文献类型：期刊文章

作　　者：姚宜斌[1,2,3] 张豹[1] 严凤[4] 许超钤[1]

机构地区：[1]武汉大学测绘学院,武汉430079 [2]武汉大学地球空间环境与大地测量教育部重点实验室,武汉430079 [3]地球空间信息技术协同创新中心,武汉430079 [4]长江空间信息技术工程有限公司(武汉),武汉430010

出　　处：《地球物理学报》

基　　金：国家自然科学基金面上项目(41174012;41274022);国家高技术研究发展计划(863计划)项目(2013AA122502);教育部新世纪优秀人才支持计划项目(NCET-12-0428);中央高校基本科研业务费专项资金(2014214020202);国家测绘地理信息局测绘基础研究基金(13-02-09)共同资助

年　　份：2015

卷　　号：58

期　　号：5

起止页码：1492-1501

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2015_2016、EI、GEOBASE、GEOREFPREVIEWDATABASE、IC、INSPEC、JST、PA、RCCSE、SCIE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：对流层延迟是全球导航卫星系统(Global Navigation Satellite System,GNSS)导航定位中的重要误差源,其量值主要受气象条件影响.采用传统对流层建模思路,利用GPT2模型来提供相对准确的气温、气压和相对湿度,然后利用Saastamoinen模型来计算天顶对流层延迟,由此构建了GPT2+Saas模型;采用新的对流层建模思路,直接针对天顶对流层延迟的时空特性建模,构建了与GPT2+Saas模型相匹配的GZTDS格网模型.以GGOS Atmosphere格网数据为参考,GPT2+Saas模型(Bias:0.2cm;RMS:4.2cm)和GZTDS模型(Bias:0.2cm;RMS:3.7cm)较UNB3m模型精度分别提升34%和43%.以IGS(International GNSS Service)数据为参考,GPT2+Saas(Bias:0.5cm;RMS:4.7cm)和GZTDS(Bias:-0.3cm;RMS:3.8cm)相对UNB3m模型精度分别提升10%和27%.针对GPT2+Saas模型在少数测站出现精度异常的情况进行了研究,探讨了可能的原因.在两种不同思路构建的精化对流层模型中,GZTDS模型不仅表现出更高的精度,而且在时间稳定性和地理稳定性上也表现出优越性.

关 键 词：对流层延迟 GZTDS模型  GPT2模型  Saastamoinen模型  

分 类 号：P228]