CN112632473A - 一种融合地基和空基gnss大气可降水量的计算方法 - Google Patents

一种融合地基和空基gnss大气可降水量的计算方法 Download PDF

Info

Publication number
CN112632473A
CN112632473A CN202110255631.8A CN202110255631A CN112632473A CN 112632473 A CN112632473 A CN 112632473A CN 202110255631 A CN202110255631 A CN 202110255631A CN 112632473 A CN112632473 A CN 112632473A
Authority
CN
China
Prior art keywords
atmospheric
gnss
space
degradable water
based gnss
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
Application number
CN202110255631.8A
Other languages
English (en)
Other versions
CN112632473B (zh
Inventor
喻守刚
郭祚界
张潇
丁涛
姜本海
张辛
沈智娟
罗洪波
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.)
Changjiang Spatial Information Technology Engineering Co ltd
Changjiang Institute of Survey Planning Design and Research Co Ltd
Original Assignee
Changjiang Spatial Information Technology Engineering Co ltd
Changjiang Institute of Survey Planning Design and Research Co Ltd
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 Changjiang Spatial Information Technology Engineering Co ltd, Changjiang Institute of Survey Planning Design and Research Co Ltd filed Critical Changjiang Spatial Information Technology Engineering Co ltd
Priority to CN202110255631.8A priority Critical patent/CN112632473B/zh
Publication of CN112632473A publication Critical patent/CN112632473A/zh
Application granted granted Critical
Publication of CN112632473B publication Critical patent/CN112632473B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/08—Adaptations of balloons, missiles, or aircraft for meteorological purposes; Radiosondes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/14—Rainfall or precipitation gauges

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Data Mining & Analysis (AREA)
  • Remote Sensing (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Mathematical Physics (AREA)
  • Environmental Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Analysis (AREA)
  • Ecology (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Atmospheric Sciences (AREA)
  • Hydrology & Water Resources (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Algebra (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

本发明公开了一种融合地基和空基GNSS大气可降水量的计算方法。它包括如下步骤，步骤一：获取地基GNSS反演大气可降水量的精度；步骤二：获取空基GNSS反演大气可降水量的精度；步骤三：使用双权重插值法融合地基和空基GNSS大气可降水量；根据计算得到的地基和空基GNSS大气可降水量精度，对地基GNSS和空基GNSS大气可降水量进行融合，采取将精度和距离进行分别定权的双权重插值法确定每个观测值的权重值，根据观测值的加权平均值确定融合后的大气可降水量，绘制融合后的大气可降水量等值线图。本发明具有提高GNSS大气可降水量的准确度和分布的均匀性的优点。

