CN116794752A - 一种对流层气象监测系统及方法 - Google Patents
一种对流层气象监测系统及方法 Download PDFInfo
- Publication number
- CN116794752A CN116794752A CN202310538851.0A CN202310538851A CN116794752A CN 116794752 A CN116794752 A CN 116794752A CN 202310538851 A CN202310538851 A CN 202310538851A CN 116794752 A CN116794752 A CN 116794752A
- Authority
- CN
- China
- Prior art keywords
- module
- data
- troposphere
- weather
- observation equation
- 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.)
- Pending
Links
- 239000005436 troposphere Substances 0.000 title claims abstract description 142
- 238000012544 monitoring process Methods 0.000 title claims abstract description 44
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000004364 calculation method Methods 0.000 claims abstract description 37
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 28
- 238000012545 processing Methods 0.000 claims abstract description 23
- 238000001914 filtration Methods 0.000 claims abstract description 22
- 238000012937 correction Methods 0.000 claims description 56
- 239000011159 matrix material Substances 0.000 claims description 26
- 230000003993 interaction Effects 0.000 claims description 18
- 239000013598 vector Substances 0.000 claims description 13
- 238000007781 pre-processing Methods 0.000 claims description 10
- 230000001934 delay Effects 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 claims description 7
- 230000010354 integration Effects 0.000 claims description 7
- 230000002452 interceptive effect Effects 0.000 claims description 5
- 238000013461 design Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 4
- 239000005433 ionosphere Substances 0.000 description 14
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 13
- 230000006870 function Effects 0.000 description 12
- 238000006243 chemical reaction Methods 0.000 description 10
- 238000005070 sampling Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 238000001556 precipitation Methods 0.000 description 7
- 239000005442 atmospheric precipitation Substances 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000005437 stratosphere Substances 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- IAZDPXIOMUYVGZ-UHFFFAOYSA-N Dimethylsulphoxide Chemical compound CS(C)=O IAZDPXIOMUYVGZ-UHFFFAOYSA-N 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- CLOMYZFHNHFSIQ-UHFFFAOYSA-N clonixin Chemical compound CC1=C(Cl)C=CC=C1NC1=NC=CC=C1C(O)=O CLOMYZFHNHFSIQ-UHFFFAOYSA-N 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 238000005295 random walk Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000004148 unit process Methods 0.000 description 1
- 230000004304 visual acuity Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
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
- G01W—METEOROLOGY
- G01W1/00—Meteorology
