排序方式: 共有26条查询结果,搜索用时 15 毫秒
1.
近年来, 节假日效应带来的环境负担日趋严重,PM2. 5在节假日期间的浓度预测工作变得尤为重要。考虑气象因素、大气污染物以及大气可降水量(PWV)等数据影响, 基于桂林电子科技大学尧山校区、桂林市环境监测站、龙隐小学和桂林市第八中学4 个空气质量监测站点在2014—2019 年春节期间的PM2. 5浓度变化情况, 分别比较多元线性回归模型、神经网络模型和ARIMA 模型的适用性。结果表明: 对整月预测而言, 多元线性回归模型在电子科大尧山校区预测适用性最佳, 神经网络模型在环境监测站、龙隐小学和第八中学预测效果最好; 对春节前后各一周时段预测结果来说, 多元线性回归模型在桂林电子科技大学尧山校区、龙隐小学和第八中学站点预测精度最高, ARIMA 模型在监测站预测精度最高。 相似文献
2.
为了探究GPS 卫星频段、高度角范围、海平面风速和潮位差等因素对GPS-MR 海平面高度反演的影响, 利用美国大陆板块边界观测计划(PBO)的GPS 观测数据进行实验, 并与美国海洋和大气局(NOAA)提供的验潮站数据进行验证。结果表明, 对于该GPS 测站, 选择5° ~15°的高度角区间、信噪比较高的L1频段时反演精度最优, 均方误差为0. 14 m, 相关系数为0. 96; 合适的高度角区间(5°~10°)能有效增加反演个数, 且该方法受风速和潮位差影响较小。因而, GPS-MR 海平面高度反演方法可以作为海平面高度监测的有效补充。 相似文献
3.
GPT2w是一种全球经验对流层延迟模型,具有1°和5°格网分辨率,可用于计算对流层天顶延迟(ZTD)和加权平均温度(T_m)。本文以广西地区的陆态网GNSS数据计算的ZTD值及探空站实测气象资料值计算的T_m值作为参考,对GPT2w模型进行适用性评估。结果表明:GPT2w模型的ZTD表现出显著的季节偏差,且其两种格网分辨率计算的年均值和RMS基本一致,年均RMS优于4.5 cm;GPT2w模型的T_m偏差也存在较明显的季节特性,且表现出一定的系统偏差。两种分辨率格网计算的T_m值精度相当,年均RMS优于3.4 K。 相似文献
4.
利用IGS站及实测气象参数的Saastamoinen模型来评估EGNOS天顶对流层延迟模型在新疆的精度,研究表明:(1)在新疆地区,EGNOS模型与IGS站数据符合较好,guao站BIAS为0.9mm,RMS为1cm;(2)EGNOS模型与实测气象参数的Saastamoinen模型比较分析后发现,两者之间平均BIAS为-7.9mm,RMS为1.62cm,BIAS随纬度的增加由负值变为正值,EGNOS模型精度在新疆地区随高程变化稳定,在高程较低处也能保证一定的精度,与其他同纬度不同高程的IGS站相比较,EGNOS模型精度在新疆地区优于其他地区;(3)与ECMWF资料计算的ZTD比较,EGNOS模型RMS优于ECMWF 近3.6cm。 相似文献
5.
6.
7.
利用美国南加州地区多个 IGS站 4年天顶对流层延迟 (ZTD)数据,建立了一种不需要实测气象参数而只与测站高程和年积日有关的区域天顶对流层延迟模型。新模型与基于 ECMWF再分析资料和年平均气象参数下的 Saastamoinen模型相比,其稳定性和精度都优于 Saastamoinen模型,且模型精度随高程的增加而增加。使用新模型预测 2012年南加州地区 ZTD,其整体精度约为 3.86cm。 相似文献
8.
利用 IGS站及实测气象参数的 Saastamoinen模型来评估 EGNOS天顶对流层延迟模型在新疆的精度,研究表明:(1)在新疆地区,EGNOS模型与 IGS站数据符合较好,guao站 BIAS为 0.9mm,RMS为 1cm;(2)EGNOS模型与实测气象参数的 Saastamoinen模型比较分析后发现,两者之间平均 BIAS为 -7.9mm,RMS为 1.62cm,BIAS随纬度的增加由负值变为正值,EGNOS模型精度在新疆地区随高程变化稳定,在高程较低处也能保证一定的精度,与其他同纬度不同高程的 IGS站相比较,EGNOS模型精度在新疆地区优于其他地区;(3)与 ECMWF资料计算的 ZTD比较,EGNOS模型 RMS优于 ECMWF近 3.6cm。 相似文献
9.
10.
由于桂林地区地基GNSS站并未配置气象传感器,致使大量GNSS观测数据无法在大气水汽(PWV)监测中发挥作用.针对这一情况,本文将欧洲中期天气预报中心(ECMWF)最新发布的ERA5再分析资料中测站处的气压和温度气象数据加入到GNSS水汽反演中,并将反演结果与利用地面气象站反演的GNSS水汽做对比,以此评估ERA5在桂林地区反演GNSS水汽的精度和适用性.结果表明:1)以桂林地区2017年10个地面气象站的实测气压和温度数据为参考值,ERA5地表气压和温度的年均偏差分别为-0.35 hPa和0.86 K,年均均方根误差(RMSE)分别为0.65 hPa和1.66 K,该精度可用于GNSS水汽反演;2)以2017年6—7月GNSS利用地面气象站反演的PWV为参考值,ERA5反演的GNSS PWV的偏差和RMSE分别为0.17 mm和0.35 mm,且两者具较好的相关性和一致性.由此表明,ERA5地表温压产品可应用于桂林地区GNSS水汽反演,这些研究结果可为桂林地区的GNSS水汽反演及数据源的选用提供重要的参考依据. 相似文献