新疆地形约束大气加权平均温度模型研究

doi:10.11755/j.issn.1006-7639-2026-03-0490

干旱气象 ›› 2026, Vol. 44 ›› Issue (3): 490-498.DOI: 10.11755/j.issn.1006-7639-2026-03-0490

新疆地形约束大气加权平均温度模型研究

陈志强¹^,²(), 刘琦²^,³^,⁴, 王洋²^,³^,⁴, 拜杰²^,³^,⁴, 刘杰¹^,²^,³^,⁴()

¹ 新疆农业大学交通与物流工程学院，新疆乌鲁木齐 830052
² 新疆交通规划勘察设计研究院有限公司科技研发中心，新疆乌鲁木齐 830006
³ 新疆高寒高海拔山区交通基础设施安全与健康重点实验室，新疆乌鲁木齐 830006
⁴ 新疆交通投资（集团）有限责任公司，新疆乌鲁木齐 830006

收稿日期:2025-07-08 修回日期:2025-12-25 出版日期:2026-06-30 发布日期:2026-07-16
通讯作者: 刘杰（1986—），男，甘肃酒泉人，博士，正高级工程师，主要从事地质灾害防治研究。E-mail： hfutliujie@163.com。
作者简介:陈志强（2002—），男，河南信阳人，硕士生，主要从事地质灾害防治研究。E-mail： 577062482@qq.com。
基金资助:
新疆维吾尔自治区“天山英才-青年拔尖人才”计划项目(2023TSYCCX08);新疆交通投资（集团）有限责任公司科技创新团队项目(XJJTZKX-FWCG-202312-0476);新疆交通投资（集团）有限责任公司科技创新团队项目(XJJTZKX-FWCG-202312-0477)

Research on a terrain-constrained weighted mean temperature model for Xinjiang

CHEN Zhiqiang¹^,²(), LIU Qi²^,³^,⁴, WANG Yang²^,³^,⁴, BAI Jie²^,³^,⁴, LIU Jie¹^,²^,³^,⁴()

¹ School of Transportation and Logistics Engineering， Xinjiang Agricultural University， Urumqi 830052， China
² Xinjiang Transportation Planning， Survey and Design Institute Co.， Ltd， Technology Research and Development Center， Urumqi 830006， China
³ Xinjiang Key Laboratory for Safety and Health of Transportation Infrastructure in Alpine and High-altitude Mountainous Areas， Urumqi 830006， China
⁴ Xinjiang Transportation Investment （GROUP） Co.， Ltd， Urumqi 830006， China

Received:2025-07-08 Revised:2025-12-25 Online:2026-06-30 Published:2026-07-16

摘要/Abstract

摘要：

研究新疆复杂地形区大气加权平均温度（T_m）模型对提高干旱半干旱地区全球导航卫星系统（Global Navigation Satellite System，GNSS）反演大气可降水量（Precipitable Water Vapour，PWV）精度具有重要意义。基于新疆9个无线电探空站2021—2024年观测数据，按照地貌特征将研究区划分为山脉区、混合区和盆地区，采用最小二乘回归方法，引入地表气温、高程、年及半年周期项，以及地表气温与高程耦合的地形约束因子，构建了适用于不同地貌分区的大气加权平均温度模型（Terrain-Constrained Temperature Model，TC-TM）。结果表明，TC-TM在新疆地区的偏差、均方根误差和平均绝对误差平均值分别为-0.28、3.34、2.64 K，整体精度优于Bevis、GPT3_1和莫智翔模型；其中，地形约束因子的引入有效增强了模型对复杂地形区温度垂直结构差异的表征能力。在GNSS-PWV反演应用中，TC-TM对应的PWV反演RMSE和相对误差全区均值分别为0.15 mm和1.18%，均优于对比模型。基于地形约束的分区建模策略能够有效提高复杂地形区T_m估算精度及GNSS-PWV反演质量。

关键词: 大气加权平均温度, 复杂地形, 地形约束, 全球导航卫星系统反演大气可降水量

Abstract:

