由 张 良承 一、介绍
GPT（Global Pressure and Temperature）模型是一种不依赖实时气象数据的全球压力和温度模型，自2007年Boehm提出后，相关科研人员相继提出GPT2、GPT2w和GPT3模型，可通过网址下载：https://vmf.geo.tuwien.ac.at/codes/。
目前最新的GPT3模型是Boehm在2018年使用15年ERA-Interim数据的基础上提出的，分为1°格网（gpt3_1.grid）和5°格网（gpt3_5.grid），只需要输入经纬度、高程和年积日即可获取该坐标处的非实测气象数据，如：气压（Pressure，p，hPa）、温度（Temperature，T，°C）、温度递减率（Temperature lapse rate，dT，°/km）、加权水汽平均温度（Mean temperature weighted with water vapor，Tm，K）、水汽压（Water vapour pressure，e，hPa）、静水映射函数系数（Hydrostatic mapping function coefficient at zero height，ah，VMF1，无单位）、湿映射函数系数（Wet mapping function coefficient，aw，VMF1，无单位）、水汽减少因子（Water vapour decrease factor，la，无单位）、大地水准面起伏（Geoid undulation，undu，m）、静水北向梯度（Hydrostatic north gradient，Gn_h，m）、静水东向梯度（Hydrostatic east gradient，Ge_h，m）、湿北向梯度（Wet north gradient，Gn_w，m）、湿东向梯度（Wet east gradient，Ge_w，m）。
二、计算过程
天顶对流层延迟（ZTD）建模是GNSS气象学的主要研究方向之一，GPT3模型可以获取全球任一坐标、任一时刻的非实测气象参数，通过Saastamoinen模型（Saastamoinen，1972）和Askne模型（Askne 和 Nordius，1987）可以分别计算出天顶静力学延迟（ZHD）和天顶湿延迟（ZWD），二者之和即为ZTD。
Saastamoinen模型：
其中：
- p：站点表面气压（单位：hPa）。
- φ：站点的地理纬度（单位：弧度）。
- h：站点的椭球高度（单位：千米，km）。
- 常数 0.0022768：由大气折射率和重力常数推导得出（单位：m/hPa）。
- 0.00266 和 0.00028：用于校正纬度和高度对重力的影响。
Askne模型：
其中：
- e：水汽压（单位：hPa）。
- Tm：加权水汽平均温度（单位：K）。
- z：站点的地理高度（单位：米，通常由 GPT3 的 undu 和站高推导）。
- Rd：干空气的气体常数，约为 287.058 J/(kg·K)。
- ρ：水汽密度（通常取 1 kg/m³ 作为近似）。
- k_2′：经验常数，约为 22.1 K/hPa。
- k_3：经验常数，约为 3.739 × 10^5 K²/hPa。
三、结果展示
最后一列为ZTD，单位为毫米(mm)。
参考文献
[1]杨飞,郭际明,李弈韬,等.GPT3模型估计对流层产品精度检验与分析[J].大地测量与地球动力学,2021,41(11):1123-1126.DOI:10.14075/j.jgg.2021.11.005.
[2]雷雨,赵丹宁,徐劲松,等.多模型融合的对流层天顶延迟估计方法[J].天文研究与技术,2023,20(02):111-122.DOI:10.14005/j.cnki.issn1672-7673.20221122.001.