CN111881581B - 一种建立三维水汽格网模型的方法和*** - Google Patents
一种建立三维水汽格网模型的方法和*** Download PDFInfo
- Publication number
- CN111881581B CN111881581B CN202010742345.XA CN202010742345A CN111881581B CN 111881581 B CN111881581 B CN 111881581B CN 202010742345 A CN202010742345 A CN 202010742345A CN 111881581 B CN111881581 B CN 111881581B
- Authority
- CN
- China
- Prior art keywords
- determining
- water vapor
- delay
- atmospheric precipitation
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 143
- 238000000034 method Methods 0.000 title claims abstract description 34
- 239000005436 troposphere Substances 0.000 claims abstract description 39
- 238000000605 extraction Methods 0.000 claims abstract description 9
- 239000005442 atmospheric precipitation Substances 0.000 claims description 119
- 238000001556 precipitation Methods 0.000 claims description 15
- 238000013517 stratification Methods 0.000 claims description 14
- 239000007788 liquid Substances 0.000 claims description 12
- NEQYWYXGTJDAKR-JTQLQIEISA-N olutasidenib Chemical compound C[C@H](NC1=CC=C(C#N)N(C)C1=O)C1=CC2=C(NC1=O)C=CC(Cl)=C2 NEQYWYXGTJDAKR-JTQLQIEISA-N 0.000 claims description 12
- 238000010276 construction Methods 0.000 claims description 8
- 230000001419 dependent effect Effects 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 239000000523 sample Substances 0.000 claims description 6
- 230000004927 fusion Effects 0.000 abstract description 8
- 238000011160 research Methods 0.000 abstract description 5
- 239000011159 matrix material Substances 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 238000010792 warming Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明提供的建立三维水汽格网模型的方法和***,利用GNSS数据反演ZWD,进而计算PWV,同时使用探空站数据计算PWV,利用最小二乘方差估计将二者进行数据融合。利用掩星数据和探空数据获取大气廓线,提取大气廓线中的气象因子,将在GNSS/探空/掩星反演水汽的基础上,确定深度融合的时间和空间基准,建立基于多源数据的格网水汽模型。本发明所提供的技术方案突破了将整个对流层作为研究对象的局限,其所建立的分层水汽模型,可以对水汽数据进行精细化提取,为精细化天气预报提供了理论基础,具有一定的现实意义。
Description
技术领域
本发明涉及GNSS气象学领域,特别是涉及一种建立三维水汽格网模型的方法和***。
背景技术
温度和水汽是全球变化监测的两个重要指标。全球变暖是全球变化突出的表现,以其为主要特征的全球气候背景下,极端天气气候事件频发,极易引起暴雨灾害天气,造成洪涝灾害和严重的水土流失,导致人员伤亡和重大经济损失。提高水汽监测技术的准确性,具有一定的社会和经济价值。
全球导航卫星***(GlobalNavigation Satellite System,GNSS)反演水汽深化GNSS技术应用模式,促进学科交叉融合,符合国家卫星导航中长期发展规划。北斗卫星导航***(Bei DouNavigation Satellite System,BDS)是中国大力发展的卫星导航定位技术,已成为GNSS的重要组成部分。该***的最终完成将提供高精度、高可靠性的导航定位服务,并可应用于气象和环境监测等各个领域。2013年,国家印发《国家卫星导航产业中长期发展规划》,GNSS理论及其应用研究符合国家长远规划,北斗卫星导航***及其兼容产品在国民经济重要行业和关键领域得到广泛应用,在大众消费市场逐步推广普及。重点发展方向包括创新行业应用和扩大大众应用模式等。GNSS动态监测水汽属于行业创新应用和扩大大众应用模式两大发展重点,具有重大的应用价值。
