基于SDCORS的區域可降水汽含量分析

姜英明,楊穎,郭金運,姚向東,張海平,馮彥同

(1.山東科技大學測繪科學與工程學院,青島 266590;2.山東省國土測繪院,濟南250102)

?

基于SDCORS的區域可降水汽含量分析

姜英明1,楊穎2,郭金運1,姚向東1,張海平2,馮彥同2

(1.山東科技大學測繪科學與工程學院,青島 266590;2.山東省國土測繪院,濟南250102)

摘要：利用GAMIT/GLOBK軟件對SDCORS站的觀測數據進行解算,獲得了山東地區各測站的時間間隔為1小時的大氣可降水汽序列,將其與NCEP模型插值計算得到的可降水汽含量、地面站點的實際降水量進行了比較分析。結果表明:利用SDCORS觀測數據所反演的可降水汽含量有一定的使用價值,可以用于氣象學上大氣可降水汽含量的研究;GPS可降水汽含量能夠作為降水短期預報的指標,能夠監測天氣變化的過程。

關鍵詞：CORS;可降水汽含量(PWV);降水量;NCEP再分析資料

0引言

水汽在大氣中所占的比例很小,約為0.11～3%[1],但其在天氣和氣候變化中起著主要的作用。研究大氣可降水汽含量的變化,對預測氣候的變化、天氣預報和異常天氣等方面有重要的現實意義。傳統的探測技術受到很多條件的限制,無法滿足探測實時大氣水汽含量的需要。而使用GPS探測得到的可降水汽有更高的時間分辨率和空間分辨率,同時不受大氣塵埃和天氣的影響,在探測大氣可降水汽方面有著明顯的優勢。

GPS氣象學的研究起源于美國。自從Bevis等人于1992年提出了GPS遙測可降水汽含量的思想后[2],國內外的許多學者也紛紛開始了這方面的研究,并在經歷了從GPS氣象學的可行性到實際應用的研究中,取得了一系列的研究成果。Takagi等使用GPS反演方法對拉薩地區季風前與季風期間的大氣PWV值的日變化特征進行分析,發現其在季風前和季風期間都存在明顯的最小值[3]。Osamu等人使用GPS反演手段對日本關東平原一次冷鋒過境的天氣變化過程中的PWV進行分析后發現,冷鋒過境后,關東平原上空的PWV存在明顯的高值區[4]。Kanda的研究也表明,GPS/PWV的觀測結果對于短期強降水的預報準確率提升明顯[5]。我國學者對可降水汽含量的研究主要有:毛節泰在1993年初步進行了GPS氣象學的研究[6],計算了大氣可降水汽含量。王小亞于1998年進行了GPS氣象學的試驗,其結果證明了GPS探測可降水汽含量的可靠性[7]。畢研盟等進行了GPS氣象學的相關試驗,并結合相應的地面溫度、氣壓等氣象數據計算了時間間隔為30秒的可降水汽含量[8]。宋淑麗利用上海GPS的觀測數據進行了可降水汽三維層析技術的研究,得到了水汽的三維分布,以便于研究天氣狀況[9]。曹云昌等研究了可降水汽含量與降水量的聯系,發現其能夠精確地監測天氣變化[10]。王勇等利用秦皇島地基GPS采集的數據計算逐時可降水汽含量,對秦皇島地區的降雨過程進行了分析[11]。

本文利用SDCORS站的觀測數據,采用GAMIT/GLOBK軟件獲得了山東各測站的大氣可降水汽含量,并與NCEP模型計算的可降水汽含量和地面的降水量比較,分析GPS用于解算可降水汽含量的可靠性及其在監測天氣變化方面的作用。

1數據來源

1.1CORS站數據

SDCORS系統由100多個基準站組成,于2007年開始建設并陸續投入使用,該系統為探測山東省地區的可降水汽含量提供了穩定的觀測數據[12]。SDCORS站點分布如圖1所示,本文選擇了所有SDCORS站在2012年年積日為第001、002、003、004、091、092、093、094、181、182、183、184、271、272、273、274的共16天的觀測數據。

圖1　SDCORS站點分布

1.2IGS站

直接解算得到的測站上空的天頂延遲量具有相關性,需要引入長度大于500 km以上的長基線來減少這種相關性[13],從而得到測站天頂方向對流層延遲絕對量,進而求出測站上空絕對PWV.因此,在GPS反演水汽的數據處理中需引入IGS站進行聯合解算,以確保觀測網中有長度超過500 km的基線。本次解算中選取3個IGS站參與數據處理,分別是北京站(BJFS)、武漢站(WUHN)、上海站(SHAO)。

1.3 NCEP再分析資料

美國國家環境預報中心(NCEP) 發布的NCEP再分析資料是美國國家環境預測中心(NCEP)和國家大氣研究中心(NCAR)合作分析產生的氣象分析數據資料,該資料覆蓋全球具有資料完整、時間序列長等優勢[14]。其中的可降水汽含量數據,適合全球和區域長期的水汽變化的研究[15]。1948年至今的NCEP/NCAR全球再分析資料可以免費獲取,時間分辨率為6 h.利用經緯度分辨率為2.5°×2.5°的 Surface 數據,對NCEP再分析資料的格網數據進行雙線性插值,計算出相應測站的可降水汽含量。

2數據解算方法

2.1基本原理

根據GPS的觀測值, GAMIT/GLOBK軟件可以計算出天頂方向的對流層總延遲(ZTD)。而對流層總延遲又分為靜力學延遲(ZHD,又稱干延遲)和濕延遲(ZWD)兩部分。其中靜力學延遲比較有規律可以通過模型計算出來,常見的計算模型有Saastamoinen模型[16]、Hopfield模型[17]和Black模型[18]等。這樣就可以利用總延遲與靜力學延遲作差得到濕延遲,最后利用轉換系數K,得到各個測站大氣可降水汽含量。

本文選擇Saastamoinen模型計算靜力學延遲,即

(1)

式中: ZHD表示靜力學延遲(mm); Ps為地面大氣壓(hPa); φ為測站緯度(度); H為測站大地高(km); f(φ,H)為緯度和高度的函數,反映了重力加速度隨地理位置和海拔高度的變化,其表達式為

f(φ,H)=1-0.0026cos2φ-0.00028H.

(2)

天頂濕延遲ZWD計算公式為

ZWD=ZTD-ZHD.

(3)

利用轉換系數將濕延遲轉化為可降水汽含量

PWV=K·ZWD,

(4)

式中,K為轉化系數,可用下式得到

(5)

Tm=70.2+0.72Ts,

(6)

式中: Tm為加權平均溫度(K); Ts為地面氣溫(K).

2.2PWV解算原理

利用地基GPS解算大氣可降水汽含量分為三個基本步驟:1) 解算GPS觀測數據得到測站天頂方向對流層總延遲;2) 利用模型計算天頂靜力延遲,然后從對流層總延遲中分離出天頂對流層的濕延遲;3) 利用轉換系數K,得到各個測站PWV.具體計算過程，如圖2所示。在使用GAMIT軟件進行基線解算過程中,將Choice of Experiment項設為RELAX,即對軌道和基線松約束;觀測值的組合方式設置為LC-AUTCLN,即采用雙頻消電離層組合。為提高數據解算的精度,抵消解算誤差,還引入了許多模型。其中大氣模型采用了Saastamoinen模型,相比Hopfield模型,該模型在我國境內的改正效果更好[20]。干濕映射函數都采用了目前精度相對比較高的維也納映射函數1(VMF1)[21]。在對對流層參數進行估計時,將其估計間隔設置為1 h.同時,還考慮了海潮、大氣潮、極潮和太陽光壓等對基線解算結果的影響,并引入相關模型消除其誤差。為消除接收機天線相位等造成的影響,還考慮GPS接收機天線相位中心偏差和變化[22]。

圖2　PWV解算技術路線

3結果與分析

3.1均方根殘差nrms值統計

GPS/PWV是GPS測量的一個副產品,其精度與定位精度密切相關[23]。基線解算的精度與可靠性是判斷解算可降水汽含量精度的標志。而衡量GAMIT軟件的基線解算質量最主要的指標是驗后均方根殘差nrms.其計算公式為

(7)

表1　基線解算均方根nrms

3.2GPS/PWV與NCEP/PWV的比較

將對應時間的(年積日為001、002、003、004、091、092、093、094、181、182、183、184、271、272、273、274天0時、6時、12時和18時)NCEP再分析資料模型插值得到的可降水汽含量(NCEP/PWV)與SDCORS數據反演的可降水汽含量(GPS/PWV)做差,其差值的統計結果如表2所示。

表2　NCEP/PWV與GPS/PWV對比數據表

從表2可以看出NCEP插值計算的可降水汽含量與GPS反演的大氣可降水汽含量比較的最大偏差為3.87 mm,最小偏差為-4.16 mm,平均偏差為-1.97 mm,標準差為1.31 mm,均方差2.33 mm.通過以上的比較說明利用SDCORS反演的可降水汽含量有一定的使用價值,可以用于氣象上大氣可降水汽含量的研究。

圖3、圖4分別是使用山東省2012年第002天0時的NCEP/PWV和GPS/PWV數據繪制的等值線圖。從這兩幅圖上可以看出兩種PWV在空間上具有一致性,兩幅圖在山東西部可降水汽含量最高,向東依次遞減。由于NCEP再分析資料是2.5°×2.5°的格網數據,雙線性插值時沒有考慮到地形因素,在個別地區兩種資料會出現一些異常情況。圖5示出了年積日為第002天0時NCEP/PWV與GPS/PWV的差值,繪圖過程為首先將GPS/PWV與NCEP/PWV在對應觀測站處的值作差,然后使用克里金插值法對差值繪制等值線圖。圖中大部分地區差值在-1～-2.5 mm之間,從山東省整體來看二者有較好的一致性,但同時也有一些差異,二者的差異主要受NCEP模式系統和同化系統、GPS觀測系統、反演算法/模式算法和同化引入數據等的共同影響。圖6、圖7分別示出了安丘站和曲阜站的GPS/PWV與NCEP

/PWV的差值圖,由這兩幅圖可以看出在這兩個測站處的GPS/PWV與NCEP/PWV隨時間的變化情況大體一致。

圖3　山東省內NCEP/PWV12年第002天0時的等值線

圖4　山東省內GPS/PWV12年第002天0時的等值線

圖5　山東省內12年第002天0時GPS/PWV與　NCEP/PWV的差值

圖6　安丘站GPS/PWV與NCEP/PWV的差值

圖7　曲阜站GPS/PWV與NCEP/PWV的差值

3.3GPS/PWV分布圖及與地面降水的比較

從中國氣象科學數據服務網(http://cdc.cma.gov.cn)上可下載我國境內的降水資料。通過解算SDCORS站的數據,獲得了山東地區各測站的時間間隔為1 h的大氣可降水汽序列。在本文處理的16天的數據當中,在年積日為第093天山東東部發生了降水,其他時間降雨量不太明顯。由于篇幅有限,本文只列舉山東省2012年第093天2時、4時、8時、12時的可降水汽含量分布等值線圖,如圖8、圖9、圖10、圖11所示。

圖8　山東省內GPS/PWV12年第093天2時的等值線

圖9　山東省內GPS/PWV12年第093天4時的等值線

從圖8至圖11中可以看到該地區域的可降水汽含量的空間分布以及隨時間變化的情況;可直觀全面地分析某地區可降水汽含量和氣候狀況;相對其他探空手段而言,地基GPS反演大氣可降水量在空間和時間分辨率上有自己獨特的優勢,能夠為天氣研究提供可靠資料。

圖10　山東省內GPS/PWV12年第093天6時的等值線

圖11　山東省內GPS/PWV12年第093天8時的等值線

圖12　濰坊站GPS/PWV與地面實際降水量的對比

圖12為濰坊站2012年第091至094天時間間隔為1 h的GPS/PWV與地面實際降水量的對比圖。從中可以看出降水的發生首先表現為大氣中的可降水汽含量逐漸上升,并在到達峰值之后其含量下降時發生降雨;最后是可降水汽含量消減。這與許多研究是相一致的。圖12表明GPS能夠精確地監測天氣變化的整個過程,利用GPS探測大氣可降水汽含量有非常大的應用前景。

4結束語

本文以SDCORS站數據為基礎,對地基GPS探測大氣可降水量進行了初步的研究。主要包括以下幾方面的內容:通過對SDCORS測站觀測數據進行解算得到各測站天頂方向的大氣可降水量PWV,將其與由NCEP再分析資料插值得到的大氣可降水量PWV進行對比分析,從而證明利用GPS觀測數據解算大氣可降水量是可靠的。在此基礎上繪制了大氣可降水量等值線圖,分析了當地面發生降水時可降水汽含量的變化情況。其結論如下:

1) 通過對SDCORS測站觀測數據進行解算得到各測站天頂方向的大氣可降水量PWV,與NCEP再分析資料插值得到的大氣可降水汽含量進行對比分析。其統計結果中平均偏差為-1.97 mm、標準差為1.31 mm、均方差為2.33 mm.通過以上的比較說明利用SDCORS反演的可降水汽含量有一定的使用價值,可以用于氣象上大氣可降水汽含量的研究。

2) 繪制山東可降水汽含量等值線圖,可以更加直觀全面地分析某地區可降水汽含量隨時空的變化情況;相對其他探空手段而言,地基GPS反演大氣可降水量在空間和時間分辨率上有自己獨特的優勢,能夠為天氣研究提供可靠資料。

3) 通過濰坊站年積日為第091至094天的可降水汽含量與地面的降水量對比分析表明:當可降水量的變化超過一定的范圍之后地面將會伴隨著降水。通過SDCORS測站觀測數據監測PWV的變化,能夠為預測地面的天氣狀況提供輔助。

參考文獻

[1] 盛裴軒, 毛節泰, 李建國,等.大氣物理學[M].北京:北京大學出版社, 2011.

[2] BEVIS M, BUSINGER S, HERRING T A,etal. GPS meteorology: Remote sensing of stmospheric water vapor using the Global Positioning System[J]. Journal of Geophysical Research, 1992,97(D14):15787-15801.

[3] TAKAGI T, PEIMING W, KIMURA F. Diurnal variation of GPS precipitable water over the Tibetan Plateau during the post-monsoon period in 2000[J].Journal of the Meteorological Society of Japan, 2000:175-180.

[4] OSAMU O, FUJIO K. Behavior of GPS-derived precipitable water vapor in the mountain lee after the passage of a cold front[J]. Journal of Geophysical Research, 2003,30(14):17-46.

[5] MANABU KANDA. GPS meteorology: ground-based and space-brone application[C].//Proceedings of GPS meteorology, Tsukuba, Japan, 2001:3-12.

[6] 毛節泰.GPS氣象應用[J].氣象科技, 1993(4):45-49.

[7] 王小亞.地面GPS探測大氣可降水汽量的研究及其在氣象上的應用[D].上海:中國科學院上海天文臺,1998.

[8] 畢研盟,毛節泰,楊光林,等.地基GPS遙感觀測安徽地區水汽特征[J].氣象科技,2004,32(4):225-228.

[9] 宋淑麗,朱文耀,廖新浩.地基GPS氣象學研究的主要問題及最新進展[J].地球科學進展,2004,19(2):122-125.

[10]曹云昌,方宗義,夏青. GPS遙感大氣可降水量與局地降雨關系的初步分析[J].應用氣象學報,2005,16(1):54-59.

[11]王勇,何榮,楊彬云,等.GPS反演的可降水量與降水的對比分析研究[J].測繪科學,2010,35(5):80-82.

[12]姜英明,郭金運,劉智敏,等.利用SDCORS數據建立山東區域動態坐標參考框架[J].北京測繪,2015,124(5):31-34.

[13]宋淑麗,朱文耀.區域GPS網實時計算可降水量的若干問題[J].中國科學院上海天文臺臺刊,2003(24):20-27.

[14]KALNAY E, KANAMITSU M, KISTLER R,etal. The NCEP/NCAR 40 years reanalysis project[J]. Bulletin of the American Meteorological Society,1996,77(3):437-471.

[15]林丹,王維佳,李慧晶.西南地區可降水量時空分布和變化特征[J].氣象科技,2013,5(24):889-894.

[16]SAASTAMOINEN J. Contributions to the theory of atmospheric refraction[J]. Bulletin Géodésique, 1973(107): 13-34.

[17]HOPFIELD H S. Tropospheric effect on electromagnetically measured range: prediction from surface weather data[J].Radio Science, 1971, 6(3): 357-367.

[18]BLACK H D, EISNER A. Correcting satellite Doppler data fortropospheric effects[J]. Journal of Geophysical Research, 1984, 89(D2): 2616-2626.

[19]BEVIS M, BUSINGER S,CHISWELL S,etal. GPS meteorology: Maping zenith wet delays onto precipitable water[J]. Journal of Applied Meteorology, 1994(33):379-386.

[20]曲偉菁,朱文耀,宋淑麗,等. 三種對流層延遲改正模型精度評估[J].天文學報,2008,49(1):113-122.

[21]高興國,劉焱雄,馮義楷,等.GNSS對流層延時映射函數影響分析比較研究[J].武漢大學學報·信息科學版,2010,35(12):1402-1404.

[22]郭金運,徐泮林,曲國慶. GPS接收機天線相位中心偏差的三維檢定研究[J]. 武漢大學學報·信息科學版,2003,28(4):448-451.

[23]李國平,黃丁發.地基GPS氣象學[M].北京:科學出版社,2010.

[24]鄂棟臣,詹必偉,姜衛平,等.應用GAMIT/GLOBK軟件進行高精度GPS數據處理[J].極地研究,2005,17(3):173-182.

姜英明(1991-),男,碩士生,主要從事空間大地測量等研究。

楊穎(1957-),男，研究員，主要從事大地測量方面的研究。

郭金運(1969-),男,博士,教授,博士生導師,主要從事空間大地測量、海洋大地測量和物理大地測量等研究。

Analysis of Regional Perceptible Water Vapor Basedon SDCORS

JIANG Yingming1,YANG Ying2,GUO Jinyun1,YAO Xiangdong1,ZHANG Haiping2,FENG Yantong2

(1.CollegeofGeomatics,ShandongUniversityof

ScienceandTechnology,Qingdao266590,China;2.ShandongProvincialInstituteofLandSurveyingandMapping,Jinan250102,China)

Abstract:SDCORS data are processed to estimate the precipitation water vapor (PWV) over Shandong with the time resolution of one hour by the GAMIT/GLOBK. The GPS/PWV series are compared with the NCEP reanalysis data and local precipitation to verify the GPS/PWV accuracy and reliability. The results showed that the GPS/PWV from the SDCORS data can be used in the meteorological research and as oneindicator of short-term prediction of precipitation and weather monitoring.

Keywords:CORS; perceptible water vapor; precipitation; NCEP reanalysis data

作者簡介

中圖分類號：P228.4

文獻標志碼：A

文章編號：1008-9268(2016)01-0037-06

收稿日期：2015-10-22

doi:10.13442/j.gnss.1008-9268.2016.01.007

資助項目： 國家自然科學基金(批準號:41374009)、公益性行業科研專項(編號:201412001)、山東省自然科學基金(批準號:ZR2013DM009)

聯系人： 姜英明 E-mail:jiangyingming@live.com