Análisis exhaustivo del modelo de corrección en tiempo real del retraso troposférico zenital global basado en GPT3
Autores: Chen, Jian; Jiang, Yushuang; Fan, Ya; Zhao, Xingwang; Liu, Chao
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Análisis exhaustivo del modelo de corrección en tiempo real del retraso troposférico zenital global basado en GPT3
Categoría
Ciencias Naturales y Subdisciplinas
Subcategoría
Astronomía
Palabras clave
Mayor precisión
Modelo de corrección de retraso troposférico
Parámetros meteorológicos
Modelo GPT3
Sistema Global de Observación Geodésica
Retraso troposférico zenital.
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 10
Citaciones: Sin citaciones
Para obtener una mayor precisión en el Retraso Troposférico Zenith (ZTD) en tiempo real, se construyó un modelo de corrección de retraso troposférico refinado combinando el modelo de corrección de retraso troposférico basado en parámetros meteorológicos y el modelo GPT3. Se utilizaron como referencias los parámetros meteorológicos proporcionados por el Sistema Global de Observación Geodésica (GGOS) Atmosfera y los datos de retraso troposférico zenital proporcionados por el Centro de Determinación de Órbitas en Europa (CODE), y se compararon y estudiaron la precisión y las características espacio-temporales del modelo propuesto. Los resultados muestran lo siguiente: (1) En comparación con los modelos UNB3m, GPT y GPT2w, la precisión y estabilidad del modelo GPT3 mejoraron significativamente, especialmente la precisión de estimación de la temperatura, la desviación (Bias) de la temperatura estimada se redujo en un 90.60%, 32.44% y 0.30%, y el error cuadrático medio (RMS) se redujo en un 42.40%, 11.02% y 0.11%, respectivamente. (2) En diferentes latitudes, los modelos GPT3 + Saastamoinen, GPT3 + Hopfield y UNB3m presentaron grandes diferencias en precisión y aplicabilidad. En las latitudes medias y altas, los Biases del modelo GPT3 + Saastamoinen y del modelo GPT3 + Hopfield estaban dentro de 0.60 cm, y los valores de RMS estaban dentro de 4 cm; el Bias del modelo UNB3m estaba dentro de 2 cm, y el RMS estaba dentro de 5 cm; en latitudes bajas, la precisión y estabilidad del modelo GPT3 + Saastamoinen fueron mejores que las de los modelos GPT3 + Hopfield y UNB3m; en comparación con el modelo GPT3 + Hopfield, el Bias se redujo en un 22.56%, y el RMS se redujo en un 5.67%. A diferentes alturas, los valores de RMS del modelo GPT3 + Saastamoinen y del modelo GPT3 + Hopfield fueron mejores que los del modelo UNB3m. Cuando la altura era inferior a 500 m, los Biases de los modelos GPT3 + Saastamoinen, GPT3 + Hopfield y UNB3m fueron de 3.46 cm, 3.59 cm y 4.54 cm, respectivamente. A más de 500 m, los Biases de los tres modelos estaban dentro de 4 cm. En diferentes estaciones, el Bias del ZTD estimado por el modelo UNB3m tuvo una clara variación estacional global. Los modelos GPT3 + Saastamoinen y GPT3 + Hopfield fueron más estables, y los valores estaban dentro de 5 cm. Los resultados de la investigación pueden proporcionar una referencia útil para la precisión de corrección del ZTD y la aplicabilidad de la navegación y posicionamiento GNSS en diferentes latitudes, a diferentes alturas y en diferentes estaciones.
Descripción
Para obtener una mayor precisión en el Retraso Troposférico Zenith (ZTD) en tiempo real, se construyó un modelo de corrección de retraso troposférico refinado combinando el modelo de corrección de retraso troposférico basado en parámetros meteorológicos y el modelo GPT3. Se utilizaron como referencias los parámetros meteorológicos proporcionados por el Sistema Global de Observación Geodésica (GGOS) Atmosfera y los datos de retraso troposférico zenital proporcionados por el Centro de Determinación de Órbitas en Europa (CODE), y se compararon y estudiaron la precisión y las características espacio-temporales del modelo propuesto. Los resultados muestran lo siguiente: (1) En comparación con los modelos UNB3m, GPT y GPT2w, la precisión y estabilidad del modelo GPT3 mejoraron significativamente, especialmente la precisión de estimación de la temperatura, la desviación (Bias) de la temperatura estimada se redujo en un 90.60%, 32.44% y 0.30%, y el error cuadrático medio (RMS) se redujo en un 42.40%, 11.02% y 0.11%, respectivamente. (2) En diferentes latitudes, los modelos GPT3 + Saastamoinen, GPT3 + Hopfield y UNB3m presentaron grandes diferencias en precisión y aplicabilidad. En las latitudes medias y altas, los Biases del modelo GPT3 + Saastamoinen y del modelo GPT3 + Hopfield estaban dentro de 0.60 cm, y los valores de RMS estaban dentro de 4 cm; el Bias del modelo UNB3m estaba dentro de 2 cm, y el RMS estaba dentro de 5 cm; en latitudes bajas, la precisión y estabilidad del modelo GPT3 + Saastamoinen fueron mejores que las de los modelos GPT3 + Hopfield y UNB3m; en comparación con el modelo GPT3 + Hopfield, el Bias se redujo en un 22.56%, y el RMS se redujo en un 5.67%. A diferentes alturas, los valores de RMS del modelo GPT3 + Saastamoinen y del modelo GPT3 + Hopfield fueron mejores que los del modelo UNB3m. Cuando la altura era inferior a 500 m, los Biases de los modelos GPT3 + Saastamoinen, GPT3 + Hopfield y UNB3m fueron de 3.46 cm, 3.59 cm y 4.54 cm, respectivamente. A más de 500 m, los Biases de los tres modelos estaban dentro de 4 cm. En diferentes estaciones, el Bias del ZTD estimado por el modelo UNB3m tuvo una clara variación estacional global. Los modelos GPT3 + Saastamoinen y GPT3 + Hopfield fueron más estables, y los valores estaban dentro de 5 cm. Los resultados de la investigación pueden proporcionar una referencia útil para la precisión de corrección del ZTD y la aplicabilidad de la navegación y posicionamiento GNSS en diferentes latitudes, a diferentes alturas y en diferentes estaciones.