Description

一种融合地基和空基GNSS大气可降水量的计算方法
技术领域
本发明涉及GNSS气象学领域，具体涉及一种融合地基和空基GNSS大气可降水量的计算方法。
背景技术
全球导航卫星系统（Global Navigation Satellite System，GNSS）卫星在2万多公里的高度轨道上运行，向地面发射无线电电磁波信号，信号依次穿过大气层中的电离层、对流层后，可被低轨卫星（空基）或地面搭载（地基）的GNSS接收设备捕获。GNSS信号穿过大气层时会受到对流层折射的影响，导致信号发生延迟，这种信号延迟量通常和大气参数之间具有很好的相关性。在GNSS气象学中，根据对流层延迟量与大气气压、温度、水汽压等之间的函数关系，可以求得数值天气预报所需要的重要信息，如大气可降水量（PrecipitableWater Vapor，PWV）等；
利用地基GNSS获取的PWV一般来说具有较高的精度和时间分辨率，但如果地面测站不够密集，会导致获取的PWV空间分辨率不够、分布不均匀，而受陆地地形和海洋的约束无法在全球大范围、大密度的布置地基GNSS观测站。空基GNSS可利用低轨卫星搭载GNSS接收机反演PWV，具有密度高、全球分布均匀、可获取PWV垂直分布等特点，可以较好的弥补地基GNSS的缺点。但和地基GNSS获取的PWV相比，存在精度偏低的问题，因此如何将不同精度的多源（地基、空基）GNSS PWV进行融合是近年来GNSS气象学的研究难点之一；
因此，开发一种提高GNSS大气可降水量的整体准确度和均匀分布程度的大气可降水量方法很有必要。
发明内容
本发明的目的是为了提供一种融合地基和空基GNSS大气可降水量的计算方法，本发明方法以探空气球测量的PWV为真值，分别对比地基GNSS、空基GNSS反演的PWV与真值的差异，获取地基和空基GNSS的PWV计算精度信息；然后以精度和距离作为双权重因子，将地基和空基GNSS大气可降水量进行双权重插值融合，绘制融合后的大气可降水量等值线图，作为数值天气预报的重要水汽资料；本发明可提高GNSS大气可降水量的准确度和分布的均匀性；克服了现有地基GNSS大气可降水量空间分辨率低、测站分布不均匀和空基GNSS大气可降水量计算精度偏低等缺点。
为了实现上述目的，本发明的技术方案为：一种融合地基和空基GNSS大气可降水量的计算方法，其特征在于：包括如下步骤，
步骤一：获取地基GNSS反演大气可降水量的精度；
选取一定范围内共址的地基GNSS测站和无线电探空站；其中，共址的原则为两者的水平经度和纬度差值均小于1°，且海拔高程相差小于300m；
筛选出地基GNSS测站和无线电探空站具有相同时间段的大气可降水量，以无线电探空站获取的大气可降水量为真值，计算地基GNSS大气可降水量的均方根误差，以均方根误差作为地基GNSS大气可降水量的精度评定标准；
步骤二：获取空基GNSS反演大气可降水量的精度；
首先对选取范围内的空基GNSS掩星数据得到的大气可降水量进行质量检查，选取掩星剖面数据最低高度在1km以下的大气可降水量数据，然后与无线电探空站进行共址位置匹配，位置匹配原则为两者水平经度和纬度差值均小于1°，且海拔高程相差小于300m；
对位置匹配后的数据进行筛选，筛选出空基GNSS和无线电探空站具有相同时间段的大气可降水量，以无线电探空站获取的大气可降水量为真值，计算空基GNSS大气可降水量的均方根误差，以均方根误差作为空基GNSS大气可降水量的精度评定标准；
步骤三：使用双权重插值法融合地基和空基GNSS大气可降水量；
根据计算得到的地基和空基GNSS大气可降水量精度，对地基GNSS和空基GNSS大气可降水量进行融合，采取将精度和距离进行分别定权的双权重插值法确定每个观测值的权重值，根据观测值的加权平均值确定融合后的大气可降水量，绘制融合后的大气可降水量等值线图。
在上述技术方案中，在步骤一中，选取的范围大于100000km2。
在上述技术方案中，在步骤一中，相同时间段为时间间隔在1~3h内。
在上述技术方案中，在步骤一中，利用如下公式（1）进行计算地基GNSS大气可降水量的均方根误差；
Figure 387951DEST_PATH_IMAGE001
