利用全球大地观测系统（Global Geodetic Observing System，GGOS）大气（Atmosphere）的加权平均温度（瓦。）数据和欧洲中尺度天气预报中心（European Centre for Medium—Range Weather Forecasts，ECMWF）的地表温度数据在全球范围内计算了利用全球导航卫星系统（Global Navigation Satellite System，GNSS）反演水汽中的关键参数加权平均温度瓦，，与地表温度瓦的相关系数，结果显示二者的相关性主要受纬度影响，在高纬度地区较强，在低纬度地区较弱．虽然二者的相关性在赤道地区较弱，但这些区域的温度变化幅度较小，在这些区域利用线性回归模型建模依然可以取得较好的结果．在此基础上，本文利用2005～2011年的全球大地观测系统大气的L数据和欧洲中尺度天气预报中心的瓦数据按纬度建立了全球分区域线性回y-3模型．来自全球大地观测系统，气象、电离层和气候的星座观测系统（Constellation Observing System of Meteorology，Ionosphere and Climate，COSMIC）以及无线电探空（Radiosonde）的数据对模型的检验表明，新模型与这3种不同源数据都能较好吻合，分别取得了3．2，3.3和4．4K的均方根误差，精度明显优于BevisEl广瓦关糸模型．
在自回归模型求解中,设计矩阵和观测值均存在误差,传统的最小二乘法不能很好地解决这一问题。本文提出了一种顾及设计矩阵误差的AR模型新解法,通过引入虚拟观测值,使观测向量与设计矩阵不仅同源而且带误差的元素个数相同,然后通过对观测方程进行等价变换巧妙实现了在最小二乘框架下求解自回归问题。利用模拟数据及实测数据分别对新算法进行了内符合精度检验,并利用实测数据对新算法进行外符合精度检验,结果表明新算法得到的结果显著优于奇异值分解(singular value decomposition,SVD)解法及传统最小二乘解法,验证了算法的精度和有效性。
水汽标高是一个反映水汽垂直分布特征的参数,也是全球导航卫星系统(global navigation satellite system,GNSS)对流层天顶湿延迟改正和GNSS水汽层析中的一个辅助参数。本文对2006—2012年水汽标高的时间序列进行频谱分析,发现水汽标高在时间上呈现出年周期和半年周期变化,因此利用包含年周期和半年周期的三角函数来表达水汽的时变规律,然后利用欧洲中尺度天气预报中心(European Centre for Medium-range Weather Forecasting,ECMWF)的数据在全球1°×1°的格网点上分别拟合了三角函数的系数。通过上述方法首次构建了一个全球适用的水汽标高模型GSH,该模型既体现了水汽标高的时变特性又考虑了其地理差异。以无线电探空数据为参考,GSH具有-0.19km的偏差(bias)和1.81km的均方根误差(root mean square error,RMSE);以ECMWF数据为参考,GSH具有0.04km的bias和1.52km的RMSE。GSH整体上表现出了比较稳定的精度,可服务于GNSS气象学研究,也可为其他相关气象研究提供水汽标高参考。
在启发式分割算法的基础上,引入z检验和标准正态均一性检验(standard normal homogeneity test,SNHT),提出了一种新的阶跃探测法,并将其应用于20个陆态网(Crustal Movement Observation Network of China, CMONOC)和10个国际全球卫星导航系统服务(International Global Navigation Satellite System Service, IGS)参考站近5 a的坐标时间序列。结果显示,对于IGS站东(east, E)、北(north, N)、垂直(up,U)3个方向分量已知阶跃的平均准确探测率分别为68.5%、71.3%、64.8%,且利用阶跃点前后25 d初始拟合残差的平均值之差得到修复后的坐标时间序列保持了良好的连续性。基于剔除粗差后的坐标时间序列,利用坐标时间序列分析软件(coordinate time series analysis software, CATS)估计出的速度显示:对于由已知阶跃与改进算法探测出的阶跃历元的组合方式,所有测站E、N、U方向的估计速度与CMONOC官网发布的速度的平均偏差分别为2.86 mm/a、1.14 mm/a、2.31 mm/a,明显小于由已知阶跃和肉眼判断明显阶跃历元的组合方式获得的平均速度偏差。上述结果表明,改进的启发式分割算法可应用于坐标时间序列的阶跃探测。
