耦合GNSS及地面气象站监测数据的实时水汽场生成方法技术

本发明专利技术提供一种耦合GNSS及地面气象站监测数据的实时水汽场生成方法，根据探空数据、GNSS测站数据与地面气象站监测数据，分别计算获得探空PWV时间序列y

【技术实现步骤摘要】
耦合GNSS及地面气象站监测数据的实时水汽场生成方法


[0001]本专利技术涉及一种耦合GNSS及地面气象站监测数据的实时水汽场生成方法，属于GNSS气象学


技术介绍

[0002]水汽是底层大气的重要组成部分之一，其蒸发和凝结对短期天气特征的形成和长期气候变化有着深远的影响。目前，主要的大气水汽估算技术包括GNSS(Global Navigation Satellite System)观测资料反演法、探空资料积分法、再分析/预报资料积分法、地面气象参数模型法和遥感资料反演法，获取的大气可降水量(Precipitable Water Vapor，PWV)在精度、成本、可用性、时空连续性等方面存在着明显的差异性。
[0003]为了提高区域水汽场的时空分辨率和精度，学者提出了多种融合方法，如高斯过程法、球冠谐分析法、时空增强自适应融合模型等。这些方法通常基于GNSS观测数据、遥感卫星水汽产品和大气再分析产品，以事后分析为主。当进行实时水汽场估计时，由于无法实时获得这些PWV数据集，即ERA5、MODIS和探空仪PWV的时间分辨率与GNSS PWV的时间分辨率不一致。因此，当前水汽融合方法在实时水汽场估计方面大多存在一定的局限性。
[0004]事实上，PWV与许多其他气象参数之间有着密切的物理关系。利用研究区域范围内广泛分布的地面气象站可以获取多种高精度和高可靠性的大气参数，能够为实时水汽场的估计提供另一种可靠的实时PWV数据源。遗憾的是，由于地面气象参数水汽反演的精度较低，目前尚无利用GNSS及地面气象站数据生成实时水汽场的方法研究。
[0005]鉴于实时水汽场研究的重要性及地面气象站观测数据实时性的特点，如何提高地面气象站数据反演PWV的精度、确定GNSS PWV与地面气象站PWV的系统偏差和相对权重，以及选取合适的融合模型是实时水汽场构建中亟需解决的问题，其对于区域水汽连续性变化特征分析和短临降水预报均具有重要理论研究和现实应用意义。
[0006]上述问题是在实时水汽场生成过程中应当予以考虑并解决的问题。

