CN113960635B - 一种顾及日变化的对流层延迟改正方法 - Google Patents
一种顾及日变化的对流层延迟改正方法 Download PDFInfo
- Publication number
- CN113960635B CN113960635B CN202111241686.XA CN202111241686A CN113960635B CN 113960635 B CN113960635 B CN 113960635B CN 202111241686 A CN202111241686 A CN 202111241686A CN 113960635 B CN113960635 B CN 113960635B
- Authority
- CN
- China
- Prior art keywords
- ztd
- refractive index
- daily variation
- fitting
- atmospheric
- 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
- 238000000034 method Methods 0.000 title claims abstract description 29
- 239000005436 troposphere Substances 0.000 title claims abstract description 18
- 238000012937 correction Methods 0.000 title claims abstract description 12
- 238000004364 calculation method Methods 0.000 claims description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical group O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 230000002238 attenuated effect Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 230000001788 irregular Effects 0.000 claims description 3
- 238000012876 topography Methods 0.000 abstract description 2
- 239000000047 product Substances 0.000 description 11
- 238000009826 distribution Methods 0.000 description 4
- 239000012467 final product Substances 0.000 description 2
- 238000005305 interferometry Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000005452 bending Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- 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
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/03—Cooperating elements; Interaction or communication between different cooperating elements or between cooperating elements and receivers
- G01S19/07—Cooperating elements; Interaction or communication between different cooperating elements or between cooperating elements and receivers providing data for correcting measured positioning data, e.g. DGPS [differential GPS] or ionosphere corrections
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种顾及日变化的对流层延迟改正方法,具体包括:1获取NWP数据;2计算全球地表处和各分层处格网点的ZTD;3根据第2步所得格网点的ZTD计算MSL处ZTD;4建立ZTD‑DV模型。本发明提出的顾及日变化的对流层延迟模型,可反演高时间分辨率的ZTD,能很好的反映ZTD的日变化,在具体的工程应用中,可加快GNSS精密定位的收敛速度,提高定位精度。由于NWP可提供覆盖全球的气象数据,所以本方法适用范围广,不受参考站点和地形限制,可估计全球范围任意一点的ZTD。
Description
技术领域
本发明涉及一种对流层延迟改正方法,尤其是一种顾及日变化的对流层延迟改正方法,属于全球卫星导航与定位技术领域。
