水汽是大氣環(huán)境的重要組成成分,也是衡量極端天氣與降雨事件的關(guān)鍵指標(biāo)。為了能實現(xiàn)對極端天氣和降雨事件的監(jiān)測和預(yù)警,需要獲取高精度、高時空分辨率的水汽信息。地基GNSS水汽反演作為一個新的觀測手段是GNSS氣象學(xué)中重要的研究內(nèi)容之一,利用地基GNSS技術(shù)探測大氣可降水量(Precipitable Water Vapor,PWV)可以彌補(bǔ)常規(guī)探測手段的缺陷,具有實時、連續(xù)、穩(wěn)定、高精度、高時空分辨率等優(yōu)點。本文以地基GNSS反演大氣可降水量為研究重點,針對反演過程中的關(guān)鍵參數(shù)進(jìn)行研究分析,并且對無氣象參數(shù)對流層延遲模型進(jìn)行相應(yīng)的分析,主要研究內(nèi)容如下:(1)以香港連續(xù)運行參考站網(wǎng)為實驗區(qū)域進(jìn)行區(qū)域天頂對流層延遲解算優(yōu)化方案研究。通過分析區(qū)域天頂對流層延遲解算的影響因素(解算方法與星歷類型、網(wǎng)外輔助站的數(shù)量與網(wǎng)型、高度角),較為科學(xué)的提出了一套解算優(yōu)化方案,為今后的學(xué)者提供參考。(2)基于GPT2/2w模型,結(jié)合Saastamoinen模型(分別用GPT2S、GPT2w-1S、GPT2w-5S表示)估計亞洲地區(qū)2007-2017年10年的ZTD并分析其精度與時空分布。利用BP神經(jīng)網(wǎng)絡(luò)對GPT2w-1S模型進(jìn)行了優(yōu)化改進(jìn),取得了較好效果,系統(tǒng)偏差削弱63%。(3)全面的介紹了各種加權(quán)平均溫度解算模型,并以香港探空站為實驗測站,以探空數(shù)據(jù)所得加權(quán)平均溫度為參考值,對各模型的精度進(jìn)行比較分析。在基于地面氣象參數(shù)方面,對采用單因素、雙因素、三因素模型進(jìn)行精度分析,并且在雙因素模型的基礎(chǔ)上提出了一種基于季節(jié)的雙因素模型,該模型在夏季精度提升顯著,系統(tǒng)偏差削弱52%。在無氣象參數(shù)模型方面,介紹了GPT2w模型并利用BP神經(jīng)網(wǎng)絡(luò)對模型進(jìn)行了優(yōu)化改進(jìn),系統(tǒng)偏差削弱75%。(4)利用MATLAB建立了PWV自動解算軟件,有較好的解算精度。利用PWV自動解算軟件對PWV解算過程中的關(guān)鍵參數(shù)進(jìn)行了相關(guān)性分析。最后利用香港地區(qū)2019年的四次降雨事件對PWV與降雨的相關(guān)性進(jìn)行分析,分析可得降雨前PWV會達(dá)到較高水平且降雨一般會發(fā)生在PWV的積累階段和下降階段。該論文有圖57幅,表18個,參考文獻(xiàn)99篇。
【學(xué)位單位】：中國礦業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2020
【中圖分類】：P228.4
【部分圖文】：

