ERA5應用于區(qū)域對流層研究的適用性分析

李瑞輝，袁運斌，張紅星

ERA5應用于區(qū)域對流層研究的適用性分析

李瑞輝1,2，袁運斌1，張紅星1

（1. 中國科學院精密測量科學與技術創(chuàng)新研究院，武漢 430077；2. 中國科學院大學地球與行星科學學院，北京 100049）

針對歐洲中期天氣預報中心（ECMWF）第五代全球氣候再分析資料數據集（ERA5），應用到區(qū)域對流層研究的適用性有待進一步驗證的問題，采用基于氣象要素的檢核方案，利用地面實測氣象/全球衛(wèi)星導航系統(tǒng)（GNSS）數據與同期ERA5資料，實驗分析了利用ERA5計算氣象要素、天頂對流層延遲（ZTD）的精度，并比較了不同插值方法對結果的影響。結果表明：從ERA5提取的氣象要素及ZTD具有較高精度，氣壓、氣溫、相對濕度與ZTD的均方根誤差分別小于0.922 hPa、1.803 K、10.346%、18.500 mm，氣象要素提取值可代替實測值用于該區(qū)域對流層研究；氣壓與氣溫誤差表現出較為明顯的季節(jié)特征；不同插值方案下的氣象要素提取結果精度相當。

全球衛(wèi)星導航系統(tǒng)；對流層延遲；大氣再分析資料；氣象要素；適用性分析

0 引言

全球衛(wèi)星導航系統(tǒng)（global navigation satellite system, GNSS）對流層，泛指影響衛(wèi)星信號傳播過程且未被電離的中性大氣空間。電磁波信號經過對流層時，傳播速度和路徑會發(fā)生改變，由此產生的信號延遲稱為對流層延遲[1]。對流層延遲根據其性質，常分為流體靜力學延遲和濕延遲兩部分。對流層延遲是制約GNSS定位、導航、授時（positioning, navigation, timing, PNT）等服務性能的重要因素，必須加以改正；同時因濕延遲中包含豐富水汽信息，所以它也是氣象研究的良好數據源，可用于水汽監(jiān)測[2]、數值天氣預報[3]等研究。無論是對流層延遲改正還是基于濕延遲的氣象研究，二者很大程度上都依賴于站點附近的實測氣象要素。由于很多地面GNSS觀測站未裝配氣象傳感器，GNSS對流層研究常面臨缺少實測氣象要素的現實問題。對此，研究人員提出了基于大氣再分析資料的替代方案[4]。目前，已有不少學者利用大氣再分析資料，進行了對流層延遲建模[5-10]、大氣加權平均溫度模型本地化[11]、地基GNSS水汽探測[12-13]等多種與對流層相關的研究與應用。

歐洲中期天氣預報中心（European Centre for Medium-Range Weather Forecasts, ECMWF）發(fā)布的第五代全球氣候再分析資料數據集（the fifth major global reanalysis，ERA5），是該中心最新一代大氣再分析資料，它以全球網格形式發(fā)布，常規(guī)網格分辨率為0.25°×0.25°，相比上一代產品，時間分辨率從6 h提高到1 h。研究表明，ERA5的精度相比上一代產品有明顯提升[14]，時間分辨率的提高，使對流層日內變化研究成為可能。目前已有將ERA5用于區(qū)域對流層環(huán)境監(jiān)測的研究，如文獻[15]選取中國區(qū)域國際GNSS服務（International GNSS Service，IGS）站點的天頂對流層延遲（zenith tropospheric delay，ZTD）時序產品，評估了利用ERA5資料計算的站點處ZTD精度，結果顯示其平均偏差（Bias）為11.95 mm，均方根誤差（root mean square error, RMSE）為20.06 mm；文獻[16]利用ERA5資料，建立了更高時空分辨率的中國區(qū)域對流層延遲和大氣加權平均溫度模型。上述研究以ZTD計算、大氣加權平均溫度模型構建等實例，初步驗證了ERA5的區(qū)域適用性。ERA5提供的氣象要素，是利用ERA5資料進行對流層研究的基礎，因而有必要從氣象要素的角度進一步驗證ERA5的區(qū)域適用性。

本文以香港地區(qū)為例，從氣象要素及其插值過程的角度出發(fā)，利用地面實測數據檢核ERA5的區(qū)域適用性。選取香港衛(wèi)星定位參考站網（satellite positioning reference station network, SatRef）共計18個站點，利用2019年12月至2020年11月為期1 a的地面實測數據和ERA5數據開展實驗，分析ERA5在該區(qū)域的適用性，以期為ERA5用于區(qū)域對流層延遲計算、大氣加權平均溫度模型本地化構建、地基GNSS水汽反演等與對流層相關的研究提供參考。

