CN116068670B - 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 - Google Patents

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 Download PDF

Info

Publication number
CN116068670B
CN116068670B CN202310323323.3A CN202310323323A CN116068670B CN 116068670 B CN116068670 B CN 116068670B CN 202310323323 A CN202310323323 A CN 202310323323A CN 116068670 B CN116068670 B CN 116068670B
Authority
CN
China
Prior art keywords
beidou
water vapor
information
station
model
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
Application number
CN202310323323.3A
Other languages
English (en)
Other versions
CN116068670A (zh
Inventor
张红星
袁运斌
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.)
Institute of Precision Measurement Science and Technology Innovation of CAS
Original Assignee
Institute of Precision Measurement Science and Technology Innovation of CAS
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 Institute of Precision Measurement Science and Technology Innovation of CAS filed Critical Institute of Precision Measurement Science and Technology Innovation of CAS
Priority to CN202310323323.3A priority Critical patent/CN116068670B/zh
Publication of CN116068670A publication Critical patent/CN116068670A/zh
Application granted granted Critical
Publication of CN116068670B publication Critical patent/CN116068670B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
    • G01W1/06—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed giving a combined indication of weather conditions
    • 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
    • G01S19/13—Receivers
    • G01S19/14—Receivers specially adapted for specific applications
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
    • H04W12/03—Protecting confidentiality, e.g. by encryption
    • 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)
  • Environmental & Geological Engineering (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Remote Sensing (AREA)
  • Atmospheric Sciences (AREA)
  • Environmental Sciences (AREA)
  • Ecology (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Signal Processing (AREA)
  • Radio Relay Systems (AREA)

Abstract

一种无地面网络区适用的北斗水汽场实时重构方法，包括：构建站星斜向大气水汽信息与观测射线方位角和高度角的函数关系模型并实时估计模型系数；将模型系数和气象站观测的常规气象要素进行编码，并通过北斗卫星短报文通讯技术传输至数据处理中心，数据处理中心利用各北斗基准站传输的模型系数，按照指定的方位角和高度角间隔恢复并加密计算监测区所有北斗基准站的斜向大气水汽观测信息；构建覆盖整个监测区的三维水汽层析函数模型，求解模型参数进而重构监测区的三维水汽场分布。本发明不仅解决了现有技术无法利用北斗实时重构边远无地面网络区三维水汽场的问题，而且提升了三维水汽场重构的精度。

