廈門市臺風(fēng)事件CORS站網(wǎng)數(shù)據(jù)水汽反演及分析

王洪 賴杰 亓信玖

DOI：10.16783/j.cnki.nwnuz.2024.01.013

收稿日期：20230902;修改稿收到日期：20231230

基金項(xiàng)目：福建省自然科學(xué)基金資助項(xiàng)目（2020J01356）；龍巖學(xué)院博士啟動項(xiàng)目（LB2018038）

作者簡介：王洪（1978—），男，黑龍江綏化人，副教授，博士研究生.主要研究方向?yàn)镚NSS測量與數(shù)據(jù)處理、工程測量.

Email：wanghong313@lyun.edu.cn

*通信聯(lián)系人，女，四川瀘州人，本科.主要研究方向?yàn)镚NSS測量與數(shù)據(jù)處理.

Email：2511302136@qq.com

摘要：針對廈門市3次臺風(fēng)事件，利用廈門市連續(xù)運(yùn)行參考站（CORS）的GNSS觀測數(shù)據(jù)，使用 PANDA軟件進(jìn)行解算，反演出大氣可降水量（PWV），將獲取的ERA5再分析數(shù)據(jù)與反演出的PWV數(shù)據(jù)進(jìn)行對比分析，在此基礎(chǔ)上分析廈門市受臺風(fēng)影響期間GNSS-PWV變化特征與實(shí)際降雨量的關(guān)系.結(jié)果表明：PWV與ERA5數(shù)據(jù)具有較好的一致性；GNSS反演PWV具有較高的精度；GNSS-PWV能夠較好地反映臺風(fēng)期間水汽的時空動態(tài)變化過程，其與降水量之間呈現(xiàn)出明顯的相關(guān)性.

關(guān)鍵詞：連續(xù)運(yùn)行參考站（CORS）；GNSS氣象學(xué)；臺風(fēng)；大氣可降水量

中圖分類號：P 228.4??? 文獻(xiàn)標(biāo)志碼：A??? 文章編號：1001-988Ⅹ（2024）01-0084-07

Water vapor retrieval and analysis of CORS network data

of Xiamen typhoon event

WANG Hong1，2，LAI Jie1，QI Xin-jiu1

（1.School of Resource Engineering，Longyan University，Longyan 364012，F(xiàn)ujian，China;

2.School of Environment Science and Spatial Informatics，China University of Mining and Technology，

Xuzhou 221116，Jiangsu，China）

Abstract：In view of the three typhoons in Xiamen City，the GNSS observation data of Xiamen Continuous Operation Reference Station（CORS） was used for calculation with PANDA software.The obtained ERA5 reanalysis data was compared with the PWV data of the counter-performance.On this basis，the relationship between GNSS-PWV variation characteristics and actual rainfall during typhoon in Xiamen was analyzed.The results show that：PWV and ERA5 data have good consistency;GNSS inversion of PWV has high precision;GNSS-PWV can well reflect the spatio-temporal dynamic change process of water vapor during typhoons，and has a significant correlation with rainfall.

Key words：continuous operation reference stations（CORS）；GNSS meteorology；typhoon；PWV

0? 引言

全球?qū)Ш叫l(wèi)星系統(tǒng)（Global Navigation Satellite System，GNSS）氣象學(xué)最早形成于20世紀(jì)80年代的美國，是一門新興的交叉學(xué)科［1］.在眾多學(xué)者的研究中，大氣水汽被認(rèn)為是對天氣變化產(chǎn)生最為顯著影響的各種氣象要素之一［2］.大氣水汽又稱大氣可降水量（Precipitable Water Vapor，PWV），它表示在任何時候單位底部面積內(nèi)的所有對流層大氣水蒸氣

凝結(jié)成液態(tài)水而產(chǎn)生的水柱的一定高度［3］.它是大氣中最為活躍多變的部分，雖然它在大氣成分中的占比極低，但卻是形成和演變各種災(zāi)害天氣的主要驅(qū)動因素，它的變化直接與降水相關(guān).因此，為了實(shí)現(xiàn)區(qū)域氣候變化的精準(zhǔn)預(yù)測，對PWV進(jìn)行有效的監(jiān)測和充分的利用是關(guān)鍵所在.

