臺風“利奇馬”在山東期間的GPS-PWV 動態特征

朱玉香，陳永貴，安春華

（1.河南測繪職業學院，鄭州 451464；2.河南省科學院 地理研究所，鄭州 451464）

0 引言

中國大陸構造環境監測網絡（ crustal movement observation network of China, CMONOC）是中國地殼運動觀測網絡的延續，目前由260 個連續觀測和2 000 個不定期觀測站點構成的、覆蓋中國大陸地區的高精度、高時空分辨率和自主研發數據處理系統的觀測網絡[1-3]。

20 世紀80 年代末，地基全球定位系統（global positioning system, GPS）氣象學（meteorology, MET）開始在美國發展并成為一門新興學科，國內外的專家學者也開始致力于驗證和評估GPS 反演水汽的可靠性[4-5]。大氣可降水量（perceptible water vapor, PWV）是指存在于垂直氣柱中的水汽總量，無法直接測量但可利用地基GPS 數據進行反演得到[6]。20 世紀90 年代，我國就有學者開始研究GPS/MET 的原理和方法，利用地基GPS 數據反演，進行大氣水汽探測的實驗[7-8]。例如：文獻[9]采用GPS 跟蹤站的實測資料反演出測站的大氣水汽含量，與實際大氣可降水量的誤差＜1 mm；文獻[10]對全球PWV、溫度、降雨和干旱的趨勢和相關性問題進行研究，研究結果為干旱監測提供了1 種新方法；文獻[11]提出利用小波變換，對暴雨過程中GPS 氣象要素進行初步探索；文獻[12]對柴達木盆地GPS 大氣可降水量精度檢驗及其變化特征進行研究；文獻[13-14]對暴雨和臺風過程中水汽變化進行研究，實驗結果表明，PWV 能夠反映出臺風期間水汽時空動態傳輸過程，與降水之間具有良好的對應關系；文獻[15]對青海典型地區進行地基GPS 大氣可降水量反演及精度分析，青海地區海拔差異大、區域氣候背景不同，具有顯著的區域差異性，為青海地區開展GPS 水汽遙感工作奠定了基礎。

“利奇馬”是2019 年第9 號臺風，2019 年8月10 日1 時45 分在浙江省登陸，登陸時中心附近最大風力有16 級，中心最低氣壓為930 hPa?！袄骜R”共造成我國千萬人受災，造成直接經濟損失數百億元。隨著臺風從黃島一帶進入山東，受臺風“利奇馬”的影響，山東省農作物遭受嚴重的損失，造成直接損失達數十億元。

傳統水汽探測手段，諸如衛星遙感、探空氣球和微波輻射計等，普遍存在時空分辨率不足、開銷較高和易受天氣影響的缺點，對于中小型尺度水汽探測能力有限；而地基GPS 數據探測水汽，則具有高時空分辨率、實時性和靈活性等優點。本文基于地基GPS 觀測數據，對2019 年8 月10 日超強臺風“利奇馬”在山東期間，GPS-PWV 的動態分布特征進行研究。臺風能夠帶來強風和暴雨，嚴重危害人民生活生產安全，臺風期間對PWV 進行監測，有助于深入認識大氣中水汽傳輸過程，認知臺風期間水汽分布及其動態變化過程。分析臺風、暴雨等災害性天氣形成過程中PWV 的時空特性演變，對災害性天氣預報和監測具有重要的指導意義。

1 地基GPS 獲取ZTD、PWV 的基本原理

基于 GPS 高精度數據處理軟件加米特（GAMIT）/格洛布克（GLOBK）獲取對流層天頂總延遲，結合氣象觀測資料和天頂靜力延遲計算模型，得到天頂靜力學延遲[16-17]，即

式中：φ 為測站緯度； h0為測站海拔高度，單位為km；P 為測站地面氣壓，單位為hPa；ZHD（zenith hydrostatic delay）為采用加米特（GAMIT）/格洛布克（GLOBK）模型計算得到的天頂干延遲，單位為cm。天頂對流層延遲（zenith tropospheric delay, ZTD）減去天頂干延遲得到天頂濕延遲（zenith wet delay, ZWD），即