背景技术
对流层延迟是电磁波信号在通过高度为50km以下的未被电离的地球中性大气层时所产生的信号延迟和路径弯曲。对流层延迟的改正精度直接影响全球卫星导航系统(Global Navigation Satellite System,GNSS)、卫星激光测距(Satellite LaserRanging,SLR)和甚长基线干涉测量(Very Long Baseline Interferometry,VLBI)等无线电大地测量技术的基线解算和定位精度。相关研究表明,在GNSS高精度定位解算中,天顶方向的对流层延迟(Zenith Tropospheric Delay,ZTD)约为2.3m,卫星高度角越低,倾斜方向延迟量越大,当卫星高度角为10°时,延迟量可达约20m。
目前常用的对流层延迟模型可以分为经典模型和经验模型两类。经典模型需要将实测的气象参数作为输入,故又称为实测气象参数模型,该类模型较简单,改正精度一般为厘米或分米级。经验模型通过拟合气象参数随时间的变化规律,能很好的解决实际气象参数难以获取的问题,故又称为非实测气象参数模型,该类模型的改正精度一般为厘米级。虽然利用经验模型能得到较高精度的ZTD,但受限于建模数据的时间分辨率(一般为6h),模型不能准确的反映ZTD日变化(Diurnal Variation,DV)规律,制约了经验模型估计ZTD的精度。随着气象观测的数值预报资料精度的提高,利用高时空分辨率(1h)的数值天气预报(Numerical Weather Prediction,NWP)模型的再分析或预报数据可反演较高精度的对流层延迟,为建立高精度对流层延迟模型提供了数据支撑。
相关研究显示,ZTD日变化幅度为20mm-200mm,在天气变化较为剧烈时期,变化量会更大,若在对流层延迟建模中不能精确考虑ZTD的日变化规律问题,即模型时间分辨率较大,会对对流层经验模型的精度和实际应用有较大限制,针对这一问题,目前还未有切实可行的方法。
发明内容
本发明的目的在于,为提高卫星定位精度,提供了一种顾及日变化的对流层延迟改正方法,用于解决在天气变化较为剧烈时期现有的对流层延迟估计时间分辨率较大的问题。
为了解决背景技术所存在的问题,本发明提出了一种顾及日变化的对流层延迟改正方法,包括以下步骤:
步骤1:NWP数据获取。首先,在欧洲中尺度天气预报中心(European Centre forMedium-Range Weather Forecasts,ECMWF)再分析资料ERA5产品中,获取平面分辨率为2.5°×2°、垂直分辨率为37层、时间分辨率为1小时的全球格网点分层气象数据,气象参数包括气压、温度、相对湿度及重力位势。其次,获取ERA5-Land产品中平面分辨率为2.5°×2°、时间分辨率为1小时的全球格网点地表气象数据,气象参数包括地表气压、地表温度、地表露点温度。当前ERA5数据最高分辨率可达0.25°×0.25°,ERA5-Land产品的最高分辨率可达0.1°×0.1°。在设计中,为综合考虑模型精度和计算效率,选取数据的平面分辨率为2.5°×2°、时间分辨率为1小时。
步骤2:获取全球地表处ZTD格网和各分层ZTD格网。在获取NWP数据后,需计算全球地表处ZTD格网数据。ZTD可由大气折射率积分获取:
ZTD=10-6∫(n-1)ds=10-6∫N ds
上式中,n为大气折射率,N为大气折射率差,ds为相邻大气层间距离,上式可变化为分层积分公式:
上式中,a为起始层,b为总层数,i为大气层数,ΔNi指层间的大气折射率,根据大气折射率随高度呈现不规律变化,上式中的ΔNi对应两种计算方法,若大气折射率线性衰减,则:
ΔNi=(Ni+Ni+1)/2
若大气折射率指数衰减,则:
折射率公式为:
上式中,Ndry、Nwet分别代表干折射率和湿折射率,T为绝对温度,pd为干空气气压,e为水汽压,大气密度:
Rd=287.053J/(kg·K)、Rw=461.495J/(kg·K)分别是干汽和水汽的气体常数,大气折射率常数k1=77.604K/mbar,k2=64.79K/mbar,k3=377600.0K2/mbar。
步骤3:计算全球平均海平面处(Mean Sea Level,MSL)ZTD0。根据步骤2所得的分层和地表ZTD,按照下式进行拟合:
ZTD(h)=ZTD0·exp(αh)
其中ZTD(h)为高度h处的ZTD值,ZTD0为MSL处天顶对流层延迟,α为转换系数。
步骤4:建立ZTD-DV模型。由步骤3得到的全球MSL处格网点ZTD0进行参数拟合,首先拟合ZTD日变化,公式如下:
上式中,ZTDd为一年中第doy天time时刻MSL处的ZTD值,为日变化平均值,/> 为日变化振幅,其中/>通过最小二乘法则拟合得到。利用/>拟合ZTD年、半年周期参数,公式如下:
上式中,ZTDy为一年中第doy天MSL处的ZTD值,为MSL处的ZTD年平均值,/> 为年振幅,/>为半年振幅,/>通过参数拟合得到。
格网点处的ZTD值可由以下公式表示:
进一步的,为了更加精确的考虑ZTD日变化,顾及ZTD日变化振幅的周期特性,采用如下公式再次对日变化振幅和/>进行拟合:
上式中,代表日变化振幅,i=1或2,分别指代/>或/>为/>或/>年周期变化平均值,/>为年周期变化振幅,/>年为半年周期变化振幅,其中/> 为最小二乘法则拟合得到。
