文章信息
- 郭际明, 章迪, 史俊波, 周命端
- GUO Jiming, ZHANG Di, SHI Junbo, ZHOU Mingduan
- 利用射线追踪法分析三种典型对流层映射函数在中国区域的精度
- Using Ray-Tracing to Analyse the Precision of Three Classical Tropospheric Mapping Functions in China
- 武汉大学学报·信息科学版, 2015, 40(2): 182-187
- Geomatics and Information Science of Wuhan University, 2015, 40(2): 182-187
- http://dx.doi.org/10.13203/j.whugis20130096
-
文章历史
- 收稿日期:2013-05-02
2. 精密工程与工业测量国家测绘地理信息局重点实验室, 湖北 武汉 430079;
3. 广西空间信息与测绘重点实验室(桂林理工大学), 广西 桂林 541004;
4. 北京建筑大学测绘与城市空间信息学院, 北京 100044
2. Key Laboratory of Precise Engineering and Industry Surveying, National Administration of Surveying, Mapping and Geoinformation, Wuhan 430079, China;
3. Guangxi Key Laboratory of Spatial Information and Geomatics, Guilin 541004, China;
4. College of Geomatics and Urban Information, Beijing University of Civil Engineering and Architecture, Beijing 100044, China
对流层延迟的数值在天顶方向约为2.3 m,当卫星高度角为5°时,可达20 m以上[1];且对流层对电磁波信号产生的影响是非色散折射,因此不能利用双频或多频信号消除和求解,是VLBI、GNSS、SLR等空间定位技术的主要误差源。
在20世纪70年代初,Marini把对流层延迟表达为天顶延迟与映射函数的乘积,并给出了一个连续分式映射函数模型[2];随后,Davis(1985)、Ifadis(1986)、Herring(1992)、Niell(1996)、Boehm(2006)、Saha(2010)、Gegout(2011)等相继建立了不同的映射函数[3,4,5,6,7,8]。这些映射函数或是基于探空气球获取气象数据,或是基于数值天气模型,在建立起大气的垂直剖面模型后,利用射线追踪法和最小二乘拟合得出映射函数的系数。
对流层的气压、气温、水汽含量等是季节、气候、地理位置、地貌等地球物理参数的复杂时变函数,而无论是探空气球还是数值天气模型,都不可避免地受到空间和时间上的限制(如某些地区没有探空数据)。此外,推算者也会有一定的取舍(如只选取某些区域、某些时段的气象数据),由此得出的映射函数不可避免地具有一定的地域性,其在不同纬度、不同海拔区域的适用性值得研究。 1 对流层映射函数
在大地测量中,通常将任意高度角ε方向的对流层延迟表达为天顶延迟ΔLz与映射函数mf的乘积:
式中,下标h和w分别表示流体静力学延迟(简称干延迟)和非流体静力学延迟(简称湿延迟)。本文选取了 NMF、VMF1和GMF三种映射函数作为研究对象,气象数据来源等特点见表 1。三种映射函数均可用通式(1)表示:
式中, vw、vh分别表示湿延迟和干延迟高程改正量,且vw=0,
其中,a、b、c分别表示高程改正系数;h测站的单位为km。
三种映射函数的主要区别在于ai、bi、ci的取值不同[3,4,5]。需要注意的是,文献[4]表 1中VMF1的系数C10、C11有误,正确值请查阅文献[4]。
函数名称 | 气象数据来源 | 用于确定系数的气象数据的年份 | 射线追踪起 始高度角 | 计算映射函数值所需的输入参数 | ||
a | b,c | |||||
NMF[3] | 北半球26个探空气球站1 | 1987,1988,19922 | 3° | 高度角,纬度,高程 | 年积日 | |
VMF1[4,5] GMF[6] |
全球数值天气模型 (ERA-40) |
ERA40或实测3 1999.08-2002.09 | 2001 | 3.3° 3.3° | 约化儒略日,VMF1格 网约化儒略日,经度 |
