地基GPS反演大氣水汽含量實踐＊

薛豐昌，高曉東，張亞琳

（1.南京信息工程大學 遙感學院，江蘇 南京210044；2.上海嘉定區氣象局，上海201800）

0 引 言

氣象研究的熱點之一是如何測定大氣中的水汽含量，監測大氣中水汽分布及變化趨勢，并將監測結果應用于實際業務預報特別是中小尺度災害性天氣的監測預報。由于傳統的無線電探測、衛星紅外線探測和微波探測等手段自身存在的局限性，上世紀末有學者提出地基GPS技術可以作為一種新型大氣探測實用技術有效彌補探空資料在時間和空間上的不足，提供高精度、高容量、快速變化的水汽信息。

Bevis M［1］等人首先提出了利用GPS探測大氣總水汽量的方法，使得GPS成為探測大氣結構的一種新手段。1994年美國GPS／STORM試驗證明了利用地基GPS探測大氣總水汽含量技術的可行性，地基GPS探測大氣水汽含量的精度達0.1～0.2cm.與此同時，從1994年開始，NOAA利用美國中部的GPS網進行長達5年的大氣水汽監測，結果表明該網能在高濕（大氣總水汽量超過4.0cm）和十分干燥（大氣總水汽量低于0.25cm）的條件下穩定地運行［2］。從GPS／STORM和GPSWISP94試驗表明地基GPS／MET的應用價值和特點以來，美國、日本、德國、歐盟、韓國等還紛紛建立地基GPS／MET應用的連續運行網絡。國內從90年代中期由國家衛星氣象中心和北京大學聯合進行空基、地基GPS／MET的研究，利用掩星數據進行了溫度及氣壓的反演。利用地基GPS資料，對大氣可降水量進行了探測，上海氣象局和上海天文臺通過合作，對上海暴雨期間進行了GPS觀測，得到大氣可降水量。中國科學研究院和地形形變監測中心在華南暴雨試驗中也進行了GPS觀測。2000年，國家衛星氣象中心和北京大學聯合北京市氣象局進行了我國第一次北京地區地基GPS／VAPOR試驗。2001年，973暴雨項目的觀測試驗課題在安徽進行了GPS的外場試驗，進一步完善了GPS探測技術，得到精度為2mm左右的GPS大氣可降水量和中層誤差為1K的溫度反演廓線。中國科學院大氣物理研究所則開發GPS折射角的四維變分同化系統。目前，GPS應用在我國氣象領域迅速開展，天津、山西、武漢、廣東等省市開始進行綜合應用GPS建設。

GPS作為探測大氣的一項新手段，具有全球覆蓋、精度高、垂直分辨率高等優點［3］，GPS技術可用于研究大氣中水汽的日變化特征，得到的區域性高時空分辨率的水汽資料進行中尺度天氣預報，對城市環境預報、暴雨、冰雹及其他洪澇災害預報能夠發揮重要作用［4］。

1 地基GPS信號反演水汽原理

GPS信號在穿越大氣過程中，由于大氣折射率梯度和大氣密度等的變化使其相對于在真空中直線傳播而言出現了延遲［5］。對精確定位、導航應用來說，必須消除或消弱地球大氣層對GPS信號傳播的種種影響，而當GPS應用到水汽反演中，正好與之相反，可以利用該延遲最終反演出大氣中的水汽含量。

GPS信號總延遲分為電離層延遲和對流層天頂延遲，其中對流層延遲分為干延遲（ZHD）和濕延遲（ZWD），其中干延遲亦稱為靜力延遲，由大氣中的干空氣造成，而濕延遲主要由大氣中的水汽引起。電離層延遲可以通過雙頻接收機觀測技術訂正到毫米量級，接收機鐘差和衛星鐘差則用相對差分處理消除。余下的對流層天頂總延遲（ZTD），可利用軟件對GPS觀測數據聯合IGS跟蹤站數據等進行求解得出。干延遲可用精確的地面氣壓、溫度、濕度等氣象資料通過公式給出，可以訂正到毫米量級，這樣就得到了毫米量級的濕延遲［4］，其值一般在區間［0，40］cm內［6］。濕延遲與大氣水汽存在著一定的轉換系數K，K值根據局部區域加權平均溫度模型計算出，由天頂濕延遲轉換而來，主要反映了大氣中水汽分布對無線電信號傳播的影響，只要確定這一轉換系數，即可轉換得到大氣可降水汽量（PWV）［7］。

