利用2021-09全球80个MGEX测站进行PPP实验,以国际GNSS服务组织(IGS)发布的ZTD产品为参考进行比较分析。结果表明,多系统联合估计ZTD在精度上具有较大优势,GPS+BDS双系统比单GPS系统平均RMSE精度提高约0.6 mm, GPS+BDS+GLONASS+Galileo...利用2021-09全球80个MGEX测站进行PPP实验,以国际GNSS服务组织(IGS)发布的ZTD产品为参考进行比较分析。结果表明,多系统联合估计ZTD在精度上具有较大优势,GPS+BDS双系统比单GPS系统平均RMSE精度提高约0.6 mm, GPS+BDS+GLONASS+Galileo四系统比双系统精度提高约0.9 mm,单系统条件下GPS的ZTD估计精度高于BDS。在精度空间分布上,随着纬度升高ZTD估计精度提升较为明显,当纬度大于50°时,四系统PPP估计的ZTD精度优于5 mm。在纬度基本不变的情况下,观测站海拔升高可提升ZTD估计精度。在模糊度固定的情况下,ZTD估计精度明显提升,单GPS系统估计ZTD的平均绝对误差(MAE)和均方根误差(RMSE)分别为7.6 mm和8.4 mm,相比于浮点解分别提高约11%和12%,平均收敛时间加快20 min。展开更多
文摘为提高对流层天顶延迟(Zenith tropospheric delay,ZTD)的估计性能,提出了基于数据融合的ZTD估计方法。估计干延迟采用Saastamoinen模型,估计湿延迟采用Askne模型,地表气象测量设备提供给两模型所需的气压、温度以及水汽压,Askne模型所需的加权温度、温度变化率和湿度变化率由全球气压和温度2w(Global pressure and temperature 2w,GPT2w)模型提供。当气象测量设备不可用时,上述所有气象参数均来自于GPT2w模型。利用国际GPS服务(International GPS service, IGS)提供的数据进行验证,结果表明:当地表测量设备存在时,所提方法较Saastamoinen模型提高了8mm;当全部气象参数来自GPT2w时,本方法较GPT2w+Saastamoinen模型提高了8.1mm;对于季节分明的测站,误差趋势同样具备季节性;对于海拔高和气候干燥的的测站,估计误差较小。