|
注: “1”表示不含中国境内的探空气球站;“2”表示26个站中9个站使用的是1987年、1988年、1992年三年的数据,其余17个站只用了1992年的数据;“3”表示2001年以前的a根据ERA40数据推算,之后为实测。 |
对流层总延迟量的90%是由大气中的干大气成分折射影响引起的,剩余10%是由水蒸气而引起的。大气中某点的折射指数可以表达为大气压力、温度和湿度的函数[9]:
其中,k1、k′ 2、k3为经验系数,k′ 2=k2-k1Mw/Md;P为大气压;pw为水汽压;T为绝对温度;Zw为水汽可压缩性因子;Md和Mw分别为干、湿大气的摩尔质量。Rueger给出的最佳平均系数分别为[10]:k1=77.689 0 K/hPa,k2=71.295 2 K/hPa,k3=375 463 K2/hPa。 2.2 探空气球
探空气球由氦气球和电子探空仪(含GPS模块和温度、气压、湿度传感器等)组成。放飞后以约5 m/s的速度上升,按一定时间间隔(通常为2 s)测量温度、气压、湿度和风速,并将观测数据传送回地面,约上升到30 km高空后自行爆裂。地面站接收到数据后进行检核和处理,一般会给出各标准气压层(1 000、 925、850、700、600、500、400、300、250、200、150、 100、70、50、30、20、10 hPa)的气象元素。 2.3 射线追踪原理
根据美国气象协会的定义,射线追踪是利用折射和反射定律对射线路径进行追踪,从而确定电磁波或声波的传播的一种图形或数学方法上的近似[10],此种方法很早就用于处理大气中的电波传播问题。
由于对流层大气折射指数沿高度的变化远远大于沿水平方向的变化,因而通常都基于球对称假设将对流层分为若干层,如图 1所示,假设地球为圆球,其球 心为O,将大气层分为m个薄层,以地球表面某测站P1的天顶方向为Y轴、任一水平方向为X轴建立坐标系,则高度角εj方向的干、湿延迟的通式表达为:
其中,下标i代表干(h)、湿(w)分量;下标k代表大气分层序号;下标j表示卫星高度角序号;s代表信号传播路径长度;N代表对流层折射指数。
利用探空气球获取的温度、气压和湿度垂直剖面进行射线追踪,是最为精确的计算对流层映射函数的方法[11]。当气象元素的精度取温度±0.5 ℃、气压±1 hPa、相对湿度±5%时,干延迟的最大误差为0.26 cm,湿延迟的最大误差为1.6 cm[12]。而探空设备的实际测量精度通常都优于这些值。由于射线追踪是基于球对称假设的,其计算所得的对流层延迟精度主要取决于斜路径上的代表性气象误差,即实际大气状况与球对称假设之间的差异。 2.4 本文研究方法
本文以基于探空气球数据、采用射线追踪法计算的对流层延迟作为参照值,分析投影函数的精度。步骤如下:① 基于Fortran和Matlab语言计算或内插得到各投影函数的系数值(包括下载2012年的VMF1格网数据); ② 收集8个站点2012-01-01~2012-12-31每天两个历元(UTC0:00和UTC12:00)的探空气球数据,每个历元包含16个标准气压层的气象元素,剔除粗差,获得各站共计366×2×8=5 856个历元的对流层大气剖面; ③ 分别在εj=90°、80°、70°、60°、50°、40°、30°、25°、20°、15°、12°、10°、9° 、8°、7°、6°、5°、4°(j=0,1,…,17)共计18个高度角方向进行射线追踪,得到每站上各历元、各高度角方向的干、湿延迟值共计5 856×18×2=21 816个; ④ 按式(3)计算得到各投影函数在各个高度角方向的干湿分量偏差序列 Γik(εj):
式中,ΔLiz=ΔLi(ε0) 表示用射线追踪得到的天顶延迟干、湿分量;mf为投影因子值;上标k=0,1,2代表NMF、GMF和VMF1;其余符号的意义同前。则某一站点的某种投影函数的序列由366×18×2=13 176个值组成;⑤ 对各站点的时间序列进行统计分析,得出结论。 3 数据分析
采用中国区域8个气象站点的数据,详见表 2,其中各站的年均湿度是利用其全年的数据取平均得到的。
站点代码 | 纬度/(°) | 经度/(°) | 正常高/m | 所在城市 | 年均湿度/% |
ZGHK | 20.03 | 110.35 | 15 | 海口 | 80 |
TABE | 25.03 | 121.53 | 9 | 台北 | 75 |
ZGCS | 28.20 | 113.08 | 46 | 长沙 | 66 |
ZHHH | 30.62 | 114.13 | 23 | 武汉 | 67 |