1緒論11緒論1Introduction1.1研究意義與背景（Researchsignificanceandbackground）全球?qū)Ш叫l(wèi)星系統(tǒng)（GlobalNavigationSatelliteSystems,GNSS）是所有導(dǎo)航衛(wèi)星系統(tǒng)的統(tǒng)稱，一般來說涵蓋全球型、區(qū)域型以及增強(qiáng)型衛(wèi)星導(dǎo)航系統(tǒng)。GNSS能夠在地球的表面或近地空間為用戶提供全天候的三維坐標(biāo)信息、速度信息、時間信息，除此之外，GNSS在大地測量、變形監(jiān)測、大氣探測、工程施工等領(lǐng)域也發(fā)揮著重要的作用。GPS作為GNSS中最具代表性的系統(tǒng)由美國在20世紀(jì)70年代開始研制，并在1995年4月27日正式實現(xiàn)全球覆蓋，為全球用戶提供高精度、高效率、高時空分辨率的導(dǎo)航定位服務(wù)，經(jīng)過30多年的不斷研究，GPS已經(jīng)發(fā)展為領(lǐng)域廣、模式全、用途多、能力強(qiáng)、發(fā)展成熟的系統(tǒng)，在2020年，GPSⅢ可以實現(xiàn)全面部署，屆時在軌道工作面的GPS衛(wèi)星數(shù)量將大于30顆[1]。圖1-1當(dāng)前GNSS分類及內(nèi)容Figure1-1ClassificationandcontentofcurrentGNSS極端天氣是當(dāng)今社會面臨的重要挑戰(zhàn)之一，其中強(qiáng)降雨、冰雹、臺風(fēng)等強(qiáng)對流天氣事件更是對國家的社會、經(jīng)濟(jì)造成了非常惡劣的影響，以近10年為例，2008年初我國南方發(fā)生了冰凍雨雪災(zāi)害，波及20余個省市，因災(zāi)死亡129人，失蹤4人，直接經(jīng)濟(jì)損失1516.5億元人民幣。2009年我國西南開始了連續(xù)4年的大旱，造成了大面積減產(chǎn)。2013年臺風(fēng)“鳳凰”登陸我國上海地區(qū)。2016年，受強(qiáng)厄爾尼諾影響，我國武漢市發(fā)生了極為嚴(yán)重的洪澇災(zāi)害，導(dǎo)致重要交通受阻，

1緒論3過GNSS的不斷完善，利用GNSS技術(shù)探測水汽將逐漸成為主流觀測手段，其時空分辨率、時效性、解算精度也會不斷提高。圖1-2傳統(tǒng)水汽觀測手段Figure1-2Traditionalmeansofwatervaporobservation大氣中的水汽主要分布在對流層中，獲取高精度的對流層延遲是準(zhǔn)確獲取大氣水汽信息的重要前提。GNSS信號在穿過對流層時造成的延遲主要分為靜力學(xué)延遲與濕延遲，對于對流層靜力學(xué)延遲，其變化緩慢且變化幅度小，不受水汽影響，但對于對流層濕延遲，其與大氣水汽的關(guān)聯(lián)性較大，變化迅速，變化過程復(fù)雜[12]。高精度的對流層延遲模型是提高對流層延遲解算精度的前提，特別是在精密單點定位中，高精度的對流層延遲模型還可以提升解算收斂速度。傳統(tǒng)對流層延遲模型需要地面的氣象參數(shù)，但如果進(jìn)行實時GNSS水汽探測,很難獲取實時的氣象數(shù)據(jù),這也制約了該類模型的發(fā)展，而無氣象參數(shù)經(jīng)驗?zāi)Ｐ蜔o需地面氣象參數(shù)，只需提供位置信息與時間信息即可獲得相應(yīng)的對流層延遲結(jié)果，因此高精度的無氣象參數(shù)對流層延遲模型成為當(dāng)今對流層延遲模型的研究重點。這也是本研究的主要考量之一。1.2國內(nèi)外研究現(xiàn)狀（Currentstatus）1.2.1GNSS水汽反演研究現(xiàn)狀縱觀地基GNSS水汽反演的發(fā)展歷史，其主要經(jīng)歷了從探索到改進(jìn)，從初步的理論研究到后來的業(yè)務(wù)應(yīng)用的轉(zhuǎn)變。地基GNSS遙感大氣水汽含量的研究起源于美國，最早由Askne等[13]于1987年推導(dǎo)出大氣濕延遲和可降水量的關(guān)系，并提出利用地基GPS技術(shù)探測大氣的設(shè)想，1992年Bevis[14]首次提出“GPS氣象學(xué)”的概念，從理論上研究了利用地基GPS技術(shù)反演大氣可降水量的可行性，并利用GPS解算的天頂對流層延遲反演了大氣整層水汽。而后大量學(xué)者從不同層面對GPS水汽探測技術(shù)理論方法進(jìn)行了實驗研究，促進(jìn)了該項技術(shù)的不斷成熟。199