当今利用探空数据计算水汽和大气廓线是最精确的技术,而探空站之间的间距均在200-300km以上,间隔12小时观测一次,时间和空间上分布稀疏,使得对全球水汽场和水汽能量循环还缺乏详尽的了解。此外,由于较强的噪音背景信号,卫星辐射仪也难于提供有用的地面信息,远不能满足监测和预报中小尺度灾害性天气的需要,成为这类灾害性天气漏报的重要原因之一。
地基GNSS利用密集的地面测站网的连续测量,在诸如人口稠密区和机场等恶劣天气的监测中具有独特的优越性,同时掩星观测为远海、深海地区的与厄尔尼诺事件有关的气候变化研究提供了便利条件。利用测站较密的地基GNSS网,通过GNSS/探空/掩星数据融合可以获取水汽的三维分布,为数值天气预报模式提供高精度水汽场,获取连续的大气可降水量(Precipitable Water Vapor,PWV)数据就变得异常宝贵。
但是在现有技术中并没有一种可以提取精细化水汽信息的模型,以为精细化天气预报提供理论基础。
发明内容
本发明的目的是提供一种建立三维水汽格网模型的方法和***,以能够对水汽信息进行精细化提取,进而为精细化的天气预报提供理论基础。
为实现上述目的,本发明提供了如下方案:
一种建立三维水汽格网模型的方法,包括:
获取GNSS观测数据和探空站分层数据;所述探空站分层数据包括:液态水密度、大气中的水汽密度、整个对流层的高度、水汽压和绝对温度;
采用GNSS数据处理与分析软件根据所述GNSS观测数据,确定卫星信号纵向穿过对流层到达地面时所引起的延迟量;
根据所述延迟量反演确定测站接收机在天顶方向上对流层的总延迟;
根据所述总延迟分离得到天顶湿延迟;
根据所述天顶湿延迟确定第一大气可降水量;
采用探空站分层数据确定测站上空的大气可降水量,得到第二大气可降水量;
根据所述第一大气可降水量和所述第二大气可降水量构建GNSS/探空水汽模型;所述GNSS/探空水汽模型为所述第一大气可降水量和所述第二大气可降水量融合加密后的大气可降水量组合;
根据所述GNSS/探空水汽模型确定掩星数据和探空数据;
根据所述掩星数据和所述探空数据确定大气廓线;
获取预设的同一起算时间和预设的空间间隔;
根据所述预设的同一起算时间和所述预设的空间间隔确定统一的时间和空间基准;
根据所述统一的时间和空间基准提取所述大气廓线中的气象因子;
根据提取的所述气象因子确定整个对流层中的大气可降水量;
根据所述大气可降水量构建三维水汽格网模型。
优选的,所述根据所述总延迟分离得到天顶湿延迟,具体包括:
获取测站的纬度、所处位置的大地高度和气压;
根据所述纬度、所述大地高度和所述气压确定天顶干延迟;所述天顶干延迟为:
式中,ZHD为天顶干延迟,为纬度,hs为大地高度,Ps为气压;
根据所述天顶干延迟和所述总延迟确定天顶湿延迟;所述天顶湿延迟为:
ZWD=ZTD-ZHD;
式中,ZWD为天顶湿延迟,ZTD为总延迟。
优选的,所述根据所述天顶湿延迟确定第一大气可降水量,具体包括:
采用公式PWV1=Π·ZWD,根据所述天顶湿延迟确定第一大气可降水量PWV1;
式中,ZWD为天顶湿延迟,Π为无量纲比例因子。
优选的,所述采用探空站分层数据确定测站上空的大气可降水量,得到第二大气可降水量,具体包括:
采用公式根据探空站分层数据确定所述第二大气可降水量PWV2;
式中,ρwater为液态水密度,ρw为大气中的水汽密度,Rv为水汽的比气体常数,H为整个对流层的高度,Pw为水汽压,T为绝对温度。
优选的,所述根据所述统一的时间和空间基准提取所述大气廓线中的气象因子,具体包括:
按预设高度将所述大气廓线进行分层;
以每层的平均温度、气压、水汽压作为因变量,采用公式
确定每层的气象分层因子;
根据所述气象分层因子确定所述气象因子;
式中,QX(i)为气象分层因子,n为大气廓线总层数,i为大气廓线第i层,Φ1、Φ2和Φ3均为权重因子,t为温度平均值,p为气压平均值,q为水汽压平均值。
优选的,所述根据提取的所述气象因子确定整个对流层中的大气可降水量,具体包括:
根据提取的所述气象因子,采用公式PWV(i)=QX(i)×PWV确定整个对流层中的大气可降水量;
式中,i为分层水汽的第i层,PWV(i)为第i层的大气可降水量,PWV为大气可降水量组合,QX(i)为气象分层因子。
一种建立三维水汽格网模型的***,包括:
第一获取模块,用于获取GNSS观测数据和探空站分层数据;所述探空站分层数据包括:液态水密度、大气中的水汽密度、整个对流层的高度、水汽压和绝对温度;
延迟量确定模块,用于采用GNSS数据处理与分析软件根据所述GNSS观测数据,确定卫星信号纵向穿过对流层到达地面时所引起的延迟量;
总延迟确定模块,用于根据所述延迟量反演确定测站接收机在天顶方向上对流层的总延迟;
天顶湿延迟确定模块,用于根据所述总延迟分离得到天顶湿延迟;
第一大气可降水量确定模块,用于根据所述天顶湿延迟确定第一大气可降水量;
第二大气可降水量确定模块,用于采用探空站分层数据确定测站上空的大气可降水量,得到第二大气可降水量;
GNSS/探空水汽模型构建模块,用于根据所述第一大气可降水量和所述第二大气可降水量构建GNSS/探空水汽模型;所述GNSS/探空水汽模型为所述第一大气可降水量和所述第二大气可降水量融合加密后的大气可降水量组合;
