全球不同氣候帶對BDS觀測數據的影響分析

俞樹山，蔡曉軍，趙彥軍，孫萬勝，董 泉

（甘肅中建市政工程勘察設計研究院，蘭州 730000）

0 引言

當前全球衛星導航系統（global navigation satellite system, GNSS）迅速發展，其中美國的全球定位系統（global positioning system, GPS）、俄羅斯的格洛納斯衛星導航系統（global navigation satellite system, GLONASS）已具備全球導航定位能力，我國的北斗衛星導航系統（BeiDou navigation satellite system,BDS）和歐盟的伽利略衛星導航系統（Galileo navigation satellite system,Galileo）計劃于2020年實現全球導航定位，此外，還有一些地區導航定位系統，如日本的準天頂衛星系統（Quasi-zenith satellite system, QZSS），印度的區域導航衛星系統（Indian regional navigation satellite system, IRNSS）等，這些衛星導航系統的發展，使全球導航衛星數量迅猛增長。在國際GNSS服務組織（International GNSS Service, IGS）的推動和支持下，發起了多模 GNSS實驗跟蹤網（multi-GNSS experiment, MGEX），專注于收集和分發 GNSS數據，因此對北斗三號全球衛星導航系統即北斗三號（BeiDou-3 navigation satellite system, BDS-3）觀測數據的質量控制變得非常重要[1]。但是目前對大范圍的 BDS基準站觀測數據質量情況尚缺乏系統、全面的認識，當前主要是基于國家級基準站BDS觀測數據[2]、少量實際BDS測試數據[3-4]、MGEX站觀測數據[5]等，對BDS觀測數據進行質量分析。此外，還有一些區域 BDS觀測數據參與了研究分析[6-7]，這些研究結果表明：極區BDS導航衛星受到高度角影響，信噪比整體偏低。由于當前BDS在全球的觀測數據有限，除亞太地區以外，全球其他地區的BDS數據分析結果也較少，因此，本文提出以科彭-蓋格爾（Koppen-Geiger）全球氣候分類為基礎，利用阿努比斯（Anubis）軟件，對不同氣候區域內，2018年每個月第一天的MGEX站的BDS觀測數據進行處理，通過數據完整率、周跳比、多路徑效應及信噪比等評價指標對觀測數據進行分析，評定數據質量。

目前常用的 GNSS數據預處理軟件主要有數據格式轉換、元數據編輯及數據質量檢查（translation,editing and quality checking, TEQC）、格弗茲爾恩克斯（gfzrnx）及Anubis，其中gfzrnx和 Anubis均支持接收機自主交換格式（receiver independent exchange format, RINEX）3.0x格式，但gfzrnx的質量檢查功能相對簡單，且只有Anubis是開源的[8]。Anubis可以實現單點定位，并提供高度角和方位角相關的 GNSS數據特征；預處理模式用于重建接收機時鐘跳變影響的觀測結果，并提出了一種新的編碼多徑檢測算法，該算法支持所有的信號、頻帶和 GNSS星座，因此本文選擇多模GNSS和多頻數據質量檢查的Anubis軟件，來處理BDS觀測數據。本文首先介紹了全球氣候區域劃分，然后介紹數據質量分析內容與方法，再對計算結果進行定量定性分析與統計，最后給出結論。

1 全球氣候區域劃分與數據來源

1.1 全球氣候區域劃分

政府間氣候變化專門委員會（The Intergovernmental Panel on Climate Change,IPCC）是聯合國評估與氣候變化相關科學的機構，在IPCC發布的《關于氣候變化的綜合報告》（Synthesis Report about Climate Change）中指出，一個地區的氣候系統是由5個主要部分組成：即大氣，水圈，冰凍圈，巖石圈和生物圈。根據這份報告，本文將研究可能與氣候相關的環境因素對全球BDS觀測數據影響。

Koppen-Geiger氣候分類系統是由德國科學家科彭在1884年提出的，已經在世界范圍內得到了廣泛應用。該系統將氣候分為5大類和30個子類型，它是基于閾值和每月氣溫和季節性的降水進行氣候分類的。2006年，該系統被精細地繪制成空間分辨率為 0.083°的世界地圖。文獻[9]提供了一套精度更高（0.008 3°）的 Koppen-Geiger全球氣候劃分數據，來描繪當前（1980—2016年）和預測未來（2071—2100年）、分辨率為1 km的全球氣候地圖，現在的地圖是由 4幅高分辨率地形校正的氣候地圖組成[9]。

時至今日，Koppen-Geiger氣候分類系統被廣泛地應用到許多以氣候條件的不同為條件的應用和研究中，如生態模型或氣候變化影響評估等。Koppen-Geiger氣候分類是一種非常合適的方法，可以將復雜的氣候梯度聚合成一個簡單但具有生態意義的分類方案。