1緒論7度以及更為精確的1°×1°格網(wǎng)分辨率。到目前為止，很多學(xué)者都對這一系列模型的精度與應(yīng)用效果進(jìn)行了評估[78-80]，結(jié)果都證明了該模型精度很高，GPT2w模型被公認(rèn)為是精度最高的經(jīng)驗?zāi)Ｐ椭弧?.3主要研究內(nèi)容（MainResearchContents）本文主要基于地基GNSS水汽反演的主要流程，針對反演中的關(guān)鍵參數(shù)進(jìn)行深入研究。在利用地基GNSS技術(shù)進(jìn)行區(qū)域?qū)α鲗友舆t解算時，對解算方案進(jìn)行優(yōu)化方案研究；并對無氣象參數(shù)對流層延遲模型進(jìn)行分析比較，基于現(xiàn)有高精度無氣象參數(shù)對流層延遲模型，利用BP神經(jīng)網(wǎng)絡(luò)對模型進(jìn)行改進(jìn)。加權(quán)平均溫度方面，建立了不同種類的加權(quán)平均溫度模型，并對上述模型進(jìn)行精度分析。最后利用MATLAB建立了PWV自動解算軟件，并對PWV與降雨事件的相關(guān)性進(jìn)行分析。技術(shù)路線如圖1-3所示，具體章節(jié)安排如下：（1）第一章介紹了本文的研究背景與意義，介紹了國內(nèi)外的研究現(xiàn)狀，并簡要闡述了本文的主要研究內(nèi)容與論文框架。（2）第二章介紹了GNSS基本原理與地基GNSS反演水汽的基本原理。（3）第三章進(jìn)行地基GNSS區(qū)域?qū)α鲗友舆t解算優(yōu)化方案研究。（4）第四章進(jìn)行無氣象參數(shù)對流層延遲模型的精度分析與改進(jìn)研究。（5）第五章進(jìn)行加權(quán)平均溫度模型的建模研究。（6）第六章進(jìn)行PWV的獲取與降雨相關(guān)性研究。（7）第七章為結(jié)論與展望。圖1-3論文研究的主題技術(shù)路線Figure1-3Schematicroadmapofthisresearch
【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 姚宜斌;曹娜;許超鈐;楊軍建;;GPT2模型的精度檢驗與分析[J];測繪學(xué)報;2015年07期

2 狄利娟;李星光;鄭南山;;徐州地區(qū)加權(quán)平均溫度模型研究[J];導(dǎo)航定位學(xué)報;2015年02期

3 李劍鋒;王永前;胡伍生;;地基GPS水汽反演中區(qū)域大氣加權(quán)平均溫度模型[J];測繪科學(xué)技術(shù)學(xué)報;2015年01期

4 姚宜斌;余琛;胡羽豐;劉強(qiáng);;利用非氣象參數(shù)對流層延遲估計模型加速PPP收斂[J];武漢大學(xué)學(xué)報(信息科學(xué)版);2015年02期

5 黃良珂;劉立龍;姚朝龍;熊思;;基于區(qū)域CORS網(wǎng)精密天頂對流層延遲建模方法研究[J];大地測量與地球動力學(xué);2013年06期

6 姚宜斌;何暢勇;張豹;許超鈐;;一種新的全球?qū)α鲗犹祉斞舆t模型GZTD[J];地球物理學(xué)報;2013年07期

7 龔紹琦;;中國區(qū)域大氣加權(quán)平均溫度的時空變化及模型[J];應(yīng)用氣象學(xué)報;2013年03期

8 寧津生;姚宜斌;張小紅;;全球?qū)Ш叫l(wèi)星系統(tǒng)發(fā)展綜述[J];導(dǎo)航定位學(xué)報;2013年01期

9 解琨;辛成章;;南京地區(qū)地基GPS水汽反演中加權(quán)平均溫度模型研究[J];工程勘察;2012年10期

10 穆寶勝;施昆;;地基GPS水汽反演昆明地區(qū)加權(quán)平均溫度的模型建立[J];測繪科學(xué);2013年03期

本文編號：2859541