暴雨天氣中地基GNSS可降水量時序變化分析

朱恩慧，楊 力，賈鵬志，趙 爽，郜 堯

(信息工程大學 導航與空天目標工程學院，鄭州 450000)

0 引言

全球衛星導航系統氣象學(global navigation satellite system meteorology，GNSS/MET)是近20年來蓬勃發展起來的。GNSS/MET所研究的一項重要內容是水汽，水汽在時間、空間上的狀態以及三相變化直接對大氣的垂直穩定產生影響，并導致氣候的演變，造成強對流天氣進而引發強降雨等暴雨天氣。相比于常規天氣預測，基于地基GNSS反演大氣水汽的方式可提供時效性強、精度高、全天時的氣象數據資料，有助于改善天氣預報尤其是中尺度的天氣預報的時效性、精度等。

文獻[1-4]對于大氣可降水量(precipitable water vapor，PWV)的時間變化序列在暴雨天氣預報方面了一些早期實驗，在中尺度數值3維變化同化，與其他大氣資料相結合，用以改善數值模擬初值并進行質量分析，對于降雨預報的提高具有明顯的作用；文獻[5]介紹了長江區域全球定位系統(global position system，GPS)網在臺風天氣下影響區域的PWV的探測，得出PWV與每日探空資料具有極高的一致性，在臺風天氣前后PWV值有個急升和急降的過程；文獻[6]利用北京地基GPS網分析2004年暴雨過程中PWV的變化特點及其與降水量和強度的關系；文獻[7]分析武漢市幾次暴雨過程，得出每一次暴雨的發生都是在PWV急增之后；文獻[8-12]分析暴雨發生期間天氣氣象要素的變化特征，研究水汽對流運動的發展規律，得出在水汽含量快速增長的情況下，接下來一段時間(幾個小時)內非常有可能產生降水。

本文以香港地區一次臺風引發暴雨的天氣為實例，基于精密單點定位(precise point positioning，PPP)技術實時反演PWV，分析在臺風天氣暴雨發生期間地基GNSS可降水量的時許變化特點。

1 地基GNSS水汽反演方法

大氣中水汽信息包含PWV、3維水汽分布以及時間分布序列等。其中，對PWV值的高精度計算是地基GNSS技術的關鍵之一，為進一步解算其他水汽信息奠定基礎。地基GNSS反演技術利用高精度定位原理反推對流層的延遲量，進而解算大氣可降水量。本文數據處理過程基于精密單點定位方法計算天頂對流層延遲(zenith total delay，ZTD)，ZTD由天頂靜力學延遲(zenith hydrostatic delay，ZHD)和天頂濕延遲(zenith wet delay，ZWD)2部分組成，其中：ZHD又可稱之為天頂干延遲，占總延遲的90 %左右，變化情況較為穩定，可使用模型對其進行改正并能達到較高精度改正數；ZWD則是由大氣水汽的折射造成，其變化復雜，且與天氣情況密切相關。一般利用GNSS觀測數據可求得ZWD精確值，基于氣象觀測數據可求得ZHD準確值，由精確天頂對流層濕延遲和精確天頂對流層干延遲可求得天頂對流層總延遲為

ZTD=ZWD+ZHD。

(1)

ZHD與地面氣象數據有強相關性，結合薩斯模型可得ZHD的準確值。通過PWC參數估計過程，可以直接求得ZWD，PWV的計算方法為

PWV=Π·ZWD。

(2)

香港連續運行參考站網由18個分布于香港各處的連續運行參考站(continuously operating reference stations，CORS)組成，如圖2所示。每天不停接收GNSS衛星的數據，經系統整理分析后，發放到香港大地測量網，供用戶下載使用，以滿足用戶高精度定位需求。

(3)

式中：ρw為液態水密度；Rυ=461.510 J·kg-1·K-1，為水汽氣體常數；Mw=18.015 g·mol-1，為濕大氣摩爾質量；Md=28.964 g·mol-1，為干大氣摩爾質量；k1=77.689 K·hpa-1、k2=71.259 K·hpa-1、k3=373 900 K2·hpa-1，均為物理常數。大氣加權平均溫度為Tm，其計算方法為