掩星探空数据确定模块,用于根据所述GNSS/探空水汽模型确定掩星数据和探空数据;
大气廓线确定模块,用于根据所述掩星数据和所述探空数据确定大气廓线;
第二获取模块,用于获取预设的同一起算时间和预设的空间间隔;
时间和空间基准确定模块,用于根据所述预设的同一起算时间和所述预设的空间间隔确定统一的时间和空间基准;
气象因子提取模块,用于根据所述统一的时间和空间基准提取所述大气廓线中的气象因子;
大气可降水量确定模块,用于根据提取的所述气象因子确定整个对流层中的大气可降水量;
三维水汽格网模型构建模块,用于根据所述大气可降水量构建三维水汽格网模型。
优选的,所述天顶湿延迟确定模块,具体包括:
获取单元,用于获取测站的纬度、所处位置的大地高度和气压;
天顶干延迟确定单元,用于根据所述纬度、所述大地高度和所述气压确定天顶干延迟;所述天顶干延迟为:
式中,ZHD为天顶干延迟,为纬度,hs为大地高度,Ps为气压;
天顶湿延迟确定单元,用于根据所述天顶干延迟和所述总延迟确定天顶湿延迟;所述天顶湿延迟为:
ZWD=ZTD-ZHD;
式中,ZWD为天顶湿延迟,ZTD为总延迟。
优选的,所述第一大气可降水量确定模块,具体包括:
第一大气可降水量确定单元,用于采用公式PWV1=Π·ZWD,根据所述天顶湿延迟确定第一大气可降水量PWV1;
式中,ZWD为天顶湿延迟,Π为无量纲比例因子;
所述第二大气可降水量确定模块,具体包括:
第二大气可降水量确定单元,用于采用公式根据探空站分层数据确定所述第二大气可降水量PWV2;
式中,ρwater为液态水密度,ρw为大气中的水汽密度,Rv为水汽的比气体常数,H为整个对流层的高度,Pw为水汽压,T为绝对温度。
优选的,所述气象因子提取模块具体包括:
分层单元,用于按预设高度将所述大气廓线进行分层;
气象分层因子确定单元,用于以每层的平均温度、气压、水汽压作为因变量,采用公式确定每层的气象分层因子;
气象因子确定单元,用于根据所述气象分层因子确定所述气象因子;
式中,QX(i)为气象分层因子,n为大气廓线总层数,i为大气廓线第i层,Φ1、Φ2和Φ3均为权重因子,t为温度平均值,p为气压平均值,q为水汽压平均值。
所述大气可降水量确定模块具体包括:
大气可降水量确定单元,用于根据提取的所述气象因子,采用公式PWV(i)=QX(i)×PWV确定整个对流层中的大气可降水量;
式中,i为分层水汽的第i层,PWV(i)为第i层的大气可降水量,PWV为大气可降水量组合,QX(i)为气象分层因子。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明提供的建立三维水汽格网模型的方法和***,利用探空/掩星数据确定大气廓线,确定深度融合的时间和空间基准,建立基于多源数据的格网水汽模型,突破了传统技术将整个对流层作为研究对象的局限,实现了水汽信息的精细化提取,为精细化天气预报提供了理论基础。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的建立三维水汽格网模型方法的流程图;
图2为本发明实施例中提供的建立三维水汽格网模型方法的总体框图;
图3为本发明提供的建立三维水汽格网模型的***的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种建立三维水汽格网模型的方法和***,以能够对水汽信息进行精细化提取,进而为精细化的天气预报提供理论基础。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明提供的建立三维水汽格网模型方法的流程图,如图1所示,一种建立三维水汽格网模型的方法,包括:
步骤100:获取GNSS观测数据和探空站分层数据。所述探空站分层数据包括:液态水密度、大气中的水汽密度、整个对流层的高度、水汽压和绝对温度。
步骤101:采用GNSS数据处理与分析软件根据所述GNSS观测数据,确定卫星信号纵向穿过对流层到达地面时所引起的延迟量。
步骤102:根据所述延迟量反演确定测站接收机在天顶方向上对流层的总延迟。
步骤103:根据所述总延迟分离得到天顶湿延迟。该步骤103具体包括:
步骤1031:获取测站的纬度、所处位置的大地高度和气压。
步骤1032:根据所述纬度、所述大地高度和所述气压确定天顶干延迟。所述天顶干延迟为:
式中,ZHD为天顶干延迟,为纬度,hs为大地高度,Ps为气压。
步骤1033:根据所述天顶干延迟和所述总延迟确定天顶湿延迟。所述天顶湿延迟为:
ZWD=ZTD-ZHD。
式中,ZWD为天顶湿延迟,ZTD为总延迟。
把ZWD与气象参数联系起来,就可得到在气候研究和天气预报中很重要的可降水量信息。
步骤104:根据所述天顶湿延迟确定第一大气可降水量。该步骤具体为:
采用公式PWV1=Π·ZWD,根据所述天顶湿延迟确定第一大气可降水量PWV1。
式中,ZWD为天顶湿延迟,Π为无量纲比例因子,其关系表达式为:
式中,Rv为水汽气体常数,通常取k'2、k3是大气折射因子,Tm为大气加权平均温度,利用Bevis模型建立地表温度Ts和大气加权平均温度Tm的线性关系:
Tm=a+b*Ts,a=70.2,b=0.72。
步骤105:采用探空站分层数据确定测站上空的大气可降水量,得到第二大气可降水量。该过程具体为:
采用公式根据探空站分层数据确定所述第二大气可降水量PWV2。