本文采用當前（1980—2016年）最新改進的Koppen-Geiger氣候分類，其分辨率為 0.0083°（赤道約1 km），根據不同的氣候區域劃分測站，然后對每個氣候區域內所有測站的 BDS觀測數據分別進行質量分析，探討不同氣候帶（即赤道，干旱，溫帶，寒帶，極地）和緯度變化對對全球BDS觀測數據的影響。氣候分類與測站分布如圖1所示。圖1中：紅色代表 A 區域，表示赤道區（Equatorial）；黃色代表 B 區域，表示干旱區（Arid），綠色代表 C 區域，表示溫帶（Temperate）；青色代表D區域，表示寒帶（Snow）；灰色代表E區域，表示極區（Polar）。

圖1 本文選取的全球MGEX站點與Koppen-Geiger氣候分類圖【審圖號GS（2021）3659號】

各氣候區域內測站數量和占比如表1所示。

表1 各氣候區域內測站數量和占比

1.2 數據來源

本文數據源于MGEX提供的全球BDS觀測數據，數據格式為最新的 RINEX3.0x格式，采用Anubis數據預處理軟件進行處理。為了減少計算量，并能有效得出一年中不同氣候區域內數據質量的統計特性，選取2018年每個月第一天的數據，共計12天。

然后將全球MGEX站按照 Koppen-Geiger氣候分類劃分為 5個區域，這些測站與不同的氣候區域相關聯。將同一天內的數據質量評估指標、在不同氣候區域內求得平均值，代表該區域的數據質量綜合評估指標，然后分析全年不同氣候區域對BDS觀測數據影響的統計特性。

2 數據質量分析內容與方法

2.1 數據完整率與周跳比

數據完整率是指觀測時段中數據的可用性和完好性，它不僅反映了觀測環境的影響程度，也體現了接收機性能的優劣[10]。數據完整率的定義為

式中：Have(i)為第i顆衛星的實際觀測值數量；Expt(i)為第i顆衛星理論觀測值數量。

周跳比（O/Slps）是一種通過對可觀測數據在周跳歷元中的占比進行統計的方法[11]。周跳比表示觀測值和周跳的比值, 它能夠直接反映出觀測數據的周跳情況。O/Slps的參考值為200，O/Slps值越小，說明觀測數據的周跳越嚴重[12]。周跳比的計算公式為

式中：obs(i)為第i顆衛星的實際觀測值個數；slps(i)為第i顆衛星的周跳個數。

2.2 多路徑效應

由多個路徑的信號傳播所引起的干涉時延效應被稱為多路徑效應[13]。多路徑效應的大小與測站周邊環境的好壞有很大的相關性，多路徑誤差的分析結果，有助于接收機性能評估及測站周邊環境好壞的判斷[8]。

針對多模多頻的多路徑效應估計，Anubis建立了一個新的通用公式，通過偽距和載波相位觀測值的線性組合，可以對所有 GNSS的雙頻觀測值進行多路徑估計[14]，計算公式為：

式中：MP為偽距多路徑效應；P為雙頻偽距觀測值；L為雙頻載波相位觀測值；f為頻率；k、i、j為頻率索引。

因為該算法只用一個簡單的循環滑移檢測法，來對多路徑線性組合進行統計估計，所以不需要對所有涉及的GNSS星座進行特定的預處理。

2.3 信噪比

信噪比（signal-noise ratio,SNR）是指接收機接收到的載波信號功率與噪聲功率譜密度的比值，稱為載噪功率密度比，通常表示為C/Nφ，單位為dB·Hz。信噪比不僅能較好地反映接收機接收衛星信號的質量，還能反映接收機內部抑制噪聲的能力。因此，信噪比是反應載波相位觀測質量的重要指標之一[15]。信噪比值越大，表明信號質量越好，觀測精度越高，反之則相反。

3 結果分析

3.1 數據完整率統計分析

通過Anubis軟件計算出的5個氣候區域全年12天的數據完整率如圖2和表2所示。

圖2 數據完整率統計

表2 各氣候區域內測站數據完整率統計表

從圖2及表2中可以看出，5個氣候區域的數據完整率大體呈現出一定的統計規律，E區域 12天的數據完整率均值最高，但是標準差最大，統計數據較為分散，波動較大，其主要是因為極區的環境變化復雜，其次是因為極區的測站較少，對統計結果的準確性產生了一定的影響。

B區域的數據完整率次之，這主要是因為B區域為干旱區域，氣候干燥，測站受到天氣變化的影響較小，測站數據完整率相對較高；A區域的數據完整率幾乎與B區域相當，筆者認為A區域主要分布在赤道附近，受高度角影響較小，所以數據完整率亦相對較高。并且A區域和B區域的數據完整率統計結果相對比較集中。C區域和D區域的數據完整率大體持平，但均低于其他氣候區域。

3.2 周跳比統計分析

圖3和表 3顯示了5個氣候區域周跳比統計結果，從圖3中可以看出有明顯的統計規律。在A區域中，O/Slps值非常分散，總體趨勢隨年積日的增加而逐漸增大，變化范圍從1 744.15至11 105.58，中位數為4 015.75。B區域、C區域、D區域、E區域中的O/Slps值均相對比較集中，中位數分別為4 839.39、2 256.6、789.24、1 052.5。其中 B區域O/Slps值的中位數最大，該區域為干旱區，觀測環境相對較好；D區域 O/Slps值的中位數最小，該區域為積雪區，積雪對信號傳播會產生一定的影響，導致周跳比較低。