Investigating the weighted mean temperature of the atmosphere (T_m) over Xinjiang is of great significance for improving the accuracy of global navigation satellite system (GNSS)-derived precipitable water vapor (PWV) in arid and semi-arid regions. Based on observational data from nine radiosonde stations in Xinjiang during 2021-2024, the study area was divided into mountain, mixed, and basin regions according to geomorphological characteristics. The paper used the least-squares regression method to develop a terrain-constrained temperature model (TC-TM) by incorporating surface temperature, elevation, annual and semiannual periodic terms, as well as a terrain-constrained factor coupling surface temperature and elevation. The results show that the mean Bias, root mean square error (RMSE), and mean absolute error of the TC-TM model over Xinjiang were -0.28, 3.34, and 2.64 K， respectively, outperforming the Bevis, GPT3_1, and MZX models. The introduction of the terrain-constrained factor effectively enhanced the model’s capability to characterize differences in vertical temperature structures over complex terrain. In GNSS-PWV retrieval applications, the mean PWV retrieval RMSE and relative error of the TC-TM model over the entire region were 0.15 mm and 1.18%, respectively, both lower than those of the comparison models. The results demonstrate that the terrain-constrained regional modeling strategy can effectively improve T_m estimation accuracy and GNSS-PWV retrieval performance in complex terrain regions.

Key words: weighted mean temperature （T_m）, complex terrain, terrain-constrained, GNSS-PWV

中图分类号:

P228
P423

陈志强, 刘琦, 王洋, 拜杰, 刘杰. 新疆地形约束大气加权平均温度模型研究[J]. 干旱气象, 2026, 44(3): 490-498.

CHEN Zhiqiang, LIU Qi, WANG Yang, BAI Jie, LIU Jie. Research on a terrain-constrained weighted mean temperature model for Xinjiang[J]. Journal of Arid Meteorology, 2026, 44(3): 490-498.