（1）
公式（1）中，Y j 表示地基GNSS反演的大气可降水量，Y j ′ 表示无线电探空站获取的大气可降水量，m为筛选出的大气可降水量数量，j为筛选出共址的一组大气可降水量的序号，j的值为1至m，m大于或等于1；rms为均方根误差。
在上述技术方案中，在步骤二中，选取范围大于100000km2。
在上述技术方案中，在步骤二中，筛选时间间隔在1~3h内相同时间段的大气可降水量数据。
在上述技术方案中，在步骤二中，利用公式（1）计算空基GNSS大气可降水量的均方根误差；此时，公式（1）中，Y j 表示空基GNSS反演的大气可降水量。
在上述技术方案中，在步骤三中，采用双权重法对地基GNSS大气可降水量和空基GNSS大气可降水量融合时，将精度和距离作为权重因子，综合考虑精度和距离对插值后的大气可降水量的影响，将进行加权叠加和归一化处理，定权公式如下：
Figure 443763DEST_PATH_IMAGE002
（2）
Figure 43372DEST_PATH_IMAGE003
（3）
公式（2）和公式（3）中：S i 为内插点到观测值之间的距离，C i 为仅考虑距离时的权 重，
Figure 775704DEST_PATH_IMAGE004
为观测值的精度，n为大气可降水量观测值数量；i为大气可降水量观测值的序号，i 的值为1至n，n大于或等于1；r i 为内插点第i个观测值的权重值，且
Figure 827974DEST_PATH_IMAGE005
，
Figure 625160DEST_PATH_IMAGE006
。
在上述技术方案中，在步骤三中融合后的PWV采用加权平均值的方式计算得到，计算公式如下：
Figure 16958DEST_PATH_IMAGE007
（4）
公式（4）中，PWV为融合后内插点的大气可降水量，r i 为内插点第i个观测值的权重值，P i 为地基GNSS和空基GNSS大气可降水量观测值，n为大气可降水量观测值数量，i为大气可降水量观测值的序号，i的值为1至n，n大于或等于1。
本发明具有如下优点：
（1）通过融合地基和空基GNSS反演的大气可降水量，克服了地基GNSS大气可降水量陆地测站多海洋测站少、受测站疏密程度影响大、获取的大气可降水量分布不均匀的缺点，弥补了空基GNSS反演大气可降水量精度不高的不足，融合后得到的GNSS大气可降水量具有观测值多、空间分辨率高、整体精度高、区域分布均匀等显著优势；
（2）本发明采用了双权重插值的数据融合方法，以无线电探空站大气可降水量为真值，分别对地基GNSS大气可降水量和空基GNSS大气可降水量进行精度统计，以精度和距离作为双权重因子，综合考虑了数据精度和距离对数据插值的影响，相比仅考虑距离的传统插值方法更全面、合理；
本发明将地基和空基GNSS反演的大气可降水量进行计算融合，以此提高GNSS大气可降水量的整体准确度和均匀分布程度，对精确、有效地进行数值天气预报具有重要的意义；
本发明所述方法从统计学的角度先对地基GNSS PWV和空基GNSS PWV进行精度统计，利用统计的精度，采用双权重插值法进行多源数据融合，方法简单，容易实现，精度可靠。
附图说明
图1为本发明工艺流程图；
图2为本发明实施例地基GNSS反演大气可降水量与无线电探空站大气可降水量偏差散点分布图；
图3为本发明实施例空基GNSS（COSMIC掩星）反演大气可降水量与无线电探空站大气可降水量偏差散点分布图；
图4为本发明实施例采用常用的距离插值法生成地基GNSS大气可降水量等值线图；
图5为本发明实施例采用双权重法生成大气可降水量等值线图。
具体实施方式
下面结合附图详细说明本发明的实施情况，但它们并不构成对本发明的限定，仅作举例而已。同时通过说明使本发明的优点更加清楚和容易理解。
本发明方法以探空气球（即无线电探空站）大气可降水量为真值，首先获取地基GNSS测站大气可降水量的均方根误差rms，然后对空基GNSS掩星数据大气可降水量进行质量检查，获取最低高度为1km以下的大气可降水量，通过无线电探空站对空基GNSS掩星大气可降水量进进行共址位置匹配，获取空基GNSS大气可降水量的均方根误差rms，最后以两者的精度和距离为双权重因子，将地基GNSS和空基GNSS大气可降水量进行融合，绘制融合后的大气可降水量等值线图，提高GNSS大气可降水量的准确度和分布的均匀性，作为数值天气预报的重要水汽资料。