Description

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
技术领域
本发明涉及卫星导航应用中的三维水汽场重构领域，尤其涉及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。
背景技术
大气水汽含量及其变化深刻影响着整个大气圈的水循环、辐射平衡和能量输送过程。此外，大气水汽还是形成雨、雪、雹、霜、露、云、雾等一系列天气现象的重要因素，其含量的时空变化对大气垂直稳定度、暴风雨等极端天气事件的形成和演变有着显著的影响，因此，精细化监测三维大气水汽场的时空变化对提高天气预报精度和灾害性气象天气预警具有重要作用。
北斗大气水汽监测技术是通过处理地面基准站的北斗观测信号，反演大气水汽含量。相比较传统大气水汽监测技术（如无线探空、水汽辐射计、气象卫星等），北斗大气水汽监测技术具有全天候、高精度、高时间分辨率、低成本、连续观测、无需定标等优势。因此，北斗大气水汽观测已经被全球气候观测系统高空参考网络列为I类观测手段。
利用单个北斗基准站仅可监测基准站点处的垂向大气水汽总含量。通过联合区域北斗基准站网与卫星星座构成的所有“站-星”斜向水汽观测信息，利用层析成像技术可重构三维大气水汽场，进而将单站的“站点式”垂向大气水汽总含量监测拓展至三维“立体式”大气水汽场的监测，可大大改善中小尺度数值天气观测和预报的能力。
空间泛在且及时高效的大气水汽信息是精准天气预报的前提。然而，复杂山林地带、海洋等边远无人区域，由于其地面通讯网络覆盖薄弱，导致该区域北斗基准站无法实现大气水汽信息的实时计算和及时回传，限制了大气水汽监测的空间泛在能力和时效性。新一代北斗三号系统可提供星基精密单点定位服务（PPP-B2b），既利用卫星播发北斗大气水汽计算所需的精密卫星轨道和钟差信息，进而解决了边远无人区北斗大气水汽实时计算的问题。此外，北斗系统还具备无覆盖盲区、全天候实时通信的星基短报文通讯功能，进而为边远无人区北斗监测大气水汽信息的及时回传提供了可能。
在气象领域，现阶段依赖北斗短报文通讯回传的数据仅涉及基本气象要素和北斗监测的“站点式”垂向大气总水汽含量信息。但是，北斗三维水汽场重构需输入北斗基准站网观测的所有“站-星”斜向水汽观测信息及其各个观测射线的方位角和高度角信息。鉴于其较大的数据量，加之北斗短报文通讯有限的通讯带宽，现有技术无法利用北斗重构边远无地面网络区域的三维水汽场，进而限制了针对大气水汽场的监测能力。
发明内容
本发明的目的是克服现有技术中存在的无法利用北斗实时重构边远无地面网络覆盖区三维水汽场的缺陷与问题，提供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。
为实现以上目的，本发明的技术解决方案是：一种无地面网络区适用的北斗水汽场实时重构方法，包括：
在无地面网络区北斗基准站端实时计算站星斜向对流层延迟信息；
利用与北斗基准站并址气象站观测的气压和温度信息，分别计算对流层延迟的干分量和大气加权平均温度信息；
利用所有站星斜向对流层延迟信息和对流层延迟干分量信息，计算所有站星斜向对流层延迟湿分量信息；
利用所有站星斜向对流层延迟湿分量信息和大气加权平均温度信息，计算所有站星斜向大气水汽信息；
构建站星斜向大气水汽信息与观测射线方位角和高度角的函数关系模型，并实时估计所构建函数关系模型的模型系数；
将模型系数和气象站观测的常规气象要素进行编码，并通过北斗卫星短报文通讯技术传输至数据处理中心，数据处理中心接收并解码所有北斗基准站传输的模型系数，采用所构建的函数关系模型，利用各北斗基准站传输的模型系数，按照指定的方位角和高度角间隔恢复并加密计算监测区所有北斗基准站的斜向大气水汽观测信息；
整合监测区加密的斜向大气水汽观测信息，利用滑动开窗法，构建覆盖整个监测区的三维水汽层析函数模型，采用代数重构算法求解三维水汽层析函数模型的模型参数，进而重构监测区的三维水汽场分布。
所述站星斜向对流层延迟信息的计算方法为：
基于无地面网络区北斗基准站的实时观测数据，结合北斗三号卫星PPP-B2b播发的实时卫星轨道和钟差信息，利用精密单点定位算法，在北斗基准站端实时计算站星斜向对流层延迟信息。
所述站星斜向对流层延迟湿分量的计算公式为：
Figure SMS_1
；
式中，
Figure SMS_3
为
Figure SMS_7
号基准站观测
Figure SMS_9
号卫星的斜向对流层延迟湿分量；
Figure SMS_4
为
Figure SMS_6
号基准站观测
Figure SMS_8
号卫星的斜向对流层总延迟量；
Figure SMS_10
为
Figure SMS_2
号基准站观测
Figure SMS_5
号卫星的斜向对流层延迟干分量。
所述站星斜向大气水汽信息的计算公式为：
Figure SMS_11
；
式中，
Figure SMS_13
为
Figure SMS_17
号基准站观测
Figure SMS_20
号卫星的斜向大气水汽信息；
Figure SMS_15
为转化系数；
Figure SMS_19
为
Figure SMS_22
号基准站观测
Figure SMS_24
号卫星的斜向对流层延迟湿分量；
Figure SMS_12
为液态水密度；
Figure SMS_18
为水汽气体常数；
Figure SMS_21
为大气加权平均温度；
Figure SMS_23
为大气温度；
