基于GPS和MODIS数据的大气可降水量算法研究

摘要

大气可降水量(PWV)对降水与气候、大气校正、InSAR大气效应的去除、灾害性天气预报等方面具有重要的意义，也是当前GPS气象学领域所研究的重要分支。目前有多种反演大气可降水量的方法，每种方法都有各自的优点和局限性，因此有必要在充分研究各种方法的基础上，将多种方法进行综合运用，优势互补，得到高时空分辨率且准确的大气可降水量，便于进行更广阔的大气可降水量研究应用。
　　本文的主要研究工作和结论如下:
　　1)详细介绍了目前国内外可降水量研究方法与原理;对比分析几种方法的优缺点，验证了基于GPS数据和MODIS数据来提高反演大气可降水量得精度和时空分辨率的可行性。
　　2)研究地基GPS反演大气可降水量原理，研究开源软件GAMIT相关算法。利用美国德克萨斯州的Suominet GPS网提供的GPS观测站大气可降水量数据与探空数据作对比，得出GPS-PWV和探空数据的PWV在水汽变化方面有很好的一致性，研究区的精度可达到1.2mm左右。验证了GPS-PWV的精度很高，与国内外学者得出的结论一致。
　　3)在MODIS近红外反演可降水量原理基础上，采用预测误差平方和最小法的组合预测模型改进了MODIS三通道加权平均算法中权重因子的确定方法。在研究区域内确定了一组最优权系数ω(0.31，0.17，0.52)，改进的加权平均三通道比值法反演大气可降水量的精度，较二通道比值法精度提高33.5％，较三通道比值法精度提高21.7％。
　　4)改进的加权平均三通道比值法算出的MODIS-PWV与GPS-PWV进行对比分析，发现两者的相关性很高。由此建立了两者的线性回归模型，线性回归模型平均中误差为±1.64mm，相对于三通道MODIS模型，线性回归模型精度提高49.1％。因此可以利用线性回归模型对MODIS大气可降水量进行修正，尤其是在没有GPS站的区域。
　　5)建立了一种基于GPS/MODIS数据的神经网络模型，阐述了神经网络的建模具体步骤和参数的选取。GPS/MODIS神经网络模型中误差为±1.07mm。相对于三通道MODIS模型，GPS/MODIS神经网络模型精度提高66.7％。

目录

声明

摘要

第一章 绪论

1．1 研究的背景及意义

1．2 国内外研究现状

1．2．1 地基GPS反演大气可降水量发展现状

1．2．2 MODIS反演大气可降水量发展现状

1．2．3 利用GPS-PWV改进MODIS-PWV发展现状

1．2．4 国内外研究现状总结

1．3 本文主要研究内容

第二章 大气可降水量反演原理与方法

2．1 无线电探空反演大气可降水量

2．1．1 基于无线电探空资料的可降水量计算原理

2．1．2 探空数据质量控制

2．2 地基GPS反演大气可降水量

2．2．1 地基GPS反演可降水量原理

2．2．2 天顶静力学延迟模型

2．2．3 映射函数

2．2．4 水汽转换系数及加权平均温度

2．3 MODIS近红外反演大气可降水量算法与原理

2．3．1 MODIS传感器简介

2．3．2 MODIS数据特点

2．3．3 MODIS反演大气可降水量原理

2．4 本章小结

第三章 地基GPS反演大气可降水量流程与精度验证

3．1．2 GAMIT软件反演大气水汽流程

3．2 地基GPS资料反演大气可降水量精度检验

3．2．1 GPS站研究区概况

3．2．2 探空数据概况

3．2．3 GPS大气可降水量与探空大气可降水量对比分析

3．3 本章小结

第四章 MODIS反演大气可降水量算法研究

4．1 数据及研究区介绍

4．1．1 MODIS实验数据信息

4．1．2 研究区概况

4．2 MODIS近红外水汽反演的实现

4．2．1 数据预处理

4．2．2 MODIS反演水汽通道比值法实现

4．3 改进的MoDIS三通道比值法

4．4 本章小结

第五章 GPS-PWV改进MODIS-PWV高精度模型研究

5．1 基于线性回归关系的改进算法研究

5．1．1 回归分析中的相关参数

5．1．2 GPS／MODIS线性模型的构建

5．2 基于神经网络的GPS／MODIS反演PwV算法研究

5．2．1 BP神经网络的基本原理

5．2．2 GPS／MODIS反演PWV神经网络模型的构建

5．3 几种反演模型的精度对比与分析

5．4 本章小结

6．1 本文主要工作与结论

6．2 研究展望

致谢

参考文献

作者简介