PWV相當于同樣水汽含量的水柱高，可理解為某一時刻大氣中的水汽壓達到飽和時凝結成水全部降落所產生的降水量。反演過程如圖1所示［8］。

圖1 GPS數據反演PWV的流程

1.1 對流層天頂總延遲（ZTD）計算

利用測站的GPS數據，聯合測站周邊分布均勻、距離超過500km的IGS跟蹤站在同一時間段的GPS觀測數據和廣播星歷、精密星歷等基礎數據，通過精密雙差定位定軌解算軟件Bernese，解算出測站上空高精度的對流層天頂總延遲。軟件計算流程如圖2所示［8］。

2 基線網絡處理和ZTD計算流程

通過改正可計算所有解算時段的天頂總延遲，其內符合精度為0.5～1mm，可用于大氣中水汽總量的反演估算。

1.2 大氣濕延遲（ZWD）

計算濕延遲的前提是獲得干延遲。計算干延遲有多種模型，如Saastamoinen模型、Hopfield模型和Black模型，這里采用Saastamoinen模型。

根據Saastamoinen模型，干延遲精度可以達到mm量級，公式如下

式中：P為測站的地面大氣壓，單位hpa；H為測站的高程，單位km；λ為測站緯度。

可獲得天頂濕延遲，它是計算水汽含量的前提。

1.3 大氣水汽含量（PWV）計算

計算PWV值的公式

式中：k′2為22.1±2.2K／hPa；k3為3.739×105±0.012×105K2／hPa，二者為大氣折射常數；ρ為液態水的密度，為1×103kg／m3；Rv是水汽的氣體常數為461.524J／Kg·K；Tm為地區加權平均溫度；Pv為垂直分布上某點的水汽分壓；T為同一點的氣溫（K）；Hs為測站的高程，單位是m.

由于Pv和T隨時間和空間變化而變化，Tm也是一個時空變化量，故轉換系數K也是一個變量，是將濕延遲轉換為水汽含量的關鍵量。如果要確定轉換系數K，就必須準確地確定加權平均溫度Tm［9］.一般選取測站一段時間內的氣象資料進行線性回歸計算，獲取該站的加權平均溫度模型。作為近似，轉換系數K也可以簡單的取為常數K≈0.15［10］.

利用式（2～6）計算Tm需要知道大氣水汽分壓和絕對溫度的垂直分布情況，需要利用無線電探空資料才能獲得，因此在實際應用中受到了限制。以下是幾個典型的經驗回歸公式［8］.

1）Bevis等人根據北美多個站點多年的無線電探空資料給出了大氣加權平均溫度與地面絕對溫度的線性回歸公式

式中Ts為地面絕對溫度。經研究該式的相對誤差小于2%，推算綜合水汽含量的誤差小于4%。

2）李建國，毛節泰等人利用中國東部地區多個探空站1992年全年的資料給出了中國東部地區大氣加權平均溫度逐月和全年的回歸公式，年回歸公式為

3）谷曉平、王長耀等人分析了大氣加權平均溫度的變化特征，認為Tm的變化主要受太陽輻射以及地球大氣熱輻射的影響，并根據廣東清遠站多年的探空資料利用最優子集回歸技術建立了Tm與地表氣壓、溫度、露點溫度（Td）以及水氣壓的局地回歸算式

