基于CNES實時軌道鐘差數據反演大氣可降水量*

王 敏 柴洪洲 謝 愷 陳艷麗

1)信息工程大學測繪學院，鄭州 450052

2)解放軍68011 部隊，蘭州730020

1 引言

自基于GPS 信號反演大氣可降水量(PWV，Precipitable Water Vapor)技術提出以來，以其空間時間分辨率高、觀測成本低、不受惡劣天氣影響等優點被廣泛應用。然而，數值天氣預報等應用的發展也對GPS 反演大氣可降水量結果的實時性提出了更高要求。目前，IGS(International GNSS Service)正式產品中能夠滿足實時應用需求的只有超快預報產品，但該產品的鐘差精度較低，影響了大氣可降水量反演精度。現有的實時近實時GNSS 大氣反演技術大多基于雙差網解方式，以此減弱軌道鐘差誤差對大氣反演結果的影響。

精密單點定位方式反演大氣可降水量的方法，相對于雙差網解方式具有估計模型簡單，測站之間相互獨立，可直接估計絕對時延等優點。IGS 開展實時先導計劃(RTPP，Real Time Pilot Project)［1］以來，越來越多的分析中心開始發布實時軌道和鐘差數據流，這已成為實時軌道鐘差數據的主流來源［2］。使用實時軌道鐘差數據結合精密單點定位方法反演大氣可降水量，能夠提高結果的實時性和精度，改善測量方式的靈活性，并簡化數據處理過程。有多位學者致力于該領域的研究，Douˇsa［3］分析了預報產品軌道誤差分別對精密點定位方式和非差網解方式估計天頂對流層延遲精度的影響。葉世榕等［4］的研究表明，采用IGS 實時星歷與實時鐘差估計的天頂對流層延遲精度優于20 mm。張小紅等［5］以Trip 軟件采用快速精密星歷和鐘差近實時解算了大氣可降水量，同NOAA 提供值相較，兩者的平均偏差小于0.5 mm，RMS 值優于1.3 mm。

本文將采用法國國家空間研究中心(CNES，Center National d’Etudes Spatiales)發布的實時軌道鐘差產品，以精密單點定位方法反演大氣可降水量，以驗證采用該產品反演大氣可降水量的可行性。

2 大氣可降水量反演原理

GPS 信號傳播過程中的對流層天頂方向總延遲(ZPD，Zenith Path Delay)可以分解為:

轉換為PWV［6］。式中∏為轉換系數，

式中，Rv為水汽氣體常數，ρ1是液態水密度，k3是物理常數，Tm為大氣加權平均溫度。其中

式中，Mw為濕大氣的摩爾質量，Md為干大氣的摩爾質量，k1、k2也是物理常數。Tm可由與測站氣溫Ts相關的線性模型得到，本文選用文獻［7］提出的模型:

式中Ts代表測站地表溫度。

3 實時軌道鐘差數據精度分析

CNES 使用基于NTRIP(Network Transport of RTCM by Internet protocol)協議的BNC(BKG Ntrip Client)軟件獲取實時觀測數據，以每6 小時更新一次的快速星歷外推部分作為軌道信息，估計實時軌道鐘差產品［8］。目前，其發布的實時產品采樣間隔為5s，總時延為6 ～8s，已經可以滿足近實時估計大氣水汽的需要。圖1 為ESCO(The European Space Operations Center)［8］發布的本文試驗時段CNES 實時軌道鐘差數據精度，試驗期間軌道單日RMS 最大值為36.8 mm，平均值為31.67 mm;鐘差誤差單日RMS 最大值為0.45ns，平均值為0.39ns。

圖1 實時軌道鐘差數據單日RMSFig.1 Daily RMS of CNES real-time orbits and clocks

圖2 為實驗時段IGS 超快預報產品單日RMS，試驗期間軌道單日RMS 最大值為43.0 mm，平均值為37.1 mm;鐘差單日RMS 最大值為4.11ns，平均值為2.85ns。可以看到，實驗時段內CNES 實時軌道鐘差數據精度要好于IGS 超快預報產品，尤其是實時數據的鐘差精度比IGS 超快預報鐘差好一個數量級，這是由于衛星鐘差存在短周期或不規則變化，且變化具有隨機性，很難進行預報估計，而實時軌道鐘差數據來自地面觀測網絡的實時估計，能夠避免這一問題。因此，相較IGS 超快預報產品，采用實時軌道鐘差數據可以減弱軌道鐘差信息誤差對大氣可降水量反演精度的不利影響。

圖2 IGS 超快預報產品單日RMSFig.2 Daily RMS of IGS ultra-rapid predicted product

4 實驗結果與分析

為驗證采用實時軌道鐘差數據實時計算大氣可降水量的可行性，選取SuomiNet 觀測網絡的P001、P055、P678、SA06、SA30、SA43、SA58 七個觀測站2012年1月3—9日共七天的觀測數據(圖3)，采用CNES 提供的實時軌道鐘差數據，用自編軟件以精密單點定位方法計算對流層天頂濕延遲，以此反演大氣可降水量。

圖3 測站位置Fig.3 Location of stations used in experiments

計算中，使用Saastamoinen 模型作為ZHD 模型［9］，映射函數使用NMF［10］，將天頂濕分量作為隨機過程建模，并將計算結果同SuomiNet［11］發布值進行對比分析。由于采用以天為單位分別計算的策略，每天開始的計算需要一定的初始化時間才能收斂到足夠的精度，所以每天第一個小時的計算結果不參與對比。

1)天頂延遲反演結果精度分析

如表1 所示，由于ZHD是由模型計算得到的，而兩套結果ZHD 的平均偏差和RMS 均小于1 mm，推斷這是由于兩者的計算都采用了Saastamoinen 模型，而兩者的差異是由計算使用的氣象參數略有不同導致的。ZWD是由ZPD 與ZHD 相減得到，因此在ZHD 偏差很小的情況下，ZPD 和ZWD 的精度水平是一致的。實驗結果也顯示所有測站的ZPD 計算結果與SuomiNet 公布結果平均偏差均小于5 mm，RMS 均小于9 mm，大部分RMS 為7 mm 左右;ZWD 平均偏差均小于4.5 mm，RMS 均小于9 mm，可以認為兩套結果符合較好。同時可以注意到ZPD和ZWD 的平均偏差均為負值，兩者之間存在一定的系統性差異，這主要是因為兩種結果來自不同的計算策略，SuomiNet 的計算是基于雙差網解模式，而本文采用精密單點定位模式。

表1 對流層延遲計算結果統計(單位:m)Tab.1 Statistics of tropospheric delay results(unit:m)

2)大氣可降水量反演結果精度分析

為驗證實時軌道鐘差數據誤差對大氣可降水量反演精度的影響，選取實驗時段的IGS 最終產品，以相同的計算策略進行大氣可降水量反演實驗，并將兩組試驗結果進行對比(圖4)。從圖4 中可以看出，兩組水氣反演結果總體吻合較好，但不同的軌道鐘差數據對反演結果有毫米級影響。其中，CNES實時軌道鐘差數據反演結果同SuomiNet 公布值最大偏差為3 mm 左右，多數為1 ～2 mm。而且兩者的偏差表現出一定的系統性，由實時軌道鐘差數據計算得到的結果較SuomiNet 公布值總體偏小，這與ZWD 的結果是一致的。

其他六站的反演結果對比如表2 所示，從統計指標來看，兩種軌道鐘差數據的水氣反演結果精度大體相當，只有部分測站IGS 最終產品的反演結果精度指標略好。兩組結果的平均偏差均小于1 mm，RMS 均小于2 mm，與SuomiNet 公布結果吻合較好。另外，綜合表2 和表1 可以看出本文計算得到的PWV 精度和ZWD 精度是匹配的，相同測站ZWD 的平均偏差大致是PWV 反演精度的六倍，這與轉換系數的倒數在數值上很接近，考慮到計算轉換系數公式中唯一的變量為大氣加權平均溫度，這說明本文選用的Schueler 模型計算的大氣加權平均溫度與SuomiNet 的計算結果較為一致。

圖4 SA30 站大氣可降水量反演結果對比Fig.4 Comparison among PWV results at SA30 station

表2 CNES 與IGS 軌道鐘差數據大氣可降水量反演結果對比(單位:m)Tab.2 Companison among PWV results derived with different orbits and clocks(unit:m)

圖5 為P678 站為實時軌道鐘差數據反演結果同IGS 最終產品反演結果與SuomiNet 公布值的差值對比，兩組差值表現出類似的變化趨勢，顯示SuomiNet 公布值和IGS 最終產品反演結果是接近的。大部分時間兩組的偏差的絕對值小于4 mm，最大值為6 mm 左右，再次驗證了應用實時軌道鐘差數據能夠達到較好的大氣可降水量反演精度。

圖5 P678 站兩種軌道鐘差數據反演大氣可降水量結果的差異Fig.5 Difference between PWV results at P678 station

5 結論

采用CNES 發布的實時軌道鐘差數據進行反演大氣可降水量實驗，利用SuomiNet 觀測網絡7 個觀測站7天的觀測數據反演大氣可降水量，計算結果同SuomiNet 的公布值符合得較好。對比利用IGS最終產品的反演結果，兩者的大氣可降水量反演精度相當，實時軌道鐘差數據誤差對大氣可降水量反演結果有毫米級影響。

在實驗中未考慮實時數據傳輸延遲因素對大氣可降水量反演可能造成的影響，未來我們將在這一方面繼續開展工作;另外，不同數據中心發布的實時軌道鐘差產品精度存在一定差異，這種差異對于實時大氣可降水量反演造成的影響也值得繼續研究。

致謝感謝Denis Laurichesse 先生提供實時數據產品及在使用方面提供的幫助!

1 Caissy M.Status of IGS real time pilot project［EB/OL］.http://igscb.jpl.nasa.gov/mail/igs－mail/2009/msg00052.html.

2 Dow J M，et al.The international GNSS service in a changing landscape of global navigation satellite systems［J］.Journal of Geodesy，2009，83(3－4):191－198.

3 Dousa J.The impact of errors in predicted GPS orbits on zenith troposphere delay estimation［J］.GPS Solutions，2010，14(3):229－239.

4 葉世榕，等.精密單點定位方法估計對流層延遲精度分析［J］.武漢大學學報(信息科學版)，2008，33(8):788－791.(Ye Shirong，et al.Precision analysis of precise point positioning based tropospheric delay estimation［J］.Geomatics and Information Science of Wuhan University，2008，33(8):788－791)

5 張小紅，等.基于GPS 非差觀測值估計大氣可降水量［J］.武漢大學學報(信息科學版)，2010，35(7):806－810.(Zhang Xiaohong，et al.Near real time PW inversion based on zero－differenced GPS observation［J］.Geomatics and Information Science of Wuhan University，2010，35(7):806－810)

6 Bevis M，et al.GPS meteorology:Mapping zenith wet delays onto precipitable water［J］.Journal of Applied Meteorology，1994，33:379－386.

7 Schueler T，et al.On the use of numerical weather fields for troposphere delay estimation in wide area augmentation systems［R］.14th ION ITM，Salt Lake City，Utah，2001.

8 ESCO.ESCO RTPP REPORTS［EB/OL］.ftp://cddis.nasa.gov/gps/rtpp/.

9 Mccarthy D D，et al.IERS conventions(2003)［R］.IERS，2004.

10 Niell A.Global mapping functions for the atmosphere delay at radio wavelengths［J］.Journal of Geophysical Research，1996，101(B2):3 227－3 246.

11 SuomiNet.Real time integrated atmospheric water vapor and TEC from GPS［EB/OL］.http://www.suominet.ucar.edu/intro.html.