本文以GNSS氣象學(xué)為基礎(chǔ)，基于廈門市連續(xù)運(yùn)行參考站（Continuously Operating Reference System，CORS）的GNSS觀測數(shù)據(jù)，利用PANDA軟件進(jìn)行解算，反演得到高精度的PWV值，并驗(yàn)證其可靠性.以2017年、2020年以及2021年影響廈門地區(qū)的“納沙、海棠”雙臺風(fēng)、“米克拉”、“盧碧”3次臺風(fēng)事件為研究對象，分析臺風(fēng)暴雨前后PWV值的時空分布特征，對比分析實(shí)際降雨量與PWV之間的關(guān)系，利用其關(guān)聯(lián)性為沿海地區(qū)提供及時準(zhǔn)確的極端天氣狀況的預(yù)報，提高強(qiáng)降雨、臺風(fēng)等強(qiáng)對流天氣引發(fā)的各類氣象災(zāi)害的監(jiān)測和預(yù)警能力.本研究對各種災(zāi)害來臨前采取有效的應(yīng)對措施，實(shí)現(xiàn)防災(zāi)減災(zāi)具有重大的意義.

1? GNSS反演PWV原理及可靠性分析

1.1? 數(shù)據(jù)來源

本文研究所使用的數(shù)據(jù)包括臺風(fēng)影響期間的GNSS觀測數(shù)據(jù)、氣象臺站實(shí)測降雨數(shù)據(jù)和ERA5再分析資料.GNSS數(shù)據(jù)采用的是廈門市CORS站網(wǎng)的觀測數(shù)據(jù)，CORS站網(wǎng)站點(diǎn)分布如圖1所示.氣象站實(shí)測降雨數(shù)據(jù)從國家氣象數(shù)據(jù)中心（http：//data.cma.cn）下載；ERA5再分析資料從歐洲中尺度天氣預(yù)報中心（ECMWF）下載（https：//cds. climate.copernicus.eu）［4］.

1.2? 地基GNSS反演PWV的基本原理

地基GNSS反演PWV的具體步驟如下：

原始觀測數(shù)據(jù)經(jīng)過PANDA、Bernese、GAMIT、GIPSY等GNSS高精度數(shù)據(jù)處理軟件進(jìn)行處理，解算得出天頂總延遲量（Zenith Total Delay，ZTD）［5］；

ZHD與地面氣壓密切相關(guān)，利用地表氣壓參數(shù)和站點(diǎn)三維坐標(biāo)值等數(shù)據(jù)，根據(jù)Saastamoinen模型［6］，精確計算出高精度的天頂靜力延遲量（Zenith Hydrostatic Delay，ZHD）［7］，其公式為

ZHD=0.0022768P1-0.00266cos（2φ）-0.00028H，（1）

其中，P表示地面氣壓（hPa），φ表示接收機(jī)的緯度（rad），H表示測站大地高（km）.

ZWD的變化與空氣中的水汽含量息息相關(guān)，其規(guī)律性難以通過經(jīng)驗(yàn)公式精確計算［8］，所以可通過ZTD減去計算得到的ZHD來獲得天頂濕延遲（Zenith Wet Delay，ZWD）［9］，其公式為

ZWD=ZTD-ZHD（2）

利用地面氣溫觀測數(shù)據(jù)，運(yùn)用Bevis經(jīng)驗(yàn)公式［10］，推算出各站點(diǎn)的加權(quán)平均溫度（Tm），其公式為

Tm=70.2+0.72Ts，（3）

利用AN（Askne Nordius）模型［11］，構(gòu)造出的大氣濕延遲與可降水量參數(shù)之間關(guān)系的計算公式，反演得到大氣可降水量（PWV），其公式為

PWV=Π×ZWD，（4）

式中Π稱為無量綱比例因子或可降水量與濕延遲的轉(zhuǎn)換關(guān)系，通常表示為

Π=106ρwRvk′2+k3Tm，（5）

k′2=k2-k1RdRv，（6）

其中，ρw為液態(tài)水的密度（一般取為1×103 kg·m-3;Rd和Rv分別代表干空氣和水汽的比氣體常數(shù)，即Rd=287J·kg-1·K-1，Rv=461.5J·kg-1·K-1；k1，k2，k3分別是水汽折射常數(shù)，本文采用k1=77.689K·hPa-1，k2=71.295K·hPa-1，k3=375463K2 hPa-1.但需要注意采用上述數(shù)值時，PWV與ZWD的單位應(yīng)相同，Tm的單位應(yīng)是K.Tm是大氣加權(quán)平均溫度，可用于計算轉(zhuǎn)換因子，計算公式為

Tm=∫∞hseTdh∫∞hseT2dh，（7）

其中，e是水汽壓（hpa），T是溫度（K），hs是測站高（m），h是高度（m）.此公式需要已知測站上空的溫度和水汽壓垂直廓線信息［12］.

1.3? GNSS-PWV可靠性分析

本文選取2017-07-18～2017-08-12反演的PWV與ERA5大氣再分析資料進(jìn)行對比分析［13］.圖2給出了廈門市2017年3個CORS站的PWV與ERA5所提供的3個CORS站的PWV之間的對比情況.由圖2可知，每站的兩組數(shù)據(jù)差值總體均維持在-4 mm～4 mm之間，說明兩者具有較好的一致性.

鑒于單一指標(biāo)的評估范圍有限，本文選取4個統(tǒng)計評估指標(biāo)：平均偏差（BIAS）、標(biāo)準(zhǔn)差（STD）、均方根誤差（RMS）以及皮爾遜相關(guān)系數(shù)R來驗(yàn)證CORS站反演PWV精度的評估［14］，評估指標(biāo)計算如式下：

BIAS=1n∑ni=1xi，（8）

STD=∑ni=1（xi-yi）2n-1，（9）

RMS=1n∑ni=1（xi-yi）2，（10）

R=∑ni=1（xi-）（yi-）∑ni=1（xi-）2∑ni=1（yi-）2.（11）

以上各式中，n為樣本總數(shù)，x和y分別為ERA5提供的PWV與廈門CORS數(shù)據(jù)反演的PWV;和分別為x和y的平均值.

將2017-07-18～2017-08-12XMDM站反演的PWV與ERA5（XMDM）反演PWV進(jìn)行線性回歸分析；將2017-07-18～2017-08-12廈門3個CORS站與ERA5的解算PWV進(jìn)行精度相關(guān)性分析，線性擬合結(jié)果如圖4所示，以ERA5-PWV為基準(zhǔn)值，GNSS-PWV精度評估結(jié)果如表1所示.

由圖3可知，GNSS-PWV與ERA5-PWV的

相關(guān)系數(shù)R為0.93，說明兩者具有強(qiáng)相關(guān)性.由

表1精度評估結(jié)果可知，每個測站的BIAS、STD與RMS數(shù)值都很小，說明CORS站解算出的PWV與ERA5計算出的PWV較為接近，具有較高的一致性，能反映出較為真實(shí)的水汽含量.綜上所述，基于地基GNSS觀測數(shù)據(jù)反演的GNSS-PWV具有較高的精度，滿足氣象學(xué)上對GNSS-PWV均方根誤差要求為2.0～2.5mm［15］，說明地基GNSS觀測數(shù)據(jù)反演GNSS-PWV是一種可行的方法.

2? 結(jié)果與分析

2.1? 臺風(fēng)期間實(shí)際降雨與PWV的時序分析

根據(jù)2017年、2020年及2021年廈門地區(qū)3次臺風(fēng)事件，選取XMDM站、XMJM站及XMJY站2017年7月29日0時至8月4日0時、2020年8月8日0時至8月14日0時及2021年8月3日0時至8月9日0時的PWV（利用地基GNSS解算得到）與廈門實(shí)際降水量數(shù)據(jù)（采樣的頻率為1 h）展開分析，結(jié)果如圖4～6所示.

由圖4可知，臺風(fēng)發(fā)生期間3個CORS站的PWV值變化趨勢基本相同，總體上都是呈先上升后下降的趨勢.從2017年7月30日7：00至8月1日13：00廈門幾乎持續(xù)降雨，總降雨量達(dá)到145 mm.從7月30日7：00開始降雨至7月31日22：00時降雨量較少，平均雨量為1.2 mm，之后降雨量大幅增加，8月1日3：00～6：00平均降雨量

為17.2 mm，7：00～10：00降雨量明顯減少，在11：00之后降雨量逐漸減少直至降雨結(jié)束.在降雨開始前PWV有著明顯的化：3個測站從7月29日2：00至7月20日4：00，PWV一直處于上升趨勢，分別從最低的44.9，50.8，32.6 mm逐漸增加至66.9，73.0，53.0 mm，每站平均增幅為21.5 mm.降雨產(chǎn)生之后，PWV仍然保持上升狀態(tài)，代表著水汽還處于積聚階段，并沒有得到完全釋放，這一點(diǎn)可以從7月31日00：00～5：00的降雨量較少可以看出，在6：00時PWV值到達(dá)峰值之后開始逐漸下降，但PWV值保持8個時段下降趨勢后不再下降，一直維持在71 mm（以XMJM站為例）的高位，預(yù)示著降雨還將持續(xù)，直至8月1日2：00PWV開始下降，不再保持高位［16］.由于臺風(fēng)吞并“納沙”臺風(fēng)后，在8月2日11：00 PWV突然上升，隨之6小時后開始少量降雨，至19：00下降至53.2 mm（XMJM站），代表大氣中的水汽已完全釋放.由此可見，臺風(fēng)“納沙”、“海棠”雙臺風(fēng)發(fā)生期間，PWV先發(fā)生劇烈變化，隨后發(fā)生降雨，繼續(xù)影響PWV的變化.

由圖5可知，臺風(fēng)發(fā)生期間3個CORS站的PWV值變化趨勢基本相同，都是總體呈先上升后下降的趨勢.2020年8月10日6：00～14：00 PWV的曲線震蕩性較為強(qiáng)烈，PWV值分別從最低的38.2，44.8，28.4 mm上升到60.8，68.4，49.0 mm，每站平均增幅為22.3 mm，隨后PWV值持續(xù)上升，在21：00達(dá)到峰值，5h后開始降雨，PWV值隨之下降.在8月11日11：00至8月12日2：00 PWV值出現(xiàn)小幅度上升，3 h后產(chǎn)生降雨，PWV值又開始下降，說明水汽得以完全釋放.本次3個測站的PWV在降雨產(chǎn)生前8 h都開始上升，平均增幅達(dá)到22.3 mm，每站平均變化率達(dá)到2.7 mm·h-1.由此可見，臺風(fēng)“米克拉”發(fā)生期間，PWV先發(fā)生劇烈的變化，達(dá)到峰值后3～5 h出現(xiàn)降雨，進(jìn)而影響PWV的變化.

由圖6可知，臺風(fēng)發(fā)生期間3個CORS站的PWV值變化趨勢基本相同，

總體都是呈先上升后下降的趨勢.2020年8月3日12：00 PWV值變化相對穩(wěn)定，在4日3：00 PWV小幅度上升，每站平均增幅為6.5 mm，隨后變化較為穩(wěn)定，但仍然保持上升趨勢，說明水汽還處于積聚狀態(tài)，并未得到釋放，10 h后開始持續(xù)降雨，總降雨量達(dá)到168.6 mm.直至8月6日11：00 PWV開始逐步下降，水汽得到一定釋放.在8月7日7：00和8日9：00 PWV都出現(xiàn)一次小峰值，10 h后都出現(xiàn)了小量降雨情況.由此可知，臺風(fēng)“盧碧”發(fā)生間，PWV值一定會先發(fā)生變化，水汽積聚，進(jìn)而幾小時后產(chǎn)生降雨現(xiàn)象.

綜上所述，廈門市3次臺風(fēng)發(fā)生期間，3個CORS站在發(fā)生降雨時PWV值的變化都有一些普遍特征：每次產(chǎn)生降雨前，由于大氣中的水汽積聚，PWV值都會有一個迅速上升的過程，直至降雨.之后，隨著降雨結(jié)束，大氣中積聚已久的水汽得到了釋放，PWV值也隨之下降，說明PWV與實(shí)際降雨之間具有一定的相關(guān)性.

2.2? 地基GNSS反演PWV空間動態(tài)分布特征分析

CORS站的觀測數(shù)據(jù)反演得到的PWV是在廈門市區(qū)域內(nèi)分布的點(diǎn)狀數(shù)據(jù)，為了能夠更加直觀地分析臺風(fēng)“米克拉”在廈門市范圍PWV的動態(tài)變化的過程，將PWV采用插值的方法進(jìn)行處理，將空間上不連續(xù)的點(diǎn)狀數(shù)據(jù)轉(zhuǎn)換為空間上連續(xù)的面狀數(shù)據(jù)，最終PWV的空間動態(tài)可視化分布結(jié)果如圖7所示［16］.本文主要分析2020年8月9日至13日（DOY為第222～226天）臺風(fēng)前后時間段的情況，時間分辨率為8 h，空間分辨率為0.1°×0.1°的PWV動態(tài)變化過程.

從圖7可以明顯看出，臺風(fēng)“米克拉”在廈門境內(nèi)PWV水汽傳輸過程的空間動態(tài)分布情況.在臺風(fēng)進(jìn)入廈門境內(nèi)前，廈門市的PWV在空間分布上表現(xiàn)為XMDM、XMJM站的PWV值略高于XMJY站，這是由于XMDM與XMJM測站更靠近大海，水汽較為豐富.在年積日（DOY）第222天00：00至次日的00：00，廈門市PWV幾乎無明顯的變化特征，此時“米克拉”還未登陸廈門.從DOY第223天8：00至第224天00：00，PWV值急劇上升（此時“米克拉”正在奔赴廈門境內(nèi)），XMJM站的PWV達(dá)到70 mm以上的高值，XMDM和XMJY站也分別在60 mm和50 mm以上；在第223天16：00到次日00：00的過程中，3個測站均到達(dá)最大值，并且在此之后有大范圍的降雨產(chǎn)生.降雨過后能明顯看出8月11日（DOY第224天）8：00的PWV有所下降，但在16：00與8月12日（DOY第225天）00：00時PWV呈現(xiàn)小幅度上升，幾小時后又產(chǎn)生降雨.在DOY第225天8：00至次日16：00，廈門境內(nèi)的PWV值在逐步下降，直到恢復(fù)臺風(fēng)前的正常水準(zhǔn)（“米克拉”離開廈門），說明PWV值的變化趨勢與臺風(fēng)“米克拉”的移動路線呈現(xiàn)出較好的對應(yīng)關(guān)系［17］.在臺風(fēng)“米克拉”登陸前后的水汽空間動態(tài)傳輸過程中，PWV的變化表現(xiàn)出與降雨之間高度相關(guān)的特征，這一結(jié)果生動地展示了臺風(fēng)期間水汽的變化，表明了在臺風(fēng)期間PWV與降雨之間具有極強(qiáng)的相關(guān)性［17］.

3? 結(jié)束語

本文主要利用GNSS反演得到廈門市的PWV數(shù)據(jù)，并通過與ERA5再分析數(shù)據(jù)進(jìn)行對比，檢驗(yàn)可靠性，基于地基GNSS氣象學(xué)相關(guān)理論與研究方法，依據(jù)實(shí)際降雨和常規(guī)氣象數(shù)據(jù)，分析臺風(fēng)登陸期間廈門市水汽的變化特征，主要研究結(jié)論如下：

1）對比分析地基GNSS觀測基準(zhǔn)站反演的PWV與ERA5計算出的PWV，結(jié)果表明：CORS站解算出來的PWV與ERA5計算得出的PWV較為接近；GNSS-PWV與ERA5-PWV兩組數(shù)據(jù)的相關(guān)系數(shù)達(dá)到0.93，說明兩組數(shù)據(jù)之間具有高度相關(guān)性；GNSS-PWV具有一定的穩(wěn)定性和較高的精度，說明地基GNSS具備良好的水汽探測性能，能夠滿足氣象研究需求.

2）通過對廈門市3次臺風(fēng)期間實(shí)際降雨與PWV進(jìn)行時間序列分析，發(fā)現(xiàn)GNSS-PWV的變化與臺風(fēng)過程高度相對應(yīng)，且時間上的變化與臺風(fēng)過程高度吻合，這表明PWV與實(shí)際降雨之間具有一定的關(guān)聯(lián)性，有助于人們更好地了解和掌握極端天氣事件的變化規(guī)律.

3）對廈門市2020年臺風(fēng)“米克拉”進(jìn)行空間動態(tài)分布特征分析，表明GNSS-PWV的變化與臺風(fēng)過程具有高度對應(yīng)關(guān)系，在空間上的變化梯度與臺風(fēng)路徑基本一致，同時與降雨具有明顯的相關(guān)性，因此，GNSS-PWV能夠很好地反映出臺風(fēng)期間水汽的空間動態(tài)變化過程.

參考文獻(xiàn)：

［1］? 安豪，嚴(yán)衛(wèi)，杜曉勇，等.GNSS大氣海洋遙感技術(shù)研究進(jìn)展［J］.全球定位系統(tǒng)，2021，46（6）：1.

［2］? 李浩博.基于GNSS大氣反演信息的短臨極端天氣預(yù)警預(yù)報研究［D］.徐州：中國礦業(yè)大學(xué)，2021.

［3］? WU M，JIN S，LI Z，et al.High-precision GNSS PWV and its variation characteristics in China based on individual station meteorological data［J］.Remote Sensing，2021，13（7）：1296.

［4］? 莫智翔，黃玲，郭希，等.利用ERA5資料進(jìn)行桂林地區(qū)GNSS水汽反演精度分析［J］.南京信息工程大學(xué)學(xué)報（自然科學(xué)版），2021，13（2）：131.

［5］? 何琦敏.地基GNSS水汽反演及其在極端天氣中的應(yīng)用研究［D］.徐州：中國礦業(yè)大學(xué)，2021.

［6］? DING M，HU W，JIN X，et al.A new ZTD model based on permanent ground-based GNSS-ZTD data［J］.Survey Review，2015，48（351）：385.

［7］? 徐桂榮，萬蓉，李武階，陳波，馮光柳.地基GPS反演大氣可降水量方法的改進(jìn)［J］.暴雨災(zāi)害，2009，28（3）：203.

［8］? 趙慶志.地基GNSS水汽反演關(guān)鍵技術(shù)研究及其應(yīng)用［J］.測繪學(xué)報，2018，47（3）：424.

［9］? 聶檄晨.對流層天頂濕延遲模型及水汽反演應(yīng)用研究［D］.南京：東南大學(xué)，2020.

［10］? 馮鵬.GNSS對流層誤差模型研究及其氣象學(xué)應(yīng)用［D］.武漢：武漢大學(xué)，2021.

［11］? ASKNE J，NORDIUS H.Estimation of tropospheric delay for microwaves from surface weather data［J］.Radio Science，1987，22（3）：379.

［12］? 張豹.地基GNSS水汽反演技術(shù)及其在復(fù)雜天氣條件下的應(yīng)用研究［D］.武漢：武漢大學(xué)，2016.

［13］? 王帥民.基于GNSS和再分析資料的ZTD/PWV精度評定與模型構(gòu)建方法研究［D］.濟(jì)南：山東大學(xué)，2021.

［14］? 程國祥.臺風(fēng)時期對流層水汽變化研究［D］.淮南：安徽理工大學(xué)，2020.

［15］? 孫鵬.GNSS實(shí)時水汽反演關(guān)鍵算法研究［D］.徐州：中國礦業(yè)大學(xué)，2022.

［16］? 郭秋英，趙耀，黃守凱，等.基于北斗PWV的暴雨時空變化特征分析［J］.全球定位系統(tǒng)，2022，47（5）：111.

［17］? 朱玉香，陳永貴，安春華.臺風(fēng)“利奇馬”在山東期間的GPS-PWV動態(tài)特征［J］.導(dǎo)航定位學(xué)報，2020，8（6）：103.

（責(zé)任編輯? 武維寧）