基于奇异谱分析的地基GPS反演可降水量可行性分析

对微波辐射计观测与地基GPS反演的可降水量数据分1个长时段和2个短时段进行奇异谱分析,提取两种数据在不同时段的主体趋势及周期项,验证地基GPS反演可降水量的可行性。结果表明,与微波辐射计观测数据相比,地基GPS反演可降水量数据均方根误差在2 mm左右,主体趋势具有较强的相关性,周期相同或相近,利用地基GPS反演可降水量是可行的。     

中国沿海地基GPS水汽反演精度分析

利用无线电探空和地基水汽辐射计的观测数据,对中国沿海GPS观测网9个观测站反演的1 h间隔可降水量进行对比分析。与无线电探空结果相比,地基GPS反演可降水量的年相关系数在0.95以上,平均偏差自北向南呈逐渐增大的趋势。除西沙站外,其他站的年平均偏差在2 mm之内,均方差在3 mm之内,且平均偏差和均方差存在季节性变化。与地基水汽辐射计结果相比,地基GPS反演可降水量同样具有很好的正相关,同步观测期间两者相关系数为0.989,两者的平均偏差为1.84 mm,偏差的均方差为2.06 mm,且7～9月的月均方差较大。     

局部SVT算法的遥感反演场数据恢复实验分析

 遥感反演场数据会由于云雾、地物的遮挡,传感器性能等原因造成部分区域数据的缺失而影响遥感反演场数据的应用。矩阵填充理论针对低秩矩阵,利用矩阵的低秩性,即数据的高相关性,可以高精度地对低秩矩阵中的缺值数值进行恢复,其中矩阵填充理论中的SVT(Singular Value Thresholding)算法可以对矩阵中缺失数值进行快速、高精度的估计,应用广泛。本文应用矩阵填充理论的SVT算法,以缺值点为中心,方差最小作为窗口尺度选择的标准,这样可以保证区域数据的高相关性,建立局部窗口,对窗口进行SVT算法填充。本文也针对相同缺值区域进行了距离反比加权插值、Kriging插值法插值和整体SVT算法插值,整体SVT算法插值即并未对缺值点进行相关性窗口判断,而是直接对整个区域进行SVT填充。并对这几种方法的精度进行比较,得到局部SVT算法的精度相比整体SVT算法和距离反比加权插值算法的精度要高,与Kriging算法相比,其精度变化趋势相似,在锋面区域局部SVT算法精度比Kriging方法要高。     

基于RegEM算法的GPS坐标时间序列插值应用分析

将一种基于数据驱动的RegEM算法引入GPS坐标时间序列插值中,分别采用模拟不同比例连续缺失数据与实测含缺失数据,比较RegEM与拉格朗日方法、三次样条方法、正交多项式方法的插值效果与性能。结果表明,对于模拟不同比例连续缺失数据,RegEM算法插值效果均优于传统方法,且在大量数据连续缺失的情况下效果最优;对于实测含缺失数据,RegEM方法插值所得序列保留方差最大化效果最好,约为正交多项式方法的1.17倍、三次样条方法的1.38倍。     

北极黄河站区GPS可降水量的特征分析

利用GPS遥感的可降水量、气象数据、探空数据及降雪资料,分析中国北极黄河站区的可降水量特征,得出可降水量与地面水汽压的转换模型;分析可降水量、露点温度差、水汽压在强降雪天气中的变化特征,研究强降雪天气过程中的探空层结构,有助于利用GPS可降水量预报雨雪天气。     

新疆地区GGOS Atmosphere加权平均温度的精化

绝大多数地基GPS站观测时未进行测站上空气象观测,导致无法获得精确的大气加权平均温度(GTm),限制了地基GPS遥感水汽的应用。基于此,本文分析了利用GGOS Atmosphere Tm格网数据获取新疆地区加权平均温度（Tm）的方法。利用无线电探空资料评估由GGOS Atmosphere加权平均温度格网数据计算得到的GTm的精度,通过考虑季节和地理变化的精化模型对GTm进行改正。结果表明,利用平均值插值方法得到的GTm经过精化模型改正后,可以满足新疆地区地基GPS精密遥感水汽的要求。     

地基GPS探测水汽的发展与气象业务应用

介绍了地基GPS探测大气可降水量在国内外的发展、灾害性天气监测分析预报、中尺度数值预报模式初始场、全球气候变化的监测和分析、人工影响天气作业、三维水汽场层析分析以及GPS探测水汽在气象领域中应用的现状.     