技术实现思路

[0007]本专利技术的目的是提供一种耦合GNSS及地面气象站监测数据的实时水汽场生成方法解决现有技术中存在的原有水汽模型实时性能差、单一GNSS数据源实时水汽探测空间分辨率低的问题。
[0008]本专利技术的技术解决方案是：
[0009]一种耦合GNSS及地面气象站监测数据的实时水汽场生成方法，包括以下步骤，
[0010]S1、根据探空数据、GNSS测站数据与地面气象站监测数据，分别计算获得探空PWV时间序列y
R
、GNSS的PWV时间序列y
G
和地面气象站PWV时间序列y
M
；
[0011]S2、计算GNSS的PWV相对于探空数据PWV的系统性偏差b
G
和地面气象站的PWV相对于探空数据PWV的系统性偏差b
M
，以及GNSS的PWV的权重P
G
和地面气象站PWV的权重P
M
；
[0012]S3、在去除系统性偏差的基础上，由步骤S1所得GNSS的PWV时间序列y
G
和地面气象
站PWV时间序列y
M
，得到区域范围内GNSS测站的实时PWV向量并计算出地面气象站的实时PWV向量
[0013]S4、构建耦合GNSS和地面气象数据的简化球冠谐分析模型，根据GNSS测站和地面气象站的坐标，获取球面谐和函数计算值；
[0014]S5、根据步骤S3得到的GNSS测站的实时PWV向量和地面气象站的实时PWV向量以及步骤S4得到的球面谐和函数计算值，求解耦合GNSS和地面气象数据的简化球冠谐分析模型中的待估计的模型系数后，获得实时水汽场生成模型，进而获得耦合GNSS的PWV和地面气象站PWV的实时水汽场。
[0015]进一步地，步骤S1中，根据探空数据、GNSS测站数据与地面气象站监测数据，分别计算探空PWV时间序列y
R
、计算GNSS的PWV时间序列y
G
和地面气象站PWV时间序列y
M
，具体为，
[0016]S11、根据探空数据包括各层温度、气压、相对湿度，通过以下PWV计算公式得到探空PWV时间序列y
R
：
[0017]PWV＝(1/g)∫qdp＝(1/g)∑q
i,ave
·
Δp
i
ꢀꢀꢀ
(1)
[0018]其中，q为比湿，q
i,ave
是第i个气压层的平均比湿，p为气压，Δp
i
是第i个气压层的气压差，其中，e为水汽压，其中，RH是相对湿度，T
d
是摄氏温度，g为重力加速度；
[0019]S12、获得GNSS的ZTD时间序列、实时ZHD时间序列和加权平均温度，进而计算出测站位置处的GNSS的PWV时间序列y
G
；
[0020]S13、根据地面气象站测得的温度及相对湿度，计算出地面气象站位置处的水汽压，进而通过构建的PWV与地面水汽压的线性回归模型，计算出地面气象站PWV时间序列y
M
。
[0021]进一步地，步骤S12中，获得GNSS的实时ZHD时间序列、GNSS的实时ZTD时间序列和加权平均温度，具体为，
[0022]S121、根据GNSS测站并置的气压传感器得到的数据，计算出GNSS测站位置处的实时ZHD时间序列；
[0023]S122、将得到的实时ZHD时间序列与参数估计得到的天顶湿延迟时间序列即ZWD时间序列相加，得到GNSS的实时ZTD时间序列；
[0024]S123、构建的加权平均温度与地面温度的线性回归模型：
[0025]T
m,s
＝a1+b1·
T
s
ꢀꢀꢀ
(2)
[0026]其中，T
m,s
为根据模型计算得到的加权平均温度，T
s
为地面温度，a1、b1均为模型系数；
[0027]S124、通过构建的加权平均温度与地面温度的线性回归模型，获得GNSS测站位置处的加权平均温度。
[0028]进一步地，步骤S12中，通过以下公式计算出测站位置处的GNSS的PWV时间序列y
G
：
[0029]PWV＝Π
×
ZWD
ꢀꢀꢀ
(3)
[0030]其中，ZWD为天顶湿延迟，Π为将ZWD转换至PWV的无量纲转换因子，ρ
w
为液态水密度，R
v
为水汽气体常数；k1、k'2和k3均为常数，
R
d
＝R/M
d
，R为理想气体普适常数，M
d
为干空气摩尔质量，T
m
为探空站位置处的加权平本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种耦合GNSS及地面气象站监测数据的实时水汽场生成方法，其特征在于：包括以下步骤，S1、根据探空数据、GNSS测站数据与地面气象站监测数据，分别计算获得探空PWV时间序列y
R
、GNSS的PWV时间序列y
G