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W2203/00—Real-time site-specific personalized weather information, e.g. nowcasting
Landscapes
- Environmental & Geological Engineering (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明提供一种对流层气象监测系统及方法，涉及气象监测技术领域，该系统包括数据模块、观测方程模块、对流层延迟模块以及气象预测模块，数据模块、观测方程模块、对流层延迟模块以及气象预测模块顺次连接；数据模块用于通过全球导航卫星系统实时获取对流层数据；观测方程模块用于处理对流层数据，获取无电离层观测方程；对流层延迟模块用于根据无电离层观测方程，通过卡尔曼滤波算法获取对流层延迟数据；气象预测模块用于将对流层延迟数据转化为PWV数据，并根据PWV数据输出气象预报。本发明可节省系统内存空间，计算效率更高，更适用于快捷地实时计算，可以实时进行准确地气象预报，对于极端气象可以发挥重要的作用。
Description
技术领域
本发明涉及气象监测技术领域，具体而言，涉及一种对流层气象监测系统及方法。
背景技术
对流层是近地空间环境的重要组成部分，同时也是与人类生活联系最密切的大气圈层，距离地表最近，平均高度约为11km，与大气层的平流层、同温层不同，对流层中聚集了大量的水汽，大约占据大气层水汽总量的90％。大气中的水汽具有分布不均匀、变化迅速等特点，在水循环、热量平衡过程中发挥着重要作用，是气象监测的重点，通过对流层中的大气水汽监测，可以实现可降水反演和台风暴雨短临预报等功能，对气象预报和极端天气防灾救灾有着重要的作用。
当前，对流层气象监测方式包括：探空气球、无线电探空仪、卫星红外遥感、微波遥感等，这些技术存在时间分辨率低、非实时监控、成本高昂且数据处理过程复杂的缺点，无法满足对流层气象监测的需求，不能保证气象预报的准确性。
发明内容
本发明解决的问题是如何提高气象预报的准确性。
为解决上述问题，本发明提供一种对流层气象监测系统及方法。
第一方面，本发明提供了一种对流层气象监测系统，包括数据模块、观测方程模块、对流层延迟模块以及气象预测模块，所述数据模块、所述观测方程模块、所述对流层延迟模块以及所述气象预测模块顺次连接；
所述数据模块用于通过全球导航卫星系统实时获取对流层数据；
所述观测方程模块用于处理所述对流层数据，获取无电离层观测方程；
所述对流层延迟模块用于根据所述无电离层观测方程，通过卡尔曼滤波算法获取对流层延迟数据；
所述气象预测模块用于将所述对流层延迟数据转化为PWV数据，并根据所述PWV数据输出气象预报。
可选地，所述对流层延迟模块包括矩阵单元和递推单元，所述矩阵单元和所述递推单元连接；
所述矩阵单元用于根据公式一将所述无电离层观测方程转化为线性矩阵，所述公式一如下所示：
L＝BX；
其中，L为观测量向量，由公式二获得；B为设计矩阵，由公式三获得；X为待估参数向量，由公式四获得；所述公式二如下所示：
所述公式三如下所示：
所述公式四如下所示：
其中，lp为伪距观测值，lφ为载波相位观测值，s为时间，n为预设值，x,y,z分别为坐标，dtr为钟差，ztd为对流层延迟，为模糊度；
所述递推单元用于通过卡尔曼滤波算法递推处理所述线性矩阵，获取所述对流层延迟数据。
可选地，还包括多区域预测模块，所述多区域预测模块与所述气象预测模块连接；
所述多区域预测模块用于基于所述PWV数据，通过公式五获取其他区域的PWV数据，根据所述其他区域的PWV数据输出其他区域的气象预报，所述公式五如下所示：
其中，PWVi,j为网格图中点(i,j)处的PWV数据，PWVk为第k个测站的PWV数据，dk为点(i,j)处距离所述第k个测站的距离，c为归一化常数。
可选地，还包括交互模块，所述交互模块分别与所述数据模块、所述观测方程模块、所述对流层延迟模块、所述气象预测模块、所述时空统一模块以及所述多区域预测模块连接；
所述交互模块用于控制并显示所述数据模块、所述观测方程模块、所述对流层延迟模块、所述气象预测模块、所述时空统一模块以及所述多区域预测模块的工作状态。
可选地，所述交互模块设有拓展接口，所述拓展接口用于根据需求，调用所述数据模块、所述观测方程模块、所述对流层延迟模块、所述气象预测模块、所述时空统一模块以及所述多区域预测模块的数据，实现拓展功能。
可选地，所述数据模块包括获取单元、误差单元、解码单元、预处理单元、改正单元以及整合单元；
所述获取单元用于获取完整的原始观测数据、导航电文、精密钟差轨道改正数、测站坐标和天线文件；
所述误差单元用于处理所述原始观测数据，获得多路径误差、硬件延迟以及观测噪声；
所述解码单元用于将所述原始观测数据和所述精密钟差轨道改正数转化为解码观测数据和解码精密钟差轨道改正数；
所述预处理单元用于对所述解码观测数据和导航电文进行周跳探测，获得精准观测数据和精准导航电文，还用于对所述精密钟差轨道改正数进行插值，获得高精度精密钟差轨道改正数；
所述改正单元用于对所述天线文件进行相位改正，获得天线改正量；
所述整合单元用于整合所述测站坐标、所述多路径误差、所述硬件延迟、所述观测噪声、所述精准观测数据、所述精准导航电文、所述高精度精密钟差轨道改正数以及所述天线改正量为所述对流层数据。
可选地，还包括日志模块，所述日志模块分别与所述数据模块、所述观测方程模块、所述对流层延迟模块以及所述气象预测模块连接；
所述日志模块用于记录所述数据模块、所述观测方程模块、所述对流层延迟模块以及所述气象预测模块的数据计算信息并输出计算日志。
可选地，所述交互模块设有气象面板和参数设置面板，所述气象面板用于显示所述气象预报，所述参数设置面板用于显示所述全球导航卫星系统。
第二方面，本发明提供了一种对流层气象监测方法，包括：
通过全球导航卫星系统实时获取对流层数据；
处理所述对流层数据，获取无电离层观测方程；
通过卡尔曼滤波算法处理所述无电离层观测方程，获取对流层延迟数据；
将所述对流层延迟数据转化为PWV数据，并根据所述PWV数据输出气象预报。
本发明的对流层气象监测系统及方法的有益效果是：
通过数据模块使用全球导航卫星系统，可以实时获取稳定的对流层数据，获取的对流层数据误差极小可以忽略，采样率和分辨率高且包含多项气象数据，为后续地计算和气象预报提供了精准丰富的数据，提高了气象预报的准确性；通过观测方程模块构建无电离层观测方程，消除了电离层对对流层气象监测的影响和误差，解决了电离层延迟和对流层延迟的相关性问题，并且为下一步卡尔曼滤波算法计算对流层延迟数据提供了输入数据；对流层延迟模块通过卡尔曼滤波算法计算对流层延迟数据，不需要保存大量的历史数据，节省了系统内存空间，且计算效率更高，更适用于快捷地实时计算；最后由气象预测模块将对流层延迟数据转化为PWV数据，并根据PWV数据输出气象预报，PWV数据衡量了对流层的降水潜力，可以进行实时精准的气象预报。本发明的对流层气象监测系统，可以实时进行准确地气象预报，对于台风、风暴潮、暴雨等极端气象可以发挥重要的作用，此外，还可以应用在防范旱灾、洪灾、海洋灾害等领域，推广性好，具有巨大的实用性潜力。