参阅附图可知：一种融合地基和空基GNSS大气可降水量的计算方法，包括如下步骤，
步骤一：获取地基GNSS反演大气可降水量的精度；
选取一定范围内共址的地基GNSS测站和无线电探空站；其中，共址的标准为地基GNSS测站与无线电探空站的水平经度和纬度差值均小于1°，且海拔高程相差小于300m；
筛选出地基GNSS测站和无线电探空站具有相同时间段的大气可降水量，以无线电探空站获取的大气可降水量为真值，计算地基GNSS大气可降水量的均方根误差rms，以rms作为地基GNSS大气可降水量的精度评定标准；
步骤二：获取空基GNSS反演大气可降水量的精度；
首先对选取范围内的空基GNSS掩星数据得到的大气可降水量进行质量检查，选取掩星剖面数据最低高度在1km以下（掩星数据为一个从低空约500m到12km的剖面数据，拿到的数据为所有数据，最低高度在1km以下，质量较高）的大气可降水量数据，然后与无线电探空站进行共址位置匹配，位置匹配原则为空基GNSS测站与无线电探空站的水平经度和纬度差值均小于1°，且海拔高程相差小于300m；
对位置匹配后的数据进行筛选，筛选出空基GNSS和无线电探空站具有相同时间段的大气可降水量，以无线电探空站获取的大气可降水量为真值，计算空基GNSS大气可降水量的均方根误差rms，以rms作为空基GNSS大气可降水量的精度评定标准；
步骤三：使用双权重插值法融合地基和空基GNSS大气可降水量；
根据计算得到的地基和空基GNSS大气可降水量精度，对地基GNSS大气可降水量和空基GNSS大气可降水量进行融合，采取将精度和距离进行分别定权的双权重插值法确定每个观测值的权重值，根据观测值的加权平均值确定融合后的大气可降水量，绘制融合后的大气可降水量等值线图（如图1所示）。
进一步地，在步骤一中，由于大气可降水量存在一定的时空相关性，选取一定范围内的共址地基GNSS和无线电探空站时，为保证足够的样本数量，选取范围通常大于100000km2。
进一步地，在步骤一中，筛选具有相同时间段的大气可降水量，一般筛选相同时间段为时间间隔在1~3h内的大气可降水量数据。
进一步地，在步骤一中，利用如下公式（1）进行计算地基GNSS大气可降水量的均方根误差rms，以rms作为地基大气可降水量的精度评定标准；rms为评定数据和真值的离散程度，评定方法为现有技术；
Figure 654613DEST_PATH_IMAGE001
（1）
公式（1）中，Y j 表示地基GNSS反演的大气可降水量，Y j ′ 表示无线电探空站获取的大气可降水量，m为筛选出的大气可降水量数量，j为筛选出共址的一组大气可降水量的序号，j的值为1至m，m大于或等于1；rms为均方根误差。
进一步地，在步骤二中，为保证足够的样本数量，选取的范围也是大尺度范围，通常大于100000km2。
进一步地，在步骤二中，所述筛选具有相同时间段的大气可降水量，一般筛选1~3h内的大气可降水量数据，筛选时间段与步骤一中保持一致。
进一步地，在步骤二中，利用公式（1）计算空基GNSS大气可降水量的均方根误差rms，以rms作为大气可降水量的精度评定标准；
Figure 272807DEST_PATH_IMAGE001
（1）
公式（1）中，Y j 表示空基GNSS反演的大气可降水量，Y j ′ 表示无线电探空站获取的大气可降水量，m为筛选出的大气可降水量数量，j为筛选出共址的一组大气可降水量的序号，j的值为1至m，m大于或等于1；rms为均方根误差。
进一步地，在步骤三中，采用双权重法对地基GNSS大气可降水量和空基GNSS大气可降水量融合时，将精度和距离作为权重因子，综合考虑精度和距离对插值后的大气可降水量的影响，将进行加权叠加和归一化处理，定权公式如下：
Figure 60634DEST_PATH_IMAGE002
（2）
Figure 493890DEST_PATH_IMAGE003
（3）