Figure SMS_14
和
Figure SMS_16
为常数。
所述站星斜向大气水汽信息与观测射线方位角和高度角的函数关系模型为：
Figure SMS_25
；
式中，
Figure SMS_27
为
Figure SMS_32
号基准站观测
Figure SMS_35
号卫星的斜向大气水汽信息，
Figure SMS_29
和
Figure SMS_33
分别为
Figure SMS_37
号基准站观测
Figure SMS_38
号卫星的方位角和高度角；
Figure SMS_28
为与卫星高度相关的函数；
Figure SMS_31
、
Figure SMS_36
、
Figure SMS_39
、
Figure SMS_26
和
Figure SMS_30
为模型系数；
Figure SMS_34
为建模残差。
采用滑动窗口，利用最小二乘法实时估计函数关系模型的模型系数。
所述监测区所有基准站斜向大气水汽观测信息的计算公式为：
Figure SMS_40
；
式中，
Figure SMS_42
，
Figure SMS_46
为基准站总数量；
Figure SMS_50
，
Figure SMS_43
为每个基准站按照指定方位角和高度角间隔加密后的斜向观测射线总数量；
Figure SMS_48
和
Figure SMS_52
分别为
Figure SMS_54
号基准站第
Figure SMS_41
条斜向观测射线的方位角和高度角；
Figure SMS_47
为与卫星高度相关的函数；
Figure SMS_51
、
Figure SMS_53
、
Figure SMS_44
、
Figure SMS_45
和
Figure SMS_49
为模型系数。
所述覆盖整个监测区的三维水汽层析函数模型为：
Figure SMS_55
；
Figure SMS_56
；
式中，
Figure SMS_57
为监测区加密后的所有斜向大气水汽观测矩阵；
Figure SMS_58
为系数阵，其元素为各观测射线穿过三维格网的截距；
Figure SMS_59
为监测区三维格网的水汽密度矩阵。
所述三维水汽层析函数模型的模型参数的计算公式为：
Figure SMS_60
；
式中，
Figure SMS_62
为迭代次数；
Figure SMS_67
为第
Figure SMS_69
次迭代的结果；
Figure SMS_63
为第
Figure SMS_65
次迭代的结果；
Figure SMS_70
和
Figure SMS_72
分别为
Figure SMS_61
和
Figure SMS_66
矩阵的第
Figure SMS_68
行；
Figure SMS_71
表示向量内积；
Figure SMS_64
为松弛因子。
一种无地面网络区适用的北斗水汽场实时重构装置，包括：
北斗天线模块，用于采集北斗基准站的实时观测数据；
北斗PPP-B2b信号解码模块，用于获取北斗三号卫星PPP-B2b播发的实时卫星轨道和钟差信息；
气象传感器模块，用于采集与北斗基准站并址气象站观测的常规气象要素；
PPP嵌入式软件接收机模块，用于处理北斗基准站的实时观测数据和北斗三号卫星PPP-B2b播发的实时卫星轨道和钟差信息，计算站星斜向对流层延迟信息；
所述站星斜向对流层延迟信息的计算方法为：基于无地面网络区北斗基准站的实时观测数据，结合北斗三号卫星PPP-B2b播发的实时卫星轨道和钟差信息，利用精密单点定位算法，在北斗基准站端实时计算站星斜向对流层延迟信息；
大气水汽计算与建模模块，用于利用与北斗基准站并址气象站观测的常规气象要素中的气压和温度信息，分别计算对流层延迟的干分量和大气加权平均温度信息；利用所有站星斜向对流层延迟信息和对流层延迟干分量信息，计算所有站星斜向对流层延迟湿分量信息；利用所有站星斜向对流层延迟湿分量信息和大气加权平均温度信息，计算所有站星斜向大气水汽信息；构建站星斜向大气水汽信息与观测射线方位角和高度角的函数关系模型，并实时估计所构建函数关系模型的模型系数；
所述站星斜向对流层延迟湿分量的计算公式为：
Figure SMS_73
；
式中，
Figure SMS_75
为
Figure SMS_79
号基准站观测
Figure SMS_80
号卫星的斜向对流层延迟湿分量；
Figure SMS_76
为
Figure SMS_78
号基准站观测
Figure SMS_81
号卫星的斜向对流层总延迟量；
Figure SMS_82
为
Figure SMS_74
号基准站观测
Figure SMS_77
号卫星的斜向对流层延迟干分量；
所述站星斜向大气水汽信息的计算公式为：
Figure SMS_83
；
式中，
Figure SMS_85
为
Figure SMS_89
号基准站观测
Figure SMS_91
号卫星的斜向大气水汽信息；
Figure SMS_87
为转化系数；
Figure SMS_90
为
Figure SMS_93
号基准站观测
Figure SMS_95
号卫星的斜向对流层延迟湿分量；
Figure SMS_84
为液态水密度；
Figure SMS_92
为水汽气体常数；
Figure SMS_94
为大气加权平均温度；
Figure SMS_96
为大气温度；
Figure SMS_86
和
Figure SMS_88
为常数；
所述站星斜向大气水汽信息与观测射线方位角和高度角的函数关系模型为：
Figure SMS_97
