Zenith Wet Delay Fusion Based on Generalized Regression Neural Network

LI Junyu; LI Haojie; YAO Yibin; LIU Lilong; ZHANG Bao; HUANG Liangke

doi:10.13203/j.whugis20220193

您当前的位置：

首页 >

文章列表页 >

Zenith Wet Delay Fusion Based on Generalized Regression Neural Network

Geodesy and Survey Engineering | 更新时间：2026-11-05

- Zenith Wet Delay Fusion Based on Generalized Regression Neural Network
- Geomatics and Information Science of Wuhan University Vol. 50, Issue 12, Pages: 2408-2417(2025)
- 作者机构：
  
  1.桂林理工大学测绘地理信息学院，广西桂林，541006
  2.广西空间信息与测绘重点实验室，广西桂林，541006
  3.武汉大学测绘学院，湖北武汉，430079
- 作者简介：
- 基金信息：
- DOI：10.13203/j.whugis20220193
  CLC： P228
- Received：31 May 2024，
  
  Published：05 December 2025
- 稿件说明：
移动端阅览
黎峻宇,李浩杰,姚宜斌，等.利用广义回归神经网络融合天顶对流层湿延迟[J].武汉大学学报（信息科学版）,2025,50(12):2408-2417.

LI Junyu,LI Haojie,YAO Yibin,et al.Zenith Wet Delay Fusion Based on Generalized Regression Neural Network[J].Geomatics and Information Science of Wuhan University,2025,50(12):2408-2417.
黎峻宇,李浩杰,姚宜斌，等.利用广义回归神经网络融合天顶对流层湿延迟[J].武汉大学学报（信息科学版）,2025,50(12):2408-2417. DOI：10.13203/j.whugis20220193

LI Junyu,LI Haojie,YAO Yibin,et al.Zenith Wet Delay Fusion Based on Generalized Regression Neural Network[J].Geomatics and Information Science of Wuhan University,2025,50(12):2408-2417. DOI：10.13203/j.whugis20220193

摘要

精确模型化天顶对流层湿延迟(zenith wet delay

ZWD)有利于提高全球导航卫星系统(global navigation satellite system

GNSS)导航定位和气象应用的精度。用于ZWD模型化的数据源有多种，各有独特的优势，但它们之间存在多源异构、精度不等甚至严重系统偏差等问题，难以对多源ZWD数据进行综合利用。针对这个问题，首先，利用广义回归神经网络的非线性逼近能力和高质量探空ZWD (radiosonde ZWD

RS ZWD)，优化质量相对较低的中国气象局天气预报系统发布的全球/区域同化预报增强系统(global/regional assimilation and prediction enhanced system-mesoscale

GRAPES) ZWD以及欧洲中期天气预报中心（European centre for medium-range weather forecasts，ECMWF）发布的第五代气候再分析资料(the fifth generation ECMWF reanalysis

ERA5) ZWD；然后，将3种数据源的ZWD合并，实现ZWD的无偏融合，获得1 032张ZWD融合图。结果表明，以RS ZWD为参考，2016—2017年的GRAPES ZWD、ERA5 ZWD与RS ZWD间存在不同程度的系统偏差；优化后GRAPES ZWD和ERA5 ZWD的总体偏差均趋近于0，均方根(root mean square

RMS)分别改善了22.6%和16.0%；且优化后GRAPES ZWD和ERA5 ZWD的偏差、标准差和RMS的时空变化得到较大程度的削弱。融合后的ZWD兼具较高的精度和稳定性，能为GNSS应用提供可靠的ZWD数据源。

Abstract

Objectives

Accurate modeling of zenith wet delay (ZWD) is crucial for enhancing the precision of global navigation satellite system (GNSS) positioning and meteorological applications. While multiple data sources exist for ZWD modeling

their comprehensive utilization is challenged by multi-source heterogeneity

uneven precision

and significant systematic biases.

Methods

This paper employs a generalized regression neural network which is known for its strong nonlinear approximation capability

to correct the relatively lower-quality ZWD products from global/regional assimilation and prediction enhanced system-mesoscale (GRAPES) model and the the fifth generation ECMWF reanalysis (ERA5). The correction uses high-quality radiosonde (RS) ZWD as a reference. The modified GRAPES ZWD and ERA5 ZWD are then fused with RS ZWD to achieve a bias-free multi-source ZWD product

resulting in 1 032 fused ZWD grid sets.

Results

Validation against RS ZWD in 2016—2017 reveal systematic biases in the original GRAPES ZWD and ERA5 ZWD. After correction

the overall bias of both datasets approaches zero

and root mean square (RMS) is reduced by 22.6% and 16.0%

respectively. The spatiotemporal variations of bias

standard deviation

and RMS are also significantly attenuated.

