CMONOC觀測約束下的中國大陸地區MODIS PWV校正

劉 備，王 勇，婁澤生，占 偉

1. 天津城建大學地質與測繪學院，天津 300384； 2. 中國地震局第一監測中心，天津 300180

水汽(precipitable water vapor，PWV)是大氣的主要組成部分之一，其對天氣和氣候的變化有著重要的影響。PWV分布對于研究中小尺度災害天氣，以及短時天氣預報中具有重要的意義[1-4]。PWV時空變化導致雷達信號的延遲，降低了合成孔徑雷達差分干涉測量(InSAR)的精度[5-7]。常規PWV獲取手段具有局限性，如無線電探測法精度高但時間分辨率較低[8-9]。目前，利用GNSS獲取PWV技術以及GNSS PWV應用的研究已經趨于成熟[10-14]。對于GNSS反演的PWV精度，國內外多位學者開展了GNSS PWV與無線電探空、水汽輻射計(WVR)PWV比較，獲得了兩者偏差為1～2 mm的結論[4,15-16]，因此可認為GNSS反演的PWV精度高，可滿足氣象應用的精度要求。受測站間距數十千米的限制，GNSS PWV存在空間上不連續呈離散分布的特征。利用MODIS影像反演的PWV在空間上是面狀連續的，可對大區域PWV進行分析研究，且MODIS PWV的變化趨勢與GNSS PWV接近，MODIS PWV可以彌補GNSS PWV在空間上的不連續性。受降水、云層、地表反射光譜不確定等影響，MODIS PWV的相對誤差超過10%，如果可以消除地表反射光譜、溫度廓線等的不確定性影響，其相對誤差可優于5%，因此認為MODIS PWV的精度較低[17-19]。目前對于GNSS PWV與MODIS PWV的相關研究主要集中于小區域以及短時段[20-24]。

融合GNSS PWV與MODIS PWV各自的優勢可用于天氣預報和InSAR大氣校正。為了推廣MODIS PWV產品的應用，需要提高MODIS PWV精度。中國大陸構造環境監測網絡(CMONOC)積累了全國260個GNSS站點觀測資料，本文擬利用CMONOC觀測資料開展中國大陸地區MODIS PWV校正研究。首先開展GNSS PWV與MODIS PWV的相關性比較；然后依據不同氣候類型的測站分布，構建基于GNSS的不同氣候類型MODIS PWV校正模型；最后進行模型的可靠性分析，并進行精度評定。

1 研究數據

本文研究數據包括GNSS PWV和MODIS PWV，研究數據時間為2016年1月—12月。

1.1 GNSS PWV反演

GNSS PWV由CMONOC觀測數據經高精度定位定軌軟件GAMIT計算獲得。CMONOC是一個由260個連續觀測和2000個不定期觀測站點構成的觀測網絡。GNSS PWV解算方案如下：解算軟件為GAMIT10.6，星歷為IGS精密星歷，Relax解算模式，衛星高度角10°，測站天頂對流層延遲(ZTD)的解算為每兩小時估算一個值，ZTD由靜力學延遲(ZHD)與對流層濕延遲(ZWD)組成，ZHD采用Saastamoinen模型結合測站緯度、大地高和氣壓觀測數據精確計算獲得，ZWD由ZTD減去ZHD獲得[4]。ZWD轉化為PWV，可采用公式PWV=∏×ZWD計算獲得，轉換系數∏可由Bevis提出的公式計算獲得[25]。對于由GNSS觀測和氣象數據反演獲得的PWV序列，針對PWV明顯異常值，認為是粗差，給予刪除預處理。GNSS PWV單位為毫米(mm)，解算精度為1～2 mm，可滿足氣象應用的要求。

1.2 MODIS PWV反演

MODIS PWV反演方案如下：解算軟件為ENVI5，利用MOD05 PWV產品的近紅外波段可反演PWV，MODIS PWV單位為mm。MODIS影像可通過NASA網站下載MODIS的MOD05 PWV產品獲得論文研究所需MODIS PWV數據(https:∥ladsweb.modaps.eosdis.nasa.gov/search/)。

GNSS PWV的獲取時間分辨率為2 h，而MODIS PWV的時間分辨率為每天2個觀測值，為了便于兩者比較及計算相關性，本文選擇將GNSS PWV的時間分辨率抽稀成每天2個觀測值，2次觀測值時間與MODIS PWV時間最為接近。