ZGSH | 31.40 | 121.47 | 4 | 上海 | 70 |
ZLJQ | 39.77 | 98.48 | 1478 | 酒泉 | 49 |
ZBAA | 39.93 | 116.28 | 55 | 北京 | 54 |
ZGHB | 45.75 | 126.77 | 143 | 哈尔滨 | 58 |
按§2.3中的步骤进行计算,用 X轴表示高度角,Y轴表示站点,Z轴表示对流层延迟偏差Γik(εj)的均值或RMS,绘制了三维柱状图。
图 2和图 3分别展示了干延迟和湿延迟的结果。以下叙述时,在各映射函数名称前冠以 h和w,分别表示干延迟和湿延迟。为便于绘图,站点名采用末尾两字母,并将差值和RMS均取为绝对值,从左至右按4°高度角时均值的绝对值的升序排列(注意各图Y轴排序有不同)。
从图 2可知,对于hNMF,各站15°高度角以上的偏差均值和RMS都接近于0。在4°高度角,ZGHB、ZBAA的偏差均值最大,超过了0.04 m;ZGSH、ZHHH、ZLJQ和ZGCS的较大,约为0.02 m;TABE和ZGHK的最小,不到0.003 m。RMS的情况与之类似。这表明在中国区域,hNMF的精度与站点纬度有关,纬度越高,精度越差。
对于hGMF,各站12°高度角以上的偏差均值和RMS都接近于0。在4°高度角,ZGSH、ZHHH、ZGCS和ZGHB四者的偏差均值较为一致,接近0.02 m;其余四个测站在0.01 m上下。RMS方面,仍然呈现出与hNMF相似的纬度相关性。
对于hVMF1,各站10°高度角以上的偏差均值和RMS都接近于0。8个站点中7个站的均值小于0.01 m,5个站的RMS小于0.01 m,不再具有纬度相关的明显特征。但ZHHH和ZGCS的偏差均值和RMS最大,表明hVMF1在这两个站点的适用性相对较差。
从图 3可以看出,对于wNMF,各站15°高度角以上的偏差均值和RMS都接近于0。对照表 2可知,除ZGSH外,其余各站的精度表现为年均湿度越小,精度越高。
对于wGMF和wVMF1,各站12°高度角以上的偏差均值和RMS都接近于0。二者的精度不如wNMF具有明显的规律,且wGMF比wVMF1更为均匀。
图 4显示了2012年三种映射函数在两个代表性高度角方向(10°、4°)的偏差波动情况。限于篇幅,本文只列出了ZGHB、ZHHH、ZGCS三站的图形。可以看出,对于干延迟,在DOY(1,100)和DOY(301,366)区间,hNMF在三站普遍呈现系统性偏差,且纬度越高,偏差越大;期间hVMF1和hGMF在 ZHHH、ZGCS均呈现一定的系统偏差,hGMF和hNMF的趋势较为一致。在DOY(101,300)区间,三种映射函数的偏差都很小,且hGMF和hVMF1的趋势较为一致。值得注意的是,hVMF1全年在ZGHB的偏差值都很小,精度明显高于其他两站。
对于湿延迟,在DOY(150,280)区间,三种映射函数在ZGHB的偏差都呈现幅值较大的随机性波动;在DOY(120,300)区间,各映射函数在ZHHH、ZGCS的偏差值的波动明显较ZGHB剧烈。
4 结 语1) 干延迟偏差多呈现系统性,而湿延迟偏差多呈现随机性,这与干性大气和水汽的物理特性有关。
2) NMF在8个站点普遍呈现季节性偏差,这与NMF所用的26个探空气球站中没有中国境内的站点有关。且hNMF是纬度越高,精度越低;wNMF则恰好相反。
3) GMF较NMF精确,其大部分偏差值介于VMF1和NMF之间,这与GMF的系数取值与二者均有相近之处有一定关系。
总体而言,VMF1较NMF和GMF的精 度要高,稳定性要好。但在DOY (1,100)、DOY (301,366)区间,hVMF1在ZHHH、ZGCS等站点出现较大的系统性偏差;在DOY(120,300)区间,wVMF1的随机误差明显增大。可见VMF1在某些站点也具有一定的季节性偏差,这可能与这些站点周围大气的气温、气压、湿度在空间和时间上的变化较为独特有关。从表 1也可看出,除VMF1的a系数是根据实测气象数据事后求得外, VMF1的b、c和NMF、GMF的a、b、c系数都是根据某一段时间的气象数据求得的经验值,因而其在特定站点、特定时间的适用性必然受到限制。如何建立这些站点所在区域的更为精确的对流层映射函数值得进一步研究。
[1] | Dodson A H, Chen W, Baker H C. Assessment of EGNOS Tropospheric Correction Model[J]. Journal of Navigation, 2001, 54(1):37-55 |
