摘要：对流层延迟是全球导航卫星系统（Global Navigation Satellite System,GNSS）导航定位中的重要误差源,其量值主要受气象条件影响.采用传统对流层建模思路,利用GPT2模型来提供相对准确的气温、气压和相对湿度,然后利用Saastamoinen模型来计算天顶对流层延迟,由此构建了GPT2＋Saas模型;采用新的对流层建模思路,直接针对天顶对流层延迟的时空特性建模,构建了与GPT2＋Saas模型相匹配的GZTDS格网模型.以GGOS Atmosphere格网数据为参考,GPT2＋Saas模型（Bias：0.2cm;RMS：4.2cm）和GZTDS模型（Bias：0.2cm;RMS：3.7cm）较UNB3m模型精度分别提升34%和43%.以IGS（International GNSS Service）数据为参考,GPT2＋Saas（Bias：0.5cm;RMS：4.7cm）和GZTDS（Bias：-0.3cm;RMS：3.8cm）相对UNB3m模型精度分别提升10%和27%.针对GPT2＋Saas模型在少数测站出现精度异常的情况进行了研究,探讨了可能的原因.在两种不同思路构建的精化对流层模型中,GZTDS模型不仅表现出更高的精度,而且在时间稳定性和地理稳定性上也表现出优越性.

关键词：对流层延迟 gztds模型 gpt2模型 saastamoinen模型 

单位：武汉大学测绘学院 武汉430079 武汉大学地球空间环境与大地测量教育部重点实验室 武汉430079 地球空间信息技术协同创新中心 武汉430079 长江空间信息技术工程有限公司(武汉) 武汉430010