和地面气象站PWV时间序列y
M
；S2、计算GNSS的PWV相对于探空数据PWV的系统性偏差b
G
和地面气象站的PWV相对于探空数据PWV的系统性偏差b
M
，以及GNSS的PWV的权重P
G
和地面气象站PWV的权重P
M
；S3、在去除系统性偏差的基础上，由步骤S1所得GNSS的PWV时间序列y
G
和地面气象站PWV时间序列y
M
，得到区域范围内GNSS测站的实时PWV向量并计算出地面气象站的实时PWV向量S4、构建耦合GNSS和地面气象数据的简化球冠谐分析模型，根据GNSS测站和地面气象站的坐标，分别获取球面谐和函数计算值；S5、根据步骤S3得到的GNSS测站的实时PWV向量和地面气象站的实时PWV向量以及步骤S4得到的球面谐和函数计算值，求解耦合GNSS和地面气象数据的简化球冠谐分析模型中的待估计的模型系数后，获得实时水汽场生成模型，进而获得耦合GNSS的PWV和地面气象站PWV的实时水汽场。2.如权利要求1所述的耦合GNSS及地面气象站监测数据的实时水汽场生成方法，其特征在于：步骤S1中，根据探空数据、GNSS测站数据与地面气象站监测数据，分别计算探空PWV时间序列y
R
、计算GNSS的PWV时间序列y
G
和地面气象站PWV时间序列y
M
，具体为，S11、根据探空数据包括各层温度、气压、相对湿度，通过以下PWV计算公式得到探空PWV时间序列y
R
：PWV＝(1/g)∫qdp＝(1/g)∑q
i,ave
·
Δp
i
ꢀꢀꢀꢀ
(1)其中，q为比湿，q
i,ave
是第i个气压层的平均比湿，p为气压，Δp
i
是第i个气压层的气压差，其中，e为水汽压，其中，RH是相对湿度，T
d
是摄氏温度，g为重力加速度；S12、获得GNSS的ZTD时间序列、实时ZHD时间序列和加权平均温度，进而计算出测站位置处的GNSS的PWV时间序列y
G
；S13、根据地面气象站测得的温度及相对湿度，计算出地面气象站位置处的水汽压，进而通过构建的PWV与地面水汽压的线性回归模型，计算出地面气象站PWV时间序列y
M
。3.如权利要求2所述的耦合GNSS及地面气象站监测数据的实时水汽场生成方法，其特征在于：步骤S12中，获得GNSS的实时ZHD时间序列、GNSS的实时ZTD时间序列和加权平均温度，具体为，S121、根据GNSS测站并置的气压传感器得到的数据，计算出GNSS测站位置处的实时ZHD时间序列；S122、将得到的实时ZHD时间序列与参数估计得到的天顶湿延迟时间序列即ZWD时间序列相加，得到GNSS的实时ZTD时间序列；S123、构建的加权平均温度与地面温度的线性回归模型：T
m,s
＝a1+b1·
T
s
ꢀꢀꢀꢀ
(2)
其中，T
m,s
为根据模型计算得到的加权平均温度，T
s
为地面温度，a1、b1均为模型系数；S124、通过构建的加权平均温度与地面温度的线性回归模型，获得GNSS测站位置处的加权平均温度。4.如权利要求2所述的耦合GNSS及地面气象站监测数据的实时水汽场生成方法，其特征在于：步骤S12中，通过以下公式计算出测站位置处的GNSS的PWV时间序列y
G
：PWV＝Π
×
ZWD
ꢀꢀꢀꢀ
(3)其中，ZWD为天顶湿延迟，Π为将ZWD转换至PWV的无量纲转换因子，ρ
w
为液态水密度，R
v
为水汽气体常数；k1、k'2和k3均为常数，R
d
＝R/M
d
，R为理想气体普适常数，M
d
为干空气摩尔质量，T
m
为探空站位置处的加权平均温度时间序列：其中，n为气压分层的总层数，e
Vi
为第i个气压分层的水汽压，T
i
表示第i个气压分层的平均开尔文温度，ΔH
i
为第i个气压分层的厚度。5.如权利要求2所述的耦合GNSS及地面气象站监测数据的实时水汽场生成方法，其特征在于：步骤S13中，构建的PWV与地面水汽压的线性回归模型，具体为，PWV
s
＝a2+b2·
e
s
ꢀꢀꢀꢀ
(5)其中，PWV
s
为根据模型计算得到的大气可降水量，e
s
为地面水汽压，a2、b2均为模型系数。6.如权利要求1
‑
5任一项所述的耦合GNSS及地面气象站监测数据的实时水汽场生成方法，其特征在于：步骤S2中，计算GNSS的PWV和地面气象站PWV相对于探空数据PWV的系统性偏差b
G
和b<...

【专利技术属性】
技术研发人员：杨柳，姚文坡，王一帆，康亚，黄毅，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：