CN114910982B - 一种基于北斗技术的降雨预警模型构建方法 - Google Patents

一种基于北斗技术的降雨预警模型构建方法 Download PDF

Info

Publication number
CN114910982B
CN114910982B CN202210791019.7A CN202210791019A CN114910982B CN 114910982 B CN114910982 B CN 114910982B CN 202210791019 A CN202210791019 A CN 202210791019A CN 114910982 B CN114910982 B CN 114910982B
Authority
CN
China
Prior art keywords
pwv
ztd
early warning
warning model
increment
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
Application number
CN202210791019.7A
Other languages
English (en)
Other versions
CN114910982A (zh
Inventor
李祖锋
赵庆志
尚海兴
狄圣杰
吕宝雄
王盼
付晓花
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
PowerChina Northwest Engineering Corp Ltd
Original Assignee
PowerChina Northwest Engineering Corp Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by PowerChina Northwest Engineering Corp Ltd filed Critical PowerChina Northwest Engineering Corp Ltd
Priority to CN202210791019.7A priority Critical patent/CN114910982B/zh
Publication of CN114910982A publication Critical patent/CN114910982A/zh
Application granted granted Critical
Publication of CN114910982B publication Critical patent/CN114910982B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/14—Rainfall or precipitation gauges
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • 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

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Operations Research (AREA)
  • Environmental Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Ecology (AREA)
  • Hydrology & Water Resources (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种基于北斗技术的降雨预警模型构建方法，包括以下步骤：基于北斗卫星导航***观测数据解算获取天顶对流层总延迟ZTD；依据所述ZTD数据结合气象数据获取大气可降水量PWV；确定多种预报因子；确定所述多种预报因子的阈值；组合所述多种预报因子，构建预警模型；评估所述预警模型的性能。本发明利用多项式拟合的方法对PWV和ZTD的时序进行拟合，引入百分位阈值法确定多种预报因子的阈值，提升降雨预警模型的精度，组合多种预报因子，综合考虑PWV数值、PWV递增量与递增率、ZTD递增量与递增率，构建基于北斗技术的联合PWV和ZTD的降雨预测模型，提高降雨预测的准确率，降低降雨预测的虚假率。

