CN115755103A - 一种抗差自适应的gnss水汽层析方法 - Google Patents
一种抗差自适应的gnss水汽层析方法 Download PDFInfo
- Publication number
- CN115755103A CN115755103A CN202211430336.2A CN202211430336A CN115755103A CN 115755103 A CN115755103 A CN 115755103A CN 202211430336 A CN202211430336 A CN 202211430336A CN 115755103 A CN115755103 A CN 115755103A
- Authority
- CN
- China
- Prior art keywords
- gnss
- water vapor
- equation
- chromatography
- matrix
- 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
Images
Classifications
-
- 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
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种抗差自适应的GNSS水汽层析方法,其方法包括:S1、根据研究区构建GNSS水汽层析格网;S2、采集研究区内GNSS测站的观测数据、气象数据及精密星历数据,通过计算得到斜路径水汽含量SWV;S3、通过计算卫星射线在每个层析网格内的截距构建GNSS水汽层析斜路径方程,利用大气折射率参数随着高度的增加而指数递减的特性构建垂直约束方程,将GNSS水汽层析斜路径方程及垂直约束方程共同组成Kalman滤波的矩阵形式的观测方程,然后构建状态方程;S4、Kalman滤波解算模型进行依序解算更新得到大气水汽密度值。本发明能够改善GNSS水汽层析解算过程中观测值误差的影响及滤波解算的不稳定性,为GNSS气象学研究提供高精度稳定的大气水汽信息。
Description
技术领域
本发明涉及GNSS数据及气象数据处理领域,尤其涉及一种抗差自适应的GNSS水汽层析方法。
背景技术
大气水汽的高精度、多维度、连续稳定监测对于全球温室效应、气候变化、改善数值天气预报初始场及卫星对地观测精度等研究都具有重要意义。随着GNSS测站卫星技术的发展成熟,GNSS数据与气象数据均具有全天候、连续运行、时空分辨率高等优点,如何有效利用两者数据反演得到水汽数据(包括水汽含量、水汽密度),是GNSS气象学研究热点,也是现有技术需要解决的技术难题,目前现有技术均难以获取稳定的水汽结果,也难以进行基于水汽数据的科学研究,这严重制约水汽数据的获取、处理及研究。
发明内容
本发明的目的在于克服背景技术所指出的技术问题,提供一种抗差自适应的GNSS水汽层析方法,对研究区进行水平经纬度与垂直高程划分得到三维GNSS水汽层析格网,同时采集研究区内GNSS测站的观测数据、气象数据及精密星历数据计算得到斜路径水汽含量SWV,通过对GNSS斜路径水汽含量及卫星射线网格截距的获取,构建水汽层析观测方程,同时建立基于IGG3的抗差估计、基于预测残差的自适应因子,并开展GNSS水汽层析方程的卡尔曼滤波解算,能够改善GNSS水汽层析解算过程中观测值误差的影响及滤波解算的不稳定性,为GNSS气象学研究提供高精度稳定的大气水汽信息,能够更好地基于地基GNSS反演大气水汽信息。
本发明的目的通过下述技术方案实现:
一种抗差自适应的GNSS水汽层析方法,其方法包括:
S1、确定研究区,根据研究区构建GNSS水汽层析格网,GNSS水汽层析格网由若干个水平格网呈垂直方向分布,水平格网包括若干个层析网格;
S2、采集研究区内GNSS测站的观测数据、气象数据及精密星历数据,通过如下公式计算得到斜路径水汽含量SWV:
S3、以斜路径水汽含量SWV为观测量、各个层析网格内的水汽密度为待求参数,通过计算卫星射线在每个层析网格内的截距表示如下GNSS水汽层析斜路径方程:
利用大气折射率参数随着高度的增加而指数递减的特性构建如下垂直约束方程:
将GNSS水汽层析斜路径方程及垂直约束方程共同组成Kalman滤波的矩阵形式的观测方程,观测方程公式如下:
L=A·X+Δ,其中L为层析斜路径方程、垂直约束方程构成的观测值列向量,A为系数矩阵,X为所有层析网格的待求水汽密度值,Δ观测噪声矩阵;
构建如下GNSS水汽层析Kalman滤波的状态方程:
Xk=Xk-1+wk,其中Xk表示所有水汽层析网格k时刻的大气水汽密度状态向量,wk为状态噪声;
S4、构建包含状态方程、观测方程的Kalman滤波解算模型;Kalman滤波解算模型分别计算抗差因子自适应因子αk,基于k-1时刻状态初值Xk-1及其协方差矩阵解算更新k时刻的状态矩阵和协方差矩阵其方法如下:
S42、按照如下方法得到观测方程的观测值的抗差权因子:
S43、基于预测残差构造k时刻判别自适应因子的统计量,方法如下:
然后构造出如下自适应因子函数模型:
由此得到k时刻的自适应因子αk;
优选地,本发明在Kalman滤波解算模型中,状态方程中的状态噪声的协方差矩阵表示为Q,观测方程的观测噪声的协方差矩阵表示为R。
优选地,本发明GNSS斜路径湿延迟SWD通过如下公式得到:
其中ele表示GNSS卫星高度角;mw(ele)和mΔ(ele)分别为湿延迟和湿梯度的映射函数;表示南北方向的湿大气水平梯度,表示东西方向的湿大气水平梯度;Re表示GNSS观测值的非差验后残差,ZWD为测站对流层湿延迟。
进一步地,测站对流层湿延迟ZWD通过如下方法得到:
S21、采集研究区内GNSS测站的气象数据,通过如下公式计算得到天顶静力学延迟ZHD:
S22、采集研究区内GNSS测站的观测数据及精密星历数据,利用Gamit软件进行双差解算,得到GNSS天顶对流层延迟ZTD;测站对流层湿延迟ZWD通过如下公式得到:
ZWD=ZTD-ZHD。
优选地,本发明水平格网的层析网格满足如下关系式:
s≤h1/tan(ele),其中s表示水平格网任一边的边长,ele表示GNSS卫星高度角,hl表示研究区的层析高度。
优选地,本发明GNSS斜路径湿延迟SWD通过联合GAMIT软件利用测站对流层湿延迟ZWD处理得到。
本发明较现有技术相比,具有以下优点及有益效果:
(1)本发明对研究区进行水平经纬度与垂直高程划分得到三维GNSS水汽层析格网,同时采集研究区内GNSS测站的观测数据、气象数据及精密星历数据计算得到斜路径水汽含量SWV,通过对GNSS斜路径水汽含量及卫星射线网格截距的获取,构建水汽层析观测方程,同时建立基于IGG3的抗差估计、基于预测残差的自适应因子,并开展GNSS水汽层析方程的卡尔曼滤波解算,能够改善GNSS水汽层析解算过程中观测值误差的影响及滤波解算的不稳定性,为GNSS气象学研究提供高精度稳定的大气水汽信息,能够更好地基于地基GNSS反演大气水汽信息。
(2)本发明在GNSS水汽层析的卡尔曼滤波解算中,利用IGGIII计算抗差因子,来减弱GNSS水汽层析模型中观测值异常对水汽层析解算结果的影响,基于预测残差利用两段法构造了自适应因子,来调节GNSS水汽层析中预测量与观测量的权重;本发明能够提升水汽层析解算的精度和稳定性。
附图说明
图1为本发明的方法流程示意图;
图2为实施例中抗差自适应GNSS水汽层析方法的方法流程原理图;
图3为实施例中举例的研究区范围的水平网格划分示意图;
图4为图3举例研究区的GNSS水汽层析大气水汽密度空间分布图。
具体实施方式
下面结合实施例对本发明作进一步地详细说明:
实施例
如图1~图4所示,一种抗差自适应的GNSS水汽层析方法,其方法包括:
S1、确定研究区,根据研究区构建GNSS水汽层析格网,GNSS水汽层析格网由若干个水平格网呈垂直方向分布(也即垂直方向分辨率,垂直方向的范围选取根据实际需求确定,一般垂直方向研究区域探空历史数据进行范围确定,GNSS水汽层析格网按照所确定垂直方向的范围来确定垂直方向的划分,一般水平格网最小厚度不低于300m),水平格网包括若干个层析网格(水平格网中的层析网格密度为水平分辨率)。优选地,水平格网的层析网格满足如下关系式:
s≤h1/tan(ele)其中s表示水平格网任一边的边长,ele表示GNSS卫星高度角,h1表示研究区的层析高度。
如图1所示,GNSS水汽层析格网为三维层析格网,包括垂直划分和水平划分,对研究区进行垂直划分得到呈垂直方向分布的若干个水平格网,对研究区的水平格网进行水平划分,水平格网上就会划分出若干个层析网格。如图3所示,以选取香港地区为研究区为例,研究区的范围是东西方向113.87°E~114.35°E,南北方向22.19N°~22.54°N,分布着14个GNSS观测站和,根据研究区测站分布特点及大小,东西方向划分8列的经度网格线(网格分辨率为0.06°);南北方向划分为7行的纬度网格线(网格分辨率为0.05°)。根据探空历史资料,研究区高程方向的范围选定0~8千米,每层水平格网的高度为800米,参见图3,研究区被划分为8×7×10个层析网格。
S2、采集研究区内GNSS测站的观测数据、气象数据及精密星历数据,通过如下公式计算得到斜路径水汽含量SWV:
在一些实施例中,本发明GNSS斜路径湿延迟SWD通过如下公式得到:
其中ele表示GNSS卫星高度角;mw(ele)和mΔ(ele)分别为湿延迟和湿梯度的映射函数;表示南北方向的湿大气水平梯度,表示东西方向的湿大气水平梯度;Re表示GNSS观测值的非差验后残差,ZWD为测站对流层湿延迟。本发明GNSS斜路径湿延迟SWD通过联合GAMIT软件利用测站对流层湿延迟ZWD处理得到。
在一些实施例中,测站对流层湿延迟ZWD通过如下方法得到:
S21、采集研究区内GNSS测站的气象数据,通过如下公式计算得到天顶静力学延迟ZHD:
S22、采集研究区内GNSS测站的观测数据及精密星历数据,利用Gamit软件进行双差解算,得到GNSS天顶对流层延迟ZTD;测站对流层湿延迟ZWD通过如下公式得到:
ZWD=ZTD-ZHD。
