从GPS信号中提取可降水量的简化模型外文翻译资料

英语原文共 9 页，剩余内容已隐藏，支付完成后下载完整资料

从GPS信号中提取可降水量的简化模型

摘要 - 本文提出了一种简化的纬度和日年（DoY）模式，用于从全球定位系统（GPS）信号中提取可降水量蒸气（PWV）。通常，根据GPS信号延迟和无量纲转换因子PI来估计PWV（单位横截面积的垂直列中的水的总量）。该PI值被发现依赖于水蒸气加权平均温度（Tm）值，该值在不同地区的一天、一月和一年中变化很大。因此，这既是具体的时间也是具体的地点。从热带、亚热带和温带地区获得的数据中分析PI值及其对取回的PWV的影响表明，虽然PI值是时间和地点特定的，但PI的值在不同年份的变化是最小的，仅取决于特定站点的纬度坐标等因素DoY。因此，本文利用从174个不同地点获得的数据，提出了一个基于纬度坐标和DoY的PI值模型来检索PWV。所提出的模型已经使用来自不同来源的数据成功地进行验证数据库：国际GNSS服务全球定位系统美国国家航空航天局（IGS GPS NASA）数据库，国际GNSS服务全球定位系统全球大地测量观测系统（IGS GPS GGOS）数据库以及超长基线干涉测量（VLBI）数据库。结果显示，使用所提出的模型计算的PWV值与使用温度相关模型分别计算的PWV值在IGS GPS NASA，IGS GPS GGOS和VLBI数据库中分别具有99％，98％和93％误差plusmn;1 mm之间的一致性。此外，所提出的模型允许PWV检索的简易性，这在气象研究中是有用的，并且也可用于卫星通信。

关键字： GGOS，全球定位系统（GPS），PI，可降水蒸气（PWV），无线电探空仪，Tm-Ts关系，超长基线干涉测量（VLBI），天顶湿延迟（ZWD）

手稿于2017年3月23日收到; 2017年6月7日修订; 接受2017年6月30日。这项工作得到了新加坡国防科技局的支持。 S. Manandhar的工作得到了新加坡国际研究生奖学金的支持。 （通讯作者：Shilpa Manandhar。）

S. Manandhar和Y. H. Lee在新加坡南洋理工大学电子与电气工程学院639798（电子邮件：shilpa005@e.ntu.edu.sg; eyhlee@ntu.edu.sg）。

Y. Meng先生是新加坡科学技术研究局国家计量中心，邮编：118221（电子邮件：meng_yusong@nmc.a-star.edu.sg）。

J. T. Ong与C2N Pte。 新加坡199098（电邮：penangfood2000@yahoo.com）。

本文中一个或多个数字的颜色版本可以在http://ieeexplore.ieee.org上在线获取。数字对象标识符10.1109 / TGRS.2017.272362

Ⅰ、简介

储存在大气柱中的水蒸气以水分预算表示为可降水蒸气（PWV）^[1]。PWV是对流层低层和相关气候过程中水汽气候和变率的重要指标^{[2] [3]}。 这个变量与水文循环和动力过程密切相关，特别是在总体PWV较高的地区^[4]。 PWV浓度随时间和空间变化程度的不同而不同，具体取决于季节，地形和其他局部和区域气候条件^[5]-[7]。 因此，正确测量PWV并了解其变异性非常重要。

无线电探空仪、微波辐射计和基于卫星的仪器是一些可用于测量PWV的常规技术。 通常使用无线电探空仪和卫星观测来研究水汽气候。由于这些观测资料具有较低的空间 - 时间分辨率，因此在捕获高分辨率日变化方面存在局限性^[8][9]。 无线电通常每天只发射两次。

为了克服这些系统的缺点，全球定位系统（GPS）信号被广泛用于检索PWV值^[10]。 随着GPS监测站在当地，区域和全球范围内的快速部署，与传统技术相比，基于地面的GPS气象学为水汽变化提供了改进的空间和时间分辨率^[10,11]。 GPS被广泛用作天气预报和气候学的全天候，低成本遥感仪器。 特别是在遥感和天气预报领域，GPS导出的PWV已被用于恶劣天气条件的分析，如风暴，洪水^{[12] - [14]}，暴雨事件监测，降雨实时投射，云微物理学和动力学研究。^[15-17]

