CN111538943A - 新的高时空分辨率全球ztd垂直剖面格网模型构建方法 - Google Patents
新的高时空分辨率全球ztd垂直剖面格网模型构建方法 Download PDFInfo
- Publication number
- CN111538943A CN111538943A CN202010333280.3A CN202010333280A CN111538943A CN 111538943 A CN111538943 A CN 111538943A CN 202010333280 A CN202010333280 A CN 202010333280A CN 111538943 A CN111538943 A CN 111538943A
- Authority
- CN
- China
- Prior art keywords
- ztd
- global
- vertical section
- model
- data
- 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.)
- Granted
Links
- 238000010276 construction Methods 0.000 title claims abstract description 18
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 15
- 230000001932 seasonal effect Effects 0.000 claims abstract description 8
- 238000000034 method Methods 0.000 claims description 31
- 238000004364 calculation method Methods 0.000 claims description 20
- 230000010354 integration Effects 0.000 claims description 12
- 238000012950 reanalysis Methods 0.000 claims description 9
- 238000012821 model calculation Methods 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 4
- 238000013517 stratification Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 8
- 239000005436 troposphere Substances 0.000 description 12
- 238000012937 correction Methods 0.000 description 7
- 238000012360 testing method Methods 0.000 description 6
- 230000007547 defect Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 239000007993 MOPS buffer Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Operations Research (AREA)
- Evolutionary Computation (AREA)
- Algebra (AREA)
- Geometry (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明属于卫星导航定位和气象学交叉的技术领域，公开了一种新的高时空分辨率全球ZTD垂直剖面格网模型构建方法，基于滑动窗口算法将全球剖分为5°×4°的规则窗口，利用负指数函数表达全球每个窗口ZTD垂直剖面函数模型，基于MERRA‑2再分析资料估计全球每个窗口的ZTD垂直剖面模型系数；基于全球每个窗口β因子的5个系数，以平面分辨率为5°×4°的格网形式存储，得到平面分辨率为5°×4°的顾及高程缩放因子精细季节变化的全球ZTD垂直剖面格网模型。本发明建立的全球ZTD垂直剖面格网模型较好地优化了模型参数，提高了模型的实用性。
Description
技术领域
本发明属于卫星导航定位和气象学交叉的技术领域，尤其涉及一种新的高时空分辨率全球ZTD垂直剖面格网模型构建方法。
背景技术
目前，对流层延迟是全球导航卫星系统(GNSS)等空间大地测量中主要的误差源之一，尤其在GNSS实时精密单点定位(PPP)，其极大地影响了GNSS PPP的收敛时间和高程方向上的精度。常用的对流层延迟模型主要可分为两大类：需要实测气象参数的模型和非气象参数模型(不依赖实测气象参数)。而这些对流层延迟模型使用的精度很大程度上依赖于其垂直剖面模型的精度，由于对流层延迟在高程上的变化远大于其其在水平方向上。在需要实测气象参数的对流层延迟模型中，主要有Hopfield模型、Saastamoinen模型和Black模型等，这些模型的垂直剖面函数需依赖气象参数，在输入实测气象参数的情况下其能获得cm级的改正精度，但是其在全球仅使用一个统一的对流层垂直剖面函数进行高程归算，因此如果采用标准气象数据则精度较差。此外，由于实时的实测气象参数不易获取，从而限制了这些模型在GNSS实时定位和导航中的应用。