图/表 12

参考文献 25

[1]	柴慧霞, 周成虎, 陈曦, 等, 2008. 基于地理格网的新疆地貌区划方法与实现[J]. 地理研究, 27(3):481-492.
[2]	董浩杰, 杨维芳, 李小刚, 等, 2024. 青海地区大气加权平均温度模型精度优化[J]. 导航定位学报, 12(3):72-80.
[3]	高祥, 蒋春华, 陈少妮, 等, 2024. 一种中国区GNSS加权平均温度分层格网模型[J]. 导航定位学报, 12(2):120-128.
[4]	郭敏, 张捍卫, 李鹏杰, 2023. 大气加权平均温度对GNSS PWV精度的影响分析[J]. 地球物理学进展, 38(4):1455-1 465.
[5]	侯晓玲, 熊永良, 2023. 川渝地区大气加权平均温度模型优化[J]. 导航定位学报, 11(4):63-69.
[6]	黄良珂, 廖发圣, 陈发德, 等, 2024. 顾及日变化和非线性垂直改正的区域大气加权平均温度模型[J]. 地球物理学报, 67(5):1721-1 732.
[7]	李超, 夏昕, 2025. 高原周边环流主模态变化特征及其对我国冬季气候的影响[J]. 高原山地气象研究, 45(1):39-49.
[8]	刘金涛, 吕伟才, 肖星星, 等, 2023. 顾及气候类型的区域加权平均温度模型[J]. 导航定位学报, 11(6):119-128.
[9]	刘卫平, 曹丽娟, 张璞, 等, 2025. 新疆极端气温均一性检验及变化趋势时空特征[J]. 干旱气象, 43(3):394-402.
[10]	刘焱雄, 陈永奇, 刘经南, 2000. 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, 25(5):400-404.
[11]	莫智翔, 黎杏, 黄良珂, 等, 2021. 顾及多因子影响的中国西部地区大气加权平均温度模型精化研究[J]. 大地测量与地球动力学, 41(2):145-151.
[12]	谢劭峰, 张继洪, 王义杰, 等, 2023. 大气加权平均温度垂直递减率时空特性分析[J]. 大地测量与地球动力学, 43(6):593-599.
[13]	杨飞, 郭际明, 陈明, 等, 2022. GNSS大气加权平均温度经验模型精化方法的建立和分析[J]. 测绘学报, 51(11):2 339-2 345.
[14]	占果, 王盼, 黄嘉艇, 等, 2024. 顾及多因子的中国区域加权平均温度模型[J]. 遥感信息, 39(1):112-120.
[15]	ASKNE J, NORDIUS H, 1987. Estimation of tropospheric delay for microwaves from surface weather data[J]. Radio Science, 22(3): 379-386.
[16]	BEVIS M, BUSINGER S, CHISWELL S, et al, 1994. GPS meteorology: Mapping zenith wet delays onto precipitable water[J]. Journal of Applied Meteorology, 33(3): 379-386.
[17]	BOEHM J, HEINKELMANN R, SCHUH H, 2007. Short Note: A global model of pressure and temperature for geodetic applications[J]. Journal of Geodesy, 81(10): 679-683.
[18]	BÖHM J, MÖLLER G, SCHINDELEGGER M, et al, 2015. Development of an improved empirical model for slant delays in the troposphere (GPT2w)[J]. GPS Solutions, 19(3): 433-441.
[19]	DU Z, ZHAO Q Z, YAO W Q, et al, 2020. Improved GPT2w (IGPT2w) model for site specific zenith tropospheric delay estimation in China[J]. Journal of Atmospheric and Solar-Terrestrial Physics, 198: 105202. DOI:10.1016/j.jastp.2020.105202.
[20]	HUANG L K, JIANG W P, LIU L L, et al, 2019. A new global grid model for the determination of atmospheric weighted mean temperature in GPS precipitable water vapor[J]. Journal of Geodesy, 93(2): 159-176.
[21]	LAGLER K, SCHINDELEGGER M, BÖHM J, et al, 2013. GPT2: Empirical slant delay model for radio space geodetic techniques[J]. Geophysical Research Letters, 40(6): 1 069-1 073.
[22]	LANDSKRON D, BÖHM J, 2018. VMF3/GPT3: Refined discrete and empirical troposphere mapping functions[J]. Journal of Geodesy, 92(4): 349-360.
[23]	SAPUCCI L F, 2014. Evaluation of modeling water-vapor-weighted mean tropospheric temperature for GNSS-integrated water vapor estimates in Brazil[J]. Journal of Applied Meteorology and Climatology, 53(3): 715-730.
[24]	WANG S M, XU T H, NIE W F, et al, 2020. Establishment of atmospheric weighted mean temperature model in the polar regions[J]. Advances in Space Research, 65(1): 518-528.
[25]	ZHU L H, HUANG G, FAN G Z, et al, 2019. Elevation-dependent sensible heat flux trend over the Tibetan Plateau and its possible causes[J]. Climate Dynamics, 52(9/10): 3 997-4 009.

站点名称	纬度	经度	海拔/m	数据完整性/%
站点名称	纬度	经度	海拔/m	2021年	2022年	2023年	2024年
阿勒泰	47.73°N	88.08°E	735.3	99.9	100.0	100.0	100.0
伊宁	43.95°N	81.33°E	662.5	99.9	100.0	100.0	100.0
乌鲁木齐	43.78°N	87.65°E	935.0	100.0	99.9	99.9	100.0
库车	41.72°N	82.97°E	1 081.9	100.0	100.0	99.9	100.0
喀什	39.47°N	75.98°E	1 289.4	99.9	100.0	100.0	100.0
若羌	39.03°N	88.17°E	887.7	99.9	100.0	99.9	100.0
和田	37.13°N	79.93°E	1 375.0	100.0	100.0	99.9	100.0
民丰	37.07°N	82.72°E	1 409.5	100.0	99.9	100.0	100.0
哈密	42.82°N	93.52°E	737.2	100.0	100.0	100.0	100.0

