不同星歷產品對GNSS可降水量的影響分析

任政兆，許長輝，黨亞民

不同星歷產品對GNSS可降水量的影響分析

任政兆1,2，許長輝1，黨亞民1

（1. 中國測繪科學研究院，北京 100830；2. 山東科技大學 測繪科學與工程學院，山東 青島 266590）

針對最終精密星歷發布延遲時間長、更新速度慢，無法滿足實時數值氣象預報的需求的問題，提出利用超快速星歷和快速星歷替代最終精密星歷反演全球衛星導航系統（GNSS）大氣可降水量（PWV）的方法，并基于香港連續運行參考站（CORS）數據和國際GNSS服務中心（IGS）提供的星歷產品，使用中國測繪科學研究院自研的高精度GNSS數據處理軟件GPAS進行PWV反演實驗。結果表明：3種方案反演的GNSS-PWV與探空數據計算的PWV具有較強的相關性，其中利用精密星歷解算PWV精度最高，利用超快速預報星歷的精度最低；3種方案的PWV之間的相關性較高，進一步證明了使用超快速預報星歷代替最終精密星歷進行PWV反演是可行的，能夠滿足實時氣象預報的精度要求。

全球衛星導航系統；地基GNSS；星歷產品；可降水量；探空數據

0 引言

水汽作為主要的溫室氣體，不僅影響全球氣候與天氣變化，而且在全球熱量和水循環中也扮演著極其重要的角色[1]。全球天氣變化主要是水汽的分布不均勻和形態錯綜變化引起的，對人類造成巨大的影響。水汽的比重較小，不足大氣的5 %，其主要分布在對流層中，但它卻是大氣中最活躍的成分。針對復雜多變的水汽，如何準確確定其分布特征及變化規律是氣象學和天氣預報的基本問題之一[2]。

在氣象學中，探測大氣可降水量（precipitable water vapor, PWV）常用的技術主要是無線電探空、微波輻射[3]、衛星遙感和太陽光譜分析等。通常探空氣球測定水汽垂直分布比較準確，隨著氣球升高，記錄高空大氣氣壓、溫度、相對濕度、水氣壓、風速等要素，但探空站的時間和空間分辨率較低、工作量大、成本高。微波輻射探測時間分辨率較高，但受云層?降水及溫度等外界環境的影響較大，同時有垂直分辨率低、價格昂貴、須定期進行儀器校對等缺陷。使用衛星遙感、雷達等探測技術可得到大氣水汽的詳細分布，但價格昂貴，若進行連續觀測比較困難。太陽光譜分析儀具有很大的發展前景，但其只可沿太陽方向探測水汽分布，對氣象預報的作用有限。因此，地基全球衛星導航系統（global navigation satellite system, GNSS）探測PWV技術應運而生[4-5]。

自從Bevis首次進行了GNSS探測PWV的實驗，就將GNSS探測PWV由理論變成現實[6-7]，以及隨著連續運行參考站（continuously operating reference stations, CORS）不斷建立，地基GNSS氣象學日趨成熟[8]。現階段，利用最終精密星歷產品進行地基GNSS反演水汽精度可達2 mm，滿足數值天氣預報的精度要求[8]。但最終精密星歷延遲時間較長，更新速度較慢，無法滿足實時數值氣象預報的需求。較多學者就快速精密星歷和超快速精密星歷可否代替最終精密星歷進行精密定位等諸多實際問題進行了驗證分析?對于中長基線的研究，文獻[9]得出結論：在一定條件下利用GAMIT軟件解算，國際GNSS服務組織（International GNSS Service, IGS）的最終星歷（IGS final products，IGF）與快速星歷（IGS rapid products，IGR）或超快速預報星歷（IGS ultra-rapid products，IGU）的結果偏差僅為毫米級；文獻[10]對不同星歷產品的 GAMIT軟件高精度基線解算進行了分析，并得出在處理小于400 km以內的中短基線數據時，可使用IGR星歷或IGU星歷代替IGF星歷進行基線解算的結論；多位學者[11-13]對不同星歷產品下的精密單點定位精度進行了分析，并得到較高的定位精度；文獻[14]指出IGR星歷與IGU星歷能夠代替IGF星歷取得較好的定軌效果。

本次實驗利用香港12個CORS站2018年年積日第182 ~ 212天的觀測數據，借助GPAS軟件，分別使用IGF?IGR和IGU星歷產品進行PWV反演，并以探空數據為參考，對3種方案解算的地基GNSS/PWV進行時間序列分析和精度比對。

1 不同星歷產品對比

2000年起，IGS服務中心開始逐步向用戶播發可實時獲取的超快速星歷產品IGU，軌道時長是48 h，前24 h 是實測軌道，后24 h 是根據前24h數據外推的預報軌道，IGS 服務中心每天協調世界時（coordinated universal time, UTC）3:00、9:00、15:00、21:00播發IGU產品，每6 h更新1次[15]。實驗使用的是當天21:00發布的超快速星歷產品的前24 h 的預報軌道，在時間跨度上能夠覆蓋第2天計算PWV的需要，在一定程度上能為小尺度天氣系統提供較全面、快速的觀測[16]。表1詳細介紹不同產品的采樣間隔、延遲更新時刻以及軌道精度等信息。

表1 IGS衛星星歷及軌道估計精度

2 地基GNSS氣象學原理

隨著GNSS理論與技術的成熟，在導航定位中，對流層延遲通常都是作為誤差來剔除的，近年來地基GNSS的技術優勢越來越突出，設備穩定，全天候測量數據[17]，對流層延遲這個必須消除的誤差反而成了有利用價值的原始數據。計算PWV首要就是計算衛星信號受到對流層的折射量，再利用折射率與折射量之間的函數關系便可計算出大氣折射率。大氣折射率是關于氣溫、氣壓和水汽壓的函數，借助數學模型，即可計算所需的氣象信息，其中信號在大氣中的延遲量Δ與大氣折射量的關系[18]為

將對流層延遲沿測站天頂方向進行積分，計算信號在測站天頂方向的總延遲（zenith tropospheric delay，ZTD）即中性延遲[19]為

因為對流層總延遲又分為靜力學延遲（干延遲）和非靜力學延遲（濕延遲）2部分，式（3）又可寫為

3 數據來源與處理策略

3.1 數據來源

選取香港地區12個CORS站2018年7月1日~7月31日連續31 d的觀測數據，并聯合全球40個IGS跟蹤站同時段的觀測數據進行PWV解算。探空數據從美國懷俄明州立大學官方網站下載。香港地區CORS站可全天候接收GNSS衛星信號，觀測區域覆蓋香港全境，測站分布如圖1所示。由于香港測站相距較近，對流層延遲相關性較高，所以引入全球分布均勻、連續性較好的IGS站約束其相關性統一解算，測站選取如圖2所示。

圖1 香港CORS站分布

圖2 IGS測站分布

3.2 數據處理策略

GPAS軟件由中國測繪科學研究院大地研究所自主研發，可以滿足不同范圍?不同規模?不同數據處理模式?不同的物理參數的數據處理與分析?為實現上述功能,軟件由數據預處理、精密定軌、精密定位、網平差和產品精度分析5個主要子系統組成?同時具有支持北斗衛星導航系統（BeiDou navigation satellite system, BDS）、全球定位系統（global positioning system, GPS）、格洛納斯衛星導航系統（global navigation satellite system, GLONASS）及伽利略衛星導航系統（Galileo navigation satellite system, Galileo）4種衛星定位系統數據的聯合處理能力?采用非差網解處理模式，將觀測數據進行預處理：主要采用TurboEdit使用的寬巷（Melbourne-Wübbena, MW）組合與電離層組合等方法探測與修復周跳并剔除異常值，對未修復的周跳引入新的模糊度參數。在參數估計模塊采用序貫最小二乘和均方根濾波的方法，進行事后和逐歷元實時精密處理；模糊度固定采用搜索判斷法和最小二乘降相關分解法（least-square ambiguity decorrelation adjustment, LAMBDA），進行全網雙差模糊度搜索，將固定的雙差模糊度約束到法方程上面。為了獲得精度較高的定位結果，需要利用驗后殘差再編輯函數對經參數估計模塊解算后的驗后殘差進行再編輯從而發現更小的周跳與粗差；經4次參數估計解算與驗后殘差再編輯，可得到精度較高的解算結果。