以图3中香港地区2021年5月1日的GNSS观测数据、气象数据及精密星历数据,首先利用Gamit软件计算得到14个测站的对流层参数(包括天顶对流层延迟ZTD和水平梯度信息),然后根据测站气象文件记录的地表气压数据计算ZHD,表达式如下:将从ZTD扣除ZHD得到的ZWD,然后与水平梯度一起来计算得到GNSS斜路径湿延迟SWD,表达式如下:
再将GNSS斜路径湿延迟SWD通过转化因子的转化得到GNSS斜路径水汽含量SWV:
S3、以斜路径水汽含量SWV为观测量、各个层析网格内的水汽密度为待求参数,通过计算卫星射线在每个层析网格内的截距表示如下GNSS水汽层析斜路径方程:
SWVq表示第q条卫星射线的斜路径水汽含量截距(上标q代表第q条用于GNSS水汽层析的卫星射线),n表示GNSS水汽层析网格的总数,表示第q条卫星射线穿过网格i的截距,xi是第i个层析网格内的水汽密度值。以图3的香港地区为例,在2021年5月1日,每个层析时段的斜路径方程平均数为1890个。
利用大气折射率参数随着高度的增加而指数递减的特性构建如下垂直约束方程(采取指数相关的方法构建):
其中xi和xi+l分别表示第i个和第i+l个层析网格的大气水汽密度;hi和hi+l分别代表第i和第i+l个层析网格的高程。以图3的香港地区为例,选取的最大高程h为8km,每个层析时段560个层析网格建立了504个垂直约束方程。
将GNSS水汽层析斜路径方程及垂直约束方程共同组成Kalman滤波的矩阵形式的观测方程,观测方程公式如下:
L=A·X+Δ,其中L为层析斜路径方程、垂直约束方程构成的观测值列向量,A为系数矩阵,X为所有层析网格的待求水汽密度值,Δ观测噪声矩阵;
构建如下GNSS水汽层析Kalman滤波的状态方程(基于一定层析时间内所有层析网格内水汽密度参数符合高斯-马尔科夫随机游走平稳过程,构建GNSS水汽层析Kalman滤波的状态方程):
Xk=Xk-1+wk,其中Xk表示所有水汽层析网格k时刻的大气水汽密度状态向量,wk为状态噪声;
S4、构建包含状态方程、观测方程的Kalman滤波解算模型;在Kalman滤波解算模型中,状态方程中的状态噪声的协方差矩阵表示为Q,观测方程的观测噪声的协方差矩阵表示为R。Kalman滤波解算模型分别计算抗差因子自适应因子αk,基于k-1时刻状态初值Xk-1及其协方差矩阵解算更新k时刻的状态矩阵和协方差矩阵其方法如下:
S42、按照如下方法得到观测方程的观测值的抗差权因子:
S43、基于预测残差构造k时刻判别自适应因子的统计量,方法如下:
其中,tr表示求矩阵的迹,表示预测残差vk的矩阵转置,表示系数矩阵Ak的矩阵转置,表示抗差权因子的逆矩阵;Ak表示k时刻的观测方程系数矩阵;表示k时刻的协方差矩阵;上述公式中,上标T表示相应矩阵的转置,上标-1表示相应矩阵的逆矩阵。
然后构造出如下自适应因子函数模型:
由此得到k时刻的自适应因子αk;
以k时刻的状态矩阵和协方差矩阵作为初值按照方法S41~S45解算更新k+1时刻的状态矩阵和协方差矩阵以此类推,直至最后一个时刻完成上述循环计算(若最后一个时刻为k+p,则就会解算更新k+p时刻的状态矩阵和协方差矩阵),得到研究区每个层析网格的大气水汽密度值(以k-1为起始时刻,解算更新得到k+p时刻的状态矩阵研究区的时间范围为k-1~k+p,状态矩阵就为结算更新得到k+p时刻每个层析网格的大气水汽密度值)。以图3的香港地区为例,选取k-1~k+p时间为2021年5月1日11点~12点,则按照步骤S1~S4的计算,就能得到研究区2021年5月1日12点所有层析网格的大气水汽密度值,其根据大气水汽密度值制作成大气水汽密度空间分布图(如图4所示),参见图4,大气水汽密度按照研究区(香港地区)的经纬度、垂直方向按照层析网格进行叠加表示其分布情况,颜色越深,其大气水汽密度越高,大气水汽含量也越大。
以上所述仅为本发明的较佳实施例而L,并不用以限制本发明,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,均应包含在本发明的保护范围之内。
Claims (6)
1.一种抗差自适应的GNSS水汽层析方法,其特征在于:其方法包括:
S1、确定研究区,根据研究区构建GNSS水汽层析格网,GNSS水汽层析格网由若干个水平格网呈垂直方向分布,水平格网包括若干个层析网格;
S2、采集研究区内GNSS测站的观测数据、气象数据及精密星历数据,通过如下公式计算得到斜路径水汽含量SWV:
S3、以斜路径水汽含量SWV为观测量、各个层析网格内的水汽密度为待求参数,通过计算卫星射线在每个层析网格内的截距表示如下GNSS水汽层析斜路径方程:
利用大气折射率参数随着高度的增加而指数递减的特性构建如下垂直约束方程:
将GNSS水汽层析斜路径方程及垂直约束方程共同组成Kalman滤波的矩阵形式的观测方程,观测方程公式如下:
L=A·X+Δ,其中L为层析斜路径方程、垂直约束方程构成的观测值列向量,A为系数矩阵,X为所有层析网格的待求水汽密度值,Δ观测噪声矩阵;
构建如下GNSS水汽层析Kalman滤波的状态方程:
Xk=Xk-1+wk,其中Xk表示所有水汽层析网格k时刻的大气水汽密度状态向量,wk为状态噪声;
S4、构建包含状态方程、观测方程的Kalman滤波解算模型;Kalman滤波解算模型分别计算抗差因子自适应因子αk,基于k-1时刻状态初值Xk-1及其协方差矩阵解算更新k时刻的状态矩阵和协方差矩阵其方法如下:
S42、按照如下方法得到观测方程的观测值的抗差权因子:
S43、基于预测残差构造k时刻判别自适应因子的统计量,方法如下:
然后构造出如下自适应因子函数模型:
由此得到k时刻的自适应因子αk;
2.按照权利要求1所述的一种抗差自适应的GNSS水汽层析方法,其特征在于:在Kalman滤波解算模型中,状态方程中的状态噪声的协方差矩阵表示为Q,观测方程的观测噪声的协方差矩阵表示为R。
5.按照权利要求1所述的一种抗差自适应的GNSS水汽层析方法,其特征在于:所述水平格网的层析网格满足如下关系式:
s≤h1/tan(ele)其中s表示水平格网任一边的边长,ele表示GNSS 卫星高度角,h1表示研究区的层析高度。
6.按照权利要求3所述的一种抗差自适应的GNSS水汽层析方法,其特征在于:GNSS斜路径湿延迟SWD通过联合GAMIT软件利用测站对流层湿延迟ZWD处理得到。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211430336.2A CN115755103B (zh) | 2022-11-15 | 2022-11-15 | 一种抗差自适应的gnss水汽层析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211430336.2A CN115755103B (zh) | 2022-11-15 | 2022-11-15 | 一种抗差自适应的gnss水汽层析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115755103A true CN115755103A (zh) | 2023-03-07 |
CN115755103B CN115755103B (zh) | 2023-07-07 |
Family
ID=85371841
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211430336.2A Active CN115755103B (zh) | 2022-11-15 | 2022-11-15 | 一种抗差自适应的gnss水汽层析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115755103B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116068670B (zh) * | 2023-03-30 | 2023-06-06 | 中国科学院精密测量科学与技术创新研究院 | 一种无地面网络区适用的北斗水汽场实时重构方法及装置 |
CN118193905B (zh) * | 2024-05-17 | 2024-07-09 | 武汉大学 | 北斗水汽层析垂直约束构建与自适应调节方法及装置 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114859389A (zh) * | 2022-04-18 | 2022-08-05 | 华力智芯(成都)集成电路有限公司 | 一种gnss多系统抗差自适应融合rtk解算方法 |
-
2022
- 2022-11-15 CN CN202211430336.2A patent/CN115755103B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114859389A (zh) * | 2022-04-18 | 2022-08-05 | 华力智芯(成都)集成电路有限公司 | 一种gnss多系统抗差自适应融合rtk解算方法 |
Non-Patent Citations (1)
Title |
---|
杨飞: "地基GNSS反演水汽空间分布关键技术研究", 中国博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 |
---|---|---|---|---|
CN116068670B (zh) * | 2023-03-30 | 2023-06-06 | 中国科学院精密测量科学与技术创新研究院 | 一种无地面网络区适用的北斗水汽场实时重构方法及装置 |