与现有技术相比,本发明的有益效果是:对比目前主流的对流层延迟模型,例如GPT系列模型、UNB系列模型和ENG OS模型等,本发明提出的顾及日变化的对流层延迟模型,可反演更高精度的高时间分辨率的ZTD,能很好的反映ZTD的日变化,在具体的工程应用中,可加快GNSS精密定位的收敛速度,提高定位精度。由于NWP可提供覆盖全球的气象数据,所以本方法适用范围广,不受参考站点和地形限制,可估计全球范围任意一点的ZTD。
附图说明
图1是本发明的工作流程图。
图2是本发明实施例中IGS测站分布及采用本发明方法估计的ZTD残差分布图。
图3是本发明实施例中IGS测站分布及采用本发明方法的估计ZTD残差RMSE分布图。
图4是采用本发明模型与采用GPT3\UNB3m\UNB3\ENGOS模型估计的ZTD误差对比统计表。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例
获取2019年ECMWF再分析资料产品,包括ERA5/ERA5-Land,产品的平面分辨率为2.5°×2°,时间分辨率为1小时。
步骤1:NWP数据获取。首先,从ECMWF再分析资料ERA5产品中,获取平面分辨率为2.5°×2°、垂直分辨率为37层、时间分辨率为1小时的全球格网点分层气象数据,气象参数包括气压、温度、相对湿度及重力位势。其次,获取ERA5-Land产品中平面分辨率为2.5°×2°、时间分辨率为1小时的全球格网点地表气象数据,气象参数包括地表气压、地表温度、地表露点温度。当前ERA5数据最高分辨率可达0.25°×0.25°,ERA5-Land产品的最高分辨率可达0.1°×0.1°。在实施中,为综合考虑模型精度和计算效率,此次我们选取数据平面分辨率为2.5°×2°、时间分辨率为1小时。
步骤2:获取全球地表处ZTD格网和各分层ZTD格网。利用NWP数据计算全球地表处格网点的ZTD。ZTD可由大气折射率积分获取:
ZTD=10-6∫(n-1)ds=10-6∫N ds
上式子中,n为大气折射率,ds为相邻大气层间距离,N为大气折射率差,上式可变化为分层积分公式:
上式子中,a为起始层,b为总层数,i为大气层数,ΔNi指层间的大气折射率,根据大气折射率随高度呈现不规律变化,上式中的ΔNi对应两种计算方法,若大气折射率线性衰减,则:
ΔNi=(Ni+Ni+1)/2
若大气折射率指数衰减,则:
折射率公式为:
上式中,Ndry、Nwet分别代表干折射率和湿折射率,T为绝对温度,pd为干空气气压,e为水汽压,大气密度:
Rd=287.053J/(kg·K)、Rw=461.495J/(kg·K)分别是干汽和水汽的气体常数,大气折射率常数k1=77.604K/mbar,k2=64.79K/mbar,k3=377600.0K2/mbar。
步骤3:计算MSL处ZTD0。根据步骤2所得的分层和地表ZTD,按照下式进行拟合:
ZTD(h)=ZTD0·exp(αh)
其中ZTD(h)为高度处h的ZTD值,ZTD0为MSL处天顶对流层延迟,α为转换系数。
步骤4:建立ZTD-DV模型。根据步骤3得到的全球MSL处格网点ZTD0拟合参数,首先拟合ZTD日变化,公式如下:
上式中,ZTDd为一年中第doy天time时刻MSL处的ZTD值,为日变化平均值,/> 为日变化振幅,其中/>通过最小二乘法则拟合得到。利用/>拟合ZTD年、半年周期参数,公式如下:
上式中,ZTDy为一年中第doy天MSL处的ZTD值,为MSL处的ZTD年平均值,/> 为年振幅,/>为半年振幅,/>通过参数拟合得到。
为了更加精确的考虑ZTD日变化,顾及ZTD日变化振幅的周期特性,再次对日变化振幅和/>采用如下公式进行拟合:
上式中,代表日变化振幅,i=1或2,分别指代/>或/>为/>或/>年周期变化平均值,/>为年周期变化振幅,/>年为半年周期变化振幅,其中/> 最小二乘法则拟合得到。则格网点ZTD值可由以下公式表示:
为了验证本发明提出的对流层延迟改正方法的有效性,从IGS官网,获取全球范围内330个IGS测站的2019年的高精度ZTD产品,记做IGS_ZTD,并剔除粗差。
将采用本发明方法ZTD-DV模型计算的330个IGS测站的ZTD,与IGS提供的高精度ZTD产品IGS_ZTD进行比较,得到ZTD-DV模型计算ZTD的残差。评定精度的指标为测站ZTD平均残差和均方根误差(Root Mean Square Error,简称RMSE)。
ZTD平均残差计算公式为:
ZTD残差的RMSE计算公式为:
ZTDi为采用本发明的ZTD-DV模型的ZTD估计值,IGS_ZTDi为IGS提供的ZTD参考值,i为年积日。
330个测试站点分布和残差结果如图2所示,RMSE结果如图3所示。从图2中可以看出,采用本发明方法估计的ZTD平均残差在-20~25mm间浮动,中低纬度地区的平均残差值大于高纬度地区。从图3中可以看出,330个测站的RMSE值在20mm-70mm之间,平均RMSE小于40mm,RMSE值也呈现出随纬度的增高而降低的趋势。由图4可以看出,采用ZTD-DV模型、GPT3模型、UNB3m模型、UNB3模型、ENGOS模型估计的ZTD平均残差的绝对值分别为1.28mm,3.82mm,10.20mm,11.89mm和13.74mm。采用ZTD-DV模型估计的ZTD的RMSE值最小,为38.46mm,优于GPT3模型(RMSE值40.09mm)、UNB3m(RMSE值50.78mm)模型、UNB3(RMSE值53.82mm)模型和ENGOS(RMSE值55.65mm)模型。总之,采用本发明方法估计的ZTD精度优于常用模型。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
