干旱气象 ›› 2022, Vol. 40 ›› Issue (6): 1081-1091.DOI: 10.11755/j.issn.1006-7639(2022)-06-1081
收稿日期:
2021-10-06
修回日期:
2022-07-21
出版日期:
2022-12-31
发布日期:
2023-01-10
作者简介:
李光伟(1983—),男,高级工程师,主要从事卫星遥感及人工影响天气研究. E-mail:gwlee@foxmail.com。
基金资助:
LI Guangwei1,2(), HUANG Guangrui1, XING Fenghua1, AO Jie1
Received:
2021-10-06
Revised:
2022-07-21
Online:
2022-12-31
Published:
2023-01-10
摘要:
地基GPS反演大气可降水量(precipitable water, PW)中,加权平均温度(Tm)是一个非常重要的参数。为提高海南岛PW反演的精度和可靠性,基于海口站2008—2010年探空数据计算的Tm,分析Tm时间变化特征及其与地面气象要素的关系,在此基础上利用2008—2012年数据建立Tm单因子、多因子回归模型和加入年积日的回归模型,并利用2013—2014年数据对模型进行检验。进一步基于2012年5—10月数据对基于Tm单因子和多因子模型的GPS反演PW进行检验。结果表明:本地化单因子、两因子Tm模型均方根误差分别为2.000和1.978 K,与Bevis公式、常数法相比,本地模型误差较小,与探空资料计算的Tm有良好的一致性。与Bevis模型相比,基于本地单因子和多因子Tm模型的GPS反演PW与探空资料计算的PW相关性更高,偏差更小;与多因子线性模型相比,基于加入年积日的Tm模型的GPS反演PW精度明显提高。本地化Tm模型能更好满足海口地区地基GPS反演PW。
中图分类号:
李光伟, 黄光瑞, 邢峰华, 敖杰. 海口地区GPS反演大气可降水量中加权平均温度模型构建及其应用[J]. 干旱气象, 2022, 40(6): 1081-1091.
LI Guangwei, HUANG Guangrui, XING Fenghua, AO Jie. Construction of weighted mean temperature model in retrieval of atmospheric precipitable water from GPS in Haikou and its application[J]. Journal of Arid Meteorology, 2022, 40(6): 1081-1091.
图3 海口站Tm 与地面气象要素核密度估计及两者之间的散点图
Fig.3 The kernel density estimation of Tm and surface meteorology element at Haikou station and scatter plots between them
站名 | 样本量/个 | Tm平均值/K | RMSE/K | ||||||
---|---|---|---|---|---|---|---|---|---|
探空积分法 | Bevis公式 | 常数法1 | 常数法2 | Bevis公式 | 常数法1 | 常数法2 | |||
海口 | 2017 | 288.30 | 283.55 | 281.00 | 269.70 | 5.30 | 8.15 | 18.95 | |
武汉 | 2110 | 280.98 | 278.64 | 281.00 | 269.70 | 3.97 | 8.01 | 13.83 | |
北京 | 1982 | 274.28 | 274.85 | 281.00 | 269.70 | 4.81 | 13.05 | 12.09 |
表1 2008—2010年4种常用方法计算的Tm及其他3种方法相对于探空积分法计算的Tm的RMSE
Tab.1 Tm calculated by 4 common calculation methods and root-mean-square errors of Tm calculated by using other three methods compared with Tm calculated from radiosonde at Haikou during 2008-2010
站名 | 样本量/个 | Tm平均值/K | RMSE/K | ||||||
---|---|---|---|---|---|---|---|---|---|
探空积分法 | Bevis公式 | 常数法1 | 常数法2 | Bevis公式 | 常数法1 | 常数法2 | |||
海口 | 2017 | 288.30 | 283.55 | 281.00 | 269.70 | 5.30 | 8.15 | 18.95 | |
武汉 | 2110 | 280.98 | 278.64 | 281.00 | 269.70 | 3.97 | 8.01 | 13.83 | |
