基于ECMWF 數據的中國近海低空波導特征研究*

成印河 楊欣坤 張玉生 游志偉

(1. 江蘇海洋大學 海洋技術與測繪學院 連云港 222005; 2. 江蘇海洋大學 海洋遙感大數據應用中心 連云港 222005;3. 中國電波傳播研究所 電波環境特性及模塊化技術重點實驗室 青島 266107)

隨著國家海洋強國戰略的逐步落實, 海上通訊和雷達探測也越來越受到關注, 其中影響其性能的一個重要環境因素是大氣波導。在適當的頻率和入射角情況下, 大氣波導環境將捕獲大部分微波能量(Burk et al, 1989; Atkinson et al, 2006), 使探測、通信等系統出現了一些異常的傳播特征, 如雷達超視距傳播(Battan, 1973; 楊坤德等, 2009)和探測盲區(焦林等, 2004, 閆西蕩等, 2020)等,從而產生錯誤的目標估計(Moszkowicz et al,1994; Haack et al, 2001)等。因此美國海軍20 世紀90 年代開發了高級折射效應預測系統 AREPS (Advanced Refractive Effects Prediction System), 澳大利亞設計了對流層折射效應預測系統TREPS (Troposphere Refractive Effects Prediction System)等系統用于海上艦船電磁波傳播的評估, 英國、法國等國家海軍也均裝備了類似系統(董慶生,2009)。這些雷達探測、通信等評估應用系統迫切需要海洋環境的支撐, 需要精確考慮大氣折射環境的影響。

大氣波導是由濕度隨高度銳減或者溫度隨高度遞增而形成的, 或者兩者同時發生(藺發軍等, 2005)而形成的一種大氣層結。不同海區呈現出不同的大氣波導環境特性(Craig et al, 1995; Babin, 1996;Brooks et al, 1999; Bech et al, 2000; 劉成國等, 2002;Von Engeln et al, 2003, 2004; 藺發軍等, 2005;Mentes et al, 2007; 唐海川等, 2008; 成印河等, 2012,2013; Ding et al, 2013; Murthy et al, 2013; Zhao et al, 2013; Cheng et al, 2015, 2016; 李曉東等, 2017;郝曉靜等, 2018), 如歐洲上空表面波導發生概率為20%( Craig et al, 1995), 地中海海域為85%(Bech et al,2000), 而伊斯坦布爾海域夏季比較高為 31%(Mentes et al, 2007)。每個海域都有其獨特的波導特征。國內大氣波導統計也做過部分工作, 相對集中在東南沿海(劉成國等, 2002; Ding et al, 2013)和南海(成印河等, 2012, 2013; Zhao et al, 2013)。這些工作大多集中利用少量探空數據或再分析數據研究某些局部海域波導特征。

在波導氣候學方面, Von Engeln 等(2003, 2004)基于6 a 的舊版本ECMWF (European Center for Medium Range Weather Forecast)再分析數據分析了全球大氣波導不同季節和時刻的氣候學特征。Yang 等(2016)和Shi 等(2015)對南海蒸發波導進行了氣候特征統計,那么中國近海其他大氣波導具有怎樣的氣候學特征,如月變化特征。陳莉等(2009)利用 2 a 的 NCEP-FNL(National Centers for Environmental Prediction FiNaL,NCEP-FNL)再分析數據, 結合中尺度天氣數值模式MM5 (Fifth-Generation Penn State/NCAR Mesoscale Model, MM5)的前置處理模塊插值分析了中國近海大氣波導特征, 指出中國近海波導具有明顯的季節變化特征。作為波導氣候學研究, 2 a 的數據不能充分挖掘出中國近海的大氣波導時空分布特征, 同時受所用數據垂直分辨率限制。目前ECMWF 能夠提供垂向上 60 層的再分析數據, 為大氣波導研究提供了數據支持。因此, 本文擬采用 30 a 空間分辨率為0.25°×0.25°的 ECMWF 再分析數據開展中國近海低空大氣波導特征研究。

