论文部分内容阅读
水汽是大气中活跃而富有变化的成分,在大气能量传输和天气系统的演变中起着非常重要的作用。研究大气水汽的空间分布及其随时间的变化,对于天气监测、水循环研究等具有重要的意义。传统的大气水汽观测手段受时空分辨率的限制,对初始水汽场的描述远远不够,而采用GPS三维水汽层析技术能够快速获取区域上空高时空分辨率的三维水汽空间分布,对校正和改善中尺度数值预报模式的初始湿度场极为重要。基于精密单点定位技术,采用地基GPS水汽遥感技术反演出GPS斜路径湿延迟(SWD);然后,附加水平约束和垂直约束条件,建立联合观测方程,采用最小二乘方法和迭代重构算法进行水汽层析解算,重构研究区域上空的三维水汽空间分布。本文主要是基于迭代重构算法,进行了GPS三维水汽层析的算法实现,编制了相应的程序模块;在此基础上,利用试验数据,对代数重构算法(ART)和联合迭代重构算法(SIRT)用于水汽层析解算的结果进行了比较和分析,重点对迭代初值的选择、松弛因子的选取等进行了讨论。本文借助编制的GPS三维水汽层析程序,进行了香港地区和渤海局域海域上空的三维水汽层析试验,获取了其三维水汽空间分布,试验结果表明:(1)在香港地区上空GPS三维水汽层析试验中,使用代数重构算法(ART)与联合迭代重构算法(SIRT)的层析结果与无线电探空资料的偏差的均方根差均优于10mm/km,取得了比较理想的结果。两种算法精度相当,但是SIRT算法解算时间更短,因此在GPS三维水汽层析的快速解算中,SIRT算法要优于ART算法。(2)使用SIRT算法进行GPS三维水汽层析试验,初值选用MM5资料和无线电探空资料得到的大气湿折射率的精度更高,但是在数据比较缺少的情况下,初值使用模型估计也有较好的精度保证。(3)以均方根差RMS作为迭代质量优劣的标准对最优松弛因子进行搜索,对不同时间不同区域,最佳松弛因子并不是固定值,对最佳松弛因子的搜索还需要进一步的研究。