从GPS信号估计PWV值主要基于从GPS卫星传播到地面接收器的信号延迟。 GPS信号的这种大气延迟主要是由地球的电离层和对流层造成的。 沿天顶路径的总延迟称为天顶总延迟（ZTD）。 ZTD可以分为两部分：天顶流体静力延迟（ZHD）和天顶湿延迟（ZWD）。 ZHD主要取决于表面压力（Ps）^[18]; ZWD是大气水汽廓线的函数。 ZWD对于从GPS信号中检索PWV值很重要。 本文使用GPS推断定位系统 - 轨道分析和仿真软件（GIPSY-OASIS）^[19][21]计算ZWD。

一旦ZWD被计算出来PWV值，即，单位横截面积的垂直列中的水的总量pwv（以mm为单位）可以被推导为^[10][22]

这里，PI是液态水的密度（1000kg / m³）。 PI^[23]由式（2）确定的无量纲系数，其中Rv是水蒸气的特定气体常数，为461.5181 J / kg·K，K3和K^rsquo;2为折射率常数（3.739plusmn;0.012）times;10sup3; Ksup2; / Pa和（22.1plusmn;2.2）times;10^-2 K / Pa ^[10]。 Tm（以开尔文为单位）可以从无线电探空仪数据中获得，如下所示

其中e是水汽压力，T是从无线电探空探测剖面获得的空气温度。

这里，注意到PWV值是通过将ZWD乘以无量纲转换因子PI而导出的。如（2）所示，利用水蒸气加权平均温度（Tm）计算该因子PI，该公式使用无线电探空仪数据与（3）计算。 由于无线电探空仪数据的时间分辨率较低，通常使用地表温度（Ts）数据预测Tm。Tm和Ts之间的关系被认为是特定地点，并且因地区而异。因此，不同观测地点必须得到新的（Tm-Ts）关系，这往往是耗时的。同时，也存在作为经验法则使用PI值作为0.15的常数的做法常常导致结果不准确^[24]。 因此，我们提出一种替代有效的方法来准确地从GPS信号中检索PWV值，这是非常有意义的。

在本文的其余部分，第二部分概述了一些现有的（Tm-Ts）关系以及我们使用来自热带，亚热带和温带地区的174个不同站的四年数据研究的关系。 第三部分提出了一种新模式，并强调了这项工作的新颖性和贡献。 第四节提出比较结果来验证和验证所提出的模型。最后，第五节提出了结论。

Ⅱ、平均温度（Tm）和表面温度（Ts）的关系

A.对现有（Tm-Ts）关系的评论

Bevis等人报道了最常用的（Tm-Ts）关系。 ^[10]如

其中a=70.2,b=0.72.

值得注意的是，（4）是基于8718年的无线电探空资料分析得出的，该剖面跨越美国境内约两年的时间，纬度范围为27°-65°，高度范围为0-1.6公里^[10],尽管有来自热带和南极地区的研究人员，但该方程已被许多在该领域工作的研究人员使用^{[25] - [27]}。但研究表明，（4）中Bevis关系的准确性与纬度有关。在高纬度地区，它往往会高估Tm达5 K，并倾向于在低纬度时低估Tm高达6 K ^[28]。因此，一些研究人员不用（4），而是意识到系数a和 （4）中的b是区域特定的和季节特定的，因此提出了它们自己的（Tm-Ts）关系^{[29] - [32]}，如表1中所概述。

（表一）

如表1所示，斯洛文尼亚NovaGorica（45.95°N，13.64°E）温度城市^[29]的系数a和b分别为39.94和0.83;而中国安庆的副热带城市（30.53°N，117.12°E）^[30]发现它们分别为44.05和0.81。此外，马来西亚热带地区（4.21°N，101.98°E）^[31]和新加坡（1.35°N，103.68°E）^[32]发现a和b值接近，即分别为182和0.35，以及182.5和0.3432。从表1可以看出，当纬度增加时，系数a减小，b增加。同样清楚的是，这些系数与贝维斯方程的系数明显不同。

B.（Tm-Ts）关系的推导

对于我们的分析，我们也推导了不同地区的（Tm-Ts）关系。 用于此目的的数据库是从怀俄明大学的数据库下载的^[33]，该数据库一天两次提供无线电探空资料，一般在UTC时间00:00和12:00 UTC。 地面观测数据（Ts）是从怀俄明大学的气象终端航空常规天气报告（METAR）报告中获得的。 METAR是一种报告天气信息的格式，可以通过与无线电探空仪数据^[33]类似的方式在线获取不同的电台。 METAR报告显示，对不同时间点的不同站点进行地面观测。 MEATR数据的时间分辨率一般为30分钟。