Claims (3)
1.一种顾及日变化的对流层延迟改正方法,包含以下具体步骤:
步骤1:NWP数据获取;首先,在ECMWF再分析资料中ERA5产品中,获取平面分辨率为2.5°×2°、垂直分辨率为37层、时间分辨率为1小时的全球格网点分层气象数据,气象参数包括气压、温度、相对湿度及重力位势;其次,获取ERA5-Land产品中平面分辨率为2.5°×2°、时间分辨率为1小时的全球格网点地表气象数据,气象参数包括地表气压、地表温度、地表露点温度;
步骤2:获取全球地表处ZTD格网和各分层ZTD格网;在获取NWP数据后,需要对其进行反演计算获得全球地表处ZTD格网;ZTD可由大气折射率积分获取:
ZTD=10-6∫(n-1)ds=10-6∫N ds
上式子中,n为大气折射率,N为大气折射率差,ds为相邻大气层间距离,上式可变化为分层积分公式:
上式子中,a为起始层,b为总层数,i为大气层数,ΔNi指层间的大气折射率,根据大气折射率随高度呈现不规律变化,上式中的ΔNi对应两种计算方法,若大气折射率线性衰减,则:
ΔNi=(Ni+Ni+1)/2
若大气折射率指数衰减,则:
折射率公式为:
上式中,Ndry、Nwet分别代表干折射率和湿折射率,T为绝对温度,pd为干空气气压,e为水汽压,大气密度:
步骤3:计算MSL处ZTD0;根据步骤2所得的分层和地表ZTD,按照下式进行拟合:
ZTD(h)=ZTD0·exp(αh)
其中ZTD(h)为高度处h的ZTD值,ZTD0为MSL处天顶对流层延迟,α为转换系数;
步骤4:建立ZTD-DV模型;根据步骤3得到的全球MSL处格网点的ZTD0拟合参数,首先拟合ZTD日变化,公式如下:
上式中,ZTDd为一年中第doy天time时刻MSL处的ZTD值,为日变化平均值,/> 为日变化振幅,其中/>通过最小二乘法则拟合得到;利用/>拟合ZTD年、半年周期参数,公式如下:
上式中,ZTDy为一年中第doy天MSL处的ZTD值,为MSL处的ZTD年平均值,/> 为年振幅,/>为半年振幅,/>通过参数拟合得到;
格网点ZTD值可由以下公式表示:
2.根据权利要求1所述的一种顾及日变化的对流层延迟改正方法,其特征在于,所述的步骤2中Rd=287.053J/(kg·K)、Rw=461.495J/(kg·K)分别是干汽和水汽的气体常数,大气折射率常数k1=77.604K/mbar,k2=64.79K/mbar,k3=377600.0K2/mbar。
3.根据权利要求1所述的一种顾及日变化的对流层延迟改正方法,其特征在于,所述的步骤4中日变化振幅和/>采用如下公式进行拟合:
上式中,代表日变化振幅,i=1或2,分别指代/>或/>为/>或/>年周期变化平均值,/>为年周期变化振幅,/>年为半年周期变化振幅,其中/> 为最小二乘拟合得到。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111241686.XA CN113960635B (zh) | 2021-10-25 | 2021-10-25 | 一种顾及日变化的对流层延迟改正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111241686.XA CN113960635B (zh) | 2021-10-25 | 2021-10-25 | 一种顾及日变化的对流层延迟改正方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113960635A CN113960635A (zh) | 2022-01-21 |
CN113960635B true CN113960635B (zh) | 2024-04-30 |
Family
ID=79466688
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111241686.XA Active CN113960635B (zh) | 2021-10-25 | 2021-10-25 | 一种顾及日变化的对流层延迟改正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113960635B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116881619B (zh) * | 2022-12-01 | 2024-05-14 | 中国矿业大学(北京) | 一种顾及地表气温和水汽压的大气加权平均温度精化方法 |
CN116361714B (zh) * | 2023-06-01 | 2023-08-04 | 山东科技大学 | 一种顾及非各向同性的水平方向对流层延迟分类方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN111539109A (zh) * | 2020-04-24 | 2020-08-14 | 桂林理工大学 | 实时高精度全球多维对流层天顶延迟格网模型构建方法 |
