GNSS大氣加權平均溫度經驗模型精化方法的建立和分析

楊 飛，郭際明，陳 明，章 迪

1. 中國礦業大學(北京)地球科學與測繪工程學院，北京 100083； 2. 武漢大學測繪學院，湖北 武漢 430079； 3. 國家基礎地理信息中心, 北京 100830

隨著GPS氣象學概念的提出[1]，學者們一直致力于開發和改進基于GNSS反演大氣可降水量的方法，這使得GNSS成為一種高效、可靠的水汽遙感技術，它具有全天時、全天候、連續運行、低成本、高分辨率及高精度等優點[2-5]。在獲取大氣可降水量PWV時，需要將天頂濕延遲乘以轉換因子，它是加權平均溫度Tm的一個函數[6]。因此，準確計算Tm是GNSS獲取高精度大氣可降水量的關鍵。Tm是測站上空的溫度和濕度廓線沿著天頂方向的數值積分，可以通過無線電探空、大氣再分析資料精確計算。然而，全球探空測站分布稀疏，空間分辨率難以滿足GNSS氣象學需求；大氣再分析資料的時間分辨率較低且通常每月更新一次；難以滿足實時/近實時Tm計算的要求[7-8]。

文獻[1]收集了位于27°N～65°N之間的13個美國探空測站數據并對8718個探空剖面進行分析，發現Tm與地表溫度Ts存在很好的線性關系，建立了Bevis公式，成為當前使用最為廣泛的Tm線性回歸模型。雖然Ts的地理和季節變化可以反映出Tm的地理和季節變化，但基于北美探空數據建立的Bevis公式往往存在區域性的精度差異。因此，學者們進行了大量研究來建立Tm和Ts的區域線性回歸模型[9-14]。此外，只須測站位置和時間信息的經驗模型逐漸成為Tm計算的主要方法。文獻[15]利用2005—2009年全球135個探空測站數據，基于全球氣壓和溫度(GPT)模型構建了GWMT模型，并通過優化建模方法和改善建模源數據提出了一系列改善模型，如GTm-Ⅱ、GTm-Ⅲ、GWMT-Ⅳ、GTM-X及GWMT-D[16-20]。……