北京 | 1982 | 274.28 | 274.85 | 281.00 | 269.70 | 4.81 | 13.05 | 12.09 |
季节 | 模型公式 | 样本量/个 | RMSE/K | 决定系数 |
---|---|---|---|---|
春季 | Tm=83.02+0.69Ts | 852 | 2.28 | 0.5750 |
夏季 | Tm=73.92+0.72Ts | 816 | 1.81 | 0.3338 |
秋季 | Tm=114.59+0.58Ts | 839 | 2.14 | 0.3676 |
冬季 | Tm=44.70+0.83Ts | 892 | 2.26 | 0.6444 |
夏半年 | Tm=88.78+0.67Ts | 1638 | 1.95 | 0.3201 |
冬半年 | Tm=72.83+0.73Ts | 1761 | 2.31 | 0.6412 |
全部样本 | Tm=107.64+0.61Ts | 3399 | 2.21 | 0.6281 |
表2 2008—2012年海口站Tm分季节单因子回归模型及统计检验结果
Tab.2 Tm single factor regression models considering seasonal at Haikou station during 2008-2012 and their statistical tests results
季节 | 模型公式 | 样本量/个 | RMSE/K | 决定系数 |
---|---|---|---|---|
春季 | Tm=83.02+0.69Ts | 852 | 2.28 | 0.5750 |
夏季 | Tm=73.92+0.72Ts | 816 | 1.81 | 0.3338 |
秋季 | Tm=114.59+0.58Ts | 839 | 2.14 | 0.3676 |
冬季 | Tm=44.70+0.83Ts | 892 | 2.26 | 0.6444 |
夏半年 | Tm=88.78+0.67Ts | 1638 | 1.95 | 0.3201 |
冬半年 | Tm=72.83+0.73Ts | 1761 | 2.31 | 0.6412 |
全部样本 | Tm=107.64+0.61Ts | 3399 | 2.21 | 0.6281 |
模型名称 | 模型公式 | 样本量/个 | RMSE/K | 决定系数 |
---|---|---|---|---|
Bevis | Tm=70.2+0.72Ts | 3399 | 5.087 | 0.5549 |
F1* | Tm=107.64+0.61Ts | 3399 | 2.212 | 0.6281 |
F9* | Tm=103.59+0.61Ts+0.03RH | 3399 | 2.195 | 0.6339 |
F11 | Tm=97.91+0.62Ts+0.004Ps+0.03RH | 3399 | 2.195 | 0.6339 |
F15* | Tm=-72.32+1.21Ts+0.14RH-0.45Pes | 3399 | 2.154 | 0.6474 |
F17 | Tm=74.80+2.005Ts-1.41Td+0.006Ps+0.310Pes | 3399 | 2.185 | 0.6370 |
F19* | Tm=-35.59+1.23Ts-0.04Ps+0.15RH-0.50Pes | 3399 | 2.150 | 0.6486 |
F20* | Tm=-36.65+1.66Ts-0.47Td-0.037Ps+0.23RH-0.47Pes | 3399 | 2.149 | 0.6489 |
表3 2008—2012年海口站Tm单因子和多因子回归模型及统计结果
Tab.3 Single-factor/multi-factor regression models of Tm at Haikou station during 2008-2012 and their statistical tests results
模型名称 | 模型公式 | 样本量/个 | RMSE/K | 决定系数 |
---|---|---|---|---|
Bevis | Tm=70.2+0.72Ts | 3399 | 5.087 | 0.5549 |
F1* | Tm=107.64+0.61Ts | 3399 | 2.212 | 0.6281 |
F9* | Tm=103.59+0.61Ts+0.03RH | 3399 | 2.195 | 0.6339 |
F11 | Tm=97.91+0.62Ts+0.004Ps+0.03RH | 3399 | 2.195 | 0.6339 |
F15* | Tm=-72.32+1.21Ts+0.14RH-0.45Pes | 3399 | 2.154 | 0.6474 |
F17 | Tm=74.80+2.005Ts-1.41Td+0.006Ps+0.310Pes | 3399 | 2.185 | 0.6370 |
F19* | Tm=-35.59+1.23Ts-0.04Ps+0.15RH-0.50Pes | 3399 | 2.150 | 0.6486 |