1 數據與方法

1.1 數據

ECMWF 提供了多種再分析和預報數據, 本文選取了經緯度為(0—41.25°N, 103.5°—128.25°E)范圍內的1988—2017 年ERA-Interim (ERA-I)再分析數據。該數據空間分辨率為0.25°×0.25°, 每天具有世界時0時、6 時、12 時、18 時4 個時次。垂向上, 將固定地面氣壓 1013.25 hPa 到高空 0.1 hPa 分成間隔不等的60 層, 分布在0—7 km 的空間上, 其高度和氣壓的對應關系可查閱歐洲中尺度預報中心的歸檔報告(Berrisford et al, 2011)。該數據在低層分辨率較高, 0、200、500、1000、1500 m 附近分辨率分別為 10、100、150、200 和300 m。因此針對低空大氣波導研究, 本文選取海面以上3500 m 之內較低的19 層數據包括溫度、比濕、模式高度和氣壓, 統計分析大氣波導特征。

為了驗證 ERA-I 再分析數據識別大氣波導參數的準確性, 我們利用 1998 年南海季風實驗期間多個站點和 2006—2012 年多個南海開放航次的 GPS(Global Position System)探空數據作了對比分析。具體數據情況見表 1, 該數據主要包括溫度、氣壓、相對濕度、露點溫度、風速、風向和海拔高度等, 試驗期間每天觀測4 次, 為當地時間2 時、8 時、14 時和20時。南海季風實驗期間為固定站點觀測, 其他為走航觀測。所有數據經過質量控制, 標準參考成印河等(2012)的文獻, 經過處理后得到 1522 個數據(圖 1)用于ERA-I 再分析數據刻畫大氣波導參數的評估。

1.2 處理方法

大氣波導研究主要是分析大氣折射率變化。300 MHz—300 GHz 范圍的電磁波在標準大氣中, 正常大氣折射率是隨距離海面高度增加而減小的。考慮地面曲率時, 常采用修正大氣折射率表征大氣折射狀態, 是關于大氣壓、溫度、水汽壓的函數(成印河等, 2012),

圖1 南海GPS 無線探空觀測分布圖Fig.1 Map of the GPS radiosonde sites over the South China Sea

式中, M 為每層的修正大氣折射率, 是無量綱單位,其數值通常稱為 M 單位, P 為每層的大氣壓(hPa), e代表每層的水汽壓(hPa), T 為每層的大氣溫度(K), z為海拔高度(m)。在 ERA-I 再分析數據中, 水汽壓利用同層的比濕獲得(Rogers et al, 1989),

其中 q 為每層比濕(kg/kg), ε 為常數 0.622。GPS 高空探測數據中, 水汽壓利用相對濕度和氣溫計算水汽壓(Cheng et al, 2016),

E 為溫度T(K)時飽和水汽壓(hPa), RH 為相對濕度(%)。當修正折射率梯度為負值時, 發生大氣波導即,

按照大氣折射率廓線形狀和所在高度大氣波導可分為 3 種(圖 2): 簡單表面波導、有基礎層的表面波導和懸空波導(Turton et al, 1988)。簡單表面波導和有基礎層的表面波導波導底高都為 0 m, 本文統一歸為表面波導。廓線如果存在多個陷獲層稱為復合波導,本文只統計距離海面最近的低層波導, 因此按照表面波導和懸空波導進行統計。

1.3 ERA-I 再分析數據刻畫大氣波導特征評估

為了評價 ERA-I 再分析數據的分析大氣波導的能力, 我們參考 Von Engeln 等(2004)方法, 與 GPS 探空數據獲得的大氣波導特征參數做了對比分析。在該方法中, 由于 ERA-I 再分析數據和 GPS 探空數據獲得的修正大氣折射率分辨率不同, 不能直接進行比較, 因此將 GPS 探空數據按照脈沖平均(Boxcar averaging)技術進行平滑后將兩種數據插值到同一分辨率上, 對比分析各種大氣波導參數。該技術是一種信號平滑方法, 假定少部分相鄰的點的平均比單獨一個觀測點數據更準確些, 例如3 個點脈沖平均技術,第 1 個點平均值為原始第 1、2 和 3 個點平均, 第 2點平均值為 4、5 和 6 三個點的平均值, 依次類推。本文中是求取在高度上的平均值, 采用的脈沖長度是指高度上固定長度, 有多少觀測點落在求取平均點前后0.5 倍脈沖長度內點計算平均值, 觀測數據點數不固定。該技術將平滑掉一些厚度較薄的大氣波導事件, 脈沖長度越大, ERA-I 再分析數據符合GPS 探空數據的程度越好, 但波導事件數量越少。