[2] | Marini J W. Correction of Satellite Tracking Data for an Arbitrary Tropospheric Profile[J]. Radio Science, 1972, 7(2):223-231 |
[3] | Niell A E. Global Mapping Functions for the Atmospheric Delay at Radio Wavelengths[J]. Journal of Geophysics Research, 1996, 101(B2):3 227-3 246 |
[4] | Boehm J, Werl B, Schuh H. Troposphere Mapping Functions for GPS and Very Long Baseline Interferometry from European Centre for Medium-Range Weather Forecasts Operational Analysis Data[J]. Journal of Geophysical Research:Solid Earth, 2006, 111(B2):B02406, doi:10.1029/2005JB003629 |
[5] | Boehm J, Niell A, Tregoning P. The Global Mapping Function GMF:A New Eempirical Mapping Function Based on Numerical Weather Model Data[J]. Geophysical Research Letters, 2006, 33(7):199-208 |
[6] | Saha K, Rajun C S, Parameswaran K. A New Hydrostatic Mapping Function for Tropospheric Delay Estimation[J]. Journal of Atmospheric and Solar-Terrestrial Physics, 2010, 72(1):125-134 |
[7] | Gegout P, Biancale R, Soudarin L. Adaptive Mapping Functions to the Azimuthal Anisotropy of the Neutral Atmosphere[J]. Journal of Geodesy, 2011, 85(10):661-677 |
[8] | Tuka A, Mowafy A E. Performance Evaluation of Different Troposphere Delay Models and Mapping Functions[J]. Measurement, 2013, 46(2):928-937 |
[9] | Davis J L, Herring T A, Shapiro I I. Geodesy by Radio Interferometry:Effects of Atmospheric Modeling Errors on Estimates of Baseline Length[J]. Radio Science, 1985, 20(6):1 593-1 607 |
[10] | Rueger J M. Refractive Index Formulae for Radio Waves[C]. International Federation of Surveyors 22nd International Congress, Washington D C, 2002 |
[11] | Niell A E. Preliminary Evaluation of Atmospheric Mapping Functions Based on Numerical Weather Models[J]. Physics and Chemistry of the Earth, Part A:Solid Earth and Geodesy, 2002, 26(6):475-480 |
[12] | Mendes V B. Modeling the Neutral-Atmosphere Propagation Delay in Radiometric Space Techniques[D]. Fredericton:University of New Brunswick, 1999 |