Description

一种基于北斗技术的降雨预警模型构建方法
技术领域
本发明涉及一种基于北斗技术的降雨预警模型构建方法，属于气象学领域。
背景技术
随着近年来全球气候变暖，国内外极端降雨事件频发，为社会的发展及人类的生活带来严重的影响，其中极端降雨是国内外典型的破坏性天气现象之一，由极端降雨引发的洪水会造成城市内涝、设施损坏、人员伤亡及经济损失等影响。
我国地势西高东低，气候类型复杂多样，各地区降水分布不均匀。受气候及地形因素的影响，暴雨事件成为我国气象灾害中最严重、最频繁发生的气象灾害事件之一。持续的长期强降雨数据极易引发洪涝、大坝溃堤、河水泛滥等多种灾害事件，因此针对强降雨事件的预警具有重要意义，构建准确的降雨预警模型变得日益重要。
目前，随着全球北斗***组网完成，北斗技术逐渐应用于国内外各行各业当中，其中利用北斗技术构建降雨预警模型逐渐引起国内外研究学者的关注，但目前仍少有研究。目前大多数据学者仅通过最小二乘线性拟合PWV的时序变化并探究其与降雨事件之间的响应关系，通过设置时间变化窗口，以PWV递增量和递增率进行降雨预测，但是这一类降雨模型普遍存在明显的准确率低、虚假率高的缺陷，其本质原因可能是由于降雨事件的发生是由多种气象参数共同作用所导致，如果仅利用单一参数或其递增量与递增率无法实现降雨事件的精准预警。
发明内容
为了解决现有技术的不足，本发明提出了一种基于北斗技术的降雨预警模型构建方法，通过组合PWV数值、PWV递增量与递增率、ZTD递增量与递增率多种预报因子，构建基于北斗技术的联合PWV和ZTD的降雨预警模型，提高降雨预测的准确率，降低降雨预测的虚假率。
本发明提供一种基于北斗技术的降雨预警模型构建方法，包括以下步骤：
步骤一，基于北斗卫星导航***观测数据解算获取天顶对流层总延迟ZTD；
步骤二，依据所述ZTD数据结合气象数据获取大气可降水量PWV；
步骤三，确定多种预报因子；
步骤四，确定所述多种预报因子的阈值；
步骤五，组合所述多种预报因子，构建预警模型；
步骤六，评估所述预警模型的性能。
优选的，所述步骤一中，解算获取天顶对流层总延迟ZTD时，将精密星历和卫星钟差数据代入观测方程，以固定卫星轨道和消除卫星钟差项。
优选的，所述步骤一中，解算获取天顶对流层总延迟ZTD时，采用双频观测值，以消除电离层的影响。
优选的，所述步骤二中，获取大气可降水量PWV的方法包括：
(1)计算天顶干延迟ZHD：
(2)计算天顶湿延迟ZWD：
ZWD＝ZTD-ZHD
(3)计算大气可降水量PWV：
式中，P代表BDS测站处的气压，和H分别代表BDS测站的纬度(rad)与站点高(km)，K′2、K3和RV是常数，它们的值分别为16.48K·hPa-1、(3.776±0.014)×105K2·hPa-1和461J·kg-1·K-1，ρ是水汽密度，Tm为大气加权平均温度。
优选的，所述步骤三中，所述多种预报因子包括ZTD的递增量与递增率、PWV的递增量与递增率、以及PWV值。
优选的，所述步骤四中，确定所述多种预报因子的阈值之前，对大气可降水量PWV和天顶对流层总延迟ZTD的时序进行拟合。
优选的，对大气可降水量PWV和天顶对流层总延迟ZTD的时序进行拟合的方法为多项式拟合法。
优选的，所述步骤四中，确定所述多种预报因子的阈值的方法为利用百分位阈值的方法。
优选的，所述百分位阈值的方法为：
(1)将一种预报因子X从小到大进行排列；
(2)计算(a+1)*P％，结果记为j+g，式中，a为预报因子X值的总个数，j为整数部分，g为小数部分，P为百分位；
(3)获取阈值：
式中，Pvalue为对应百分位P的百分位数，也就是阈值；X(j)表示第j个预报因子的值。
优选的，其特征在于，所述步骤六中，评估所述预警模型的性能包括计算所述预警模型的准确率、虚假率、以及缺报率。
本发明的有益效果在于：利用多项式拟合的方法对PWV和ZTD的时序进行拟合，在模型构建中引入百分位阈值法确定多种预报因子的阈值，提升降雨预警模型的精度，组合多种预报因子，综合考虑PWV数值、PWV递增量与递增率、ZTD递增量与递增率，构建基于北斗技术的联合PWV和ZTD的降雨预测模型，提高降雨预测的准确率，降低降雨预测的虚假率。
附图说明
图1为本发明的流程示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述。
本发明提供了一种基于北斗技术的降雨预警模型构建方法，包括以下步骤：
步骤一，基于北斗卫星导航***观测数据解算获取天顶对流层总延迟ZTD；
将北斗卫星导航***(BeiDou Navigation Satellite System,BDS)接收机获取的Rinex文件通过利用武汉大学开发的GNSS PPP软件，采用精密单点定位(PrecisePointing Positioning,PPP)技术进行解算以获取天顶对流层总延迟(ZenithTroposphere Delay,ZTD)数据。