CN112034490A (zh) * | 2020-10-10 | 2020-12-04 | 山东科技大学 | 一种nwp反演对流层延迟改进方法 |
WO2021169318A1 (zh) * | 2020-02-25 | 2021-09-02 | 东南大学 | 一种基于抛物线的区域对流层湿延迟计算方法 |
-
2021
- 2021-10-25 CN CN202111241686.XA patent/CN113960635B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
WO2021169318A1 (zh) * | 2020-02-25 | 2021-09-02 | 东南大学 | 一种基于抛物线的区域对流层湿延迟计算方法 |
CN111539109A (zh) * | 2020-04-24 | 2020-08-14 | 桂林理工大学 | 实时高精度全球多维对流层天顶延迟格网模型构建方法 |
CN112034490A (zh) * | 2020-10-10 | 2020-12-04 | 山东科技大学 | 一种nwp反演对流层延迟改进方法 |
Non-Patent Citations (1)
Title |
---|
一种新的全球对流层天顶延迟模型GZTD;姚宜斌;何畅勇;张豹;许超钤;;地球物理学报;20130715(07);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113960635A (zh) | 2022-01-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021169318A1 (zh) | 一种基于抛物线的区域对流层湿延迟计算方法 | |
CN113960635B (zh) | 一种顾及日变化的对流层延迟改正方法 | |
CN108983320B (zh) | 一种沿海台风极值风速的数值天气预报-人工智能耦合预测方法 | |
CN110031877B (zh) | 一种基于grnn模型的区域nwp对流层延迟改正方法 | |
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 | |
CN107403073B (zh) | 一种基于数据同化改进预报降雨的集合洪水预报方法 | |
CN112034490B (zh) | 一种nwp反演对流层延迟改进方法 | |
CN109917424B (zh) | 多因子约束下的nwp反演对流层延迟的残差改正方法 | |
Zhao et al. | High-precision ZTD model of altitude-related correction | |
CN104965207A (zh) | 一种区域对流层天顶延迟的获取方法 | |
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 | |
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 | |
CN108898252A (zh) | 一种全国对流层大气折射率剖面的预测方法 | |
CN110378540A (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 | |
Gegout et al. | Adaptive mapping functions to the azimuthal anisotropy of the neutral atmosphere | |
CN113009531A (zh) | 一种小尺度高精度的低空对流层大气折射率模型 | |
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 | |
CN114910982A (zh) | 一种基于北斗技术的降雨预警模型构建方法 | |
Huang et al. | A novel global grid model for atmospheric weighted mean temperature in real-time GNSS precipitable water vapor sounding | |
CN112711022A (zh) | 一种GNSS层析技术辅助的InSAR大气延迟改正方法 | |
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 | |
CN115755103A (zh) | 一种抗差自适应的gnss水汽层析方法 | |
Zhang et al. | A new four-layer inverse scale height grid model of china for zenith tropospheric delay correction | |
CN115857057A (zh) | 一种基于gnss pwv降雨监测方法 | |
Liu et al. | Estimating zenith tropospheric delay based on GPT2w model |
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 |