F20* | Tm=-36.65+1.66Ts-0.47Td-0.037Ps+0.23RH-0.47Pes | 3399 | 2.149 | 0.6489 |
模型名称 | 模型公式 | a1 | a2 | a3 | a4 | RMSE/K | 决定系数 |
---|---|---|---|---|---|---|---|
FD1* | Tm=40.89+0.83Ts+a_doy | 1.52 | 2.10 | 0.12 | 1.82 | 2.068 | 0.6755 |
FD9* | Tm=31.67+0.85Ts+0.035RH+a_doy | 1.65 | 2.10 | 0.16 | 1.71 | 2.043 | 0.6831 |
FD11* | Tm=130.34+0.78Ts-0.078Ps+0.03RH+a_doy | 1.89 | 2.06 | 0.08 | 1.58 | 2.032 | 0.6863 |
FD15 | Tm=-7.79+0.98Ts+0.06RH-0.11Pes+a_doy | 1.53 | 2.03 | 0.17 | 1.73 | 2.041 | 0.6837 |
FD17* | Tm=119.08+1.47Ts-0.71Td-0.08Ps+0.17RH+a_doy | 1.87 | 2.04 | 0.08 | 1.56 | 2.030 | 0.6871 |
FD19 | Tm=88.63+0.93Ts-0.08Ps+0.06RH-0.13Pes+a_doy | 1.76 | 1.99 | 0.08 | 1.60 | 2.030 | 0.6870 |
FD20* | Tm=90.95+1.43Ts-0.55Td-0.08Ps+0.16RH-0.09Pes+a_doy | 1.78 | 1.99 | 0.08 | 1.58 | 2.029 | 0.6874 |
表4 2008—2012年海口站加入年积日的Tm多因子回归模型及统计检验结果
Tab.4 Multi-factor regression models of Tm with day of year factor at Haikou station during 2008-2012 and their statistical tests results
模型名称 | 模型公式 | a1 | a2 | a3 | a4 | RMSE/K | 决定系数 |
---|---|---|---|---|---|---|---|
FD1* | Tm=40.89+0.83Ts+a_doy | 1.52 | 2.10 | 0.12 | 1.82 | 2.068 | 0.6755 |
FD9* | Tm=31.67+0.85Ts+0.035RH+a_doy | 1.65 | 2.10 | 0.16 | 1.71 | 2.043 | 0.6831 |
FD11* | Tm=130.34+0.78Ts-0.078Ps+0.03RH+a_doy | 1.89 | 2.06 | 0.08 | 1.58 | 2.032 | 0.6863 |
FD15 | Tm=-7.79+0.98Ts+0.06RH-0.11Pes+a_doy | 1.53 | 2.03 | 0.17 | 1.73 | 2.041 | 0.6837 |
FD17* | Tm=119.08+1.47Ts-0.71Td-0.08Ps+0.17RH+a_doy | 1.87 | 2.04 | 0.08 | 1.56 | 2.030 | 0.6871 |
FD19 | Tm=88.63+0.93Ts-0.08Ps+0.06RH-0.13Pes+a_doy | 1.76 | 1.99 | 0.08 | 1.60 | 2.030 | 0.6870 |
FD20* | Tm=90.95+1.43Ts-0.55Td-0.08Ps+0.16RH-0.09Pes+a_doy | 1.78 | 1.99 | 0.08 | 1.58 | 2.029 | 0.6874 |
模型名称 | 模型公式 | 样本量/个 | RMSE/K | 绝对误差/K | 复相关系数R |
---|---|---|---|---|---|
夏半年 | Tm=88.78+0.67Ts | 672 | 1.814 | 0.376 | 0.6028 |
冬半年 | Tm=72.83+0.73Ts | 708 | 2.063 | 0.360 | 0.8133 |
Bevis | Tm=70.2+0.72Ts | 1380 | 4.650 | -4.170 | 0.8085 |
F1 | Tm=107.64+0.61Ts | 1380 | 2.000 | 0.335 | 0.8085 |
F9 | Tm=103.59+0.61Ts+0.03RH | 1380 | 1.978 | 0.296 | 0.8120 |
F15 | Tm=-72.32+1.21Ts+0.14RH-0.45Pes | 1380 | 1.971 | 0.312 | 0.8143 |
F19 | Tm=-35.59+1.23Ts-0.04Ps+0.15RH-0.50Pes | 1380 | 1.961 | 0.289 | 0.8156 |