；
式中，
Figure SMS_99
为
Figure SMS_107
号基准站观测
Figure SMS_109
号卫星的斜向大气水汽信息，
Figure SMS_100
和
Figure SMS_103
分别为
Figure SMS_105
号基准站观测
Figure SMS_110
号卫星的方位角和高度角；
Figure SMS_98
为与卫星高度相关的函数；
Figure SMS_102
、
Figure SMS_108
、
Figure SMS_111
、
Figure SMS_101
和
Figure SMS_104
为模型系数；
Figure SMS_106
为建模残差；
采用滑动窗口，利用最小二乘法实时估计函数关系模型的模型系数；
北斗短报文模块，用于将接收的模型系数和气象站观测的常规气象要素编码后，通过北斗三号卫星传输至数据处理中心模块；
数据处理中心模块，用于接收并解码所有北斗基准站传输的模型系数，采用构建的函数关系模型，利用各北斗基准站传输的模型系数，按照指定的方位角和高度角间隔恢复并加密计算监测区所有基准站的斜向大气水汽观测信息；整合监测区加密的斜向大气水汽观测信息，利用滑动开窗法，构建覆盖整个监测区的三维水汽层析函数模型，采用代数重构算法求解三维水汽层析函数模型的模型参数，进而重构监测区的三维水汽场分布；
所述监测区所有基准站斜向大气水汽观测信息的计算公式为：
Figure SMS_112
；
式中，
Figure SMS_114
，
Figure SMS_118
为基准站总数量；
Figure SMS_122
，
Figure SMS_115
为每个基准站按照指定方位角和高度角间隔加密后的斜向观测射线总数量；
Figure SMS_120
和
Figure SMS_124
分别为
Figure SMS_125
号基准站第
Figure SMS_113
条斜向观测射线的方位角和高度角；
Figure SMS_119
为与卫星高度相关的函数；
Figure SMS_123
、
Figure SMS_126
、
Figure SMS_116
、
Figure SMS_117
和
Figure SMS_121
为模型系数；
所述覆盖整个监测区的三维水汽层析函数模型为：
Figure SMS_127
；
Figure SMS_128
；
式中，
Figure SMS_129
为监测区加密后的所有斜向大气水汽观测矩阵；
Figure SMS_130
为系数阵，其元素为各观测射线穿过三维格网的截距；
Figure SMS_131
为监测区三维格网的水汽密度矩阵；
所述三维水汽层析函数模型的模型参数的计算公式为：
Figure SMS_132
；
式中，
Figure SMS_135
为迭代次数；
Figure SMS_139
为第
Figure SMS_142
次迭代的结果；
Figure SMS_134
为第
Figure SMS_137
次迭代的结果；
Figure SMS_141
和
Figure SMS_144
分别为
Figure SMS_133
和
Figure SMS_138
矩阵的第
Figure SMS_140
行；
Figure SMS_143
表示向量内积；
Figure SMS_136
为松弛因子。
与现有技术相比，本发明的有益效果为：
本发明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中，先在北斗基准站端建立站星斜向大气水汽观测信息与观测射线方位角和高度角的函数关系模型并求解模型系数，再利用北斗短报文通讯回传模型系数，然后在数据处理中心端利用回传的模型系数，恢复并加密计算监测区所有基准站的斜向大气水汽观测信息，进而利用层析模型重构监测区三维水汽场。本发明实施过程可概述为“先建模，后回传，再加密”；首先，通过“先建模，后回传”的策略，有效降低了需回传的数据量，解决了现有技术无法利用北斗实时重构边远无地面网络覆盖区三维水汽场的问题；其次，通过“再加密”的策略，有效增加了斜向大气水汽观测的数量，进一步提升了三维水汽场重构的精度。
附图说明
图1是本发明一种无地面网络区适用的北斗水汽场实时重构方法的流程图。
图2是本发明一种无地面网络区适用的北斗水汽场实时重构装置的结构框图。
具体实施方式
以下结合附图说明和具体实施方式对本发明作进一步详细的说明。
实施例1：
参见图1，一种无地面网络区适用的北斗水汽场实时重构方法，包括：
S1、在无地面网络区北斗基准站端实时计算站星斜向对流层延迟信息；
所述站星斜向对流层延迟信息的计算方法为：基于无地面网络区北斗基准站的实时观测数据，结合北斗三号卫星PPP-B2b播发的实时卫星轨道和钟差信息，利用精密单点定位算法，在北斗基准站端实时计算站星斜向对流层延迟信息；
S2、利用与北斗基准站并址气象站观测的气压和温度信息，分别计算对流层延迟的干分量和大气加权平均温度信息；
S3、利用所有站星斜向对流层延迟信息和对流层延迟干分量信息，计算所有站星斜向对流层延迟湿分量信息；
所述站星斜向对流层延迟湿分量的计算公式为：
Figure SMS_145
；
式中，
Figure SMS_147
为
Figure SMS_149
号基准站观测
Figure SMS_153
号卫星的斜向对流层延迟湿分量；
Figure SMS_146
为
Figure SMS_150
号基准站观测
Figure SMS_152
号卫星的斜向对流层总延迟量；
