溫度與天氣對IGS跟蹤站聯測的殘差影響分析

楊成林,徐白山,韓中含

(東北大學 資源與土木工程學院,遼寧 沈陽 110819)

0 引 言

全球定位系統(GPS)的快速發展,促使了高精度數據處理軟件的誕生,由于GAMIT/GLOBK軟件方便快捷,既能滿足規范要求,又能提高精度指標,已成為高精度基線解算的主要方法之一[1]．利用GAMIT/GLOBK軟件進行聯測過程中,一年的數據往往存在季節性周期變化．會造成基準站標準化均方根誤差平均值(NRMS)過大、基線分量偏差升高,從而影響基準站聯測的準確性,對基于高精度基線處理的基準站穩定性分析精度也會造成較大影響[2]．因此,研究影響聯測精度的因素,避免季節性周期變化的影響成為了一個亟待解決的問題．為了監控在關東東部,日本中部地區的地殼形變,已經開始了高精度基線解算,分別估計為±4.6 mm/a 和±3.5 mm/a的北向和東向分量[3]．通過分析1999年至2001年25個站點的GPS基準網的日常連續數據,檢測出幅度為3～10 mm的季節性高度變化[4]．文獻[5-7]對不同國際全球衛星導航系統(GNSS)服務(IGS)站個數及分布情況對聯測結果的影響進行了系統分析,獲得了最合適的聯測站點個數及網形分布．文獻[8-10]對不同參數的影響進行了對比分析,得出最優參數選擇的應用結論．文獻[11-12]對跟蹤站坐標解算情況進行了深入研究,取得了較好的效果．

上述研究成果主要是針對不同IGS站聯測個數與分布情況進行處理,從而解決了基準站的選取對解算結果影響的問題．而分析影響GAMIT軟件聯測精度的因素研究相對較少．基于此本文采用GAMIT/GLOBK軟件對2018年CHAN站的與接收機無關的交換格式數據(Rinex)進行了高精度基線處理,以NRMS值作為衡量處理效果的判定依據,對溫度變化、雨雪天氣與聯測殘差的關系進行總結,探索影響聯測精度的因素,進一步提高聯測精度,旨在為基于高精度基線解算基線處理提供實際參考．

1 高精度基線解算處理

1.1 GMAIT/GLOBK軟件

GAMIT/GLOBK軟件是目前GPS高精度基線解算軟件中,應用頻率最高的軟件．該軟件是由美國麻省理工學院(MIT)和SCRIPPS海洋研究所(SIO)共同開發的GPS數據處理軟件,是國際上最優秀的GPS定位和定軌數據處理分析軟件之一．

1.2 更新tables

GAMIT軟件安裝后第一次使用,需要將tables文件夾下的所有文件更新,根據自身情況選擇需要的文件數據進行更新．更新GAMIT的相關表文件參數,如表1所示

表1 GAMIT/GLOBK軟件的主要表文件

1.3 處理結果

通過對生成的o文件、q文件、h文件、sh_gamit_XXX.summary文件進行查看,可得到解算的情況．

2 基線解算結果及精度評定指標

IGS跟蹤站聯測精度的變化對高精度GPS數據處理至關重要,為了探討影響IGS站聯測精度的因素,選取CHAN站2018年數據進行實驗,并采用2017年數據進行檢核,基線結果的評價指標選擇NRMS值．NRMS值代表聯測精度指標,值越小,聯測效果越好．

對于從歷元的模糊度解算中得出的殘差,可以采用單時段解算出的基線值偏離其加權值的程度得到,標準化均方根誤差可進一步表示為

(1)

