邹玉学,詹金瑞,朱腊腊,上官明,欧阳光
(1.广州市城市规划勘测设计研究院,广州 510060;2.中国地质大学(武汉) 地理与信息工程学院,武汉 430074)
大气可降水量(precipitable water vapor,PWV)的相位变化与降水直接相关,在天气变化中起到了至关重要的作用[1-3]。全球导航卫星系统(global navigation satellite system,GNSS)技术的快速发展为研究PWV提供全新的手段,克服水汽微波辐射计、无线电探空仪等方法的时空分辨率较低、成本高问题[4]。利用GNSS技术反演高精度PWV过程中,大气加权平均温度(weighted mean atmospheric temperature,Tm)是其关键参数之一。
国内外学者对Tm模型研究主要集中在两大部分:第一部分研究主要聚焦于基于无气象要素建立的经验Tm模型,如Yao等[5]建立Tm与站点坐标和年积日有关的GWMT模型,Böhm等[6]建立顾及年周期和半年周期的GPT2wTm模型,此模型顾及了季节性变化,仅根据测站经纬度、高程和年积日等参数即可获取Tm,因此精度较差,反演PWV时精度无法得到充分保障。第二部分研究主要集中在利用地表气象数据建立的Tm模型,如Bevis等[1]利用美国地区探空数据建立Tm关于Ts(地表温度)间的单因子线性回归模型;多数学者研究发现Bevis模型应用到其它地区存在明显的系统性偏差,此后基于Bevis的线性回归模型思想,诸多学者先后建立了适合极地、西非、欧洲和中国区域的本地线性回归Tm模型[7-10];姚宜斌等[11]推导Tm与Ts间的非线性关系,突破传统的Tm与Ts间为一元线性回归关系的认识,建立Tm与Ts间的单因子非线性模型,并认为拟合曲线在低温地区拟合精度较低。Zhang等[12]研究线性Tm-Ts模型残差的半年周期性时发现其随纬度增加逐渐增大,因此在线性模型中加入谐波函数,合理解释线性模型残差周期性变化情况;……