一种对流层湿信息的建模方法及装置

技术领域

本发明涉及气象建模技术领域，尤其涉及一种对流层湿信息的建模方法及装置。

背景技术

GNSS卫星信号经过对流层时，对流层对它产生传播速度延迟和传播路径弯曲延迟两部分影响，由此产生的路径延迟被称作对流层延迟。在GNSS数据处理的过程中，通常将信号传播路径的对流层延迟投影到天顶方向，并将其分为天顶对流层静水延迟和天顶对流层湿度延迟两部分。其中天顶对流层静水延迟与大气压强有关，较为稳定。而天顶对流层湿度延迟与水汽压有关，水汽压与空气中的水汽含量有关。水汽信息对天气预报和气候预测有着重要作用。然而水汽变化迅速，且分布并不均匀，如水平分布上沿海地区水汽含量明显大于内陆地区，垂直分布上高度越低水汽含量越高。而利用探空产品、无线掩星产品、ERA5产品等计算或利用对流层湿信息时，因为其绝大部分存在于对流层某一高度下，若对全部对流层进行计算或建模时，会大大增加计算量和复杂度。

发明内容

本发明提供了一种对流层湿信息的建模方法及装置，以解决现有技术对对流层湿信息建模时的计算量大、复杂度高的技术问题。

为了解决上述技术问题，本发明实施例提供了一种对流层湿信息的建模方法，包括：

获取预设时间范围内若干高度层的对流层气象数据，并根据所述对流层气象数据，统计得到预设时间范围内若干高度层的水汽密度波动范围；

根据所述水汽密度波动范围和水汽密度阈值，拟合得到随时间变化的分层高度曲线；

根据所述分层高度曲线和所述对流层气象数据，对分层高度下的湿信息进行离散化后建模，得到对流层湿信息模型。

本发明通过预设时间范围内的各高度层的对流层气象数据进行统计得到水汽密度波动范围，根据水汽密度波动范围和水汽密度阈值经拟合得到分层高度曲线，通过水汽密度阈值的合理取值，可以实现对某一水汽密度下的高度范围进行建模，避免对全部对流层进行计算和建模，从而降低了计算量和复杂度。

进一步地，所述获取预设时间范围内若干高度层的对流层气象数据，并根据所述对流层气象数据，统计得到预设时间范围内若干高度层的水汽密度波动范围，具体为：

其中，所述对流层气象数据包括温度和水汽压；

获取预设时间范围内若干高度层的温度和预设时间范围内若干高度层的水汽压；

根据所述温度和所述水汽压，计算得到预设时间范围内若干高度层的水汽密度；

根据所述水汽密度，统计得到预设时间范围内若干高度层的水汽密度波动范围。

本发明通过预设时间范围内若干高度层的温度和水汽压，计算得到预设时间范围内各高度层的水汽密度，再统计得到水汽密度波动范围，可用于后续在某一预设水汽密度范围下的区域进行建模，从而避免对全部对流层进行计算和建模，从而降低了计算量和复杂度。

进一步地，所述根据所述水汽密度波动范围和水汽密度阈值，拟合得到随时间变化的分层高度曲线，具体为：

其中，所述水汽密度阈值包括第一阈值；

根据所述水汽密度波动范围，计算得到各个高度层的水汽密度均值；

根据所述各个高度层的水汽密度均值和所述第一阈值，选取水汽密度均值小于所述第一阈值的第一高度层，获取不同时刻下所述第一高度层的水汽密度最大值对应的分层高度；

根据不同时刻下的所述分层高度，拟合得到随时间变化的分层高度曲线。

本发明根据各高度层的水汽密度波动范围，计算获得各高度层的水汽密度均值，通过合理设置第一阈值，可确定低于第一阈值的高度层水汽密度最大值的对应分层高度，进而获得随时间变化的分层高度曲线，可用于通过分层高度曲线在分层高度下进行建模，从而避免对全部对流层进行计算和建模，从而降低了计算量和复杂度。

进一步地，所述分层高度的表达式为：

其中，ρ

进一步地，在所述根据所述水汽密度波动范围，计算得到各个高度层的水汽密度均值之后，还包括：

其中，所述水汽密度阈值包括第二阈值；所述第二阈值小于所述第一阈值；

根据所述各个高度层的水汽密度均值和所述第二阈值，选取水汽密度均值小于所述第二阈值的第二高度层，获取不同时刻下所述第二高度层的水汽密度最大值对应的边界高度；

根据不同时刻下的所述边界高度，拟合得到随时间变化的边界高度曲线。

进一步地，在所述根据所述水汽密度波动范围和水汽密度阈值，拟合得到随时间变化的分层高度曲线之后，还包括：

根据所述分层高度曲线和所述边界高度曲线，使用气象产品获取所述分层高度与边界高度之间的湿延迟信息。

本发明还通过水汽密度均值和第二阈值，计算得到水汽密度更小的区域的边界高度曲线；根据边界高度曲线，可以实现在水汽密度更小的区域通过气象产品获取湿延迟信息，降低计算量和复杂度。

进一步地，所述根据所述分层高度曲线和所述对流层气象数据，对分层高度下的湿信息进行离散化后建模，得到对流层湿信息模型，具体为：

其中，所述对流层气象数据包括：温度和水汽压；

根据所述温度和所述水汽压，计算得到所述湿信息；其中，所述湿信息包括：斜路径湿延迟和斜路径水汽含量；

根据所述分层高度曲线，对所述分层高度以下的所述湿信息进行离散化后，建立第一湿信息模型；

对所述对流层气象数据和GNSS数据进行时间同步，得到更新后的对流层气象数据；

根据所述更新后的对流层气象数据，对所述第一湿信息模型进行优化，得到所述对流层湿信息模型。

本发明在分层高度以下建立第一湿信息模型，避免对全部对流层进行计算和建模，从而降低了计算量和复杂度；此外，通过将对流层气象数据和GNSS数据进行时间同步，使对流层气象数据与GNSS数据在同一时间周期下更新，从而在降低计算量和复杂度的同时，提高对流层信息湿信息模型的时空分辨率。

进一步地，所述更新后的对流层气象数据的表达式为：

其中，f

进一步地，所述对流层湿信息模型的表达式为：

其中，X

另一方面，本发明实施例还提供了一种对流层湿信息的建模装置，包括：数据采集模块、高度曲线建立模块和模型建立模块；

其中，所述数据采集模块用于获取预设时间范围内若干高度层的对流层气象数据，并根据所述对流层气象数据，统计得到预设时间范围内若干高度层的水汽密度波动范围；

所述高度曲线建立模块用于根据所述水汽密度波动范围和水汽密度阈值，拟合得到随时间变化的分层高度曲线；

所述模型建立模块用于根据所述分层高度曲线和所述对流层气象数据，对分层高度下的湿信息进行离散化后建模，得到对流层湿信息模型。

本发明通过预设时间范围内的各高度层的对流层气象数据进行统计得到水汽密度波动范围，根据水汽密度波动范围和水汽密度阈值经拟合得到分层高度曲线，通过水汽密度阈值的合理取值，可以实现对某一水汽密度下的高度范围进行建模，避免对全部对流层进行计算和建模，从而降低了计算量和复杂度。

附图说明

图1为本发明提供的高时空分辨率的对流层分层建模方法的一种实施例的流程示意图；

图2为本发明提供的高时空分辨率的对流层分层建模方法的另一种实施例的流程示意图；

图3为本发明提供的高时空分辨率的对流层分层建模方法的再一种实施例的流程示意图；

图4为本发明提供的高时空分辨率的对流层分层建模方法的再一种实施例的流程示意图；

图5为本发明提供的高时空分辨率的对流层分层建模装置的一种实施例的结构示意图；

图6为本发明提供的建模过程示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例一

请参照图1，为本发明提供的高时空分辨率的对流层分层建模方法的一种实施例的流程示意图，主要包括步骤101-103，具体如下：

步骤101：获取预设时间范围内若干高度层的对流层气象数据，并根据所述对流层气象数据，统计得到预设时间范围内若干高度层的水汽密度波动范围。

在本实施例中，对流层气象数据可通过气象产品获取，例如：无线探空产品、无线掩星产品和ERA5产品。这些气象产品可以提供高垂直分辨率的大气压强、大气水汽压和大气温度的空间分布，可通过这些数据对不同高度层中的水汽密度进行估算。

在本实施例中，所述预设时间范围可以为半年、一年乃至更长的时间范围，所述若干高度层的数量可由用户根据需要进行设置。

在本实施例中，水汽密度波动范围可以表示为：P(ρ

步骤102：根据所述水汽密度波动范围和水汽密度阈值，拟合得到随时间变化的分层高度曲线。

在本实施例中，通过各个高度层的水汽密度波动范围和可以自行设定的水汽密度阈值，可以筛选得到属于某一水汽密度范围的高度层，以及该高度层对应的高度，结合预设时间范围可以得到不同时间下该高度层的对应高度，进而得到随时间变化的分层高度曲线。

在本实施例中，分层高度曲线可用于确定建模所需考虑的高度区域，从而避免对整个对流层进行建模，减少建模所需的计算量和复杂度。

步骤103：根据所述分层高度曲线和所述对流层气象数据，对分层高度下的湿信息进行离散化后建模，得到对流层湿信息模型。

在本实施例中，通过分层高度曲线可以确定建模对应的高度区域，对流层气象数据可提供建模所需的湿信息，再对湿信息进行离散化后，建立对流层湿信息模型。其中，所述湿信息可以为三维湿信息，包括：湿折射率、水汽密度等；此外，通过对流层气象数据计算得到建模所需的湿信息，这一过程可在例如ERA5产品等气象产品中自动计算实现。

请参照图2，为本发明提供的高时空分辨率的对流层分层建模方法的另一种实施例的流程示意图。图2与图1的主要区别在于，图2包括步骤201-203，具体如下：

在本实施例中，步骤201具体包括步骤201至步骤203。

在本实施例中，所述对流层气象数据包括温度和水汽压。

步骤201：获取预设时间范围内若干高度层的温度和预设时间范围内若干高度层的水汽压。

在本实施例中，所述温度和所述水汽压可通过气象产品获得，气象产品采集不同高度或不同气压下的温度和水汽压，并通过历史数据获得预设时间范围内的温度和水汽压。

步骤202：根据所述温度和所述水汽压，计算得到预设时间范围内若干高度层的水汽密度。

在本实施例中，所述水汽密度的表达式为：

其中，T为某一高度层的温度，e为某一高度层的水汽压。

步骤203：根据所述水汽密度，统计得到预设时间范围内若干高度层的水汽密度波动范围。

在本实施例中，若使用ERA5对温度和水汽压进行采集，则具有的最大时间分辨率为1小时，空间分辨率为全球范围，通过ERA5提供的历史数据，可对预设时间范围内，例如1年，进行长期统计计算，可获得如1年内的各个高度层的水汽密度波动范围。

本发明通过预设时间范围内若干高度层的温度和水汽压，计算得到预设时间范围内各高度层的水汽密度，再统计得到水汽密度波动范围，可用于后续在某一预设水汽密度范围下的区域进行建模，从而避免对全部对流层进行计算和建模，从而降低了计算量和复杂度。

请参照图3，为本发明提供的高时空分辨率的对流层分层建模方法的再一种实施例的流程示意图。图3与图1的主要区别在于，图3包括步骤301-303，具体如下：

在本实施例中，步骤102具体包括步骤301至步骤303。

在本实施例中，所述水汽密度阈值包括第一阈值。

步骤301：根据所述水汽密度波动范围，计算得到各个高度层的水汽密度均值。

在本实施例中，对每个高度层的水汽密度进行求均值处理，获得每层的预设时间范围内的水汽密度均值；其中所述预设时间范围包括但不限于1年。

步骤302：根据所述各个高度层的水汽密度均值和所述第一阈值，选取水汽密度均值小于所述第一阈值的第一高度层，获取不同时刻下所述第一高度层的水汽密度最大值对应的分层高度。

在本实施例中，第一阈值的取值包括但不限于1g/m

在本实施例中，所述分层高度的表达式为：

其中，ρ

进一步地，在所述根据所述水汽密度波动范围，计算得到各个高度层的水汽密度均值之后，还包括：

其中，所述水汽密度阈值包括第二阈值；所述第二阈值小于所述第一阈值；

根据所述各个高度层的水汽密度均值和所述第二阈值，选取水汽密度均值小于所述第二阈值的第二高度层，获取不同时刻下所述第二高度层的水汽密度最大值对应的边界高度；

根据不同时刻下的所述边界高度，拟合得到随时间变化的边界高度曲线。

在本实施例中，所述第二阈值的取值包括但不限于0.001g/m

在本实施例中，所述分层高度的表达式为：

其中，ρ

步骤303：根据不同时刻下的所述分层高度，拟合得到随时间变化的分层高度曲线。

在本实施例中，在获得不同时刻下的分层高度后，可以使用四次函数将分层高度拟合为随时间变化的高度函数，即分层高度曲线；其中，所述分层高度曲线的表达式为：

h

其中，a，b，c，d，e分别为拟合系数，拟合系数与分层高度对应的地区有关。

在本实施例中，在后续的建模过程中，只需要对分层高度h

在本实施例中，在所述根据所述水汽密度波动范围和水汽密度阈值，拟合得到随时间变化的分层高度曲线之后，还包括：根据所述分层高度曲线和所述边界高度曲线，使用气象产品获取所述分层高度与边界高度之间的湿延迟信息。

本发明还通过水汽密度均值和第二阈值，计算得到水汽密度更小的区域的边界高度曲线；根据边界高度曲线，可以实现在水汽密度更小的区域通过气象产品获取湿延迟信息，降低计算量和复杂度。

在本实施例中，通过分层高度曲线确定对流层的边界，分层高度以上边界高度以下的对流层不采用建模的方式获取湿信息，而采用ERA5等气象产品直接获取湿延迟信息，避免对整个对流层进行离散化和建模。

本发明根据各高度层的水汽密度波动范围，计算获得各高度层的水汽密度均值，通过合理设置第一阈值，可确定低于第一阈值的高度层水汽密度最大值的对应分层高度，进而获得随时间变化的分层高度曲线，可用于通过分层高度曲线在分层高度下进行建模，从而避免对全部对流层进行计算和建模，从而降低了计算量和复杂度。

请参照图4，为本发明提供的高时空分辨率的对流层分层建模方法的再一种实施例的流程示意图。图4与图1的主要区别在于，图4包括步骤401-404，具体如下：

在本实施例中，步骤103具体包括步骤401至步骤404。

在本实施例中，所述对流层气象数据包括：温度和水汽压。

步骤401：根据所述温度和所述水汽压，计算得到所述湿信息；其中，所述湿信息包括：斜路径湿延迟和斜路径水汽含量。

在本实施例中，通过气象产品可以获取各个高度层的温度和水汽压，通过温度和水汽压可以计算得到水汽密度和湿折射率；其中，所述湿折射率的表达式为：

其中，T为某一高度层的温度，e为某一高度层的水汽压。

在本实施例中，根据所述水汽密度和所述湿折射率，计算得到斜路径湿延迟(slant wet delay，SWD)和斜路径水汽含量(slant water vapor,SWV)。

在本实施例中，所述斜路径湿延迟的表达式为：

SWD＝∫N

其中，N

在本实施例中，所述斜路径水汽含量的表达式为：

SWV＝∫ρds；

其中，ρ为水汽密度。

在本实施例中，斜路径湿延迟和斜路径水汽含量还可以通过GNSS数据获得；GNSS精密定位通过将对流层延迟分为干延迟和湿延迟，并将天顶湿延迟作为未知参数进行估计获得。天顶对流层湿延迟(zenith total delay，ZWD)只能反映GNSS接收机垂直方向上整体的湿信息，无法反映出对流层湿信息的三维空间分布，因此将天顶对流层湿延迟通过映射函数M

步骤402：根据所述分层高度曲线，对所述分层高度以下的所述湿信息进行离散化后，建立第一湿信息模型。

在对对流层湿信息进行建模时需要进行离散化，通常需要对整个对流层进行离散化，但对流层的高度因纬度而不同，在低纬度地区大约17～18km，在中纬度的地区高10～12km，在高纬度地区只有8～9km，边界高度难以界定，并且水汽常常集中在6km以下。使用对流层层顶作为离散化的最大高度时，对没有水汽含量和水汽含量较少的地方也进行了离散化，会提高计算的复杂度，并且降低离散重构的湿信息精度。而在本实施例中，对第一阈值进行合理选取便可以筛选出相应高度层中的分层高度，对分层高度以下的区域进行建模则可避免对整个对流层进行建模导致的计算量大的问题。

在本实施例中，第一湿信息模型的表达式为：

其中，X为待重构建模的对流层湿信息，A为卫星信号传播路线离散化后的距离矩阵，B为所述湿信息对应的矩阵，W为离散化解算时的水平约束矩阵，V为离散化解算时的垂直约束矩阵，Δ为第三观测值噪声矩阵。

步骤403：对所述对流层气象数据和GNSS数据进行时间同步，得到更新后的对流层气象数据。

从气象产品中获取的气象数据，例如从ERA5中获取的气象数据，其时间分辨率可能不同于GNSS数据的时间分辨率，请参照图6，为本发明提供的建模过程示意图，通过插值函数进行时间同步，基于大气变化特性和气象数据以及GNSS数据的时间分辨率，对同步所要求的时间周期，如30分钟/组，进行设置，并将每个时间周期内的GNSS数据视为同一时间点，然后将气象数据插值获得时间周期或时间尺度下的数据。