附图说明
图1为本发明实施例的一种对流层气象监测系统的结构示意图；
图2为本发明实施例的交互模块的界面示意图；
图3为本发明另一实施例的一种对流层气象监测方法的流程示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。虽然附图中显示了本发明的某些实施例，然而应当理解的是，本发明可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本发明。应当理解的是，本发明的附图及实施例仅用于示例性作用，并非用于限制本发明的保护范围。
应当理解，本发明的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本发明的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”；术语“可选地”表示“可选的实施例”。其他术语的相关定义将在下文描述中给出。
需要注意，本发明中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本发明实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
针对上述技术问题，如图1所示，本发明实施例提供的一种对流层气象监测系统，包括数据模块、观测方程模块、对流层延迟模块以及气象预测模块，所述数据模块、所述观测方程模块、所述对流层延迟模块以及所述气象预测模块顺次连接；
所述数据模块用于通过全球导航卫星系统实时获取对流层数据；
具体地，数据模块选用全球导航卫星系统(Global Navigation SatelliteSystem，英文缩略词GNSS)实时获取对流层数据，其中，本发明选用全球导航卫星系统中的一种或几种组合使用，即全球定位系统(Global Positioning System，英文缩略词GPS)、北斗卫星导航系统(BeiDou Satellite Navigation System，英文缩略词BDS)、格洛纳斯卫星导航系统(英文缩略词GLONASS)和伽利略卫星导航系统(Galileo satellite navigationsystem，英文缩略词GALILEO)中的一种或几种组合使用；
数据模块先获取对流层原始数据，经过数据模块处理后，再得到对流层数据。获取的对流层原始数据包括卫星系统的原始观测数据、导航电文、精密产品数据；此外，还需要获取地面测站的原始数据，测站的原始数据包括测站坐标和天线文件；其中，原始观测数据包括伪距观测值和载波相位观测值，导航电文包括卫星编号、轨道根数、卫星钟的偏差、漂移，精密产品包括精密轨道和精密钟差数据。对流层数据包括测站坐标、多路径误差、硬件延迟、观测噪声、精准观测数据、精准导航电文、高精度精密钟差轨道改正数以及天线改正量。
对流层数据还可以通过自建测站、IGS、香港地政总署等机构提供的公开数据流获得，此外，本发明的数据模块设有接收机和天线，可以接收导航电文，采样率目前普遍可以达到1Hz，时间分辨率远超卫星遥感手段，精密产品中的精密轨道和精密钟差数据可由全球IGS(International GNSS Service)测站观测数据解算得到，提供该产品的机构有欧洲定轨中心(CODE)、德国地学中心(GFZ)、武汉大学IGS中心。考虑到实时产品的稳定性和完好性，本发明采用武汉大学IGS中心的实时精密轨道钟差产品SSRA0WHU0，其可靠性和精度均经过长时间的测试和验证，满足精度要求。
值得说明的是，本发明的数据模块以BNC(BKG Ntrip Client)软件和RTKlib软件为基础，选择RTKlib软件的strsvr模块搭建Ntrip服务器，采用C/C++编程语言进行优化，使数据模块的通信能力强，并支持Trimble阿洛伊、Septentrio的PolaRx5s等型号的接收机，可将数据模块的采样率提高到1分钟，且最高可以达到1秒，提高了数据模块的接收采样效率，以满足对极端气象的预测要求。
示例性地，本发明可采用GNSS精密单点定位(Precise Point Positioning，PPP)算法，在BNC、RTKlib的基础上开发出了可复制、可推广的实时对流层气象监测系统，且对于待测地区的每一个测站，均对应开辟一个线程，来完成后续的计算步骤，加快对流层气象监测系统的运行速率。
所述观测方程模块用于处理所述对流层数据，获取无电离层观测方程；
具体地，观测方程模块利用对流层数据中的伪距观测值和载波相位观测值组成原始观测方程组，其中，伪距观测值和载波相位观测值均为双频数据，原始观测方程组如公式六至公式九组成，公式六如下所示：
lp1＝ρ+c(dtr-dTs)+ztd+I1+εp1；
公式七如下所示：
lp2＝ρ+c(dtr-dTs)+ztd+I2+εp2；
公式八如下所示：
lφ1＝ρ+c(dtr-dTs)+a1-I1+ztd+εφ1；
公式九如下所示：
lφ2＝ρ+c(dtr-dTs)+a2-I2+ztd+εφ2；
其中，lp1、lp2、lφ1、lφ2分别表示第一个和第二个频率上的伪距观测值和载波相位观测值，ρ表示测站和卫星之间的几何距离，c表示光速，dtr和dTs分别表示接收机和卫星的钟差，a1、a2为第一、第二频率上载波相位观测值模糊度的等效距离，ztd为对流层延迟，εp1、εp2、εφ1和εφ2分别为伪距观测值和载波相位观测值的未建模误差项(包括多路径误差、硬件延迟、观测噪声等)。
由于公式六至公式九未消除电离层误差，所以需要经过观测方程模块通过双频无电离层组合公式消除电离层误差，双频无电离层组合公式如公式十和公式十一组成，公式十如下所示：
公式十一如下所示：
其中lp和lφ分别表示无电离层组合后的伪距观测值和载波相位观测值，f1和f2分别表示不同全球导航卫星系统的第一和第二频率。
组成无电离层观测方程时，将包括北斗卫星导航系统在内的各个全球导航卫星系统考虑在内，如北斗为B1I和B3I频段，GPS为L1和L2频段。lp1表示第一频率的伪距观测值，其他以此类推，各系统的常用频率如下表所示。
表1GNSS的无电离层组合所用频率
| 系统 | 第一频率/MHz | 第二频率/MHz |
| GPS | 1575.42 | 1227.6 |
| GLONASS | 1600.995 | 1248.06 |
