在GNSS边坡监测中,基准站与监测站间的大高差会增加相对对流层延迟误差,严重制约实时动态差分(real time kinematic,RTK)垂向定位精度.为此,本文构建了一种顾及大高差改进的区域对流层模型.该模型基于基准站与监测站高精度天顶对流层延...在GNSS边坡监测中,基准站与监测站间的大高差会增加相对对流层延迟误差,严重制约实时动态差分(real time kinematic,RTK)垂向定位精度.为此,本文构建了一种顾及大高差改进的区域对流层模型.该模型基于基准站与监测站高精度天顶对流层延迟(zenith tropospheric delay,ZTD)模型数据,采用三次多项式函数建立ZTD与站间高程之间的函数关系,同时考虑了ZTD的季节变化特征,建立了区域对流层模型.为验证模型的有效性,以滨海某大高差边坡为研究对象,实验结果表明,本文提出的该模型有效提升了U方向的定位精度,较Saastamoinen模型、第三代全球气压和气温(Global Pressure and Temperature 3,GPT3)模型分别提升了约15%、8%.该模型有效提升站间大高差对流层误差改正效果,为GNSS大高差边坡监测提供了方案.展开更多
文摘在GNSS边坡监测中,基准站与监测站间的大高差会增加相对对流层延迟误差,严重制约实时动态差分(real time kinematic,RTK)垂向定位精度.为此,本文构建了一种顾及大高差改进的区域对流层模型.该模型基于基准站与监测站高精度天顶对流层延迟(zenith tropospheric delay,ZTD)模型数据,采用三次多项式函数建立ZTD与站间高程之间的函数关系,同时考虑了ZTD的季节变化特征,建立了区域对流层模型.为验证模型的有效性,以滨海某大高差边坡为研究对象,实验结果表明,本文提出的该模型有效提升了U方向的定位精度,较Saastamoinen模型、第三代全球气压和气温(Global Pressure and Temperature 3,GPT3)模型分别提升了约15%、8%.该模型有效提升站间大高差对流层误差改正效果,为GNSS大高差边坡监测提供了方案.
