一种融合模型，能够对基于地面的GNSS ZTD数据集进行加密处理，从而提升降水预报的准确性

《IEEE Geoscience and Remote Sensing Letters》：A Fusion Model Enabling Encryption of Ground-Based GNSS ZTD Datasets for Enhanced Precipitation Forecasting

ZTD高精度区域插值模型研究

　　

摘要：

近几十年来，全球导航卫星系统（GNSS）的 zenith tropospheric delay（ZTD）已成为 GNSS 气象学领域中的一个关键要素。ZTD 数据的空间密度取决于区域 GNSS 站点的数量，从而影响其在区域气象学中的应用。本研究提出了一种新型模型——地理加权回归-卷积神经网络（GWR-CNN），该模型利用卷积神经网络（CNN）来处理 GWR 剩差。以法国地区为例，该模型仅需获取 GNSS 站点的位置信息（包括精确的经度、纬度和高度）以及 ZTD 值，即可进行高精度插值计算以获得区域 ZTD 数据。值得注意的是，高精度插值得到的 ZTD 数据可以与实际观测结果非常接近，从而通过数据同化过程提升天气研究与预报（WRF）模型对区域降雨量的预测能力。

引言

全球导航卫星系统（GNSS）技术的迅速发展极大地扩展了其应用范围，尤其是在气象学领域。GNSS 的 zenith tropospheric delay（ZTD）能够提供关于对流层活动的宝贵信息，促使学者们利用这些数据开展水汽[1]、空气污染物[3]、降水事件[4]等相关研究[5]。