法律状态公告日
法律状态信息
法律状态
2020-07-31
授权
授权
2018-11-13
实质审查的生效 IPC(主分类):G01K3/06 申请日:20180320
实质审查的生效
2018-10-19
公开
公开
技术领域
本发明涉及全球导航系统领域,特别是涉及一种基于探空数据的区域加权平均温度的Bevis模型改进方法。
背景技术
地基GNSS技术作为传统探测大气可降水量(PWV)方法的有效补充,具有全天候、高精度、近实时、高时空分辨率,且不需要对仪器进行定标等诸多优点。利用GNSS技术探测大气水汽,依赖于对流层湿延迟(ZWD)向PWV的精确转换,目前常用的方法是利用Tm计算出ZWD向PWV转化的转换参数,通过GNSS反演出来的ZWD得到大气可降水量,因此如何获取高精度的Tm,是GNSS气象学的核心问题之一。利用探空数据获取的测站上空的温度、气压、水汽压可以直接计算得到精确的加权平均温度,然而在大多数时候我们是无法精确获取测站上空的温度、气压、水汽压等气象资料的,这无疑限制了地基GPS探测水汽的使用。Bevis在分析了北美13个无线电探空站8718次探空资料后发现Ts和Tm具有很强的线性相关性,并给出了适合北美中纬度地区的线性回归公式Tm=aTs+b,Tm和Ts的单位都是kelvin,该公式的均方根误差为4.74k,是目前地基GNSS探测水汽广泛使用的公式。
然而,现有技术中的Bevis模型的计算精度还较低。
发明内容
发明目的:本发明的目的是提供一种能够提高计算精度的基于探空数据的区域加权平均温度的Bevis模型改进方法。
技术方案:为达到此目的,本发明采用以下技术方案:
本发明所述的基于探空数据的区域加权平均温度的Bevis模型改进方法,包括以下步骤:
S1:对测站探空数据进行预处理,得到加权平均温度的真值Tm0与地表温度的真值Ts0;
S2:利用Bevis模型得到加权平均温度的计算值Tm;
S3:考虑加权平均温度计算值Tm的年周期变化,在Bevis模型的基础上增加一个周期项,建立非线性方程;
S4:用最小二乘法确定非线性方程的各项系数,确定最终改进模型方程并验证其精度。
进一步,所述步骤S2中,通过式(1)得到加权平均温度的计算值Tm:
Tm=aTs0+b1(1)
式(1)中,a为地表温度项的系数,b1为常数,Ts0为地表温度的真值。
进一步,所述步骤S3中建立的非线性方程如式(2)所示:
式(2)中,Tm为加权平均温度计算值,Ts0为地表温度的真值,doy为年积日,a为地表温度项的系数,b为与年积日有关的周期函数的拟合系数值,c为常数。
有益效果:本发明公开了一种基于探空数据的区域加权平均温度的Bevis模型改进方法,与传统的Bevis模型相比,有效提高了计算精度。
附图说明
图1为本发明具体实施方式中探空数据提供的信息图;
图2为本发明具体实施方式的各探空站在中国区域的分布状况图;
图3为采用本具体实施方式所述方法得到的模型2中国区域日均Bias与Rms变化图。
具体实施方式
下面结合具体实施方式和附图对本发明的技术方案作进一步的介绍。
本具体实施方式公开了一种基于探空数据的区域加权平均温度的Bevis模型改进方法,包括以下步骤:
S1:对测站探空数据进行预处理,得到加权平均温度的真值Tm0与地表温度的真值Ts0。
本具体实施方式采用中国区域内2013-2015年76个测站的无线电探空数据,图2为各测站在中国区域的分布状况图。以57494站点为例,探空数据提供了不同等压面层的大气特性层以及风层资料,如图1所示。大气特性层参数包括位势高度(HGHT)、气温(TEMP)、露点温度(DWPT)、相对湿度(RELH)这些探测的要素。
对流层加权平均温度的真值Tm0可由测站上空的水汽压e和绝对温度T沿天顶方向的积分值算得到,其定义如公式(1)所示:
由于大气水汽基本分布在地面上空12km以内,无线电探空气球可以提供地面至20多千米大气的温度、湿度等气象要素的探空轮廓线,因此可以将公式(1)简化为公式(2):
其中z2和z1分别为探空数据上下层的高度值。
利用公式(2),计算所收集到的中国区域2013-2015年76个测站的探空数据,得到各个测站每天对应的Tm0和Ts0的均值。
S2:利用Bevis模型得到加权平均温度的计算值Tm,如式(3)所示。
Tm=aTs0+b1(3)
式(3)中,a为地表温度项的系数,b1为常数,Ts0为地表温度的计算值。Bevis>1应该针对特定的区域和季节。基于对8718次无线电探空资料的分析,他给出了适合中纬度地区使用的回归公式Tm=0.72Ts0+70.2,Tm和Ts0的单位都是kelvin。
S3:考虑加权平均温度计算值Tm的年周期变化,在Bevis模型的基础上增加一个周期项,建立非线性方程,如式(4)所示。
式(4)中,Tm为加权平均温度计算值,Ts0为地表温度的真值,doy为年积日,a为地表温度项的系数,b为与年积日有关的周期函数的拟合系数值,c为常数。
S4:用最小二乘法确定非线性方程的各项系数,确定最终改进模型方程并验证其精度。
因此首先将利用探空数据得到的加权平均温度真值Tm0按照公式(4)进行拟合,使用最小二乘法求解未知参数。在采用最小二乘法求解上述3个参数时,使用部分探空数据求取的加权平均温度作为拟合样本,余下用来检验模型效果。本专利采用所收集到的中国区域2013-2015年76个测站的探空数据,得到各个测站每天对应的Tm和Ts的均值。按照式(4)进行拟合,得出顾及年周期性的中国区域的Tm模型(模型2),如式(5)
其中doy为年积日。
将本模型命名为模型2,为了分析模型2的精度,本专利利用了平均偏差(Bias)和均方根误差(Rms)来作为评价模型2的精度指标,其中Bias表示准确度,即模型与真值的偏离程度;Rms表示精度,用于衡量模型的可靠性和稳定性。
它们的计算式分别为:
其中:
选取2016年中国区域69个测站一年的探空资料,按照相同的方法进行预处理,得到相应的Tm与Ts的值作为检验样本,对Bevis模型及模型2进行检验,得出结果如表1所示:
表1:两种种模型精度对比表
从表1和图3可以看出:
(1)Tm和Ts的相关关系除受地理因素的影响外,还受到季节性因素的影响,在Bevis模型中增加了周期项后,提高了模型的精度,较之传统的Bevis模型提高了11%;
(2)模型2的残差呈现出一定的年周期特性,由于增加了周期项,其残差的年周期特性得到削弱,考虑继续增加周期函数项能够进一步提高模型的精度。
机译: 基于空间位置的加权平均温度计算方法
机译: 基于扩散加权磁共振,无模型确定异常扩散的图像区域
机译: 基于扩散加权磁共振,无模型确定异常扩散的图像区域