全球不同气候带对BDS观测数据的影响分析

俞树山，蔡晓军，赵彦军，孙万胜，董 泉

（甘肃中建市政工程勘察设计研究院，兰州 730000）

0 引言

当前全球卫星导航系统（global navigation satellite system, GNSS）迅速发展，其中美国的全球定位系统（global positioning system, GPS）、俄罗斯的格洛纳斯卫星导航系统（global navigation satellite system, GLONASS）已具备全球导航定位能力，我国的北斗卫星导航系统（BeiDou navigation satellite system,BDS）和欧盟的伽利略卫星导航系统（Galileo navigation satellite system,Galileo）计划于2020年实现全球导航定位，此外，还有一些地区导航定位系统，如日本的准天顶卫星系统（Quasi-zenith satellite system, QZSS），印度的区域导航卫星系统（Indian regional navigation satellite system, IRNSS）等，这些卫星导航系统的发展，使全球导航卫星数量迅猛增长。在国际GNSS服务组织（International GNSS Service, IGS）的推动和支持下，发起了多模 GNSS实验跟踪网（multi-GNSS experiment, MGEX），专注于收集和分发 GNSS数据，因此对北斗三号全球卫星导航系统即北斗三号（BeiDou-3 navigation satellite system, BDS-3）观测数据的质量控制变得非常重要[1]。但是目前对大范围的 BDS基准站观测数据质量情况尚缺乏系统、全面的认识，当前主要是基于国家级基准站BDS观测数据[2]、少量实际BDS测试数据[3-4]、MGEX站观测数据[5]等，对BDS观测数据进行质量分析。此外，还有一些区域 BDS观测数据参与了研究分析[6-7]，这些研究结果表明：极区BDS导航卫星受到高度角影响，信噪比整体偏低。由于当前BDS在全球的观测数据有限，除亚太地区以外，全球其他地区的BDS数据分析结果也较少，因此，本文提出以科彭-盖格尔（Koppen-Geiger）全球气候分类为基础，利用阿努比斯（Anubis）软件，对不同气候区域内，2018年每个月第一天的MGEX站的BDS观测数据进行处理，通过数据完整率、周跳比、多路径效应及信噪比等评价指标对观测数据进行分析，评定数据质量。

目前常用的 GNSS数据预处理软件主要有数据格式转换、元数据编辑及数据质量检查（translation,editing and quality checking, TEQC）、格弗兹尔恩克斯（gfzrnx）及Anubis，其中gfzrnx和 Anubis均支持接收机自主交换格式（receiver independent exchange format, RINEX）3.0x格式，但gfzrnx的质量检查功能相对简单，且只有Anubis是开源的[8]。Anubis可以实现单点定位，并提供高度角和方位角相关的 GNSS数据特征；预处理模式用于重建接收机时钟跳变影响的观测结果，并提出了一种新的编码多径检测算法，该算法支持所有的信号、频带和 GNSS星座，因此本文选择多模GNSS和多频数据质量检查的Anubis软件，来处理BDS观测数据。本文首先介绍了全球气候区域划分，然后介绍数据质量分析内容与方法，再对计算结果进行定量定性分析与统计，最后给出结论。

1 全球气候区域划分与数据来源

1.1 全球气候区域划分

政府间气候变化专门委员会（The Intergovernmental Panel on Climate Change,IPCC）是联合国评估与气候变化相关科学的机构，在IPCC发布的《关于气候变化的综合报告》（Synthesis Report about Climate Change）中指出，一个地区的气候系统是由5个主要部分组成：即大气，水圈，冰冻圈，岩石圈和生物圈。根据这份报告，本文将研究可能与气候相关的环境因素对全球BDS观测数据影响。

Koppen-Geiger气候分类系统是由德国科学家科彭在1884年提出的，已经在世界范围内得到了广泛应用。该系统将气候分为5大类和30个子类型，它是基于阈值和每月气温和季节性的降水进行气候分类的。2006年，该系统被精细地绘制成空间分辨率为 0.083°的世界地图。文献[9]提供了一套精度更高（0.008 3°）的 Koppen-Geiger全球气候划分数据，来描绘当前（1980—2016年）和预测未来（2071—2100年）、分辨率为1 km的全球气候地图，现在的地图是由 4幅高分辨率地形校正的气候地图组成[9]。

时至今日，Koppen-Geiger气候分类系统被广泛地应用到许多以气候条件的不同为条件的应用和研究中，如生态模型或气候变化影响评估等。Koppen-Geiger气候分类是一种非常合适的方法，可以将复杂的气候梯度聚合成一个简单但具有生态意义的分类方案。