利用貝葉斯經驗公式計算出加權平均溫度Tm，進而得到水汽轉換系數Π ，則天頂濕延遲與水汽轉換系數相乘即可得到大氣可降水量[18]，即

式中為Π 的無量綱轉換因子，文獻[19]驗證了貝葉斯經驗公式在不同高度面的適用性；文獻[20-21]基于山東連續運行參考站（Shandong continuously operating reference stations, SDCORS）的數據驗證了山東地區加權平均溫度與水汽轉換間的關系?；谶@些研究成果，本實驗中，Π 取經驗值為0.15。

2 數據來源和背景

選取CMONOC 中均勻分布在山東境內、數據連續性好、質量合格的觀測站產品數據作為研究的基礎數據，站點分布如圖1 所示，圖2 為臺風“利奇馬”在山東軌跡。

圖1 站點分布

圖2 臺風“利奇馬”在山東軌跡

由圖1 可知，SDZB、SDLY、SDJX、SDRC 測站覆蓋山東地區，因此可利用這些測站數據來反演超強臺風“利奇馬”給山東地區帶來的大氣可降水含量。為驗證地基GPS 觀測基準站反演大氣可降水含量的精度，使用美國懷俄明州立大學公布的探空數據作為參考值。探空法是目前常規的水汽探測手段之一，通常作為檢驗其他水汽探測手段的基準，探空數據提供了12 h 一次的大氣特征參數。

從中央氣象臺臺風網查詢到，“利奇馬”在2019 年8 月12 日，即年積日（day of year, DOY）第224 天，世界協調時（coordinated universal time,UTC）4 時，由青島市黃島區登陸進入到山東境內。此時中心氣壓980 hPa，以時速15 km/h 向西北方向運動，為熱帶風暴級別。在12 日07:00 UTC進入高密市，12 日21:00 UTC 在晚萊州灣附近海域“打轉”，直到8 月13 日（DOY 第225 天）由萊州灣海域離開山東。“利奇馬”8 月12 日在山東境內快速移動，給山東地區帶來了強降水。

3 實驗與結果分析

3.1 地基GPS 反演PWV 可靠性分析

為驗證基于地基GPS 數據反演大氣可降水含量的精度的可靠性，選取山東淄博站（SDZB）幾何距離最近的章丘探空站（SDZQ）進行可靠性分析。基于2019-08-01—2019-08-30（DOY 第213—243 天）山東淄博站（SDZB）反演PWV，與章丘站（SDZQ）的PWV 進行線性回歸分析?；诘鼗鵊PS 反演PWV 的時間分辨率為1 h，SDZQ 站數據時間分辨率為12 h，從SDZB 站反演的PWV 數據中提取與SDZQ 時間對應的時間分辨率PWV 數據，線性擬合結果如圖3 所示，對比分析結果如表1 所示。

表1 中：STD(standard deviation)為標準差；RMS(root mean square)為均方根。

圖3 GPS-PWV 與探空-PWV 相關性分析

由圖3 可知，GPS-PWV 與探空PWV 的相關系數K 在2019-08-01—2019-08-30 期間，分別為0.91、0.88，都具有強相關性（K＞0.8）。SDZB 站與SDZQ 站PWV 結果對比表明，平均誤差分別為1.21、1.24 mm，STD 分別為3.48、4.78 mm，RMS 分別為3.52、4.82 mm。忽略地基SDZB 站與探空站SDZQ 站在地理位置上的不同（直線距離小于10 km），以及PWV 在數值上表現出來的細小差異，結果表明，基于地基GPS 數據反演PWV 與探空站測得的PWV 有較好的一致性且精度相當，因此，基于地基 GPS 觀測數據反演的PWV 的精度和穩定性是有保證的。

3.2 地基GPS 觀測基準站GPS-PWV 時序分析

為了研究臺風“利奇馬”在山東期間的動態水汽特征變化，對地基GPS 觀測基準站DOY 第223—225 天的PWV 進行時間序列分析，結果如圖4 所示。

圖4 地基GPS 反演PWV 時間序列可視化效果

由圖4 可知，地基GPS 觀測基準站反演得到的時間序列與臺風“利奇馬”進入山東境內帶來強降水的時間需要保持高度一致。在臺風未正式進入山東境內時，地基GPS 反演的各測站PWV 在45～60 mm 之間；隨著臺風登陸山東，PWV 值急劇上升， SDZB 站最大值達到85 mm 左右，SDJX站、SDLY 站和SDRC 站最大值達到80mm 左右；隨著臺風離開山東地區地，地基GPS 觀測基準站反演得到的PWV 值急劇變化（降低），最終穩定在50～60 mm 左右，直至恢復到臺風前正常水平。

