⚡ electrical engineering

Analysis of tropospheric noise at small spatial scales based on GNSS ZTD and Numerical Weather Prediction models

本研究通过对比 GNSS 与数值天气预报（NWP）的 ZTD 数据，量化了 InSAR 观测中的小尺度对流层噪声，揭示了残差误差主要取决于纬度和海拔而非 NWP 模型的分辨率，并提出了一种将这些亚网格不确定性纳入 InSAR 误差估计的函数模型。

原作者： Adeyinka Olaseinde, Jeremy Maurer

发布于 2026-07-06

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Adeyinka Olaseinde, Jeremy Maurer

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

核心概览：测量地球的“呼吸”

想象一下，你正试图拍摄一张极其精确的地面照片，以观察地面是否正在移动（比如火山膨胀或矿区沉降）。科学家们使用一种叫做 InSAR 的技术，这就像是拍摄一张卫星拍摄的地球表面照片，并将其与几个月后拍摄的照片进行对比。他们可以检测到仅几毫米的微小移动。

然而，这里有一个问题：卫星与地面之间的空气并不是空的。它充满了对流层（我们大气层中最底层的部分）。这一层就像是一个模糊的窗户。当雷达信号穿过它时，“雾气”（具体来说是水汽）会减慢信号的速度，使得地面看起来发生了移动，而实际上并没有。这被称为对流层噪声。

当前的解决方案：“天气预报”图

为了解决这个问题，科学家们使用数值天气预报 (NWP) 模型。可以将这些模型想象成巨大的数字天气图，它们预测全球各地的温度、压力和湿度。它们试图计算出“雾气”让信号减慢了多少，以便从照片中减去这些误差。

一个大假设：
大多数科学家一直假设，如果你观察一个非常小的区域（比如一个社区），那里的“雾气”在到处几乎都是一样的。他们认为：“如果我利用一张大地图来修正天气，那么在一个小社区内留下的微小误差将会非常小，小到我们可以忽略不计。”

本研究做了什么：“双胞胎测试”

本文的作者想要测试这个假设。他们问道：“在同一个小社区内，天气真的都是一样的吗？还是说在使用天气图之后，仍然存在残留的‘噪声’？”

为了找出答案，他们设计了一个聪明的实验：

双胞胎： 他们找到了成组的 GPS 站（这些站点可以非常精确地测量大气层），这些站点彼此靠得非常近——有些距离仅在几公里之内。
对比： 他们将 GPS 站测得的“真实”大气情况与两种不同天气模型的“预测”大气情况进行了对比：
- ERA5： 一个全球模型，其“网格”大小约为 31 公里（就像是用带有巨大、块状方格的地图来看世界）。
- HRRR： 一个区域模型，其“网格”大小约为 3 公里（就像是用带有更小、更精细方格的地图来看世界）。

如果该假设成立，那么在同一个小社区内的 GPS 站应该都与彼此保持一致，并且天气模型应该能完美地匹配它们。

令人惊讶的发现

结果让科学界感到有些震惊：

1. 即使在小社区内，“雾气”依然存在。
即使 GPS 站靠得很近，它们也没有完美地达成一致。在使用天气模型之后，仍然存在大量的“噪声”（变率）。这就像观察同一间屋子里的双胞胎；你会预期他们的穿着完全一致，但实际上他们却穿着略有不同的衣服。空气中的“雾气”实际上在极短的距离内就会发生变化。

2. 大地图并不总是更好。
研究人员原以为 HRRR 模型（拥有 3 公里微型方格的模型）会比 ERA5 模型（拥有 31 公里方格的模型）表现得好得多。

结果： 他们错了。高分辨率模型在这些小尺度上的准确性并没有显著提高。
类比： 想象你正试图画一幅精细的森林画。你可能会认为使用细笔尖的画笔（HRRR）会比使用粗记号笔（ERA5）效果更好。但如果叶子（水汽）在风中不断移动和摇摆，那么即使是最精细的画笔也无法完美捕捉到这种运动。问题不在于画笔的大小，而在于“叶子”（水汽）太过于混乱，以至于模型无法完美预测它们。

3. 位置比高度更重要。
研究发现，你在地图上的位置比你在多高处更重要。

纬度： 赤道附近的“噪声”更高，而两极地区较低。这很好理解，因为赤道附近的气温更高，含水量更多，因此更加混乱且难以预测。两极地区的空气较干燥，也更稳定。
海拔： 出人意料的是，观测站的高度（是在山上还是在谷底）并没有呈现出一致的模式。有时高处噪声较大，有时低处噪声较大。

结论：一个新的经验法则

作者得出结论，我们不能简单地假设小区域内的空气是“平静”的。即使使用了最好的天气模型，仍然存在一个“不确定点”。

他们创建了一个简单的数学公式（一个配方），科学家可以使用它。如果你告诉公式你的位置（纬度）和高度（海拔），它就会给你一个代表你可以预期多少“噪声”的数值。

为什么这很重要：
当科学家测量地面移动时，他们需要知道自己能多大程度上信任这些数据。这项研究为他们提供了一种添加“安全余量”的方法。与其说，“我们 100% 确定地面移动了 5 毫米”，他们现在可以说：“我们确定地面移动了 5 毫米，加上或减去基于我们所在位置的特定程度的天气噪声。”

一句话总结

本文证明了，即使有了我们最好的天气图，空气在微小距离上的波动和不可预测性仍然太强，以至于无法被忽略，我们需要一种新的方法来解释这种残留的混乱状态，从而准确测量地球表面。

技术摘要：基于 GNSS ZTD 与数值天气预报模型的对流层小空间尺度噪声分析

问题陈述
干涉合成孔径雷达（InSAR）是监测毫米级精度地表位移的主要工具。然而，对流层延迟是一个显著的误差来源，其量级通常可达 15–20 cm，往往超过了感兴趣的信号本身。虽然数值天气预报（NWP）模型常被用于校正这些延迟，但大多数研究假设在小空间尺度上（例如 InSAR 时间序列中的“参考点”区域内），对流层变率是可以忽略不计的。目前仍缺乏对于在基于 NWP 校正后，这些小长度尺度下的残余对流层噪声量级的系统性量化研究。此外，目前尚不清楚更高分辨率的 NWP 模型是否能改善亚网格尺度的校正精度。

研究方法
本研究通过将来自 NWP 模型的天顶总延迟（ZTD）与紧密分布的 GNSS 站群（最大间距 ≲13 km，大多数 <7 km）所衍生的 GNSS ZTD 进行对比，来量化小尺度对流层误差。分析重点在于给定时间内，各站点组内残差的空间标准差 ( $\sigma_{sp}$ )，而非单个站点的时变性。

研究评估了代表两种极端空间分辨率的两种 NWP 模型：

ERA5：来自 ECMWF 的全球再分析模型，网格间距约为 31 km。
HRRR：来自 NOAA 的区域再分析模型，网格间距约为 3 km。

数据来源包括：

GNSS ZTD：源自内华达测绘实验室（NGL）的 11 个全球站点（包括澳大利亚、日本、德国、意大利、智利、阿拉斯加和加利福尼亚）以及从密苏里州罗拉（Rolla, Missouri）四个站点的手动采集静态测量数据。
处理过程：使用 RAiDER 软件包下载 NWP 数据，将其重新格式化为规则网格，并进行 3D 插值以计算 GNSS 站点的 ZTD。
统计分析：研究计算了每个站点的平均空间标准差 ( $\sigma_{sp}$ )，并拟合了一个将 $\sigma_{sp}$ 与纬度和海拔联系起来的函数模型。

主要结果

小尺度噪声的持续性：即使经过 NWP 校正，在 ≤13 km 的空间尺度上仍存在显著的残余变率。其空间标准差 ( $\sigma_{sp}$ ) 在量级上与先前研究中报告的全球单站时间标准差相当。
纬度依赖性：残余噪声主要随纬度变化。变率在低纬度和中纬度地区（如意大利、加利福尼亚、密苏里州）通常较高，而在高纬度地区（如阿拉斯加、德国）较低。高斯型模型能有效捕捉这一趋势。
海拔依赖性：对海拔的依赖性较弱且缺乏一致性。虽然观察到一些趋势，但不同模型和数据集之间的表现各异，表明海拔并非像纬度那样的主要控制因素。
模型分辨率的影响：与“更高分辨率的 NWP 模型能提高小尺度匹配度”的假设相反，分辨率更精细的 HRRR 模型（~~3 km）在匹配 GNSS ZTD 方面并未优于较粗糙的 ERA5 模型（~~31 km）。
- 偏差：两种模型均表现出系统性偏差（ERA5 约为 50.1 mm；HRR 约为 49.5 mm）。
- 变率：HRRR 的时间变率 ( $\sigma_t \approx 1.9$ cm) 实际上略高于 ERA5 ( $\sigma_t \approx 1.4$ cm)。
残差性质：观测到的站间离散度（1–2 cm）显著超过了典型的 GNSS ZTD 不确定度（2–4 mm），这表明残差代表了真实的、小尺度的对流层变率（可能由水汽驱动），而非 GNSS 测量误差，目前的 NWP 模型无法解析此类变率。

核心贡献

量化亚网格误差：本研究首次系统地量化了 NWP 校正后的小空间尺度（≤13 km）对流层噪声，证明了该噪声是不容忽视的。
分辨率无关性：研究挑战了“高分辨率 NWP 模型必然带来更好小尺度校正”的假设，表明 ERA5 和 HRRR 在残余空间变率方面的表现相似。
函数不确定性模型：作者提出了一个简单的函数模型（公式 6），用于根据纬度 ( $\phi$ ) 和海拔 ( $z$ ) 估计小尺度不确定性 ( $\hat{\sigma}_{sp}$ ):
$\hat{\sigma}_{sp} \approx (az + b)e^{-\frac{\phi^2}{2c^2}}$
该模型允许从业者为研究区域预先计算逐点不确定性估计值。

意义与主张
论文声称，所识别的小尺度对流层变率是一个持续存在的全球特征，即使在紧密分布的 GNSS 网络以及 3 km 分辨率的 HRRR 模型下依然存在。作者断言，必须在 InSAR 不确定度预算中考虑这种变率，特别是在涉及像素聚合或对参考点进行“无噪声”假设的构造运动学应用中。

提出的函数模型为将亚网格对流层误差纳入 InSAR 不确定度估计提供了定量依据。作者建议，由于这种残余结构无法被当前的 NWP 物理机制或分辨率所解析，未来的改进可能需要将 NWP 校正与补充方法（如机器学习方法）相结合，以更好地解析精细尺度的对流层变率。研究结论指出，虽然 NWP 模型对于大规模校正是有效的，但为了准确表示像素尺度的剩余不确定性，必须引入一个基于纬度和海拔的“逐点”误差项。