本文采用当前（1980—2016年）最新改进的Koppen-Geiger气候分类，其分辨率为 0.0083°（赤道约1 km），根据不同的气候区域划分测站，然后对每个气候区域内所有测站的 BDS观测数据分别进行质量分析，探讨不同气候带（即赤道，干旱，温带，寒带，极地）和纬度变化对对全球BDS观测数据的影响。气候分类与测站分布如图1所示。图1中：红色代表 A 区域，表示赤道区（Equatorial）；黄色代表 B 区域，表示干旱区（Arid），绿色代表 C 区域，表示温带（Temperate）；青色代表D区域，表示寒带（Snow）；灰色代表E区域，表示极区（Polar）。

图1 本文选取的全球MGEX站点与Koppen-Geiger气候分类图【审图号GS（2021）3659号】

各气候区域内测站数量和占比如表1所示。

表1 各气候区域内测站数量和占比

1.2 数据来源

本文数据源于MGEX提供的全球BDS观测数据，数据格式为最新的 RINEX3.0x格式，采用Anubis数据预处理软件进行处理。为了减少计算量，并能有效得出一年中不同气候区域内数据质量的统计特性，选取2018年每个月第一天的数据，共计12天。

然后将全球MGEX站按照 Koppen-Geiger气候分类划分为 5个区域，这些测站与不同的气候区域相关联。将同一天内的数据质量评估指标、在不同气候区域内求得平均值，代表该区域的数据质量综合评估指标，然后分析全年不同气候区域对BDS观测数据影响的统计特性。

2 数据质量分析内容与方法

2.1 数据完整率与周跳比

数据完整率是指观测时段中数据的可用性和完好性，它不仅反映了观测环境的影响程度，也体现了接收机性能的优劣[10]。数据完整率的定义为

式中：Have(i)为第i颗卫星的实际观测值数量；Expt(i)为第i颗卫星理论观测值数量。

周跳比（O/Slps）是一种通过对可观测数据在周跳历元中的占比进行统计的方法[11]。周跳比表示观测值和周跳的比值, 它能够直接反映出观测数据的周跳情况。O/Slps的参考值为200，O/Slps值越小，说明观测数据的周跳越严重[12]。周跳比的计算公式为

式中：obs(i)为第i颗卫星的实际观测值个数；slps(i)为第i颗卫星的周跳个数。

2.2 多路径效应

由多个路径的信号传播所引起的干涉时延效应被称为多路径效应[13]。多路径效应的大小与测站周边环境的好坏有很大的相关性，多路径误差的分析结果，有助于接收机性能评估及测站周边环境好坏的判断[8]。

针对多模多频的多路径效应估计，Anubis建立了一个新的通用公式，通过伪距和载波相位观测值的线性组合，可以对所有 GNSS的双频观测值进行多路径估计[14]，计算公式为：

式中：MP为伪距多路径效应；P为双频伪距观测值；L为双频载波相位观测值；f为频率；k、i、j为频率索引。

因为该算法只用一个简单的循环滑移检测法，来对多路径线性组合进行统计估计，所以不需要对所有涉及的GNSS星座进行特定的预处理。

2.3 信噪比

信噪比（signal-noise ratio,SNR）是指接收机接收到的载波信号功率与噪声功率谱密度的比值，称为载噪功率密度比，通常表示为C/Nφ，单位为dB·Hz。信噪比不仅能较好地反映接收机接收卫星信号的质量，还能反映接收机内部抑制噪声的能力。因此，信噪比是反应载波相位观测质量的重要指标之一[15]。信噪比值越大，表明信号质量越好，观测精度越高，反之则相反。

3 结果分析

3.1 数据完整率统计分析

通过Anubis软件计算出的5个气候区域全年12天的数据完整率如图2和表2所示。

图2 数据完整率统计

表2 各气候区域内测站数据完整率统计表

从图2及表2中可以看出，5个气候区域的数据完整率大体呈现出一定的统计规律，E区域 12天的数据完整率均值最高，但是标准差最大，统计数据较为分散，波动较大，其主要是因为极区的环境变化复杂，其次是因为极区的测站较少，对统计结果的准确性产生了一定的影响。

B区域的数据完整率次之，这主要是因为B区域为干旱区域，气候干燥，测站受到天气变化的影响较小，测站数据完整率相对较高；A区域的数据完整率几乎与B区域相当，笔者认为A区域主要分布在赤道附近，受高度角影响较小，所以数据完整率亦相对较高。并且A区域和B区域的数据完整率统计结果相对比较集中。C区域和D区域的数据完整率大体持平，但均低于其他气候区域。

3.2 周跳比统计分析

图3和表 3显示了5个气候区域周跳比统计结果，从图3中可以看出有明显的统计规律。在A区域中，O/Slps值非常分散，总体趋势随年积日的增加而逐渐增大，变化范围从1 744.15至11 105.58，中位数为4 015.75。B区域、C区域、D区域、E区域中的O/Slps值均相对比较集中，中位数分别为4 839.39、2 256.6、789.24、1 052.5。其中 B区域O/Slps值的中位数最大，该区域为干旱区，观测环境相对较好；D区域 O/Slps值的中位数最小，该区域为积雪区，积雪对信号传播会产生一定的影响，导致周跳比较低。

