粵港澳大灣區多系統GNSS大氣可降水量反演分析

朱曉武,段宏山,陳國恒,劉 壘

( 廣東省國土資源測繪院,廣東 廣州 510500)

水汽是反映災害性天氣形成、演變的重要因子,研究掌握水汽變化的規律有助于臺風、短臨降雨、旱澇等天氣監測和預報[1]。相較于使用無線電探空儀(Radiosonde)等傳統的水汽探測手段,利用全球衛星導航系統(global navigation satellite system,GNSS)進行大氣可降水量(precipitable water vopor,PWV)反演具有連續運行、低成本、高精度、高時空分辨率的特點[2]。目前,隨著中國北斗衛星導航系統(BDS)的發展及全球組網的完成,聯合美國全球定位系統(GPS)、俄羅斯格洛納斯衛星導航系統(GLONASS)和歐盟伽利略衛星導航系統(Galileo)組成的多系統GNSS水汽探測已成為趨勢。對此,為探索不同系統反演PWV的可行性和精度問題,不少學者得到一些結論,且以BDS的研究居多。文獻[3]利用GPS、BDS和GPS/BDS進行PWV反演,結果表明GPS和GPS/BDS模式精度相當;文獻[4—6]利用BDS、GPS進行PWV估計,驗證了BDS能滿足解算精度要求;文獻[7—8]利用GPS/GLONASS評估PWV反演精度,結果表明GPS/GLONASS組合解算PWV的精度相當;文獻[9—10]試驗了GPS/BDS/GLONASS/Galileo多系統PWV反演分析,結果表明多系統數據解算能提升大氣水汽探測方面的性能。上述結論為GPS、BDS、GLONASS、Galileo的PWV探測發展提供了應用方向。然而,利用GNSS多系統進行PWV反演的業務化應用實例依然偏少,其中文獻[11]利用BDS等GNSS觀測數據分析了2021年7月的河南極端暴雨過程,使BDS在暴雨發生短時臨近預報上得到了應用;文獻[12]利用黃渤海沿岸布設的GNSS業務化觀測系統對BDS-2/3混合星座進行PWV反演評估,探索了沿海BDS水汽探測的業務化應用的可行性。

近年來,在自然資源部門提出陸海統籌的背景下,沿海地區對陸海GNSS觀測提出了新要求,在廣東省海洋觀測網“十四五”規劃實施建設岸基觀測網過程中,條件適宜的觀測站點將同步開展GNSS觀測。基于此,本文將以粵港澳大灣區沿海城市為例,利用現有連續運行參考站(CORS)的數據進行多系統GNSS PWV反演分析研究,旨在推動以BDS為主的不同衛星系統在海洋觀測預報與防災減災方面的應用。

1 原理與方法

1.1 PWV反演原理

通過GNSS觀測數據解算,提取到的對流層總延遲(zenith total delay,ZTD)可分為天頂靜力延遲(zenith hydrostatic delay,ZHD)和天頂濕延遲(zenith wet delay,ZWD),公式為

ZTD=ZHD+ZWD

(1)

式中,可以使用Hopfield、Saastamoinen、Black等幾種標準的經驗模型計算ZHD,本次研究選擇常用的Saastamoinen模型。將ZHD扣除后即可獲得ZWD,PWV與ZWD存在轉換關系[11]為

(2)

式中,Π為PWV轉換因子,無量綱;k′2、k3為大氣折射率常數[11];Rv=461.51 J/(K·kg),為水汽氣體常數;ρw=1000 kg·m-3,為液態水密度;Tm為加權平均溫度(K)。

對于PWV反演結果的精度檢驗,可從平均偏差(BIAS)、均方差(RMS)、相關系數(R)等指標進行評定,公式分別為

(3)

(4)

(5)

1.2 數據處理方法

采用GAMIT軟件計算,PWV作為GNSS數據處理結果的副產品,需在原有數據解算命令行中加入-metutil Z參數。為保證各系統的數據處理流程一致,GPS、BDS、GLONASS、Galileo的精密星歷均采用武漢大學IGS數據中心發布的WUM混合精密星歷,解算過程采用雙頻消電離層組合方式,加以地球自轉修正、潮汐修正、相對論效應修正等誤差修正項,引入全球大氣映射函數模型文件map.grid,采用分段線性的方法估算對流層天頂延遲。主要參數設置見表1。

表1 解算主要參數設置

2 試驗及結果分析

2.1 數據獲取

以香港地區作為試驗區域,選取香港衛星參考站網(SatRef)共17個CORS站進行PWV反演解算。在反演結果驗證的真值方面,選擇美國懷俄明大學在香港地區的京士柏站(Kings Park,No.450004)的PWV值作為比對參考數據。此外,還收集了49個香港天文臺具備雨量監測設備的氣象站點,用于PWV反演結果與實際降水量空間分布的分析,站點分布如圖1所示。同時,由于試驗區域面積較小,站點之間的對流層延遲具有空間強相關[13],為消除數據處理時所帶來的影響,引入周邊多模GNSS實驗跟蹤網 (multi-GNSS experiment,MGEX)的URUM、ULAB、SIN1、SEYG、PTGG、NCKU、JFNG、GMSD共8個站點作為起算約束。時間段選擇 2020年8月1日—31日共31 d,該時段正值高溫多雨和臺風風暴潮頻發,符合粵港澳大灣區沿海城市復雜多變的氣候特點,更利于分析研究PWV的分布特征。

圖1 試驗地區站點分布

2.2 反演結果比對分析

通過計算獲得GPS、BDS、GLONASS、Galileo 4種PWV反演結果,分別記為GPS-PWV、BDS-PWV、GLONASS-PWV、Galileo-PWV。探空數據作為高精度、可靠的PWV真值,能反映各系統的PWV反演精度,記為Radio-PWV。HKSC站距離京士柏探空站約3 km,位置接近,分別以平均偏差(BIAS)、均方差(RMS)及相關系數(R)等指標評定各系統的反演精度。由于探空站采用的是每12 h更新采集一次數據,因此將解算結果的PWV值提取至對應的時間段進行比較。如圖2所示。

圖2 各系統與探空數據相關性

由圖2可看出,各系統的相關系數R值均大于0.9,證明與探空實測數據具有強相關性,其中GPS、GLONASS和Galileo的R值均大于0.97,略優于BDS的0.93;各系統的BIAS值均小于2 mm,RMS值均小于4 mm。其中BDS的BIAS值和RMS值稍遜于其余3個系統,由圖2(b)可看出數據離散程度與其他系統相比稍大,但整體上各系統均具有較高的反演精度。

為了研究各系統與實際降雨的變化趨勢,本文輸出HKSC站各系統日均PWV值的時間序列走勢,同時利用香港天文臺距離HKSC站約1.6 km的深水埗氣象站監測得到的實際日累積降水量,進一步分析各系統PWV值與降水量的關系。如圖3所示。

圖3 各系統PWV與實測降水量時間序列

由圖3可看出,各系統之間的PWV值的時序變化基本吻合,但可見BDS個別PWV值與其余系統相比,其偏差會更大,這也符合該組數據在BDS上的反演精度情況。一方面是當前HKCORS尚未升級北斗三號的硬件設備,僅支持接收北斗二號的信號,另一方面是北斗二號系統的衛星軌道模型和鐘差精度不高等原因[14],若引入北斗三號系統將進一步提升水汽探測性能。從日降水量監測情況來看,若以PWV值60 mm作為降雨預警閾值,則整個8月在第214—218(即8月1日—5日)、第224—226(即8月11日—13日)、第230—232(即8月17—19日)及第237—239(即8月24日—26日)年積日共出現4個PWV值增長峰值過程。其中第1個峰值過程期間的PWV值超過65 mm,受2003號臺風風暴潮“森拉克”的影響導致雨量的增多,實測平均日降水量為38.6 mm,發生了大雨到暴雨的降水過程[15];第2個峰值過程期間,受2006號臺風風暴潮“米克拉”的影響,實測平均日降水量為14.75 mm,降水強度等級為中雨;第3個峰值過程期間,2007號臺風風暴潮“海高斯”登陸距離站點位置較近的珠海市,因此受影響較大,實測平均日降水量達87.75 mm,發生了暴雨到大暴雨的強降水過程;第4個峰值過程雖然PWV值較高,但實際只有第3天產生19 mm的降水量,證明PWV在前2天正處于一個積累的過程,尚未形成降雨。當然,是否形成降雨及降水量的多少,還受到多種因素的影響。綜合來看,各系統之間的PWV值時間序列具有較高的一致性,彌補了探空數據在時空分辨率上的不足,也從實際降水量反映了PWV的變化特征。

2.3 大氣可降水量空間分布比較

為充分利用GNSS水汽探測在時空分辨率上的優勢,進一步分析各系統PWV的空間分布特征,本文通過空間插值獲得試驗區域各系統在8月的平均PWV空間分布,如圖4所示。

圖4 各系統PWV空間分布

由圖4可看出,各系統的PWV平均值均集中在53～60 mm,說明試驗區域8月PWV整體偏高,占試驗區域面積的99.8%以上;GPS、GLONASS、Galileo主要的PWV值區間集中在58～60 mm,分別占72%、68%、76%,而BDS主要的PWV值區間集中在57～59 mm,比其余系統整體偏小1 mm,占69%。從各系統的空間分布特征上來看,PWV的分布一致性良好,PWV最大覆蓋值(59～60 mm)分布在試驗區東北區域(22°25′30″N—22°33′30″N,114°00′00″E—114°26′00″E)以及中南部區域(22°12′00″N—22°21′00″N,114°01′00″E—114°13′00″E),又因為BDS的PWV值整體偏小,導致PWV最大覆蓋值分布區域相對其余系統會有所縮小;PWV最小覆蓋值(53～54 mm)均分布在HKST站和HKNP站附近區域。

圖5是利用49個氣象站點計算獲得的8月累計降水量空間分布圖,需要說明的是,無論從氣象站的樣本量和分布上來看,均比HKCORS站更密集,因此獲得的空間分布效果相對更好。由圖5可看出,8月的累計降水量普遍達到300 mm以上,與各系統較高的PWV具有較強的對應關系。降水量最大的區域發生在HKTK站附近,達到600 mm以上,結合圖4可反映出該站周邊的PWV值同樣處于最高位。值得注意的是,圖4中HKST站和HKNP站周邊PWV值處于最低位,但對應區域降水量減少并不明顯。結合圖1地形起伏分布可看出,這是由于這2個站點的海拔分別達到259 和351 m,較高的海拔一定程度上阻礙了水汽的輸送,同時測站間較大的高差也會影響對流層延遲解算的精度。

3 結 語

本文利用粵港澳大灣區沿海城市現有CORS站點,選擇臺風、風暴潮及強降雨頻發的8月,反演得到多系統GNSS的大氣可降水量和空間分布特征。結果表明,各系統的PWV值與探空數據均具有強相關性;從附近氣象站降水量監測情況來看,各系統PWV值的時序變化和空間分布基本吻合,反映了PWV的增多積累會產生實際降雨。試驗結果證明,以BDS為主的粵港澳大灣區沿海多系統GNSS反演PWV是可行有效的。得益于多系統GNSS觀測高時空分辨率的優勢,可作為海洋觀測預報和防災減災的有效補充手段。為此,展望大灣區海洋岸基觀測網與CORS網絡的布設,提出以下建議。

(1)完善岸基海洋觀測站點布局,改造升級現有站點,安裝CORS設備,并支持BDS-3等多系統的觀測數據接收。

(2)根據沿岸海洋防災防護區社會經濟屬性,選擇重要岸段和島嶼,加密建設CORS基準站,聯合海洋觀測站點組建近岸BDS-3多模GNSS網,提升沿海水汽探測性能。