公式（2）和公式（3）中：S i 为内插点到观测值之间的距离，C i 为仅考虑距离时的权 重，
Figure 443391DEST_PATH_IMAGE004
为观测值的精度，n为大气可降水量观测值数量；i为大气可降水量观测值的序号，i 的值为1至n，n大于或等于1；r i 为内插点第i个观测值的权重值，且
Figure 80040DEST_PATH_IMAGE005
，
Figure 733875DEST_PATH_IMAGE006
。
在上述技术方案中，在步骤三中融合后的PWV采用加权平均值的方式计算得到，计算公式如下：
Figure 897003DEST_PATH_IMAGE007
（4）
公式（4）中，PWV为融合后内插点的大气可降水量，r i 为内插点第i个观测值的权重值，P i 为地基GNSS和空基GNSS大气可降水量观测值，n为大气可降水量观测值数量，i为大气可降水量观测值的序号，i的值为1至n，n大于或等于1。
为了能够更加清楚的说明本发明所述的融合地基和空基GNSS大气可降水量的计算方法与现有技术相比所具有的优点，工作人员将这两种技术方案进行了对比，其对比结果如下表1：
表1 本发明方法与现有技术对比
Figure 892772DEST_PATH_IMAGE008
由上表1可知，本发明所述的融合地基和空基GNSS大气可降水量的计算方法与现有技术相比，具有观测值多、空间分辨率高、整体精度高、区域分布均匀等特点。
图2中，mean_bias为地基GNSS大气可降水量与无线电探空站大气可降水量的平均差值，NRC1~WDC3为地基GNSS测站名字，从图中可以看出两者大气可降水量平均差值mean_bias很小为0.026mm，几乎可以忽略不计，绝大部分差值均在-5mm~5mm之间，计算得到的均方根误差rms1为1.87，说明表面两者差值分布很集中，两类数据精度较为接近；
图3中，mean_bias为空基GNSS（COSMIC掩星）大气可降水量与无线电探空站大气可降水量的平均差值，从图中可以看出两者大气可降水量平均差值mean_bias较小为0.227mm，绝大部分差值均在-5mm~5mm之间，计算得到的均方根误差rms1为2.71，说明表面两者差值分布较为集中，但空基GNSS（COSMIC掩星）大气可降水量的偏差分散程度高于地基GNSS大气可降水量偏差分散程度；
图4中，横坐标为经度（单位：度），纵坐标为纬度（单位：度），图中圆圈为地基GNSS测站位置，图中4、6、8为等值线对应的大气可降水量（单位：mm），图右边色卡颜色越深表示大气可降水量值越大；
图5中，横坐标为经度（单位：度），纵坐标为纬度（单位：度），图中圆圈为地基GNSS测站位置，五角星为空基GNSS（COSMIC掩星）反演大气可降水量位置，图中4、6、8、10为等值线对应的大气可降水量（单位：mm），图右边色卡颜色越深表示大气可降水量值越大。
实施例
现以本发明应用于某地区（27°~50°N，102°~70°W）的地基GNSS和空基GNSS大气可降水量融合为实施例对本发明进行详细说明，对本发明应用于其他地区的地基GNSS和空基GNSS大气可降水量融合同样具有指导作用。
如图1所示，本实施例融合地基和空基GNSS大气可降水量的计算方法，包括如下步骤，
步骤一：获取地基GNSS反演大气可降水量的精度；
选取了范围内共址的9个地基GNSS测站和无线电探空站，共址的标准为：两者平面位置经度和纬度差值均小于1°，海拔高程相差小于300m；
筛选出地基GNSS测站和无线电探空站具有时间间隔1小时以内的大气可降水量数据，共1047对，以无线电探空站获取的大气可降水量为真值，利用公式（1）计算地基GNSS大气可降水量的均方根误差rms为1.87mm（如图2所示），以均方根误差1.87mm作为地基GNSS大气可降水量的精度评定标准；其中，公式（1）为：
Figure 672509DEST_PATH_IMAGE001
（1）
公式（1）中，Y j 表示地基GNSS反演的大气可降水量，Y j ′ 表示无线电探空站获取的大气可降水量，m为筛选出的大气可降水量数量，j为筛选出共址的一组大气可降水量的序号，j的值为1至m，m大于或等于1；rms为地基GNSS大气可降水量的均方根误差；
