| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究目的和意义 | 第10-11页 |
| 1.2 GPS气象学概述 | 第11-12页 |
| 1.2.1 天基GPS气象学 | 第11-12页 |
| 1.2.2 地基GPS气象学 | 第12页 |
| 1.3 国内外研究现状 | 第12-15页 |
| 1.3.1 GPS气象学 | 第12-14页 |
| 1.3.2 对流层延迟、可降水量等与雾霾相关性 | 第14-15页 |
| 1.4 本文研究内容 | 第15-16页 |
| 第二章 地基GPS反演大气水汽含量的基本原理 | 第16-41页 |
| 2.1 对流层延迟 | 第16-19页 |
| 2.1.1 对流层折射率 | 第16-18页 |
| 2.1.2 水汽压 | 第18-19页 |
| 2.2 GPS对流层延迟估计 | 第19-20页 |
| 2.3 常用对流层映射函数 | 第20-32页 |
| 2.3.1 Marini映射函数 | 第20页 |
| 2.3.2 Chao映射函数 | 第20-21页 |
| 2.3.3 CFA2.2映射函数 | 第21页 |
| 2.3.4 MIT映射函数 | 第21-22页 |
| 2.3.5 NMF映射函数 | 第22-24页 |
| 2.3.6 VMF1映射函数 | 第24页 |
| 2.3.7 GMF映射函数 | 第24-25页 |
| 2.3.8 常用对流层映射函数的对比分析 | 第25-32页 |
| 2.4 全球气温气压模型 | 第32-33页 |
| 2.4.1 GPT模型 | 第32-33页 |
| 2.4.2 GPT2模型 | 第33页 |
| 2.5 天顶静力学延迟 | 第33-34页 |
| 2.5.1 霍普菲尔德(Hopfield)模型 | 第33页 |
| 2.5.2 萨斯塔莫宁(Saastamoinen)模型 | 第33-34页 |
| 2.5.3 伯兰克(Black)模型 | 第34页 |
| 2.6 天顶湿延迟转换为天顶可降水量 | 第34-36页 |
| 2.6.1 加权平均温度 | 第34-35页 |
| 2.6.2 水汽转换系数 | 第35-36页 |
| 2.7 GAMIT简介及利用GAMIT获取对流层延迟及水汽含量 | 第36-41页 |
| 2.7.1 GAMIT模块结构 | 第36-38页 |
| 2.7.2 利用GAMIT估计天顶对流层延迟 | 第38-39页 |
| 2.7.3 对流层延迟及可降水量的获取 | 第39-41页 |
| 第三章 基于NCAR的数据对雾霾典型区域的对流层延迟、可降水量的变化特征分析 | 第41-50页 |
| 3.1 实验数据简介 | 第41-42页 |
| 3.1.1 NCAR数据介绍 | 第41页 |
| 3.1.2 PM2.5数据介绍 | 第41-42页 |
| 3.2 雾霾典型区域2014年的PM2.5变化趋势分析 | 第42-43页 |
| 3.3 雾霾天气中各典型区域的ZTD变化趋势分析 | 第43-45页 |
| 3.4 雾霾天气中各典型区域的ZWD变化趋势分析 | 第45-48页 |
| 3.5 雾霾天气中各典型区的PWV变化趋势分析 | 第48-50页 |
| 第四章 北京区域雾霾天气下的对流层延迟、可降水量的变化特征探讨 | 第50-68页 |
| 4.1 北京地区2015年PM2.5变化趋势 | 第50页 |
| 4.2 北京地区2015年ZTD变化分析 | 第50-53页 |
| 4.3 北京地区2015年ZWD变化分析 | 第53-56页 |
| 4.4 北京地区2015年雾霾天气中GPS水汽含量分析 | 第56-68页 |
| 4.4.1 可降水量(PWV)与PM2.5变化趋势分析 | 第58-67页 |
| 4.4.2 可降水量(PWV)与PM2.5相关性分析 | 第67-68页 |
| 第五章 结论与展望 | 第68-70页 |
| 5.1 结论 | 第68页 |
| 5.2 展望 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-75页 |