随着GNSS实时定位的发展，非气象参数对流层延迟模型的建立得到了极大的发展。诸多学者建立了不依赖于实测气象参数的对流层延迟模型，如RTCA-MOPS模型、EGNOS模型和UNB系列模型，这些模型提供了以15度纬度间隔的气象参数表，这些模型先根据用户位置和时间计算出在海平面高度的对流层延迟信息，再经过其垂直剖面模型进行高程改正。这些模型在某些特定区域存在较大的系统误差，尤其在低纬度地区，由于其模型参数时空分辨率低下和低纬度地区未顾及年际参数变化等不足。针对上述问题，诸多学者开始关注全球对流层延迟格网模型的构建，以改善模型参数的空间分辨率，如TropGrid系列模型、GPT系列模型、IGGtrop系列模型和GZTD系列模型，这些模型成为了当前性能较为优异的对流层延迟模型。
近年来，利用大气再分析资料积分计算的对流层天顶延迟(ZTD)信息用于GNSS水汽估计及GNSS精密定位的ZTD改正也获得了极大关注。然而，大气再分析资料格网点高程与用户站点高程不一致，尤其在高海拔地区，这种高程差异更为显著，亟需构建一个高精度的ZTD垂直剖面模型来进行ZTD信息的空间插值，以获取用户位置的高精度ZTD数据。此外，ZTD垂直剖面模型也是高精度ZTD模型构建的关键。尽管当前已有全球ZTD垂直剖面模型均具有各自的优越性，但模型仍存在建模数据仅使用单一格网点等不足，且模型参数仍有待进一步优化。因此，亟需构建高精度、实时的全球ZTD垂直剖面格网模型。
通过上述分析，现有技术存在的问题及缺陷为：现有对流层垂直剖面模型构建仅采用单一格网点数据及月均剖面数据，导致建立的模型稳定性和精度不高，此外，已有对流层垂直剖面格网模型的模型参数过多，影响模型计算效率。
解决以上问题及缺陷的难度为：顾及ZTD高程缩放因子精细季节变化的高分辨率全球ZTD垂直剖面模型构建。
解决以上问题及缺陷的意义为：不仅为高精度的全球ZTD改正模型建立提供重要基础，而且可为卫星导航定位和空间大气探测提供高精度的ZTD垂直改正服务，进一步提高GNSS定位和GNSS水汽探测的精度。
发明内容
针对现有技术存在的问题，本发明提供了一种新的高时空分辨率全球ZTD垂直剖面格网模型构建方法。
本发明是这样实现的，一种高时空分辨率全球ZTD垂直剖面格网模型构建方法，包括：引入滑动窗口算法将全球剖分为规则窗口，并使用高分辨率的MERRA-2资料求得全球每个窗口顾及精细季节变化的ZTD高程缩放因子，构建出基于负指数函数表达的高时空分辨率全球ZTD垂直剖面格网模型。
具体包括：
步骤一，获取2012-2017年的全球MERRA-2资料格网点地表数据与分层数据；
步骤二，基于滑动窗口算法将全球剖分为5°×4°(经度*纬度)的规则窗口，利用2012-2016年平面分辨率为0.625°×0.5°(经度*纬度)的全球MERRA-2格网点分层气象数据和对应的地表气象数据，计算全球每个MERRA-2格网点在不同等压层上的ZTD信息；
步骤三，利用负指数函数表达全球每个窗口ZTD垂直剖面模型，针对全球每个窗口，利用窗口内81个格网点2012-2016年6小时分辨率的ZTD剖面信息通过最小二乘法估计全球每个窗口的ZTD垂直剖面模型系数即β因子的5个系数；
步骤四，基于步骤三得到的全球每个窗口β因子的5个系数，以平面分辨率为5°×4°(经度*纬度)的格网形式存储，得到平面分辨率为5°×4°(经度*纬度)的顾及ZTD高程缩放因子精细季节变化的全球ZTD垂直剖面模型，即为所述高时空分辨率的全球ZTD垂直剖面格网模型(用于对流层的垂直改正模型)。
进一步，步骤一中，所述格网点地表数据与分层数据包括：
每个格网点为42层数据；
所述地表数据包括地表气压、地表温度、地表比湿数据及对应的地表高程数据；
所述分层数据包括气压、位势高、比湿及温度数据。
进一步，步骤二中，所述规则窗口共计3240个，每个窗口包含81个MERRA-2资料格网点。
进一步，步骤二中，所述ZTD计算方法包括：
ZTD积分计算公式：
上式中，N表示大气总折射率，P表示大气压(hPa),e表示水汽压(hPa)，Q表示比湿，T表示温度，H表示高程，H_low表示MERRA-2再分析资料积分计算的最底层高度，H_top表示MERRA-2再分析资料积分计算的最顶层高度，k1＝77.604K/Pa、k2＝64.79K/Pa和k3＝375463K2/hPa均为常系数；
其中，Ni和ΔHi分别表示第i层的大气总折射率和大气厚度，n表示积分大气层数；ZHDSaas表示Saastamoinen模型计算的MERRA-2再分析资料层顶的残余ZHD值，ZHDSaas计算公式如下：
式中，
为测站纬度(单位：rad)，H为高程(单位：km)。
进一步，步骤三中，所述每个窗口的ZTD垂直剖面函数如下所示：
ZTDHu＝ZTDHr*exp(-βi*(Hu-Hr))；
式中，Hu和Hr分别表示为目标高程和参考高程，ZTDHu和ZTDHr分别为目标高程和参考高程处的ZTD值，β为ZTD高程缩放因子，i表示窗口的编号(i＝1,2,3,…,3240)；
β可表示为：
式中，α0为ZTD高程缩放因子年均值，(α1，α2)表示ZTD高程缩放因子年周期振幅系数，(α3，α4)表示ZTD高程缩放因子半年周期振幅系数。
本发明的另一目的在于提供一种利用所述高时空分辨率全球ZTD垂直剖面格网模型构建方法得到的高时空分辨率全球ZTD垂直剖面格网模型。
本发明的另一目的在于提供一种所述高时空分辨率全球ZTD垂直剖面格网模型的使用方法，所述高时空分辨率全球ZTD垂直剖面格网模型的使用方法包括：