本次實驗借助GPAS軟件，分別采用IGF（方案1）?IGR（方案2）和IGU（方案3）進行地基GPS/PWV反演。數據處理的基本策略如下：衛星截止高度角為10°；ZHD采用Saastamoinen模型計算；使用全球氣溫氣壓GPT模型獲取觀測站的氣壓、氣溫等氣象要素；ZTD作為未知參數，采用分段參數估計方法，其間隔取為30 min，并采用隨機游走過程模擬其動態變化[20]；解算過程中映射函數選取目前最常用的全球投影函數（global mapping function, GMF）模型[21]；大氣加權平均溫度則采用Bevis模型；同時顧及水汽分布的各向異性，引入大氣水平梯度改正參數；考慮地球自轉改正、相對論效應、天線相位中心改正等誤差影響；最后利用序貫最小二乘方法，對接收機坐標、接收機鐘差、相位模糊度、ZTD等參數進行平差計算[22]。考慮到本次實驗香港地區瀕臨海域，引入了海潮模型以減少地球潮汐的影響。采用控制變量方法，3種試驗方案所采用的對流層延遲模型和數據處理策略均一致，不同之處僅在于使用的星歷產品不同。

4 結果分析

由式（6）可知，地基GPS反演PWV值的精度主要由ZTD精度所決定。將基于GPAS軟件不同星歷產品解算的ZTD結果與香港地區的IGS測站小冷水站（HKSL）解算發布的ZTD產品進行對比，如圖3所示。其中，HKSL站GPAS/ZTD解算值與IGS/ZTD數值偏差情況如圖4所示，將使用GPAS/ZTD的結果與IGS/ZTD結果求一次差進行比較，具體的偏差結果如表2所示。可以看出HKSL站不同GPAS/ZTD與IGS/ZTD的差值較小，偏差基本上<10 mm，其中最大值、最小值、平均偏差指標中精密星歷均為最小值，與IGS/ZTD符合度最高，超快速星歷的4種評價指標的值均為最大，波動程度最高，與IGS/ZTD的浮動最大，但是超快速星歷與精密星歷的平均偏差僅僅為0.1 mm級別，異常值較少，整體較為穩定。

圖3 GPAS/ZTD與IGS/ZTD的對比

圖4 GPAS/ ZTD與IGS/ZTD偏差

表2 不同產品的GPAS/ZTD與IGS/ZTD的偏差結果

僅僅對比GPAS/ZTD與IGS/ZTD的精度來評價本次實驗PWV水汽反演是遠遠不夠的。雖然探空站探測水汽的時空分辨率較低，但探空反演水汽仍是當今最準確的探測水汽技術。探空站采集的數據的時間是UTC時00:00和12:00 2個時刻，香港地區有且僅有1個探空站（King’s Park, 45004）解算的PWV記作Rad/PWV，與香港昂船州站（HKSC）相距僅2 km，故使用HKSC站2018年年積日第182 ~212天，一共62組數據進行對比分析，對比結果如圖5所示，表3統計分析得到Rad/PWV與IGF/PWV?IGR/PWV?IGU/PWV之間的相關對比指標?

其中年積日第182天對應著7月1日，正值夏季，香港地區降雨較多、空氣中水汽較高。探空數據與實驗解算的PWV有相同的趨勢性，相關性指標IGF與探空數據最高，相似程度最大，但是3種方案的差別并不大，均為0.94左右。

圖5 不同星歷產品與探空數據的比較

表3 Rad/PWV與GNSS/PWV對比結果

由于空氣中水汽的姿態較多、變化速度極快，實驗中的采樣間隔越小越能反映出水汽的變化特點。短時的天氣預報需要選用較小時間間隔，所以利用GPAS軟件進行PWV計算時，采用的時間間隔為1 h，每天可生成24組結果。由于篇幅有限，僅以HKSC、HKOH、HKST及HKPC 4站在不同星歷條件下31 d的水汽反演結果為例，以精度最高的IGF為標準，計算出各站IGF星歷與IGR星歷?IGU星歷反演結果之間的差值，如圖6所示。

圖6 不同方案解算PWV差值序列

圖6為不同測站利用不同星歷解算PWV的時間序列?可以看出IGU、IGR和IGF反演PWV結果在數值上非常接近，IGF與其他2者之間的差值沒有超過3 mm。可以得出：無論哪個測站，IGF與IGR反演結果的相關系數均可以達到0.999，平均偏差在0.02~0.04 mm之間，均方差在0.2 mm左右波動，IGF與IGU反演結果的相關系數均在0.998，平均偏差為0.01~0.03 mm之間，均方差在0.3 mm左右波動。由此可得，通過IGR、IGU反演水汽時，反演結果相比于IGF精度偏低，但均可以滿足氣象數據預報精度要求。

5 結束語

針對IGS提供的星歷產品，分析了不同星歷產品對解算對流層延遲以及反演PWV精度的影響。以IGS提供的ZTD產品和探空站計算的PWV值為參考，最終精密星歷反演的精度最高，超快速精密星歷最低，快速精密星歷居中；但是3者在趨勢和數值方面均表現出較好的一致性，與探空站的相關系數均為0.94。同時，各個測站的IGU/PWV和IGR/PWV與IGF/PWV的相關系數均超過0.999。在滿足短期實時預報的前提下，可以利用超快速精密星歷替代最終精密星歷，解算大氣水汽進行準實時的數值天氣預報。

[1]DUAN J P, BEVIS M, FANG P, et al. GPS meteorology: direct estimation of the absolute value of precipitable water[J]. Journal of applied meteorology, 1996, 35(6): 830-838.

[2]李國平. 地基 GPS氣象學[M]. 北京: 科學出版社, 2010.

[3]ROSS R J, ELLIOTT W P. Tropospheric water vapor climatology and trends over north America: 1973–93[J]. Journal of Climate, 1996, 9(12): 3561-3574.

[4]HERNáNDEZ P M, JUAN J M, SANZ J, et al. A new strategy for real‐time integrated water vapor determination in WADGPS networks[J]. Geophysical Research Letters, 2001, 28(17): 3267-3270.

[5]BOKOYE A I, ROYER A, ONEILL N T, et al. Multisensor analysis of integrated atmospheric water vapor over Canada and Alaska[J]. Journal of Geophysical Research: Atmospheres, 2003, 108: 15-17.

[6]AMIRI-SIMKOOEI A R, TIBERIUS C. Assessing receiver noise using GPS short baseline time series[J]. GPS solutions, 2007, 11(1): 21-35.

[7]BEVIS M, BUSINGER S, CHISWELL S, et al. GPS meteorology: mapping zenith wet delays onto precipitable water[J]. Journal of applied meteorology, 1994, 33(3): 379-386.

[8]朱爽. 北京地區地基GPS加權平均溫度計算本地化模型研究[J]. 測繪工程. 2014, 23(4): 28-32.

[9]高旺, 高成發, 潘樹國, 等. 基于廣播星歷的GAMIT基線解算方法及精度分析[J]. 測繪工程, 2014, 23(8): 54-57.

[10]王樹東, 萬軍. 不同星歷的GAMIT高精度基線解算[J]. 導航定位學報, 2018, 6(1): 103-107.

[11]賴允斌, 趙春梅, 李子申. 不同星歷下實時精密單點定位精度分析[J]. 測繪通報, 2015(8): 9-12.

[12]何帆, 高成發, 潘樹國, 等. 不同星歷和鐘差產品的精密單點定位結果分析[J]. 導航定位學報, 2015, 3(4): 79-84.

[13]李勇軍, 丁士俊. 不同星歷誤差對靜態單點定位精度的影響與分析[J]. 測繪工程, 2010, 19(3): 17-19,23.

[14]吳瓊寶, 趙春梅, 田華. 不同星歷下低軌衛星軌道精度分析[J]. 導航定位學報, 2017, 5(4): 21-24.

[15]徐韶光, 熊永良, 劉寧, 等. 利用地基GPS獲取實時可降水量[J]. 武漢大學學報(信息科學版), 2011, 36(4): 407-411.

[16]高志鈺, 李建章, 寇瑞雄, 等. 不同星歷條件下大氣可降水量反演精度分析[J]. 導航定位學報, 2019, 7(1): 72-76.

[17]李國平, 陳嬌娜, 黃丁發, 等. 地基GPS水汽實時監測系統及其氣象業務應用[J]. 武漢大學學報(信息科學版), 2009, 34(11): 1328-1331.

[18]江鵬. 地基GNSS探測2D/3D大氣水汽分布技術研究[D]. 武漢: 武漢大學, 2014.

[19]常亮. 基于GPS和美國環境預報中心觀測信息的InSAR大氣延遲改正方法研究[J]. 測繪學報, 2011, 40(5): 669.

[20]范士杰, 劉焱雄, 高興國, 等. 海上動態GPS大氣可降水量信息反演[J]. 中國石油大學學報(自然科學版), 2012, 36(3): 84-87.

[21]B?HM J, NIELL A, TREGONING P, et al. Global mapping function (GMF): a new empirical mapping function based on numerical weather model data[J]. Geophysical Research Letters, 2006, 33(7): 17-25.

[22]范士杰, 臧建飛, 劉焱雄, 等. GPT/2模型用于GPS大氣可降水汽反演的精度分析[J]. 測繪工程, 2016, 25(3): 1-5.

Influence analysis of different ephemeris products on precipitable water vapor of GNSS

REN Zhengzhao1,2, XU Changhui1, DANG Yamin1

（1. Chinese Academy of Surveying and Mapping, Beijing 100830, China 2. College of Geomatics, Shandong University of Science and Technology, Qingdao, Shandong 266590, China）

Aiming at the problem that the issue time is long and the updating speed is slow of final precise ephemeris, which cannot meet the requirement of real-time numerical weather forcasting, the paper proposed the inversion method of GNSS PWV by using ultra-rapid ephemeris and rapid ephemeris instead of the final precise ephemeris, and a PWV inversion test was carried out with the high-precise GNSS data processing software GPAS developed by the Chinese Academy of Surveying and Mapping, based on the observation data of CORS in Hong Kong and the ephemeris products provided by the International GNSS Service (IGS). Result showed that the GNSS-PWV inverted by the three schemes could have strong correlation with the PWV calculated by sounding data, among which the accuracy of PWV from precise ephemeris would be the highest, while that from ultra-fast prediction ephemeris would be the lowest; meanwhile the correlation of PWV between the three schemes would be high, which verified that it could be feasible to use the ultra-fast forecast ephemeris instead of the final precise ephemeris to perform PWV reversal, with an appropriate accuracy of real-time weather forecasting.

global navigation satellite system (GNSS); ground-based GNSS; ephemeris products; precipitable water vapor; sounding data

P228

A

2095-4999(2020)02-0090-06

任政兆，許長輝，黨亞民.不同星歷產品對GNSS可降水量的影響分析[J]. 導航定位學報, 2020, 8(2): 90-95.（REN Zhengzhao, XU Changhui, DANG Yamin. Influence analysis of different ephemeris products on precipitable water vapor of GNSS[J]. Journal of Navigation and Positioning, 2020, 8(2): 90-95.）

10.16547/j.cnki.10-1096.20200215.

2019-06-05

國家重點研發計劃項目（2016YFB0501405）；國家自然科學基金面上項目（41874042, CFZX0301040308-06）；中國測繪科學研究院基本科研業務費（AR1930）。

任政兆（1994—），男，山東煙臺人，碩士研究生，研究方向為對流層延遲建模與GPS氣象學。