基于超快速星歷反演大氣可降水量的精度分析

師蕓,鄔康康,申靖宇

(西安科技大學 測繪科學與技術學院,陜西 西安 710054)

0 引 言

在氣象學研究中,學者們將垂直方向上氣柱內所有的水汽含量轉化成液態水的高度來表示大氣中的水汽含量,又稱為大氣可降水量(PWV).大氣中的水汽含量雖然少,但它卻是大氣系統的重要組成部分,幾乎所有的天氣變化都與水汽的動態變化密切相關.因此,及時準確地掌握水汽的變化對于預報天氣具有重要意義.傳統的水汽探測方法有探空氣球、激光探測、微波輻射計等,但這些方法存在造價高昂、時空分辨率低等問題.文獻[1]在1992年進行了GPS探測PWV的實驗,利用地面氣溫擬合了大氣的加權平均溫度,使得 GPS探測大氣水汽的方法由設想變成現實,并在1994年提出“GPS氣象學”的概念.幾乎同一時間,北京大學的毛杰泰教授[2]將這一概念引入國內,并對GPS-PWV的原理做了詳細介紹.文獻[3]綜合各種因素研究了如何實時獲得高精度的GPS-PWV，同時衛星軌道信息是影響地基GNSS反演PWV精度重要因子之一.文獻[4]的研究表明,利用IGS中心提供的最終精密星歷獲得的水汽精度可達1 mm,其精度完全可以滿足天氣預報的需求.但是最終精密星歷具有時間上的延遲性,最短也有13 d左右,無法滿足對天氣的實時預報.

這時，猴子跑進來說：“縣里來電話，說新站長乘下午一點的班車到。”我一看表，是十二點三十六分，得趕緊準備。

?Rose，R．，“What is lesson － drawing?”Journal of Public Policy，1991，11(1)，pp．3 ～30．

為解決此問題,IGS中心于2000年提供可以實時下載的超快速星歷,國內外許多專家學者對于廣播星歷、快速星歷、超快速星歷是否可以代替最終精密星歷來實現對水汽的實時獲取這一問題進行了許多研究.文獻[5]對廣播星歷條件下基線解算精度進行了分析,結果表明,一定條件下用廣播星歷代替最終精密星歷可以滿足日常工程需求;文獻[6]中可以用超快速星歷代替最終精密星歷進行中長基線的解算;文獻[7-9]使用不同星歷進行精密單點定位精度分析,并取得了良好的定位精度;文獻[10]使用超快速星歷可以得到和最終精密星歷精度一致的低軌定位結果.

針對最終精密星歷更新速度較慢、時延較長,無法滿足實時反演PWV的要求,本文利用GAMIT軟件,用超快速星歷代替精密星歷反演出PWV, 并將其與最終精密星歷和氣象探空站獲得的PWV對比分析,結果表明,超快速星歷可以代替最終精密星歷反演PWV,實現對中小尺度天氣的預測.

1 地基GNSS反演PWV

GPS信號在傳播過程中會受到電離層和對流層影響產生延遲和彎曲.其中電離層延遲可以利用雙頻接收機消除99%以上的影響,大氣總延遲剔除電離層延遲可得到對流層總延遲,其可表示為

1)衛星截止高度角為15°.

(1)

3)歷元間隔30 s.

ZTD=ZHD+ZWD，

(2)

式中:ZHD為天頂方向上的干延遲;ZWD為天頂方向上的濕延遲.

其中，干延遲量占對流層總延遲的90%以上[11],其具有較好的穩定性,可以利用地面氣象觀測通過數學模型計算;而濕延遲隨著時間和方向不同而發生快速的變化,難以用模型計算.可利用GAMIT等高精度GPS數據處理軟件求解,天頂靜力學延遲 (ZHD)可通過Saastamoinen模型很好地估計得到,由此可分離得到天頂濕延遲(ZWD)[12],而PWV與ZWD成比例關系,有

秦明月聽到表揚跟聽到批評一樣，臉上仍然不見絲毫變化，又說：“但是這案子我卻感到越來越難辦，似乎線索太多了。”

2)由圖3、表2可以看出2016年二者差值最大為0.65 mm,平均差值為0.005 6 mm,在數值上幾乎保持一致.2013年二者差值最大為1.62 mm,平均差值為0.071 3 mm;

PWV=Π·ZWD,

(3)

（3）民營企業決策不科學。在民營企業經營管理中，通常是資歷較深的管理者擁有決策權，先進科學的管理方式和管理理念都要讓步于“資歷”或“輩分”，管理者依賴于自己的經驗，不會聆聽員工的聲音來適時改變管理對策，導致企業的發展決策缺少科學性與民主性。在民營企業初期發展階段，采取一刀切式管理方法或許能夠提升管理效率，但是若企業規模變大，仍然采取老舊的決策方式極易造成管理效率的損失。企業的決策應有一定的程序性與科學性，單純依賴于經驗決策，難免有失公允。

圖1 GPS反演PWV流程圖

2 數據及處理

2.1 數據來源

本次試驗選取中國北京房山(BJFS)、武漢(WUHN)及泰國帕圖瓦(CUSV),菲律賓奎松市(PIMO)四個IGS站點數據,及對應時間IGS提供的星歷產品,探空站數據.觀測時段為2013年7月1日-7月8日及2016年5月30日-6月4日.歷史天氣數據顯示,此時間段內武漢地區有大到暴雨,水汽變化明顯,具有代表意義.

本試驗通過增施富含微生物菌劑的營養料，可穩定維持養殖水體pH在弱堿性環境，為小龍蝦健康生長創造了適宜的水體環境，同時增加了水體溶氧含量和透明度，提高了小龍蝦代謝強度，促進了小龍蝦攝食量增大，加快了生長速度。但數據顯示微生物營養料對水質調控方面在降低氨氮和亞硝酸鹽含量的同時也增加了水體總磷含量，分析原因可能與養殖水體pH增高、微生物活性增強，促進生物攪動、礦化作用從而促使沉積物磷釋放而導致［9］，建議施用微生物營養料期間控制含磷類投入品的施用量，以降低水體富營養化風險，同時進行多品種混養，充分利用空間和餌料，種植水生植物控制水體和沉積物中N、P含量等。

探空站數據從美國懷俄明州立大學(http://weather.uwyo.edu/)網站下載,IGS觀測數據及其他數據可從地球動力數據分析中心(CDDIS)獲取[13-14],其中觀測數據觀測時長為24 h,采樣率為30 s.IGS提供的精密星歷產品包括最終精密星歷(IGF)、快速精密星歷(IGR)、超快速精密星歷(IGU)[15-16].不同星歷在精度、滯后時間、更新率和采樣率方面存在差異,如表1所示.

表1 IGS提供的精密星歷產品

2.2 數據處理

采用GAMIT10.6軟件,主要參數設置如下:

“MDT是一種初步發展的模式，專病診療中心就是更高層次的MDT團隊。”孫湛說，“MDT團隊成熟以后成立亞專科，亞專科成熟以后成立專病診療中心，目前中山醫院已經有13個專病診療中心了。”

2)解算模式選擇BASELINE.

式中:HD為靜力學延遲;WD為濕延遲.通過映射函數,將大氣延遲轉換到天頂方向,則天頂總延遲(ZTD)為

回到家，我對媽媽說：“媽媽，我不想學了，舞蹈太難了。”媽媽盯著我看了一會兒，眼中充滿了失望，但仍在和藹地對我說：“孩子，你不能因為一點困難就輕易放棄，你不是想參加演出嗎？為了這個夢想也要堅持下去呀！只要功夫深，鐵杵磨成針。遇到困難，要學會選擇堅持。你想一想，站在舞臺上，那么多人為你鼓掌，這是一件多么值得驕傲的事兒啊！”

4)對流層模型選用Saastamoine模型、映射函數選用VMF1.

在IGS提供的所有星歷產品中,IGF精度最高,IGU精度最低,但更新頻率最快.從更新頻率來看,超快速星歷完全可以滿足實時反演PWV的要求.本節對比分析利用IGF和IGU計算PWV的精度差異.PWV計算時可采取不同的時間間隔,本文采用的時間間隔為2 h,一天可得到13組結果.由于暴雨的影響,2016年5月31日5：00-24：00缺乏觀測數據,故5月31日得到兩組結果.經計算整理得到IGF與超快速星歷條件下PWV的序列圖和差值圖.

5)加權平均溫度模型采用Bevis經驗公式.

6)分別采用不同精密星歷進行基線解算,解算時引入氣象觀測數據,生成Z文件,通過sh_metutil生成可降水量成果文件.

3 數據處理結果及分析

3.1 不同星歷條件反演的PWV對比

錢先[2] 從本病發病時皮毛會出現憔悴枯槁、肌表不固等癥狀，根據肺合皮毛，認為肺虛是主要病因，若肺氣虧虛不能輸精于衛表，或又因肺朝百脈，助心行血，肺氣虧虛會影響血的生成，致使腠理失于溫潤滋養，甚至血行不暢導致瘀血內阻，內臟組織失榮受損。

1)由圖2可知兩種星歷條件下得到的PWV值非常接近,且整體趨勢一致;利用SPSS軟件計算得到二者相關性均在0.985以上;

蔬菜苗期的猝倒病、立枯病；茄果類的早疫病、晚疫病；瓜類的枯萎病、炭疽病等都是通過床土傳染的。而床土是培育蔬菜壯苗的基礎，好的床土必須是肥沃：養分完全、保肥力強；疏松透氣，既能保蓄一定的水分，又能使空氣流通；而且也應無病原菌、蟲卵和草籽。

3)相對于2016年來說,2013年水汽差值較大,但2013年7月5日左右武漢發生暴雨,降雨量超過500 mm,空氣中水汽含量最高可達77.8 mm,因此相對于空氣中水汽含量來說,二者差異幾乎可以忽略不計.

(a)2013年7月1日-2013年7月8日水汽對比 (b)2016年5月29日-2016年6月4日水汽對比

(a)2013年7月1日-2013年7月8日水汽差值 (b)2016年5月29日-2016年6月4日水汽差值

表2 IGF和超快速星歷計算結果的差值統計

時間差值最大值/mm最小值/mm均值/mm標準差 2013年7月1日-2013年7月8日1.62-1.410.07130.5847 2016年5月59日-2016年6月4日0.65-0.410.00560.1682

3.2 GPS-PWV與Radio-PWV對比

無線電探空站是為大氣科學研究而在全球建立的大氣探測站.目前已經在國內不同地區建立了超過100個探測站.以準確地獲取不同高度的氣壓、溫度、可降水量等產品；因其探測精度較高,常作為其他探測方法的檢驗標準.本文利用武漢無線電探空站(簡稱ZBAA,編號57494)作為檢驗標準,與地基GPS反演的PWV對比如圖4所示.

(a)2013年IGF-PWV與Radio-PWV對比 (b)2016年IGF-PWV與Radio-PWV對比

(c)2013年IGU-PWV與Radio-PWV對比 (d)2016年IGU-PWV與Radio-PWV對比

表3 GPS-PWV與Radio-PWV對比結果統計

時間IGU-PWV與Radio-PWV結果統計最大差值/mm最小差值/mm平均差值/mm相關系數RMSEIGF-PWV與Radio-PWV結果統計最大差值/mm最小差值/mm平均差值/mm相關系數RMSE 20135.46-5.08-0.113 70.9442.814.97-4.88-0.185 00.9482.73 20165.08-5.13-0.315 70.9732.984.98-4.95-0.321 40.9732.97

由圖4可知,對比IGS站反演出的PWV與探空站得到的PWV可知,二者在趨勢上保持高度一致,最高相關性可達到0.973,但并不是完全對應相等,因為探空站的位置與IGS站的位置只是相近,并不完全重合,另一方面探空氣球獲得的PWV會有包含時間延遲且受風力等因素的影響,而GPS接收機接收信號則是實時反映變化.結合圖4、表3可知,二者數值非常接近,最大差值不超過6 mm,利用最終星歷得到的PWV與Radio-PWV對比,2013年平均差值為0.185 mm,2016年平均差值為0.321 4 mm,最大均方根誤差為2.97.超快速星歷條件下,2013年二者平均差值為0.113 7 mm,2016年二者平均差值為0.315 7 mm,最大均方根誤差為2.98,由此可以證明地基GNSS反演PWV是穩定可靠的.

4 結 論

地基GNSS探測PWV相對于其他傳統探測手段具有成本低、時空分辨率高、范圍廣等優點,本文通過對2013年7月1日-7月8日及2016年5月30日-6月4日武漢兩次降雨時期不同星歷條件下獲取的PWV與Radio-PWV對比分析,可得到以下結論:

1)與探空站獲取PWV對比,連續運行參考站反演的PWV精度較高,二者之間的平均誤差不超過5 mm,最大均方根誤差不超過3,在無法獲得Radio-PWV的情況下,可利用地基GPS獲得的可降水量代替Radio-PWV用于對中小尺度天氣的預測等.

2)與2016年相比,2013年基于超快速星歷計算得到的PWV與基于IGF計算得到的PWV值相差較大,但是同期武漢降雨量超過500 mm,空氣中水汽最高含量達77.8 mm,其差值占PWV總含量不足0.1%,因此可認為兩種星歷條件下計算得到的PWV一致,均可以滿足對天氣預報的需求.

3)基于IGF和超快速星歷得到的PWV具備良好的一致性,鑒于IGF的長時間時延,可利用IGF進行事后計算PWV,用來研究PWV的變化特征等；若需要實時獲取PWV,可采用精度較低的超快速星歷反演的PWV.

4)文中采用4個IGS站進行聯合計算,結果良好.至于參與解算的跟蹤站數量及位置分布對計算PWV精度的影響,還需要采用不同的觀測組網解算進一步分析討論,以便提高地基GNSS反演PWV的精度.