為了獲得較多的大氣波導事件, 用于波導參數統計比較, 本文采用脈沖長度為50 m 平均平滑處理GPS 探空數據后再與ERA-I 再分析數據進行匹配。GPS 探空數據經過質量控制后, 獲得1522 個匹配好的數據組。之后兩種數據獲得的修正大氣折射率分別進行 20 m 間隔的線性插值后開展大氣波導特征參數比較研究。匹配過程中以探空站點為中心, 尋找距離最近和時間最接近的格點 ERA-I 再分析數據。在匹配的 ERA-I 再分析數據中, 有 170 個廓線發生了大氣波導, 其中與探空對應的為 91 時次, 占比 53.5%。即 ERA-I 再分析數據能夠識別出的半數以上的大氣波導事件。波導底高、厚度和強度的對比關系見圖3。

圖2 波導類型示意圖Fig.2 The duct types

圖3 ERA—I 再分析與探空數據的低空波導特征參數對比Fig.3 Comparison of low-height duct characteristics gained from ERA-I reanalysis and GPS radiosonde data

從圖3 可知, ERA-I 再分析數據獲得的低空大氣波導高度相對較好, 與探空數據符合最好, 斜率為0.96, 接近于1, 平均誤差為114 m, 表明ERA-I 再分析數據獲得大氣波導高度相對較低。關于波導厚度和強度, 兩者斜率相近不到0.5, 這與Von Engeln(2004)的在大西洋的結果相似。同時我們給出了波導厚度和強度的平均誤差, 分別為-12 m 和 4.4, 表明 ERA-I再分析數據統計結果波導厚度偏厚, 而強度偏小。這與探空數據的分辨率密切相關, 我們用的探空數據是高分辨率探空數據, 其時間分辨率為 1—2 s, 垂直距離在30 m 左右。數據分辨率直接決定了再分析數據描述大氣波導特征參數的高低, 在 Von Engeln 等(2003, 2004)用大西洋探空數據對比分析了 ECMWF再分析數據, GPS 探空數據在垂向上經過不同脈沖長度的平滑可得到的海洋大氣邊界層高度與再分析數據得到的接近, 因此ECMWF 再分析數據可以用來捕捉刻畫低空大氣波導特征。由于大氣模式準確度和分辨率的原因, 盡管ECMWF 提供的ERA-I 再分析數據捕捉到部分大氣波導事件, 描述的波導特征參數也存在一些誤差, 但在長時間序列中, 能夠表征某些區域的波導氣候學特征。世界氣象組織指出氣候一般為周期 30 a 平均的天氣狀態統計描述(世界氣象組織,2017)。因此本文選取了30 a 的ERA-I 再分析數據分析中國近海的低空波導時空分布特征。

2 中國近海低空大氣波導特征

2.1 中國近海整體大氣波導概率月變化

中國近海大氣波導整體發生概率為22.0%, 其中懸空波導和表面波導比例分別為62%和38%。由于不同區域大氣波導具有不同的時空發生規律, 因此本文給出了中國近海月平均大氣波導月變化情況(圖4)。從圖4 中可知大氣波導發生概率隨月份變化, 從1—12 月呈現雙峰結構, 4 月達到最高, 其次是 8 月,12 月最不容易發生, 波導發生概率為最低為16%。懸空波導的比率始終高于表面波導, 與整體月平均概率變化一致, 均為雙峰結構分布; 但在 12 月中表面波導一直在 10%以下, 表面波導和懸空波導比例相當為 8%左右。從季節分布上(春: 3—5 月, 夏: 6—8月, 秋: 9—11 月, 冬: 12—2 月), 春季中國近海最容易發生大氣波導, 尤其是懸空波導, 其次是夏、秋季節, 冬季最不容易發生大氣波導, 這與陳莉等(2009)研究結果稍有不同, 夏季發生最多, 春季次之, 這與所用的再分析數據垂直分辨率有關。