(1)根据用户的平面位置即经度和纬度查找离ZTD垂直剖面格网模型参数最近的格网点，获取格网点的模型参数即β因子的5个系数；
(2)根据用户的高程信息，最终可根据每个窗口的ZTD垂直剖面函数将参考高程处的ZTDHr值进行高程归算至目标高度处的ZTDHu值。
本发明的另一目的在于提供一种检验所述高时空分辨率全球ZTD垂直剖面格网模型精度检验方法，所述高时空分辨率全球ZTD垂直剖面格网模型精度检验方法包括：
以偏差和均方根误差为精度标准，联合未参与建模的2017年MERRA-2资料积分计算的全球格网点不同等压层的ZTD信息和2015年全球412个探空站资料积分计算的不同剖面ZTD信息检验全球新ZTD垂直剖面格网模型的精度。
进一步，所述高时空分辨率全球ZTD垂直剖面格网模型构建方法进一步包括：
(1)根据平面位置即经度和纬度查找离ZTD垂直剖面格网模型参数最近的格网点，获取格网点的模型参数，所述模型参数β因子的5个系数；
(2)根据高程信息，根据每个窗口的ZTD垂直剖面函数将参考高程处的ZTDHr值进行高程归算至目标高度处的ZTDHu值。
本发明另一目的在于一种高时空分辨率全球ZTD垂直剖面格网模型系统包括：
格网点地表数据与分层数据获取模块，获取全球资料格网点地表数据与分层数据；
ZTD信息计算模块，基于滑动窗口算法将全球剖分为5°×4°(经度*纬度)的规则窗口，利用全球格网点分层气象数据和对应的地表气象数据，计算全球每个格网点在不同等压层上的ZTD信息；
ZTD垂直剖面模型系数确定模块，利用负指数函数表达全球每个窗口ZTD垂直剖面函数模型，基于窗口内所有格网点ZTD信息通过最小二乘法估计全球每个窗口的ZTD垂直剖面模型系数，所述ZTD垂直剖面模型系数为β因子的5个系数；
高时空分辨率ZTD垂直剖面格网模型建立模块，得到的全球每个窗口β因子的5个系数，以平面分辨率为5°×4°(经度*纬度)的格网形式存储，得到全球ZTD垂直剖面模型，所述全球ZTD垂直剖面模型为高时空分辨率全球ZTD垂直剖面格网模型。
本发明另一目的在于一种接收用户输入程序存储介质，所存储的计算机程序使电子设备执行所述高时空分辨率全球ZTD垂直剖面格网模型构建方法，包括下列步骤：
步骤1，获取全球资料格网点地表数据与分层数据；
步骤2，基于滑动窗口算法将全球剖分为5°×4°(经度*纬度)的规则窗口，利用全球格网点分层气象数据和对应的地表气象数据，计算全球每个格网点在不同等压层上的ZTD信息；
步骤3，利用负指数函数表达全球每个窗口ZTD垂直剖面函数模型，对全球每个窗口，基于窗口内所有格网点ZTD剖面信息通过最小二乘法估计全球每个窗口的ZTD垂直剖面模型系数，所述ZTD垂直剖面模型系数为β因子的5个系数；
步骤4，基于步骤3得到的全球每个窗口β因子的5个系数，以平面分辨率为5°×4°(经度*纬度)的格网形式存储，得到全球ZTD垂直剖面模型，所述全球ZTD垂直剖面模型为高时空分辨率全球ZTD垂直剖面格网模型。
本发明另一目的在于一种存储在计算机可读介质上的计算机程序产品，包括计算机可读程序，供于电子装置上执行时，提供用户输入接口以实施如所述高时空分辨率全球ZTD垂直剖面格网模型构建方法。
结合上述的所有技术方案，本发明所具备的优点及积极效果为：
本发明引入滑动窗口算法将全球剖分为5°×4°(经度*纬度)的规则窗口，结合多年全球MERRA-2大气再分析资料，构建全球每个窗口内顾及ZTD高程缩放因子精细季节变化的全球ZTD垂直剖面模型，最终建立一种高时空分辨率的全球ZTD垂直剖面格网模型。
本发明建立的高时空分辨率全球ZTD垂直剖面格网模型解决了已有模型建模数据源使用单一格网点及月均剖面数据的不足。本发明建立的全球ZTD垂直剖面格网模型可提供全球任意位置的实时高精度ZTD高程改正，与目前性能优异的1°×1°分辨率GPT2w模型相比，本发明建立的全球ZTD垂直剖面格网模型的模型参数减少了60倍。因此，本发明建立的全球ZTD垂直剖面格网模型较好地优化了模型参数，提高了模型的计算效率。
附图说明
图1是本发明实施例提供的高时空分辨率全球ZTD垂直剖面格网模型构建方法流程图。
图2是本发明实施例提供的滑动窗口算法示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
现有对流层垂直剖面模型构建仅采用单一格网点数据及月均剖面数据，导致建立的模型精度和稳定性不高；此外，已有全球ZTD垂直剖面格网模型的模型参数过多，影响了模型的计算效率。
针对现有技术存在的问题，本发明提供了一种新的高时空分辨率全球ZTD垂直剖面格网模型构建方法，下面结合附图对本发明作详细的描述。
如图1所示，本发明实施例提供的高时空分辨率全球ZTD垂直剖面格网模型构建方法包括：
S101，获取2012-2017年的全球MERRA-2资料格网点地表数据与分层数据。
S102，基于滑动窗口算法将全球剖分为5°×4°(经度*纬度)的规则窗口，利用2012-2016年平面分辨率为0.625°×0.5°(经度*纬度)的全球MERRA-2格网点分层气象数据和对应的地表气象数据，计算全球每个MERRA-2格网点在不同等压层上的ZTD信息。
S103，利用负指数函数表达全球每个窗口ZTD垂直剖面函数模型，针对全球每个窗口，利用窗口内81个格网点2012-2016年6小时分辨率的ZTD剖面信息通过最小二乘法估计全球每个窗口的ZTD垂直剖面模型系数即β因子的5个系数。
S104，基于步骤S103得到的全球每个窗口β因子的5个系数，以平面分辨率为5°×4°(经度*纬度)的格网形式存储，得到平面分辨率为5°×4°(经度*纬度)的顾及ZTD高程缩放因子精细季节变化的全球ZTD垂直剖面模型，即为所述高时空分辨率全球ZTD垂直剖面格网模型。