2 GPS反演大氣水汽實例

現代高精度的GPS數據處理中，一般采用參數估計法估算對流層延遲值，將對流層延遲值作為未知參數在數據處理過程中連同其他參數一并解算出來。目前國際上流行的高精度GPS數據處理軟件（Bernese，GAMIT，GIPSY等）都可以估算測站上空對流層的天頂延遲值，其估算方法主要有兩種：一種是利用最小二乘法，在整個測量時段內每隔一定的時間間隔（例如半小時）引入一個對流層天頂延遲參數，并假設其在該時間間隔內是固定不變的，在數據處理中采用最小二乘法將延遲參數連同測站坐標一同解算出來；另一種方法是用隨機模型描述對流層天頂延遲的變化，采用卡爾曼濾波等方法估計對流層的延遲值。目前較常用的GPS精密數據處理軟件中Bernese，GAMIT采用的是最小二乘估計法，而GIPSY則采用的是卡爾曼濾波的方法［8］。

使用Bernese軟件計算出2010年4月24日13：00的天頂總延遲，其單位為m，依據式（1）、（2）、（3）計算出對流層濕延遲，而后依據式（4）計算出大氣水汽含量，其中由于氣象資料的缺乏，轉換系數K取近似值0.15［8］。五個基站各項數據的計算結果如表1所示。

表2示出了利用MODIS數據反演出的2010年4月24日晴空5個基站所在像元的水汽含量值，單位為mm.

根據表2、表3所示，GPS反演的水汽數值與MODIS反演的水汽數值相近，兩種反演方法獲得的數值均值均在20mm左右，表明利用GPS觀測數據反演大氣水汽是可行的。總體上看GPS數據反演的水汽數值略大于MODIS水汽反演的水汽數值，這是由于受氣象條件限制，利用GPS觀測數據反演大氣水汽含量計算時的氣象資料缺乏，難以算出基站位置精確的加權平均溫度，所以只能將水汽轉換系數K取近似值常數，而將濕延遲轉化為大氣水汽含量時，主要誤差來源是轉換系數K的誤差，由此導致了利用GPS觀測值最終算得的水汽含量存在一定誤差。

3 結 論

GPS探測水汽相對于傳統手段具有探測精度高、時間分辨率高、不需要標定等優點，必將成為氣象現代探測的有效手段。目前，GPS水汽探測仍在發展中，有許多問題需要解決和改進。總結了GPS反演大氣水汽含量的原理并通過實例驗證了利用GPS反演大氣水汽含量的可行性，下一步應提高其可靠性和穩定性，為天氣預報災害監測等提供服務。

［1］ BEVIS M，BUSINGER S，HERRING T A，et al.GPS meteorology：Remote sensing of atmospheric water vapor using the global positioning system［J］.Geophys.Res，1992（97）：15787－15801.

［2］ 趙有兵.聯合地基GPS和MODIS研究成都地區大氣可降水量變化［D］.成都：西南交通大學，2008.

［3］ 葉朗明，侯喜良，邵 洋.GPS技術在水汽觀測中的應用及前景［J］.氣象水文海洋儀器，2009（3）：62－65.

［4］ 柳 典，劉曉陽.地基GPS遙感觀測北京地區水汽變化特征［J］.應用氣象學報，2009，20（3）：346－353.

［5］ 金慧華，閆征東，過靜琚，等.地基GPS反演水汽影響因素分析［J］.測繪科學，2008，33（4）：65－67.

［6］ 李國翠.華北地區地基GPS遙感可降水量及天氣學應用研究［D］.蘭州：蘭州大學，2007.

［7］ 青 盛，呂弋培，黃丁發，等.GPS水汽反演在成都地區的應用［J］.四川測繪，2008，31（3）：121－123.

［8］ 岳迎春 陳春明 俞 艷.GPS技術遙感南極大氣水汽含量的研究［J］.測繪科學，2008.33（5）：81－84.

［9］ 李成鋼，李 杰，陽 力，等.地基GPS技術在廣東區域水汽分布研究中的應用［J］.廣東氣象，2008，30（1）：14－16.

［10］ 陳兆林.基于GPS數據反演大氣水汽含量的研究［D］.徐州：中國礦業大學，2008.