楊 飛 郭際明 李弈韜 唐 偉 郭 偉

1 中國礦業(yè)大學(xué)(北京)地球科學(xué)與測繪工程學(xué)院，北京市學(xué)院路丁11號(hào)，100083 2 武漢大學(xué)測繪學(xué)院，武漢市珞喻路129號(hào)，430079 3 資源與環(huán)境信息系統(tǒng)國家重點(diǎn)實(shí)驗(yàn)室，北京市大屯路甲11號(hào)，100101

作為GPT系列模型[1-2]的最新版本，GPT3模型可以提供計(jì)算天頂對(duì)流層延遲的各類氣象參數(shù)，如氣壓、水汽壓、加權(quán)平均溫度、水汽壓直減率等，還可以估計(jì)南北和東西方向的大氣水平梯度，是當(dāng)前精度最高、使用最為廣泛的對(duì)流層延遲模型[3]。但目前缺乏對(duì)GPT3模型的精度檢驗(yàn)，尤其是缺乏GPT3模型獲取的ZTD和大氣水平梯度精度的詳細(xì)分析。本文利用IGS發(fā)布的高精度對(duì)流層產(chǎn)品，對(duì)GPT3模型在全球范圍內(nèi)計(jì)算的對(duì)流層產(chǎn)品進(jìn)行精度檢驗(yàn)，分析GPT3模型估計(jì)不同參數(shù)時(shí)精度的空間分布和時(shí)間分布特征。

1 模型介紹和計(jì)算方法

GPT3模型通過測站坐標(biāo)和年積日即可獲取任意時(shí)刻的氣壓，采用文獻(xiàn)[4]修訂的Saastamoinen模型計(jì)算天頂靜力學(xué)延遲ZHD；再利用獲取的測站任意時(shí)刻大氣水汽壓、加權(quán)平均溫度和水汽壓直減率，采用Askne等[5]給出的公式計(jì)算天頂濕延遲ZWD。

IGS可以提供天頂對(duì)流層總延遲ZTD、南北方向大氣水平梯度GNS和東西方向大氣水平梯度GEW等對(duì)流層產(chǎn)品。本文選取2019年224個(gè)包含300 d以上對(duì)流層產(chǎn)品的IGS測站，時(shí)間分辨率為2 h，將其ZTD、GNS和GEW作為參考值，以偏差bias和均方根誤差RMS作為統(tǒng)計(jì)量，檢驗(yàn)GPT3模型估計(jì)對(duì)流層產(chǎn)品的精度。

2 模型精度分析

2.1 GPT3模型精度的空間分布

圖1為GPT3模型在全球范圍內(nèi)不同測站估計(jì)ZTD的精度，從圖中可以看出，bias和RMS受測站緯度影響，低緯度地區(qū)測站的bias大多為負(fù)，中高緯度地區(qū)測站的bias大多為正；RMS值較大的測站也大多位于低緯度區(qū)域。將測站劃分成3個(gè)緯度區(qū)域，包括低緯度區(qū)域30°N～30°S、中緯度區(qū)域30°S～60°S和30°N～60°N、高緯度區(qū)域60°N～90°N和60°S～90°S，并分別統(tǒng)計(jì)不同緯度區(qū)域ZTD年均bias和RMS，結(jié)果見表1(2個(gè)%所在列分別表示RMS>30 mm和bias< 0 mm的測站數(shù)量所占比例)。從表中可以看出，低緯度區(qū)域的平均RMS達(dá)到41.7 mm，遠(yuǎn)大于中高緯度區(qū)域的36.4 mm和29.7 mm；在低緯度區(qū)域，RMS>30 mm的測站數(shù)量所占比例為88%，同樣高于其他2個(gè)區(qū)域的75%和44%。RMS最大值為67.5 mm，出現(xiàn)在低緯度區(qū)域；而高緯度區(qū)域的RMS最大值僅為38.7 mm。bias的統(tǒng)計(jì)結(jié)果再次表明，在不同區(qū)域采用GPT3模型估計(jì)ZTD的偏差存在差異，低緯度區(qū)域的平均bias為負(fù)，且有67%測站的bias<0 mm；而中高緯度區(qū)域的平均bias均為正，bias<0 mm的測站數(shù)量所占比例僅為36%和33%。

圖1 GPT3模型估計(jì)ZTD的bias和RMS全球分布

表1 GPT3模型在不同緯度區(qū)域估計(jì)ZTD的bias和RMS統(tǒng)計(jì)

圖2和圖3分別為GPT3模型在全球范圍內(nèi)不同IGS測站估計(jì)南北和東西方向水平梯度的精度。從圖中可以看出，GNS的bias表現(xiàn)出明顯的南北半球差異，北半球80%測站的bias為負(fù)值，南半球83%測站的bias為正值。GEW的bias特征與GNS正好相反，北半球86%測站的bias為正值，南半球87%測站的bias為負(fù)值。IGS測站GNS和GEW的平均RMS分別為0.49 mm和0.57 mm，其分布未與ZTD的RMS一樣表現(xiàn)出明顯的緯度特征。但其在高緯度地區(qū)的精度優(yōu)于中低緯度地區(qū)，且中低緯度的分布特征不明顯。