圖4 中國近海平均大氣波導概率月變化Fig.4 Monthly variation of the mean atmospheric duct probability over the China seas

由于中國近海范圍廣泛, 橫跨溫帶、亞熱帶、熱帶等氣候區, 因此各個海域具有不同的大氣波導的特征。本文根據 37°N、31°N、23°N 緯線將中國近海分隔為渤海海域、黃海海域、東海海域和南海及鄰近海域四大海域, 按照區域海洋統計低空大氣波導發生情況。圖 5 給出了中國近海四大海域 30 a 平均大氣波導概率、底高、厚度和強度月變化。

由圖5 可知, 中國近海由北向南大氣波導發生概率逐漸降低, 渤海和黃海概率相近約為28%, 其次東海為27%, 南海發生波導最小為20%, 見圖5a。從圖5a 中可以看出, 各個海域大氣波導發生概率隨月份變化不同, 南北差異明顯。渤海與黃海呈現“M”狀分布, 5 月和9 月最高, 超過42%; 1 月最低, 低于5%。東海和南海及鄰近海域年變化呈現開口向下的拋物線狀分布, 先升高后降低, 起伏較大, 7 月最高為41%,1 月最低10%。南海及鄰近海域由于處于熱帶, 終年氣候較穩定, 全年發生概率走勢平穩, 4 月最高為27%, 其他時間在 17%—26%之間。渤海、黃海、東海均在 10 月后波導概率顯著降低, 與陳莉(2009)統計結果相吻合。從圖4 中看出中國近海整體在4 月概率最高, 結合圖 5a 可推測主要是由中國北部黃、渤海貢獻的。

由圖 5b—d 可以發現, 渤海海域的大氣波導底高、厚度和強度隨著月份均呈現出先升后降的變化趨勢; 其底高和厚度也是四大海域中最低的, 5 月到10月底高在50 m 以上, 厚度在80 m 以上, 強度保持在5—8, 變化幅度均較小, 這是由于渤海海域發生波導類型單一, 多為表面波導見圖 7。全年中黃海海域波導底高5 月最低為60 m, 但厚度和強度較強, 分別為165 m 和10; 從5 月到9 月底高和厚度都具有增加的趨勢, 波導強度一直穩定在6 以上。全年中東海和南海及鄰近海域的底高、厚度和強度變化比較相似, 均有雙峰狀分布, 但頂峰時間不同, 東海和南海及鄰近海域的底高3 月最高, 分別為284 m 和316 m, 第二個高峰東海在秋季10 月而南海及鄰近海域在11 月, 夏季8、9 月為最低; 兩海域的波導厚度5 月為最高值220 m以上, 強度3 月最大, 在6 以上; 強度和厚度的第二個高峰均在9 月, 最小均在冬季12 月和1 月。

圖5 四大海域平均大氣波導參數月變化Fig.5 Monthly variation of the mean atmospheric duct characteristic parameters of the four seas of China

2.2 中國近海大氣波導時空分布特征

為了進一步分析中國近海低空的大氣波導時空分布特征, 我們分別統計了低空 30 a 平均的大氣波導概率、懸空波導占比、底高、厚度和強度的空間分布月變化情況。

圖6 中國近海低空波導概率時空分布Fig.6 Temporal and spatial distributions of the duct probabilities over the China seas

