李筱，齐锋

( 中国电波传播研究所，山东青岛 266107)

0 引言

加权平均温度是全球卫星导航系统(GNSS)气象学的一个重要物理量[1].在GNSS气象学解算大气可降水量(PWV)过程中，基于GNSS载波相位观测值以及国际GNSS服务(IGS)等提供的高精度卫星星历及卫星钟差，利用单点定位算法[2]解算对流层天顶延迟(ZTD).而对流层静力延迟(ZHD)可以用Saastamoinen 模型经验公式较精确地获得[3]，ZTD扣除ZHD，即得到对流层天顶湿延迟(ZWD)，利用ZWD与转换因子可以换算得到PWV，加权平均温度是转换因子的一个重要影响因素.

FNL(Final Analysis Data of Global Forecast System)数据是由美国国家环境预报中心提供的再分析格点数据[4].时间分辨率为6 h/次，空间水平分辨率为1°×1°，垂直方向包括地面以及1 000～10 hPa 的26 个等压面层数据.该产品由全球数据同化系统(GDAS)生成，考虑了全球电信系统(GTS)等多种观测数据，是国际上中尺度数值模式和区域气候模式常用的初始场之一.

本文以宁夏周边地区为例，基于2017年的历史再分析栅格数据，给出了加权平均温度统计模型的建模方法，通过与通用加权平均温度统计模型进行对比，统计分析了新模型的预报精度.

1 加权平均温度

表1 饱和水汽压公式系数值

Bevis M 等[9]利用美国27°N～65°N 内的探空数据资料，回归得到的通用公式[7]为

式中，T0为地面开氏气温(K).

2 模型构建

2.1 数据源

提取2017年FNL再分析格点数据35°N～40°N、104°E～108°E 范围，气象数据样本如图1所示，包含各个格点的海拔高度、气压、气温、相对湿度信息.

图1 气象数据样本选取范围

2.2 加权平均温度建模

根据式(5)计算各个格点4个时刻的加权平均温度.以地面为积分起始高度，积分截止高度为气象数据剖面中的最大高度值.

假定加权平均温度随地面气温呈线性变化，用最小二乘法[10]拟合得到线性关系式的常数项与系数项.

式中，ai和bi为拟合得到的每个格点不同时刻的系数项和常数项.

3 结果与分析

将再分析数据计算得到的加权平均温度作为真值，对比式(6)计算得到的加权平均温度(称为通用模型)和式(7)计算得到的加权平均温度(称为新模型)，分别统计了各个格点的均方根误差(RMSE).

图2～图9给出了2017年00：00世界时(UT)、06：00 UT、12:00 UT、18：00 UT 时刻样本区域内不同格点的RMSE统计结果.

由图2～图9可知：通用模型RMSE最大值约为17.5℃，新模型RMSE 最大值约为4.2℃；一天中，06：00 UT 时刻的RMSE 最大，18：00 UT时刻的RMSE较小.

图2 00:00 UT 时刻通用模型统计RMSE结果

图3 00:00 UT时刻新模型统计RMSE结果

图4 06:00 UT时刻通用模型统计RMSE结果

图5 06:00 UT时刻新模型统计RMSE结果

图6 12:00 UT时刻通用模型统计RMSE结果

图7 12:00 UT 时刻新模型统计RMSE结果

图8 18:00 UT时刻通用模型统计RMSE结果

图9 18:00 UT 时刻新模型统计RMSE结果

4 结论

本文以宁夏地区为例，利用FNL 再分析数据，构建了加权平均温度的统计模型，并与通用加权平均温度模型的预报精度进行了对比.统计分析可知：较通用模型，新模型对加权平均温度的预报精度有较明显的优势.因此，在对加权平均温度精度要求较高的情况，构建当地的加权平均温度模型是十分必要的.

致谢：再分析历史气象数据由美国国家环境预报中心提供，在此表示感谢.