CN118193905B (zh) * | 2024-05-17 | 2024-07-09 | 武汉大学 | 北斗水汽层析垂直约束构建与自适应调节方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN115755103B (zh) | 2023-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sun et al. | An ERA5‐based model for estimating tropospheric delay and weighted mean temperature over China with improved spatiotemporal resolutions | |
Chen et al. | Assessment of ZTD derived from ECMWF/NCEP data with GPS ZTD over China | |
Chen et al. | Seasonal global water mass budget and mean sea level variations | |
Zhao et al. | High-precision ZTD model of altitude-related correction | |
CN110335355B (zh) | 一种大型浅水湖泊水面高自动计算方法 | |
CN112034490B (zh) | 一种nwp反演对流层延迟改进方法 | |
Yeh et al. | Determining the precipitable water vapor thresholds under different rainfall strengths in Taiwan | |
CN113009531A (zh) | 一种小尺度高精度的低空对流层大气折射率模型 | |
CN101866021A (zh) | 并行化Abel变换大气参数数据处理方法 | |
Ssessanga et al. | On imaging South African regional ionosphere using 4D‐var technique | |
CN115755103A (zh) | 一种抗差自适应的gnss水汽层析方法 | |
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 | |
CN113960635B (zh) | 一种顾及日变化的对流层延迟改正方法 | |
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 | |
Xia et al. | Establishing a high-precision real-time ZTD model of China with GPS and ERA5 historical data and its application in PPP | |
CN112711022B (zh) | 一种GNSS层析技术辅助的InSAR大气延迟改正方法 | |
Mateus et al. | Using InSAR data to improve the water vapor distribution downstream of the core of the South American low‐level Jet | |
Tang et al. | High-spatial-resolution mapping of precipitable water vapour using SAR interferograms, GPS observations and ERA-Interim reanalysis | |
Izanlou et al. | Enhanced troposphere tomography: Integration of GNSS and remote sensing data with optimal vertical constraints | |
Huang et al. | A global grid model for the estimation of zenith tropospheric delay considering the variations at different altitudes | |
CN115099159B (zh) | 基于神经网络且顾及地表差异的modis水汽反演方法 | |
CN116466376A (zh) | 数值预报模式辅助的实时ppp改善方法 | |
Bakış et al. | Analysis and comparison of spatial rainfall distribution applying different interpolation methods in Porsuk river basin, Turkey | |
CN115980317A (zh) | 基于修正相位的地基gnss-r数据土壤水分估算方法 | |
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 |
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 |