Figure SMS_154
为
Figure SMS_148
号基准站观测
Figure SMS_151
号卫星的斜向对流层延迟干分量；
S4、利用所有站星斜向对流层延迟湿分量信息和大气加权平均温度信息，计算所有站星斜向大气水汽信息；
所述站星斜向大气水汽信息的计算公式为：
Figure SMS_155
；
式中，
Figure SMS_157
为
Figure SMS_161
号基准站观测
Figure SMS_163
号卫星的斜向大气水汽信息；
Figure SMS_158
为转化系数；
Figure SMS_165
为
Figure SMS_166
号基准站观测
Figure SMS_168
号卫星的斜向对流层延迟湿分量；
Figure SMS_156
为液态水密度；
Figure SMS_160
为水汽气体常数；
Figure SMS_162
为大气加权平均温度；
Figure SMS_167
为大气温度；
Figure SMS_159
和
Figure SMS_164
为常数；
S5、构建站星斜向大气水汽信息与观测射线方位角和高度角的函数关系模型，并实时估计所构建函数关系模型的模型系数；
所述站星斜向大气水汽信息与观测射线方位角和高度角的函数关系模型为：
Figure SMS_169
；
式中，
Figure SMS_171
为
Figure SMS_179
号基准站观测
Figure SMS_182
号卫星的斜向大气水汽信息，
Figure SMS_172
和
Figure SMS_174
分别为
Figure SMS_177
号基准站观测
Figure SMS_180
号卫星的方位角和高度角；
Figure SMS_170
为与卫星高度相关的函数；
Figure SMS_176
、
Figure SMS_181
、
Figure SMS_183
、
Figure SMS_173
和
Figure SMS_175
为模型系数；
Figure SMS_178
为建模残差；
采用滑动窗口，利用最小二乘法实时估计函数关系模型的模型系数；
S6、将模型系数和气象站观测的常规气象要素（包括温度、气压、湿度等信息）进行编码，并通过北斗卫星短报文通讯技术传输至数据处理中心，数据处理中心接收并解码所有北斗基准站传输的模型系数，采用所构建的函数关系模型，利用各北斗基准站传输的模型系数，按照指定的方位角和高度角间隔恢复并加密计算监测区所有北斗基准站的斜向大气水汽观测信息；
S7、整合监测区加密的斜向大气水汽观测信息，利用滑动开窗法，构建覆盖整个监测区的三维水汽层析函数模型，以数值天气预报模式提供的水汽场资料为背景场，基于计算的监测区所有北斗基准站的斜向大气水汽观测信息，采用代数重构算法求解三维水汽层析函数模型的模型参数，进而重构监测区的三维水汽场分布。
实施例2：
基本内容同实施例1，不同之处在于：
步骤S6中，所述监测区所有基准站斜向大气水汽观测信息的计算公式为：
Figure SMS_184
；
式中，
Figure SMS_186
，
Figure SMS_189
为基准站总数量；
Figure SMS_192
，
Figure SMS_188
为每个基准站按照指定方位角和高度角间隔加密后的斜向观测射线总数量；
Figure SMS_190
和
Figure SMS_194
分别为
Figure SMS_197
号基准站第
Figure SMS_185
条斜向观测射线的方位角和高度角；
Figure SMS_191
为与卫星高度相关的函数；
Figure SMS_196
、
Figure SMS_198
、
Figure SMS_187
、
Figure SMS_193
和
Figure SMS_195
为模型系数；
步骤S7中，所述覆盖整个监测区的三维水汽层析函数模型为：
Figure SMS_199
；
Figure SMS_200
；
式中，
Figure SMS_201
为监测区加密后的所有斜向大气水汽观测矩阵；
Figure SMS_202
为系数阵，其元素为各观测射线穿过三维格网的截距；
Figure SMS_203
为监测区三维格网的水汽密度矩阵；
所述三维水汽层析函数模型的模型参数的计算公式为：
Figure SMS_204
；
式中，
Figure SMS_206
为迭代次数；
Figure SMS_211
为第
Figure SMS_214
次迭代的结果；
Figure SMS_208
为第
Figure SMS_209
次迭代的结果；
Figure SMS_212
和
Figure SMS_215
分别为
Figure SMS_205
和
Figure SMS_210
矩阵的第
Figure SMS_213
行；
Figure SMS_216
表示向量内积；
Figure SMS_207
为松弛因子。
实施例3：
参见图2，一种无地面网络区适用的北斗水汽场实时重构装置，包括：
北斗天线模块，用于采集北斗基准站的实时观测数据；
北斗PPP-B2b信号解码模块，用于获取北斗三号卫星PPP-B2b播发的实时卫星轨道和钟差信息；
气象传感器模块，用于采集与北斗基准站并址气象站观测的常规气象要素（包括温度、气压、湿度等信息）；
PPP嵌入式软件接收机模块，用于处理北斗基准站的实时观测数据和北斗三号卫星PPP-B2b播发的实时卫星轨道和钟差信息，计算站星斜向对流层延迟信息；