式中,ρwater为液态水密度(103kg/m3),ρw为大气中的水汽密度(g/m3),Rv为水汽的比气体常数,H为整个对流层的高度,Pw为水汽压(hpa),T为绝对温度(K)。
步骤106:根据所述第一大气可降水量和所述第二大气可降水量构建GNSS/探空水汽模型。所述GNSS/探空水汽模型为所述第一大气可降水量和所述第二大气可降水量融合加密后的大气可降水量组合。
步骤107:根据所述GNSS/探空水汽模型确定掩星数据和探空数据。
步骤108:根据所述掩星数据和所述探空数据确定大气廓线。
步骤109:获取预设的同一起算时间和预设的空间间隔。
步骤110:根据所述预设的同一起算时间和所述预设的空间间隔确定统一的时间和空间基准。
步骤111:根据所述统一的时间和空间基准提取所述大气廓线中的气象因子。该步骤具体包括:
步骤1111:按预设高度将所述大气廓线进行分层。
步骤1112:以每层的平均温度、气压、水汽压作为因变量,采用公式确定每层的气象分层因子。
步骤1113:根据所述气象分层因子确定所述气象因子。
式中,QX(i)为气象分层因子,n为大气廓线总层数,i为大气廓线第i层,Φ1、Φ2和Φ3均为权重因子,t为温度平均值,p为气压平均值,q为水汽压平均值。
步骤112:根据提取的所述气象因子确定整个对流层中的大气可降水量。具体为:
根据提取的所述气象因子,采用公式PWV(i)=QX(i)×PWV确定整个对流层中的大气可降水量。
式中,i为分层水汽的第i层,PWV(i)为第i层的大气可降水量,PWV为大气可降水量组合,QX(i)为气象分层因子。
步骤113:根据所述大气可降水量构建三维水汽格网模型。
探空观测通过在探空气球上的传感器来记录不同高度下大气中的温度、气压、湿度等信息。无线电掩星技术通过观测穿越大气层的来自GNSS无线电信号的弯曲程度,得到地球大气层的水汽和其它物理参量的信息,在***正常工作后,COSMIC卫星每24h在全球几乎均匀分布的地点进行大约2500次观测,每次观测经过处理后,其中的湿大气剖面直接给出0-40km高度区间内以100m为间隔的大气温度、压强和湿度廓线,这些高垂直分辨率的观测资料,大大弥补了常规探空资料的不足,尤其是对于缺少探空观测的地区,如高原、沙漠、两极和海洋。
为了进一步提高所提取水汽信息的精细度,本发明提供的建立三维水汽格网模型的方法中,优选利用掩星数据和探空数据获取大气廓线,按照不同高度将大气廓线沿着垂直方向进行分层。采用MINQUE的方差分量估计方法实现两种数据最优定权,建立统一的水汽模型。MINQUE模型是基于数理统计理论提出的,可用于直接估计观测值的方差-协方差矩阵。假设方差-协方差阵可写为:
式中,m=n(n-1)/2,表示方差分量个数,[θ1,θ2,L,θm]是方差-协方差矩阵的上三角阵中各方差分量,[T1,T2,…,Tm]是相应的伴随矩阵。构建方差分量的任意线性函数Ω=g1θ1+g2θ2+…+gmθm,并选取高斯-马尔科夫模型下观测向量l的二次型lTMl,并要求不变性、无偏性和最小范数条件。假设M是通过解下列矩阵最小迹问题:
式中,A是模型系数阵,M是二次型的正定矩阵,即为代求矩阵,α=(g1 g2 ···gm)T为已知的m维向量,(θ1 θ2 ··· θm)为单位权方差分量,解线性方程组(8)得到的解lTMl,则该二次型为Ω的最小范数二次无偏估计。据此,得到方差分量估计值为:
式中,矩阵S的第(i,j)个元素si,j=tr(RTiRTj),向量q的第i个元素qi=lTRTiRl,记R=C-1[E-A(ATC-1A)-1ATC-1],E为单位矩阵,所以/>计算过程中,θ通过迭代求解,即给定θ一个初始值θ0,第j次迭代值为/>当迭代前后方差分量差值小于某一微小量时,迭代终止。此时,得到MINQUE模型的方差-协方差矩阵,从而确定两种异质数据的最优定权方案,实现最优融合建立大气廓线模型。
实现本发明提供的建立三维水汽格网模型的方法的总体框图如图2所示。
此外,针对上述提供的建立三维水汽格网模型的方法,本发明还对应提供了一种建立三维水汽格网模型的***,如图3所示,该***包括:第一获取模块1、延迟量确定模块2、总延迟确定模块3、天顶湿延迟确定模块4、第一大气可降水量确定模块5、第二大气可降水量确定模块6、GNSS/探空水汽模型构建模块7、掩星探空数据确定模块8、大气廓线确定模块9、第二获取模块10、时间和空间基准确定模块11、气象因子提取模块12、大气可降水量确定模块13和三维水汽格网模型构建模块14。
其中,第一获取模块1用于获取GNSS观测数据和探空站分层数据。所述探空站分层数据包括:液态水密度、大气中的水汽密度、整个对流层的高度、水汽压和绝对温度。
延迟量确定模块2用于采用GNSS数据处理与分析软件根据所述GNSS观测数据,确定卫星信号纵向穿过对流层到达地面时所引起的延迟量。
总延迟确定模块3用于根据所述延迟量反演确定测站接收机在天顶方向上对流层的总延迟。
天顶湿延迟确定模块4用于根据所述总延迟分离得到天顶湿延迟。
第一大气可降水量确定模块5用于根据所述天顶湿延迟确定第一大气可降水量。
第二大气可降水量确定模块6用于采用探空站分层数据确定测站上空的大气可降水量,得到第二大气可降水量。
GNSS/探空水汽模型构建模块7用于根据所述第一大气可降水量和所述第二大气可降水量构建GNSS/探空水汽模型。所述GNSS/探空水汽模型为所述第一大气可降水量和所述第二大气可降水量融合加密后的大气可降水量组合。
掩星探空数据确定模块8用于根据所述GNSS/探空水汽模型确定掩星数据和探空数据。