站点名称	纬度	经度	海拔/m	数据完整性/%
站点名称	纬度	经度	海拔/m	2021年	2022年	2023年	2024年
阿勒泰	47.73°N	88.08°E	735.3	99.9	100.0	100.0	100.0
伊宁	43.95°N	81.33°E	662.5	99.9	100.0	100.0	100.0
乌鲁木齐	43.78°N	87.65°E	935.0	100.0	99.9	99.9	100.0
库车	41.72°N	82.97°E	1 081.9	100.0	100.0	99.9	100.0
喀什	39.47°N	75.98°E	1 289.4	99.9	100.0	100.0	100.0
若羌	39.03°N	88.17°E	887.7	99.9	100.0	99.9	100.0
和田	37.13°N	79.93°E	1 375.0	100.0	100.0	99.9	100.0
民丰	37.07°N	82.72°E	1 409.5	100.0	99.9	100.0	100.0
哈密	42.82°N	93.52°E	737.2	100.0	100.0	100.0	100.0

区域	A₀	A₁	A₂	A₃	A₄	A₅	A₆	A₇
山脉区	267.547 5	-4.259 9	-1.584 2	0.350 7	0.562 4	0.085 7	-0.166 4	0.000 5
混合区	96.810 4	-4.543 7	-1.926 7	-0.172 5	0.503 0	0.595 1	0.075 0	-0.000 2
盆地区	185.305 9	-5.778 8	-2.289 9	-0.681 0	0.562 1	0.315 0	0.010 3	0

区域	A₀	A₁	A₂	A₃	A₄	A₅	A₆	A₇
山脉区	267.547 5	-4.259 9	-1.584 2	0.350 7	0.562 4	0.085 7	-0.166 4	0.000 5
混合区	96.810 4	-4.543 7	-1.926 7	-0.172 5	0.503 0	0.595 1	0.075 0	-0.000 2
盆地区	185.305 9	-5.778 8	-2.289 9	-0.681 0	0.562 1	0.315 0	0.010 3	0

变量项	山脉区			混合区			盆地区
变量项	回归系数	标准误差	95%置信区间	回归系数	标准误差	95%置信区间	回归系数	标准误差	95%置信区间
A₀	259.807^***	18.815	[223.0，297.0]	95.429^***	12.057	[71.8，119.1]	183.711^***	2.604	[178.6，188.8]
A₁	-4.354^***	0.133	[-4.6，-4.1]	-4.624^***	0.135	[-4.9，-4.4]	-5.782^***	0.082	[-5.9，-5.6]
A₂	-1.566^***	0.068	[-1.7，-1.4]	-1.955^***	0.063	[-2.1，-1.8]	-2.423^***	0.042	[-2.5，-2.3]
A₃	0.458^***	0.066	[0.3，0.6]	-0.131^***	0.063	[-0.3，-0.0]	-0.617^***	0.043	[-0.7，-0.5]
A₄	0.419^***	0.065	[0.3，0.6]	0.322^***	0.061	[0.2，0.4]	0.397^***	0.041	[0.32，0.48]
A₅	0.109	0.066	[0.0，0.2]	0.601^***	0.043	[0.5，0.7]	0.322^***	0.009	[0.31，0.34]
A₆	-0.157^***	0.026	[-0.2，-0.1]	0.075^***	0.012	[0.05，0.10]	0.011^***	0.002	[0.007，0.02]
A₇	0.000 5^***	0.000	[0.000 3，0.000 6]	-0.000 2^***	0.000	[-0.000 3，-0.000 1]	-0.000 04^***	0.000	[-0.000 06，-0.000 03]
样本量	5 841	—	—	5 839	—	—	14 602	—	—
R²	0.876	—	—	0.868	—	—	0.829	—	—

