選用2012～2017年Kings Park站探空資料,基于迭代最小二乘方法構建2種香港地區(qū)顧及高度改正的加權平均溫度模型——T_mhk1和T_mhk2,并利用2018年探空資料對模型在香港地區(qū)的精度和適用性進行評估。結果表明,在香港地區(qū),依賴測站溫度的T_mhk1模型具有較高的精度,年均偏差優(yōu)于0.3 K,均方根誤差優(yōu)于1.8 K,與Bevis公式和GPT2w模型相比,T_mhk1模型的精度分別提升35.4%和29.7%;而不依賴氣象參數的T_mhk2模型與GPT2w模型的精度相當,年均方根誤差均優(yōu)于2.5 K,Bevis公式的精度最差（RMS為2.7 K）,且具有較大負偏差（bias為-1.8 K）。從季節(jié)性分析可知,Bevis公式、T_mhk2和GPT2w模型精度具有明顯的季節(jié)性變化,總體為夏季精度較高（RMSE為1.3～2.2 K... 

【文章來源】：大地測量與地球動力學. 2020,40(10)北大核心

【文章頁數】：5 頁

【部分圖文】：

Tm垂直遞減率的時間序列和功率譜

式中,T s ref 為參考高度的溫度,α1為參考高度h0的Tm年均值,α2為與溫度相關的系數,α3、α4及α5、α6為依賴氣象參數模型在參考高度的季節(jié)項系數。公式的系數均采用2012～2017年的探空數據基于迭代最小二乘參數估計確定。GNSS跟蹤站主要用于定位、導航、授時及地球物理研究等,大多數沒有配備共址的氣象傳感器,導致依賴氣象參數的Tm模型很難應用于實時或近實時地基GNSS水汽的探測。因此,本文同時建立香港地區(qū)不依賴氣象參數的Tm模型,以更好地服務于該地區(qū)暴雨、強對流等極端天氣的水汽監(jiān)測。圖3為參考高度Tm和Ts的時間序列,可以看出,Tm具有明顯的季節(jié)性周期。因此,這里采用Yao等[2]的建模思路來擬合T m ref ,建立不依賴氣象參數的模型Tm_hk2。擬合公式如下:

式中,β1為不依賴氣象參數的模型在參考高度h0的Tm年均值;β2、β3及β4、β5為不依賴氣象參數的模型在參考高度h0的季節(jié)項系數。公式的系數均采用2012～2017年的探空數據基于迭代最小二乘參數估計確定。香港地區(qū)2種加權平均溫度模型的系數見表1。3 Tm模型在香港地區(qū)的精度和適用性分析


本文編號：3003963