F20 | Tm=-36.65+1.66Ts-0.47Td-0.037Ps+0.23RH-0.47Pes | 1380 | 1.966 | 0.288 | 0.8148 |
FD1 | Tm=40.89+0.83Ts+a_doy | 1380 | 1.924 | 0.416 | 0.8283 |
FD9 | Tm=31.67+0.85Ts+0.035RH+a_doy | 1380 | 1.895 | 0.374 | 0.8324 |
FD11 | Tm=130.34+0.78Ts-0.078Ps+0.03RH+a_doy | 1380 | 1.861 | 0.327 | 0.8375 |
FD17 | Tm=119.08+1.47Ts-0.71Td-0.08Ps+0.17RH+a_doy | 1380 | 1.863 | 0.325 | 0.8370 |
FD20 | Tm=90.95+1.43Ts-0.55Td-0.08Ps+0.16RH-0.09Pes+a_doy | 1380 | 1.865 | 0.326 | 0.8367 |
表5 2013—2014年海口站Tm回归模型统计检验结果
Tab.5 Statistical tests result of Tm regression model from 2013 to 2014 at Haikou station
模型名称 | 模型公式 | 样本量/个 | RMSE/K | 绝对误差/K | 复相关系数R |
---|---|---|---|---|---|
夏半年 | Tm=88.78+0.67Ts | 672 | 1.814 | 0.376 | 0.6028 |
冬半年 | Tm=72.83+0.73Ts | 708 | 2.063 | 0.360 | 0.8133 |
Bevis | Tm=70.2+0.72Ts | 1380 | 4.650 | -4.170 | 0.8085 |
F1 | Tm=107.64+0.61Ts | 1380 | 2.000 | 0.335 | 0.8085 |
F9 | Tm=103.59+0.61Ts+0.03RH | 1380 | 1.978 | 0.296 | 0.8120 |
F15 | Tm=-72.32+1.21Ts+0.14RH-0.45Pes | 1380 | 1.971 | 0.312 | 0.8143 |
F19 | Tm=-35.59+1.23Ts-0.04Ps+0.15RH-0.50Pes | 1380 | 1.961 | 0.289 | 0.8156 |
F20 | Tm=-36.65+1.66Ts-0.47Td-0.037Ps+0.23RH-0.47Pes | 1380 | 1.966 | 0.288 | 0.8148 |
FD1 | Tm=40.89+0.83Ts+a_doy | 1380 | 1.924 | 0.416 | 0.8283 |
FD9 | Tm=31.67+0.85Ts+0.035RH+a_doy | 1380 | 1.895 | 0.374 | 0.8324 |
FD11 | Tm=130.34+0.78Ts-0.078Ps+0.03RH+a_doy | 1380 | 1.861 | 0.327 | 0.8375 |
FD17 | Tm=119.08+1.47Ts-0.71Td-0.08Ps+0.17RH+a_doy | 1380 | 1.863 | 0.325 | 0.8370 |
FD20 | Tm=90.95+1.43Ts-0.55Td-0.08Ps+0.16RH-0.09Pes+a_doy | 1380 | 1.865 | 0.326 | 0.8367 |
Tm模型 名称 | 样本量 /个 | PWIGRA平均值/mm | PWGPS平均 值/mm | PWGPS标准差/mm | PWGPS平均偏差/mm | PWGPSRMSE/mm | PWGPS与PWIGRA线性回归 | ||
---|---|---|---|---|---|---|---|---|---|
相关系数r | 斜率 | 截距 | |||||||
Bevis | 339 | 55.6 | 55.28 | 4.960 | -0.32 | 4.970 | 0.9445 | 1.256 | -13.824 |
F1 | 339 | 55.6 | 56.12 | 4.885 | 0.53 | 4.913 | 0.9447 | 1.238 | -13.883 |
夏半年 | 339 | 55.6 | 55.96 | 4.900 | 0.36 | 4.913 | 0.9447 | 1.241 | -13.852 |
冬半年 | 339 | 55.6 | 56.35 | 4.866 | 0.75 | 4.924 | 0.9446 | 1.232 | -13.826 |
春季 | 339 | 55.6 | 56.01 | 4.896 | 0.41 | 4.913 | 0.9446 | 1.24 | -13.842 |
夏季 | 339 | 55.6 | 55.99 | 4.897 | 0.39 | 4.913 | 0.9445 | 1.24 | -13.828 |
