中国地区地基GPS加权平均温度T_m统计分析

王晓英; 戴仔强; 曹云昌; 宋连春

美国《工程索引》（EI）核心期刊
美国《剑桥科学文摘》（CSA）收录期刊
荷兰斯高帕斯数据库（Scopus）收录期刊
英国INSPEC数据库（SA）收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

中国地区地基GPS加权平均温度T_m统计分析

王晓英, 戴仔强, 曹云昌, 宋连春

文章导航 > 武汉大学学报 ( 信息科学版) > 2011 > 36(4): 412-416

王晓英, 戴仔强, 曹云昌, 宋连春. 中国地区地基GPS加权平均温度T_m统计分析[J]. 武汉大学学报 ( 信息科学版), 2011, 36(4): 412-416.

引用本文:

王晓英, 戴仔强, 曹云昌, 宋连春. 中国地区地基GPS加权平均温度T_m统计分析[J]. 武汉大学学报 ( 信息科学版), 2011, 36(4): 412-416.

WANG Xiaoying, DAI Ziqiang, CAO Yunchang, SONG Lianchun. Weighted Mean Temperature T_m Statistical Analysis in Ground-based GPS in China[J]. Geomatics and Information Science of Wuhan University, 2011, 36(4): 412-416.

Citation:

WANG Xiaoying, DAI Ziqiang, CAO Yunchang, SONG Lianchun. Weighted Mean Temperature T_m Statistical Analysis in Ground-based GPS in China[J]. Geomatics and Information Science of Wuhan University, 2011, 36(4): 412-416.

中国地区地基GPS加权平均温度T_m统计分析

¹南京信息工程大学遥感学院,南京市宁六路219号210044;²中国气象局气象探测中心,北京市海淀区中关村南大街46号100081;³中国电子科技集团第28研究所2部,南京市白下区苜蓿园东街1号210007

基金项目: 中国气象局基金资助项目(DJZD20081001)；南京信息工程大学科研基金资助项目(S8108232001,S8109008001)

详细信息

作者简介:
王晓英，博士生，讲师，主要从事ＧＰＳ气象学、计算机地图制图等研究。

中图分类号: P228.42

Weighted Mean Temperature T_m Statistical Analysis in Ground-based GPS in China

¹ School of Remote Sensing,Nanjing University of Information Science & Technology, 219 Ningliu Road,Nanjing 210044,China;² Meteorological Observation Centre of CMA,46 Nandajie,Zhongguancun,Beijing 100081,China;³ The 2th Department of 28th Research Institute,China Electronics Technology Group Corporation,1 Muxuyuan Dongjie,Nanjing 210007,China

Funds: 中国气象局基金资助项目(DJZD20081001)；南京信息工程大学科研基金资助项目(S8108232001,S8109008001)

摘要: 利用香港Kings Park探空站(站号45004)2003～2009年探空资料回归出了大气加权平均温度Tm与地面温度Ts、气压es和水汽压Ps的线性公式。通过比较分析发现,Tm-Ts单因素回归结果和Tm-Ts、es、Ps多因素回归结果并没有显著差异,但基于本地化探空数据回归公式精度比Bevis公式高;通过逐年增加样本数回归分析并不能显著提高公式精度,采用最近一年探空数据回归公式即可很好地由Ts预测下年Tm,预测均方根误差为1.913K;对样本数据按季节分类,Tm-Ts模型系数a、b值春秋季节变化不大,而冬夏季节变化剧烈,但利用无季节区分数据回归公式去拟合分季节数据,精度相当,分季节回归Tm-Ts经验公式没有必要。分气候区回归分析发现,Tm-Ts模型a、b系数与气候相关关系明显,同一气候区内探空站数据拟合出的a、b系数具有集群性。
- 大气加权平均温度 /
- 地面温度 /
- 地基GPS气象学 /
- 湿延迟
Abstract: We made linear regression to get the emprical formula of Tm-Ts and Tm-Ts、es、Ps using Hong Kong Kings Park sounding station(number 45004) data from 2003 to 2009,in which Tm means atmospheric weighting mean temperature,Ts means surface temperature,es means surface water vapour pressure and Ps means surface atmospheric pressure.It concludes that there is no significant difference between one-factor and multi-factor results,but the precision of regression formula based on local sounding data is higher than Bevis formula;The precision of regression formula can't be significantly increased by annually adding sample number,so it is sufficient to forecast Tm by Ts using sounding data of last year and the root mean square of estimation is 4.913 K;By classifying sounding sample data according seasons,Tm-Ts model coefficients a and b value vary little in spring and autumn,whereas they vary obviously in summer and winter;Comparing the accuracy of regression formula using data by season and no season classification,it is almost quite the same,so there is no need to regress the Tm-Ts model using different season data.It can be found that a and b value relatively uniform in one same climatic region and are correlative with climatic type
- amospheric weighting mean temperature /
- surface temperature /
- ground-based GPS meteorology /
- wet delay

