站在天顶方向水气压(单位:hpa),计算公式如下:
ei=Sh*P/0.622 (2)
式(2)中,Sh为比湿,P为气压。
S5.提取广西北部湾地区内MERRA-2格网点于2010-2017年的数据,包含3h分辨率温度、压强、比湿的分层资料,1h分辨率的地表温度信息,以及6h分辨率的位势高信息。将分层资料数据带入公式(1)与公式(2)中,利用数值积分求得0.5°*0.625°格网点归算到地表所对应6h分辨率的Tm,同时提取对应6h分辨率的地表温度信息。
S6.提取广西北部湾地区内的中国气象数据网站点,获得对应站点于2010-2017年的温度、压强、比湿以及测站位置信息。
S7.获取中国气象数据网于广西北部湾地区范围内的站点平面位置信息,继而筛选出各站点周边最近的四个MERRA-2格网点,利用双线性插值法将周边四个MERRA-2格网点数据归算到对应中国气象数据网站点实测数据上,达到检核MERRA-2数据于广西北部湾地区适应性的目的。
双线性插值法其核心思想是在两个方向各进行一次线性插值,即为一种两个变量的插值函数线性差值拓展。假设想获得格网点f在点P=(x,y)的值,且已知函数f在Q11=(x1,y1)、Q12=(x1,y2)、Q21=(x2,y1)和Q22=(x2,y2)四个点的值,点P、Q11、Q12、Q21、Q22位置见说明书附图图3。则可得表达式如下:
S8.将平均偏差(BIAS)以及均方根误差(RMSE)作为本发明对比分析的基本标准,计算公式如下:
研究发现MERRA-2数据在北部湾地区具有较好的适应性,可以作为本发明所用的研究数据源。
周期为2l的周期函数f(x)若满足收敛定理的条件,则可将其级数展开如下:
其中,
近年有学者在数理统计的基础上证明了Tm与Ts之间的非线性关系,开拓了新的Tm建模研究方向,随后其他学者对中国地区Tm模型非线性的适用性进行分析,结果表明非线性Tm模型能够很好地适用于大部分中国地区。本发明将大气加权平均温度Tm作为上式待求值f(x,y),地表温度Ts作为自变量t,进而构建广西北部湾地区Tm非线性级数基本表达式:
Tm=a*cos(k*Ts)+b*sin(k*Ts)+A0 (8)
式中,a,b,A0,k为模型的常数系数。
S10.鉴于公式(8)中的Tm和Ts均表示2010-2017年的矩阵数列,代入上式可得:
将积分计算所得MERRA-2格网点Tm数据以及Ts数据,带入公式(9)中得出相对于广西北部湾地区的a,b,k,A0值,完成本发明的建模过程。
S11.大气水汽含量(Precipitable Water Vapor,PWV)定义为单位面积上的垂直空气柱内所有的大气中的全部水汽凝结成水后的高度。经学者研究发现PWV与实际降雨量成正比,因此反演出高精度的PWV,可以有效提高该模型在实际降雨中的应用,利用地基GNSS观测值计算PWV的公式:
式(12)中,K为转换系数,ZWD为对流层天顶湿延迟,ρw为水密度常数,Rv为水汽气体常数,K’1,K2为大气折射常数,Tm为式中的唯一变量。
S12.通过步骤S10所构建的大气加权平均温度模型,可以计算出广西北部湾地区高精度Tm值,继而带入公式(12)中,即可得该地区所对应的高精度PWV值。
因此,本发明所构建的一种适用于广西北部湾地区的大气加权平均温度模型,不仅能够为该地区GNSS气象学研究提供一种高精度Tm数据,同时也为该地区实际降雨量分析提供一种重要的参考数据源。
Claims (1)
1.一种适用于广西北部湾地区的大气加权平均温度计算方法,其特征包含以下步骤:
S1.将MERRA-2数据作为数据源,空间分辨率为0.5°*0.625°,按等压层垂直分为42层,包含1h分辨率的地表资料、3h分辨率的分层资料以及6h分辨率的位势高信息;
S2.中国气象数据网提供中国地面气象站逐小时观测资料,包含2171个站点信息,选取北部湾地区附近气象站实测数据,包含测站气压、温度以及比湿信息,作为检核MERRA-2数据于广西北部湾地区适应性的样本;
S3.根据区域划分可得,广西北部湾地区纬度跨度为16.5°N-21°N,经度跨度为105°E-109.5°E即为本发明的研究区域;
S4.加权平均温度Tm模型的计算方法如公式(1)所示:
式(1)中,T表示温度(单位:K),h表示高度(单位:m),ei表示测站在天顶方向水气压(单位:hpa),计算公式如下:
ei=Sh*P/0.622 (2)
式(2)中,Sh为比湿,P为气压;
S5.MERRA-2数据包含3h分辨率温度、压强、比湿的分层资料,1h分辨率的地表温度信息,以及6h分辨率的位势高信息,首先提取广西北部湾地区范围内站点2010-2017年的数据,然后将各分层资料数据带入公式(1)与公式(2)中,利用数值积分求得0.5°*0.625°格网点归算到地表所对应6h分辨率的Tm,同时提取对应6h分辨率的地表温度信息;
S6.提取2010-2017年中国气象数据网测站位置信息,以及6h分辨率的温度、压强、比湿信息;
S7.双线性插值法其核心思想是在两个方向各进行一次线性插值,即为一种两个变量的插值函数的线性差值拓展,假设想获得格网点f在点P=(x,y)的值,且已知函数f在Q11=(x1,y1)、Q12=(x1,y2)、Q21=(x2,y1)和Q22=(x2,y2)四个点的值,则可得表达式如下:
利用双线性插值法将步骤S6提取的站点周边四个MERRA-2格网点数据归算到对应中国气象数据网站点实测数据上,达到检核MERRA-2数据于广西北部湾地区适应性的目的;