所述站星斜向对流层延迟信息的计算方法为：基于无地面网络区北斗基准站的实时观测数据，结合北斗三号卫星PPP-B2b播发的实时卫星轨道和钟差信息，利用精密单点定位算法，在北斗基准站端实时计算站星斜向对流层延迟信息；
大气水汽计算与建模模块，用于利用与北斗基准站并址气象站观测的常规气象要素中的气压和温度信息，分别计算对流层延迟的干分量和大气加权平均温度信息；利用所有站星斜向对流层延迟信息和对流层延迟干分量信息，计算所有站星斜向对流层延迟湿分量信息；利用所有站星斜向对流层延迟湿分量信息和大气加权平均温度信息，计算所有站星斜向大气水汽信息；构建站星斜向大气水汽信息与观测射线方位角和高度角的函数关系模型，并实时估计所构建函数关系模型的模型系数；
所述站星斜向对流层延迟湿分量的计算公式为：
Figure SMS_217
；
式中，
Figure SMS_219
为
Figure SMS_221
号基准站观测
Figure SMS_225
号卫星的斜向对流层延迟湿分量；
Figure SMS_220
为
Figure SMS_222
号基准站观测
Figure SMS_224
号卫星的斜向对流层总延迟量；
Figure SMS_226
为
Figure SMS_218
号基准站观测
Figure SMS_223
号卫星的斜向对流层延迟干分量；
所述站星斜向大气水汽信息的计算公式为：
Figure SMS_227
；
式中，
Figure SMS_229
为
Figure SMS_233
号基准站观测
Figure SMS_238
号卫星的斜向大气水汽信息；
Figure SMS_231
为转化系数；
Figure SMS_232
为
Figure SMS_237
号基准站观测
Figure SMS_239
号卫星的斜向对流层延迟湿分量；
Figure SMS_228
为液态水密度；
Figure SMS_235
为水汽气体常数；
Figure SMS_236
为大气加权平均温度；
Figure SMS_240
为大气温度；
Figure SMS_230
和
Figure SMS_234
为常数；
所述站星斜向大气水汽信息与观测射线方位角和高度角的函数关系模型为：
Figure SMS_241
；
式中，
Figure SMS_243
为
Figure SMS_247
号基准站观测
Figure SMS_253
号卫星的斜向大气水汽信息，
Figure SMS_245
和
Figure SMS_246
分别为
Figure SMS_250
号基准站观测
Figure SMS_252
号卫星的方位角和高度角；
Figure SMS_242
为与卫星高度相关的函数；
Figure SMS_249
、
Figure SMS_254
、
Figure SMS_255
、
Figure SMS_244
和
Figure SMS_248
为模型系数；
Figure SMS_251
为建模残差；
采用滑动窗口，利用最小二乘法实时估计函数关系模型的模型系数；
北斗短报文模块，用于将接收的模型系数和气象站观测的常规气象要素编码后，通过北斗三号卫星传输至数据处理中心模块；
数据处理中心模块，用于接收并解码所有北斗基准站传输的模型系数，采用构建的函数关系模型，利用各北斗基准站传输的模型系数，按照指定的方位角和高度角间隔恢复并加密计算监测区所有基准站的斜向大气水汽观测信息；整合监测区加密的斜向大气水汽观测信息，利用滑动开窗法，构建覆盖整个监测区的三维水汽层析函数模型，采用代数重构算法求解三维水汽层析函数模型的模型参数，进而重构监测区的三维水汽场分布；
所述监测区所有基准站斜向大气水汽观测信息的计算公式为：
Figure SMS_256
；
式中，
Figure SMS_258
，
Figure SMS_261
为基准站总数量；
Figure SMS_264
，
Figure SMS_259
为每个基准站按照指定方位角和高度角间隔加密后的斜向观测射线总数量；
Figure SMS_265
和
Figure SMS_267
分别为
Figure SMS_270
号基准站第
Figure SMS_257
条斜向观测射线的方位角和高度角；
Figure SMS_262
为与卫星高度相关的函数；
Figure SMS_266
、
Figure SMS_269
、
Figure SMS_260
、
Figure SMS_263
和
Figure SMS_268
为模型系数；
所述覆盖整个监测区的三维水汽层析函数模型为：
Figure SMS_271
；
Figure SMS_272
；
式中，
Figure SMS_273
为监测区加密后的所有斜向大气水汽观测矩阵；
Figure SMS_274
为系数阵，其元素为各观测射线穿过三维格网的截距；
Figure SMS_275
为监测区三维格网的水汽密度矩阵；
所述三维水汽层析函数模型的模型参数的计算公式为：
Figure SMS_276
；
式中，
Figure SMS_278
为迭代次数；
Figure SMS_282
为第
Figure SMS_285
次迭代的结果；
Figure SMS_279
为第
Figure SMS_281
次迭代的结果；
Figure SMS_284
和
Figure SMS_286
分别为
Figure SMS_277
和
Figure SMS_283
矩阵的第
Figure SMS_287
行；
Figure SMS_288
表示向量内积；
Figure SMS_280
为松弛因子。