为消除坐标参数的影响，通常利用已知测站的GNSS(Global NavigationSatellite System，全球导航卫星***)观测值，同时将精密星历和卫星钟差数据代入观测方程以达到固定卫星轨道和消除卫星钟差项的目的。为了消除电离层的影响，通常采用双频观测值。
该算法中伪距与载波相位的观测方程如下所示：
式中，V代表观测值改正数，i代表相应的观测历元，j代表卫星信号，c为真空中的光速，δt(i)为接收机钟差，δρzd(i)和M(θi(i))分别为天顶对流层总延迟和相应的投影函数，θi(i)代表卫星高度角，εP和εφ分别代表多路径和观测噪声等没有模型化的误差影响，Pj(i)和φj(i)为相应第i个卫星历元消除了电离层影响的组合观测值，λ为相应的波长，ρj(i)代表信号发射时刻的卫星位置到信号接收时刻接收机位置之间的几何距离，Nj(i)为消除了电离层影响的组合观测值的模糊度参数。
步骤二，依据所述ZTD数据结合气象数据获取大气可降水量PWV；
若BDS接收机配备气象传感器，则使用实时获取的气象数据用于PWV的反演；若BDS站点未配备气象传感器，则依据再分析资料所提供的气象数据进行PWV数据的反演。
首先利用Saastamoinen模型获取天顶干延迟(Zenith Hydrostatic Delay,ZHD)，计算公式为：
式中，P代表BDS测站处的气压，和H分别代表BDS测站的纬度(rad)与站点高(km)。然后获取天顶湿延迟(Zenith Wet Delay,ZWD)：
ZWD＝ZTD-ZHD#(4)
最后计算得到GNSS站点的PWV数据：
式中，K2′、K3和RV是常数，它们的值分别为16.48K·hPa-1、(3.776±0.014)×105K2·hPa-1和461J·kg-1·K-1，ρ是水汽密度，Tm为大气加权平均温度。
步骤三，确定多种预报因子；
在本发明的一个实施例中，确定的多种预报因子包括ZTD的递增量与递增率、PWV的递增量与递增率、以及PWV值。
利用多项式拟合的方法对大气可降水量PWV和天顶对流层总延迟ZTD的时序进行拟合，具体拟合方法可归纳为以下几步：
(1)以时间为横坐标，PWV或ZTD为纵坐标绘制散点图，确定拟合多项式的次数n；
(2)计算和/>式中，j＝0,1,…,2n，xi代表时间，yi代表PWV或ZTD，m代表数据总个数；
(3)写出正规方程组，求出系数a0,a1,…an，正规方程组用矩阵表示为：
(4)确定拟合多项式Pn(x)：
ZTD的递增量与递增率和PWV的递增量与递增率计算方式如下所示：
Datavalue＝Datamax-Datamin#(6)
ΔT＝T-t#(7)
式中，Datavalue代表ZTD或PWV的递增量，Datamax代表降雨前最接近降雨时ZTD或PWV的极大值，Datamin代表极大值前最接近的ZTD或PWV的极小值，ΔT代表间隔时间，T代表ZTD或PWV极大值对应的时间，t代表ZTD或PWV极小值对应的时间，Datarate代表ZTD或PWV的递增率。
步骤四，确定所述多种预报因子的阈值；
传统确定降雨预测阈值的方法通常为依据经验值进行确定，这样确定的阈值往往会导致不适应预警模型，使得预警模型准确率降低。本发明拟通过百分位阈值方法确定降雨预测阈值，相比传统阈值确定方法，此方法更具有普适性和客观性，进而可以达到提高预警模型精度的目的，该方法可通过以下三个步骤进行实现：
(1)将一种预报因子X从小到大进行排列；
(2)计算(a+1)*P％，结果记为j+g，式中，a为预报因子X值的总个数，j为整数部分，g为小数部分，P为百分位；
(3)获取阈值：
式中，Pvalue为对应百分位P的百分位数，也就是阈值；X(j)表示第j个预报因子的值。
步骤五，组合所述多种预报因子，构建预警模型；
预警模型的构建可以只用一种预报因子，当预报因子超过步骤四中确定的相应的阈值时，即预测为降雨；也可以选择几种预报因子的组合，当选择的几种预报因子都达到相应的阈值时，才预测为降雨，如表1所示给出了可能的五种组合方案，其中“√”代表选择该预报因子，“×”代表不选择该预报因子。
表1
步骤六，评估所述预警模型的性能。
为了验证本发明降雨预警模型的性能及可靠性，拟从两方面分别对模型的精度进行验证。首先通过实验数据计算降雨预警模型的准确率、虚假率、缺报率，来评估模型精度，准确率、虚假率、缺报率的计算方式如下所示：
式中，TrueR、FalseR、MissR分别代表准确率、虚假率、缺报率，Nt、Nf、Nm分别代表模型准确、虚假、缺报的降雨次数，Na代表实际降雨发生的次数。
其次通过利用实际数据进行验证，通过统计在某一时间段内实际降雨发生的次数与模型准确预测的次数，进一步评估本发明所构建的降雨预警模型的精确性。