大气廓线确定模块9用于根据所述掩星数据和所述探空数据确定大气廓线。
第二获取模块10用于获取预设的同一起算时间和预设的空间间隔。
时间和空间基准确定模块11用于根据所述预设的同一起算时间和所述预设的空间间隔确定统一的时间和空间基准。
气象因子提取模块12用于根据所述统一的时间和空间基准提取所述大气廓线中的气象因子。
大气可降水量确定模块13用于根据提取的所述气象因子确定整个对流层中的大气可降水量。
三维水汽格网模型构建模块14用于根据所述大气可降水量构建三维水汽格网模型。
作为本发明的一优选实施例,上述天顶湿延迟确定模块4具体包括:获取单元、天顶干延迟确定单元和天顶湿延迟确定单元。
其中,获取单元用于获取测站的纬度、所处位置的大地高度和气压。
天顶干延迟确定单元用于根据所述纬度、所述大地高度和所述气压确定天顶干延迟。所述天顶干延迟为:
式中,ZHD为天顶干延迟,为纬度,hs为大地高度,Ps为气压。
天顶湿延迟确定单元用于根据所述天顶干延迟和所述总延迟确定天顶湿延迟。所述天顶湿延迟为:
ZWD=ZTD-ZHD。
式中,ZWD为天顶湿延迟,ZTD为总延迟。
作为本发明的另一优选实施例,上述第一大气可降水量确定模块5具体包括:第一大气可降水量确定单元。
其中,第一大气可降水量确定单元用于采用公式PWV1=Π·ZWD,根据所述天顶湿延迟确定第一大气可降水量PWV1。
式中,ZWD为天顶湿延迟,Π为无量纲比例因子。
第二大气可降水量确定模块6具体包括:第二大气可降水量确定单元。
其中,第二大气可降水量确定单元用于采用公式
根据探空站分层数据确定所述第二大气可降水量PWV2。
式中,ρwater为液态水密度,ρw为大气中的水汽密度,Rv为水汽的比气体常数,H为整个对流层的高度,Pw为水汽压,T为绝对温度。
作为本发明的另一优选实施例,上述气象因子提取模块12具体包括:分层单元、气象分层因子确定单元和气象因子确定单元。
其中,分层单元用于按预设高度将所述大气廓线进行分层。
气象分层因子确定单元用于以每层的平均温度、气压、水汽压作为因变量,采用公式确定每层的气象分层因子。
气象因子确定单元用于根据所述气象分层因子确定所述气象因子。
式中,QX(i)为气象分层因子,n为大气廓线总层数,i为大气廓线第i层,Φ1、Φ2和Φ3均为权重因子,t为温度平均值,p为气压平均值,q为水汽压平均值。
所述大气可降水量确定模块13具体包括:大气可降水量确定单元。
其中,大气可降水量确定单元用于根据提取的所述气象因子,采用公式PWV(i)=QX(i)×PWV确定整个对流层中的大气可降水量。
式中,i为分层水汽的第i层,PWV(i)为第i层的大气可降水量,PWV为大气可降水量组合,QX(i)为气象分层因子。
在本发明提供的建立三维水汽格网模型的方法和***中,利用GNSS数据反演ZWD,进而计算PWV,同时使用探空站数据计算PWV,利用最小二乘方差估计将二者进行数据融合。
利用掩星数据和探空数据获取大气廓线,按照不同高度将大气廓线沿着垂直方向进行分层。提取大气廓线中的气象因子,设定同一起算时间和空间间隔,建立统一的时间和空间基准。通过MINQUE的方差分量估计方法实现三种数据的最优定权,计算每层高度上的PWV,获取三维水汽模型。
该方法将在GNSS/探空/掩星反演水汽的基础上,确定深度融合的时间和空间基准,建立基于多源数据的格网水汽模型。本发明突破传统整个对流层作为研究对象的局限,建立的分层水汽模型,可以提取精细化的降水关系,为精细化天气预报提供了理论基础,且具有一定的现实意义。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的***而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种建立三维水汽格网模型的方法,其特征在于,包括:
获取GNSS观测数据和探空站分层数据;所述探空站分层数据包括:液态水密度、大气中的水汽密度、整个对流层的高度、水汽压和绝对温度;
采用GNSS数据处理与分析软件根据所述GNSS观测数据,确定卫星信号纵向穿过对流层到达地面时所引起的延迟量;
根据所述延迟量反演确定测站接收机在天顶方向上对流层的总延迟;
根据所述总延迟分离得到天顶湿延迟;
根据所述天顶湿延迟确定第一大气可降水量;
采用探空站分层数据确定测站上空的大气可降水量,得到第二大气可降水量;
根据所述第一大气可降水量和所述第二大气可降水量构建GNSS/探空水汽模型;所述GNSS/探空水汽模型为所述第一大气可降水量和所述第二大气可降水量融合加密后的大气可降水量组合;
根据所述GNSS/探空水汽模型确定掩星数据和探空数据;
根据所述掩星数据和所述探空数据确定大气廓线;
获取预设的同一起算时间和预设的空间间隔;
根据所述预设的同一起算时间和所述预设的空间间隔确定统一的时间和空间基准;
根据所述统一的时间和空间基准提取所述大气廓线中的气象因子;
根据提取的所述气象因子确定整个对流层中的大气可降水量;
根据所述大气可降水量构建三维水汽格网模型。
2.根据权利要求1所述的建立三维水汽格网模型的方法,其特征在于,所述根据所述总延迟分离得到天顶湿延迟,具体包括:
获取测站的纬度、所处位置的大地高度和气压;
根据所述纬度、所述大地高度和所述气压确定天顶干延迟;所述天顶干延迟为:
式中,ZHD为天顶干延迟,为纬度,hs为大地高度,Ps为气压;
根据所述天顶干延迟和所述总延迟确定天顶湿延迟;所述天顶湿延迟为:
ZWD=ZTD-ZHD;