在本实施例中，所述更新后的对流层气象数据的表达式为：

其中，f

步骤404：根据所述更新后的对流层气象数据，对所述第一湿信息模型进行优化，得到所述对流层湿信息模型。

在本实施例中，所述对流层湿信息模型的表达式为：

其中，X

在本实施例中，ERA5产品最快可提供4天前的气象数据，因此，利用4天前至24天前的气象数据，外推得到当前日期的气象数据。再结合实时PPP提供的实时卫星坐标和实时天顶对流层湿延迟，时间同步后可得到建模所需的湿信息，实现实时的对流层分层建模。

本发明在分层高度以下建立第一湿信息模型，避免对全部对流层进行计算和建模，从而降低了计算量和复杂度；此外，通过将对流层气象数据和GNSS数据进行时间同步，使对流层气象数据与GNSS数据在同一时间周期下更新，从而在降低计算量和复杂度的同时，提高对流层信息湿信息模型的时空分辨率。

请参照图5，为本发明提供的高时空分辨率的对流层分层建模装置的一种实施例的结构示意图，主要包括：数据采集模块501、高度曲线建立模块502和模型建立模块503。

在本实施例中，数据采集模块501用于获取预设时间范围内若干高度层的对流层气象数据，并根据所述对流层气象数据，统计得到预设时间范围内若干高度层的水汽密度波动范围。

在本实施例中，数据采集模块501包括数据采集单元、水汽密度计算单元和波动范围统计单元；其中，所述对流层气象数据包括温度和水汽压；数据采集单元用于获取预设时间范围内若干高度层的温度和预设时间范围内若干高度层的水汽压；水汽密度计算单元用于根据所述温度和所述水汽压，计算得到预设时间范围内若干高度层的水汽密度；波动范围统计单元用于根据所述水汽密度，统计得到预设时间范围内若干高度层的水汽密度波动范围。

高度曲线建立模块502用于根据所述水汽密度波动范围和水汽密度阈值，拟合得到随时间变化的分层高度曲线。

在本实施例中，高度曲线建立模块502包括均值计算单元、第一高度计算单元和第一曲线计算单元；其中，所述水汽密度阈值包括第一阈值；均值计算单元用于根据所述水汽密度波动范围，计算得到各个高度层的水汽密度均值；第一高度计算单元用于根据所述各个高度层的水汽密度均值和所述第一阈值，选取水汽密度均值小于所述第一阈值的第一高度层，获取不同时刻下所述第一高度层的水汽密度最大值对应的分层高度；第一曲线计算单元用于根据不同时刻下的所述分层高度，拟合得到随时间变化的分层高度曲线。

在本实施例中，高度曲线建立模块502还包括第二高度计算单元、第二曲线计算单元；其中，所述水汽密度阈值包括第二阈值；所述第二阈值小于所述第一阈值；第二高度计算单元用于根据所述各个高度层的水汽密度均值和所述第二阈值，选取水汽密度均值小于所述第二阈值的第二高度层，获取不同时刻下所述第二高度层的水汽密度最大值对应的边界高度；第二曲线计算单元用于根据不同时刻下的所述边界高度，拟合得到随时间变化的边界高度曲线。

在本实施例中，所述高时空分辨率的对流层分层建模装置还包括湿延迟信息采集模块；湿延迟信息采集模块用于在第二曲线计算单元拟合得到随时间变化的边界高度曲线之后，根据所述分层高度曲线和所述边界高度曲线，使用气象产品获取所述分层高度与边界高度之间的湿延迟信息。

模型建立模块503用于根据所述分层高度曲线和所述对流层气象数据，对分层高度下的湿信息进行离散化后建模，得到对流层湿信息模型。

在本实施例中，模型建立模块503包括：湿信息计算单元、第一模型建立单元、时间同步单元和第二模型建立单元；湿信息计算单元用于根据所述温度和所述水汽压，计算得到所述湿信息；其中，所述湿信息包括：斜路径湿延迟和斜路径水汽含量；第一模型建立单元用于根据所述分层高度曲线，对所述分层高度以下的所述湿信息进行离散化后，建立第一湿信息模型；时间同步单元用于对所述对流层气象数据和GNSS数据进行时间同步，得到更新后的对流层气象数据；第二模型建立单元用于根据所述更新后的对流层气象数据，对所述第一湿信息模型进行优化，得到所述对流层湿信息模型。

本发明通过预设时间范围内的各高度层的对流层气象数据进行统计得到水汽密度波动范围，根据水汽密度波动范围和水汽密度阈值经拟合得到分层高度曲线，通过水汽密度阈值的合理取值，可以实现对某一水汽密度下的高度范围进行建模，避免对全部对流层进行计算和建模，从而降低了计算量和复杂度。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步的详细说明，应当理解，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围。特别指出，对于本领域技术人员来说，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。