利用2014～2018年的ERA-Interim數據建立適用于日本區(qū)域的加權平均溫度模型,分析其誤差并進行季節(jié)性改正。結果表明:1)建立的線性加權平均溫度模型精度比Bevis模型提高約16%;2)線性模型的殘差時間序列存在季節(jié)性變化,因此對模型進行季節(jié)性改正,改正后的模型精度比Bevis模型和線性模型提高約37%和25%;3)將3種模型與探空站積分T_m進行比較,進一步說明季節(jié)性改正后模型的優(yōu)越性。

【文章頁數】：5 頁

【部分圖文】：

圖2 AIRA站2014～2018年Tm相對于Ts

圖12014～2018年AIRA站和USUD站

圖4 AIRA站和USUD站擬合的積分Tm

圖32014～2018年AIRA站和USUD站

圖1 2014～2018年AIRA站和USUD站

Tm與Ts具有非常高的相關性[11],因此利用2014～2018年的ERA-Interim數據對日本區(qū)域GPS測站的Tm和Ts之間的關系進行簡要的分析。圖1為2個GPS測站2014～2018年Tm與Ts的散點圖,可以看出,2個測站的Tm與Ts都具有明顯的線性相關性,相關系數分別為....

圖3 2014～2018年AIRA站和USUD站

為更清晰地說明J-Tm模型誤差的周期性變化,采用周期函數分別對積分Tm和J-Tm模型計算的Tm進行擬合,結果見圖4(以AIRA站和USUD站為例)�？梢钥闯�,雖然J-Tm模型的Tm與積分Tm的結果具有較為一致的變化趨勢,但并未完全重合,仍然存在部分偏差,而偏差部分正好與J-Tm模....

本文編號：4042177