步骤S101中，本发明实施例提供的格网点地表数据与分层数据包括：
每个格网点为42层数据。
所述地表数据包括地表气压、地表温度、地表比湿数据及对应的地表高程数据。所述分层数据包括气压、位势高、比湿及温度数据。
步骤S101中，本发明实施例提供的规则窗口共计3240个，每个窗口包含81个MERRA-2资料格网点。
步骤S101中，本发明实施例提供的ZTD计算方法包括：
ZTD积分计算公式：
上式中，N表示大气总折射率，P表示大气压(hPa),e表示水汽压(hPa)，Q表示比湿，T表示温度，H表示高程，H_low表示MERRA-2再分析资料积分计算的最底层高度，H_top表示MERRA-2再分析资料积分计算的最顶层高度，k1＝77.604K/Pa、k2＝64.79K/Pa和k3＝375463K2/hPa均为常系数。
其中，Ni和ΔHi分别表示第i层的大气总折射率和大气厚度，n表示积分大气层数；ZHDSaas表示Saastamoinen模型计算的MERRA-2再分析资料层顶的残余ZHD值，ZHDSaas计算公式如下：
式中，
为测站纬度(单位：rad)，H为高程(单位：km)。
步骤S103中，本发明实施例提供的每个窗口的ZTD垂直剖面函数如下所示：
ZTDHu＝ZTDHr*exp(-βi*(Hu-Hr))；
式中，Hu和Hr分别表示为目标高程和参考高程，ZTDHu和ZTDHr分别为目标高程和参考高程处的ZTD值，β为ZTD高程缩放因子，i表示窗口的编号(i＝1,2,3,…,3240)。
β可表示为：
式中，α0为ZTD高程缩放因子年均值，(α1，α2)表示ZTD高程缩放因子年周期振幅系数，(α3，α4)表示ZTD高程缩放因子半年周期振幅系数。
本发明实施例提供的高时空分辨率全球ZTD垂直剖面格网模型的使用方法包括：
(1)根据用户的平面位置即经度和纬度查找离ZTD垂直剖面格网模型参数最近的格网点，获取格网点的模型参数即β因子的5个系数；
(2)根据用户的高程信息，最终可根据每个窗口的ZTD垂直剖面函数将参考高程处的ZTDHr值进行高程归算至目标高度处的ZTDHu值。
步骤S101中，本发明实施例提供的高时空分辨率全球ZTD垂直剖面格网模型精度检验方法包括：
以偏差和均方根误差为精度标准，联合未参与建模的2017年MERRA-2资料积分计算的全球格网点不同等压层的ZTD信息和2015年全球412个探空站资料积分计算的不同剖面ZTD信息检验全球新ZTD垂直剖面格网模型的精度。
本发明提供一种高时空分辨率全球ZTD垂直剖面格网模型系统包括：
格网点地表数据与分层数据获取模块，获取全球资料格网点地表数据与分层数据。
ZTD信息计算模块，基于滑动窗口算法将全球剖分为5°×4°(经度*纬度)的规则窗口，利用全球格网点分层气象数据和对应的地表气象数据，计算全球每个格网点在不同等压层上的ZTD信息。
ZTD垂直剖面模型系数确定模块，利用负指数函数表达全球每个窗口ZTD垂直剖面函数模型，基于窗口内所有格网点ZTD剖面信息通过最小二乘法估计全球每个窗口的ZTD垂直剖面模型系数，所述ZTD垂直剖面模型系数为β因子的5个系数；
高时空分辨率ZTD垂直剖面格网模型建立模块，得到的全球每个窗口β因子的5个系数，以平面分辨率的格网形式存储，得到全球ZTD垂直剖面模型，所述全球ZTD垂直剖面模型为高时空分辨率全球ZTD垂直剖面格网模型。
下面结合具体实施例对本发明作进一步说明。
实施例：
(1)数据源介绍。将MERRA-2再分析资料作为本发明数据源，其水平分辨率为0.625°*0.5°，时间分辨率为6h，垂直分辨率为42层等压层。提取2012-2017年的全球MERRA-2资料格网点地表数据与分层数据(每个格网点为42层数据)，其中分层数据包括气压、位势高、比湿及温度数据，地表数据包括地表气压、地表温度、地表比湿数据及对应的地表高程。
(2)对流层天顶延迟(ZTD)计算原理。ZTD可利用天顶方向上的气象参数进行积分计算获得。同时，每个格网点在不同等压层上的ZTD值也可以通过积分计算获取，计算ZTD的积分公式如下：
其中，N表示大气总折射率，P表示大气压(hPa),e表示水汽压(hPa)，Q表示比湿，T表示温度，H表示高程，H_low表示MERRA-2再分析资料积分计算的最底层高度，H_top表示MERRA-2再分析资料积分计算的最顶层高度，k1＝77.604K/Pa、k2＝64.79K/Pa和k3＝375463K2/hPa均为常系数。由于MERRA-2再分析资料的顶层还有残余大气，为了提高ZTD的计算精度，需采用Saastamoinen模型计算出层顶以上的残余对流层延迟值，将其附加给MERRA-2每个格网点的最终每一层的积分结果上。便于积分计算，需要对式(1)进行离散化，可改写为：
其中，Ni和ΔHi分别表示第i层的大气总折射率和大气厚度，n表示积分大气层数；ZHDSaas表示Saastamoinen模型计算的MERRA-2再分析资料层顶的残余ZHD值，其计算公式如下：
式中，
为测站纬度(单位：rad)，H为高程(单位：km)。
(3)引入滑动窗口算法。滑动窗口大小的确定需顾及全球窗口剖分个数的整数性、窗口的连续性及窗口内模型参数的可求解性等原则。根据以上原则，本项目以5°×4°(经度*纬度)的区域范围为一个滑动窗口大小来举例说明滑动窗口算法，其流程如图2所示。具体过程为：首先利用格网左上角第一个窗口N1内(每个黑色框表示一个滑动窗口大小)的多源数据求出其窗口内的对流层相关模型参数，并将其作为窗口N1中心格网点(框内黑色点)的结果；然后将窗口向纬度东向移动2个格网点，求解新窗口N2内的对流层相关模型参数，将其作为窗口N2中心格网点的结果，依次类推求出这一纬度上所有窗口内的对流层相关模型参数；然后窗口移动到下一纬度(向下移动两个格网点)，以同样的方法求出该纬度所有窗口内的对流层相关模型参数，以此类推直到求出全球所有窗口内的对流层相关模型参数。最终获得全球所有窗口内的对流层相关模型参数，并将其作为各自窗口中心格网点的结果，最后将全球所有窗口中心格网点组建新的全球格网，如图2中的黑色点和虚线所示。
(3)全球每个窗口ZTD垂直剖面信息积分计算。本发明基于滑动窗口算法将全球剖分为5°×4°的规则窗口(共3240个窗口)，每个窗口包含了81个MERRA-2资料格网点，利用2012-2016年平面分辨率为0.625°×0.5°(经度*纬度)的全球MERRA-2格网点分层气象数据(气压、位势高、比湿及温度)和对应的地表气象数据(气压、地表高程、比湿及温度)，根据公式(1)-(5)积分计算出全球每个MERRA-2格网点在不同等压层上的ZTD信息。
(4)新ZTD垂直剖面模型构建。以负指数函数来表达全球每个窗口ZTD垂直剖面函数模型，针对全球每个窗口，利用窗口内81个格网点2012-2016年6小时分辨率的ZTD剖面信息通过最小二乘法估计出全球每个窗口的ZTD垂直剖面模型系数，每个窗口的ZTD垂直剖面函数如下所示：
ZTDHu＝ZTDHr*exp(-βi*(Hu-Hr)) (6)
式中，Hu和Hr分别表示为目标高程和参考高程，ZTDHu和ZTDHr分别为目标高程和参考高程处的ZTD值，β为ZTD高程缩放因子，i表示窗口的编号(i＝1,2,3,…,3240)。采用快速傅立叶变换(FFT)对β因子的5年时间序列进行频谱探测分析，发现β主要表现为年周期和半年周期变化。为此，针对全球每个窗口的β，其可表示为：
式中，α0为ZTD高程缩放因子年均值，(α1，α2)表示ZTD高程缩放因子年周期振幅系数，(α3，α4)表示ZTD高程缩放因子半年周期振幅系数。全球每个窗口β因子的5个系数以平面分辨率为5°×4°(经度*纬度)的格网形式存储，从而可获得平面分辨率为5°×4°(经度*纬度)的顾及ZTD高程缩放因子精细季节变化的ZTD垂直剖面模型，最终构建了一种新的高时空分辨率全球ZTD垂直剖面格网模型。
(5)新的全球ZTD垂直剖面格网模型使用。新模型的使用非常简单，步骤如下：1)根据用户的平面位置(经度和纬度)查找离ZTD垂直剖面格网模型最近的格网点，获取格网点的模型参数(β因子的5个系数)；2)根据用户的高程信息，最终可根据式(6)将参考高程处的ZTDHr值进行高程归算至目标高度处的ZTDHu值。
(6)新ZTD垂直剖面格网模型精度检验。以偏差(Bias)和均方根误差(RMSE)为精度标准，联合未参与建模的2017年MERRA-2资料积分计算的全球格网点不同等压层的ZTD信息和2015年全球412个探空站资料积分计算的不同剖面ZTD信息检验全球新ZTD垂直剖面格网模型的精度。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的硬件平台的方式来实现，当然也可以全部通过硬件来实施。基于这样的理解，本发明的技术方案对背景技术做出贡献的全部或者部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种高时空分辨率全球ZTD垂直剖面格网模型构建方法，其特征在于，所述高时空分辨率全球ZTD垂直剖面格网模型构建方法包括：引入滑动窗口算法将全球剖分为规则窗口，并使用高分辨率的MERRA-2资料求得全球每个窗口顾及精细季节变化的ZTD高程缩放因子，构建出基于负指数函数表达的高时空分辨率全球ZTD垂直剖面格网模型。
2.如权利要求1所述高时空分辨率全球ZTD垂直剖面格网模型构建方法，其特征在于，所述高时空分辨率全球ZTD垂直剖面格网模型构建方法进一步包括：
步骤一，获取全球MERRA-2资料格网点地表数据与分层数据；
步骤二，基于滑动窗口算法将全球剖分为5°×4°(经度*纬度)的规则窗口，利用全球格网点分层气象数据和对应的地表气象数据，计算全球每个格网点在不同等压层上的ZTD信息；
步骤三，利用窗口内所有格网点ZTD剖面信息，基于负指数函数表达全球每个窗口ZTD垂直剖面模型，通过最小二乘法估计ZTD高程缩放因子即β因子的5个系数；
步骤四，基于步骤三得到的全球每个窗口β因子的5个系数，以平面分辨率为5°×4°(经度*纬度)的格网形式存储，得到全球ZTD垂直剖面格网模型，所述ZTD垂直剖面模型为高时空分辨率全球ZTD垂直剖面格网模型。
3.如权利要求2所述高时空分辨率全球ZTD垂直剖面格网模型构建方法，其特征在于，步骤一中，所述格网点地表数据与分层数据包括：
每个格网点为42层数据；
所述地表数据包括地表气压、地表温度、地表比湿数据及对应的地表高程数据；
所述分层数据包括气压、位势高、比湿及温度数据。
4.如权利要求2所述高时空分辨率全球ZTD垂直剖面格网模型构建方法，其特征在于，所述步骤二，将全球剖分为5°×4°(经度*纬度)的规则窗口，利用平面分辨率为0.625°×0.5°(经度*纬度)的全球格网点分层气象数据和对应的地表气象数据；
所述规则窗口共计3240个，每个窗口包含81个MERRA-2资料格网点。
5.如权利要求2所述高时空分辨率全球ZTD垂直剖面格网模型构建方法，其特征在于，步骤二中，所述ZTD计算方法包括：
ZTD积分计算公式：
上式中，N表示大气总折射率，P表示大气压,e表示水汽压，Q表示比湿，T表示温度，H表示高程，H_low表示MERRA-2再分析资料积分计算的最底层高度，H_top表示MERRA-2再分析资料积分计算的最顶层高度，k1＝77.604K/Pa、k2＝64.79K/Pa和k3＝375463K2/hPa均为常系数；
其中，i和ΔHi分别表示第i层的大气总折射率和大气厚度，n表示积分大气层数；ZHDSaas表示Saastamoinen模型计算的MERRA-2再分析资料层顶的残余ZHD值，ZHDSaas计算公式如下：
式中，
为测站纬度，单位为rad；H为高程，单位为km。
6.如权利要求2所述高时空分辨率全球ZTD垂直剖面格网模型构建方法，其特征在于，步骤三中，所述每个窗口的ZTD垂直剖面函数如下所示：
ZTDHu＝ZTDHr*exp(-βi*(Hu-Hr))；
式中，Hu和Hr分别表示为目标高程和参考高程，ZTDHu和ZTDHr分别为目标高程和参考高程处的ZTD值，β为ZTD高程缩放因子，i表示窗口的编号(i＝1,2,3,…,3240)；
β表示为：
式中，α0为ZTD高程缩放因子年均值，(α1，α2)表示ZTD高程缩放因子年周期振幅系数，(α3，α4)表示ZTD高程缩放因子半年周期振幅系数。
7.如权利要求6所述高时空分辨率全球ZTD垂直剖面格网模型构建方法，其特征在于，所述高时空分辨率全球ZTD垂直剖面格网模型构建方法进一步包括：
(1)根据平面位置即经度和纬度查找离ZTD垂直剖面格网模型参数最近的格网点，获取格网点的模型参数，所述模型参数即为β因子的5个系数；
(2)根据高程信息，根据每个窗口的ZTD垂直剖面模型将参考高程处的ZTDHr值进行高程归算至目标高度处的ZTDHu值。
8.一种利用权利要求1～7所述高时空分辨率全球ZTD垂直剖面格网模型构建方法的高时空分辨率全球ZTD垂直剖面模型构建处理系统，其特征在于，所述高时空分辨率全球ZTD垂直剖面格网模型构建系统包括：
格网点地表数据与分层数据获取模块，获取全球MERRA-2资料格网点地表数据与分层数据；
ZTD信息计算模块，基于滑动窗口算法将全球剖分为5°×4°(经度*纬度)的规则窗口，利用全球格网点分层气象数据和对应的地表气象数据，计算全球每个格网点在不同等压层上的ZTD信息；
ZTD垂直剖面模型系数获取模块，利用负指数函数表达全球每个窗口ZTD垂直剖面函数模型，对全球每个窗口，基于窗口内所有格网点ZTD剖面信息，通过最小二乘法估计全球每个窗口的ZTD垂直剖面模型系数，所述ZTD垂直剖面模型系数即为β因子的5个系数；
高时空分辨率ZTD垂直剖面格网模型获取模块，得到的全球每个窗口β因子的5个系数，以平面分辨率的5°×4°(经度*纬度)格网形式存储，得到全球ZTD垂直剖面格网模型，所述全球ZTD垂直剖面模型为高时空分辨率全球ZTD垂直剖面格网模型。
9.一种接收用户输入程序存储介质，所存储的计算机程序使电子设备执行权利要求1～7所述高时空分辨率全球ZTD垂直剖面格网模型构建方法，包括下列步骤：
步骤1，获取全球资料格网点地表数据与分层数据；
步骤2，基于滑动窗口算法将全球剖分为5°×4°(经度*纬度)的规则窗口，利用全球格网点分层气象数据和对应的地表气象数据，计算全球每个格网点在不同等压层上的ZTD信息；
步骤3，利用负指数函数表达全球每个窗口ZTD垂直剖面函数模型，对全球每个窗口，基于窗口内所有格网点ZTD剖面信息通过最小二乘法估计全球每个窗口的ZTD垂直剖面模型系数，所述ZTD垂直剖面模型系数即为β因子的5个系数；
步骤4，基于步骤3得到的全球每个窗口β因子的5个系数，以平面分辨率为5°×4°(经度*纬度)的格网形式存储，得到全球ZTD垂直剖面模型，所述全球ZTD垂直剖面模型为高时空分辨率全球ZTD垂直剖面格网模型。
10.一种存储在计算机可读介质上的计算机程序产品，包括计算机可读程序，供于电子装置上执行时，提供用户输入接口以实施如权利要求1～7所述高时空分辨率全球ZTD垂直剖面格网模型构建方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010333280.3A CN111538943B (zh) | 2020-04-24 | 2020-04-24 | 新的高时空分辨率全球ztd垂直剖面格网模型构建方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010333280.3A CN111538943B (zh) | 2020-04-24 | 2020-04-24 | 新的高时空分辨率全球ztd垂直剖面格网模型构建方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111538943A true CN111538943A (zh) | 2020-08-14 |
| CN111538943B CN111538943B (zh) | 2021-05-18 |
Family
ID=71978881
