这里是根据您提供的视频转录生成的详细笔记：

目录

• 对流层折射率与气象元素的关系
• 大气模型的建立与应用
• 常用对流层模型及其比较
• 气象元素的测定方法
• 气象元素的代表性误差
• AI 总结

---

对流层折射率与气象元素的关系 原片 @ 00:00*

Screenshot-[00:00]

• 基本原理：
  • 由于卫星信号在大气层（特别是对流层）传播过程中会发生弯曲和延迟，信号传播路径（S）与真空中的直线距离（\rho）不相等。
  • 测量距离公式中需要加入一项改正数：
    L = \rho + \Delta S
  • 该改正数 \Delta S 通常与折射率 N 有关。由于 n（折射系数）非常接近 1（例如 1.00028…），为了便于计算和表达，定义折射率 N：
    N = (n – 1) \times 10^6
• N 与气象元素的关系：
  • 折射率 N 与气象元素（大气压、气温、水汽压）之间存在函数关系，这一关系是通过实验室大量实验建立的经验公式。
  • 关键公式逻辑：
    N = f(P, T, e) 其中 P 为大气压，T 为气温，e 为水汽压。
  • 如果已知信号传播路径上每一点的气象元素，就可以求出该点的 N，进而通过对路径进行积分（累加）求得总的对流层延迟改正：
    \Delta S = \int N \cdot ds

大气模型的建立与应用 原片 @ 03:20*

Screenshot-[03:20]

• 建立模型的必要性：
  • 对流层高度约为 40-50 公里。
  • GPS 信号无法像双频观测消除电离层误差那样消除对流层误差（因为对流层是非色散介质，不同频率信号延迟相同）。
  • 困难：不可能实测信号传播路径上所有高度的气象元素。
  • 解决方案：利用地面测站测得的气象元素，结合大气模型来推算高空的气象参数。
• 大气模型原理：
  • 模型描述了气温、气压和水汽压随高度变化的规律。
  • 模型建立基于全球气象台站的长期观测资料。
  • 模型权衡：
    • 简单模型：计算方便，公式简洁，但精度可能稍差（忽略了一些次要因素）。
    • 复杂模型：考虑因素多，精度较高，但计算复杂。
• 模型实例（以霍普菲尔德 Hopfield 模型为例）：
  • 气温模型：假设气温随高度线性递减。
    • 每升高 1km，气温下降约 6.8^\circ C（或类似常数）。
  • 气压模型：气压随高度增加而减小，遵循物理学中的重力加速度和大气密度关系。
  • 通过这些假设，可以建立地面气象值（T_0, P_0, e_0）与任意高度气象值的函数关系。
  • 物理限制：
    • 温度模型有界限：温度随高度降低直到对流层顶（Tropopause），理论上不会低于绝对零度，但模型通常在对流层顶处截断或改变。
    • 水汽模型界限：水汽通常只存在于低层大气（如 11km 或 12km 以下），超过此高度水汽含量极低，模型通常将其视为 0。

常用对流层模型及其比较 原片 @ 11:10*

Screenshot-[11:10]

在 GPS 测量中，常用的对流层延迟改正模型主要有两个：

1. Hopfield 模型：
   • 早期常用，结构相对简单。
2. Saastamoinen 模型：
   • 目前使用较多。
   • 考虑的因素比 Hopfield 模型更多，理论上更完善。

• 模型对比结果：
  • 一般情况：使用同一组气象数据，代入不同模型（Hopfield, Saastamoinen, Black 等），计算出的对流层延迟结果非常接近，符合得很好。
  • 低高度角情况：当卫星高度角很低（如 5^\circ – 10^\circ）时，不同模型计算出的结果差异会变大。
  • 结论：在常规 GPS 测量中，现有的模型精度通常已经足够。

气象元素的测定方法 原片 @ 13:04*

Screenshot-[13:04]

为了使用模型，必须获取测站地面的气象元素：

• 气温 (T) 与 气压 (P)：
  • 直接使用温度计和气压计（空盒气压计等）测定。
• 水汽压 (e)：
  • 通常不易直接测量，需通过间接方法计算：
  1. 利用相对湿度 (RH)：
     • 测定相对湿度（如 60%, 45%），结合气温计算水汽压。
  2. 利用干湿球温度计：
     • 测量干球温度和湿球温度。
     • 利用两者温差，结合相应公式计算水汽压 e。
• 自动化观测：
  • 现代 GPS 连续运行参考站（CORS）或跟踪站通常配备自动气象传感器。
  • 能够全天候（365天/24小时）自动采集气温、气压、湿度数据并传输至计算机处理。

气象元素的代表性误差 原片 @ 16:15*

Screenshot-[16:15]

这是对流层改正中非常关键的一个误差源。

• 误差来源分类：
  1. 模型误差：模型本身是对真实大气的近似，存在误差，但通常不严重。
  2. 仪器误差：气象仪器本身的精度误差。
  3. 代表性误差（Representative Error）：最主要且棘手的问题。
• 什么是代表性误差？
  • 指测站实测的气象元素（局部微环境）不能代表信号传播路径所经过的整个大气区域的真实情况。
• 实例分析：
  • 地表环境影响：
    • 在水泥广场上测量，受地面辐射影响，温度可能偏高。
    • 在草地或树林中测量，温度可能比水泥路面低 2-3^\circ C。
  • 地形影响：
    • 例如在山顶（秃山/岩石）测温，岩石吸热会导致局部温度升高。
    • 这仅仅是测站周围几米到几十米范围内的“小气候”。
  • 尺度不匹配：
    • 对流层延迟涉及的范围：高度 40-50km，水平半径可达 100km（取决于高度角）。
    • 信号穿过的是广阔的大气层，其性质受大范围气象条件控制，具有相对稳定性。
    • 测站地面的局部温度突变（如高 2^\circ C）不会导致整个 50km 厚的大气柱温度都升高 2^\circ C。
  • 后果：
    • 如果直接用受局部环境干扰的地面数据代入模型，会错误地推算出整个路径的大气参数。
    • 这会导致计算出的对流层延迟改正数出现较大偏差。
• 结论：在进行精密 GPS 测量时，必须注意气象观测环境的选择，尽量减少局部小气候对观测数据的干扰，或者采用更先进的大气估计方法（如将对流层延迟作为未知参数进行解算）。

---

AI 总结

本节视频主要讲解了 GPS 定位中对流层延迟的修正原理及其误差来源。首先介绍了利用折射率 N 对距离观测值进行改正的基本公式，并阐述了 N 与气压、气温、水汽压的函数关系。由于难以实测信号路径上的所有气象参数，必须依赖大气模型（如 Hopfield 和 Saastamoinen 模型）利用地面实测数据推算高空参数。

视频重点强调了气象元素的代表性误差。虽然大气模型本身精度尚可，但地面测得的气象数据往往受测站周围局部环境（如地形、地表植被、热辐射）的强烈影响，这种局部微气候数据无法真实代表信号穿过的广阔大气层的整体状况。如果处理不当，这种代表性误差将严重影响对流层改正的精度，进而影响 GPS 定位结果。