圖2 GPT3模型估計(jì)GNS的bias和RMS全球分布

圖3 GPT3模型估計(jì)GEW的bias和RMS全球分布

2.2 GPT3模型精度的時(shí)間分布

為分析不同時(shí)間GPT3模型估計(jì)對(duì)流層產(chǎn)品的精度，按照月份將所有IGS測站在不同UTC時(shí)刻的GPT3估值分別進(jìn)行統(tǒng)計(jì)，與相應(yīng)真值比較得到每個(gè)月不同時(shí)刻的RMS(圖4)。從圖中可以看出，相同月份、不同時(shí)刻的RMS差異較小，未表現(xiàn)出明顯差異；而不同月份的RMS值具有明顯差異，夏、秋季RMS明顯大于春、冬季，尤其在8月份，ZTD的RMS達(dá)到最大。

圖4 GPT3估計(jì)ZTD的RMS在每月各UTC時(shí)刻變化

對(duì)每個(gè)月GPT3模型估計(jì)ZTD的RMS進(jìn)行統(tǒng)計(jì)，結(jié)果見表2。從表中可以看出，RMS最大值和最小值分別為38.6 mm和33.6 mm，出現(xiàn)在8月和3月；RMS從1月到3月減小至最小值，從3月到8月增大至最大值，從8月到12月再次逐漸減小。

表2 GPT3模型估計(jì)ZTD的RMS在不同月份統(tǒng)計(jì)

圖5和圖6分別為GNS和GEW的RMS在不同月份的UTC時(shí)刻變化情況。圖5和圖6反映出相似的分布特點(diǎn)，每個(gè)月均在UTC 13:00附近RMS達(dá)到最小值，并且RMS向2個(gè)方向逐漸增大，在UTC 01:00和UTC 23:00附近RMS達(dá)到最大值。GNS和GEW的RMS在月份之間的差異較小，但仍可以觀察到在夏季，尤其是8月份各個(gè)時(shí)刻，其GNS和GEW的精度相比其他月份較差。

圖5 GPT3估計(jì)GNS的RMS在每月各UTC時(shí)刻變化

圖6 GPT3估計(jì)GEW的RMS在每月各UTC時(shí)刻變化

表3為GPT3模型在每個(gè)UTC時(shí)刻估計(jì)GNS和GEW的RMS情況。從UTC 01:00～23:00，GNS和GEW的RMS均表現(xiàn)出從大逐漸減小再增大的過程，且在數(shù)值上呈現(xiàn)出對(duì)稱的特點(diǎn)。GNS和GEW的RMS在UTC 11:00和UTC 13:00達(dá)到最小值，分別為0.44 mm和0.51 mm，相較于達(dá)到最大值的UTC 01:00和UTC 23:00，RMS減小0.1 mm。

表3 GPT3模型估計(jì)GNS和GEW的RMS在不同UTC時(shí)刻統(tǒng)計(jì)

3 結(jié) 語

本文通過收集2019年全球范圍內(nèi)224個(gè)IGS測站的對(duì)流層產(chǎn)品，對(duì)GPT3模型估計(jì)天頂對(duì)流層延遲、南北和東西方向大氣水平梯度的精度進(jìn)行檢驗(yàn)。結(jié)果表明，GPT3模型在全球范圍內(nèi)估計(jì)ZTD、GNS和GEW的平均RMS分別為37.2 mm、0.49 mm和0.57 mm。ZTD的bias在不同緯度區(qū)間存在正負(fù)差異，RMS在中高緯度區(qū)域的表現(xiàn)優(yōu)于低緯度區(qū)域；而GNS和GEW的bias在南北半球具有差異性，GNS的bias在北半球主要為負(fù)值，GEW的bias在南半球主要為負(fù)值。GPT3模型估計(jì)ZTD的精度在夏、秋季優(yōu)于春、冬季，不同UTC時(shí)刻的估計(jì)結(jié)果差異較??；GPT3模型估計(jì)GNS和GEW表現(xiàn)出明顯的UTC時(shí)刻變化，季節(jié)性差異較小。整體而言，在僅有測站坐標(biāo)和時(shí)刻信息時(shí)，GPT3模型可以在全球范圍內(nèi)提供較高精度的天頂對(duì)流層延遲和水平梯度信息，可為GNSS導(dǎo)航定位及氣象學(xué)研究提供先驗(yàn)信息。但其ZTD和水平梯度估值在空間和時(shí)間上存在差異性，該模型的后續(xù)應(yīng)用和研究應(yīng)充分考慮測站位置和計(jì)算時(shí)刻對(duì)模型精度的影響。