S8.将平均偏差(BIAS)以及均方根误差(RMSE)作为对比分析的基本标准,计算公式如下:
研究发现MERRA-2数据在北部湾地区具有较好的适应性;
当周期为2l的周期函数f(x)若满足收敛定理的条件,则可将其级数展开如下:
其中,
将大气加权平均温度Tm作为上式待求值f(x,y),地表温度Ts作为自变量t,进而构建广西北部湾地区Tm非线性级数基本表达式:
Tm=a*cos(k*Ts)+b*sin(k*Ts)+A0 (8)
式中,a,b,A0,k为模型的常数系数;
S10.将Tm与Ts的时间序列矩阵,代入上式可得:
将积分计算所得MERRA-2格网点于2010-2017年Tm数据以及Ts数据,带入公式(9)中得出相对于广西北部湾地区的a,b,k,A0值,完成建模过程;
S11.大气水汽含量(Precipitable Water Vapor,PWV)定义为单位面积上的垂直空气柱内所有的大气中的全部水汽凝结成水后的高度,经学者研究发现PWV与实际降雨量成正比,因此反演出高精度的PWV,可以有效提高该模型在实际降雨中的应用,地基GNSS估计PWV的计算公式为:
式(10)中,K为转换系数,ZWD为对流层天顶湿延迟,ρw为水密度常数,Rv为水汽气体常数,K’1,K2为大气折射常数,Tm为式中的唯一变量;
S12.通过步骤S10所构建的大气加权平均温度模型,可以计算出广西北部湾地区高精度Tm值,继而带入公式(10)中,即可得该地区所对应的高精度PWV值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910710504.5A CN110378540B (zh) | 2019-08-02 | 2019-08-02 | 一种适用于广西北部湾地区的大气加权平均温度计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910710504.5A CN110378540B (zh) | 2019-08-02 | 2019-08-02 | 一种适用于广西北部湾地区的大气加权平均温度计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110378540A CN110378540A (zh) | 2019-10-25 |
CN110378540B true CN110378540B (zh) | 2023-05-09 |
Family
ID=68257822
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910710504.5A Active CN110378540B (zh) | 2019-08-02 | 2019-08-02 | 一种适用于广西北部湾地区的大气加权平均温度计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110378540B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111352173A (zh) * | 2020-02-17 | 2020-06-30 | 东南大学 | 基于空间位置的加权平均温度计算方法 |
CN111538943B (zh) * | 2020-04-24 | 2021-05-18 | 桂林理工大学 | 新的高时空分辨率全球ztd垂直剖面格网模型构建方法 |
CN111914467A (zh) * | 2020-06-05 | 2020-11-10 | 西安理工大学 | 一种基于ga算法建立星光大气折射模型的方法 |
CN111753408B (zh) * | 2020-06-09 | 2023-05-09 | 南京信息工程大学 | 一种顾及天气的gnss大气加权平均温度计算方法 |
CN113639893B (zh) * | 2021-06-29 | 2022-09-30 | 东南大学 | 一种基于多气象因子的近地加权平均温度信息获取方法 |
CN113804318B (zh) * | 2021-10-11 | 2022-08-26 | 南京信息工程大学 | 一种获取加权平均温度的数据融合方法及计算设备 |
CN117390875B (zh) * | 2023-10-27 | 2024-03-12 | 长安大学 | 一种大气加权平均温度模型的构建方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002048878A (ja) * | 2000-08-02 | 2002-02-15 | Nagoya Electric Works Co Ltd | 路面温度または路面状態の予測方法およびその装置 |
CN105631526A (zh) * | 2014-10-31 | 2016-06-01 | 航天恒星科技有限公司 | 森林病虫害爆发风险预测的方法及装置 |
CN106203671A (zh) * | 2016-06-22 | 2016-12-07 | 中国水利水电科学研究院 | 一种地表水质对气候变化的响应分析方法 |
CN107180128A (zh) * | 2017-05-04 | 2017-09-19 | 东南大学 | 一种适用于中国低纬度地区的加权平均温度计算方法 |
CN107421496A (zh) * | 2017-07-26 | 2017-12-01 | 青岛美吉海洋地理信息技术有限公司 | 一种高精度的水面高程提取算法 |