圖3 周跳比統計

表3 各氣候區域內測站周跳比統計表

3.3 多路徑效應統計分析

目前對于 BDS的數據質量已有大量文獻做了系統全面的分析。與GPS不同，BDS由于星座異構和區域導航系統的特點，其數據質量與站點區域較為相關[3]。所以本節主要通過各區域內觀測數據質量指標的統計結果，來探討多路徑效應與站點區域之間的統計相關性。圖4顯示了B1I與B2I頻率多路徑誤差統計圖。從圖4中可以看出：A區域、B區域和E區域內測站的多路徑誤差相對較??；D區域最大；C區域次之，各氣候區域內測站B1I與B2I頻率多路徑誤差的統計量如表4所示。

表4 各氣候區域內測站多路徑誤差的統計量單位：cm

圖4 B1I和B2I頻率多路徑統計

D區域內B1與B2頻率多路徑誤差均最大，主要是因為D區域為高寒積雪區域，積雪對信號的多路徑影響較大。C區域內多路徑誤差相對較大，其可能的原因是溫帶氣候四季分明，氣候多變，導致其對路徑誤差略大。相反A區域、B區域和E區域氣候變化相對穩定，對多路徑誤差的影響較小。

3.4 信噪比（SNR）統計分析

統計5個氣候區域內各測站12天的載噪比均值及統計量如圖5和表5所示。由圖5可以看出，各氣候區域內BDS B1I和B2I信號信噪比的相關性比多路徑效應的相關性弱，兩個信號在各區域內并無統一規律可循，就B2I信號而言，其曲線的大致趨勢與MP2呈負相關，不同的氣候帶對BDS B2I信號的信噪比的影響機制與MP2大致相反。

圖5 B1I和B2I頻率信噪比統計

表5 各氣候區域內測站信噪比統計量單位：dB

由圖5可以看出，各氣候區域內BDS B1I和B2I信號信噪比的相關性比多路徑效應的相關性弱，兩個信號在各區域內并無統一規律可循，就B2I信號而言，其曲線的大致趨勢與 MP2呈負相關，不同的氣候帶對 BDS B2I信號的信噪比的影響機制與MP2大致相反。

而對于B1I信號，E區域內的信噪比值最小，C區域次之，其余三個區域的信噪比值大致持平。如前所述，C區域為溫帶區，四季分明，氣候多變，對 BDS B1I的信噪比產生一定的影響。E區域信噪比的值最小，可能是因為極區復雜的電磁環境對BDS B1I信號產生了較大的影響。

4 結束語

本文根據Koppen-Geiger氣候分類系統，將全球范圍的 82個 MGEX站進行分類，利用Anubis軟件計算出的四項數據質量評價指標，對不同氣候區域內的MGEX站、2018年BDS觀測數據的質量進行了統計分析，得出各區域內相關測站的數據質量的統計結果，得出如下結論：

1）對于 A區域，一年內的 O/Slps值非常分散，多路徑效應誤差最小，信噪比最高，A區域為赤道區，從緯度變化的角度考慮，其觀測條件要優于其他幾個區域。

2）B區域的數據完整率和O/Slps值均相對較高，多路徑效應誤差最小，信噪比相對較高，主要是因為 B區域氣候干燥，衛星信號受到環境因素的影響較小，所以該區域內測站觀測的數據質量整體較高。

3）C區域為溫帶區，該區域內的多路徑誤差相對較大，其余各項數據質量評價指標在5個區域中處于中等水平，其可能的原因是溫帶氣候四季分明，氣候多變，可能是產生上述現象的因素。

4）對于D區域，數據完整率和O/Slps值均最低，多路徑效應誤差最大，B1I頻率的信噪比最高，B2I頻率的信噪比最低，主要是因為D區域為高寒積雪、高緯度區，積雪對衛星信號會產生較大影響，導致該區域內測站觀測的數據質量整體較差。

5）E區域數據完整率比較分散，周跳比與信噪比均較小，多路徑效應更加嚴重，可能是因為極區復雜的電磁環境和分布在高緯度的測站，對BDS信號的多路徑效應和信噪比等產生較大的影響。

總體而言，5個氣候區域中，B區域觀測數據質量整體最高，D區域整體最差，A區域和 C區域處于中間水平，E區域為極區，信噪比最低。本文的分析結果可作為對全球 MGEX站 BDS觀測數據質量的初步了解，也可以為大尺度的站點選取提供參考依據。

由于 BDS全球組網正在進行，且全球多系統實驗網也處于發展之中，所以全球 BDS觀測站點數量較少，而且分布不均勻，這些因素都會影響本文統計結果。隨著BDS全球組網的逐步完成，以及全球多系統實驗網的逐步完善，將會有更加準確的統計結果，這將是后續進一步的研究內容。