Claims (10)

1.一种无地面网络区适用的北斗水汽场实时重构方法，其特征在于，包括：
在无地面网络区北斗基准站端实时计算站星斜向对流层延迟信息；
利用与北斗基准站并址气象站观测的气压和温度信息，分别计算对流层延迟的干分量和大气加权平均温度信息；
利用所有站星斜向对流层延迟信息和对流层延迟干分量信息，计算所有站星斜向对流层延迟湿分量信息；
利用所有站星斜向对流层延迟湿分量信息和大气加权平均温度信息，计算所有站星斜向大气水汽信息；
构建站星斜向大气水汽信息与观测射线方位角和高度角的函数关系模型，并实时估计所构建函数关系模型的模型系数；
将模型系数和气象站观测的常规气象要素进行编码，并通过北斗卫星短报文通讯技术传输至数据处理中心，数据处理中心接收并解码所有北斗基准站传输的模型系数，采用所构建的函数关系模型，利用各北斗基准站传输的模型系数，按照指定的方位角和高度角间隔恢复并加密计算监测区所有北斗基准站的斜向大气水汽观测信息；
整合监测区加密的斜向大气水汽观测信息，利用滑动开窗法，构建覆盖整个监测区的三维水汽层析函数模型，采用代数重构算法求解三维水汽层析函数模型的模型参数，进而重构监测区的三维水汽场分布。
2.根据权利要求1所述的一种无地面网络区适用的北斗水汽场实时重构方法，其特征在于，所述站星斜向对流层延迟信息的计算方法为：
基于无地面网络区北斗基准站的实时观测数据，结合北斗三号卫星PPP-B2b播发的实时卫星轨道和钟差信息，利用精密单点定位算法，在北斗基准站端实时计算站星斜向对流层延迟信息。
3.根据权利要求1所述的一种无地面网络区适用的北斗水汽场实时重构方法，其特征在于，所述站星斜向对流层延迟湿分量的计算公式为：
Figure QLYQS_1
；
式中，
Figure QLYQS_3
为
Figure QLYQS_6
号基准站观测
Figure QLYQS_9
号卫星的斜向对流层延迟湿分量；
Figure QLYQS_4
为
Figure QLYQS_7
号基准站观测
Figure QLYQS_8
号卫星的斜向对流层总延迟量；
Figure QLYQS_10
为
Figure QLYQS_2
号基准站观测
Figure QLYQS_5
号卫星的斜向对流层延迟干分量。
4.根据权利要求1所述的一种无地面网络区适用的北斗水汽场实时重构方法，其特征在于，所述站星斜向大气水汽信息的计算公式为：
Figure QLYQS_11
；
式中，
Figure QLYQS_13
为
Figure QLYQS_17
号基准站观测
Figure QLYQS_20
号卫星的斜向大气水汽信息；
Figure QLYQS_14
为转化系数；
Figure QLYQS_18
为
Figure QLYQS_21
号基准站观测
Figure QLYQS_23
号卫星的斜向对流层延迟湿分量；
Figure QLYQS_12
为液态水密度；
Figure QLYQS_16
为水汽气体常数；
Figure QLYQS_22
为大气加权平均温度；
Figure QLYQS_24
为大气温度；
Figure QLYQS_15
和
Figure QLYQS_19
为常数。
5.根据权利要求1所述的一种无地面网络区适用的北斗水汽场实时重构方法，其特征在于，所述站星斜向大气水汽信息与观测射线方位角和高度角的函数关系模型为：
Figure QLYQS_25
；
式中，
Figure QLYQS_27
为
Figure QLYQS_31
号基准站观测
Figure QLYQS_35
号卫星的斜向大气水汽信息，
Figure QLYQS_28
和
Figure QLYQS_32
分别为
Figure QLYQS_38
号基准站观测
Figure QLYQS_39
号卫星的方位角和高度角；
Figure QLYQS_26
为与卫星高度相关的函数；
Figure QLYQS_30
、
Figure QLYQS_34
、
Figure QLYQS_37
、
Figure QLYQS_29
和
Figure QLYQS_33
为模型系数；
Figure QLYQS_36
为建模残差。
6.根据权利要求1所述的一种无地面网络区适用的北斗水汽场实时重构方法，其特征在于，采用滑动窗口，利用最小二乘法实时估计函数关系模型的模型系数。
7.根据权利要求1所述的一种无地面网络区适用的北斗水汽场实时重构方法，其特征在于，所述监测区所有基准站斜向大气水汽观测信息的计算公式为：
Figure QLYQS_40
；
式中，
Figure QLYQS_42
，
Figure QLYQS_48
为基准站总数量；
Figure QLYQS_51
，
Figure QLYQS_44
为每个基准站按照指定方位角和高度角间隔加密后的斜向观测射线总数量；
Figure QLYQS_45
和
Figure QLYQS_53
分别为
Figure QLYQS_54
号基准站第
Figure QLYQS_41
条斜向观测射线的方位角和高度角；
Figure QLYQS_46
为与卫星高度相关的函数；
Figure QLYQS_49
、
Figure QLYQS_52
、
Figure QLYQS_43
、
Figure QLYQS_47
和
Figure QLYQS_50
为模型系数。
8.根据权利要求7所述的一种无地面网络区适用的北斗水汽场实时重构方法，其特征在于，所述覆盖整个监测区的三维水汽层析函数模型为：
Figure QLYQS_55
；
Figure QLYQS_56
；
式中，
Figure QLYQS_57
为监测区加密后的所有斜向大气水汽观测矩阵；
Figure QLYQS_58
为系数阵，其元素为各观测射线穿过三维格网的截距；
Figure QLYQS_59
为监测区三维格网的水汽密度矩阵。
9.根据权利要求8所述的一种无地面网络区适用的北斗水汽场实时重构方法，其特征在于，所述三维水汽层析函数模型的模型参数的计算公式为：
Figure QLYQS_60
；
式中，
Figure QLYQS_62
为迭代次数；
Figure QLYQS_67
为第
Figure QLYQS_68
次迭代的结果；
Figure QLYQS_63
为第
Figure QLYQS_66
次迭代的结果；
Figure QLYQS_70
和
Figure QLYQS_72
分别为
Figure QLYQS_61
和
Figure QLYQS_65
矩阵的第
Figure QLYQS_69
行；
Figure QLYQS_71
表示向量内积；
Figure QLYQS_64
为松弛因子。
10.一种无地面网络区适用的北斗水汽场实时重构装置，其特征在于，包括：
北斗天线模块，用于采集北斗基准站的实时观测数据；
北斗PPP-B2b信号解码模块，用于获取北斗三号卫星PPP-B2b播发的实时卫星轨道和钟差信息；
气象传感器模块，用于采集与北斗基准站并址气象站观测的常规气象要素；
PPP嵌入式软件接收机模块，用于处理北斗基准站的实时观测数据和北斗三号卫星PPP-B2b播发的实时卫星轨道和钟差信息，计算站星斜向对流层延迟信息；
大气水汽计算与建模模块，用于利用与北斗基准站并址气象站观测的常规气象要素中的气压和温度信息，分别计算对流层延迟的干分量和大气加权平均温度信息；利用所有站星斜向对流层延迟信息和对流层延迟干分量信息，计算所有站星斜向对流层延迟湿分量信息；利用所有站星斜向对流层延迟湿分量信息和大气加权平均温度信息，计算所有站星斜向大气水汽信息；构建站星斜向大气水汽信息与观测射线方位角和高度角的函数关系模型，并实时估计所构建函数关系模型的模型系数；
北斗短报文模块，用于将接收的模型系数和气象站观测的常规气象要素编码后，通过北斗三号卫星传输至数据处理中心模块；
数据处理中心模块，用于接收并解码所有北斗基准站传输的模型系数，采用构建的函数关系模型，利用各北斗基准站传输的模型系数，按照指定的方位角和高度角间隔恢复并加密计算监测区所有基准站的斜向大气水汽观测信息；整合监测区加密的斜向大气水汽观测信息，利用滑动开窗法，构建覆盖整个监测区的三维水汽层析函数模型，采用代数重构算法求解三维水汽层析函数模型的模型参数，进而重构监测区的三维水汽场分布。
CN202310323323.3A 2023-03-30 2023-03-30 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 Active CN116068670B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310323323.3A CN116068670B (zh) 2023-03-30 2023-03-30 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310323323.3A CN116068670B (zh) 2023-03-30 2023-03-30 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