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010333280.3A Active CN111538943B (zh) | 2020-04-24 | 2020-04-24 | 新的高时空分辨率全球ztd垂直剖面格网模型构建方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111538943B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112560314A (zh) * | 2020-12-18 | 2021-03-26 | 南京信息工程大学 | 一种提高GPT2w模型计算气象参数精度的方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4633588B2 (ja) * | 2005-09-20 | 2011-02-16 | Ｋｄｄｉ株式会社 | 気象データ配信装置および局域気象データ配信システムならびに同システムにおける気象データ推定方法 |
| CN104965207A (zh) * | 2015-05-19 | 2015-10-07 | 同济大学 | 一种区域对流层天顶延迟的获取方法 |
| CN106802425A (zh) * | 2017-01-22 | 2017-06-06 | 武汉大学 | 一种估算天顶对流层延迟的积分方法 |
| CN104777488B (zh) * | 2015-03-13 | 2018-04-06 | 中国科学院上海天文台 | 天顶对流层延迟建模方法、装置及测量方法、装置 |
| CN109917424A (zh) * | 2019-03-08 | 2019-06-21 | 山东科技大学 | 多因子约束下的nwp反演对流层延迟的残差改正方法 |
| CN110031877A (zh) * | 2019-04-17 | 2019-07-19 | 山东科技大学 | 一种基于grnn模型的区域nwp对流层延迟改正方法 |
| CN110378540A (zh) * | 2019-08-02 | 2019-10-25 | 桂林理工大学 | 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 |
-
2020
- 2020-04-24 CN CN202010333280.3A patent/CN111538943B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4633588B2 (ja) * | 2005-09-20 | 2011-02-16 | Ｋｄｄｉ株式会社 | 気象データ配信装置および局域気象データ配信システムならびに同システムにおける気象データ推定方法 |
| CN104777488B (zh) * | 2015-03-13 | 2018-04-06 | 中国科学院上海天文台 | 天顶对流层延迟建模方法、装置及测量方法、装置 |
| CN104965207A (zh) * | 2015-05-19 | 2015-10-07 | 同济大学 | 一种区域对流层天顶延迟的获取方法 |
| CN106802425A (zh) * | 2017-01-22 | 2017-06-06 | 武汉大学 | 一种估算天顶对流层延迟的积分方法 |
| CN109917424A (zh) * | 2019-03-08 | 2019-06-21 | 山东科技大学 | 多因子约束下的nwp反演对流层延迟的残差改正方法 |
| CN110031877A (zh) * | 2019-04-17 | 2019-07-19 | 山东科技大学 | 一种基于grnn模型的区域nwp对流层延迟改正方法 |
| CN110378540A (zh) * | 2019-08-02 | 2019-10-25 | 桂林理工大学 | 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 |
Non-Patent Citations (3)
| Title |
|---|
| 杨元元 等: "实时格网对流层模型在中国区域的适用性分析", 《大地测量与地球动力学》 * |
| 赵静旸 等: "基于垂直剖面函数式的全球对流层天顶延迟模型的建立", 《地球物理学报》 * |
| 黄良珂: "地基GNSS对流层天顶延迟改正模型与方法研究", 《中国优秀硕士学位论文全文数据库 基础科学辑》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112560314A (zh) * | 2020-12-18 | 2021-03-26 | 南京信息工程大学 | 一种提高GPT2w模型计算气象参数精度的方法 |
| CN112560314B (zh) * | 2020-12-18 | 2023-08-22 | 南京信息工程大学 | 一种提高GPT2w模型计算气象参数精度的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111538943B (zh) | 2021-05-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111539109B (zh) | 实时高精度全球多维对流层天顶延迟格网模型构建方法 | |
| CN109543353B (zh) | 三维水汽反演方法、装置、设备和计算机可读存储介质 | |
| CN110031877B (zh) | 一种基于grnn模型的区域nwp对流层延迟改正方法 | |
| CN110232471B (zh) | 一种降水传感网节点布局优化方法及装置 | |
| CN110335355B (zh) | 一种大型浅水湖泊水面高自动计算方法 | |