本文将对来自174个不同无线电探空站（温带地区59个站，亚热带地区62个站和热带地区53个站）的四年（2012-2015年）数据进行模型推导和分析。研究中的174个站的位置如图1所示。

图2给出了Tm与Ts的散点图，以及两者在温带，亚热带和热带地区的线性回归。 所有地区的关系都是（4）的形式。 表II总结了估计系数a和b以及用于推导的台站总数和纬度范围。

图1. 174个无线电探空站的位置。 标记编号从1到59（红色）代表温带站，编号从60到121（绿色）代表亚热带地区，以及121至174地区（粉红色）代表热带电台（最佳颜色）

图2.来自温带地区台站的Tm与Ts（红色点），来自亚热带地区（蓝色圆圈）和热带地区（以绿色三角形表示），线性回归方程用黑色表示，黄色和洋红色的线条（最佳颜色）

表2 派生Tm - Ts关系为不同地区

从表2可以看出，项b在温带地区（0.73）的梯度较高，副热带（0.60）和热带（0.52）地区的降幅较小，这一趋势与表1所示的其他文献所推导出的趋势一致。这表明Tm和Ts之间的相关性在温带地区最高，在热带地区最低，并且也通过估计的相关系数值进行了验证，温带，亚热带和热带地区分别为0.90,0.77和0.5。这个结果也可以从图2中清楚地分析，图2显示了来自所有地区的数据。三个地区之间的这种差异主要是由于季节变化。例如，温带地区有四个截然不同的季节：春季，夏季，秋季和冬季，因此，地表温度在230至320K的较大范围内波动。对于热带地区，全年气温持续偏高，因此，表面温度在很小的范围内波动

与温带地区相比，为289-310 K。

从表1和表2中可以清楚地看出，Tm和Ts之间的关系是不同的区域，不同区域之间的关系也不同，温带区域的系数只与Bevis方程^[10]相吻合。 因此，可以得出结论，Bevis方程仅适用于温带地区的台站，并且需要为每个台站和地区推导新的（Tm-Ts）关系，特别是当Tm和Ts的数据源不搭配时，这是复杂且乏味的。

因此，开发一种具有良好精度的替代方法是非常重要的，它可以直接预测不同台站的PI值，而不是使用可能难以达到的温度等长期站点特定参数。

III、 一种新的PI功能的建模与建议

在第二部分的讨论之后，本节介绍另一种预测PI值的方法。使用（2）和（3）从所有174个无线电探空站（如图1所示）计算出的PI值的四年（2012-2015年）与独立参数（如台站坐标、日年（DoY）、和站高度。然后提出一个与温度无关的模型。用新建议模型预测的PI值将用于（1）中导出PWV。

图4. 174年无线电探空仪站四年（2012-2015）的PI值箱形图 红色框表示来自负纬度地区的台站，黑匣子表示来自正纬度地区的台站（最佳颜色）

A. PI值与日年的趋势

图3显示了所有174个台站针对DoY绘制的四年日均PI值。红色和绿色圆圈用于北部（31个站）和南部（22站）热带站，蓝色和青色网点用于北部（42站）和南部（20站）亚热带站，黑色和洋红色用于北部（49个台站）和南部（10个台站）温带台站。总体而言，无线电探空站在南半球分布较少。地球南部大部分地区都被海洋覆盖。因此，与北半球相比，南温带台站的数量很少。研究中几乎包括来自南温带地区的所有可用站点。从图1可以看出，选择的台站分布良好。

从图3可以看出，热带电台的PI值在所有年份都几乎不变。然而，其他两个区域的PI值随着日数的变化（DoY）显示出正弦趋势。由于季节变化，各区域南北交替站的PI值变化趋势。来自北半球的台站的正弦波振幅比南半球台站的振幅更大。南部温带地区的台站尤其出现这种现象。如前所述，南温带地区考虑的台站数量有限，选定的台站都靠近海洋（来自沿海地区）。因此，PI值的变化并不像北方站那样具有非常明显的模式。用DoY的PI值的正弦曲线趋势可以在数学上用（5）建

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[24633]，资料为PDF文档或Word文档，PDF文档可免费转换为Word