科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对传统对流层延迟（Zenith Total Delay， ZTD）模型未考虑对流层延迟的季节性变化而精度和稳定性低的问题，提出一种在Saastamoinen模型中引入周年项和半年项的方法。该方法利用全球大地测量观测系统（Global Geodetic Observing System，GGOS）提供的2015—2017年对流层延迟格网产品，分析了亚洲区域66个站Saastamoinen模型偏差的季节性变化特征，由此构建了适用于亚洲区域的Saastamoinen季节性修正精化模型—SSA。为克服该模型对实测气象参数的依赖，将SSA与GPT3模型相结合形成SSA+GPT3组合模型，通过GPT3模型提供的高精度气象参数，实现亚洲区域对流层延迟预测。实验对比结果表明，加入周年项和半年项对Saastamoinen模型改进效果明显，在时间分布上，SSA模型的bias和RMS变化较小且稳定，在夏、秋季修正效果显著；在空间分布上，SSA模型在低纬度和低海拔区域修正效果更好，bias和RMS随着纬度或高程的增加而变小。利用国际GNSS服务机构（IGS）发布的66个亚洲站2018年的对流层延迟数据对SSA模型的预测精度进行外符合检验，统计结果表明，SSA模型（bias：-0.38cm，RMS：4.43cm）的预测精度优于Saastamoinen模型（bias：1.45cm，RMS：5.16cm）。所提方法适用性强，可用于亚洲区域导航定位中ZTD预测修正。
- 单位