式中,ZWD为天顶湿延迟,ZTD为总延迟。
3.根据权利要求1所述的建立三维水汽格网模型的方法,其特征在于,所述根据所述天顶湿延迟确定第一大气可降水量,具体包括:
采用公式PWV1=Π·ZWD,根据所述天顶湿延迟确定第一大气可降水量PWV1;
式中,ZWD为天顶湿延迟,Π为无量纲比例因子。
4.根据权利要求1所述的建立三维水汽格网模型的方法,其特征在于,所述采用探空站分层数据确定测站上空的大气可降水量,得到第二大气可降水量,具体包括:
采用公式根据探空站分层数据确定所述第二大气可降水量PWV2;
式中,ρwater为液态水密度,ρw为大气中的水汽密度,Rv为水汽的比气体常数,H为整个对流层的高度,Pw为水汽压,T为绝对温度。
5.根据权利要求1所述的建立三维水汽格网模型的方法,其特征在于,所述根据所述统一的时间和空间基准提取所述大气廓线中的气象因子,具体包括:
按预设高度将所述大气廓线进行分层;
以每层的平均温度、气压、水汽压作为因变量,采用公式
确定每层的气象分层因子;
根据所述气象分层因子确定所述气象因子;
式中,QX(i)为气象分层因子,n为大气廓线总层数,i为大气廓线第i层,Φ1、Φ2和Φ3均为权重因子,t为温度平均值,p为气压平均值,q为水汽压平均值。
6.根据权利要求1所述的建立三维水汽格网模型的方法,其特征在于,所述根据提取的所述气象因子确定整个对流层中的大气可降水量,具体包括:
根据提取的所述气象因子,采用公式PWV(i)=QX(i)×PWV确定整个对流层中的大气可降水量;
式中,i为分层水汽的第i层,PWV(i)为第i层的大气可降水量,PWV为大气可降水量组合,QX(i)为气象分层因子。
7.一种建立三维水汽格网模型的***,其特征在于,包括:
第一获取模块,用于获取GNSS观测数据和探空站分层数据;所述探空站分层数据包括:液态水密度、大气中的水汽密度、整个对流层的高度、水汽压和绝对温度;
延迟量确定模块,用于采用GNSS数据处理与分析软件根据所述GNSS观测数据,确定卫星信号纵向穿过对流层到达地面时所引起的延迟量;
总延迟确定模块,用于根据所述延迟量反演确定测站接收机在天顶方向上对流层的总延迟;
天顶湿延迟确定模块,用于根据所述总延迟分离得到天顶湿延迟;
第一大气可降水量确定模块,用于根据所述天顶湿延迟确定第一大气可降水量;
第二大气可降水量确定模块,用于采用探空站分层数据确定测站上空的大气可降水量,得到第二大气可降水量;
GNSS/探空水汽模型构建模块,用于根据所述第一大气可降水量和所述第二大气可降水量构建GNSS/探空水汽模型;所述GNSS/探空水汽模型为所述第一大气可降水量和所述第二大气可降水量融合加密后的大气可降水量组合;
掩星探空数据确定模块,用于根据所述GNSS/探空水汽模型确定掩星数据和探空数据;
大气廓线确定模块,用于根据所述掩星数据和所述探空数据确定大气廓线;
第二获取模块,用于获取预设的同一起算时间和预设的空间间隔;
时间和空间基准确定模块,用于根据所述预设的同一起算时间和所述预设的空间间隔确定统一的时间和空间基准;
气象因子提取模块,用于根据所述统一的时间和空间基准提取所述大气廓线中的气象因子;
大气可降水量确定模块,用于根据提取的所述气象因子确定整个对流层中的大气可降水量;
三维水汽格网模型构建模块,用于根据所述大气可降水量构建三维水汽格网模型。
8.根据权利要求7所述的建立三维水汽格网模型的***,其特征在于,所述天顶湿延迟确定模块,具体包括:
获取单元,用于获取测站的纬度、所处位置的大地高度和气压;
天顶干延迟确定单元,用于根据所述纬度、所述大地高度和所述气压确定天顶干延迟;所述天顶干延迟为:
式中,ZHD为天顶干延迟,为纬度,hs为大地高度,Ps为气压;
天顶湿延迟确定单元,用于根据所述天顶干延迟和所述总延迟确定天顶湿延迟;所述天顶湿延迟为:
ZWD=ZTD-ZHD;
式中,ZWD为天顶湿延迟,ZTD为总延迟。
9.根据权利要求7所述的建立三维水汽格网模型的***,其特征在于,所述第一大气可降水量确定模块,具体包括:
第一大气可降水量确定单元,用于采用公式PWV1=Π·ZWD,根据所述天顶湿延迟确定第一大气可降水量PWV1;
式中,ZWD为天顶湿延迟,Π为无量纲比例因子;
所述第二大气可降水量确定模块,具体包括:
第二大气可降水量确定单元,用于采用公式根据探空站分层数据确定所述第二大气可降水量PWV2;
式中,ρwater为液态水密度,ρw为大气中的水汽密度,Rv为水汽的比气体常数,H为整个对流层的高度,Pw为水汽压,T为绝对温度。
10.根据权利要求7所述的建立三维水汽格网模型的***,其特征在于,所述气象因子提取模块,具体包括:
分层单元,用于按预设高度将所述大气廓线进行分层;
气象分层因子确定单元,用于以每层的平均温度、气压、水汽压作为因变量,采用公式确定每层的气象分层因子;
气象因子确定单元,用于根据所述气象分层因子确定所述气象因子;
式中,QX(i)为气象分层因子,n为大气廓线总层数,i为大气廓线第i层,Φ1、Φ2和Φ3均为权重因子,t为温度平均值,p为气压平均值,q为水汽压平均值;
所述大气可降水量确定模块具体包括:
大气可降水量确定单元,用于根据提取的所述气象因子,采用公式PWV(i)=QX(i)×PWV确定整个对流层中的大气可降水量;