| Galileo | 1575.42 | 1176.45 |
| BDS | 1575.42 | 1268.52 |
因为不同全球导航卫星系统使用的频率也有所不同，在组成无电离层观测方程时，需要采用各系统对应的频率参数。经公式十和公式十一消除电离层误差后，无电离层观测方程如公式十二和公式十三组成，公式十二如下所示：
lp＝ρ+c(dtr-dTs)+ztd+εp；
公式十三如下所示：
lφ＝ρ+c(dtr-dTs)+a+ztd+εφ；
其中，lp、lφ分别表示伪距观测值和载波相位观测值，ρ表示测站和卫星之间的几何距离，c表示光速，dtr和dTs分别表示接收机和卫星的钟差，a为无电离层模糊度的等效距离，ztd为对流层延迟，εp和εφ分别为无电离层组合的伪距观测值和载波相位观测值的未建模误差(包括多路径误差、硬件延迟、观测噪声等)。
通过构建无电离层观测方程，消除了电离层低阶项对后续步骤参数估计的影响，解决了电离层延迟和对流层延迟的相关性问题，为下一步卡尔曼滤波算法的实施提供了输入参数。
所述对流层延迟模块用于根据所述无电离层观测方程，通过卡尔曼滤波算法获取对流层延迟数据；
具体地，将无电离层观测方程作为卡尔曼滤波算法的输入参数，调用卡尔曼滤波算法公式进行递推，完成参数预估，即可确定待估参数，其中，待估参数包括对流层延迟、接收机钟差、模糊度等；对流层延迟模块可以通过计算将对流层数据转换得到测站的坐标和其上空天顶方向的对流层延迟结果，且对流层延迟模块根据实际要求设置参数预估频率，为了实现实时预报的功能，作为优选地，对流层延迟模块参数预估频率为每分钟1次，卡尔曼滤波算法如公式十四至公式十六组成，公式十四如下所示：
公式十五如下所示：
公式十六如下所示：
其中，Xk为k时刻的状态向量，Xk-1为k-1时刻的状态向量，Φk,k-1为k时刻和k-1时刻之间的状态转移矩阵，Wk为状态转移噪声向量，可用白噪声表示，Lk为k时刻的观测值向量，Hk为k时刻的设计矩阵，Vk为k时刻的观测噪声，为k-1时刻到k时刻之间状态向量暂时估计值，/>为k-1时刻的状态估计值，Pk,k-1为/>的方差矩阵，Pk-1为/>的方差矩阵，Kk为k时刻的增益矩阵，/>为k时刻的状态向量估计值，Pk为/>的方差矩阵。
本发明采用卡尔曼滤波算法的方式进行参数估计，无需保存大量的历史数据，节省了对流层气象监测系统的内存空间，计算效率更高，适用于实时系统。
所述气象预测模块用于将所述对流层延迟数据转化为PWV数据，并根据所述PWV数据输出气象预报。
具体地，PWV(Precipitable WaterVapor，大气可降水量)数据指大气中的水汽以各种形式降落到地表后，在单位面积上汇聚的水柱高度(排除蒸发、径流等因素的影响)。作为气象监测的一个重要指标，PWV的时空分布与降水事件的形成直接相关，是进行降水短临预报的核心参数之一。气象预测模块设有平均加权温度模型，可将对流层延迟湿分量转换为PWV数据，平均加权温度模型如下公式十七所示：
其中Tm是平均加权温度，e为水汽压，T为气温，z为高度，Tm表示了区域内单位面积上空气柱的平均温度。
PWV数据和对流层延迟湿分量的转换关系如下公式十八所示：
其中，K2＝71.2952K/hPa，K3＝375463K/hPa，两者为大气折射常数，Rv＝461518J/(kg·K)，为水汽的比气体常数，ρw为水汽密度，ZWD为对流层延迟湿分量。根据公式二十可以看出PWV和ZWD之间存在比例关系，比例关系为转换因子Q，且Q是Tm的函数。PWV数据衡量了区域降水潜力，是台风、暴雨等极端气象时间预报的核心参数，通过PWV数据可直接推算出该区域的气象情况，得到气象预报。
示例性地，本发明提供的对流层气象监测系统采用Qt应用程序开发框架，具有良好地多种程序跨平台通信(QtNetwork)和并行计算(QThread)功能，支持Windows、Linux等操作系统。
通过数据模块使用全球导航卫星系统，可以实时获取稳定的对流层数据，获取的对流层数据误差极小可以忽略，且最终获得的PWV数据与实际的误差仅仅为1-2mm，通过数据模块的接收机采样率可达1HZ，分辨率高且包含多项气象数据，为后续地计算和气象预报提供了精准丰富的数据，提高了气象预报的准确性；通过观测方程模块构建无电离层观测方程，消除了电离层对对流层气象监测的影响和误差，解决了电离层延迟和对流层延迟的相关性问题，并且为下一步卡尔曼滤波算法计算对流层延迟数据提供了输入数据；对流层延迟模块通过卡尔曼滤波算法计算对流层延迟数据，不需要保存大量的历史数据，节省了系统内存空间，且计算效率更高，更适用于快捷地实时计算；最后由气象预测模块将对流层延迟数据转化为PWV数据，并根据PWV数据输出气象预报，PWV数据衡量了对流层的降水潜力，可以进行实时精准的气象预报。本发明的对流层气象监测系统，可以实时进行准确地气象预报，对于台风、风暴潮、暴雨等极端气象可以发挥重要的作用，此外，还可以应用在防范旱灾、洪灾、海洋灾害等领域，推广性好，具有巨大的实用性潜力。
在一个实施例中，所述对流层延迟模块包括矩阵单元和递推单元，所述矩阵单元和所述递推单元连接；
所述矩阵单元用于根据公式一将所述无电离层观测方程转化为线性矩阵，所述公式一如下所示：
L＝BX；
其中，L为观测量向量，由公式二获得；B为设计矩阵，由公式三获得；X为待估参数向量，由公式四获得；所述公式二如下所示：
所述公式三如下所示：
所述公式四如下所示：
其中，lp为伪距观测值，lφ为载波相位观测值，s为时间，n为预设值，x,y,z分别为坐标，dtr为钟差，ztd为对流层延迟，为模糊度；
所述递推单元用于通过卡尔曼滤波算法递推处理所述线性矩阵，获取所述对流层延迟数据。
具体地，在现有技术中，对流层的计算通常采用分段线性或随机游走的方式，一般相隔30分钟到2小时估计一次对流层，或将对流层视作一个随机过程。但是现有技术的前提条件是假定对流层变化平稳，但这种假设不能在台风、暴雨等条件下成立。针对这个问题，本发明对其进行了两个改进，一是固定了测站坐标参数x、y、z，不将其作为待估参数求解，减少了待估参数总量，提高了对流层估计的可靠度；二是不采用传统PPP的对流层处理策略，而是在每个历元都将其作为待估参数估计，改进后的公式如公式三和公式四所示。
矩阵单元将公式一的线性矩阵带入到卡尔曼滤波算法的公式十四至公式十六后通过递推单元进行递推得到对流层延迟数据，其中Φk,k-1取单位阵，Lk对应L，Hk对应B，最终获得待估参数向量X的时间序列，对流层延迟时间序列最为重要，是本系统运行过程中的核心参数。
对流层延迟数据包括对流层延迟干分量和对流层延迟湿分量，对流层延迟干分量由氮气、二氧化碳等大气静态成分构成，对流层延迟湿分量由大气中的水汽成分构成；对于一个测站只需要估计一个天顶方向的对流层延迟数据即可，多个方向的斜路径对流层延迟可以通过对流层映射函数获取，对流层延迟干分量通过递推单元的Saastamoinen模型计算得出，对流层延迟干分量映射函数如下公式十九所示：
