利用多源数据构建PWV混合模型
高精度和高时空分辨率的大气可降水量(precipitable water vapor,PWV)信息对于极端天气研究具有重要作用.传统的单一水汽探测技术获取的PWV因其系统设计的局限性存在精度差、时空分辨率低等缺陷.针对该问题,提出了一种基于多源数据的混合模型——全球温度气压湿度(global pressure and temperature 2 wet,GPT2w)+球谐函数(spherical harmonic function,SHF)+多项式拟合(polynomial fitting,PF),简称 GSP模型.该模型通过GPT2w计算PWV的初始值,利用SHF拟合PWV的偏差序列,利用PF对模型偏差进行校正,并引入Bartlett检验确定GSP模型中多源数据的最优权值.选取2014年中国云南省26个全球导航卫星系统(global navigation satellite system,GNSS)测站和 37 个欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasting,ECMWF)气候再分析数据集(ECMWF reanalysis-interim,ERA-Interim)格网点(1°×1°)的数据为例,建立GSP模型并进行验证,发现GSP模型较传统PF模型的精度提升率为15%~18%.以ECMWF第5代气候再分析数据集(ECMWF reanalysis v5,ERA5)提供的PWV格网数据(0.25°×0.25°)为参考,GSP模型的平均均方根误差和偏差分别为1.64 mm、-0.25 mm.上述结果表明GSP模型具有较高的精度,对于极端天气预警具有重要作用.
GNSS、PWV、多源数据融合、GSP
47
P228(大地测量学)
陕西省教育厅服务地方专项科研计划项目;中国博士后科学基金;国家自然科学基金
2023-01-12(万方平台首次上网日期,不代表论文的发表时间)
共10页
1823-1831,1846