式中,i为分层水汽的第i层,PWV(i)为第i层的大气可降水量,PWV为大气可降水量组合,QX(i)为气象分层因子。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010742345.XA CN111881581B (zh) | 2020-07-29 | 2020-07-29 | 一种建立三维水汽格网模型的方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010742345.XA CN111881581B (zh) | 2020-07-29 | 2020-07-29 | 一种建立三维水汽格网模型的方法和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111881581A CN111881581A (zh) | 2020-11-03 |
CN111881581B true CN111881581B (zh) | 2024-01-26 |
Family
ID=73201871
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010742345.XA Active CN111881581B (zh) | 2020-07-29 | 2020-07-29 | 一种建立三维水汽格网模型的方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111881581B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112418684A (zh) * | 2020-11-26 | 2021-02-26 | 清华大学 | 空中水资源时空分布规律的评估方法、装置、设备和介质 |
CN112632473B (zh) * | 2021-03-09 | 2021-05-25 | 长江空间信息技术工程有限公司(武汉) | 一种融合地基和空基gnss大气可降水量的计算方法 |
CN114415266B (zh) * | 2021-12-31 | 2022-09-20 | 中国气象局气象探测中心 | 水汽数据处理方法、装置、电子设备和计算机可读介质 |
CN114357770B (zh) * | 2022-01-04 | 2022-10-11 | 中南大学 | 一种对流层层析方法 |
CN115099159B (zh) * | 2022-07-20 | 2023-03-07 | 武汉大学 | 基于神经网络且顾及地表差异的modis水汽反演方法 |
CN116203652A (zh) * | 2023-04-27 | 2023-06-02 | 武汉依迅北斗时空技术股份有限公司 | 对流层顶高度探测方法、测站、装置及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0851240A2 (en) * | 1996-12-26 | 1998-07-01 | Nippon Telegraph And Telephone Corporation | Meteorological radar precipitation pattern prediction method and apparatus |
CN102455304A (zh) * | 2011-07-12 | 2012-05-16 | 北京汇美电子技术有限公司 | 基于北斗卫星的大气层水汽测量方法 |
CN109507756A (zh) * | 2018-12-20 | 2019-03-22 | 中国气象局气象探测中心 | 一种gnss水汽站气压与温度无仪器获取方法及*** |
CN109543353A (zh) * | 2018-12-29 | 2019-03-29 | 广东电网有限责任公司 | 三维水汽反演方法、装置、设备和计算机可读存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10545243B2 (en) * | 2017-11-10 | 2020-01-28 | Spire Global, Inc. | Systems and methods for improved atmospheric monitoring and GPS positioning utilizing GNSS tomographic refractivity |
-
2020
- 2020-07-29 CN CN202010742345.XA patent/CN111881581B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0851240A2 (en) * | 1996-12-26 | 1998-07-01 | Nippon Telegraph And Telephone Corporation | Meteorological radar precipitation pattern prediction method and apparatus |
CN102455304A (zh) * | 2011-07-12 | 2012-05-16 | 北京汇美电子技术有限公司 | 基于北斗卫星的大气层水汽测量方法 |
CN109507756A (zh) * | 2018-12-20 | 2019-03-22 | 中国气象局气象探测中心 | 一种gnss水汽站气压与温度无仪器获取方法及*** |