立磨機試驗裝置主要由轉速檢測裝置、自動控制裝置及立磨機主體設備組成，可通過控制系統調整主軸轉速，此外該系統還配置有粒度測量儀器。立磨機筒體規格為Φ250mm×800mm，筒體容積35L，電機功率 3kW［6］。

(4)

式中：N為層數；Δpi為第i層大氣密度；ei為實驗區域水汽壓；Ti為實驗區域絕對溫度。在GNSS反演水汽過程中，實測氣象數據不容易獲得；本文采用文獻[13]提出的全球大氣加權平均溫度模型(global weighted mean temperature，GWMT)求取實驗區域大氣加權平均溫度，結果精度較高。

高校的資產管理機構為國有資產的一級管理機構，由相應的主管校長負責，實現既管資產，又管事務，兼管人員的統一。高校國有資產管理處獨立行使國有資產出資者的權利，依法對相應的國有資產進行監督管理。其主要職責有：（1）加強日常國有資產管理，對國有資產的安全、完整性，相應的保值增值進行監督監管；（2）制訂相關的高校國有資產的規章制度，依法行使指導監督權力；（3）依法對下級部門負責人進行任免，考核。設立相應的獎懲制度，完善有關的激勵、約束機制。（4）代表學校向校辦企業派遣監事人員；（5）統籌負責學校國有資產的產權相關工作，制訂相應的融資、發展規劃。

2 實驗及結果分析

2.1 實驗數據

式中Π為轉換因子，其計算方法為

實時PWV解算流程圖如圖1所示。

實驗采用其中17個CORS站進行說明，基于PPP技術，利用各站觀測數據結合國際GNSS服務組織(International GNSS Service，IGS)提供的實時軌道和鐘差解算ZTD和ZWD，時間分辨率為5 min。采用香港地區2016-10-14至2016-10-23(年積日第288天至第297天)10 d的GNSS觀測數據(格林尼治時間)，對應北京時間為2016-10-14的8時至2016-10-23的8時，以下實驗分析均采用格林尼治時間進行說明。實驗期間出現受臺風影響引發的的暴雨天氣，于2016-10-16至2016-10-19出現。期間整個香港地區降雨量超過100 mm，降雨水平已經達到暴雨閾值。實驗使用的17個連續運行參考站中，其中HKWS和HKSL同時作為IGS站，利用這2個連續運行參考站連續10 d的解算結果ZTD與IGS發布的同時期對流層產品ZTD進行對比分析，確定使用該技術的解算結果具有較高的精度。并通過香港天文臺發布的香港各個地區每小時降雨量，獲取各區附近CORS站實際降水量，其中HKSC站與香港天文臺測站距離最近，還可對比該站解算出的PWV值與天文臺探空數據。探空數據可以通過美國國家海洋和大氣管理局發布的全球探空數據進行下載，該數據由全球分布的多個氣象站每12 h釋放一次探空氣球采集，可獲取香港區域探空資料。

2站解算結果(PPP/ZTD)與IGS產品值(IGS/ZTD)符合精度良好，差值集中在10 mm以內。其中：HKSL站ZTD與IGS產品值平均偏差為-5.94 mm，均方根誤差(RMS)為5.042 mm；HKWS站ZTD對比IGS產品值其平均偏差-4.4 mm，均方根誤差(RMS)為7.092 mm。由此，采用實時軌道和鐘差進行的解算可達到與IGS站高精度軟件處理結果的高度一致性。證明該程序具有較好的解算精度，可滿足大氣水汽反演解算的相關需求。

2.2 ZTD對比分析

實驗使用了17個觀測站數據進行試驗，選取HKKT站和HKOH站并結合天文臺氣象站測得的地面實際降水量來觀察PWV變化過程，如圖8、圖9所示。

通過對各個路由度量合理的權重分配a=(a1,a2,a3,…,am),得到所有候選父節點的綜合評價值f(i)(i=1,2…n)。則具有最小(或最大)f(i)值對應的候選父節點可優先選為偏好父節點。而權重分配a=(a1,a2,a3,…,am)為一個單位矢量,aj表示第j個路由度量的權重系數,該單位矢量應滿足如下約束條件:

2.3 PWV對比分析

由圖5、圖6可知：自2016-10-16(年積日第290天)開始，在臺風影響下，PWV逐漸增加，至臺風影響天氣結束，HKSL站和HKWS站PWV增量都在25 mm以上，在此期間伴有強降水；自2016-10-17開始，可降水量進一步增大，各測站在2016-10-18先后達到峰值，隨后PWV值快速下降；在此之后大氣可降水量又開始快速增加，在12 h內達到峰值，并在19日迎來新一輪高強度降雨過程，隨著降雨過程逐漸結束，PWV值急劇下降。

本實驗采用2016-10-14至2016-10-23的觀測數據，期間因受臺風天氣影響，從2016-10-16至2016-10-19香港地區有持續大雨以及雷暴天氣，19日下午達到最大。重點分析2016-10-16至2016-10-19的可降水量變化過程，以HKSL和HKWS這2個站點為例進行分析(如圖5、圖6所示)。

在犢牛肉營養指標中，后腿的蛋白質含量、灰分含量和水分含量分別為20.603、1.34、77.45，顯著高于里脊和前腿(p<0.05)；前腿脂肪含量較高，為1.67%。成年牛肉的水分含量為68.48，顯著低于犢牛肉的水分含量。食用指標中，犢牛肉之間的pH值無明顯差異，它的不同與糖酵解、屠宰等都有關系。后腿和里脊的剪切力較小，說明后腿和里脊肉的嫩度最好。水分活度與水分含量結果一致。色澤較好的是后腿，紅度值為15.73，顯著高于其他兩組。得出后腿的營養指標和食用指標優于其他兩組。

分析2016-10-16至2016-10-19的可降水量變化過程，選取HKSC、HKKT和HKOH 3個站點結合香港天文臺氣象站測得的各個地區的地面實際降水量，并觀察可降水量的變化過程。由于HKSC站離香港天文臺距離最近，對比該站反演的PWV結果與天文臺的探空數據結果(如表1所示)，可看出平均偏差為2.21 mm，最大偏差不超過3.5 mm，符合精度要求。

表1HKSC站探空資料與所計算PWV值比較mm

日期探空值PWV差值10月16日12時54.2150.83.40 24時57.5257.30.3210月17日12時65.7063.81.90 24時70.6268.02.6210月18日12時67.5066.11.40 24時69.3767.12.2710月19日12時65.9863.12.88 24時46.1943.32.89

如圖7所示，HKSC站與香港天文臺觀測站距離最近，對比該站反演的PWV結果與天文臺探空結果，可發現估計值與探空值一致性較好，大多數差值都在2 mm以內。

為評估本實驗反演大氣可降水量的精度，采用IGS分析中心發布的對流層產品檢驗ZTD反演精度，該產品是基于IGS軌道和鐘差，利用Bernese軟件進行估計得到，產品分辨率為5 min。圖3及圖4所示為HKSL和HKWS 2個站點在2016-10-14至2016-10-23的ZTD解算結果與IGS產品值之間的差值。

Summertime migration of atmospheric mass over regions between Asia and North Pacific and its

由圖8、圖9可知：從2016-10-16的PWV值開始增大，到達2016-10-18的6點左右，HKSC站、HKKT站和HKOH站均達到峰值，在PWV增大期間伴有少量降水，所以PWV的值增大并不是很快；2016-10-18的6點左右伴隨降雨過程，PWV值開始下降；2016-10-19的凌晨，PWV值開始慢慢加速上升，2016-10-19的4點左右達到峰值并持續一段時間，在5點至6點開始新一輪的強降雨，隨著降雨量的增大，PWV值下降超過10 mm。

2）網站服務質量對醫藥B2C平臺顧客忠誠度的影響值為 0.64，這說明平臺網站通過與顧客進行積極高效的互動，如迅速解答顧客的問題、為顧客提供可以對購物過程和藥品服用效果進行反饋的渠道、構建便捷的交流溝通方式等，可有效地提升顧客滿意度，并進一步提升顧客的忠誠度。

圖10、圖11顯示香港地區所選取的17個測站PWV等值線的時序變化，可直觀看出整個香港地區可降水量的變化情況。

綜上所述，在2次集中降雨之前，可降水量普遍提升至少10 mm；2次降水過程中，暴雨發生之前的24 h甚至更早的時間，PWV值開始增加，達到峰值并持續很長一段時間，之后PWV值如果發生突降，則其后出現短時強降水；地面實際降水量與PWV值的減少有較好的對應關系，即PWV值對降水強度的強弱有決定性的影響。

3 結束語

近年來，地基GNSS反演可降水量在氣象學中的應用越來越廣泛。本文分析在臺風天氣影響下香港地區暴雨實例，發現2次短時強降水前后，大氣中水汽含量的增加都對應降水的發生以及實際降水極大值的出現，一般當PWV達到最大值并持續一段時間之后便伴隨短時強降水；而PWV幅值變化的大小，對于短時強降水的預報有較好的指導作用，PWV增值越大，實際降水量也越大。水汽的變化特點對短時間強降水的開始時間有較好的預報和指導意義；但由于大氣的復雜多變性，在大氣可降水量用于降雨天氣的預報中，不僅要考慮PWV的影響因素，還應考慮當地的地形、氣候等狀況。

[1] RAJU C S, SAHA K, THAMPI B V, et al.Empirical model for mean temperature for Indian zone and estimation of precipitable water vapor from ground based GPS measurements[J].Annales Geophysicae, 2007, 25(9)：1935-1948.

[2] IGONDOVA M.Analysis of precision and accuracy of pecipitable wter vpour derived from GPS observations[J].Contributions to Geophysics & Geodesy, 2009, 39(2)：121-132.

[3] SINGH D, GHOSH J K, KASHYAP D.Precipitable water vapor estimation in India from GPS-derived zenith delays using radiosonde data[J].Meteorology and Atmospheric Physics, 2014, 123(3)：209-220.

[4] PIKRIDAS C, KATSOUGIANNOPOULOS S, ZINAS N.A comparative study of zenith tropospheric delay and precipitable water vapor estimates using scientific GPS processing software and web based automated PPP service[J].Acta Geodaetica et Geophysica, 2014, 49(2)：177-188.

[5] 丁金才, 黃炎, 葉其欣,等.2002年臺風Ramasun影響華東沿海期間可降水量的GPS觀測和分析[J].大氣科學, 2004, 28(4)：613-624.

[6] 李青春, 張朝林, 楚艷麗,等.GPS遙感大氣可降水量在暴雨天氣過程分析中的應用[J].氣象, 2007, 33(6)：51-58.

[7] 楊軍建, 姚宜斌, 許超鈐,等.大氣可降水量與實際降水量的關聯性分析[J].測繪地理信息, 2016, 41(1)：18-21.

[8] 李黎, 田瑩, 袁志敏,等.暴雨期間GNSS遙感氣象要素的時序變化[J].測繪科學, 2016, 41(10)：82-87.

[9] 張朝林, 陳敏.范水勇,等.“00.7”北京特大暴雨模擬中氣象資料同化作用的評估[J].氣象學報, 2005, 63(6)：922-932.

[10] 吳建軍, 王鑫, 呂達仁,等.北京可降水量變化特征的地基GPS觀測與分析[J].大氣科學學報, 2007, 30(3)：377-382.

[11] 黃振, 李萬彪, 梁軍.GPS遙感大氣可降水量在降水天氣過程分析中的應用[J].氣象與環境學報, 2013, 29(4)：31-36.

[12] 張華龍, 張恩紅, 胡東明,等.GPS可降水量在華南強對流過程的應用效果[J].廣東氣象, 2016, 38(3)：6-11.

[13] 姚宜斌, 趙慶志, 李祖鋒,等.基于全球導航衛星系統資料的短時降水預報[J].水科學進展, 2016, 27(3)：357-365.