式中:NRMS為標準化均方根誤差值;N為基線單日解的數目;n為觀測天數;Yi為第i日的基線值;Y為單天解的基線值的加權平均值;σi是各單日解基線值的方差．

3 溫度、天氣與IGS站聯測精度的關系

打開sh_gamit_XXX.summary文件夾,查看結果文件．未知點CHAN站與聯測4個IGS(BJFS、DAEJ、SHAO、ULAB)站點位置如圖1所示．

圖1 未知CHAN站與聯測IGS站的位置圖

記錄2018年CHAN站每天平均溫度的變化與結果文件中NRMS值的變化趨勢,如圖2、圖3所示．

圖2 CHAN站2018年平均溫度變化趨勢

圖3 CHAN站2018年NRMS值變化趨勢

對2018年每天平均溫度變化與NRMS值進行分析,總結溫度變化與NRMS值的關系,如圖4所示．

圖4 CHAN站2018年平均溫度變化與NRMS值的相關性

結果表明:NRMS值隨溫度的升高而減小,不論是線性擬合還是非線性擬合,相關性都超過60%,說明聯測殘差受溫度影響較大,且與溫度呈負相關趨勢．

2018年,長春地區降雨降雪情況如表2所示．

表2 2018年CHAN站地區雨雪天氣統計

對2018年長春地區的降雨降雪情況與CHAN站的NRMS值進行總結,圖5示出了雨雪天氣與非雨雪天氣的NRMS值對比．圖6示出了降雨、降雪天氣的解算結果比較．

圖5 雨雪天氣與非雨雪天氣NRMS值對比圖

圖6 雨雪天氣NRMS值對比圖

結果表明:雨雪天氣較非雨雪天氣聯測效果較差,相差0.5 mm左右．降雪天氣由于溫度低、觀測環境差等原因,聯測效果最差,故應盡量避免雨雪天氣進行高精度聯測任務．

平均溫度變化影響測量殘差或由儀器設備所處環境與標準溫度均有偏差,一般設備標準溫度設為20°C,當氣溫較低時,溫差較大,故聯測殘差影響較大;雨雪天氣影響測量殘差或由于雨雪天氣地面積水或積雪影響衛星信號傳播路徑,從而產生干涉時延效應,影響衛星搜索,使聯測殘差值受到影響升高．

4 檢核實驗結果

為了避免由于選取一年數據進行實驗產生的偶然性,再次選取2017年CHAN站數據進行聯測．由于2017年上半年SHAO站數據存在缺失,故采用BJFS、DAEJ、ULAB三站進行聯測．再次記錄2017年CHAN站每天平均溫度的變化與結果文件中NRMS值的變化趨勢,如圖7、圖8所示．

圖7 CHAN站2017年平均溫度變化趨勢

圖8 CHAN站2017年NRMS值變化趨勢

2017年CHAN站每天平均溫度變化與NRMS值關系如圖9所示．

圖9 CHAN站2017年溫度與NRMS值的相關性

2017年,長春地區降雨降雪情況如表3所示．

表3 2017年CHAN站雨雪天氣統計

對2017年長春地區的降雨降雪情況與CHAN站的NRMS值進行總結,圖10示出了雨雪天氣與非雨雪天氣的解算結果對比．圖11示出了降雨、降雪天氣的NRMS值比較．

圖10 雨雪天氣與非雨雪天氣NRMS值對比圖

圖11 雨雪天氣NRMS值對比圖

結果表明:CHAN站2017年與2018年實驗結果趨勢相同,再次印證了上述結論:平均溫度變化、天氣情況是影響聯測殘差的兩項因素．由于儀器設備標準溫度與全年溫度變化產生的溫差較大,使NRMS值隨溫度的升高而降低,即聯測精度隨溫度的升高而提高．由于受大氣層的影響,雨雪天氣情況下地面積水或積雪影響衛星信號傳播路徑,導致聯測效果較差,雨雪天氣較非雨雪天氣NRMS值相差0.5 mm左右．故進行聯測任務時,應避免在低溫和雨雪天進行工作．

5 結束語

本文以高精度GPS數據處理軟件GAMIT/GLOBK為工具,我國東北地區周圍4個質量較好的IGS站為基礎,對數據進行處理與分析,對2018年CHAN站數據進行GAMIT基線解算,進行殘差的分析并研究高精度基線聯測與平均溫度變化、雨雪天氣的關系:

1)從2018年解算數據中,平均溫度變化是影響IGS跟蹤站聯測殘差的一項主要因素,與NRMS值呈負相關;雨雪天氣是影響IGS跟蹤站聯測殘差的另一項因素,雨雪天氣較非雨雪天氣NRMS值相差0.5 mm左右．

2)利用2017年CHAN站數據進行檢核,避免由于選取一年數據產生的偶然性．2017年,長春測區聯測殘差與2018年趨勢相同,符合溫度越高,觀測效果越好的結論．故進行高精度聯測時,應盡量選擇平均溫度較高,非雨雪天氣情況下進行．

3) IGS跟蹤站聯測精度,不只受溫度、天氣兩因素的影響,其他因素有待進一步研究．