歐陽明達,張海東,張英利
(1.信息工程大學,河南 鄭州 450052;2.西安測繪總站,陜西 西安 710054)
中國大陸構造環境監測網絡(簡稱陸態網絡)是以GNSS觀測為主,輔以VLBI、SLR和InSAR等空間技術,結合精密重力測量和精密水準觀測技術,對我國大陸及臨近地區構造環境(地球巖石圈、水圈和大氣圈)變化進行實時監測的國家級地球科學綜合觀測網絡。
陸態網絡260個連續運行GNSS基準站分布在全國各個地區,通過高精度GNSS數據處理軟件聯合數據處理,可以獲取每個基準站的精確坐標,從而獲得衛星與站點間的動態距離,則我們就可以反過來在原來的后處理方程中,將距離改正模型中的電子密度參數、水汽含量參數等看作未知進行解算,從而獲得這些參數的量值及其變化。這些動態大氣水汽檢測資料不僅會大大地促進氣象學各分支學科研究工作的進展;也為天氣分析預報、數值天氣預報、人工影響天氣等領域提供基礎信息,從而為延長災害性天氣預報時效和提高預報精度服務。
利用陸態網絡基準站試運行的觀測數據,計算某地區基準站站址上空一定時間段內可降水汽量的變化情況??梢詾樵摰貐^天氣分析預報、數值天氣預報、人工影響天氣等提供一些參考。
GNSS信號在傳播的過程中,會受到電離層和對流層帶來的信號折射和延遲影響,通過使用雙頻信號技術可以有效的消除電離層影響;通過獲取GNSS衛星精密星歷、精確的測站坐標以及有效的觀測數據可以計算出GNSS信號受對流層影響的天頂方向總延遲量,由于總延遲量是由主要受水汽含量影響的濕項延遲分量和由于氣壓、溫度等因素產生的干項延遲分量兩部分組成,因而我們可以利用傳統的經驗模型計算出對流層中GNSS信號的干項延遲分量,進而得到GNSS信號的濕項延遲,通過轉化函數,獲取可降水量數據(PWV)[1-2],基本流程如圖1所示。

圖1 獲取可降水量流程
從圖1可以看出,GNSS水汽反演過程,包含了以下幾個環節:
1) 第1個環節的過程可以通過圖2進行描述,可以看出,只有獲取了精確的測站間基線長度以及精密的衛星星歷數據才能使獲取的對流層延遲量達到必要的精度。在解算總天頂延遲的過程中應首先確保基準站坐標的準確性,基線解算應能夠獲得較高的相對精度,一般應優于10-7,因而必須使用高精度后處理軟件進行過程反演[2-3]。目前,常用的軟件有:Bernese GPS Software,GIPSY/OASIS-Ⅱ和GAMIT/GLOBK.對流層對GNSS信號的影響表現在:一是降低信號傳輸速度,這主要取決于大氣的厚度以及信號折射率[4];二是導致信號的彎曲,由于大氣折射的變化,實際的GNSS信號傳輸途徑是一條曲線。

圖2 獲取天頂方向總延遲量
電磁波在對流層中的延遲量可以表示為
(1)
式中:Nd和Nw為折射數的干項分量和濕項分量;Hd為Nd趨近于0時的高程值;Hw為Nw趨近于0時的高程值;N為大氣折射率,用來表示溫度、氣壓、水汽壓的函數,較常用的有線性模型以及負指數模型,2007年殷海濤[5]等人又提出了一種分段模型收到了較好效果。
2) 在第2個環節中,大氣延遲被表示為兩項天頂延遲和映射函數的乘積:
ZTD=ZHD×dmap(z,p)+
ZWD×wmap(z,p)
(2)
式中:ZHD為天頂靜力學延遲,也稱作是天頂干項延遲;ZWD為天頂濕項延遲;map為與天頂距z、氣象參數p相關的映射函數,映射函數是與每個延遲的高度角有關的數學模型,他的主要用途是進行斜向延遲和天頂延遲之間的相互轉換[6],常用的有NMF、MTT、VMF1等幾種映射函數模型。根據地面溫度、氣壓等測量值計算出天頂干項延遲后,用天頂總延遲量減去干項延遲分量(ZHD)便得到濕項延遲分量(ZWD)[7]。
3) 在第3個環節中,根據地面氣溫資料,由經驗公式計算出加權平均溫度Tm或根據地面氣溫的觀測資料和濕度的氣象探空資料計算出當地加權平均溫度Tm,再根據Tm計算出轉化系數,利用Businger公式反演出GNSS遙感的可降水量[2]。
采用美國麻省理工大學的GAMIT/GLOBK軟件進行數據分析,對華中某地區5個陸態網基準站在年積日158~168天的觀測數據進行解算。
由于陸態網絡基準站還在試運行期間,并未進行統一解算,因而選取五個中國地殼運動觀測網絡工程基準站作為控制解算華中某地區HBXF、HBZG、HBJM、HBES、WUHN五個陸態網絡基準站的精確坐標。采用軌道松弛解處理模式,并對基準站進行強約束,其中解基線約束值為0.005 m、0.005 m、0.005 m,設置天頂延遲參數每兩小時獲取一個。最后將陸態網絡基準站觀測數據和五個中國地殼運動觀測網絡工程基準站同步觀測數據、GNSS導航電文文件、精密星歷文件、氣象數據文件放入相應的年積日文件夾下。選取的基準站站點分布如圖3所示,僅以WUHN站為例進行說明。
從計算的Q文件中可以查看解算的精度和可靠性是否符合標準,一般要求,均方根殘差(nrms)在0.3以下,否則,可能是由于未除去大周跳或某一參數解算有誤[7]。結果如表1所示,均方根殘差最大值為0.17,平均值為0.163,均在0.3以下,符合解算的精度標準,從表2可以看出,基線解相對精度為10-8,符合解算水汽含量的要求。通過解算得到WUHN站總天頂延遲(Total Zen)、濕項延遲(Wet Zen)、可降水量(PWV)以及氣壓(Press)、溫度(TEMP)估值。

圖3 陸態網絡基準站分布圖
表1均方根殘差(nrms)統計

年積日NRMS1580.161590.161600.171610.161620.161630.171640.171650.161660.171670.161680.15

表2 基線相對精度統計
總天頂延遲量減去天頂干項延遲分量得到了某區域的濕項延遲分量,圖4是WUHN 站總天頂延遲量和濕項延遲量統計圖。
圖4表明,濕項延遲量占到了總天頂延遲的10%左右,與總天頂延遲量呈現出良好的相關性,說明該站址附近區域濕項量對于總天頂延遲的變化起著主導的作用。究其原因,從圖5和圖6的氣壓和溫度數據來看,該站址以及附近溫度和氣壓變化保持在±10 hPA和±10 ℃之間,反映出氣候變化保持在一個相對恒定的水平。由于干項分量主要受氣溫以及氣壓影響,對于天頂總延遲,它產生變化的主導因素就是濕項分量。

圖4 WUHN站ZTD和ZWD統計圖

圖5 WUHN站氣壓統計圖

圖6 WUHN站溫度示意圖
圖7示出的是WUHN站GNSS水汽含量(PWV)、溫度數據(TEMP)以及實際降水觀測數據,可以看出,地區實際降水量和GNSS水汽含量之間并不存在相關性。只有當水汽含量達到了一定程度的時候,才會發生降水。降水過程發生前,水汽含量出現一個緩慢積聚的過程,并在降水時達到峰值后迅速回落。大部分情況下,降水往往出現在高濕和低溫之后,如在時間序列為43處,當地實際氣象為暴雨黃色預警,3小時實際降水量達到48 mm,此時溫度較之前迅速出現回落,水汽含量達到了69.64 mm,顯示為一個極大值;相同的情況也出現在了后兩次強降水過程中。PWV和溫度呈現出明顯的反相關關系,在高濕低溫的條件下,最有可能發生降水,因而可以用作站址以及附近降水短期預報?;诖?,只有實現了GNSS連續運行觀測基準站分布更加密集,觀測數據實時獲取、實時處理的情況下,才能更加準確及時地反映出區域內水汽含量變化態勢并開展降水短期預報。

圖7 WUHN站PWV、TEMP和降水量統計圖
通過濕項延遲量分析以及可降水量、溫度和實際降水量對比分析得出,可以得出以下結論:
1) 天頂干項延遲分量受溫度和氣壓影響,在氣溫和氣壓相對平緩地區,天頂總延遲量的變化主要受到了濕項延遲的影響。
2)PWV和溫度呈現出明顯的反相關關系,在高濕低溫的條件下,最可能有降水現象的發生,并且在降水前期PWV值出現了緩慢積聚、溫度值急速下降的態勢,可以用作于短期的天氣預報分析。
3) 地區實際降水量和GNSS水汽含量沒有相關關系,只有當水汽含量達到了一定程度,才會發生降水。陸態網絡基準站GNSS水汽含量觀測能夠較好反映站址以及附近水汽變化情況,并實現降水短期預報。因而,只有實現了GNSS連續運行觀測基準站分布更加密集,觀測數據實時獲取、實時處理的情況下,才能更加及時反映出區域內水汽含量變化情況并實現區域內降水短期預報。
目前,正處于陸態網絡建設初期,根據工程進展部署,未來將會有更多的基站建設,通過實時捕獲站點GNSS觀測數據以及氣象觀測數據,并進行實時動態分析,就可以利用GNSS數據實現降水短期預報,對區域水汽預報分析,區域氣象變化研究必然發揮重大的作用。
[1] 青 盛,呂戈培,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.
[2] 青 盛.地基GPS水汽反演的研究[D].成都:西南交通大學,2009.
[3] 總參謀部測繪導航局.大地與工程測量[M].解放軍出版社,2012.
[4] 周國君,劉旭春,潘 雄.利用GPS遙感哈爾冰地區大氣綜合水汽含量[J].測繪與空間地理信息,2006,29(3):93-97.
[5] 殷海濤,黃丁發,熊永良,等.GPS信號對流層延遲改正新模型研究[J].武漢大學學報·信息科學版,2007(5):454-457.
[6] 嚴豪?。行源髿庹凵溆成浜瘮岛痛髿庹凵淠负瘮捣椒╗J].天文學進展,2000,18(2):104-113.
[7] 楊 玲,李博峰,劉立志.不同對流層模型對GPS定位精度的影響[J].測繪通報,2009(4):9-11.
[8] DEPARTMENT of EARTH AND PLANETARY SCIENCES MASSACHUSETTS INSTITUTE OF TTCHNOLOGY . Document for GAMIT GPS analysis software.release10.4 [R].USA:MIT,2010.