秋季 | 339 | 55.6 | 55.73 | 4.919 | 0.14 | 4.921 | 0.9447 | 1.247 | -13.895 |
冬季 | 339 | 55.6 | 56.70 | 4.838 | 1.11 | 4.962 | 0.9444 | 1.223 | -13.779 |
F9 | 339 | 55.6 | 55.90 | 4.876 | 0.31 | 4.885 | 0.9453 | 1.241 | -13.753 |
FD1 | 339 | 55.6 | 55.70 | 4.912 | 0.10 | 4.913 | 0.9441 | 1.24 | -13.474 |
FD9 | 339 | 55.6 | 55.71 | 4.876 | 0.11 | 4.878 | 0.9450 | 1.238 | -13.346 |
FD11 | 339 | 55.6 | 55.56 | 4.883 | -0.04 | 4.883 | 0.9449 | 1.239 | -13.252 |
表6 海口站基于不同Tm模型的PWGPS与 PWIGRA结果对比
Tab.6 Comparison of result of PWGPS based on different Tm models and PWIGRA at Haikou station
Tm模型 名称 | 样本量 /个 | PWIGRA平均值/mm | PWGPS平均 值/mm | PWGPS标准差/mm | PWGPS平均偏差/mm | PWGPSRMSE/mm | PWGPS与PWIGRA线性回归 | ||
---|---|---|---|---|---|---|---|---|---|
相关系数r | 斜率 | 截距 | |||||||
Bevis | 339 | 55.6 | 55.28 | 4.960 | -0.32 | 4.970 | 0.9445 | 1.256 | -13.824 |
F1 | 339 | 55.6 | 56.12 | 4.885 | 0.53 | 4.913 | 0.9447 | 1.238 | -13.883 |
夏半年 | 339 | 55.6 | 55.96 | 4.900 | 0.36 | 4.913 | 0.9447 | 1.241 | -13.852 |
冬半年 | 339 | 55.6 | 56.35 | 4.866 | 0.75 | 4.924 | 0.9446 | 1.232 | -13.826 |
春季 | 339 | 55.6 | 56.01 | 4.896 | 0.41 | 4.913 | 0.9446 | 1.24 | -13.842 |
夏季 | 339 | 55.6 | 55.99 | 4.897 | 0.39 | 4.913 | 0.9445 | 1.24 | -13.828 |
秋季 | 339 | 55.6 | 55.73 | 4.919 | 0.14 | 4.921 | 0.9447 | 1.247 | -13.895 |
冬季 | 339 | 55.6 | 56.70 | 4.838 | 1.11 | 4.962 | 0.9444 | 1.223 | -13.779 |
F9 | 339 | 55.6 | 55.90 | 4.876 | 0.31 | 4.885 | 0.9453 | 1.241 | -13.753 |
FD1 | 339 | 55.6 | 55.70 | 4.912 | 0.10 | 4.913 | 0.9441 | 1.24 | -13.474 |
FD9 | 339 | 55.6 | 55.71 | 4.876 | 0.11 | 4.878 | 0.9450 | 1.238 | -13.346 |
FD11 | 339 | 55.6 | 55.56 | 4.883 | -0.04 | 4.883 | 0.9449 | 1.239 | -13.252 |
图5 基于本地Tm模型FD9的PWGPS及PWIGRA2012年5—10月逐日00:00(a)和12:00(b)对比
Fig.5 The comparison of daily PWGPS based on local Tm model FD9 and PWIGRA at Haikou station at 00:00 UTC (a) and 12:00 UTC (b) from May to October 2012
[1] | 杨景梅, 邱金桓. 用地面湿度参量计算我国整层大气可降水量及有效水汽含量方法的研究[J]. 大气科学, 2002, 26(1): 9-22. |
[2] |
BEVIS M, BUSINGER S, HERRING T, et al. GPS meteorology: remote sensing of atmospheric water vapor using the global positioning system[J]. Journal of Geophysical Research, 1992, 97(D14): 15787-15801.