新疆地形约束大气加权平均温度模型研究

Research on a terrain-constrained weighted mean temperature model for Xinjiang

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 12

参考文献 25

相关文章 2

编辑推荐

Metrics

分区	Bias				RMSE				MAE
分区	TC-TM	Bevis	GPT3_1	MZX	TC-TM	Bevis	GPT3_1	MZX	TC-TM	Bevis	GPT3_1	MZX
山脉区	-0.275 5	2.395 3	-5.902 5	0.662 2	3.441 2	5.330 0	7.455 7	4.606 7	2.700 0	4.389 2	6.440 6	3.683 8
混合区	-0.274 3	1.272 6	-3.494 6	-0.130 2	3.253 4	4.170 7	5.365 5	3.886 8	2.575 5	3.500 1	4.447 2	3.160 3
盆地区	-0.284 3	0.848 0	-4.617 4	0.086 6	3.340 2	4.020 0	6.034 4	3.888 0	2.652 5	3.339 4	5.078 1	3.168 3
平均	-0.278 0	1.505 3	-4.671 5	0.206 2	3.344 9	4.506 9	6.285 2	4.127 2	2.642 7	3.742 9	5.322 0	3.337 5

站点	TC-TM MAE	MZX MAE	差值
阿勒泰	2.590	3.041	-0.451
伊宁	2.810	3.296	-0.486
乌鲁木齐	2.665	2.776	-0.111
库车	2.486	3.544	-1.058
喀什	2.262	3.131	-0.869
若羌	3.235	4.568	-1.333
和田	2.459	3.239	-0.780
民丰	2.594	3.815	-1.221
哈密	2.714	3.666	-0.952
平均值	2.646	3.342	-0.696
t统计量			-5.82
P			0.000 4

[1]	许沛华, 陈正洪, 孙延维, 王必强, 简仕略. 湖北山区复杂地形条件下风电功率预报算法研究[J]. 干旱气象, 2021, 39(3): 524-532.
[2]	张玮玮, 张眉, 吴杨, 俞布. 复杂地形下浙江夏季气候要素空间插值方法评价[J]. 干旱气象, 2020, 38(4): 674-682.

模型	地形区域
	山脉区				混合区				盆地区
	RMSE_PWV/mm		RMSE_PWV（%）/%		RMSE_PWV/mm		RMSE_PWV（%）/%		RMSE_PWV/mm		RMSE_PWV（%）/%
	取值范围	平均值	取值范围	平均值	取值范围	平均值	取值范围	平均值	取值范围	平均值	取值范围	平均值
TC-TM	0.145~0.184	0.164	1.228~1.241	1.235	0.144~0.148	0.146	1.132~1.136	1.134	0.126~0.175	0.144	0.996~1.471	1.171
Bevis	0.182~0.237	0.210	1.563~1.585	1.574	0.201~0.230	0.216	1.586~1.763	1.674	0.235~0.277	0.255	1.842~2.328	2.067
GPT3_1	0.215~0.610	0.412	1.838~4.084	2.961	0.315~0.531	0.423	2.485~4.059	3.272	0.209~0.755	0.369	1.737~6.344	2.999
MZX	0.176~0.220	0.198	1.474~1.504	1.489	0.155~0.220	0.188	1.227~1.686	1.456	0.174~0.259	0.205	1.376~2.174	1.665

模型	地形区域
	山脉区				混合区				盆地区
	RMSE_PWV/mm		RMSE_PWV（%）/%		RMSE_PWV/mm		RMSE_PWV（%）/%		RMSE_PWV/mm		RMSE_PWV（%）/%
	取值范围	平均值	取值范围	平均值	取值范围	平均值	取值范围	平均值	取值范围	平均值	取值范围	平均值
TC-TM	0.145~0.184	0.164	1.228~1.241	1.235	0.144~0.148	0.146	1.132~1.136	1.134	0.126~0.175	0.144	0.996~1.471	1.171
Bevis	0.182~0.237	0.210	1.563~1.585	1.574	0.201~0.230	0.216	1.586~1.763	1.674	0.235~0.277	0.255	1.842~2.328	2.067
GPT3_1	0.215~0.610	0.412	1.838~4.084	2.961	0.315~0.531	0.423	2.485~4.059	3.272	0.209~0.755	0.369	1.737~6.344	2.999
MZX	0.176~0.220	0.198	1.474~1.504	1.489	0.155~0.220	0.188	1.227~1.686	1.456	0.174~0.259	0.205	1.376~2.174	1.665