CN108680268A (zh) * | 2018-03-20 | 2018-10-19 | 东南大学 | 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 |
CN109117555A (zh) * | 2018-08-14 | 2019-01-01 | 东南大学 | 一种区域加权平均温度的Bevis模型改进方法 |
CN109507756A (zh) * | 2018-12-20 | 2019-03-22 | 中国气象局气象探测中心 | 一种gnss水汽站气压与温度无仪器获取方法及系统 |
CN109635242A (zh) * | 2018-11-29 | 2019-04-16 | 南京大学 | 一种基于多时间尺度模型的遥感地表日均温计算方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10368146B2 (en) * | 2016-09-20 | 2019-07-30 | General Electric Company | Systems and methods for environment sensing |
-
2019
- 2019-08-02 CN CN201910710504.5A patent/CN110378540B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002048878A (ja) * | 2000-08-02 | 2002-02-15 | Nagoya Electric Works Co Ltd | 路面温度または路面状態の予測方法およびその装置 |
CN105631526A (zh) * | 2014-10-31 | 2016-06-01 | 航天恒星科技有限公司 | 森林病虫害爆发风险预测的方法及装置 |
CN106203671A (zh) * | 2016-06-22 | 2016-12-07 | 中国水利水电科学研究院 | 一种地表水质对气候变化的响应分析方法 |
CN107180128A (zh) * | 2017-05-04 | 2017-09-19 | 东南大学 | 一种适用于中国低纬度地区的加权平均温度计算方法 |
CN107421496A (zh) * | 2017-07-26 | 2017-12-01 | 青岛美吉海洋地理信息技术有限公司 | 一种高精度的水面高程提取算法 |
CN108680268A (zh) * | 2018-03-20 | 2018-10-19 | 东南大学 | 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 |
CN109117555A (zh) * | 2018-08-14 | 2019-01-01 | 东南大学 | 一种区域加权平均温度的Bevis模型改进方法 |
CN109635242A (zh) * | 2018-11-29 | 2019-04-16 | 南京大学 | 一种基于多时间尺度模型的遥感地表日均温计算方法 |
CN109507756A (zh) * | 2018-12-20 | 2019-03-22 | 中国气象局气象探测中心 | 一种gnss水汽站气压与温度无仪器获取方法及系统 |
Non-Patent Citations (2)
Title |
---|
刘立龙 等."基于插值气压的GPS反演大气可降水量研究".《大气测量与地球动力学》.2013,第第33卷卷(第第3期期),72-78. * |
陈发德 等."小波去噪的广西加权平均温度插值研究".《测绘科学》.2018,第第43卷卷(第第3期期),24-29. * |
Also Published As
Publication number | Publication date |
---|---|
CN110378540A (zh) | 2019-10-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110378540B (zh) | 一种适用于广西北部湾地区的大气加权平均温度计算方法 | |
Gao et al. | Evaluation of WRF mesoscale climate simulations over the Tibetan Plateau during 1979–2011 | |
Eckermann et al. | High-altitude (0–100 km) global atmospheric reanalysis system: Description and application to the 2014 austral winter of the deep propagating gravity wave experiment (DEEPWAVE) | |
He et al. | A new voxel-based model for the determination of atmospheric weighted mean temperature in GPS atmospheric sounding | |
Li et al. | Mapping near-surface air temperature, pressure, relative humidity and wind speed over Mainland China with high spatiotemporal resolution | |