DOI URL |
[3] |
LI Z H, MULLER J P, CROSS P. Comparison of precipitable water vapor derived from radiosonde, GPS, and Moderate-Resolution Imaging Spectroradiometer measurements[J]. Journal of Geophysical Research, 2003,108, 4651. DOI:10.1029/2003JD003372.
DOI |
[4] |
BOCK O, BOUIN M N, WALPERSDORF A, et al. Comparison of ground-based GPS precipitable water vapour to independent observations and NWP model reanalyses over Africa[J]. Quarterly Journal of the Royal Meteorological Society, 2007, 133(629): 2011-2027.
DOI URL |
[5] |
DAI A, WANG J H, WARE R H, et al. Diurnal variation in water vapor over North America and its implications for sampling errors in radiosonde humidity[J]. Journal of Geophysical Research, 2002, 107(D10), 4090. DOI:10.1029/2001JD000642.
DOI |
[6] | 梁宏, 刘晶淼, 陈跃. 地基GPS遥感的祁连山区夏季可降水量日变化特征及成因分析[J]. 高原气象, 2010, 29 (3): 726-736. |
[7] |
BEVIS M, BUSINGERS, CHISWELL S S, et al. GPS meteorology: mapping zenith wet delays onto precipitable water[J]. Journal of Applied Meteorology, 1994, 33 (3): 379-386.
DOI URL |
[8] |
GENDT G, DICK G, REIGBER C, et al. Near real time GPS water vapor monitoring for numerical weather prediction in Germany[J]. Journal of the Meteorological Society of Japan. Ser. II, 2004, 82(1B): 361-370.
DOI URL |
[9] |
DEBLONDE G, MACPHERSON S, MIREAULT Y, et al. Evaluation of GPS precipitable water over Canada and the IGS network[J]. Journal of Applied Meteorology, 2005, 44: 153-166.
DOI URL |
[10] | 毛节泰. GPS的气象应用[J]. 气象科技, 1993, 4: 45-49. |
[11] | 李成才, 毛节泰, 李建国, 等. 全球定位系统遥感水汽总量[J]. 科学通报, 1999, 44 (3): 333-336. |
[12] |
WANG J H, ZHANG L Y, DAI A G. Global estimates of water-vapor-weighted mean temperature of the atmosphere for GPS applications[J]. Journal of Geophysical Research, 2005, 110, D21101.DOI:1029/2005JD006215.
DOI |
[13] |
DAVIS J, HERRING T, SHAPIRO I, et al. Geodesy by radio interferometry: effects of atmospheric modeling errors on estimates of baseline length[J]. Radio Science, 1985, 20: 1593-1607.
DOI URL |
[14] | 何平, 徐宝祥, 周秀骥, 等. 地基GPS反演大气水汽总量的初步试验[J]. 应用气象学报, 2002, 13(2): 179-183. |
[15] |
马思琪, 周顺武, 王烁, 等. 基于GPS资料分析西藏中东部夏季可降水量日变化特征[J]. 高原气象, 2016, 35(2): 318-328.