其中ZHD是对流层延迟干分量，P是测站所在位置的大气压，是测站所在位置的纬度，h是测站所处位置的高度。
对流层延迟湿分量可由递推单元的NMF模型获取，如下公式二十所示：
其中，c1、c2、c3由纬度得到，e为高度角。
示例性地，除去对流层延迟干分量后，剩余的对流层延迟数据为对流层延迟湿分量，可简化计算步骤，节省时间成本，加快运算速率。
可选地，还包括时空统一模块，所述时空统一模块与所述观测方程模块连接；
所述时空统一模块用于获取所述对流层数据来源的全球导航卫星系统的时空坐标系，根据预设时空基准将所述时空坐标系转换为统一时空坐标系；
所述观测方程模块还用于在所述统一时空坐标系下处理所述对流层数据，获取所述无电离层观测方程。
具体地，本发明采用的四个全球导航卫星系统(BDS、GPS、GLONASS和Galileo)，其坐标系和时间系统均不相同，坐标系统分别为CGCS2000、WGS-84、PZ-90和GTRF，时间系统分别为BDT、GPST、GLONASS和GST。为了实现高精度定位，必须将四种系统的坐标和时间系统进行转换，而后才能在统一时空基准下组成观测方程。
作为优选地，预设时空基准为BDS的时空坐标系，本系统中将GPS时、GLONASS时和Galileo时均转换到BDT时，即统一时空坐标系，其转换公式如公式二十一至公式二十三组成，公式二十一如下所示：
BDT＝GPST-14s；
公式二十二如下所示：
BDT＝GLST-33s+leapseconds；
公式二十三如下所示：
BDT＝GalileoT-14s；
其中，BDT为北斗时，GPST为示GPS时，GLST为GLONASS时，leapseconds表示跳秒累计值，GalileoT为Galileo时，s为单位秒。
作为优选地，在进行坐标转换时，以BDS对应的CGCS2000为准，将其他全球导航卫星系统转换到CGCS2000坐标系下，以GPS坐标系统转换为北斗坐标系统为例，具体转换过程采用七参数转换算法，如下公式二十四所示：
其中，XBDS、YBDS、ZBDS表示北斗导航卫星系统采用的CGCS2000下的直角三维坐标，XGPS、YGPS和ZGPS表示GPS所采用的WGS-84坐标下的直角三维坐标，ΔXGPS、ΔYGPS和ΔZGPS为坐标转换过程中的平移转换参数，λ为尺度转换参数，Rx、Ry和Rz分别为旋转抓换参数。经过以上七参数转换，GPS坐标系统会被转换为北斗坐标系统，其他系统以此类推，最终统一在北斗时空坐标系下进行解算。
通过时空统一模块，可以使用任意一个全球导航卫星系统，也可将全球导航卫星系统组合使用，不用担心因各个全球导航卫星系统的时空坐标系不同造成的数据之间的误差，统一了各个全球导航卫星系统的时空基准，使本发明提供的对流层气象监测系统具有强大的包容性和解算能力。
可选地，还包括多区域预测模块，所述多区域预测模块与所述气象预测模块连接；
所述多区域预测模块用于基于所述PWV数据，通过公式五获取其他区域的PWV数据，根据所述其他区域的PWV数据输出其他区域的气象预报，所述公式五如下所示：
其中，PWVi,j为网格图中点(i,j)处的PWV数据，PWVk为第k个测站的PWV数据，dk为点(i,j)处距离所述第k个测站的距离，c为归一化常数。
具体地，将需要监测的对流层对应的待测地区范围，按照一定的间距生成网格图，网格图以i和j作为横纵坐标，在待测地区范围内，得到一个测站的PWV数据后，根据公式五的反距离加权法进行插值，得到待测地区范围内其他地点的PWV数据，即完成整体待测地区的气象预报。通过公式五的反距离加权法可以快速地、简单地获取整体待测地区地气象预报，不必重复计算，减少了其他区域的计算步骤，节约了系统运行时间。
示例性地，若待测地区范围较小，归一化常数c，可以用欧氏距离表示。
可选地，还包括交互模块，所述交互模块分别与所述数据模块、所述观测方程模块、所述对流层延迟模块、所述气象预测模块、所述时空统一模块以及所述多区域预测模块连接；
所述交互模块用于控制并显示所述数据模块、所述观测方程模块、所述对流层延迟模块、所述气象预测模块、所述时空统一模块以及所述多区域预测模块的工作状态。
在一个实施例中，所述交互模块设有气象面板和参数设置面板，所述气象面板用于显示所述气象预报，所述参数设置面板用于显示所述全球导航卫星系统。
具体地，如图2所示，交互模块可显示其他模块的工作状态和参数信息，采用Qt框架和Echart数据可视化图表库来绘制待测地区PWV数据的实时分布情况，同时标注测站的位置、经度纬度和PWV数据等关键信息，具有较高的可视化效果，交互模块设有任务栏、数据流列表、数据面板、参数设置面板以及气象面板；
任务栏上设有Start按钮、Stop按钮、Add按钮和Delete按钮，Start按钮、Stop按钮分别表示启动计算和终止计算，即，控制各个模块运行和关闭，Add按钮和Delete按钮分别表示增加数据流和删除数据流。
数据流列表用于显示数据流：在任务栏处选择添加的数据流会在此显示，从上到下依次为不同的数据流，从左到右依次为地址和挂载点、解码协议版本、纬度、经度、NTRIP版本、数据量。
数据面板设有log页、ENU页和PWV页，log页用来显示日志信息，包括输出参数估计值、数据流完好状态等信息；ENU页用来显示测站的对流层延迟时间序列，实时更新；PWV页用来显示测站的PWV数据，同样可以实现实时更新。
参数设置面板设有Mode页、Conf页和Output页，Mode页面下可以设置数据源类型、计算模式、定位算法、组合方式等参数，也可以选择使用哪些全球导航卫星系统系统并显示选择的全球导航卫星系统，支持BDS、GPS、GLONASS、Galileo四种系统；Conf页面可以设置坐标文件的路径、天线文件的路径、计算结果输采样间隔等参数；Output页面可以设置输出文件的路径、精密钟差等待时间等参数。
气象面板用于显示气象预报，设有交互功能，基于JavaScript和Echarts编写，绘制了待测地区的地图，可以实时展示待测地区内部的测站和PWV分布，进而对极端天气分析提供参考，例如为分析台风路径、预判台风导致的灾害性降水增量提供直观参考，通过JavaScript和Echarts绘制的气象面板可扩展性强，时间响应速度快，有利于在台风等极端气象条件下迅速及时提供可靠的可视化预警信息；气象面板还可根据实际需求实时更改交互功能，例如，光标可以拖动修改colorbar的范围，也可以放在测站上获取更多测站信息。
可选地，所述交互模块设有拓展接口，所述拓展接口用于根据需求，调用所述数据模块、所述观测方程模块、所述对流层延迟模块、所述气象预测模块、所述时空统一模块以及所述多区域预测模块的数据，实现拓展功能。