[1]	张迪, 袁林果, 黄良珂, 李秦政. 澳大利亚区域大气加权平均温度建模 . 武汉大学学报 ( 信息科学版), 2022, 47(7): 1146-1153. doi: 10.13203/j.whugis20200102
[2]	姚宜斌, 孙章宇, 许超钤, 徐星宇. 顾及非线性高程归算的全球加权平均温度模型 . 武汉大学学报 ( 信息科学版), 2019, 44(1): 106-111. doi: 10.13203/j.whugis20170351
[3]	刘劲宏, 姚宜斌, 桑吉章, 雷祥旭. 对流层顶的变化趋势对加权平均温度的影响 . 武汉大学学报 ( 信息科学版), 2019, 44(10): 1430-1435. doi: 10.13203/j.whugis20180075
[4]	谢衍新, 吴小成, 胡雄. 利用一维变分同化方法从地基GPS相位延迟中获取大气折射率 . 武汉大学学报 ( 信息科学版), 2018, 43(7): 1042-1047. doi: 10.13203/j.whugis20160238
[5]	姚宜斌, 郭健健, 张豹, 胡羽丰. 湿延迟与可降水量转换系数的全球经验模型 . 武汉大学学报 ( 信息科学版), 2016, 41(1): 45-51. doi: 10.13203/j.whugis20140585
[6]	谭琨, 廖志宏, 杜培军. 顾及地面传感器观测数据的遥感影像地面温度反演算法 . 武汉大学学报 ( 信息科学版), 2016, 41(2): 148-155. doi: 10.13203/j.whugis20130843
[7]	刘宁, 张永志, 熊永良. GPS参考站对流层湿延迟近实时估计的三步滤波算法 . 武汉大学学报 ( 信息科学版), 2015, 40(7): 918-923. doi: 10.13203/j.whugis20130600
[8]	姚宜斌, 刘劲宏, 张豹, 何畅勇. 地表温度与加权平均温度的非线性关系 . 武汉大学学报 ( 信息科学版), 2015, 40(1): 112-116.
[9]	姚朝龙, 罗志才, 刘立龙, 周波阳. 顾及地形起伏的中国低纬度地区湿延迟与可降水量转换关系研究 . 武汉大学学报 ( 信息科学版), 2015, 40(7): 907-912. doi: 10.13203/j.whugis20130409
[10]	柳聪亮, Zhang Kefeiz, 谭志祥, 孙越强, 白伟华. 电离层干扰对GPS掩星弯曲角和温度精度的影响 . 武汉大学学报 ( 信息科学版), 2014, 39(11): 1334-1339.
[11]	江鹏, 叶世榕, 何书镜, 刘炎炎. 自适应Kalman滤波用于GPS层析大气湿折射率 . 武汉大学学报 ( 信息科学版), 2013, 38(3): 299-302.
[12]	. 自适应Kalman滤波用于GPS层析大气湿折射率 . 武汉大学学报 ( 信息科学版), 2013, 38(3): 299-.
[13]	李盼, 李星星, 王磊, 陈远. 对流层湿延迟估计方法对PPP数据处理的影响 . 武汉大学学报 ( 信息科学版), 2010, 35(7): 850-853.
[14]	李国平, 陈娇娜, 黄丁发, 郭洁. 地基GPS水汽实时监测系统及其气象业务应用 . 武汉大学学报 ( 信息科学版), 2009, 34(11): 1328-1331.
[15]	赵强, 杨世植, 乔延利, 麻金继. 利用MODIS红外资料反演大气参数以及表层温度的研究 . 武汉大学学报 ( 信息科学版), 2009, 34(4): 400-403.
[16]	于胜杰, 柳林涛. 水汽加权平均温度回归公式的验证与分析 . 武汉大学学报 ( 信息科学版), 2009, 34(6): 741-744.
[17]	王勇, 柳林涛, 许厚泽, 黄应生. 利用GPS技术反演中国大陆水汽变化 . 武汉大学学报 ( 信息科学版), 2007, 32(2): 152-155.
[18]	李征航, 徐晓华, 罗佳, 朱智勤. 利用GPS观测反演三峡地区对流层湿延迟的分布及变化 . 武汉大学学报 ( 信息科学版), 2003, 28(4): 393-396.
[19]	刘焱雄, 陈永奇, 刘经南. 利用地面气象观测资料确定对流层加权平均温度 . 武汉大学学报 ( 信息科学版), 2000, 25(5): 400-404.
[20]	周茂, 金涛勇, 姜卫平. 利用最优插值法改正宽刈幅高度计对流层湿延迟 . 武汉大学学报 ( 信息科学版), 0, 0(0): 0-0. doi: 10.13203/j.whugis20210008

