大氣顆粒物濃度對GNS S 基線解算的影響分析

和 會 聞洪峰 付利釗

（1.河北省基礎地理信息中心，河北 石家莊 050032；2.河北省第一測繪院，河北 石家莊 050032）

0.引言

GNSS信號在穿過霧霾區域時，霧霾會對GNSS信號的傳播產生什么樣的影響，對GNSS相對定位基線解算是否會產生影響，對GNSS精密單點定位是否會產生影響，對GNSS反演對流層延遲是否會產生影響，這種影響有多大，這種影響來源哪里？這些方面的研究相對還比較少，也不系統全面。2014年王勇等發現天頂對流層延遲與可降水量在霧霾天會有升高[1]；2016年田宗彪等研究了霧霾對精密單點定位的影響[2]；2017 年 魏 二 虎 等 以BJFS、LHAZ、CHAN、JFNG、SHAO等5個IGS站秋冬季的觀測數據為例，分析得出可吸入顆粒物濃度變化與精密單點定位的精度沒有顯著相關性[3]。筆者以HBCORS基準站2014年9月至2015年2月的連續觀測數據為例，結合CORS站所在地區AQI、PM2.5、PM10濃度日均值，詳細分析了大氣顆粒物濃度對GNSS基線解算、精密單點定位和GNSS反演對流層濕延遲的影響，探索霧霾天氣對GNSS對流層濕延遲產生影響的原因。

1.大氣顆粒物濃度對中長基線的影響

GNSS相對定位的基線解算一般是利用兩臺以上接收機的載波觀測值和偽距觀測值，組成雙差觀測值為基礎量，配以組合觀測值為輔助，解算接收機的相對位置關系。在基線解算過程中，基線長度對于解算結果會產生影響。對于相距15km以內，高差不大的基線，雙差就可以基本消除如對流層延遲誤差在內的多項誤差源。而霾天氣就發生在對流層，霾產生的影響在基線過短時經過雙差處理后會被削弱甚至消除，因此本文選擇50km以上的中長基線作為研究對象。

以AQI日均值為霾污染程度判斷標準，假設基線端點分別為A和B，按照以下4種情況分類統計：

（1）基線一端站點A有重度以上霾發生（AQI＞200），另一端站點B空氣質量良好（AQI＜100）；

（2）基線一端站點B有重度以上霾發生（AQI＞200），另一端站點A空氣質量良好（AQI＜100）；

（3）基線兩端站點A、B均有重度以上霾發生；

（4）基線兩端站點A、B空氣質量均良好。

表1 基線LHAZ-BDZZ各污染程度基線解算結果 單位：m

LHAZ—BDZZ的基線北方向（N）、東方向（E）、橢球高（U）和基線長度（DIS）的統計情況（如表1所示）。可以看出對于這種超過1000km的長基線，基線各個分量以及基線長度均沒有明顯因為霾天氣的影響，在N方向、E方向、U方向都沒有產生系統性的偏差。也就是說無論霾天氣如何變化，基線分量和基線長度的重復性都是相當的。

表2 基線BJFS-BDAG各類污染程度基線解算結果 單位：m

BJFS-BDAG基線各分量及基線長度的統計值（如表2所示），顯然在各種霧霾天氣下，基線精度相當，基本沒有變化，完全在誤差范圍內波動。無論是2000km以上的長基線還是100km以上的中等基線，霧霾天氣都不會對基線解算精度造成顯著影響，且沒有體現出系統性的偏差。

因此，在相對定位解算基線的過程中，顆粒物濃度對基線解算的精度沒有明顯影響，可以不予考慮。

2.顆粒物濃度對精密單點定位的影響

本文以CORS站的實測數據為例，利用GPAS軟件求解各站點的非差精密單點定位日解，并與當地的AQI日均值進行比較分析，以驗證霾天氣是否會對精密單點定位的精度產生影響。對于沒有準確的三維坐標的CORS站點，將非差精密單點定位日解的均值作為基準值。然后將精密單點定位日解與基準值求差，以日解與基準值的偏差來與AQI指數進行比較。

圖1 精密單點定位U方向坐標值殘差

BDFP和TSZH兩個站2014年9月至2015年3月期間AQI和精密單點定位U方向殘差的比對（如圖1所示），從圖中看不出明顯的相同的趨勢性變化，AQI指數與精密單點定位的精度都沒有顯著的相關性。這期間各站坐標不同分量偏差與AQI的相關系數（如表3所示），也可以明顯看出各個分量與AQI的相關性都很小，都未通過顯著性檢驗，不具有統計特性。

表3 精密單點定位U方向坐標值殘差與大氣顆粒物濃度相關性

3.大氣顆粒物濃度對GNSS 對流層延遲的影響

從前面分析可以看出，大氣顆粒物濃度的變化并沒有對GNSS基線解算精度和精密單點定位精度產生顯著的影響。大氣顆粒物大量懸浮于對流層底層，隨對流層大氣運動和氣象條件變化而聚集和消散，因此，其濃度變化應該與GNSS對流層延遲有一定的關系。本文分析大氣可吸入顆粒物濃度對GNSS對流層延遲的影響。

GNSS對流層延遲分為干延遲和濕延遲兩部分，干延遲通過對流層延遲模型可以得到高精度改正。對流層濕延遲則需要經過數學誤差模型在GNSS數據處理過程中估計。本文以GNSS對流層濕延遲和大氣顆粒物濃度為研究對象，分析霾天氣持續過程中，二者變化趨勢。

BDFP和TSQA兩個CORS站點兩次持續重霧霾的發生、持續直至消散的過程期間，天頂對流層濕延遲（ZWD）和PM2.5的變化趨勢（如圖2所示）。以BDFP站點為例，在2014年10月5日至10月13日在保定市阜平縣發生了一次較為嚴重的持續霧霾天氣，從10月6日夜間（25歷元）開始，PM2.5濃度從不到100μg/m3開始逐步攀升，到10月8日達到接近500μg/m3最高點，并在高位持續徘徊，直到11日夜間（155歷元）開始迅速降低，霧霾消散。在此期間，ZWD也是從10月6日夜間開始隨著PM2.5濃度同步攀升，從不到100mm攀升到160mm左右。之后在整個霧霾持續過程中，ZWD一直在160mm上下高位震蕩，在10月11日（155歷元）開始下降，一直降至不到40mm。唐山市遷安市2014年10月27日至11月2日期間發生的一次持續霧霾天氣過程（如圖2（b）所示），其ZWD和PM2.5濃度的同步變化過程與圖2（a）是高度相似的。

由以上分析可以看出，整個霾天氣持續過程中，ZWD和PM2.5濃度有著相似的升降過程，但升降的時間點略有偏差，升降速度也略有不同，PM2.5濃度變化曲線比較陡，而ZWD的變化曲線要相對平緩。

圖2 大氣顆粒物濃度與大氣可降水量同步變化趨勢圖

對流層濕延遲ZWD與大氣可降水量，也就是整層大氣的水汽含量是呈一定正比例關系的，只要知道一個區域的加權平均溫度Tm，就可以建立ZWD與大氣可降水量之間的數學關系[5]。在GNSS氣象學中，GNSS對流層濕延遲通常都被用于反演大氣可降水量。然而在霧霾天氣發生時，ZWD與顆粒物濃度有著相近的升降趨勢，那顆粒物是否對GNSS反演對流層濕延遲有影響呢？如果有影響，那么在GNSS對流層濕延遲反演大氣可降水量時就需要減去大氣顆粒物的影響。

圖3 對流層濕延遲ZWD與整層大氣可降水量的線性回歸方程

對ZWD與大氣可降水量呈現出很強的線性關系（如圖3所示），斜率在0.15至0.16之間，與眾多學者們此前的研究成果相符，也印證了二者計算結果的可靠性。本地加權平均氣溫一般需要長時間的探空資料才能計算，而且并非累積時間越長效果越好，最近一年的數據分析成果優于之前幾年累積數據的分析成果。本文沒有研究區域長時間累積的探空數據來統計估算加權平均溫度。就直接取貝葉斯經驗公式計算加權平均溫度。利用歐洲天氣預報中心氣象再處理數據ERA5的整層大氣水汽含量（IWV）通過轉換系數即可反演水汽造成的對流層濕延遲，用GNSS對流層濕延遲減去通過整層大氣水汽含量估算的對流層濕延遲，就可以得到對流層濕延遲的剩余殘差量，進而分析去掉大氣水汽影響后對流層濕延遲的殘差與大氣顆粒物濃度是否存在相關性。

9個監測站ZWD殘余誤差的平均值、中位值、標準差以及其與AQI、PM2.5、PM10的相關系數（如表4所示），可見不同監測站的ZWD殘余誤差平均值是有差別的，這表明ERA5提取的大氣水汽含量反演的ZWD與GNSS實測反演的ZWD之間有系統性誤差，且在不同區域這一系統性誤差存在差異。各個監測站的ZWD殘差標準差都在8mm左右，折合成大氣可降水量約在1-2mm。除了TSQA站，其余各站ZWD與PM2.5、PM10、AQI的相關系數都低于0.2甚至0.1，且有正有負，沒有顯著的相關性。TSQA一個站的微弱正相關性不具有代表性，綜合來看，顆粒物濃度的變化與ZWD殘余誤差之間沒有顯著的相關性。大氣顆粒物濃度的上升下降并沒有直接影響到ZWD的升降變化。

表4 ZWD剩余殘差與大氣顆粒物濃度相關性

GNSS信號在穿過霾區域時，如果大氣顆粒物會對GNSS信號產生延遲影響，則ZWD去掉水汽影響后的殘差應該與大氣顆粒物濃度有一定的相關性，而且應該是正相關性。而從上述分析中可以看出大氣顆粒物濃度與ZWD剩余殘差并沒有體現出顯著的相關性。由此可以推斷：在目前的測量精度上，大氣顆粒物對GNSS信號傳播不會產生顯著的直接影響，通過GNSS對流層濕延遲反演大氣可降水量并不必考慮大氣顆粒物濃度的影響；對流層濕延遲與大氣顆粒物濃度在霾天氣有相似變化的主要原因在于大氣可降水量與大氣顆粒物濃度在霾天氣時有著相似變化趨勢。

4.結論

本文分析了大氣顆粒物濃度對GNSS數據處理的影響以及大氣顆粒物濃度與PWV相關性起因。得出以下結論：

（1）霧霾天氣，大氣顆粒物的高濃度對于GNSS基線解算不會產生顯著影響，基線解算精度與大氣顆粒物濃度之間沒有顯著相關性。

（2）霧霾天氣，大氣顆粒物的高濃度對于GNSS精密單點定位日解精度沒有顯著影響，精密單點定位與大氣顆粒物濃度之間也沒有顯著的相關性。

（3）霧霾天氣，大氣顆粒物濃度與對流層濕延遲會有相似變化趨勢，但二者不是直接相關關系，本質上是大氣顆粒物濃度與PWV存在相關性。積累階段，大氣顆粒物濃度比ZWD或者說PWV上升要更快。