步骤二：获取空基GNSS反演大气可降水量的精度；
空基GNSS大气可降水量数据采用COSMIC卫星掩星数据，首先范围内发生的COSMIC掩星事件进行质量检查，选取最低高度在1km以下的掩星数据，将挑选出来的掩星数据与无线电探空站进行共址位置匹配，位置匹配原则为：两者平面位置经度和纬度差值均小于1°，海拔高程相差小于300m；
对位置匹配后的数据进行筛选，筛选出COSMIC掩星数据和无线电探空站具有时间间隔1小时内的大气可降水量，共399对，以无线电探空站获取的大气可降水量为真值，利用公式（1）计算COSMIC掩星数据大气可降水量的均方根误差rms为2.71mm（如图3所示），以均方根误差2.71mm作为空基GNSS大气可降水量的精度评定标准；其中，公式（1）为：
Figure 661194DEST_PATH_IMAGE001
（1）
公式（1）中，Y j 表示空基GNSS反演的大气可降水量，Y j ′ 表示无线电探空站获取的大气可降水量，m为筛选出的大气可降水量数量，j为筛选出共址的一组大气可降水量的序号，j的值为1至m，m大于或等于1；rms为空基GNSS大气可降水量的均方根误差；
步骤三：使用双权重插值法融合地基GNSS和空基GNSS大气可降水量；
本实施例在该区域内共有14个地基GNSS观测站，可以通过GNSS测站观测值反演长时间序列的大气可降水量，选取该区域发生COSMIC掩星事件较多的某天18:00-21:00，该时段共有1km以下的掩星事件7个；利用双权重插值法将同时段的14个地基GNSS观测的大气可降水量和7个空基COSMIC掩星反演的大气可降水量进行融合；
根据步骤二计算得到的地基GNSS和空基GNSS（COSMIC掩星）大气可降水量均方根误差1.87mm和2.71mm，作为两者的精度评定数据，考虑到两者精度的不同，采取精度和距离进行分别定权的双权重插值法，内插格网为0.5°×0.5°，利用公式（2）和公式（3）计算内插点的权重值；
Figure 23036DEST_PATH_IMAGE009
（2）
Figure 579920DEST_PATH_IMAGE010
（3）
公式（2）和公式（3）中：S i 为内插点到观测值之间的距离，C i 为仅考虑距离时的权 重，
Figure 440428DEST_PATH_IMAGE011
为观测值的精度，n为大气可降水量观测值数量；i为大气可降水量观测值的序号，i 的值为1至n，n大于或等于1；r i 为内插点第i个观测值的权重值，且
Figure 180939DEST_PATH_IMAGE005
，
Figure 115397DEST_PATH_IMAGE012
。
利用公式（4）计算融合后内插点的大气可降水量值（PWV），绘制融合后的大气可降水量等值线图（如图5所示）；
Figure 718548DEST_PATH_IMAGE013
（4）
公式（4）中，PWV为融合后内插点的大气可降水量，r i 为内插点第i个观测值的权重值，P i 为地基GNSS和空基GNSS大气可降水量观测值，n为大气可降水量观测值数量，i为大气可降水量观测值的序号，i的值为1至n，n大于或等于1。
利用公式（3）和公式（4）插值计算以距离进行定权的地基GNSS大气可降水量，绘制等值线图（如图4所示），作为本发明方法的对比。
为进一步详细验证本发明方法的效果，选取本次融合范围内的无线电探空站观测的大气可降水量数据对本发明方法融合的大气可降水量进行检核，结果如下表2：
表2 无线电探空站PWV与本发明融合PWV对比
Figure 207298DEST_PATH_IMAGE014
结论：上述实施例采用本发明方法后，对比附图4和附图5可以看出，本方法克服了现有范围内地基GNSS测站分布不均匀的缺点，补充了实施例范围内西北和东南方向大气可降水量值，利用双权重插值法对两种数据精度进行分别定权，提高了局部区域内GNSS大气可降水量的空间分辨率和精细化程度，同时从表2中可以看到，融合后的大气可降水量与无线电探空站数据相比，相差较小，均在1mm以内，融合后大气可降水量具有较高精度。
其它未说明的部分均属于现有技术。