2 MODIS PWV校正

利用GNSS PWV進行MODIS PWV，首要任務是確定兩者之間的關系，進而選擇合適的模型校正方法。本節首先開展GNSS PWV與MODIS PWV的相關性分析，計算兩者的偏差；然后選擇回歸分析方法構建基于GNSS PWV的MODIS PWV校正模型。

2.1 GNSS PWV與MODIS PWV相關性分析

由于CMONOC站點多，若每一個站點都開展GNSS PWV與MODIS PWV的相關性分析和建模工作，模型工作量大且使用也不方便。因此，本文依據中國大陸地區的氣候分布類型，將CMONOC站點分別劃入到各氣候類型(圖1)，并依據氣候類型分別開展GNSS PWV與MODIS PWV的相關性比較。圖2為隨機選擇兩個站點的MODIS PWV與GNSS PWV對比的散點圖。

圖1 CMONOC站點氣候帶劃分圖Fig.1 Map of climate zone stations of CMONOC

圖2 MODIS PWV與GNSS PWV對比Fig.2 Comparison between MODIS PWV and GNSS PWV

從圖2可以看出MODIS PWV與GNSS PWV之間具有較好的相關性，且兩者的演變趨勢較為一致，這些特點為利用GNSS PWV對MODIS PWV進行校正提供了基礎。

由于我國具有多種氣候類型，每種氣候類型之間降水差異較大，另外，我國的降水具有明顯的季節性，因此，需要對數據進行分類。表1為按照氣候類型以及季節劃分之后的MODIS PWV與GNSS PWV的相關性統計，表2為兩者之間的平均偏差和均方根誤差統計。表1中的各氣候類型的樣本數計算如下：首先統計2016年各站點GNSS PWV與MODIS PWV的對應個數獲得站點樣本數，然后將各氣候類型包含站點的樣本數相加獲得各氣候類型的樣本數。對于4個季節的樣本數，就是分別求出各季節GNSS PWV與其對應的MODIS PWV序列的對應個數，然后將各氣候類型包含站點的季節樣本數相加獲得各氣候類型的季節樣本數。

表1 MODIS PWV與GNSS PWV相關性統計

Tab.1 Statistics of correlation between MODIS PWV and GNSS PWV

數據時間高原山地熱帶季風溫帶大陸溫帶季風亞熱帶季風全年相關性0.654 0.1430.6620.7760.530樣本數5045760218341197615355春季相關性0.373 0.3660.4520.6720.402樣本數1306176561730343558夏季相關性0.279-0.4180.7470.7990.307樣本數1227203555930363808秋季相關性0.569-0.2210.4840.740.381樣本數1340193558530754007冬季相關性0.512 0.1680.1760.2400.316樣本數1172188507328313682

由表1可以看出MODIS PWV與GNSS PWV具有較好的相關性，除熱帶季風氣候區域外，在其他氣候區域兩者的全年相關性超過了0.5。高原山地全年的相關性優于4個季節的相關性，其原因在于：MODIS PWV與GNSS PWV分季節的相關性低的原因在于短期小起伏不匹配影響了兩者的相關性，而全年的相關性更好的原因是短期小起伏不匹配對于一年的時間尺度來說其影響較小，因此兩者的全年相關性優于分季節相關性。高原山地氣候類型GNSS PWV與MODIS PWV在夏季的相關性明顯低于其他3個季節，熱帶季風氣候類型的GNSS PWV與MODIS PWV在夏、秋兩個季節的相關性不同于全年和其他兩個季節的相關性，相關性為負，這是因為該區域降水主要集中于夏季和秋季，而降水發生前的云層較厚影響了MODIS PWV精度。

由表2可知，MODIS PWV與GNSS PWV之間存在一些偏差，因高原山地、溫帶大陸和溫帶季風氣候類型區域的PWV值較小，MODIS PWV與GNSS PWV的偏差與均方根誤差相對較小，為10 mm以內。熱帶季風和亞熱帶季風區域全年的PWV值較大且波動較大，降水過程多，因此這兩個區域MODIS PWV與GNSS PWV的偏差與均方根誤差較大，超過10 mm，部分季節超過了20 mm。

通過MODIS PWV與GNSS PWV的誤差統計分析，說明MODIS PWV精度不高，有必要進行校正；而MODIS PWV與GNSS PWV的相關性分析，說明可利用GNSS PWV開展MODIS PWV校正研究。

表2 MODIS PWV與GNSS PWV平均偏差和均方根誤差統計

2.2 MODIS PWV校正模型

對MODIS PWV校正時，以年、季節兩個尺度進行模型構建。其中季節劃分是以3—5月為春季；6—8月為夏季；9—11月為秋季；12至次年2月為冬季。模型建立好之后對模型進行精度評定，分別對5個氣候類型的MODIS PWV進行兩個尺度的校正與建模，模型的一般表達式為

PWVGNSS=A×PWVMODIS+C

(1)

式中，PWVGNSS為GNSS PWV；PWVMODIS為MODIS PWV；A為模型系數；C為常數。為了兼顧模型構建所需樣本數較多以及檢驗樣本充分，本文選擇80%樣本數據用于模型構建，20%樣本數據用于模型驗證，數據選擇為隨機選取。表3為MODIS PWV校正模型中各項參數的統計。

MODIS PWV校正模型構建后需要進行模型的可靠性檢驗，本文采用預留的20%樣本進行模型的可靠性驗證。表4為對模型驗證結果的平均偏差和均方根誤差的統計。圖3為用直方圖繪制的校正前后MODIS PWV與GNSS PWV差值的均方根誤差。

表3 MODIS PWV校正模型統計

表4 模型校正后MODIS PWV與GNSS PWV平均偏差均方根誤差統計

圖3 MODIS PWV(校正前后)與GNSS PWV差值的均方根誤差Fig.3 The RMS of the difference between MODIS PWV and GNSS PWV, and the difference between corrected MODIS PWV and GNSS PWV

對比表2、表4和圖3，可知：無論哪個氣候類型，全年模型的精度都低于春季、秋季，以及冬季這3個季節的模型精度，但是優于夏季模型。此外，熱帶季風區的夏季和秋季MODIS校正模型的模型系數表現為負數。其原因主要是夏季降水多，MODIS影像受降水以及云層影響較大，而GNSS PWV不受季節、降水等天氣因素的影響，所以導致夏季的MODIS PWV精度低于其他季節，并且MODIS PWV與GNSS PWV的相關性受這些因素的影響，表現出異常性，也可以說降水的多少對模型精度有影響，降水越少，模型精度越高。此外，由于GNSS PWV的變化具有年周期、半年周期，以及更小尺度的周期，對全年數據進行建模，由于周期性質復雜，所以導致全年模型的精度低于季節模型的精度。另外，對比分析表2、表4和圖3，還可知：熱帶季風氣候類型地區的MODIS PWV校正效果優于其他區域，如熱帶季風氣候區域的全年模型均方根誤差校正精度由原來的20.9 mm，達到8.59 mm，校正效果明顯。

3 模型推廣及驗證

對我國進行分區構建MODIS PWV校正模型，這極大地減少了模型數量，但是區域模型是否就能代替站點模型，還需驗證。以下對區域模型用于區域內站點MODIS PWV校正的精度進行驗證。如果對所有站點開展單站點模型構建并進行檢驗，由于CMONOC站點達260個，工作量甚大，本文篇幅限制也不容許把所有站點模型及檢驗結果列出，本文區域模型的檢驗隨機選擇兩個站點進行。

3.1 模型推廣——區域模型用于單站點檢驗

對以上構建的區域模型進行推廣，驗證區域模型用于單站點的精度。對各氣候類型選擇2個站點進行區域模型的檢驗，檢驗之前需要構建單站點MODIS PWV校正模型，GNSS站建模的樣本數和驗證的樣本數選取的原則參照與氣候類型類似的方法，建模數據約80%，檢驗數據為20%，模型如表5所示。

表5 單站點MODIS校正模型

選用單站點檢驗數據用于單站點模型和區域模型的MODIS PWV校正，并與同時段的GNSS PWV和MODIS PWV相比較，圖4為部分單站點模型和區域模型的MODIS PWV校正值與GNSS PWV、MODIS PWV的比較。統計區域模型用于單站點校正與單站點模型直接校正的平均偏差和均方根誤差(表6)。

圖4 MODIS PWV、GNSS PWV、區域模型PWV和站點模型PWV的對比Fig.4 Comparison among MODIS PWV, GNSS PWV, regional model PWV, and single station model PWV

根據表6和圖4可以得出結論：利用區域模型對單站點MODIS PWV進行校正，其模型精度與單站點模型的精度相差不大，大部分站點區域模型用于單站點MODIS PWV校正的精度可達到毫米級，某些情況下可以用區域模型代替站點模型對MODIS PWV進行校正。當對精度要求不是特別高的時候，以及站點數據不能滿足要求時，可以利用區域模型對站點進行MODIS PWV的校正工作。另外，區域模型對區域內MODIS PWV校正，不需要對每個站點都單獨進行校正工作，這大大減少了人力與物力。

3.2 MODIS PWV校正模型精度評定

MODIS PWV是面狀連續的，上文對MODIS PWV的校正是基于點狀數據進行的，無法將MODIS PWV面狀連續的優點利用起來，而ArcGIS軟件能夠通過一定的插值方法將點狀數據以面狀的形式顯示出來。

表6 區域模型用于單站點校正與單站點模型直接校正的誤差統計

插值方法有多種，中國地形起伏差異較大，直接采用克里金或反距離加權方法插值效果不佳。Delaunay三角網的優點是結構良好，數據結構簡單，與不規則的地面特征和諧一致，可表示線性特征和疊加任意形狀的區域邊界。本文選擇區域氣候模型在GNSS站點校正，然后通過采用構建Delaunay三角形，再在三角形內進行水汽內插的方式獲得中國大陸地區的MODIS PWV插值結果。利用ArcGIS中的空間分析功能對插值后的圖像進行作差，這樣就可以得到面狀的差值圖，彌補前面僅對點狀數據進行分析的不足，充分利用MODIS PWV的面狀優勢。圖5為2016年11月24日UTC 03:40時刻的GNSS PWV、MODIS PWV，以及校正后MODIS PWV之間的差值圖。

圖5 GNSS PWV、MODIS PWV，以及校正后MODIS PWV之間的差值Fig.5 Difference diagram among GNSS PWV, MODIS PWV and the calibration-PWV of MODIS

由圖5可知：亞熱帶季風氣候、溫帶季風氣候的MODIS PWV校正后效果優于校正前精度，溫帶大陸性氣候、高原山地氣候和熱帶季風氣候校正前后的差異不顯著。為了精確獲得各類型氣候的校正效果，對各氣候區所有GNSS站點校正前后的MODIS PWV與GNSS PWV之差，分別統計校正前后的平均偏差和均方根誤差(表7)。

表7 模型校正前與校正后MODIS PWV與GNSS PWV平均偏差和均方根誤差統計

Tab.7 Mean deviation and root mean square error statistics between, corrected and uncorrected MODIS PWV and GNSS PWVmm

高原山地熱帶季風溫帶大陸溫帶季風亞熱帶季風均方根誤差校正前0.13-5.49-0.71-2.53-6.63校正后3.558.511.09-0.252.81平均偏差校正前3.5411.882.113.2711.46校正后1.348.511.631.114.79

由表7可知：從平均偏差來看，各氣候類型校正后的MODIS PWV優于校正前MODIS PWV；就均方根誤差而言，對于亞熱帶季風和溫帶季風氣候類型來說，校正后效果優于校正前，溫帶大陸氣候校正前后相當，高原山地和熱帶季風氣候校正后效果低于校正前。原因分析如下：因選擇的數據時間為2016年11月24日，處于秋末冬初季節，高原山地和溫帶大陸氣候區域的水汽值較低，水汽值低于10 mm，水汽變化小，校正效果較差。而溫帶季風氣候和亞熱帶季風氣候水汽值相對較高，因此校正效果明顯。熱帶季風氣候水汽值雖高，由于該區域站點較少，改善效果欠佳。

4 結 論

本文通過對CMONOC的GNSS資料處理、分析，然后利用GNSS PWV對MODIS PWV進行校正，并結合氣象學等多學科，開展了MODIS PWV校正研究，得出了以下結論：利用GNSS PWV對MODIS PWV進行校正，區域模型和站點模型的校正后精度均能夠達到毫米級，達到了氣象業務應用的要求；利用區域模型對單站點MODIS PWV進行校正，其模型精度與單站點模型的精度相差不大，區域模型用于單站點PWV校正時大部分站點的精度可達到毫米級，某些情況下可以用區域模型代替單站點模型對MODIS PWV進行校正；利用Delaunay三角網插值分析，可以將校正后的點狀數據擴展為面狀數據，插值結果可以對氣象預報起到一定的參考作用。

鑒于熱帶季風氣候地區MODIS PWV與GNSS PWV的相關性低，為提高模型精度，可選用其他更合適的函數關系來構建基于GNSS 的MODIS PWV校正模型。利用模型校正的MODIS PWV用于獲取全國MODIS PWV變化圖時，為保證精度，插值需要考慮溫度、氣壓、地形等因素對該地區PWV變化的影響。

致謝：感謝中國大陸構造環境監測網絡中心為本文研究提供GMONOC站點GNSS觀測數據和氣象數據！