1 數據介紹與處理

為了驗證ERA5代替實測氣象要素用于區(qū)域對流層研究的適用性，同時也為了評估不同內插方案對氣象要素計算精度的影響，本文選取香港SatRef觀測網絡共計18個站點進行實驗，采用的數據有ERA5、實測地面氣象/GNSS數據。詳細的數據介紹與處理方法如下。

1.1 大氣再分析資料ERA5

ERA5產品包含地面單層、高空氣壓分層等不同的數據子集，本文采用的是氣壓分層數據。相比于上一代產品，ERA5在時間分辨率上有較大提升。它以全球網格的形式發(fā)布數據，每個網格點上共分37個等壓層，頂層高度約為47 km，每一層上包含了位勢、氣溫、氣壓、相對濕度、比濕等各項氣象要素。采用的ERA5數據時間跨度為1 a，范圍是2019年12月至2020年11月，平面分辨率為0.125°×0.125°，時間分辨率1 h。所有ERA5數據通過編寫的派森（Python）批量下載腳本從官方數據存檔庫獲取。本文采用的各類數據的特征如表1所示。

1.2 地面氣象/GNSS數據

鑒于地面長時間跨度的氣象臺站數據難以獲取的現實情況，本文使用的地面實測氣象數據來自于8個SatRef站點（均配備了專業(yè)氣象傳感器Paroscientific Met4A），以GNSS中常用的與接收機無關的交換格式（receiver independent exchange format, RINEX）存儲。氣象傳感器采集的地面氣象要素包括氣壓、氣溫、相對濕度，采樣間隔均為60 s，基于站點位置且為單層。氣壓測量的標稱準確度為0.080 hPa，氣溫標稱準確度為0.1℃，相對濕度標稱準確度2%，傳感器的詳細參數可從相應測站的日志文件查詢。此外，除了采用GNSS測站的氣象數據，也選取了觀測網絡中全部站點的GNSS觀測數據，用于ERA5計算天頂對流層延遲的精度驗證。測站地理分布如圖1所示，圓形標記的點表示無氣象數據的GNSS觀測站點，而星形標記的點表示同時具備氣象數據和GNSS觀測數據（MET+GNSS）的站點。關于地面氣象/GNSS數據的詳細信息參見表1。

圖1 地面實測氣象/GNSS站點分布

1.3 處理方法與步驟

利用ERA5資料不僅可以提取地面測站處的氣溫、氣壓、相對濕度等氣象要素，也可通過積分法與薩斯塔莫寧（Saastamoinen）模型[17]相結合的方案，獲取天頂對流層延遲。由于地面氣象/GNSS測站通常不與網格點重合，故而在計算過程中需進行垂向內插/外推和水平方向內插。

1）氣象要素提取。為了探究ERA5資料是否適用于本區(qū)域的對流層研究，首先提取地面測站位置處的氣壓、氣溫、相對濕度這三類氣象要素。其計算原理和步驟如下。

ERA5數據采用位勢高，測站高程是大地高，二者差異不容忽略，而位勢高與正高相近，因此采用超高階地球重力場模型（Earth gravitational model 2008, EGM2008）將測站大地高轉化為正高。尋找測站周圍4個網格點，計算網格點在測站高度處的氣象要素。測站高度可能介于某兩個等壓層之間，也可能位于底層以下，因此在垂向上存在內插和外推兩種不同的情形，需要區(qū)別對待。內插時，各氣象要素均采用普通線性內插。外推時，采用以下方案：氣溫采用對流層平均溫度遞減率-6.5 K/km進行外推；相對濕度與高程之間無明顯變化規(guī)律，采用底層相對濕度作為外推值；氣壓采用壓高公式進行計算[18]。氣壓計算公式為

式中：site為測站高度處氣壓，單位為hPa；0為起算層氣壓，單位為hPa；0為起算層位勢高度，以位勢米（geopotential metre, gpm）的個數來表示，假如單位質量空氣克服地球引力作9.806650 J的功，則向上移動的高度為1個gpm；site為測站高度，單位為km；0為全球海平面重力加速度平均值，0= 9.806650 J/(kg·gpm)；dry為干空氣比氣體常數，dry= 287.050 J/(kg·K)；0為起算層氣溫，單位為K；v0為起算層的虛溫，單位為K；為比濕，單位為kg/kg；表示虛溫直減率，采用與對流層平均溫度遞減率相同的值，單位為K/km。

2）平面插值方案。為了分析水平方向插值策略對結果的影響，分別采用雙線性內插法（bilinear interpolation, BI）和反距離加權法（inverse distance weighted interpolation, IDW）計算了測站處的氣溫、氣壓、相對濕度。雙線性內插法的要義是分別在兩個方向各進行一次線性插值，是常見的插值方法，此處不再詳述。反距離加權內插法的函數模型為

式中：為測站周圍網格點總數；d為第個網格點與測站之間的距離；λ為相應網格點的權重；為反距離定權的冪值，取值1.3；site和grid,i分別為測站處氣象要素與第個網格點處氣象要素。

3）天頂對流層延遲計算。為了進一步評估ERA5資料用于對流層研究的適用性，本文以天頂對流層計算為例，利用ERA5數據計算了測站處的天頂對流層延遲并與GNSS數據估計值進行比對。由于再分析資料ERA5頂層的高度約為47 km，并未覆蓋整個對流層空間，因而利用ERA5計算測站天頂對流層延遲ZTD常分兩部分進行：①積分法計算測站高度處至氣壓分層數據頂層的天頂對流層延遲量，記為1；②Saastamoinen模型計算ERA5分層數據頂層以上的延遲量，記為2。最后把這兩部分之和作為測站處的天頂對流層延遲td。頂層以上大氣空間幾乎不存在水汽，默認是流體靜力學延遲，Saastamoinen模型計算天頂對流層流體靜力學延遲的精度可達毫米級[19]。12和td的計算公式為

計算步驟與氣象要素的提取過程類似，首先通過內插或外推獲取周圍4個網格點在測站高度處的氣象要素；然后計算出該位置的大氣折射指數，以積分法和Saastamoinen模型計算天頂對流層延遲；最后通過雙線性內插法將4個網格點處天頂對流層延遲插值到測站位置。

為了驗證ERA5資料獲取的ZTD精度，將計算結果與GNSS觀測數據獲取的天頂對流層延遲絕對估值進行對比。從GNSS觀測數據中獲取天頂對流層延遲通常有兩種方式：①基于雙差觀測值的網解法；②基于非差觀測值的精密單點定位法（precise point positioning, PPP）。相比于前者，精密單點定位法無需引入遠距離測站，具有單站作業(yè)優(yōu)勢。本文參考開源軟件RTKLIB[20]編寫PPP程序估計了研究區(qū)域內所有站點2020年10月的天頂對流層延遲。采用的GNSS數據包括中國北斗衛(wèi)星導航系統(tǒng)（BeiDou navigation satellite system, BDS）數據及美國全球定位系統(tǒng)（global positioning system，GPS）數據，采用的映射函數為Niell映射函數（Niell mapping function, NMF）。具體的解算策略與參數設置如表2所示。

表2 GNSS數據處理策略

4）精度評估指標。為了評估計算結果，本文主要選取Bias和RMSE作為精度評定指標，其計算公式為

2 實驗結果與評估分析

2.1 氣象要素精度統(tǒng)計分析

從地面氣象數據和ERA5再分析資料中分別提取了2019年12月至2020年11月測站位置處的氣象要素：氣壓、氣溫、相對濕度。為了便于結果比對，實測氣象要素時間分辨率也離散化為1 h。以地面實測值為基準，在剔除部分缺失值與異常值的情形下，統(tǒng)計了相應測站氣象要素提取值的Bias和RMSE，統(tǒng)計結果如圖2所示。

圖2 ERA5提取的氣象要素Bias與RMSE

1）氣壓。圖2給出了從ERA5提取的各測站氣壓Bias和RMSE。由圖2可知，除HKST站點外，ERA5提取的氣壓與實測值吻合程度很高。水平方向采用雙線性內插方案時8個測站Bias為 -0.002 hPa，RMSE為0.922 hPa。采用反距離加權插值方案時各測站Bias為-0.046 hPa，RMSE為0.786 hPa。以上結果表明從大氣再分析資料ERA5提取的地面氣壓具有較高精度。

2）氣溫。圖2也給出了從ERA5資料中提取的氣溫Bias和RMSE。統(tǒng)計結果顯示，水平方向采用雙線性內插方案時6個測站（HKPC、HKSC站點的氣溫數據缺失嚴重，未納入統(tǒng)計）Bias為0.876 K，RMSE為1.790 K。采用反距離加權插值方案時各測站Bias為0.950 K，RMSE為1.803 K。這表明大氣再分析資料ERA5提取的地面氣溫與實測值比較接近。

3）相對濕度。圖2同時給出了從ERA5資料中提取的相對濕度Bias和RMSE。與氣壓和氣溫的提取結果相比，相對濕度的提取精度明顯更低。水平方向采用雙線性內插方案時6個測站（HKSL、HKKT站點的相對濕度數據缺失嚴重，未納入統(tǒng)計）Bias為0.424%，RMSE為10.117%。采用反距離加權插值方案時各測站平均Bias為0.105%，RMSE為10.346%。相對濕度提取精度不如氣壓和氣溫，這可能與相對濕度提取過程中未進行垂向高程歸算處理有較大關系。

2.2 氣象要素時變特征分析

為了評估從ERA5資料中提取的氣象要素的時變特征，計算了研究區(qū)域內氣象要素提取值各月的Bias與RMSE，并統(tǒng)計分析了氣壓、氣溫、相對濕度與時間、測站高程之間的關系，結果如圖3所示。

由圖3（a）和圖3（b）可知，氣壓提取誤差表現出較為顯著的季節(jié)特征，其RMSE在冬季至夏季時段呈現逐漸上升趨勢，在夏季8月達到峰值，隨后下降。圖3（c）和圖3（d）結果表明，溫度提取誤差表現明顯季節(jié)特征，其Bias與RMSE谷值均出現在冬春交接之際的3月，Bias峰值出現在夏季7月，整體而言，春秋季節(jié)精度優(yōu)于夏冬兩季，這可能與冬夏季節(jié)實際溫度遞減率與平均溫度遞減率差異增大有關。圖3（e）和圖3（f）的結果顯示相對濕度誤差也表現出明顯的波狀起伏，其RMSE波谷出現在9月，季節(jié)特征不明顯。與測站高程的比對結果表明，氣象要素提取精度與高程之間未發(fā)現明顯的相關性，各氣象要素在垂向高程歸算中未出現明顯的系統(tǒng)性偏差。

圖3 氣壓、氣溫、相對濕度月均統(tǒng)計

2.3 內插方案比較分析

為了評估水平向不同內插方案對氣象要素提取精度的影響，實驗中分別采用了雙線性內插法和反距離加權法計算了測站處的氣壓、氣溫、相對濕度。圖2與圖3分別顯示了這兩種內插方案下的氣象要素年均與月均Bias、RMSE。年均統(tǒng)計結果表明，除HKSL站點兩種方案提取的氣壓RMSE差異較大以外，其余站點各氣象要素提取精度無明顯差異。月均統(tǒng)計結果表明，兩種方案下的氣壓提取結果差異在2020年10月達到峰值，當月雙線性內插法表現更優(yōu)，其余月份不同方案下的計算結果差異很小。從氣溫提取的月均Bias來看，冬春季節(jié)的氣溫提取采用雙線性內插法時精度更優(yōu)，其余月份差異不明顯。從相對濕度的月均結果可以看出，雙線性內插法提取的相對濕度絕對Bias與RMSE整體稍微低于反距離加權法，但這種差異很小，雙線性內插法未表現出明顯優(yōu)勢。

表3更為細致地展示了兩種方案下的氣溫、氣壓、相對濕度提取結果。年均RMSE結果反映了部分站點選用反距離加權法進行氣壓的水平向插值能得到更優(yōu)的結果，而氣溫和相對濕度水平向插值采用雙線性內插法時稍優(yōu)于反距離加權法。就整體精度而言，無論采用其中哪種方案，均可滿足基本應用需求。

表3 氣象要素年均Bias與RMSE

2.4 ZTD計算精度分析

為了進一步評估ERA5資料的區(qū)域適用性，選取觀測網絡中所有測站，利用2020年10月的ERA5資料與GNSS數據分別計算了測站天頂對流層延遲。ERA5資料計算的天頂對流層延遲具有較高精度，Bias為-6.8 mm，RMSE為18.5 mm。這與文獻[15]的結論相符。從圖4可以看出個別站點的絕對Bias與RMSE高于均值，整體來看出現一定波動起伏，香港地區(qū)緯度較低，難以實時監(jiān)測的頻繁水汽活動或許是制約ERA5天頂對流層延遲計算精度進一步提升的主要原因。圖4橫軸按站點高程由低到高順序排列，表明測站高程與ZTD誤差之間不存在明顯的線性相關性。為了進一步探究對流層延遲計算誤差與氣象要素誤差之間的相關性，選取HKSS站點進行分析，圖5顯示了該站點由ERA5資料提取的ZTD及氣象要素的日均誤差。

從圖5可以看出，ZTD、氣象要素的日均Bias、RMSE變化呈波狀起伏趨勢。ZTD誤差與氣壓相應誤差的變化呈現一定相反趨勢，與氣溫及相對濕度誤差變化趨勢無明顯關聯，進一步的相關系數計算結果表明ZTD計算誤差與各氣象要素提取誤差之間不存在明顯線性相關性。

3 結束語

大氣再分析資料ERA5用于對流層研究日益受到關注。其在不同的研究區(qū)域往往具有不同的精度，在使用ERA5資料之前有必要進行適用性分析。本文利用香港衛(wèi)星定位參考站網SatRef總計18個站點中的實測氣象數據驗證了從ERA5提取的氣壓、氣溫、相對濕度的精度，并以天頂對流層延遲計算為例評估了ERA5的應用精度，得出的主要結論如下：

1）ERA5高空氣壓分層數據提取的地面氣象要素與實測氣象要素之間的差異較小，可作為缺失實測值的有效補充。

2）氣壓與氣溫誤差呈現較為明顯的季節(jié)特征，相對濕度誤差呈一定的波狀起伏，無明顯季節(jié)特征。站點高程和氣象要素計算誤差之間無明顯線性相關性。

3）不同平面插值方案下氣象要素提取結果的差異不大。

4）ERA5資料計算的對流層延遲具有較高精度，計算結果與站點高程、氣象要素誤差之間無顯著線性相關性。

本文研究內容驗證了從大氣再分析資料ERA5提取的氣象要素具有較高精度，滿足天頂對流層延遲計算的應用需求。擴大研究區(qū)域、增加地面實測氣象數據深入探究ERA5用于地基GNSS水汽探測的精度是下一步要進行的工作。

[1] 李征航, 黃勁松. GPS測量與數據處理[M]. 2版. 武漢: 武漢大學出版社, 2010: 107-108.

[2] LI X X, DICK G, GE M R, et al. Real-time GPS sensing of atmospheric water vapor: precise point positioning with orbit, clock, and phase delay corrections[J]. Geophysical Research Letters, 2014, 41(10): 3615-3621.

[3] KARABATIC A, WEBER R, HAIDEN T. Near real-time estimation of tropospheric water vapour content from ground based GNSS data and its potential contribution to weather now-casting in Austria[J]. Advances in Space Research, 2011, 47(10): 1691-1703.

[4] PANY T, PESEC P, STANGL G. Elimination of tropospheric path delays in GPS observations with the ECMWF numerical weather model[J]. Physics and Chemistry of the Earth, Part A: Solid Earth and Geodesy, 2001, 26(6/7/8): 1-492.

[5] 李薇, 袁運斌, 歐吉坤, 等. 全球對流層天頂延遲模型IGGtrop的建立與分析[J]. 科學通報, 2012, 57(15): 1317-1325.

[6] LAGLER K, SCHINDELEGGER M, B?HM J, et al. GPT2: empirical slant delay model for radio space geodetic techniques[J]. Geophysical Research Letters, 2013, 40(6): 1069-1073.

[7] 姚宜斌, 何暢勇, 張豹, 等. 一種新的全球對流層天頂延遲模型GZTD[J]. 地球物理學報, 2013, 56(7): 2218-2227.

[8] LI W, YUAN Y B, OU J K, et al. New versions of the BDS/GNSS zenith tropospheric delay model IGGtrop[J]. Journal of Geodesy, 2015, 89(1): 73-80.

[9] B?HM J, M?LLER G, SCHINDELEGGER M, et al. Development of an improved empirical model for slant delays in the troposphere (GPT2w)[J]. GPS Solutions, 2015, 19(3): 433-441.

[10] YAO Y B, HU Y F, YU C, et al. An improved global zenith tropospheric delay model GZTD2 considering diurnal variations[J]. Nonlinear Processes in Geophysics, 2016, 23(3): 127-136.

[11] ZHANG W, ZHANG H, LIANG H, et al. On the suitability of ERA5 in hourly GPS precipitable water vapor retrieval over China[J]. Journal of Geodesy, 2019, 93(10): 1897-1909.

[12] ZHANG H X, YUAN Y B, LI W, et al. GPS PPP-derived precipitable water vapor retrieval based onm/sfrom multiple sources of meteorological data sets in China[J]. Journal of Geophysical Research (Atmospheres), 2017, 122(8): 4165-4183.

[13] 施闖, 張衛(wèi)星, 曹云昌, 等. 基于北斗/GNSS的中國-中南半島地區(qū)大氣水汽氣候特征及同降水的相關分析[J]. 測繪學報, 2020, 49(9): 1112-1119.

[14] 張永林, 蔡昌盛. 基于再分析資料ERA5的對流層延遲估計方法及精度評估[J]. 大地測量與地球動力學, 2020, 40(1): 62-65.

[15] 徐康, 鄧興升, 邢承濱. 中國地區(qū)ERA5資料計算ZTD精度評估[J]. 測繪工程, 2020, 29(6): 24-30.

[16] SUN Z Y, ZHANG B, YAO Y B. An ERA5-based model for estimating tropospheric delay and weighted mean temperature over China with improved spatiotemporal resolutions[J]. Earth and Space Science, 2019, 6(10): 1926-1941.

[17] SAASTAMOINEN J. Atmospheric correction for the troposphere and stratosphere in radio ranging satellites[J]. The Use of Artificial Satellites for Geodesy, 1972, 15: 247-251.

[18] 趙靜旸, 宋淑麗, 朱文耀. ERA-Interim應用于中國地區(qū)地基GPS/PWV計算的精度評估[J]. 武漢大學學報(信息科學版), 2014, 39(8): 935-939, 1008.

[19] ELGERED G, DAVIS J L, HERRING T A, et al. Geodesy by radio interferometry: water vapor radiometry for estimation of the wet delay[J]. Journal of Geophysical Research (Solid Earth), 1991, 96(B4):6541-6555.

[20] TAKASU T. RTKLIB: an open source program package for GNSS positioning[EB/OL]. (2013-04-29)[2019-07-25]. http://www.rtklib.com/.

Applicability analysis of applying ERA5 reanalysis data to regional tropospheric research

LI Ruihui1,2, YUAN Yunbin1, ZHANG Hongxing1

（1. Innovation Academy for Precision Measurement Science and Technology, Chinese Academy of Sciences, Wuhan 430077, China;2. College of Earth and Planetary Sciences, University of Chinese Academy of Sciences，Beijing 100049, China)

Aiming at the problem that the applicability of applying the fifth major global reanalysis (ERA5) produced by the European Centre for Medium-Range Weather Forecasts (ECMWF) to regional tropospheric research needs to be further verified, this paper adopted a checking scheme based on meteorological elements. Experiments were carried out using measured meteorological data, Global Navigation Satellite System (GNSS) data and ERA5 data in the same period to analyze the accuracy of meteorological elements and Zenith Tropospheric Delay (ZTD) derived from ERA5. The effects of different interpolation methods on the calculation results were compared. The experimental result showed that: the meteorological elements and the zenith tropospheric delay derived from ERA5 had high accuracy, the Root Mean Square Error (RMSE) of atmospheric pressure, temperature, relative humidity and ZTD were smaller than 0.922 hPa, 1.803 K, 10.346%, 18.500 mm, respectively, indicating that the meteorological elements derived from ERA5 could replace the measured one for regional tropospheric research; the errors of atmospheric pressure and temperature showed obvious seasonal characteristics; different interpolation schemes led to almost the same result.

global navigation satellite system; tropospheric delay; reanalysis data; meteorological element; applicability analysis

P228

A

2095-4999(2021)06-0029-09

李瑞輝，袁運斌，張紅星. ERA5應用于區(qū)域對流層研究的適用性分析[J]. 導航定位學報, 2021, 9(6): 29-37.（LI Ruihui, YUAN Yunbin, ZHANG Hongxing. Applicability analysis of applying ERA5 reanalysis data to regional tropospheric research[J]. Journal of Navigation and Positioning, 2021, 9(6): 29-37.）

10.16547/j.cnki.10-1096.20210605.

2021-02-18

國家重點研發(fā)計劃項目（2016YFB0501900）；國家自然科學基金項目（41674022）；王寬誠率先人才計劃盧嘉錫國際合作團隊項目。

李瑞輝（1995—），男，江西宜春人，碩士研究生，研究方向為衛(wèi)星精密定位技術與對流層研究。

袁運斌（1971—），男，江西余干人，博士，研究員，研究方向為高精度GNSS大氣誤差建模、衛(wèi)星精密導航與定位。