Claims (9)

1.一种融合地基和空基GNSS大气可降水量的计算方法，其特征在于：包括如下步骤，
步骤一：获取地基GNSS反演大气可降水量的精度；
选取一定范围内共址的地基GNSS测站和无线电探空站；其中，共址的原则为两者的水平经度和纬度差值均小于1°，且海拔高程相差小于300m；
筛选出地基GNSS测站和无线电探空站具有相同时间段的大气可降水量，以无线电探空站获取的大气可降水量为真值，计算地基GNSS大气可降水量的均方根误差，以均方根误差作为地基GNSS大气可降水量的精度评定标准；
步骤二：获取空基GNSS反演大气可降水量的精度；
首先对选取范围内的空基GNSS掩星数据得到的大气可降水量进行质量检查，选取掩星剖面数据最低高度在1km以下的大气可降水量数据，然后与无线电探空站进行共址位置匹配，位置匹配原则为两者水平经度和纬度差值均小于1°，且海拔高程相差小于300m；
对位置匹配后的数据进行筛选，筛选出空基GNSS和无线电探空站具有相同时间段的大气可降水量，以无线电探空站获取的大气可降水量为真值，计算空基GNSS大气可降水量的均方根误差，以均方根误差作为空基GNSS大气可降水量的精度评定标准；
步骤三：使用双权重插值法融合地基和空基GNSS大气可降水量；
根据计算得到的地基和空基GNSS大气可降水量精度，对地基GNSS和空基GNSS大气可降水量进行融合，采取将精度和距离进行分别定权的双权重插值法确定每个观测值的权重值，根据观测值的加权平均值确定融合后的大气可降水量，绘制融合后的大气可降水量等值线图。
2.根据权利要求1所述的融合地基和空基GNSS大气可降水量的计算方法，其特征在于：在步骤一中，选取的范围大于100000km2。
3.根据权利要求2所述的融合地基和空基GNSS大气可降水量的计算方法，其特征在于：在步骤一中，相同时间段为时间间隔在1~3h内。
4.根据权利要求3所述的融合地基和空基GNSS大气可降水量的计算方法，其特征在于：在步骤一中，利用如下公式（1）进行计算地基GNSS大气可降水量的均方根误差；
Figure 28837DEST_PATH_IMAGE001
（1）
公式（1）中，Y j 表示地基GNSS反演的大气可降水量， Y j ′ 表示无线电探空站获取的大气可降水量，m为筛选出的大气可降水量数量，j为筛选出共址的一组大气可降水量的序号，j的值为1至m，m大于或等于1；rms为均方根误差。
5.根据权利要求4所述的融合地基和空基GNSS大气可降水量的计算方法，其特征在于：在步骤二中，选取范围大于100000km2。
6.根据权利要求5所述的融合地基和空基GNSS大气可降水量的计算方法，其特征在于：在步骤二中，筛选时间间隔在1~3h内相同时间段的大气可降水量数据。
7.根据权利要求6所述的融合地基和空基GNSS大气可降水量的计算方法，其特征在于：在步骤二中，利用公式（1）计算空基GNSS大气可降水量的均方根误差；此时，公式（1）中，Y j 表示空基GNSS反演的大气可降水量。
8.根据权利要求7所述的融合地基和空基GNSS大气可降水量的计算方法，其特征在于：在步骤三中，采用双权重法对地基GNSS大气可降水量和空基GNSS大气可降水量融合时，将精度和距离作为权重因子，综合考虑精度和距离对插值后的大气可降水量的影响，将进行加权叠加和归一化处理，定权公式如下：
Figure 538316DEST_PATH_IMAGE002
（2）
Figure 760612DEST_PATH_IMAGE003
（3）
公式（2）和公式（3）中：S i 为内插点到观测值之间的距离，C i 为仅考虑距离时的权重，
Figure 253911DEST_PATH_IMAGE004
为观测值的精度，n为大气可降水量观测值数量；i为大气可降水量观测值的序号，i的值为1 至n，n大于或等于1；r i 为内插点第i个观测值的权重值，且
Figure 23283DEST_PATH_IMAGE005
，
Figure 652848DEST_PATH_IMAGE006
。
9.根据权利要求8所述的融合地基和空基GNSS大气可降水量的计算方法，其特征在于：在步骤三中融合后的PWV采用加权平均值的方式计算得到，计算公式如下：
Figure 606897DEST_PATH_IMAGE007
（4）
公式（4）中，PWV为融合后内插点的大气可降水量，r i 为内插点第i个观测值的权重值，P i 为地基GNSS和空基GNSS大气可降水量观测值，n为大气可降水量观测值数量，i为大气可降水量观测值的序号，i的值为1至n，n大于或等于1。
CN202110255631.8A 2021-03-09 2021-03-09 一种融合地基和空基gnss大气可降水量的计算方法 Active CN112632473B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110255631.8A CN112632473B (zh) 2021-03-09 2021-03-09 一种融合地基和空基gnss大气可降水量的计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110255631.8A CN112632473B (zh) 2021-03-09 2021-03-09 一种融合地基和空基gnss大气可降水量的计算方法