广西非气象参数Tm模型研究

通过分析广西4个探空站资料，结合GGOS Atmosphere格网Tm数据，建立随高程增大的温度递减率模型。根据温度递减率模型分别采用反距离加权法、双线性插值法、新反距离加权法和新双线性插值法计算探空站Tm，通过分析插值误差建立广西非气象参数Tm模型，并与Bevis模型、中国东部模型、广西模型进行比较。结果表明，温度递减率模型的Tm插值精度相对其他3种模型有比较明显的提升，4种方法的平均绝对误差（MAE）和均方根误差（RMSE）在1~2 K之间；广西非气象参数Tm模型的插值精度得到进一步提高，百色站的MAE约为2 K，其余站点的MAE和RMSE均在1 K左右，能满足可降水量反演的精度要求。     

基于TRMM数据的福建省降水时空格局BME插值分析

传统空间插值方法可获得福建省区域内降水的总体分布,但该地区气象站点较稀疏且分布不均,导致该区域内降水的空间插值结果误差较大。为提高插值精度,本文利用TRMM卫星数据以弥补站点数据的不足,尝试将TRMM数据作为"软数据"、台站数据作为"硬数据",两者相结合后采用贝叶斯最大熵(Bayesian Maximum Entropy,BME)方法对福建省降水的时空格局进行分析。以2000-2012年近13年20个气象站点的年降水量和月降水量为基础数据,分别利用普通克里格法(Ordinary Kriging,OK)和TRMM为"软数据"的BME插值法,分析福建省多年降水的时空分布格局,并对2种方法的插值结果进行比较。结果表明:在时空分布上,以TRMM数据为辅助变量的贝叶斯最大熵插值结果能更好地体现降水的局部差异特征;在误差评价上,以TRMM数据为辅助变量的贝叶斯最大熵插值结果的MAE和RMSE较小,表明TRMM数据作为"软数据"参与插值的BME方法可以在一定程度上弥补站点数据的不足,有效降低预测结果的绝对误差。通过对福建省降水插值的时空分布格局分析和误差评价可看出,BME插值法通过对基础台站数据,以及TRMM卫星产品数据的利用,使降水的时空分析结果更加真实客观,同时,为TRMM卫星降水数据的应用提供了一个新思路。     

GPS气象预报的可行性分析

基于中国区域5个IGS跟踪站的实测GPS数据,利用Bernese 4.2软件反演了部分典型测站上空的可降水量,并分析了该降水量变化与降雨之间的关系,探讨了将GPS应用于气象预报的可行性.     

���ڲ�ֵ��ѹ��GPS���ݴ����ɽ�ˮ���о�

????GPS?????????????(PWV)??????????????????????????SA????????????????GPS???????????????????GPS????????????????????????θ???????????????ù??????????????????????????С??100 m???????????????????μ????????????Saastamoinen?????????????????????????????????IGS???BJFS??KUNM??LHAZ??TWTF??????????????????????????????????GPS PWV????????????????????RS PWV?????ж???????????????????????????θ???????????????????GPS PWV??RS PWV??????????????1~3 mm?????????????????????????????????GPS????PWV??     

基于小波变换的GPS水汽与气象要素相关性分析

利用北京市GPS连续观测资料结合气象资料开展GPS水汽与气象要素的相关性分析。首先使用GAMIT软件解算2009-06-01~2012-04-30的北京GPS连续观测网观测数据并结合气压数据获得测站水汽序列;然后用小波变换方法对GPS水汽、温度和气压数据进行分解与重构,并对重构后的数据进行相关性分析。GPS水汽序列的变化趋势与温度呈显著正相关,与气压呈显著负相关。水汽和气压存在年周期和半年周期变化,两者存在显著负相关特性;温度有年周期变化,水汽和温度在d13重构结果的相关性最好,存在显著正相关特性。     

基于小波变换的河北省GPS PWV与PM2.5的相关性分析研究

以2014-01~03的河北省GPS和PM2.5观测数据为例,利用小波变换方法开展GPS水汽和PM2.5浓度的相关性分析。结果表明,低频系数重构的GPS水汽与PM2.5浓度序列较好地反映了两者之间的正相关特性;D7高频信号（128~256 h）及D7与D6高频信号（64~256 h）重构的GPS水汽与PM2.5浓度的相关性较原始序列的相关性有较大提高;对于持续7 d的重度雾霾过程,由第7层和第6层高频系数重构的GPS水汽序列与PM2.5浓度序列的相关性达到0.890;不同时刻水汽变化对PM2.5浓度观测的影响,在水汽变化波动较大时段,水汽与PM2.5浓度的相关性为正;对于水汽变化波动较小时段,由于水汽与PM2.5浓度峰值时刻的差异,水汽与PM2.5浓度序列的相关性则不明显。     

台风期间PWV与降雨量的相关性分析

基于2015~2017年台湾地区“苏迪罗”、“鲇鱼”、“海棠”等3次台风事件,利用地基GPS数据反演得到大气可降雨量（PWV）,初步分析台风期间PWV与降雨量的关系,并利用交叉小波和小波相干进一步分析PWV与降雨量的时空变化规律。结果表明,台风发生期间,PWV总体呈先上升后下降的趋势,波动性剧烈;降雨发生时,PWV一定发生剧烈变化;在研究时域内,PWV与降雨量存在很强的正相关关系,相关系数达到0.7,PWV超前降雨量变化,PWV变化后的0~3 h发生强降雨。研究PWV与降雨量的时空变化特征可为短时降雨预报提供参考。