具体地，在编写交互模块的内部程序时，交互模块的架构上设有预留的插件接口，即拓展接口，且插件接口与其他模块的架构连接，用于调用其他模块的数据和功能，可根据实际需求编写相应功能，提高了对流层监测系统的拓展性。
可选地，所述数据模块包括获取单元、误差单元、解码单元、预处理单元、改正单元以及整合单元；
所述获取单元用于获取完整的原始观测数据、导航电文、精密钟差轨道改正数、测站坐标和天线文件；
具体地，获取单元通过接收机获取原始观测数据、导航电文、精密钟差轨道改正数，通过本地文件获取测站坐标和天线文件，并检查上述数据是否完整，若上述数据不完整有残缺，则发出对应的数据警报，以保证获取的文件都是完整的，提高气象预报的精准性。
所述误差单元用于处理所述原始观测数据，获得多路径误差、硬件延迟以及观测噪声；
具体地，误差单元处理所述原始观测数据，获得多路径误差、硬件延迟以及观测噪声，便于后续进行计算。
所述解码单元用于将所述原始观测数据和所述精密钟差轨道改正数转化为解码观测数据和解码精密钟差轨道改正数；
具体地，解码单元在获取单元获取了原始观测数据和精密钟差轨道改正数，采用NTRIP协议解码，原始观测数据和精密钟差轨道改正数存储的通用格式为RINEX(ReceiverINdependent Exchange format，与接收机无关的交换格式)，该格式由瑞士伯尔尼大学提出，其初衷是为了解决不同厂商接收机数据格式混乱的问题，目前已成为GNSS测量应用的标准格式，该格式采用文本形式进行储存，可以方便地进行读取、修改、计算。经过解码单元解码后，便可以获取RINEX格式的数据，即解码观测数据和解码精密钟差轨道改正数，便于后续计算。
所述预处理单元用于对所述解码观测数据和导航电文进行周跳探测，获得精准观测数据和精准导航电文，还用于对所述精密钟差轨道改正数进行插值，获得高精度精密钟差轨道改正数；
具体地，周跳是载波相位观测值普遍出现的一种误差情况，卫星信号传播到地面的过程中，受到电离层闪烁、观测环境恶化等各种干扰、遮挡，可能会导致载波相位观测值发生整周周跳，其表现为观测值相较于真实值出现整数的偏移量，带来较大误差。为了获取干净、可靠的数据来支撑后续高精度参数估计，需要对载波相位观测值进行周跳探测处理。
预处理单元采用了Turboedit算法探测周跳，该算法可以理解为MW组合和GF组合两种周跳探测的结合，GF组合又称为电离层残差组合，MW和GF两类周跳探测组合均为双频码相组合法。若MW组合或GF组合在历元间发生超过阈值的变化，则大概率发生了周跳，具体由公式二十五和公式二十六组成，公式二十五如下所示：
公式二十五如下所示：
其中，λ1、λ2为第一、第二频点的频率，P1、P2为第一、第二频点上的伪距观测值，为两个频点上的载波相位观测值，N1、N2为整周模糊度、δI1为第一频点的电离层延迟。
精密卫星轨道一般采样率较低，常见的间隔为15分钟一组坐标，因为卫星运行轨道所受的力大部分为保守力，少量点即可通过内插的方式获取高精度的时序坐标序列。预处理单元采用拉格朗日多项式法，卫星轨道短时间内可以较好地使用多项式拟合，采用10阶多项式法内插的精度可达毫米级，对于精密钟差的内插，由于间隔较短(30s-5s)，所以线性插值即可满足精度要求。具体如下公式二十六所示：
其中ti、tj、tk表示第i、j、k个历元，xk可以表示为第k个历元的X坐标(Y坐标或Z坐标同理)。
预处理单元通过周跳探测为后续组建无电离层观测方程提供了干净、精确的载波相位观测值；通过拉格朗日多项式法进行轨道插值提高了卫星轨道的采样率，确保了组建无电离层组合观测方程时，每一个历元都有可用的卫星坐标，保证了对流层监测预报的顺利进行，高精度精密钟差轨道改正数固定了卫星端的待估参数，解决了秩亏的问题，让方程的剩余参数可估。
所述改正单元用于对所述天线文件进行相位改正，获得天线改正量；
具体地，接收全球导航卫星系统信号的接收机的天线，其几何中心和信号接收中心并不完全重合，为了提高定位精度，需要对这一差别进行改正，称之为天线相位改正。同一型号的天线的改正参数一致，由此可建立天线改正文件(天线文件)来记录该天线在不同方位角和高度角的改正量。天线文件包含两部分：平均相位中心偏差(PCO)和瞬时相位中心变化(PCV)。IGS提供了天线相位中心的改正模型，可以从IGS的ftp服务器获得，绝对天线相位中心的定标精度可以达到1～2mm。
改正单元采用公式二十七进行改正，公式二十七如下所示：
其中，ΔR表示接收机在直角坐标系下的改正分量，即天线改正量，ΔN、ΔE、ΔU分别表示天线改正文件同初始站心坐标三分量改正数，B和L分别表示测站所在的经度和纬度。
应该注意地是，卫星也需要进行天线改正，但是卫星端的天线改正和接收机端的原理类似，在此不过多赘述。
所述整合单元用于整合所述测站坐标、所述多路径误差、所述硬件延迟、所述观测噪声、所述精准观测数据、所述精准导航电文、所述高精度精密钟差轨道改正数以及所述天线改正量为所述对流层数据。
具体地，经过获取单元、误差单元、解码单元、预处理单元和改正单元对获取的原始观测数据、导航电文、精密钟差轨道改正数、测站坐标和天线文件处理后，整合单元可以得到干净、精确的数据参数，为后续观测方程模块获取无电离层观测方程、对流层延迟模块获取对流层延迟数据、气象预测模块根据PWV数据输出气象预报提供了坚实的数据基础。
可选地，还包括日志模块，所述日志模块分别与所述数据模块、所述观测方程模块、所述对流层延迟模块以及所述气象预测模块连接；
所述日志模块用于记录所述数据模块、所述观测方程模块、所述对流层延迟模块以及所述气象预测模块的数据计算信息并输出计算日志。
具体地，日志模块记录每个模块的计算信息、计算过程和计算时间等信息，并生成计算日志，以便后续调查。日志模块还与交互模块连接，将计算日志发送到交互模块中，交互模块可调用计算日志。
在一些实施例中，本发明提供的对流层气象监测系统，包括硬件设备和软件，硬件设备包括接收机、天线、网络传输设备、服务器和显示设备，软件采用C++/C语言编写，基于BNC、RTKlib、Echarts、Qt开发，可在Windows、Linux等主流操作系统上运行。
在另一个实施例中，如图3所示，本发明提供了一种对流层气象监测方法，包括：
步骤S1，通过全球导航卫星系统实时获取对流层数据；
具体地，通过数据模块可选用四个全球导航卫星系统中的任意一种或几种组合，实时获取对流层数据，通过数据模块获取的对流层数据是完整干净且精确的，为后续计算和推演气象预报起到了坚实的奠定作用。
步骤S2，处理所述对流层数据，获取无电离层观测方程；
具体地，获取的对流层数据具有电离层误差和相关性问题，需要观测方程模块去除电离层误差和相关性问题，避免电离层低阶项对获取对流层延迟数据的影响。
步骤S3，通过卡尔曼滤波算法处理所述无电离层观测方程，获取对流层延迟数据；
具体地，通过本发明的对流层延迟模块采用卡尔曼滤波算法，无需保存大量的历史数据，计算效率更高，适用于实时系统，此外，固定了测站坐标参数，不将测站坐标作为待估参数求解，而且在每个历元都将测站坐标直接作为待估参数通过卡尔曼滤波算法进行估计，可以减少待估参数总量，节约计算时间，提高了对流层估计的可靠度。
步骤S4，将所述对流层延迟数据转化为PWV数据，并根据所述PWV数据输出气象预报。
具体地，PWV数据为大气可降水量，在气象预测模块通过其内部的平均加权温度模型，将对流层延迟湿分量转换为PWV数据，即可获得待测地区的大气可降水量，根据大气可降水量制作气象预报，具有精准无误的特性，对于预防极端天气有着极其重要的作用。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(RandomAccessMemory，RAM)等。在本申请中，所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
虽然本发明披露如上，但本发明的保护范围并非仅限于此。本领域技术人员在不脱离本发明的精神和范围的前提下，可进行各种变更与修改，这些变更与修改均将落入本发明的保护范围。
Claims (10)
1.一种对流层气象监测系统，其特征在于，包括数据模块、观测方程模块、对流层延迟模块以及气象预测模块，所述数据模块、所述观测方程模块、所述对流层延迟模块以及所述气象预测模块顺次连接；
所述数据模块用于通过全球导航卫星系统实时获取对流层数据；
所述观测方程模块用于处理所述对流层数据，获取无电离层观测方程；
所述对流层延迟模块用于根据所述无电离层观测方程，通过卡尔曼滤波算法获取对流层延迟数据；
所述气象预测模块用于将所述对流层延迟数据转化为PWV数据，并根据所述PWV数据输出气象预报。
2.根据权利要求1所述的对流层气象监测系统，其特征在于，所述对流层延迟模块包括矩阵单元和递推单元，所述矩阵单元和所述递推单元连接；
所述矩阵单元用于根据公式一将所述无电离层观测方程转化为线性矩阵，所述公式一如下所示：
L＝BX；
其中，L为观测量向量，由公式二获得；B为设计矩阵，由公式三获得；X为待估参数向量，由公式四获得；所述公式二如下所示：
所述公式三如下所示：
所述公式四如下所示：
其中，lp为伪距观测值，lφ为载波相位观测值，s为时间，n为预设值，x,y,z分别为坐标，dtr为钟差，ztd为对流层延迟，为模糊度；
所述递推单元用于通过卡尔曼滤波算法递推处理所述线性矩阵，获取所述对流层延迟数据。
3.根据权利要求1所述的对流层气象监测系统，其特征在于，还包括时空统一模块，所述时空统一模块与所述观测方程模块连接；
所述时空统一模块用于获取所述对流层数据来源的全球导航卫星系统的时空坐标系，根据预设时空基准将所述时空坐标系转换为统一时空坐标系；
所述观测方程模块还用于在所述统一时空坐标系下处理所述对流层数据，获取所述无电离层观测方程。
4.根据权利要求3所述的对流层气象监测系统，其特征在于，还包括多区域预测模块，所述多区域预测模块与所述气象预测模块连接；
所述多区域预测模块用于基于所述PWV数据，通过公式五获取其他区域的PWV数据，根据所述其他区域的PWV数据输出其他区域的气象预报，所述公式五如下所示：
其中，PWVi,j为网格图中点(i,j)处的PWV数据，PWVk为第k个测站的PWV数据，dk为点(i,j)处距离所述第k个测站的距离，c为归一化常数。
5.根据权利要求4所述的对流层气象监测系统，其特征在于，还包括交互模块，所述交互模块分别与所述数据模块、所述观测方程模块、所述对流层延迟模块、所述气象预测模块、所述时空统一模块以及所述多区域预测模块连接；
所述交互模块用于控制并显示所述数据模块、所述观测方程模块、所述对流层延迟模块、所述气象预测模块、所述时空统一模块以及所述多区域预测模块的工作状态。
6.根据权利要求5所述的对流层气象监测系统，其特征在于，所述交互模块设有拓展接口，所述拓展接口用于根据需求，调用所述数据模块、所述观测方程模块、所述对流层延迟模块、所述气象预测模块、所述时空统一模块以及所述多区域预测模块的数据，实现拓展功能。
7.根据权利要求1所述的对流层气象监测系统，其特征在于，所述数据模块包括获取单元、误差单元、解码单元、预处理单元、改正单元以及整合单元；
所述获取单元用于获取完整的原始观测数据、导航电文、精密钟差轨道改正数、测站坐标和天线文件；
所述误差单元用于处理所述原始观测数据，获得多路径误差、硬件延迟以及观测噪声；
所述解码单元用于将所述原始观测数据和所述精密钟差轨道改正数转化为解码观测数据和解码精密钟差轨道改正数；
所述预处理单元用于对所述解码观测数据和导航电文进行周跳探测，获得精准观测数据和精准导航电文，还用于对所述精密钟差轨道改正数进行插值，获得高精度精密钟差轨道改正数；
所述改正单元用于对所述天线文件进行相位改正，获得天线改正量；
所述整合单元用于整合所述测站坐标、所述多路径误差、所述硬件延迟、所述观测噪声、所述精准观测数据、所述精准导航电文、所述高精度精密钟差轨道改正数以及所述天线改正量为所述对流层数据。
8.根据权利要求1所述的对流层气象监测系统，其特征在于，还包括日志模块，所述日志模块分别与所述数据模块、所述观测方程模块、所述对流层延迟模块以及所述气象预测模块连接；
所述日志模块用于记录所述数据模块、所述观测方程模块、所述对流层延迟模块以及所述气象预测模块的数据计算信息并输出计算日志。
9.根据权利要求5所述的对流层气象监测系统，其特征在于，所述交互模块设有气象面板和参数设置面板，所述气象面板用于显示所述气象预报和所述其他区域的气象预报，所述参数设置面板用于显示所述全球导航卫星系统。
10.一种对流层气象监测方法，其特征在于，包括：
通过全球导航卫星系统实时获取对流层数据；
处理所述对流层数据，获取无电离层观测方程；
通过卡尔曼滤波算法处理所述无电离层观测方程，获取对流层延迟数据；
将所述对流层延迟数据转化为PWV数据，并根据所述PWV数据输出气象预报。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310538851.0A CN116794752A (zh) | 2023-05-12 | 2023-05-12 | 一种对流层气象监测系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310538851.0A CN116794752A (zh) | 2023-05-12 | 2023-05-12 | 一种对流层气象监测系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116794752A true CN116794752A (zh) | 2023-09-22 |
Family
ID=88038293
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310538851.0A Pending CN116794752A (zh) | 2023-05-12 | 2023-05-12 | 一种对流层气象监测系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116794752A (zh) |
-
2023
- 2023-05-12 CN CN202310538851.0A patent/CN116794752A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Schüler | On ground-based GPS tropospheric delay estimation | |
| CN109001382B (zh) | 一种基于cors的区域大气水汽实时监测方法及系统 | |
| Dodson et al. | Wet tropospheric effects on precise relative GPS height determination | |
| Lu et al. | Estimation and evaluation of real-time precipitable water vapor from GLONASS and GPS | |
| Deblonde et al. | Evaluation of GPS precipitable water over Canada and the IGS network | |
| Alshawaf et al. | Accurate estimation of atmospheric water vapor using GNSS observations and surface meteorological data | |
| He et al. | Precipitable water vapor converted from GNSS-ZTD and ERA5 datasets for the monitoring of tropical cyclones | |
| CN109917494A (zh) | 降雨预报方法、装置、设备和存储介质 | |
| Zhang et al. | An analysis of multisource tropospheric hydrostatic delays and their implications for GPS/GLONASS PPP-based zenith tropospheric delay and height estimations | |
| Du et al. | Improved GPT2w (IGPT2w) model for site specific zenith tropospheric delay estimation in China | |
| 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 | |
| Marut et al. | Monitoring the water vapor content at high spatio-temporal resolution using a network of low-cost multi-GNSS receivers | |
| CN115980317B (zh) | 基于修正相位的地基gnss-r数据土壤水分估算方法 | |
| Ning et al. | High-temporal-resolution wet delay gradients estimated from multi-GNSS and microwave radiometer observations | |
| CN112666634A (zh) | 一种降水量预测方法及系统 | |
| CN116794682A (zh) | 一种水汽实时反演方法、装置、电子设备及存储介质 | |
| Liu et al. | The impact of different mapping function models and meteorological parameter calculation methods on the calculation results of single-frequency precise point positioning with increased tropospheric gradient | |
| Innerkofler et al. | GNSS radio occultation excess-phase processing for climate applications including uncertainty estimation | |
| Wielgosz et al. | Research on GNSS positioning and applications in Poland in 2015–2018 | |
| CN116794752A (zh) | 一种对流层气象监测系统及方法 | |
| Tunalı | Water vapor monitoring with IGS RTS and GPT3/VMF3 functions over Turkey | |
| Das et al. | Detection of thunderstorm using Indian navigation satellite NavIC | |
| Tang et al. | PPP-derived tropospheric ZWD augmentation from local CORS network tested on bridge monitoring points | |
| Douša et al. | Advanced GNSS processing techniques (working group 1) | |
| CN112666575A (zh) | 一种基于北斗geo卫星的电离层异常扰动探测方法 |
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 |