Cai et al. | Validation of SMAP soil moisture for the SMAPVEX15 field campaign using a hyper‐resolution model | |
Chen et al. | Adaptability evaluation of TRMM satellite rainfall and its application in the Dongjiang River Basin | |
CN105868529A (zh) | 一种基于遥感的近地表日均大气温度反演方法 | |
CN111881581B (zh) | 一种建立三维水汽格网模型的方法和系统 | |
Gu et al. | Hydrological assessment of TRMM rainfall data over Yangtze River Basin | |
Jiang et al. | Evaluating the TRMM multisatellite precipitation analysis for extreme precipitation and streamflow in Ganjiang River basin, China | |
Larsén et al. | Application of the spectral correction method to reanalysis data in South Africa | |
Simpson et al. | Comparing maps of mean monthly surface temperature and precipitation for Alaska and adjacent areas of Canada produced by two different methods | |
Tamoffo et al. | Mechanisms of rainfall biases in two CORDEX-CORE regional climate models at rainfall peaks over central equatorial Africa | |
Liu et al. | Estimation of summer air temperature over China using Himawari-8 AHI and numerical weather prediction data | |
Jia et al. | The influence of tropical Pacific SST anomaly on surface air temperature in China | |
Yao et al. | Extending a model for water vapor sounding by ground-based GNSS in the vertical direction | |
Qiu et al. | Exploring spatiotemporal patterns and physical controls of soil moisture at various spatial scales | |
Suparta et al. | Analysis of GPS-sensed atmospheric water vapour variability and its response to the terrestrial winds over Antarctica | |
He et al. | Application of radar data assimilation on convective precipitation forecasts based on water vapor retrieval | |
Wang et al. | Evolution law of atmospheric boundary layer in Gurbantünggüt Desert based on reanalysis dataset and in situ observation data | |
Wang et al. | Retrieval of the change of precipitable water vapor with zenith tropospheric delay in the Chinese mainland | |
CN115857057B (zh) | 一种基于gnss pwv降雨监测方法 | |
Ge et al. | 2B. 6 LATEST DEVELOPMENT OF 3DVAR SYSTEM FOR ARPS AND ITS APPLICATION TO A TORNADIC SUPERCELL STORM | |
Li et al. | Investigating the Optimal Spatial Resolution for Assimilating GNSS PWV into an NWP System to Improve the Accuracy of Humidity Field |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |