王利杰，李思敏，蔡成林，李天松

(桂林電子科技大學信息與通信學院，廣西桂林541004)

一、引 言

對流層位于大氣的最底層，下接地面，上至平流層起點，約40 km的范圍，集中了約75%的大氣質量和90%以上的水汽質量。云、霧、雨、雪等眾多天氣現(xiàn)象都發(fā)生在對流層。對流層對頻率在30 GHz以下的電磁波都是非色散介質，因此所導致的傳播路徑較小，可忽略不計。而它對于GPS信號所導致的傳播路徑增長的距離就稱為對流層延遲，一般而言，在天頂方向(高度角為90°)對流層延遲約為2～3 m;當高度角小于10°時約可達15～20 m;而當高度角更小的時候，其延遲量將會更大［1-2］。

目前在對GPS數(shù)據(jù)進行處理時，很多學者都使用模型進行對流層延遲改正，但模型改正在面對實際數(shù)據(jù)處理的時候效果如何、具體差異在哪里，并沒有過多的研究，只有很少一部分對根據(jù)各種模型計算出來的隨高度角變化的對流層延遲量的具體數(shù)值及各種模型之間的差異進行了深入的研究。即使定量的分析之后，也并非某種延遲量越小越好;然而究竟該如何判斷，本文給出了很好的解決方案。

目前在使用模型進行對流層延遲改正時，常見的比較有代表性的模型有Hopfield模型、Saastamoinen模型和Black模型。本文基于Matlab語言實現(xiàn)了這3種對流層改正模型，并利用IGS數(shù)據(jù)進行仿真分析，得出了比較合理的結論及算法。

二、3種常用對流層延遲改正模型的介紹

1.Hopfield改正模型

Hopfield模型是Hopfield于1969年［2］從全球性實測平均資料中總結出的，加以修正后的模型為

式中

其中，ΔS為對流層延遲改正;Kd為天頂方向干分量延遲，Kw為天頂方向濕分量延遲，單位均為m;P為測站氣壓，e為測站水汽壓，單位均為mbar;T為測站氣溫(絕對溫度)，單位為K;E為傳播路徑高度角，單位為(°);θd取為2.5°，θw取為1.5°;hd為干大氣頂高，hw為濕大氣頂高，h為測站高程，單位為m［3-5］。

2.Saastamoinen改正模型

Saastamoinen模型是Saastamoinen于1973年提出的，它是以測站緯度、高程、觀測高度角、干溫、水氣壓為變量的函數(shù)，其表達式為

式中，W(φ，h)=1+0.002 6cos 2φ+0.002 8 h;h為測站高程;φ為測站所處緯度;B為h的列表函數(shù);ΔR為E和h的列表函數(shù)［2］。

在實際應用中，由于式(2)不便于實時快速計算，所以在保證使用精度的前提下，對上式進行了擬合化簡，擬合后的Saastamoinen模型為

式中

其他變量跟Hopfiled模型中的變量表示相同含義［6-7］。

3.Black改正模型

H.D.Black于1978年利用 Hopfield模型提出折射率表示方法，加上路徑彎曲變量，給出了Black模型的表達式

三、判斷延遲量精確度的方法

偽距是由GPS觀測而得到的GPS觀測站到衛(wèi)星的距離，而由于尚未對因“衛(wèi)星時鐘與接收機時鐘同步誤差”的影響加以改正，在所測距離中包含著時鐘誤差、電離層延遲誤差、對流層延遲誤差等因素在內，故稱為“偽距”Pr，即

其中

式(8)～式(9)中，Pr是偽距，Gr是幾何距離，Tr是對流層延遲距離，Ir是電離層延遲距離，Δr是包含接收機噪聲和干擾引起的誤差、多徑偏差及接收機的硬件偏差距離，單位均為m;tu是接收機鐘差，δt是衛(wèi)星鐘差，δtD是除鐘差外的時間偏差，單位為均s;c是光速，取值為299 792 458 m/s［9］。

式(8)中的偽距Pr、幾何距離Gr及衛(wèi)星鐘差δt都在IGS數(shù)據(jù)里給出或可以直接計算出來，對于電離層延遲Ir可以通過“雙頻改正”的方法消除，在3種不同模型下又可以算出對流層Tr。因此，式中只差接收機鐘差tu和誤差Δr兩項未知。接收機鐘差tu的計算需要考慮到兩顆或多顆衛(wèi)星，而同一時刻不同衛(wèi)星的高度角不同，不便于本文基于高度角選擇模型進行分析，以及Δr中的變量考慮因素過于繁雜，而對本文的影響不是很大，故最終本文對此數(shù)據(jù)先不予考慮。因此由式(8)與式(9)可以看出，3種模型中如果哪種得出的結果更接近Pr，則說明那種模型改正更精確。

四、模型的實現(xiàn)與分析

1.模型實現(xiàn)

本文在Windows下使用Matlab語言實現(xiàn)了這3種對流層改正模型。而數(shù)據(jù)為北京測站關于G03衛(wèi)星于2010年12月6日和7日兩天的數(shù)據(jù)，其中分別作了兩次實現(xiàn)。

(1)初步實現(xiàn)

由于考慮到測站的一些數(shù)據(jù)(如大氣壓、溫度、水汽壓)隨時間變化不是很明顯，所以首先假設在高度角變化的情況下，測站的大氣壓、溫度、水汽壓均為定值，以觀察3種模型隨著高度角變化而變化的問題。此時這些數(shù)據(jù)均取2010年12月6日0∶00的數(shù)值，高度角取3∶3∶90的變化。所得結果如圖1所示。

圖1 在相同條件下不同高度角對3種模型的影響

由圖1可以看出，3種模型的延遲量都是隨著高度角的增加而大致減小的，只有Hopfield模型在高度角比較大的時候有一些“反彈”，這種現(xiàn)象與實際情況是不太吻合的。而在高度角E＜10°時，延遲量可達15～20 m，而且3種模型的延遲差距相對較大，因此進一步證明了本文的觀點，即可以根據(jù)高度角的不同選擇比較好的算法。

(2)具體實現(xiàn)

本文利用北京測站接收到的G03的數(shù)據(jù)作進一步分析，北京測站觀測G03的時間是從2010-12-06T 18∶54—2010-12-07T 01∶10，由于 IGS 觀測數(shù)據(jù)采樣間隔為30 s，共753個采樣點;而IGS精密星歷數(shù)據(jù)采樣間隔為15 min，只包含25個采樣點。因此需要對精密星歷數(shù)據(jù)進行內插擬合。常用的內插擬合法主要有拉格朗日多項式法、牛頓多項式法、切比雪夫多項式法及三角多項式法。綜合比較后，本文采用拉格朗日插值法對精密星歷數(shù)據(jù)進行擬合［10］。圖2為插值之前坐標數(shù)據(jù)的變化，而圖3為利用插值之后的變化。

圖2 地形坐標系下原始坐標在插值之前的變化

圖3 地形坐標系下原始坐標在插值之后的變化

可以看出，利用拉格朗日多項式插值法可以很好地擬合衛(wèi)星坐標的變化軌道。本文利用插值出來的數(shù)據(jù)，可以計算出高度角，如圖4所示，從圖中可以看出高度角隨時間的變化趨勢為一近似對稱的拋物線，最小值約為5°，最大值約為83°。再結合測站的大氣壓、溫度、水汽壓數(shù)據(jù)，就可以很好地模擬出3種模型隨高度角變化的規(guī)律，如圖5所示，圖中共有采樣點753個，得到的圖形與圖1非常相似，也再一次驗證了前面仿真圖形的可靠性。由圖5可以看出，3種模型在高度角E＞45°時，幾乎重合。只有Hopfield模型類似于圖1中在接近天頂方向出現(xiàn)了“反彈”現(xiàn)象。而Saastamoinen模型與Black模型在高度角E＞10°后曲線相當吻合，差距只有幾厘米;在接近天頂方向時，差距甚至只有幾毫米。