DOI |
[16] | 韩辉邦, 张小军, 张博越, 等. 柴达木盆地GPS大气可降水量精度检验及其变化特征[J]. 干旱气象, 2020, 38(1): 50-57. |
[17] | 李建国, 毛节泰, 李成才, 等. 使用全球定位系统遥感水汽分布原理和中国东部地区加权“平均温度”的回归分析[J]. 气象学报, 1999, 57(3): 283-292. |
[18] | 刘焱雄, 陈永, 刘经南. 利用地面气象观测资料确定对流层加权平均温度[J]. 武汉测绘科技大学学报, 2000, 25(5): 400-404. |
[19] | 谷晓平, 王长耀, 吴登秀. GPS水汽遥感中的大气加权平均温度的变化特征及局地算式研究[J]. 气象科学, 2005, 25 (1): 79-83. |
[20] | 王勇, 柳林涛, 郝晓光, 等. 武汉地区GPS气象网应用研究[J] 测绘学报, 2007, 36(2): 141-145. |
[21] | 李国翠, 李国平, 杜成华, 等. 华北地区地基GPS水汽反演中加权平均温度模型研究[J]. 南京气象学院学报, 2009, 32 (1): 80-86. |
[22] | 王晓英, 戴仔强, 曹云昌, 等. 中国地区地基GPS加权平均温度Tm统计分析[J]. 武汉大学学报(信息科学版), 2011, 36(4): 412-416. |
[23] | 龚绍琦. 中国区域大气加权平均温度的时空变化及模型[J]. 应用气象学报, 2013, 24 (3): 332-341. |
[24] | 孙菲浩, 郑南山, 杜飞. 香港市域大气加权平均温度模型构建及其应用[J]. 气象科技, 2019, 47(3): 508-512. |
[25] | 王郁茗, 邵利民, 张尚悦. 利用ERA-Interim数据构建海区大气加权平均温度模型[J]. 气象科学, 2020, 40(3): 408-413. |
[26] | 李光伟, 李春鸾, 敖杰, 等. 海南岛大气可降水量的时空分布特征研究[J]. 自然灾害学报, 2015, 24(5):129-138. |
[27] |
邢彩盈, 胡德强, 吴胜安, 等. 海南岛后汛期旱涝急转及其海气异常特征分析[J]. 干旱气象, 2018, 36(4): 568-577.
DOI |
[28] | 李光伟, 敖杰, 邢峰华, 等. 基于NVAP-M数据和ERA-I资料的海南岛大气可降水量时空分布特征分析[J]. 暴雨灾害, 2018, 37(3): 281-287. |
[29] |
DURRE I, VOSE R S, WUERTZ D B. Overview of the integrated global radiosonde archive[J]. Journal of Climate, 2006, 19(1): 53-68.
DOI URL |
[30] |
VÖMEL H, SELKIRK H, MILOSHEVICH L, et al. Radiation dry bias of the Vaisala RS92 humidity sensor[J]. Journal of Atmospheric and Oceanic Technology, 2007, 24(6): 953-963.
DOI URL |
[31] |
MILOSHEVICH L M, VÖMEL H, WHITEMAN D N, et al. Accuracy assessment and correction of Vaisala RS92 radiosonde water vapor measurements[J]. Journal of Geophysical Research: Atmospheres, 2009, 114, D11305. DOI:10.1029/2008JD011565.
DOI |
[32] | 郝民, 龚建东, 王瑞文, 等. 中国L波段探空湿度观测资料的质量评估及偏差订正[J]. 气象学报, 2015, 73(1): 187-199. |
[33] | 郝民, 龚建东, 田伟红, 等. L波段探空仪湿度资料偏差订正及同化试验[J]. 应用气象学报, 2018, 29(5): 559-570. |
[34] |
GUO S L, KACHROO R K, MNGODO R J. Nonparametric kernel estimation of low flow quantiles[J]. Journal of Hydrology, 1996, 185(1): 335-348.