| Zhao et al. | High-precision ZTD model of altitude-related correction | |
| CN108898252A (zh) | 一种全国对流层大气折射率剖面的预测方法 | |
| CN112034490B (zh) | 一种nwp反演对流层延迟改进方法 | |
| CN106324620A (zh) | 一种不依赖地表气象数据实时测量的对流层天顶延迟方法 | |
| CN112699959A (zh) | 基于能量泛函模型的多源多尺度降水数据融合方法和装置 | |
| CN115943255A (zh) | 在复杂地形中借助LiDAR测量风流的湍流的系统和方法 | |
| CN116609859A (zh) | 一种气象灾害高分辨率区域模式预报系统及方法 | |
| CN111126466B (zh) | 一种多源pwv数据融合方法 | |
| CN113639893B (zh) | 一种基于多气象因子的近地加权平均温度信息获取方法 | |
| CN108154193A (zh) | 一种长时间序列降水数据降尺度方法 | |
| CN115755103A (zh) | 一种抗差自适应的gnss水汽层析方法 | |
| CN111538943B (zh) | 新的高时空分辨率全球ztd垂直剖面格网模型构建方法 | |
| Huang et al. | A global grid model for the estimation of zenith tropospheric delay considering the variations at different altitudes | |
| CN113960635A (zh) | 一种顾及日变化的对流层延迟改正方法 | |
| Bi et al. | A deep learning-based model for tropospheric wet delay prediction based on multi-layer 1D convolution neural network | |
| Zhang et al. | A new four-layer inverse scale height grid model of china for zenith tropospheric delay correction | |
| Su et al. | Modified atmospheric pressure extrapolation model using ERA5 for geodetic applications | |
| CN113536657A (zh) | 基于机器学习的海洋大气折射率预测方法 | |
| Ma et al. | Establishment of regional tropospheric delay model in Australia | |
| Gerzen et al. | Comparing different assimilation techniques for the ionospheric F2 layer reconstruction |
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 | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20200814 Assignee: Guangxi Taihua Information Technology Co.,Ltd. Assignor: GUILIN University OF TECHNOLOGY Contract record no.: X2022450000083 Denomination of invention: A New Method for Constructing Grid Model of Global ZTD Vertical Profile with High Spatial and Temporal Resolution Granted publication date: 20210518 License type: Common License Record date: 20221118 Application publication date: 20200814 Assignee: Guangxi Guigong surveying and mapping Geographic Information Technology Co.,Ltd. Assignor: GUILIN University OF TECHNOLOGY Contract record no.: X2022450000074 Denomination of invention: A New Method for Constructing Grid Model of Global ZTD Vertical Profile with High Spatial and Temporal Resolution Granted publication date: 20210518 License type: Common License Record date: 20221118 |
|
| EE01 | Entry into force of recordation of patent licensing contract |