Tropospheric delay is a major error caused by atmospheric refraction in Global Navigation Satellite System (GNSS) positioning. The study evaluates the potential of the European Centre for Medium-range Weather Forecast (ECMWF) Reanalysis 5 (ERA5) atmospheric variables in estimating the Zenith Tropospheric Delay (ZTD). Linear regression models (LRM) are applied to estimate ZTD with the ERA5 atmospheric variables. The ZTD are also estimated using standard ZTD models based on ERA5 and Global Pressure and Temperature 3 (GPT3) atmospheric variables. These ZTD estimates are evaluated using the data collected from the permanent GNSS continuously operating reference stations in the Nigerian region. The results reveal that the Zenith Hydrostatic Delay (ZHD) from the LRM and the Saastamoinien model using ERA5 surface pressure are of identical accuracy, having a Root Mean Square (RMS) error of 2.3 mm while the GPT3-ZHD has an RMS of 3.4 mm. For the Zenith Wet Delay (ZWD) component, the best estimates are derived using ERA5 Precipitable Water Vapour (PWV). These include the ZWD derived by the LRM having an average RMS of 20.9 mm and Bevis equation having RMS of 21.1 mm and 21.0 mm for global and local weighted mean temperatures, respectively. The evaluation of GPT3-ZWD estimates gives RMS of 45.8 mm. This study has provided a valuable insight into the application of ERA5 data for ZTD estimation. In line with the findings of the study, the ERA5 atmospheric variables are recommended for improving the accuracy in ZTD estimation, required for GNSS positioning.

中文翻译：

---

评估 GNSS 天顶对流层延迟对来自尼日利亚 ERA5 数据的大气变量的响应

对流层延迟是全球导航卫星系统（GNSS）定位中大气折射造成的主要误差。该研究评估了欧洲中期天气预报中心 (ECMWF) 再分析 5 (ERA5) 大气变量在估算天顶对流层延迟 (ZTD) 方面的潜力。线性回归模型 (LRM) 用于使用 ERA5 大气变量估算 ZTD。还使用基于 ERA5 和全球压力和温度 3 (GPT3) 大气变量的标准 ZTD 模型估算 ZTD。这些 ZTD 估计是使用从尼日利亚地区连续运行的永久性 GNSS 参考站收集的数据进行评估的。结果表明，来自 LRM 的天顶静水压延迟 (ZHD) 和使用 ERA5 表面压力的 Saastamoinien 模型具有相同的精度，均方根 (RMS) 误差为 2.3 毫米，而 GPT3-ZHD 的均方根误差为 3.4 毫米。对于 Zenith 湿延迟 (ZWD) 分量，最佳估计是使用 ERA5 可降水蒸气 (PWV) 得出的。这些包括由 LRM 导出的 ZWD，平均 RMS 为 20.9 mm，Bevis 方程的 RMS 分别为 21.1 mm 和 21.0 mm，用于全球和局部加权平均温度。GPT3-ZWD 估计的评估给出了 45.8 mm 的 RMS。这项研究为 ERA5 数据在 ZTD 估计中的应用提供了有价值的见解。根据研究结果，建议使用 ERA5 大气变量来提高 GNSS 定位所需的 ZTD 估计精度。最佳估计值是使用 ERA5 可降水蒸气 (PWV) 得出的。这些包括由 LRM 导出的 ZWD，平均 RMS 为 20.9 mm，Bevis 方程的 RMS 分别为 21.1 mm 和 21.0 mm，用于全球和局部加权平均温度。GPT3-ZWD 估计的评估给出了 45.8 mm 的 RMS。这项研究为 ERA5 数据在 ZTD 估计中的应用提供了有价值的见解。根据研究结果，建议使用 ERA5 大气变量来提高 GNSS 定位所需的 ZTD 估计精度。最佳估计值是使用 ERA5 可降水蒸气 (PWV) 得出的。这些包括由 LRM 导出的 ZWD，平均 RMS 为 20.9 mm，Bevis 方程的 RMS 分别为 21.1 mm 和 21.0 mm，用于全球和局部加权平均温度。GPT3-ZWD 估计的评估给出了 45.8 mm 的 RMS。这项研究为 ERA5 数据在 ZTD 估计中的应用提供了有价值的见解。根据研究结果，建议使用 ERA5 大气变量来提高 GNSS 定位所需的 ZTD 估计精度。GPT3-ZWD 估计的评估给出了 45.8 mm 的 RMS。这项研究为 ERA5 数据在 ZTD 估计中的应用提供了有价值的见解。根据研究结果，建议使用 ERA5 大气变量来提高 GNSS 定位所需的 ZTD 估计精度。GPT3-ZWD 估计的评估给出了 45.8 mm 的 RMS。这项研究为 ERA5 数据在 ZTD 估计中的应用提供了有价值的见解。根据研究结果，建议使用 ERA5 大气变量来提高 GNSS 定位所需的 ZTD 估计精度。