图3 周跳比统计

表3 各气候区域内测站周跳比统计表

3.3 多路径效应统计分析

目前对于 BDS的数据质量已有大量文献做了系统全面的分析。与GPS不同，BDS由于星座异构和区域导航系统的特点，其数据质量与站点区域较为相关[3]。所以本节主要通过各区域内观测数据质量指标的统计结果，来探讨多路径效应与站点区域之间的统计相关性。图4显示了B1I与B2I频率多路径误差统计图。从图4中可以看出：A区域、B区域和E区域内测站的多路径误差相对较小；D区域最大；C区域次之，各气候区域内测站B1I与B2I频率多路径误差的统计量如表4所示。

表4 各气候区域内测站多路径误差的统计量单位：cm

图4 B1I和B2I频率多路径统计

D区域内B1与B2频率多路径误差均最大，主要是因为D区域为高寒积雪区域，积雪对信号的多路径影响较大。C区域内多路径误差相对较大，其可能的原因是温带气候四季分明，气候多变，导致其对路径误差略大。相反A区域、B区域和E区域气候变化相对稳定，对多路径误差的影响较小。

3.4 信噪比（SNR）统计分析

统计5个气候区域内各测站12天的载噪比均值及统计量如图5和表5所示。由图5可以看出，各气候区域内BDS B1I和B2I信号信噪比的相关性比多路径效应的相关性弱，两个信号在各区域内并无统一规律可循，就B2I信号而言，其曲线的大致趋势与MP2呈负相关，不同的气候带对BDS B2I信号的信噪比的影响机制与MP2大致相反。

图5 B1I和B2I频率信噪比统计

表5 各气候区域内测站信噪比统计量单位：dB

由图5可以看出，各气候区域内BDS B1I和B2I信号信噪比的相关性比多路径效应的相关性弱，两个信号在各区域内并无统一规律可循，就B2I信号而言，其曲线的大致趋势与 MP2呈负相关，不同的气候带对 BDS B2I信号的信噪比的影响机制与MP2大致相反。

而对于B1I信号，E区域内的信噪比值最小，C区域次之，其余三个区域的信噪比值大致持平。如前所述，C区域为温带区，四季分明，气候多变，对 BDS B1I的信噪比产生一定的影响。E区域信噪比的值最小，可能是因为极区复杂的电磁环境对BDS B1I信号产生了较大的影响。

4 结束语

本文根据Koppen-Geiger气候分类系统，将全球范围的 82个 MGEX站进行分类，利用Anubis软件计算出的四项数据质量评价指标，对不同气候区域内的MGEX站、2018年BDS观测数据的质量进行了统计分析，得出各区域内相关测站的数据质量的统计结果，得出如下结论：

1）对于 A区域，一年内的 O/Slps值非常分散，多路径效应误差最小，信噪比最高，A区域为赤道区，从纬度变化的角度考虑，其观测条件要优于其他几个区域。

2）B区域的数据完整率和O/Slps值均相对较高，多路径效应误差最小，信噪比相对较高，主要是因为 B区域气候干燥，卫星信号受到环境因素的影响较小，所以该区域内测站观测的数据质量整体较高。

3）C区域为温带区，该区域内的多路径误差相对较大，其余各项数据质量评价指标在5个区域中处于中等水平，其可能的原因是温带气候四季分明，气候多变，可能是产生上述现象的因素。

4）对于D区域，数据完整率和O/Slps值均最低，多路径效应误差最大，B1I频率的信噪比最高，B2I频率的信噪比最低，主要是因为D区域为高寒积雪、高纬度区，积雪对卫星信号会产生较大影响，导致该区域内测站观测的数据质量整体较差。

5）E区域数据完整率比较分散，周跳比与信噪比均较小，多路径效应更加严重，可能是因为极区复杂的电磁环境和分布在高纬度的测站，对BDS信号的多路径效应和信噪比等产生较大的影响。

总体而言，5个气候区域中，B区域观测数据质量整体最高，D区域整体最差，A区域和 C区域处于中间水平，E区域为极区，信噪比最低。本文的分析结果可作为对全球 MGEX站 BDS观测数据质量的初步了解，也可以为大尺度的站点选取提供参考依据。

由于 BDS全球组网正在进行，且全球多系统实验网也处于发展之中，所以全球 BDS观测站点数量较少，而且分布不均匀，这些因素都会影响本文统计结果。随着BDS全球组网的逐步完成，以及全球多系统实验网的逐步完善，将会有更加准确的统计结果，这将是后续进一步的研究内容。