2.2.1 低空大氣波導概率時空分布 從圖 6 看出,中國近海大氣波導高概率區域變化明顯, 渤海、黃海北部、東海中部、南海中部及北部灣海域為波導高發區, 1 年中有一半的時間發生低空大氣波導, 都超過30%。渤海、黃海、東海北部在4—10 月始終保持在35%以上, 而南海在1—5 月發生較多。南海東南側海域則全年概率偏低, 始終在20%以下, 中北部發生概率月變化比較明顯, 與王海斌等(2019)研究結果一致。從季節分布上, 大氣波導整體南北差異明顯, 尤其在冬季, 渤海、黃海和東海概率基本在 20%以下,這可能由于冬季風暴發密切相關, 大陸冷高壓經過,近海面的風剪切引起垂向混合, 相對濕度較低的大氣無明顯濕度銳減層結, 不易發生大氣波導。春季為過渡時間, 南北概率差明顯降低; 夏、秋季節, 渤海、黃海和東海比較容易發生大氣波導, 其他海域較低。

2.2.2 懸空波導比例時空分布 由于不同大氣波導類型(圖 2), 其波導特征參數也不一樣。本文只統計了距離海面最近的大氣波導, 如上文所述的表面波導和懸空波導兩種, 只要了解一種大氣波導類型比例, 剩余的即是另外一種波導類型。因此, 我們給出了中國近海懸空波導所占比例空間分布月變化圖(圖7), 據此可以了解哪一種波導主導該海域。

圖7 中國近海懸空波導比例時空分布Fig.7 Temporal and spatial distributions of the elevated-duct ratios over the China seas

從圖7 可知, 低空大氣波導類型隨著月份、季節變化分別主導不同海域。整體上, 中國近海主導波導類型為懸空波導, 靠近沿岸陸地、島嶼附近海域懸空波導比例較低, 在30%以下, 這表明該海域表面波導占主導, 如臺灣島附近海域整年表面波導較高, 在60%以上。表面波導這種分布特征極可能與風場和海陸分布密切相關。季節和區域分布上, 冬季的 12—2月中, 中國東部整個海域懸空波導發生較少, 表面波導發生較多, 并且動態發生變化。如表面波導主導的渤海海域及北部黃海, 從上年12—5 月往南發展, 直到長江口海域, 自6 月以后主導波導類型區域發生改變, 懸空波導逐步區域向北擴散, 表面波導逐步收縮至黃海海域。除臺灣海峽, 中南半島沿岸區域外, 大部分南海及東海的低空波導類型都是懸空波導。波導類型的變化亦預示著大氣波導底高的變化: 表面波導控制海域波導底高較低, 懸空波導控制海域波導底高較高, 具體見圖8。

圖8 中國近海低空波導底高時空分布Fig.8 Temporal and spatial distributions of the duct-bottom heights over the China seas

2.2.3 波導底高的時空分布 由圖8 可知, 渤海海域全年大氣底高均在200 m 以下, 變化較小, 這是由于表面波導一直是該海域的主導類型, 占比在 50%以上。黃、東海北部海域大氣波導底高從3—5 月也一直較低在200 m 以下, 6 月以后波導底高從南向北具有抬升趨勢。而南海大部分海域低空波導底高在200 m 以上, 6 月和7 月份達到最高在600 m 以上。研究發現, 大陸沿岸海域如大陸東側、南海南部沿岸海域和島嶼西側海域如臺灣島和呂宋島西側等波導底高較低, 都在200 m 以下, 其他海域較高。在區域分布上, 中國近海大氣波導層結高度南方高, 北方低,靠近大陸沿岸東側海域、島嶼西側海域低, 外海較高在300 m 以上; 從季節分布上, 春、夏兩季中國近海南部低空波導相對較高300 m 以上, 北部較低200 m以下; 冬、秋相對較冷的季節, 除了渤海、大陸沿岸、島嶼外, 中國近海大氣波導底高較高且分布較均勻,都在300 m 以上。這種區域分布與風場的轉換具有密切關系, 需要開展進一步研究。

2.2.4 波導厚度和強度時空分布 已有的研究表明大氣波導厚度和強度具有較強的相關性, 本文計算了兩者每月的相關系數見表2, 除去6 月和7 月相對系數較低(接近 0.6)外, 其他月份都超過 0.6 以上,整年相關系數為0.75, 因此中國近海低空波導厚度和強度具有相似變化趨勢(圖9)。