Publications (2)

Publication Number Publication Date
CN116068670A CN116068670A (zh) 2023-05-05
CN116068670B true CN116068670B (zh) 2023-06-06

Family

ID=86175306

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310323323.3A Active CN116068670B (zh) 2023-03-30 2023-03-30 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

Country Status (1)

Country Link
CN (1) CN116068670B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116340710B (zh) * 2023-05-30 2023-09-12 中国科学院精密测量科学与技术创新研究院 基于分层快速三维射线追踪的中性大气斜延迟计算方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5675081A (en) * 1995-12-04 1997-10-07 University Corporation For Atmospheric Research Atmospheric water vapor sensing system using global positioning satellites
JP2007212286A (ja) * 2006-02-09 2007-08-23 Railway Technical Res Inst 性状測定装置
CN102455304A (zh) * 2011-07-12 2012-05-16 北京汇美电子技术有限公司 基于北斗卫星的大气层水汽测量方法
CN106371115A (zh) * 2016-06-27 2017-02-01 上海达华测绘有限公司 基于北斗短报文技术多模多频海上精密定位方法
CN106407560A (zh) * 2016-09-19 2017-02-15 武汉大学 表征大气各向异性的对流层映射函数模型的构建方法
CN107843943A (zh) * 2017-10-30 2018-03-27 西安科技大学 一种基于函数基的三维水汽探测方法
CN114740508A (zh) * 2022-05-05 2022-07-12 中国电子科技集团公司第五十四研究所 一种顾及用户行为的实时高并发高精度时空服务方法
CN115687448A (zh) * 2022-10-20 2023-02-03 云南电网有限责任公司电力科学研究院 短临降水预报方法、装置、电子设备及存储介质
CN115755103A (zh) * 2022-11-15 2023-03-07 中国矿业大学(北京) 一种抗差自适应的gnss水汽层析方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5675081A (en) * 1995-12-04 1997-10-07 University Corporation For Atmospheric Research Atmospheric water vapor sensing system using global positioning satellites
JP2007212286A (ja) * 2006-02-09 2007-08-23 Railway Technical Res Inst 性状測定装置
CN102455304A (zh) * 2011-07-12 2012-05-16 北京汇美电子技术有限公司 基于北斗卫星的大气层水汽测量方法
CN106371115A (zh) * 2016-06-27 2017-02-01 上海达华测绘有限公司 基于北斗短报文技术多模多频海上精密定位方法
CN106407560A (zh) * 2016-09-19 2017-02-15 武汉大学 表征大气各向异性的对流层映射函数模型的构建方法
CN107843943A (zh) * 2017-10-30 2018-03-27 西安科技大学 一种基于函数基的三维水汽探测方法
CN114740508A (zh) * 2022-05-05 2022-07-12 中国电子科技集团公司第五十四研究所 一种顾及用户行为的实时高并发高精度时空服务方法
CN115687448A (zh) * 2022-10-20 2023-02-03 云南电网有限责任公司电力科学研究院 短临降水预报方法、装置、电子设备及存储介质
CN115755103A (zh) * 2022-11-15 2023-03-07 中国矿业大学(北京) 一种抗差自适应的gnss水汽层析方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
利用北斗卫星进行水汽探测分析;王海深;曹云昌;梁宏;;数字通信世界(第S1期);全文 *
地基GNSS反演大气可降水量及水汽层析技术研究;黄逸宇;基础科学辑;37-39 *
多星座导航系统三维大气水汽预测仿真;王朮正;郭承军;黎峻宇;;科学技术与工程(第19期);全文 *

Also Published As

Publication number Publication date
CN116068670A (zh) 2023-05-05

Similar Documents

Publication Publication Date Title
Zhang et al. Consistency evaluation of precipitable water vapor derived from ERA5, ERA-Interim, GNSS, and radiosondes over China
Guerova et al. Review of the state of the art and future prospects of the ground-based GNSS meteorology in Europe
Xing et al. Estimation of daily mean land surface temperature at global scale using pairs of daytime and nighttime MODIS instantaneous observations
CN109001382B (zh) 一种基于cors的区域大气水汽实时监测方法及系统
Gutman et al. The role of ground-based GPS meteorological observations in numerical weather prediction
Barrett et al. Satellite rainfall monitoring: An overview
Chen et al. Detecting water vapor variability during heavy precipitation events in Hong Kong using the GPS tomographic technique
CN116068670B (zh) 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
Tan et al. Evaluating precipitable water vapor products from Fengyun-4A meteorological satellite using radiosonde, GNSS, and ERA5 Data
CN116519913B (zh) 基于星载和地基平台融合的gnss-r数据土壤水分监测方法
Zhang et al. GNSS-RS tomography: Retrieval of tropospheric water vapor fields using GNSS and RS observations
Facheris et al. Global ECMWF analysis data for estimating the water vapor content between two LEO satellites through NDSA measurements
Muhammad et al. Satellite precipitation product: Applicability and accuracy evaluation in diverse region
Ricciardulli et al. Remote sensing and analysis of tropical cyclones: Current and emerging satellite sensors
Prasad et al. Assimilation of satellite and other data for the forecasting of tropical cyclones over NIO
Braun et al. Development of a water vapor tomography system using low cost L1 GPS receivers
Chu et al. Validation of the satellite-derived rainfall estimates over the Tibet
Morland et al. Spatial interpolation of GPS integrated water vapour measurements made in the Swiss Alps
Elgered et al. Monitoring of the neutral atmosphere
Li Production of Regional 1 km× 1 km Water Vapor Fields through the Integration of GPS and MODIS Data
Yu Sea surface exchanges of momentum, heat, and freshwater determined by satellite remote sensing
Li et al. Assessment of the atmosphere profiles and derived parameters from fresh FengYun-3E and other common occultation systems
Zhu et al. A physical process-based enhanced adjacent channel retrieval algorithm for obtaining cloudy-sky surface temperature
Zhou et al. Land surface albedo estimation with Chinese GF-1 WFV data in Northwest China
Ning et al. The uncertainty of the atmospheric integrated water vapour estimated from GNSS observations.

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