3.3 地基GPS 數據反演PWV 動態空間分布特征分析

為了進一步準確掌握臺風“利奇馬”在山東境內期間帶來的水汽分布及其動態變化過程，地基GPS 數據反演 PWV 的動態空間分布可視化結果如圖5 所示。由于篇幅限制，在此僅給出DOY第223—225 天期間，時間分辨為4 h，空間分辨率為1°×1°的PWV 的動態變化過程。

圖5 臺風期間GPS-PWV 動態空間分布可視化結果

從圖5 中可以看出，超強臺風“利奇馬”在山東境內期間PWV 的動態空間分布以及水汽傳輸過程。在“利奇馬”進入山東境內前，山東地區PWV在空間分布上表現為中部、南部和東部的PWV 值略高于北部、西部，這是由于山東南部及東部地區屬于沿海地區，水汽較為豐富造成的；在DOY 第223 天00:00—16:00 UTC，山東境內PWV 值幾乎無明顯變化特征（“利奇馬”在黃海區域，還未登陸山東），從16:00 UTC 至次日12:00 UTC，山東境內PWV 值急劇增加（此時“利奇馬”由黃海區域奔赴山東境內），最大在中部達到90 mm 左右；在DOY 第224 天12:00 UTC 至次日00:00 UTC，山東境內PWV 值急劇降低，直至恢復到臺風前的正常水準（“利奇馬”由萊州灣海域離開山東），說明PWV 的值變化梯度與臺風“利奇馬”在山東境內移動路線相吻合，這與文獻[22-23]探測臺風襲閩和港期間水汽的動態運輸和臺風移動路線相吻合的結果一致，表明基于地基GPS 觀測基準站反演PWV 可以較好地反映臺風過程中的水汽動態運輸的全部過程。在8 月11 日（DOY 第223 天）16:00 UTC，山東區域就開始有明顯降水，而此時臺風“利奇馬”正在黃海區域，還未進入山東境內，表明此次臺風在登錄山東前就給山東區域帶來了強降水，這與文獻[22]基于福建連續運行參考站（Fujian continuously operating reference stations,FJCORS）數據反演“瑪莉亞”在閩期間GPS/PWV表現有所不同，表明臺風“利奇馬”給魯帶來水汽的時間早于“瑪莉亞”給閩帶來的水汽，臺風和地域的差異性會造成水汽運輸時間點的不同。上述結果較好地展示了臺風期間水汽的交換和傳輸過程，表明在臺風期間PWV 和降水之間具有極強的耦合性。

4 結束語

本文借助地基GPS 觀測基準站反演的PWV值和美國懷俄明州立大學公布的探空數據 PWV值，對比分析了基于地基 GPS 觀測基準站反演PWV 的精度，動態分析驗證了臺風“利奇馬”在山東境內期間PWV 動態分布，得到以下結論：

基于地基GPS 觀測基準站反演的PWV 與探空站測的PWV 達到強度相關，相關系數在00:00 UTC、12:00UTC 分別為0.91、0.88，平均誤差分別為1.21、1.24 mm，STD 分別為3.48、4.78 mm，RMS 分別為3.52、4.82 mm。忽略地基SDZB 站與 SDZQ 站探空站在地理位置上的差異而引起的PWV 的在數值上表現出來的細小差異，基于地基GPS 數據反演PWV 與探空站測得的PWV有較好的一致性且精度相當；因此，基于地基GPS 觀測數據反演的PWV 的精度和穩定性是有保證的。

隨著臺風“利奇馬”進入山東境內，各個地基GPS 觀測基準站反演得到的PWV 值急劇上升，PWV 最大值達到90 mm 左右，隨著臺風轉移，各觀測基準站PWV 值急劇降低，直至恢復到臺風前正常水準，PWV 值穩定在50 mm 左右。

PWV 值的變化梯度與臺風“利奇馬”在山東境內的移動路線相吻合，表明基于地基GPS 觀測基準站反演PWV 可以較好地反映臺風過程中的水汽動態運輸的全部過程。

致謝：感謝中國地震局GNSS 數據產品服務平臺（ http://www.cgps.ac.cn）和美國懷俄明州立大學（http://www.cgps.ac.cn）提供數據支撐。