Publications (2)

Publication Number Publication Date
CN112632473A true CN112632473A (zh) 2021-04-09
CN112632473B CN112632473B (zh) 2021-05-25

Family

ID=75297640

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110255631.8A Active CN112632473B (zh) 2021-03-09 2021-03-09 一种融合地基和空基gnss大气可降水量的计算方法

Country Status (1)

Country Link
CN (1) CN112632473B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113589405A (zh) * 2021-07-06 2021-11-02 中国科学院国家空间科学中心 一种适用于小雨量级的gnss极化信号正演方法及系统
CN114065931A (zh) * 2022-01-11 2022-02-18 山东大学 基于物理模型和神经网络融合的陆地水汽反演方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7698927B2 (en) * 2007-01-30 2010-04-20 The Boeing Company Methods and systems for measuring atmospheric water content
US7728759B2 (en) * 2008-01-25 2010-06-01 The Boeing Company System and method for using iridium satellite signals for meteorological measurements
CN107356554A (zh) * 2017-06-20 2017-11-17 东南大学 一种基于神经网络的反演大气可降水量的modis模型改进方法
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
CN111881581A (zh) * 2020-07-29 2020-11-03 中国测绘科学研究院 一种建立三维水汽格网模型的方法和系统
CN112035448A (zh) * 2020-07-13 2020-12-04 国家海洋信息中心 一种综合地基gnss水汽和气象要素的神经网络短临降水预报方法
CN212658826U (zh) * 2020-05-27 2021-03-05 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系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7698927B2 (en) * 2007-01-30 2010-04-20 The Boeing Company Methods and systems for measuring atmospheric water content
US7728759B2 (en) * 2008-01-25 2010-06-01 The Boeing Company System and method for using iridium satellite signals for meteorological measurements
CN107356554A (zh) * 2017-06-20 2017-11-17 东南大学 一种基于神经网络的反演大气可降水量的modis模型改进方法
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
CN212658826U (zh) * 2020-05-27 2021-03-05 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系统
CN112035448A (zh) * 2020-07-13 2020-12-04 国家海洋信息中心 一种综合地基gnss水汽和气象要素的神经网络短临降水预报方法
CN111881581A (zh) * 2020-07-29 2020-11-03 中国测绘科学研究院 一种建立三维水汽格网模型的方法和系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
夏朋飞: "联合空基和地基GNSS观测反演大气水汽方法研究", 《中国博士论文全文数据库》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113589405A (zh) * 2021-07-06 2021-11-02 中国科学院国家空间科学中心 一种适用于小雨量级的gnss极化信号正演方法及系统
CN114065931A (zh) * 2022-01-11 2022-02-18 山东大学 基于物理模型和神经网络融合的陆地水汽反演方法及系统

Also Published As

Publication number Publication date
CN112632473B (zh) 2021-05-25

Similar Documents

Publication Publication Date Title
Schüler On ground-based GPS tropospheric delay estimation
Rama Rao et al. On the validity of the ionospheric pierce point (IPP) altitude of 350 km in the Indian equatorial and low-latitude sector
Bevis et al. GPS meteorology: Remote sensing of atmospheric water vapor using the global positioning system
CN112632473B (zh) 一种融合地基和空基gnss大气可降水量的计算方法
CN107843943B (zh) 一种基于函数基的三维水汽探测方法
Dymond Global observations of L band scintillation at solar minimum made by COSMIC
CN105069295B (zh) 基于卡尔曼滤波的卫星以及地面降水测量值同化方法
Yang et al. Validation results of NmF2 and hmF2 derived from ionospheric density profiles of GNOS on FY-3C satellite
CN109917494A (zh) 降雨预报方法、装置、设备和存储介质
CN110907971B (zh) 高空设备的卫星定位方法、装置、计算机设备和存储介质
CN114417580A (zh) 一种观测系统对全球电离层数据同化性能的影响评估方法
Walpersdorf et al. Assessment of GPS data for meteorological applications over Africa: Study of error sources and analysis of positioning accuracy
Vergados et al. Characterization of the impact of GLONASS observables on receiver bias estimation for ionospheric studies
Paziewski et al. Enhanced wide-area multi-GNSS RTK and rapid static positioning in the presence of ionospheric disturbances
Stankov et al. Trans-ionospheric GPS signal delay gradients observed over mid-latitude Europe during the geomagnetic storms of October–November 2003
Jurisica et al. Statistical approach to GPS positioning of mobile robot
CN115980317B (zh) 基于修正相位的地基gnss-r数据土壤水分估算方法
Norman et al. Simulating the impact of refractive transverse gradients resulting from a severe troposphere weather event on GPS signal propagation
Braun et al. Development of a water vapor tomography system using low cost L1 GPS receivers
CN113534213B (zh) 一种公里级区域大气相位不一致性高精度建模与修正方法
Wielgosz et al. Research on GNSS positioning and applications in Poland in 2015–2018
CN112528213B (zh) 基于低地球轨道卫星全球电离层总电子含量多层解析方法
Janssen Likely impact of the approaching solar maximum on GNSS surveys: Be alert but not alarmed
Aichinger‐Rosenberger et al. Detecting Signatures of Convective Storm Events in GNSS‐SNR: Two Case Studies From Summer 2021 in Switzerland
Sun et al. The FengYun-3 radio occultation sounder GNOS: A review of the missions and early results

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