DOI URL |
[35] | 李文娟, 赵放, 赵璐, 等. 基于单站探空资料的不同强度短时强降水预报指标研究[J]. 暴雨灾害, 2017, 36(2): 132-138. |
[36] |
YAO Y, ZHANG B, XU C, et al. Improved one/multi-parameter models that consider seasonal and geographic variations for estimating weighted mean temperature in ground-based GPS meteorology[J]. Journal of Geodesy, 2014, 88(3): 273-282.
DOI URL |
[37] | 臧建飞, 彭秀英, 胡卓, 等. 顾及周期性误差修正的加权平均温度模型构建[J]. 测绘科学, 2019, 44(8): 149-153. |
[1] | 檀成龙, 檀佳. 中国陆地平均降水量与空中水汽含量的统计关系分析[J]. 干旱气象, 2022, 40(4): 710-719. |
[2] | 潘卫华, 余永江, 罗艳艳, 张琳琳, 杨志勇. 基于地基GPS大气可降水量的福建水汽资源时空分布特征分析[J]. 干旱气象, 2021, 39(4): 577-584. |
[3] | 贺莉微, 任永建, 夏青. 不同舒适度指数在最大电力负荷预测中的应用[J]. 干旱气象, 2021, 39(06): 1031-1038. |
[4] | 韩辉邦, 张小军, 张博越, 田建兵, 康晓燕. 柴达木盆地GPS大气可降水量精度检验及其变化特征[J]. 干旱气象, 2020, 38(1): 50-57. |
[5] | 刘晶, 周雅蔓, 杨莲梅, 张迎新. 2016年伊犁河谷大气可降水量变化特征及其与降水的关系[J]. 干旱气象, 2019, 37(4): 565-576. |
[6] | 强安丰,汪妮,解建仓,姜仁贵. 三江源区大气可降水量时空特征及其与降水关系[J]. 干旱气象, 2019, 37(1): 22-30. |
[7] | 杨璐瑛1,刘畅2,杨成芳2,韩永清2. 不同天气系统影响下强降雨过程GPS可降水量变化特征对比[J]. 干旱气象, 2018, 36(3): 475-. |
[8] | 康晓燕,马学谦,韩辉邦,张博越,王黎俊. 1981—2015年黄河上游河曲地区大气可降水量变化特征[J]. 干旱气象, 2017, 35(6): 975-983. |
[9] | 张连成1,胡列群2,李帅1,王燕3. 基于GIS的新疆地区两种气温插值方法对比研究[J]. 干旱气象, 2017, 35(2): 330-336. |
[10] | 苗运玲1,李如琦2,卓世新1. 天山北坡东段GPS反演的大气可降水量变化特征及其与降水的关系[J]. 干旱气象, 2016, 34(6): 989-994. |
[11] | 杨磊,蒋大凯,王瀛,才奎志,孙丽,陈宇,陈妮娜. 辽宁省汛期GPS大气可降水量的特征分析[J]. 干旱气象, 2016, 34(1): 82-87. |
[12] | 段玮1,段旭1,樊风1,孙绩华2. 青藏高原东南侧干湿季气候特征与成因[J]. 干旱气象, 2015, 33(4): 546-554. |
[13] | 蒋友严,黄进. 基于GIS 技术的甘肃省气温空间分布特征[J]. 干旱气象, 2013, 31(1): 206-211. |
[14] | 王维佳, 赵兴炳. 川西高原地基GPS 遥测可降水量特征[J]. J4, 2010, 28(3): 279-284. |
[15] | 曲晓黎, 武辉芹, 张彦恒, 贾俊妹. 京石高速路面温度特征及预报模型[J]. J4, 2010, 28(3): 352-357. |
阅读次数 | ||||||
全文 |
|
|||||
摘要 |
|
|||||
陇ICP备09004376
Copyright © 2019 《干旱气象》 编辑部
地址: 甘肃省兰州市东岗东路2070号,中国气象局兰州干旱气象研究所 730020
电话: 0931-2402270、0931-2402775 Email:ghqx@iamcma.cn、ghs_ghqx@sina.com
技术支持: 北京玛格泰克科技发展有限公司
访问总数: 当日访问总数: 当前在线人数: