利用北斗/GNSS觀測(cè)數(shù)據(jù)分析“21·7”河南極端暴雨過(guò)程

施闖,周凌昊,范磊,張衛(wèi)星,曹云昌,王成,肖鋒,呂國(guó)卿,梁宏

1 北京航空航天大學(xué)電子信息工程學(xué)院,北京 100191 2 衛(wèi)星導(dǎo)航與移動(dòng)通信融合技術(shù)工業(yè)與信息化部重點(diǎn)實(shí)驗(yàn)室,北京 100191 3 北京航空航天大學(xué)前沿科學(xué)技術(shù)創(chuàng)新研究院,北京 100191 4 武漢大學(xué)衛(wèi)星導(dǎo)航定位技術(shù)研究中心,武漢 430079 5 中國(guó)氣象局氣象探測(cè)中心,北京 100081 6 河南省測(cè)繪工程院,鄭州 450003

0 引言

2021年7月，河南省發(fā)生罕見(jiàn)的極端暴雨事件(以下簡(jiǎn)稱(chēng)“21·7”河南極端暴雨).以鄭州市為例，北京時(shí)間7月20日8時(shí)至21日8時(shí)，鄭州市內(nèi)24小時(shí)累計(jì)降雨量達(dá)624.1 mm，超過(guò)2019年509.5 mm的全年降雨總量.本次極端暴雨導(dǎo)致了嚴(yán)重的洪澇災(zāi)害，據(jù)河南省政府統(tǒng)計(jì)，截至8月2日12時(shí)，全省受災(zāi)區(qū)域包括150個(gè)縣(市、區(qū))、1663個(gè)鄉(xiāng)鎮(zhèn)，受災(zāi)人數(shù)達(dá)1453.16萬(wàn)人.受暴雨和洪澇影響，累計(jì)有302人遇難，50人失蹤，共有30616戶房屋倒塌，農(nóng)作物受災(zāi)面積1635.6萬(wàn)畝，造成的直接經(jīng)濟(jì)損失高達(dá)1142.69億元.本次極端暴雨是在大氣環(huán)流形勢(shì)異常的背景下，受多尺度系統(tǒng)、地形等影響因素的共同作用形成的.暴雨的發(fā)生需要充足、持續(xù)輸送的水汽，以及劇烈的大氣垂直運(yùn)動(dòng)(Chen et al.,1998).大氣可降水含量(Precipitable Water Vapor,PWV)作為空氣中水汽含量的表現(xiàn)形式之一，顯著影響著降雨的發(fā)生與規(guī)模(Duan et al.,1996).細(xì)致分析暴雨的發(fā)生過(guò)程與PWV之間的關(guān)系，對(duì)于極端暴雨的短時(shí)臨近預(yù)報(bào)預(yù)警，減少人員和財(cái)產(chǎn)損失具有重要意義.

傳統(tǒng)PWV探測(cè)多基于探空氣球搭載的無(wú)線電探空儀，然而探空儀數(shù)據(jù)的時(shí)空分辨率難以滿足高時(shí)空分辨率的PWV監(jiān)測(cè)需求(Shoji,2013)，造成局部地區(qū)極端降雨災(zāi)害的快速準(zhǔn)確預(yù)報(bào)預(yù)警非常困難.隨著GNSS(Global Navigation Satellite System，包括GPS、北斗、GLONASS、Galileo等)技術(shù)的不斷發(fā)展，基于地基GNSS的PWV探測(cè)技術(shù)自1992年起受到廣泛關(guān)注(Bevis et al.,1992).利用GNSS觀測(cè)數(shù)據(jù)可以獲取測(cè)站天頂對(duì)流層延遲，進(jìn)而精確反演大氣中的PWV.與傳統(tǒng)方法相比，基于GNSS的水汽探測(cè)具有空間分布廣、時(shí)間分辨率高、數(shù)據(jù)連續(xù)性強(qiáng)等優(yōu)勢(shì)，且與無(wú)線電探空儀具有相當(dāng)?shù)木人?Emardson et al.,1998;Sharifi and Souri,2015).

國(guó)內(nèi)外學(xué)者利用GNSS技術(shù)對(duì)PWV變化與暴雨發(fā)生的關(guān)系展開(kāi)了深入研究.Wang等(2015a)分析發(fā)現(xiàn)2012年北京“7·21”暴雨前數(shù)小時(shí)內(nèi)PWV發(fā)生了上升，且上升的時(shí)刻較好地對(duì)應(yīng)了暴雨發(fā)生時(shí)刻，認(rèn)為PWV在3～5 h內(nèi)的變化有助于實(shí)現(xiàn)暴雨預(yù)警.Cao等(2016)發(fā)現(xiàn)在鄱陽(yáng)湖地區(qū)的暴雨事件前1 h內(nèi)，不同GPS測(cè)站的PWV均表現(xiàn)出較為明顯的上升現(xiàn)象，然而不同站點(diǎn)PWV的變化幅度不相同.Suparta和Zainudin(2015)對(duì)南極半島三個(gè)區(qū)域的PWV在一次暴雨事件中的變化進(jìn)行分析，發(fā)現(xiàn)不同區(qū)域PWV的上升變化數(shù)值不同，說(shuō)明不同區(qū)域的水汽變化情況存在差異.以上研究均表明，暴雨事件的發(fā)生前多伴隨著PWV的上升，許多研究者因此建立了基于PWV變化的暴雨預(yù)測(cè)區(qū)域模型.Benevides等(2015)以PWV為自變量，提出一種折線趨勢(shì)(broken line tendency)最小二乘擬合的方法，通過(guò)不同的閾值對(duì)GPS測(cè)站附近區(qū)域的暴雨進(jìn)行預(yù)測(cè).該算法在研究時(shí)間范圍內(nèi)成功預(yù)測(cè)到75%的暴雨，但虛警率高于40%.Yao等(2017)利用浙江省五個(gè)GNSS站暴雨前PWV變化及其隨時(shí)間的一階導(dǎo)數(shù)，建立了考慮PWV變化率的極端降雨預(yù)測(cè)模型，結(jié)果表明該模型的預(yù)報(bào)成功率大于80%，但同樣存在40%的虛警率.Zhao等(2018,2020)先后引入PWV和天頂對(duì)流層總延遲(Zenith Total Delay,ZTD)的增量與斜率進(jìn)行模型優(yōu)化，將預(yù)測(cè)成功率提高至95%以上，同時(shí)虛警率降低至29%.此外，研究表明將同化后的PWV引入天氣預(yù)報(bào)模式WRF(Weather Research and Forecasting Model)，可顯著提高WRF的暴雨預(yù)測(cè)精度(張晶等,2014;貝純純等,2016;Sharifi et al.,2016).然而，現(xiàn)有研究多針對(duì)暴雨與PWV在時(shí)間上的關(guān)聯(lián)，對(duì)于兩者間空間分布關(guān)系仍有待進(jìn)一步研究.

北斗系統(tǒng)是我國(guó)自主建設(shè)、獨(dú)立運(yùn)行的全球衛(wèi)星導(dǎo)航系統(tǒng)，是國(guó)家重要的基礎(chǔ)設(shè)施，也是國(guó)際導(dǎo)航系統(tǒng)的重要組成部分(楊元喜,2010).本文針對(duì)“21·7”河南極端暴雨，利用河南省內(nèi)220個(gè)連續(xù)運(yùn)行的北斗/GNSS站觀測(cè)數(shù)據(jù)，采用精密單點(diǎn)定位(Precise Point Positioning,PPP)技術(shù)和克里金插值方法獲取了本次極端暴雨期間高時(shí)空分辨率的PWV空間格網(wǎng)數(shù)據(jù)，并評(píng)估了數(shù)據(jù)精度；同時(shí)，結(jié)合氣象站記錄的降雨量數(shù)據(jù)分析了本次極端暴雨過(guò)程中PWV與降雨量在時(shí)間和空間上的關(guān)系，為極端降雨災(zāi)害的短臨預(yù)報(bào)提供一種高時(shí)空分辨率的監(jiān)測(cè)手段和科學(xué)數(shù)據(jù)支撐，推動(dòng)北斗系統(tǒng)在大氣科學(xué)領(lǐng)域的應(yīng)用.

1 數(shù)據(jù)

本文利用河南省220個(gè)北斗/GNSS站提供的GNSS觀測(cè)數(shù)據(jù)，以及中國(guó)氣象局116個(gè)氣象站提供的氣象數(shù)據(jù)進(jìn)行研究，站點(diǎn)分布見(jiàn)圖1.其中，圖1a給出了北斗/GNSS站和氣象站的空間分布情況，圖1b給出的是河南省市級(jí)分界線及區(qū)域內(nèi)高程信息.研究中使用的數(shù)據(jù)還有來(lái)自歐洲中期天氣預(yù)報(bào)中心(European Centre for Medium-Range Weather Forecasts,ECMWF)的氣象再分析數(shù)據(jù)，用于PWV空間格網(wǎng)數(shù)據(jù)的比對(duì)分析.

圖1 河南省北斗/GNSS站、氣象站分布(a)與高程圖(b)其中，圓點(diǎn)表示北斗/GNSS站，三角形表示氣象站，其中紅色三角形表示配備了無(wú)線電探空儀的氣象站.Fig.1 The distribution of BeiDou/GNSS stations and meteorological stations (a),and the topography elevation (b)within Henan ProvinceThe dots represent the BeiDou/GNSS stations,while the triangle represents the meteorological stations.The red triangles mean that the meteorological stations are equipped with radiosondes.

1.1 氣象站數(shù)據(jù)

本文使用的氣象站數(shù)據(jù)包括雨量計(jì)監(jiān)測(cè)的降雨量數(shù)據(jù)，以及無(wú)線電探空儀獲取的水汽數(shù)據(jù).其中，僅有兩個(gè)氣象站可提供無(wú)線電探空獲取的水汽數(shù)據(jù)(圖1a中紅色三角形).這兩個(gè)氣象站分別位于鄭州市(氣象站編號(hào)57083)和南陽(yáng)市(氣象站編號(hào)57187)，探空儀獲得12 h分辨率的PWV將用于檢驗(yàn)本文北斗/GNSS反演PWV數(shù)據(jù)的精度.此外，所有氣象站均提供1 h分辨率的降雨量數(shù)據(jù)，可用來(lái)研究PWV變化和降雨量之間的關(guān)系.

1.2 北斗/GNSS觀測(cè)數(shù)據(jù)

利用PPP技術(shù)提取ZTD，結(jié)合氣象數(shù)據(jù)可實(shí)現(xiàn)北斗/GNSS站上空PWV的反演(Bevis et al.,1992).本文選擇的220個(gè)北斗/GNSS站在河南省內(nèi)分布均勻且密集，綜合各測(cè)站上空的PWV數(shù)值能夠較好地反映河南省水汽的空間分布的情況.GNSS數(shù)據(jù)處理的時(shí)間范圍為北京時(shí)間(Beijing Time,BJT)2021年7月17日0時(shí)至2021年7月25日23時(shí).

本文利用研究團(tuán)隊(duì)自主研發(fā)的北斗/GNSS高精度數(shù)據(jù)處理系統(tǒng)，采取統(tǒng)一的PPP數(shù)據(jù)處理策略計(jì)算得到北斗/GNSS站上空的ZTD數(shù)據(jù)(表1).為了更加精細(xì)地反映投影函數(shù)的經(jīng)驗(yàn)系數(shù)空間變化特征，在數(shù)據(jù)處理中選擇最新投影函數(shù)VMF3(Vienna Mapping Function 3)(Landskron and B?hm,2018).

表1 PPP數(shù)據(jù)處理策略Table 1 PPP data processing strategies

1.3 氣象再分析資料

ERA5是ECMWF發(fā)布的第五代全球氣象再分析資料，提供自1979年至今的氣象再分析數(shù)據(jù).ERA5數(shù)據(jù)的時(shí)間分辨率為1 h，水平方向的空間分辨率為31 km(約0.25°)，高程方向則將地面至80 km高空的空間分成37個(gè)氣壓層(從1000 hPa至1 hPa)，每個(gè)氣壓層包含溫度、氣壓、比濕、風(fēng)速等數(shù)據(jù)(Hersbach et al.,2020).ERA5數(shù)據(jù)在本文研究中有兩個(gè)用途.首先，提供PWV計(jì)算所需的加權(quán)平均溫度Tm和氣壓.需要注意的是在計(jì)算Tm和氣壓時(shí)需根據(jù)北斗/GNSS站的位置對(duì)ERA5格網(wǎng)數(shù)據(jù)進(jìn)行水平內(nèi)插和高程補(bǔ)償(Bai et al.,2021)，本文利用武漢大學(xué)GNSS研究中心開(kāi)發(fā)的氣象數(shù)據(jù)處理平臺(tái)GMET(GNSS Meteorological Ensemble Tools)進(jìn)行計(jì)算(Zhou et al.,2020).考慮到GNSS數(shù)據(jù)并未同化至ERA5產(chǎn)品，因此ERA5反演的PWV可作為有效的外部檢核手段，對(duì)本文PWV空間格網(wǎng)數(shù)據(jù)進(jìn)行精度驗(yàn)證(Zhang et al.,2019).

2 方法

2.1 利用GNSS觀測(cè)數(shù)據(jù)的PWV反演方法

利用PPP技術(shù)提取的ZTD可分為兩部分，分別是天頂靜力學(xué)延遲ZHD(Zenith Hydrostatic Delay)與天頂濕延遲ZWD(Zenith Wet Delay)，如(1)式所示：

ZTD=ZHD+ZWD,

(1)

其中，ZHD可結(jié)合Saastamoinen模型和氣象數(shù)據(jù)計(jì)算，其精度可達(dá)毫米級(jí)(Saastamoinen,1972).從ZTD中扣除ZHD后，對(duì)剩余的ZWD乘以相應(yīng)的轉(zhuǎn)換系數(shù)Π，可得到GNSS技術(shù)反演的北斗/GNSS站PWV，其計(jì)算過(guò)程如下：

(2)

PWVGNSS=Π×ZWD,

(3)

其中，k′2(=17±10 K/hPa)和k3(=3.776±0.004×105K2/hPa)分別為大氣折射率常數(shù)；Rw(=461.51 J/(K·kg))為水汽氣體常數(shù)；ρw(=1000 kg·m-3)為液態(tài)水密度；Tm為加權(quán)平均溫度(K).

2.2 PWV空間格網(wǎng)數(shù)據(jù)計(jì)算方法

為分析本次極端暴雨過(guò)程中河南省上空PWV的時(shí)序變化和空間分布，將PPP提取的北斗/GNSS站PWV通過(guò)克里金插值得到河南省0.25°×0.25°的PWV空間格網(wǎng)數(shù)據(jù).需要注意的是，利用克里金插值進(jìn)行空間場(chǎng)反演時(shí)需要保證所有點(diǎn)位于同一高度.然而，河南省所有北斗/GNSS站的高程并不統(tǒng)一，不同測(cè)站間最大高程差異超過(guò)1000 m.因此，需對(duì)北斗/GNSS站PWV進(jìn)行高程歸算.綜上，PWV空間格網(wǎng)數(shù)據(jù)可由以下兩個(gè)步驟完成.

第一步，對(duì)北斗/GNSS站反演獲取的PWV進(jìn)行高程歸算.PWV隨高程的變化可分為ZWD變化與轉(zhuǎn)換系數(shù)Π變化兩部分.對(duì)于ZWD，研究表明其隨高程大體上呈指數(shù)形式變化(Dousa and Elias,2014;Vaclavovic et al.,2017).而對(duì)于轉(zhuǎn)換系數(shù)Π，分析結(jié)果表明，研究時(shí)間范圍內(nèi)不同北斗/GNSS站上空1000 m范圍內(nèi)Π隨高程變化平均小于0.004(約為轉(zhuǎn)換系數(shù)的2%)，可忽略不計(jì).因此PWV隨高程的變化可僅考慮ZWD部分產(chǎn)生的影響.綜合考慮上述因素，PWV高程歸算如(4)式：

(4)

其中，H0和PWV0分別表示北斗/GNSS站的高程及PWV數(shù)值，H1和PWV1分別表示歸算目標(biāo)高度及目標(biāo)高度的PWV數(shù)值，qpwv為經(jīng)驗(yàn)標(biāo)尺高度，通常設(shè)置為2 km(Schüler,2014;Yao et al.,2015).為簡(jiǎn)化計(jì)算，H1設(shè)置為2 km，與經(jīng)驗(yàn)標(biāo)尺高度相同.

第二步，對(duì)各北斗/GNSS站在2 km高度的PWV進(jìn)行克里金插值(Zheng et al.,2018)，獲取河南省2 km高度上0.25°×0.25°的PWV格網(wǎng)分布.結(jié)合公式(4)，利用美國(guó)國(guó)家航空航天局NASA(National Aeronautics and Space Administration)發(fā)布的ASTER GDEM v2(Advanced Spaceborne Thermal Emission and Reflection Global Digital Elevation Model version 2)產(chǎn)品提供的高程信息將每個(gè)格網(wǎng)點(diǎn)的PWV數(shù)值歸算至格網(wǎng)點(diǎn)相應(yīng)的地表高度.最終得到研究時(shí)間范圍內(nèi)小時(shí)時(shí)間分辨率的PWV空間格網(wǎng)數(shù)據(jù).

2.3 基于ERA5的PWV反演方法

為評(píng)估GNSS反演獲得的PWV空間格網(wǎng)數(shù)據(jù)精度，本文分別利用無(wú)線電探空儀獲取的PWV(即Radiosonde-PWV)以及ERA5反演北斗/GNSS站及格網(wǎng)點(diǎn)處的PWV(即ERA5-PWV)進(jìn)行對(duì)比分析.其中，ERA5-PWV是對(duì)地面上空每個(gè)氣壓層中的可降水量進(jìn)行數(shù)值積分獲取，具體計(jì)算過(guò)程如下：

(5)

其中，q為位置上空某一氣壓層的比濕(kg·kg-1)，g為考慮緯度和高程變化的地球重力加速度 (m·s-2)，dP為分層氣壓(hPa).考慮到不同位置的地表高度不同，為與GNSS反演的PWV保持一致，ERA5-PWV的積分以地表高度的氣壓層起算.

3 結(jié)果與分析

首先，分別利用Radiosonde-PWV和ERA5-PWV評(píng)估了河南省PWV空間格網(wǎng)數(shù)據(jù)的精度.然后，以“21·7”河南極端暴雨為例，分析了受災(zāi)較為嚴(yán)重地區(qū)的北斗/GNSS站PWV與小時(shí)降雨量的時(shí)序關(guān)系.最后，將PWV空間格網(wǎng)數(shù)據(jù)與小時(shí)降雨量的空間分布進(jìn)行了對(duì)比分析.

3.1 PWV空間格網(wǎng)數(shù)據(jù)精度評(píng)估

本文采用三種方法對(duì)PWV空間格網(wǎng)數(shù)據(jù)進(jìn)行精度評(píng)估，分別為：1)利用ERA5反演得到的測(cè)站PWV，對(duì)參與PWV空間格網(wǎng)數(shù)據(jù)反演的GNSS站PWV進(jìn)行評(píng)估；2)利用位于鄭州市和南陽(yáng)市的兩個(gè)配備了無(wú)線電探空儀的氣象站在2021年7月的探空PWV數(shù)據(jù)，對(duì)反演獲取的GNSS-PWV空間格網(wǎng)數(shù)據(jù)進(jìn)行評(píng)估；3)利用ERA5反演的格網(wǎng)點(diǎn)PWV，對(duì)反演獲取的GNSS-PWV空間格網(wǎng)數(shù)據(jù)進(jìn)行評(píng)估.

首先，利用ERA5格網(wǎng)數(shù)據(jù)反演的測(cè)站PWV對(duì)GNSS站反演的測(cè)站PWV進(jìn)行比較分析.需要注意的是，ERA5反演的PWV為格網(wǎng)數(shù)據(jù)，而GNSS站大多不在格網(wǎng)中心，因此需要通過(guò)水平內(nèi)插和高程補(bǔ)償以獲取測(cè)站位置的數(shù)值.兩者互差的平均偏差(Mean Bias)與均方根(Root Mean Square,RMS)如圖2所示.圖2顯示出所有測(cè)站互差的平均偏差變化范圍為-5.19～5.09 mm，其均值為-1.7 mm；互差RMS變化范圍為2.08～6.07 mm，其均值為3.2 mm，與先前研究的精度水平相當(dāng) (Zhang et al.,2019;Bai et al.,2021).該結(jié)果表明，利用GNSS技術(shù)反演的測(cè)站PWV精度良好，可用于反演河南省PWV空間格網(wǎng)數(shù)據(jù).

圖2 北斗/GNSS站ERA5-PWV與GNSS-PWV互差平均偏差(藍(lán)色柱)與RMS(黑線)Fig.2 The Mean Bias (blue bar)and RMS (black line)of the differences between GNSS-PWV and ERA5-PWV at BeiDou/GNSS stations

探空儀獲取的PWV可有效評(píng)估本文PWV空間格網(wǎng)數(shù)據(jù)精度(Chen and Liu,2016).本研究利用位于河南省的兩個(gè)無(wú)線電探空站在2021年7月的探空結(jié)果對(duì)本文PWV空間格網(wǎng)數(shù)據(jù)精度進(jìn)行評(píng)估.由于探空儀位置同樣不在格網(wǎng)點(diǎn)中心，且高程不統(tǒng)一，需通過(guò)水平內(nèi)插和高程補(bǔ)償獲取探空儀所在位置的GNSS-PWV數(shù)值進(jìn)行對(duì)比.此外，無(wú)線電探空儀數(shù)據(jù)存在較多的觀測(cè)數(shù)據(jù)空缺，空缺數(shù)據(jù)點(diǎn)時(shí)刻不參與評(píng)估.PWV空間格網(wǎng)數(shù)據(jù)和Radiosonde-PWV的時(shí)間序列如圖3所示，兩者間的相關(guān)系數(shù)(Correlation Coefficient)及差值的RMS也顯示在圖中.

圖3 南陽(yáng)及鄭州氣象站GNSS-PWV與Radiosonde-PWV時(shí)間序列圖其中，藍(lán)色表示GNSS-PWV，紅色表示Radiosonde-PWV.Fig.3 Time series of GNSS-PWV and Radiosonde-PWV of meteorological stations in Nanyang and ZhengzhouThe blue lines represent the GNSS-PWV,while the red lines represent the Radiosonde-PWV.

結(jié)果表明，2021年7月1日8時(shí)至7月31日20時(shí)，南陽(yáng)氣象站的PWV空間格網(wǎng)數(shù)據(jù)與Radiosonde-PWV差異最大為19日8時(shí)的11.58 mm，差異最小為19日20時(shí)的0.26 mm；鄭州氣象站的PWV空間格網(wǎng)數(shù)據(jù)與Radiosonde-PWV差異最大為8日8時(shí)的9.6 mm，差異最小為13日20時(shí)的0.15 mm.兩個(gè)氣象站的PWV時(shí)間序列相關(guān)系數(shù)平均為0.89，差值的RMS平均為4.6 mm，與先前的研究結(jié)果相當(dāng)(陳永奇等,2007;Wang et al.,2013;歐書(shū)圓和張衛(wèi)星,2021).該結(jié)果表明，利用GNSS技術(shù)獲取的PWV與Radiosonde-PWV精度處于相當(dāng)水平.

最后，利用ERA5反演的格網(wǎng)點(diǎn)PWV對(duì)PWV空間格網(wǎng)數(shù)據(jù)精度進(jìn)行評(píng)估，結(jié)果如圖4所示.其中，圖4a給出的是平均偏差，圖4b給出的是偏差的RMS.結(jié)果表明，河南省內(nèi)的大部分區(qū)域平均偏差的變化范圍為-3～1 mm，少量區(qū)域接近-6 mm；省內(nèi)大部分地區(qū)RMS的變化范圍為2～5 mm，少量區(qū)域達(dá)到6 mm左右.部分區(qū)域反演精度相對(duì)較低的原因在于該區(qū)域北斗/GNSS站由于觀測(cè)數(shù)據(jù)空缺或質(zhì)量較差被剔除，導(dǎo)致參與該區(qū)域反演的測(cè)站數(shù)量較少，從而影響反演精度.此外，由于ERA5同化數(shù)據(jù)的空間分辨率存在差異需重采樣，導(dǎo)致ERA5-PWV結(jié)果較為平滑，而GNSS數(shù)據(jù)能夠更好地捕捉水汽在小空間尺度上的細(xì)節(jié)變化，因此PWV空間格網(wǎng)數(shù)據(jù)與ERA5-PWV之間存在一定差異(Zhang et al.,2017).整體上來(lái)說(shuō)，區(qū)域內(nèi)平均偏差的均值為-1.9 mm，區(qū)域內(nèi)偏差的RMS均值為4.4 mm，不存在顯著的系統(tǒng)性偏差.研究表明，GNSS技術(shù)反演的PWV與再分析資料反演結(jié)果互差的RMS在6 mm以?xún)?nèi)時(shí)，可認(rèn)為滿足氣象應(yīng)用需求(Wang et al.,2015b)，本文PWV空間格網(wǎng)數(shù)據(jù)精度達(dá)標(biāo).

圖4 河南省PWV空間格網(wǎng)數(shù)據(jù)精度評(píng)估結(jié)果，以ERA5-PWV為基準(zhǔn)(a)平均偏差;(b)偏差的RMS.Fig.4 The precision assessment of spatial gridded PWV within Henan Province,referred by ERA5-PWV(a)Mean Bias;(b)RMS of the differences.

3.2 極端暴雨中PWV與小時(shí)降雨量的時(shí)間變化

為探究本次極端暴雨中PWV變化與降雨發(fā)生之間的關(guān)聯(lián)，本文選擇了受災(zāi)較為嚴(yán)重區(qū)域的四組觀測(cè)完整的北斗/GNSS站及對(duì)應(yīng)的并址氣象站，對(duì)其小時(shí)PWV變化與實(shí)測(cè)小時(shí)降雨量進(jìn)行對(duì)比分析.站點(diǎn)分別位于開(kāi)封市通許縣(KFTX)、許昌市建安區(qū)(XCJA)、鶴壁市浚縣(HBXX)和鄭州市高村鄉(xiāng)(ZZGC).并址站選取的原則為水平距離不大于30 km，高程差異不超過(guò)100 m (施闖等,2020).

分別對(duì)四組并址站點(diǎn)在7月17日0時(shí)至7月23日23時(shí)期間的PWV變化與小時(shí)降雨量進(jìn)行分析，兩者時(shí)間序列如圖5所示.從圖中可以看出，各站點(diǎn)的PWV隨時(shí)間均呈現(xiàn)先增后減的整體趨勢(shì)，即四個(gè)北斗/GNSS站的PWV均在暴雨時(shí)段前的7月17日至19日震蕩上升，并在暴雨發(fā)生期間保持在高位波動(dòng)，最終在暴雨發(fā)生后的22日至23日逐漸下降.這是由于在暴雨發(fā)生前，受臺(tái)風(fēng)“煙花”和“查帕卡”影響，洋面水汽通過(guò)東南暖濕氣流向西北輸送，并在測(cè)站上空聚集，導(dǎo)致區(qū)域內(nèi)的PWV不斷上升.隨后，區(qū)域內(nèi)的水汽在垂直方向輻合上升并發(fā)生相變，絕熱膨脹冷卻凝結(jié)成云，從而使水汽含量減少.但由于本次極端暴雨中，外部水汽持續(xù)供應(yīng)，不斷在河南省上空匯聚，使得暴雨發(fā)生期間PWV一直維持在高數(shù)值水平，從而導(dǎo)致本次極端暴雨的降雨持續(xù)時(shí)間較長(zhǎng).當(dāng)外部水汽不再充足供應(yīng)，PWV數(shù)值即表現(xiàn)為下降，強(qiáng)降雨也隨之結(jié)束.

同時(shí)，從圖中還可以看出大部分極端降雨發(fā)生時(shí)刻前的1～3 h內(nèi)PWV會(huì)出現(xiàn)短時(shí)上升.例如，KFTX站在20日午夜發(fā)生超過(guò)30 mm·h-1的短時(shí)強(qiáng)降雨，而在其發(fā)生前2 h，PWV從65 mm上升至70 mm以上(圖5a)；XCJA站在20日上午發(fā)生極端降雨，其強(qiáng)度最高達(dá)到29 mm·h-1，而在此之前測(cè)站上空的PWV從60 mm陡增至65 mm以上(圖5b).以上現(xiàn)象表明暴雨發(fā)生前，區(qū)域內(nèi)的水汽快速聚集，成云過(guò)程加速且規(guī)模擴(kuò)大，從而導(dǎo)致極端降雨的發(fā)生，該現(xiàn)象可為極端降雨預(yù)警提供一定參考.

圖5 本次極端暴雨中四個(gè)北斗/GNSS站與并址氣象站GNSS-PWV與實(shí)測(cè)小時(shí)降雨量時(shí)間序列其中黑線表示PWV，藍(lán)色柱表示實(shí)測(cè)小時(shí)降雨量，灰色區(qū)域表示暴雨集中發(fā)生時(shí)期.Fig.5 Time series of hourly PWV and measured hourly precipitation at four BeiDou/GNSS stations with their adjacent meteorologial station during this extreme rainstormThe black lines represent the PWV,while the blue bars represent the measured hourly precipitation.The gray area represents the time period when the extreme precipitaiton occurred.

3.3 極端暴雨中PWV與小時(shí)降雨量空間分布

為進(jìn)一步分析暴雨過(guò)程中PWV與小時(shí)降雨量的空間分布，利用PWV空間格網(wǎng)數(shù)據(jù)對(duì)本次極端暴雨期間(7月19日至22日)不同時(shí)間段PWV與河南省內(nèi)大范圍、高強(qiáng)度降雨的空間分布進(jìn)行分析.觀測(cè)到強(qiáng)降雨事件氣象站的實(shí)測(cè)小時(shí)降雨量及對(duì)應(yīng)時(shí)段內(nèi)PWV空間分布如圖6所示.其中，圖中第一列和第三列分別表示省內(nèi)某一時(shí)段的PWV空間分布，第二列和第四列給出的是2 h后發(fā)生降雨的氣象站小時(shí)降雨量監(jiān)測(cè)結(jié)果(即小時(shí)降雨量大于0).值得說(shuō)明的是，先前研究表明在強(qiáng)降雨發(fā)生前1～3 h內(nèi)，PWV將達(dá)到較高水平(Wang et al.,2015a;Cao et al.,2016;Manandhar et al.,2018).因此本文以間隔2 h為例，分析某一時(shí)段PWV和2 h后小時(shí)降雨量空間分布的對(duì)應(yīng)情況.為了區(qū)分不同的時(shí)段，將四天時(shí)間內(nèi)PWV和對(duì)應(yīng)2 h后全省小時(shí)降雨量分為8組，每天選擇兩組，分別用(a)至(h)表示.

圖6 本次極端暴雨中河南省部分時(shí)段PWV和2 h后實(shí)測(cè)小時(shí)降雨量空間分布的對(duì)比圖其中第一列和第三列為PWV空間分布，第二列和第四列為站點(diǎn)2 h后的小時(shí)降雨量空間分布.Fig.6 Comparison diagram of spatial distribution of PWV and measured hourly precipitation after two hours within Henan ProvinceThe first and the third column represent the spatial distribution of PWV,while the second and the fourth column represent the spatial distribution of hourly precipitation after two hours.

在空間維度上，從圖中不同時(shí)段的結(jié)果可以看出本次極端暴雨強(qiáng)降雨主要集中于河南省中部與北部，相應(yīng)區(qū)域的PWV在7月22日前基本保持在60 mm以上，處于較高水平.例如，圖6中(c)組和(d)組分別顯示的是7月20日兩個(gè)不同時(shí)段的PWV的空間分布及其2 h后小時(shí)降雨量.在這兩個(gè)時(shí)段內(nèi)，鄭州及其北部的新鄉(xiāng)、焦作三市交界處PWV均達(dá)到70 mm的較高數(shù)值，水汽含量處于高水平；在這兩個(gè)時(shí)段的2 h后，強(qiáng)降雨主要分布在河南省中部和北部的鄭州、焦作、新鄉(xiāng)和鶴壁等市，且20日17時(shí)鄭州市城區(qū)發(fā)生了強(qiáng)度達(dá)到201.9 mm·h-1的短時(shí)強(qiáng)降雨，表明降雨發(fā)生位置與PWV高值分布區(qū)域一致.

然而，河南省西部區(qū)域的降雨強(qiáng)度則相對(duì)較低，并且該區(qū)域內(nèi)的PWV數(shù)值低于50 mm，處于較低的水平.例如，圖6中(e)組展示的是7月21日4時(shí)的PWV空間分布及其2 h后小時(shí)降雨量監(jiān)測(cè)結(jié)果情況.可以看到，河南省西部區(qū)域的PWV數(shù)值保持在40 mm左右，遠(yuǎn)低于省內(nèi)其他區(qū)域.2 h后，位于西部的三門(mén)峽和南陽(yáng)市僅有小范圍的降雨發(fā)生，且小時(shí)降雨量小于1 mm.以上結(jié)果均說(shuō)明，本次極端暴雨中的強(qiáng)降雨發(fā)生區(qū)域與PWV數(shù)值大小的空間分布關(guān)聯(lián)緊密，即當(dāng)區(qū)域內(nèi)PWV數(shù)值較大，水汽含量豐富，降雨強(qiáng)度普遍較高；當(dāng)區(qū)域內(nèi)PWV數(shù)值較小，水汽含量較低，降雨強(qiáng)度也相對(duì)較低.

進(jìn)一步結(jié)合圖1b所示的河南省高程分布，可以發(fā)現(xiàn)產(chǎn)生不同區(qū)域降雨強(qiáng)度差異的原因是水汽輸送受河南省西部山地阻隔，使得西部地區(qū)水汽含量相對(duì)較低，從而導(dǎo)致降雨強(qiáng)度較弱.一方面，受臺(tái)風(fēng)“煙花”和“查帕卡”影響，東南暖濕氣流向西北方向輸送水汽，在河南省附近形成高強(qiáng)度的水汽輻合區(qū).另一方面，河南省地勢(shì)西高東低，西部的伏牛山和西北部的太行山起伏的地形對(duì)水汽輸送產(chǎn)生抬升和阻擋作用，當(dāng)水汽輸送至河南省中部時(shí)匯聚堆積，造成PWV西部數(shù)值較低，中部和北部數(shù)值較高的現(xiàn)象，并且在大氣水汽含量較高區(qū)域發(fā)生了強(qiáng)降雨事件.

在時(shí)間維度上，河南省內(nèi)所有區(qū)域的PWV均呈現(xiàn)先增加后減少的趨勢(shì)，這與圖5所示的暴雨發(fā)生前后的PWV變化情況相吻合(圖5).7月22日前，全省大部分區(qū)域的PWV數(shù)值較高，該時(shí)段內(nèi)同樣在全省大部分區(qū)域發(fā)生強(qiáng)降雨事件.至7月22日，全省中部、東部、南部地區(qū)PWV逐漸減小，恢復(fù)至50 mm以?xún)?nèi)，同時(shí)這些區(qū)域內(nèi)并未發(fā)生強(qiáng)降雨.以上結(jié)果綜合表明，結(jié)合北斗/GNSS的高時(shí)空分辨率PWV空間分布監(jiān)測(cè)，可為極端降雨災(zāi)害的短臨預(yù)報(bào)提供科學(xué)數(shù)據(jù)支撐.

4 結(jié)論

本文利用北斗/GNSS觀測(cè)數(shù)據(jù)，采用PPP技術(shù)和克里金插值方法獲取了“21·7”河南極端暴雨過(guò)程中全省PWV空間格網(wǎng)數(shù)據(jù)；結(jié)合氣象站降雨量數(shù)據(jù)，從時(shí)間序列和空間分布兩個(gè)方面分析了PWV變化與極端降雨發(fā)生之間的關(guān)系.結(jié)果表明：

(1)通過(guò)PPP獲取的北斗/GNSS站PWV與國(guó)際權(quán)威的全球氣象再分析資料ERA5反演PWV互差均方根(RMS)為3.2 mm；在研究區(qū)域內(nèi)，通過(guò)克里金插值獲取的PWV空間格網(wǎng)數(shù)據(jù)與Radiosonde-PWV互差的RMS為4.6 mm，與ERA5-PWV互差的RMS為4.4 mm，數(shù)據(jù)精度符合氣象學(xué)研究要求.

(2)北斗/GNSS站和并址氣象站的PWV與實(shí)測(cè)小時(shí)降雨量時(shí)間序列分析結(jié)果表明，本次極端暴雨發(fā)生前后測(cè)站上空PWV均呈現(xiàn)先增后減的整體趨勢(shì)，且暴雨發(fā)生時(shí)段內(nèi)PWV維持在較高水平，從而引發(fā)了持續(xù)性暴雨；同時(shí)，在極端降雨發(fā)生1～3 h前，PWV多表現(xiàn)為陡增，表明水汽快速聚集，導(dǎo)致短時(shí)強(qiáng)降雨的發(fā)生.

(3)PWV空間格網(wǎng)數(shù)據(jù)與實(shí)測(cè)小時(shí)降雨量空間分布分析結(jié)果表明，本次極端暴雨中的強(qiáng)降雨發(fā)生與區(qū)域內(nèi)PWV大小具有較強(qiáng)對(duì)應(yīng)關(guān)系：當(dāng)區(qū)域內(nèi)PWV數(shù)值較大，大氣中水汽含量較多，降雨強(qiáng)度普遍較高；當(dāng)區(qū)域內(nèi)PWV數(shù)值較小，大氣中水汽含量較少，降雨強(qiáng)度也相對(duì)較低.不同區(qū)域PWV數(shù)值差異的原因是河南省地形起伏導(dǎo)致水汽輸送過(guò)程受阻，水汽在不同區(qū)域的聚集程度不同，進(jìn)而導(dǎo)致不同區(qū)域降雨強(qiáng)度也產(chǎn)生了明顯的差異.

(4)利用高時(shí)空分辨率的地基北斗/GNSS觀測(cè)站數(shù)據(jù)，可實(shí)現(xiàn)快速、高精度、高分辨率的PWV監(jiān)測(cè)，為極端降雨災(zāi)害的短臨預(yù)報(bào)提供科學(xué)數(shù)據(jù)支撐.

致謝感謝河南省測(cè)繪工程院提供北斗/GNSS觀測(cè)數(shù)據(jù)、武漢大學(xué)衛(wèi)星導(dǎo)航定位技術(shù)研究中心提供WUM軌道鐘差產(chǎn)品 (ftp:∥igs.gnsswhu.cn/pub/)及氣象數(shù)據(jù)處理平臺(tái)GMET(http:∥gmet.users.sgg.whu.edu.cn/)、中國(guó)氣象局提供降雨及無(wú)線電探空數(shù)據(jù) (http:∥data.cma.cn/)、ECMWF提供氣象再分析資料數(shù)據(jù)(https:∥www.ecmwf.int/en/forecasts/datasets/reanalysis-datasets/era5)以及NASA提供ASTER GDEM數(shù)據(jù)(https:∥search.earthdata.nasa.gov/search?q=ASTER%20GDEM).