圖4 經(jīng)過插值后算出的高度角E的變化

圖5 插值后高度角的變化對3種模型的影響

2.模型分析

本文利用式(8)和式(9)對3種模型進行判斷，為了在圖形中更好地分析，考慮到高度角幾乎為一個拋物線，本文將只利用一半的數(shù)據(jù)，而為了不失一般性，特選取后半段數(shù)據(jù)進行建模，結果如圖6所示。

五、結 論

由圖6分析可知，應根據(jù)高度角的不同選擇合適的模型，具體結論如下：

1)3種模型算出的對流層延遲曲線趨勢大致相同，只有Hopfield模型由于公式本身的缺陷，導致在天頂方向有反彈現(xiàn)象。

圖6 利用式(8)得出的3種模型的差別

2)當高度角為6°～23°時，Hopfield模型與另外兩種模型差異較大，約有幾米;而Saastamoinen模型與Black模型差距相對較小，差距在幾分米范圍內。相比之下，取Saastamoinen模型較為精確。

3)在高度角為23°～50°時，3種模型的差距逐漸減小，最終只有幾厘米甚至毫米級別的差距。相比之下，取Black模型更為精確。

4)在高度角為50°～75°時，3種模型差距幾乎保持恒定，可在分米范圍內波動。相比之下，取Hopfield模型更為精確。

5)在高度角為75°～83°時，由于Hopfield模型出現(xiàn)反彈，導致與其他兩者差距逐漸變大，Saastamoinen模型與Black模型均能達到2.32 m，差距僅有2 mm。相比之下，取Black模型更為精確。

6)對于高度角小于10°時，3種模型的變化都比較劇烈，因此精度需要進一步研究。

因此，本文在最后根據(jù)以上結論編寫出由高度角的不同選取不同模型的算法，效果如圖7所示。

圖7 根據(jù)不同高度角選擇適當模型的綜合算法

［1］李昭，邱衛(wèi)寧，邱蕾，等.幾種對流層延遲改正模型的分析與比較［J］.測繪通報，2009(7)：16-18.

［2］霍夫曼-偉倫霍夫，利希特內格爾，瓦斯勒.全球衛(wèi)星導航系統(tǒng)GPS，GLONASS，Galileo及其他系統(tǒng)［M］.程鵬飛等，譯.北京：測繪出版社，2009：99-104.

［3］HOPFIELD H S.Two-quadratic Tropospheric Refractivity Profile for Correcting Satellite Data ［J］.Journal of Geophysical Research，1969，74(18)：4487-4499.

［4］HOPFIELD H S.Tropospheric Effect on Electromagnetically Measured Range：Prediction from Surface Weather Data［J］.Radio Science，1971，6(3)：357-367.

［5］楊力.大氣對GPS測量影響的理論與研究［D］.鄭州：信息工程大學，2001.

［6］SAASTAMOINEN J.Contributions to the Theory of Atmospheric Refraction：Part II.Refraction Corrections in Satellite Geodesy ［J］.Journal of Geodesy，1973，107(10)：13-34.

［7］王新龍，李亞峰.GPS定位中4種對流層延遲修正模型適應性分析［J］.電光與控制，2008，15(11)：5-9.

［8］BLACK H D.An Easily Implemented Algorithm for the Tropospheric Range Correction［J］.Journal of Geophysical Research，1978，83(B4)：1825-1828.

［9］卡普蘭.GPS原理與應用［M］.寇艷紅，譯.2版.北京：電子工業(yè)出版社，2010：224-226.

［10］彭澤泉.GPS精密星歷擬合方法的研究［J］.測繪科學，2010，35(Sl)：63-65.