Claims (1)

1.一种基于北斗技术的降雨预警模型构建方法，其特征在于，包括以下步骤：
步骤一，基于北斗卫星导航***观测数据解算获取天顶对流层总延迟ZTD；其中，解算获取天顶对流层总延迟ZTD时，将精密星历和卫星钟差数据代入观测方程，以达到固定卫星轨道和消除卫星钟差项的目的；解算获取天顶对流层总延迟ZTD时，采用双频观测值，以消除电离层的影响；
步骤二，依据所述ZTD数据结合气象数据获取大气可降水量PWV；其中，获取大气可降水量PWV的方法包括：
（1）计算天顶干延迟ZHD：
（2）计算天顶湿延迟ZWD：
（3）计算大气可降水量PWV：
式中，P代表BDS测站处的气压，和H分别代表BDS测站的纬度(rad)与站点高(km)，
、/>和/>是常数，它们的值分别为16.48/>、(3.776±0.014)×105/>和461/>，/>是水汽密度，Tm为大气加权平均温度；
步骤三，确定多种预报因子，所述多种预报因子包括ZTD的递增量与递增率、PWV的递增量与递增率、以及PWV值；
步骤四，确定所述多种预报因子的阈值；其中，确定所述多种预报因子的阈值之前，对大气可降水量PWV和天顶对流层总延迟ZTD的时序进行拟合，拟合的方法为多项式拟合法；确定所述多种预报因子的阈值的方法为利用百分位阈值的方法，其中，所述百分位阈值的方法为：
（1）将一种预报因子X从小到大进行排列；
（2）计算(a+1)*P%，结果记为j+g，式中，a为预报因子X值的总个数，j为整数部分，g为小数部分，P为百分位；
（3）获取阈值：
式中，为对应百分位P的百分位数，也就是阈值；X(j)表示第j个预报因子的值；
步骤五，组合所述多种预报因子，构建预警模型；
步骤六，评估所述预警模型的性能，评估所述预警模型的性能包括计算所述预警模型的准确率、虚假率、以及缺报率。
CN202210791019.7A 2022-07-05 2022-07-05 一种基于北斗技术的降雨预警模型构建方法 Active CN114910982B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210791019.7A CN114910982B (zh) 2022-07-05 2022-07-05 一种基于北斗技术的降雨预警模型构建方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210791019.7A CN114910982B (zh) 2022-07-05 2022-07-05 一种基于北斗技术的降雨预警模型构建方法

Publications (2)

Publication Number Publication Date
CN114910982A CN114910982A (zh) 2022-08-16
CN114910982B true CN114910982B (zh) 2024-05-14

Family

ID=82772222

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210791019.7A Active CN114910982B (zh) 2022-07-05 2022-07-05 一种基于北斗技术的降雨预警模型构建方法

Country Status (1)

Country Link
CN (1) CN114910982B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115857057B (zh) * 2022-11-23 2023-11-07 长江水利委员会长江科学院 一种基于gnss pwv降雨监测方法
CN115993668B (zh) * 2023-03-22 2023-05-30 成都云智北斗科技有限公司 一种基于多项式改正和神经网络的pwv重建方法及***

