基于GNSS PWV和LSTM的AI气象模型PWV偏差校正方法

来源：大地测量与地球动力学杂志2026年第7期北京时间：

作者：叶世润, 林买金, 杨文易, 刘艳平, 肖玉坤, 谢劭峰

单位：1 桂林理工大学测绘地理信息学院, 桂林, 541006,2 长安大学地质工程与测绘学院, 西安, 710054

摘要：基于2017-2019年中国地壳运动观测网络240个GNSS站的PWV数据, 结合风乌和盘古两类AI气象模型反演的PWV数据(FW PWV和PG PWV), 进行AI气象模型PWV偏差校正研究。首先, 以GNSS PWV为参考, 验证FW PWV和PG PWV精度。其次, 为提升两类AI气象模型反演PWV的精度, 以2017-2018年GNSS站的经度、纬度、高程、年积日、AI气象模型反演PWV作为输入特征, 以FW PWV或PG PWV与GNSS PWV的差值作为输出特征, 使用LSTM构建两类AI气象模型的PWV偏差校正模型, 对2019年两类AI气象模型反演的PWV进行校正。结果表明, FW PWV和PG PWV的平均bias和RMSE分别为-0.01 mm、2.88 mm与0.28 mm、3.04 mm。校正后FW PWVL和PG PWVL的RMSE分别为2.29 mm和2.38 mm, 精度改善率分别为20.48%和21.71%, 并通过2019年探空站PWV验证了校正结果的可靠性。偏差校正模型不仅降低了各月份的RMSE, FW PWVL和PG PWVL的月RMSE范围均集中在1.4~3.4 mm, 夏季平均RMSE改善率为22.30%。PG PWVL在0~1.5 km高程区间偏差绝对值分别降低0.45 mm、0.46 mm、0.32 mm, 在1.5~2.0 km高程区间RMSE改善率高达23.55%;FW PWVL在高程大于2 km区域表现最优, 偏差绝对值降低0.23 mm, RMSE改善率为29.50%。

关键词：大气可降水量,盘古气象模型,风乌气象模型,LSTM,GNSS

基金资助：广西自然科学基金(2023GXNSFAA026434)