点击查看大图

计量

文章访问数: 1436
HTML全文浏览量: 173
PDF下载量: 450
被引次数: 0

中国地区地基GPS加权平均温度T_m统计分析

¹南京信息工程大学遥感学院,南京市宁六路219号210044;²中国气象局气象探测中心,北京市海淀区中关村南大街46号100081;³中国电子科技集团第28研究所2部,南京市白下区苜蓿园东街1号210007

基金项目: 中国气象局基金资助项目(DJZD20081001)；南京信息工程大学科研基金资助项目(S8108232001,S8109008001)

作者简介:
王晓英，博士生，讲师，主要从事ＧＰＳ气象学、计算机地图制图等研究。

收稿日期: 2011-03-05
刊出日期: 2011-04-05

中图分类号: P228.42

关键词:

摘要: 利用香港Kings Park探空站(站号45004)2003～2009年探空资料回归出了大气加权平均温度Tm与地面温度Ts、气压es和水汽压Ps的线性公式。通过比较分析发现,Tm-Ts单因素回归结果和Tm-Ts、es、Ps多因素回归结果并没有显著差异,但基于本地化探空数据回归公式精度比Bevis公式高;通过逐年增加样本数回归分析并不能显著提高公式精度,采用最近一年探空数据回归公式即可很好地由Ts预测下年Tm,预测均方根误差为1.913K;对样本数据按季节分类,Tm-Ts模型系数a、b值春秋季节变化不大,而冬夏季节变化剧烈,但利用无季节区分数据回归公式去拟合分季节数据,精度相当,分季节回归Tm-Ts经验公式没有必要。分气候区回归分析发现,Tm-Ts模型a、b系数与气候相关关系明显,同一气候区内探空站数据拟合出的a、b系数具有集群性。

English Abstract

Weighted Mean Temperature T_m Statistical Analysis in Ground-based GPS in China

¹ School of Remote Sensing,Nanjing University of Information Science & Technology, 219 Ningliu Road,Nanjing 210044,China;² Meteorological Observation Centre of CMA,46 Nandajie,Zhongguancun,Beijing 100081,China;³ The 2th Department of 28th Research Institute,China Electronics Technology Group Corporation,1 Muxuyuan Dongjie,Nanjing 210007,China

Funds: 中国气象局基金资助项目(DJZD20081001)；南京信息工程大学科研基金资助项目(S8108232001,S8109008001)

Received Date: 2011-03-05
Publish Date: 2011-04-05

Keywords:

Abstract: We made linear regression to get the emprical formula of Tm-Ts and Tm-Ts、es、Ps using Hong Kong Kings Park sounding station(number 45004) data from 2003 to 2009,in which Tm means atmospheric weighting mean temperature,Ts means surface temperature,es means surface water vapour pressure and Ps means surface atmospheric pressure.It concludes that there is no significant difference between one-factor and multi-factor results,but the precision of regression formula based on local sounding data is higher than Bevis formula;The precision of regression formula can't be significantly increased by annually adding sample number,so it is sufficient to forecast Tm by Ts using sounding data of last year and the root mean square of estimation is 4.913 K;By classifying sounding sample data according seasons,Tm-Ts model coefficients a and b value vary little in spring and autumn,whereas they vary obviously in summer and winter;Comparing the accuracy of regression formula using data by season and no season classification,it is almost quite the same,so there is no need to regress the Tm-Ts model using different season data.It can be found that a and b value relatively uniform in one same climatic region and are correlative with climatic type

王晓英, 戴仔强, 曹云昌, 宋连春. 中国地区地基GPS加权平均温度T_m统计分析[J]. 武汉大学学报 ( 信息科学版), 2011, 36(4): 412-416.

引用本文:

王晓英, 戴仔强, 曹云昌, 宋连春. 中国地区地基GPS加权平均温度T_m统计分析[J]. 武汉大学学报 ( 信息科学版), 2011, 36(4): 412-416.

Citation: