姜英明,杨颖,郭金运,姚向东,张海平,冯彦同

(1.山东科技大学测绘科学与工程学院,青岛 266590;2.山东省国土测绘院,济南250102)



基于SDCORS的区域可降水汽含量分析

姜英明1,杨颖2,郭金运1,姚向东1,张海平2,冯彦同2

(1.山东科技大学测绘科学与工程学院,青岛 266590;2.山东省国土测绘院,济南250102)

摘要：利用GAMIT/GLOBK软件对SDCORS站的观测数据进行解算,获得了山东地区各测站的时间间隔为1小时的大气可降水汽序列,将其与NCEP模型插值计算得到的可降水汽含量、地面站点的实际降水量进行了比较分析。结果表明:利用SDCORS观测数据所反演的可降水汽含量有一定的使用价值,可以用于气象学上大气可降水汽含量的研究;GPS可降水汽含量能够作为降水短期预报的指标,能够监测天气变化的过程。

关键词：CORS;可降水汽含量(PWV);降水量;NCEP再分析资料

0引言

水汽在大气中所占的比例很小,约为0.11～3%[1],但其在天气和气候变化中起着主要的作用。研究大气可降水汽含量的变化,对预测气候的变化、天气预报和异常天气等方面有重要的现实意义。传统的探测技术受到很多条件的限制,无法满足探测实时大气水汽含量的需要。而使用GPS探测得到的可降水汽有更高的时间分辨率和空间分辨率,同时不受大气尘埃和天气的影响,在探测大气可降水汽方面有着明显的优势。

GPS气象学的研究起源于美国。自从Bevis等人于1992年提出了GPS遥测可降水汽含量的思想后[2],国内外的许多学者也纷纷开始了这方面的研究,并在经历了从GPS气象学的可行性到实际应用的研究中,取得了一系列的研究成果。Takagi等使用GPS反演方法对拉萨地区季风前与季风期间的大气PWV值的日变化特征进行分析,发现其在季风前和季风期间都存在明显的最小值[3]。Osamu等人使用GPS反演手段对日本关东平原一次冷锋过境的天气变化过程中的PWV进行分析后发现,冷锋过境后,关东平原上空的PWV存在明显的高值区[4]。Kanda的研究也表明,GPS/PWV的观测结果对于短期强降水的预报准确率提升明显[5]。我国学者对可降水汽含量的研究主要有:毛节泰在1993年初步进行了GPS气象学的研究[6],计算了大气可降水汽含量。王小亚于1998年进行了GPS气象学的试验,其结果证明了GPS探测可降水汽含量的可靠性[7]。毕研盟等进行了GPS气象学的相关试验,并结合相应的地面温度、气压等气象数据计算了时间间隔为30秒的可降水汽含量[8]。宋淑丽利用上海GPS的观测数据进行了可降水汽三维层析技术的研究,得到了水汽的三维分布,以便于研究天气状况[9]。曹云昌等研究了可降水汽含量与降水量的联系,发现其能够精确地监测天气变化[10]。王勇等利用秦皇岛地基GPS采集的数据计算逐时可降水汽含量,对秦皇岛地区的降雨过程进行了分析[11]。

本文利用SDCORS站的观测数据,采用GAMIT/GLOBK软件获得了山东各测站的大气可降水汽含量,并与NCEP模型计算的可降水汽含量和地面的降水量比较,分析GPS用于解算可降水汽含量的可靠性及其在监测天气变化方面的作用。

1数据来源

1.1CORS站数据

SDCORS系统由100多个基准站组成,于2007年开始建设并陆续投入使用,该系统为探测山东省地区的可降水汽含量提供了稳定的观测数据[12]。SDCORS站点分布如图1所示,本文选择了所有SDCORS站在2012年年积日为第001、002、003、004、091、092、093、094、181、182、183、184、271、272、273、274的共16天的观测数据。

图1　SDCORS站点分布

1.2IGS站

直接解算得到的测站上空的天顶延迟量具有相关性,需要引入长度大于500 km以上的长基线来减少这种相关性[13],从而得到测站天顶方向对流层延迟绝对量,进而求出测站上空绝对PWV.因此,在GPS反演水汽的数据处理中需引入IGS站进行联合解算,以确保观测网中有长度超过500 km的基线。本次解算中选取3个IGS站参与数据处理,分别是北京站(BJFS)、武汉站(WUHN)、上海站(SHAO)。

1.3 NCEP再分析资料

美国国家环境预报中心(NCEP) 发布的NCEP再分析资料是美国国家环境预测中心(NCEP)和国家大气研究中心(NCAR)合作分析产生的气象分析数据资料,该资料覆盖全球具有资料完整、时间序列长等优势[14]。其中的可降水汽含量数据,适合全球和区域长期的水汽变化的研究[15]。1948年至今的NCEP/NCAR全球再分析资料可以免费获取,时间分辨率为6 h.利用经纬度分辨率为2.5°×2.5°的 Surface 数据,对NCEP再分析资料的格网数据进行双线性插值,计算出相应测站的可降水汽含量。

2数据解算方法

2.1基本原理

根据GPS的观测值, GAMIT/GLOBK软件可以计算出天顶方向的对流层总延迟(ZTD)。而对流层总延迟又分为静力学延迟(ZHD,又称干延迟)和湿延迟(ZWD)两部分。其中静力学延迟比较有规律可以通过模型计算出来,常见的计算模型有Saastamoinen模型[16]、Hopfield模型[17]和Black模型[18]等。这样就可以利用总延迟与静力学延迟作差得到湿延迟,最后利用转换系数K,得到各个测站大气可降水汽含量。

本文选择Saastamoinen模型计算静力学延迟,即

(1)

式中: ZHD表示静力学延迟(mm); Ps为地面大气压(hPa); φ为测站纬度(度); H为测站大地高(km); f(φ,H)为纬度和高度的函数,反映了重力加速度随地理位置和海拔高度的变化,其表达式为

f(φ,H)=1-0.0026cos2φ-0.00028H.

(2)

天顶湿延迟ZWD计算公式为

ZWD=ZTD-ZHD.

(3)

利用转换系数将湿延迟转化为可降水汽含量

PWV=K·ZWD,

(4)

式中,K为转化系数,可用下式得到

(5)

Tm=70.2+0.72Ts,

(6)

式中: Tm为加权平均温度(K); Ts为地面气温(K).

2.2PWV解算原理

利用地基GPS解算大气可降水汽含量分为三个基本步骤:1) 解算GPS观测数据得到测站天顶方向对流层总延迟;2) 利用模型计算天顶静力延迟,然后从对流层总延迟中分离出天顶对流层的湿延迟;3) 利用转换系数K,得到各个测站PWV.具体计算过程，如图2所示。在使用GAMIT软件进行基线解算过程中,将Choice of Experiment项设为RELAX,即对轨道和基线松约束;观测值的组合方式设置为LC-AUTCLN,即采用双频消电离层组合。为提高数据解算的精度,抵消解算误差,还引入了许多模型。其中大气模型采用了Saastamoinen模型,相比Hopfield模型,该模型在我国境内的改正效果更好[20]。干湿映射函数都采用了目前精度相对比较高的维也纳映射函数1(VMF1)[21]。在对对流层参数进行估计时,将其估计间隔设置为1 h.同时,还考虑了海潮、大气潮、极潮和太阳光压等对基线解算结果的影响,并引入相关模型消除其误差。为消除接收机天线相位等造成的影响,还考虑GPS接收机天线相位中心偏差和变化[22]。

图2　PWV解算技术路线

3结果与分析

3.1均方根残差nrms值统计

GPS/PWV是GPS测量的一个副产品,其精度与定位精度密切相关[23]。基线解算的精度与可靠性是判断解算可降水汽含量精度的标志。而衡量GAMIT软件的基线解算质量最主要的指标是验后均方根残差nrms.其计算公式为

(7)

表1　基线解算均方根nrms

3.2GPS/PWV与NCEP/PWV的比较

将对应时间的(年积日为001、002、003、004、091、092、093、094、181、182、183、184、271、272、273、274天0时、6时、12时和18时)NCEP再分析资料模型插值得到的可降水汽含量(NCEP/PWV)与SDCORS数据反演的可降水汽含量(GPS/PWV)做差,其差值的统计结果如表2所示。

表2　NCEP/PWV与GPS/PWV对比数据表

从表2可以看出NCEP插值计算的可降水汽含量与GPS反演的大气可降水汽含量比较的最大偏差为3.87 mm,最小偏差为-4.16 mm,平均偏差为-1.97 mm,标准差为1.31 mm,均方差2.33 mm.通过以上的比较说明利用SDCORS反演的可降水汽含量有一定的使用价值,可以用于气象上大气可降水汽含量的研究。

图3、图4分别是使用山东省2012年第002天0时的NCEP/PWV和GPS/PWV数据绘制的等值线图。从这两幅图上可以看出两种PWV在空间上具有一致性,两幅图在山东西部可降水汽含量最高,向东依次递减。由于NCEP再分析资料是2.5°×2.5°的格网数据,双线性插值时没有考虑到地形因素,在个别地区两种资料会出现一些异常情况。图5示出了年积日为第002天0时NCEP/PWV与GPS/PWV的差值,绘图过程为首先将GPS/PWV与NCEP/PWV在对应观测站处的值作差,然后使用克里金插值法对差值绘制等值线图。图中大部分地区差值在-1～-2.5 mm之间,从山东省整体来看二者有较好的一致性,但同时也有一些差异,二者的差异主要受NCEP模式系统和同化系统、GPS观测系统、反演算法/模式算法和同化引入数据等的共同影响。图6、图7分别示出了安丘站和曲阜站的GPS/PWV与NCEP

/PWV的差值图,由这两幅图可以看出在这两个测站处的GPS/PWV与NCEP/PWV随时间的变化情况大体一致。

图3　山东省内NCEP/PWV12年第002天0时的等值线

图4　山东省内GPS/PWV12年第002天0时的等值线

图5　山东省内12年第002天0时GPS/PWV与　NCEP/PWV的差值

图6　安丘站GPS/PWV与NCEP/PWV的差值

图7　曲阜站GPS/PWV与NCEP/PWV的差值

3.3GPS/PWV分布图及与地面降水的比较

从中国气象科学数据服务网(http://cdc.cma.gov.cn)上可下载我国境内的降水资料。通过解算SDCORS站的数据,获得了山东地区各测站的时间间隔为1 h的大气可降水汽序列。在本文处理的16天的数据当中,在年积日为第093天山东东部发生了降水,其他时间降雨量不太明显。由于篇幅有限,本文只列举山东省2012年第093天2时、4时、8时、12时的可降水汽含量分布等值线图,如图8、图9、图10、图11所示。

图8　山东省内GPS/PWV12年第093天2时的等值线

图9　山东省内GPS/PWV12年第093天4时的等值线

从图8至图11中可以看到该地区域的可降水汽含量的空间分布以及随时间变化的情况;可直观全面地分析某地区可降水汽含量和气候状况;相对其他探空手段而言,地基GPS反演大气可降水量在空间和时间分辨率上有自己独特的优势,能够为天气研究提供可靠资料。

图10　山东省内GPS/PWV12年第093天6时的等值线

图11　山东省内GPS/PWV12年第093天8时的等值线

图12　潍坊站GPS/PWV与地面实际降水量的对比

图12为潍坊站2012年第091至094天时间间隔为1 h的GPS/PWV与地面实际降水量的对比图。从中可以看出降水的发生首先表现为大气中的可降水汽含量逐渐上升,并在到达峰值之后其含量下降时发生降雨;最后是可降水汽含量消减。这与许多研究是相一致的。图12表明GPS能够精确地监测天气变化的整个过程,利用GPS探测大气可降水汽含量有非常大的应用前景。

4结束语

本文以SDCORS站数据为基础,对地基GPS探测大气可降水量进行了初步的研究。主要包括以下几方面的内容:通过对SDCORS测站观测数据进行解算得到各测站天顶方向的大气可降水量PWV,将其与由NCEP再分析资料插值得到的大气可降水量PWV进行对比分析,从而证明利用GPS观测数据解算大气可降水量是可靠的。在此基础上绘制了大气可降水量等值线图,分析了当地面发生降水时可降水汽含量的变化情况。其结论如下:

1) 通过对SDCORS测站观测数据进行解算得到各测站天顶方向的大气可降水量PWV,与NCEP再分析资料插值得到的大气可降水汽含量进行对比分析。其统计结果中平均偏差为-1.97 mm、标准差为1.31 mm、均方差为2.33 mm.通过以上的比较说明利用SDCORS反演的可降水汽含量有一定的使用价值,可以用于气象上大气可降水汽含量的研究。

2) 绘制山东可降水汽含量等值线图,可以更加直观全面地分析某地区可降水汽含量随时空的变化情况;相对其他探空手段而言,地基GPS反演大气可降水量在空间和时间分辨率上有自己独特的优势,能够为天气研究提供可靠资料。

3) 通过潍坊站年积日为第091至094天的可降水汽含量与地面的降水量对比分析表明:当可降水量的变化超过一定的范围之后地面将会伴随着降水。通过SDCORS测站观测数据监测PWV的变化,能够为预测地面的天气状况提供辅助。

参考文献

[1] 盛裴轩, 毛节泰, 李建国,等.大气物理学[M].北京:北京大学出版社, 2011.

[2] BEVIS M, BUSINGER S, HERRING T A,etal. GPS meteorology: Remote sensing of stmospheric water vapor using the Global Positioning System[J]. Journal of Geophysical Research, 1992,97(D14):15787-15801.

[3] TAKAGI T, PEIMING W, KIMURA F. Diurnal variation of GPS precipitable water over the Tibetan Plateau during the post-monsoon period in 2000[J].Journal of the Meteorological Society of Japan, 2000:175-180.

[4] OSAMU O, FUJIO K. Behavior of GPS-derived precipitable water vapor in the mountain lee after the passage of a cold front[J]. Journal of Geophysical Research, 2003,30(14):17-46.

[5] MANABU KANDA. GPS meteorology: ground-based and space-brone application[C].//Proceedings of GPS meteorology, Tsukuba, Japan, 2001:3-12.

[6] 毛节泰.GPS气象应用[J].气象科技, 1993(4):45-49.

[7] 王小亚.地面GPS探测大气可降水汽量的研究及其在气象上的应用[D].上海:中国科学院上海天文台,1998.

[8] 毕研盟,毛节泰,杨光林,等.地基GPS遥感观测安徽地区水汽特征[J].气象科技,2004,32(4):225-228.

[9] 宋淑丽,朱文耀,廖新浩.地基GPS气象学研究的主要问题及最新进展[J].地球科学进展,2004,19(2):122-125.

[10]曹云昌,方宗义,夏青. GPS遥感大气可降水量与局地降雨关系的初步分析[J].应用气象学报,2005,16(1):54-59.

[11]王勇,何荣,杨彬云,等.GPS反演的可降水量与降水的对比分析研究[J].测绘科学,2010,35(5):80-82.

[12]姜英明,郭金运,刘智敏,等.利用SDCORS数据建立山东区域动态坐标参考框架[J].北京测绘,2015,124(5):31-34.

[13]宋淑丽,朱文耀.区域GPS网实时计算可降水量的若干问题[J].中国科学院上海天文台台刊,2003(24):20-27.

[14]KALNAY E, KANAMITSU M, KISTLER R,etal. The NCEP/NCAR 40 years reanalysis project[J]. Bulletin of the American Meteorological Society,1996,77(3):437-471.

[15]林丹,王维佳,李慧晶.西南地区可降水量时空分布和变化特征[J].气象科技,2013,5(24):889-894.

[16]SAASTAMOINEN J. Contributions to the theory of atmospheric refraction[J]. Bulletin Géodésique, 1973(107): 13-34.

[17]HOPFIELD H S. Tropospheric effect on electromagnetically measured range: prediction from surface weather data[J].Radio Science, 1971, 6(3): 357-367.

[18]BLACK H D, EISNER A. Correcting satellite Doppler data fortropospheric effects[J]. Journal of Geophysical Research, 1984, 89(D2): 2616-2626.

[19]BEVIS M, BUSINGER S,CHISWELL S,etal. GPS meteorology: Maping zenith wet delays onto precipitable water[J]. Journal of Applied Meteorology, 1994(33):379-386.

[20]曲伟菁,朱文耀,宋淑丽,等. 三种对流层延迟改正模型精度评估[J].天文学报,2008,49(1):113-122.

[21]高兴国,刘焱雄,冯义楷,等.GNSS对流层延时映射函数影响分析比较研究[J].武汉大学学报·信息科学版,2010,35(12):1402-1404.

[22]郭金运,徐泮林,曲国庆. GPS接收机天线相位中心偏差的三维检定研究[J]. 武汉大学学报·信息科学版,2003,28(4):448-451.

[23]李国平,黄丁发.地基GPS气象学[M].北京:科学出版社,2010.

[24]鄂栋臣,詹必伟,姜卫平,等.应用GAMIT/GLOBK软件进行高精度GPS数据处理[J].极地研究,2005,17(3):173-182.

姜英明(1991-),男,硕士生,主要从事空间大地测量等研究。

杨颖(1957-),男，研究员，主要从事大地测量方面的研究。

郭金运(1969-),男,博士,教授,博士生导师,主要从事空间大地测量、海洋大地测量和物理大地测量等研究。

Analysis of Regional Perceptible Water Vapor Basedon SDCORS

JIANG Yingming1,YANG Ying2,GUO Jinyun1,YAO Xiangdong1,ZHANG Haiping2,FENG Yantong2

(1.CollegeofGeomatics,ShandongUniversityof

ScienceandTechnology,Qingdao266590,China;2.ShandongProvincialInstituteofLandSurveyingandMapping,Jinan250102,China)

Abstract:SDCORS data are processed to estimate the precipitation water vapor (PWV) over Shandong with the time resolution of one hour by the GAMIT/GLOBK. The GPS/PWV series are compared with the NCEP reanalysis data and local precipitation to verify the GPS/PWV accuracy and reliability. The results showed that the GPS/PWV from the SDCORS data can be used in the meteorological research and as oneindicator of short-term prediction of precipitation and weather monitoring.

Keywords:CORS; perceptible water vapor; precipitation; NCEP reanalysis data

作者简介

中图分类号：P228.4

文献标志码：A

文章编号：1008-9268(2016)01-0037-06

收稿日期：2015-10-22

doi:10.13442/j.gnss.1008-9268.2016.01.007

资助项目： 国家自然科学基金(批准号:41374009)、公益性行业科研专项(编号:201412001)、山东省自然科学基金(批准号:ZR2013DM009)

联系人： 姜英明 E-mail:jiangyingming@live.com