Conclusions

The fused ZWD product demonstrates high accuracy and stability

offering a reliable data source for advanced GNSS applications.

关键词

Keywords

references

LU C X ， LI X X ， ZUS F ， et al . Improving BeiDou Real-Time Precise Point Positioning with Numerical Weather Models ［J］. Journal of Geodesy ， 2017 ， 91 （ 9 ）： 1019 - 1029 .

ZHENG F ， LOU Y D ， GU S F ， et al . Modeling Tropospheric Wet Delays with National GNSS Reference Network in China for BeiDou Precise Point Positioning ［J］. Journal of Geodesy ， 2018 ， 92 （ 5 ）： 545 - 560 .

赵庆志，刘康，李祖锋，等 . GNSS和非实测气象参数的PWV反演方法及其精度评估［J］. 武汉大学学报（信息科学版）， 2024 ， 49 （ 3 ）： 453 - 464 .

ZHAO Qingzhi ， LIU Kang ， LI Zufeng ， et al . PWV Inversion Method Based on GNSS and Non-Measured Meteorological Parameters and Accuracy Evaluation ［J］. Geomatics and Information Science of Wuhan University ， 2024 ， 49 （ 3 ）： 453 - 464 .

沈天枫，陈国，阚昊宇，等 . BDS-3 PPP-B2b太阳活动高年期间服务性能评估［J］. 测绘地理信息， 2025 ， 50 （ 6 ）： 42 - 47 .

SHEN Tianfeng ， CHEN Guo ， KAN Haoyu ， et al . Assessment of BDS-3 PPP-B2b Service Performance During Periods of High Solar Activity ［J］. Journal of Geomatics ， 2025 ， 50 （ 6 ）： 42 - 47 .

SINGH D ， GHOSH J K ， KASHYAP D . Precipitable Water Vapor Estimation in India from GPS-Derived Zenith Delays Using Radiosonde Data ［J］. Meteorology and Atmospheric Physics ， 2014 ， 123 （ 3 ）： 209 - 220 .

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

NING T ， HAAS R ， ELGERED G ， et al . Multi-Technique Comparisons of 10 years of Wet Delay Estimates on the West Coast of Sweden ［J］. Journal of Geodesy ， 2012 ， 86 （ 7 ）： 565 - 575 .

LARSON K M . Unanticipated Uses of the Global Positioning System ［J］. Annual Review of Earth and Planetary Sciences ， 2019 ， 47 ： 19 - 40 .

姚宜斌，赵庆志 . GNSS对流层水汽监测研究进展与展望［J］. 测绘学报， 2022 ， 51 （ 6 ）： 935 - 952 .

YAO Yibin ， ZHAO Qingzhi . Research Progress and Prospect of Monitoring Tropospheric Water Vapor by GNSS Technique ［J］. Acta Geodaetica et Cartographica Sinica ， 2022 ， 51 （ 6 ）： 935 - 952 .

ZHAO Q Z ， DU Z ， YAO W Q ， et al . Hybrid Precipitable Water Vapor Fusion Model in China ［J］. Journal of Atmospheric and Solar⁃Terrestrial Physics ， 2020 ， 208 ： 105387 .

WANG X M ， ZHANG K F ， WU S Q ， et al . Water Vapor-Weighted Mean Temperature and Its Impact on the Determination of Precipitable Water Vapor and Its Linear Trend ［J］. Journal of Geophysical Research： Atmospheres ， 2016 ， 121 （ 2 ）： 833 - 852 .

CHEN B Y ， LIU Z Z . Global Water Vapor Variability and Trend from the Latest 36 Year （1979 to 2014） Data of ECMWF and NCEP Reanalyses， Radiosonde， GPS， and Microwave Satellite ［J］. Journal of Geophysical Research： Atmospheres ， 2016 ， 121 （ 19 ）： 11442 - 11462 .

李博峰，王苗苗，沈云中，等 . 不同全球对流层天顶延迟产品在中国区域的比较［J］. 同济大学学报（自然科学版）， 2014 ， 42 （ 8 ）： 1267 - 1272 .

LI Bofeng ， WANG Miaomiao ， SHEN Yunzhong ， et al . Comparison of Different Global Troposphere Zenith Path Delay Products in China ［J］. Journal of Tongji University （Natural Science）， 2014 ， 42 （ 8 ）： 1267 - 1272 .

SCHÜLER T . The TropGrid2 Standard Tropospheric Correction Model ［J］. GPS Solutions ， 2014 ， 18 （ 1 ）： 123 - 131 .

黄良珂，郭立杰，刘立龙，等 . 利用中国区域MERRA-2资料计算ZTD和ZWD的精度分析［J］. 武汉大学学报（信息科学版）， 2023 ， 48 （ 3 ）： 416 - 424 .

HUANG Liangke ， GUO Lijie ， LIU Lilong ， et al . Accuracy Analysis of ZTD and ZWD Calculated from MERRA-2Reanalysis Data over China ［J］. Geomatics and Information Science of Wuhan University ， 2023 ， 48 （ 3 ）： 416 - 424 .

GUO L J ， HUANG L K ， LI J Y ， et al . A Comprehensive Evaluation of Key Tropospheric Parameters from ERA5 and MERRA-2 Reanalysis Products Using Radiosonde Data and GNSS Measurements ［J］. Remote Sensing ， 2021 ， 13 （ 15 ）： 3008 .

CAO L Y ， ZHANG B ， LI J Y ， et al . A Regional Model for Predicting Tropospheric Delay and Weighted Mean Temperature in China Based on GRAPES_MESO Forecasting Products ［J］. Remote Sensing ， 2021 ， 13 （ 13 ）： 2644 .

WANG L L . Assimilation of Soil Moisture and Temperature in the GRAPES_Meso Model Using an Ensemble Kalman Filter ［J］. Meteorological Applications ， 2019 ， 26 （ 3 ）： 483 - 489 .

WANG S M ， XU T H ， NIE W F ， et al . Establishment of Atmospheric Weighted Mean Temperature Model in the Polar Regions ［J］. Advances in Space Research ， 2020 ， 65 （ 1 ）： 518 - 528 .

黄良珂，郭立杰，刘立龙，等 . 利用中国区域MERRA-2资料计算ZTD和ZWD的精度分析［J］. 武汉大学学报（信息科学版）， 2023 ， 48 （ 3 ）： 416 - 424 .

HUANG Liangke ， GUO Lijie ， LIU Lilong ， et al . Accuracy Analysis of ZTD and ZWD Calculated from MERRA-2 Reanalysis Data over China ［J］. Geomatics and Information Science of Wuhan University ， 2023 ， 48 （ 3 ）： 416 - 424 .

SPECHT D F . A General Regression Neural Network ［J］. IEEE Transactions on Neural Networks ， 1991 ， 2 （ 6 ）： 568 - 576 .

CIGIZOGLU H K ， ALP M . Generalized Regression Neural Network in Modelling River Sediment Yield ［J］. Advances in Engineering Software ， 2006 ， 37 （ 2 ）： 63 - 68 .

YUAN Q Q ， XU H Z ， LI T W ， et al . Estimating Surface Soil Moisture from Satellite Observations Using a Generalized Regression Neural Network Trained on Sparse Ground-Based Measurements in the Continental U.S ［J］. Journal of Hydrology ， 2020 ， 580 ： 124351 .

HU Y F ， YAO Y B . A New Method for Vertical Stratification of Zenith Tropospheric Delay ［J］. Advances in Space Research ， 2019 ， 63 （ 9 ）： 2857 - 2866 .

RODRÍGUEZ J D ， PÉREZ A ， LOZANO J A . Sensitivity Analysis of Kappa-Fold Cross Validation in Prediction Error Estimation ［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence ， 2010 ， 32 （ 3 ）： 569 - 575 .

LINDENBERGH R ， MAREL H ， KESHIN M ， et al . Validating Time Series of a Combined GPS and MERIS Integrated Water Vapor Produc ［C］// The 2nd MERIS/（A） ATSR User Workshop ， Frascati， Rome ， 2009 .

ZHANG B ， YAO Y B . Precipitable Water Vapor Fusion Based on a Generalized Regression Neural Network ［J］. Journal of Geodesy ， 2021 ， 95 （ 3 ）： 36 .

MENDES V ， LANGLEY R . Tropospheric Zenith Delay Prediction Accuracy for Airborne GPS High-Precision Positioning ［C］// Annual Meeting of the Institute of Navigation ， Denver， USA ， 1998 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Establishment of PWV Fusion Model Using Multi-source Data

Population Spatialization by Considering Pixel‐Level Attribute Grading and Spatial Association

Estimation of Reference Crop Evapotranspiration Under Different Combination of Meteorological Elements Using Multivariate Adaptive Regression Splines

Intelligent Change Detection Method and Application Based on Wuhan-1 Satellite Imagery

Three-State Fusion Support Problem of Marine Geographic Information for Ship Navigation

Related Author

ZHAO Qingzhi

DU Zheng

WU Manyi

YAO Wanqiang

Jinghang WU

Zhipeng GUI

Li SHEN

Huayi WU

Related Institution

College of Geomatics, Xi'an University of Science and Technology

The First Topographic Surveying Brigade, National Administration of Surveying, Mapping and Geoinformation of China

School of Remote Sensing and Information Engineering, Wuhan University

State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University

Collaborative Innovation Center of Geospatial Technology

AI问答

⁰