中國近海的低空波導厚度和強度分布具有明顯的季節變化, 波導強度較厚的區域波導強度較大, 見圖9。除臺灣島及鄰近海域, 大氣波導厚度從上年12—5 月從北到南逐漸變厚, 由厚度100 m 以下的渤海海域逐步擴展到南海西部350 m, 強度從2 逐漸變強至10, 其中北部黃、東海海域的厚度5 月增加較大為12。6 月之后, 除渤海海域外, 北部低空波導厚度逐漸變厚, 發展為350 m 以上, 而南部, 尤其是南海及鄰近海域, 逐漸變薄為200 m 左右, 形成北厚南低分布格局。強度具有相似的分布特征, 渤海、黃海、東海海域 6 月之后強度一直加強, 長江口附近海域達12, 而長江口以南及南海等海域波導強度一直保持較弱狀態, 6 以下, 直到秋季 11 月才有變強的趨勢,北方海域開始減弱。從季節變化上, 中國近海大氣波導厚度和強度分布呈現出明顯季節震蕩, 冬、春季節波導厚度南高北低, 波導強度南強北弱, 而夏、秋季節則相反, 波導厚度南薄北厚, 波導強度南弱北強態勢, 這與圖5c、d 指示的結果一致。

表2 中國近海低空波導厚度和強度相關系數Tab.2 Correlation coefficient between thickness and strength of duct over the China seas

圖9 中國近海低空波導厚度(左)和強度(右)月變化分布Fig.9 Temporal and spatial distributions of the duct thickness (left) and strength (right) over the China seas

3 結論

利用多年的GPS 探空數據評估了 ECMWF 提供的 ERA-I 再分析數據刻畫大氣波導特征參數的準確性, 結果與Von Engeln 等(2004)在大西洋評估結果一致。從與 GPS 探空數據比較中可以保守地推測本文基于 ERA-I 再分析數據給出的大氣波導發生概率偏低, 波導厚度偏厚, 強度偏小, 層結高度偏高。盡管ERA-I 再分析數據刻畫大氣波導特征不準確, 但對于觀測數據稀少的海上, 利用再分析數據研究其規律也是最有效的手段和方式。本文經過統計分析得到了中國近海低空大氣波導環境特征。

中國近海總體的大氣波導概率為22%, 60%以上為懸空波導類型; 在月變化上, 除了南海及其鄰近海域波導發生概率保持相對穩定外, 其他海域在相對較暖的 5—10 月發生概率較高, 較易發生大氣波導,上年的11—3 月較冷季節發生概率較低, 不易發生大氣波導; 底高、厚度則呈現出相反變化趨勢, 5—10月底高較低、厚度較大。在季節變化上, 春季最高, 其次是夏、秋季節, 冬季最低。

中國近海低空大氣波導概率、波導類型、厚度和強度具有明顯的月變化, 低空大氣波導發生概率在上年12—5 月份隨著月份變化逐漸增大, 之后隨月份具有降低的趨勢, 其中北方渤海、黃海、東海及鄰近海域發展變化較大, 南方變化較小。中國近海大氣波導層結高度南方高, 北方低, 靠近大陸沿岸海域和島嶼西側海域低, 遠海較高, 這與主導該海域波導類型密切相關。波導厚度和強度均呈現出明顯半年期震蕩趨勢, 冬、春季節波導厚度具有北低南高, 強度南強北弱分布特征, 夏、秋季節則相反, 具有南薄北厚,強度南弱北強地理分布特征。

該研究可以充實中國電波傳播環境數據庫, 為評估該海域電磁波傳播及通訊、探測設備的使用等提供環境支撐。由于ERA-I 再分析數據垂向分辨率導致低空大氣波導特征描述不準確, 我們以后將采用更高分辨率的再分析數據開展相關研究。另外,中國近海橫跨多個氣候帶, 受到冬、夏季風、海洋下墊面的海溫等因素的影響, 其形成機制需要進一步開展研究。