[发明专利]一种多源PWV数据融合方法

说明书

本发明公开了一种多源PWV数据融合方法，包括步骤：一、多源PWV数据的高程基准统一；二、GPT2w模型的PWV初值计算；三、获取高程基准统一的多源PWV数据；四、多项式PWV差值拟合；五、球谐函数模型PWV残差模拟；六、建立PWV混合模型。本发明引入GPT2w模型计算PWV初值，结合多项式PWV差值拟合和球谐函数模型PWV残差模拟，获取PWV混合模型，结合多项式PWV差值拟合和球谐函数模型PWV残差模拟过程中提出不同数据源的方程权重确定方法，并使用岭估计方法解决病态矩阵的最小二乘系数求解，建立的PWV混合模型，可得到任意位置以及高精度的事后PWV数据集。

技术领域

本发明属于数据融合技术领域，具体涉及一种多源PWV数据融合方法。

背景技术

传统获取水汽数据主要是利用水汽辐射计、无线电探空仪和卫星观测等。但是该类方法易受观测成本和环境条件等限制，而且时空分辨率较差。全球定位系统(GlobalPositioning System，GPS)反演大气可降水量(Precipitable Water Vapor，PWV)后便因其低成本及高时空分辨率等优点使该方法得到了广泛应用。实验表明由全球导航卫星系统(Global Navigation Satellite System，GNSS)反演的PWV可达到与传统方法相同的精度。

但上述基于站点的测量手段由于稀疏且不均匀的分布以及观测的不连续性，很难得到准确的PWV趋势等重要信息。此外另一种水汽数据是基于大气环流模型将不同类型的观测数据同化的再分析数据集，具有记录均匀，全局覆盖和空间完整等优点。但是再分析数据在有限甚至没有观测数据同化的地区并不可靠。不同类型的水汽数据各有其优缺点，但是目前无论是模型联合还是数据融合同化的相关内容并不多。现急需建立好的的PWV产品融合模型。

发明内容

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种多源PWV数据融合方法，引入GPT2w模型计算PWV初值，结合多项式PWV差值拟合和球谐函数模型PWV残差模拟，获取PWV混合模型，结合多项式PWV差值拟合和球谐函数模型PWV残差模拟过程中提出不同数据源的方程权重确定方法，并使用岭估计方法解决病态矩阵的最小二乘系数求解，建立的PWV混合模型，可得到任意位置以及高精度的事后PWV数据集，便于推广使用。

为解决上述技术问题，本发明采用的技术方案是：一种多源PWV数据融合方法，其特征在于，该方法包括以下步骤：

步骤一、多源PWV数据的高程基准统一：获取多源PWV数据，所述多源PWV数据包括GNSS PWV数据、ECMWF再分析数据和探空水汽数据，所述GNSS PWV数据的高程基准为大地高，ECMWF再分析数据的高程基准为位势，探空水汽数据的高程基准为位势高；

将ECMWF再分析数据的位势和探空水汽数据的位势高均统一到大地高；

步骤二、GPT2w模型的PWV初值计算：根据公式计算GPT2w模型的天顶湿延迟ZWD_GPT2w，其中，k₃和k'₂均为气体常数，k'₂＝16.529K·mb^-1，k₃＝373900K²·mb^-1，T_m为加权平均温度，λ为水汽递减因子，g_m为当地的实际平均重力加速度，单位为m/s²，e_s为水汽压；

根据公式PWV₀＝Π·ZWD_GPT2w，计算GPT2w模型的PWV初值PWV₀，其中，Π为转换因子且R_v为水汽气体常数且R_v＝461.495J·kg^-1·K^-1；