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110610595A (zh) * 2019-08-01 2019-12-24 江苏科博空间信息科技有限公司 一种基于北斗水汽反演地质灾害预警方法
CN111458768A (zh) * 2020-03-27 2020-07-28 山东大学 一种强对流天气预警方法、计算机设备和存储介质
CN114282721A (zh) * 2021-12-22 2022-04-05 中科三清科技有限公司 污染物预报模型训练方法、装置、电子设备及存储介质
CN114488349A (zh) * 2022-01-04 2022-05-13 中国科学院空天信息创新研究院 一种基于gnss-pwv多因子的局域短临降水预报模型的构建方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120119944A1 (en) * 2010-05-30 2012-05-17 Trimble Navigation Limited Gnss atmospheric estimation with ambiguity fixing

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110610595A (zh) * 2019-08-01 2019-12-24 江苏科博空间信息科技有限公司 一种基于北斗水汽反演地质灾害预警方法
CN111458768A (zh) * 2020-03-27 2020-07-28 山东大学 一种强对流天气预警方法、计算机设备和存储介质
CN114282721A (zh) * 2021-12-22 2022-04-05 中科三清科技有限公司 污染物预报模型训练方法、装置、电子设备及存储介质
CN114488349A (zh) * 2022-01-04 2022-05-13 中国科学院空天信息创新研究院 一种基于gnss-pwv多因子的局域短临降水预报模型的构建方法

Also Published As

Publication number Publication date
CN114910982A (zh) 2022-08-16

Similar Documents

Publication Publication Date Title
CN114910982B (zh) 一种基于北斗技术的降雨预警模型构建方法
Rocken et al. GPS/STORM—GPS sensing of atmospheric water vapor for meteorology
CN101971047B (zh) 卫星导航***的实时完整性监测设备及方法
CN107907043B (zh) 一种基于中长基线gnss监测网的特大型桥梁变形监测方法
CN111881581B (zh) 一种建立三维水汽格网模型的方法和***
Chen et al. Detecting water vapor variability during heavy precipitation events in Hong Kong using the GPS tomographic technique
JP2013534623A (ja) グローバル・ナビゲーション衛星システム−ｇｎｓｓ及び／又は擬似衛星に基づく構造物の地震動又は振動を測定するシステム
CN115857057B (zh) 一种基于gnss pwv降雨监测方法
CN111665218B (zh) 一种提高二氧化碳差分吸收激光雷达反演精度的方法
CN110146904B (zh) 一种适用于区域电离层tec的精确建模方法
Song et al. Remote sensing of atmospheric water vapor variation from GPS measurements during a severe weather event
CN108663727A (zh) 利用蒸发率在世界海域范围内估算蒸发波导高度的方法
Wang et al. Performance of ERA5 data in retrieving precipitable water vapor over Hong Kong
CN115980317B (zh) 基于修正相位的地基gnss-r数据土壤水分估算方法
CN116029162B (zh) 利用星载gnss-r数据的洪涝灾害淹没范围监测方法和***
CN116068670B (zh) 一种无地面网络区适用的北斗水汽场实时重构方法及装置
CN110865425B (zh) 一种基于先验信息的雨量计粗差探测方法
CN104596544A (zh) 一种电离层闪烁下航空导航性能预测的方法
CN114355411B (zh) 一种基于北斗或gps载噪比观测值的洪水探测方法
CN115902968A (zh) 基于北斗三号geo播发增强信息的ppp终端定位方法
CN114048585A (zh) 一种电离层模型事后分析方法及装置
Wu et al. Linear and nonlinear GNSS PWV features for heavy rainfall forecasting
Wielgosz et al. Application of predictive regional ionosphere model to medium range RTK positioning
Liu et al. A Zenith Tropospheric Delay Interpolation Method Considering Elevation
SONG et al. Near Real‐Time Sensing of PWV from SGCAN and the Application Test in Numerical Weather Forecast

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