CN109543353A (zh) * | 2018-12-29 | 2019-03-29 | 广东电网有限责任公司 | 三维水汽反演方法、装置、设备和计算机可读存储介质 |
Non-Patent Citations (2)
Title |
---|
不同IGS星历产品对地基GPS反演水汽的影响;刘盼;刘智敏;张明敏;郭金运;;测绘科学(第12期);全文 * |
联合地基GNSS及空基GNSS掩星探测水汽三维分布;吴昊;鄂盛龙;夏朋飞;许海林;罗颖婷;谭理庆;;导航定位与授时(第01期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111881581A (zh) | 2020-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111881581B (zh) | 一种建立三维水汽格网模型的方法和*** | |
CN106767687B (zh) | 一种利用遥感含水量测量滩涂高程的方法 | |
Yang et al. | Evaluation of multiple forcing data sets for precipitation and shortwave radiation over major land areas of China | |
CN107390298A (zh) | 一种复杂山地下垫面大风的模拟方法及装置 | |
CN109871637B (zh) | 一种云天条件下近地面气温估算方法 | |
CN110378540A (zh) | 一种适用于广西北部湾地区的大气加权平均温度计算方法 | |
Gu et al. | Hydrological assessment of TRMM rainfall data over Yangtze River Basin | |
CN105069295B (zh) | 基于卡尔曼滤波的卫星以及地面降水测量值同化方法 | |
CN108680268B (zh) | 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 | |
CN111639810B (zh) | 一种基于防汛需求的降雨预报精度评估方法 | |
Chen et al. | Detecting water vapor variability during heavy precipitation events in Hong Kong using the GPS tomographic technique | |
Fu et al. | Comparison of NCEP-NCAR and ERA-Interim over Australia. | |
CN114114358B (zh) | 一种基于多源卫星数据融合的北极海冰厚度空间分辨率改进方法 | |
Liléo et al. | Investigation on the use of NCEP/NCAR, MERRA and NCEP/CFSR reanalysis data in wind resource analysis | |
CN114910982B (zh) | 一种基于北斗技术的降雨预警模型构建方法 | |
Li et al. | Spatiotemporal soil moisture variations associated with hydro‐meteorological factors over the Yarlung Zangbo River basin in southeast Tibetan Plateau | |
Han et al. | Effects of different land use types on potential evapotranspiration in the Beijing-Tianjin-Hebei region, North China | |
CN111126466B (zh) | 一种多源pwv数据融合方法 | |
CN115144095A (zh) | 基于遥感的已运营核电厂温排水本底水温确定方法及*** | |
Zhao et al. | Retrieval of a high-precision drought monitoring index by using GNSS-derived ZTD and temperature | |
CN114357770B (zh) | 一种对流层层析方法 | |
Seko et al. | The meso-γ scale water vapor distribution associated with a thunderstorm calculated from a dense network of GPS receivers | |
CN103064128A (zh) | 基于星间距离误差模型的地球重力场恢复方法 | |
CN116108767A (zh) | 一种提高大气稳定边界层数值模拟准确率的方法 | |
Yang et al. | Evaluation and comparison among multiple forcing data sets for precipitation and shortwave radiation over mainland China |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |