利用MERRA-2地表溫壓資料進行中國區域GNSS水汽反演的精度分析

崔 磊 徐 佼 黃 玲 熊 思 黃良珂 廖超明 劉立龍

1 桂林理工大學測繪地理信息學院，桂林市雁山街319號，541006 2 湖北科技學院資源環境科學與工程學院，湖北省咸寧市咸寧大道88號，437100 3 南寧師范大學自然資源與測繪學院，南寧市明秀東路175號，530001

大氣水汽作為大氣中最活躍的成分，在全球能源與水循環、全球變暖和氣候變化等大氣變化過程中起到至關重要的作用[1-2]。地表溫度和氣壓是GNSS反演大氣可降水量PWV的2個關鍵參數，大氣再分析資料是一種在全球范圍內提供包括溫度和氣壓在內的多種氣象參數的數據集，其時空覆蓋范圍廣，能有效彌補臺站氣象觀測資料時空分布不均的缺陷，被廣泛應用于各種氣象研究中。

目前已有部分學者對大氣再分析資料中溫壓產品的精度進行研究，并將其作為補充數據源來獲取GNSS反演PWV的氣象參數[3-4]。Zhao等[5]利用中國區域探空資料初步評估ERA5溫壓產品的精度，并將其用于反演時間分辨率為1 h的GNSS PWV；Zhang等[6]以中國區域氣象站和探空站實測氣象數據為參考，研究ERA5及其前一代ERA-Interim數據集的溫壓產品精度，并分析二者提供的氣象參數所造成的GNSS PWV計算誤差；楊鵬飛等[7]利用探空站資料評估黃土高原地區ERA5地表溫壓產品及其對GNSS PWV反演的影響；莫智翔等[8]利用地面氣象站實測溫度和氣壓數據評估桂林地區ERA5地表溫壓產品精度，并分析其在GNSS水汽反演中的適用性，結果表明ERA5地表溫壓產品反演的GNSS PWV在水汽變化劇烈的夏季仍具有較高的精度。

本文采用2017年中國區域609個地面氣象站實測數據，對MERRA-2地表溫度和氣壓進行精度評估，進而探索利用其溫壓產品反演GNSS PWV精度的可能性，為后續MERRA-2再分析資料在中國區域的使用及其GNSS水汽反演應用提供參考。

1 數據來源及計算方法

1.1 數據來源

MERRA-2是NASA推出的最新一代高時空分辨率全球大氣再分析資料，其水平分辨率為0.500°×0.625°。地表資料的時間分辨率為1 h，實測地表溫度和氣壓數據可從中國氣象數據網獲取，時間分辨率為1 h。實測PWV來自探空站觀測數據，該數據可從美國懷俄明大學網站獲取。中國陸態網的高精度GNSS對流層天頂延遲ZTD產品以及與探空站并址的48個GNSS站點數據可從中國地震局GNSS數據產品服務平臺免費下載(圖1)。

圖1 中國區域地面氣象站、探空站和GNSS站分布及4大地理區域劃分Fig.1 Distribution of ground meteorological stations,radiosonde stations, GNSS stations and the four geographical regions in Chinese mainland

1.2 GNSS PWV反演

由于地面站一般不與再分析資料的格網點重合，且二者高程基準不同，因此需要先統一高程基準再進行格網點插值。再分析資料、地面氣象站和GNSS站分別采用位勢高、海拔高和大地高，海拔高與位勢高之間的差異較小，可忽略不計，但大地高與位勢高之間的差異對氣象參數高程改正的影響較大，因此本文采用EGM2008模型統一二者的高程基準[9-10]。由于地面站點與其附近4個格網點的高程不同，本文通過已有的溫度氣壓垂直遞減率模型對溫度和氣壓數據進行垂直方向上的插值改正，插值公式見文獻[10]。結合GNSS ZTD反演PWV，并利用48個與GNSS站并址的氣象站實測溫壓數據反演的GNSS PWV及探空站實測PWV作為參考值進行對比分析。

利用中國區域GNSS觀測數據得到ZTD，通過Saastamoinen模型計算GNSS站點處對流層天頂靜力學延遲(zenith hydrostatic delay，ZHD)[11]，并根據式(2)和式(3)計算GNSS PWV：

ZHD=

(1)

ZWD=ZTD-ZHD

(2)

(3)

表1 中國4大地理區域中使用的Tm模型

由于探空站與GNSS站并址，因此計算出GNSS站點處PWV后，二者對比時只需將探空站觀測得到的PWV垂直插值到與GNSS PWV同一高度上即可。PWV垂直插值公式采用文獻[2]建立的顧及時變因子的中國區域PWV垂直改正模型：

PWVh1=PWVh2·exp(β(h1-h2))

(4)

式中，PWVh1和PWVh2分別為在高度h1和h2上對應的PWV值；β為PWV遞減因子，遞減因子的年均值、年周期和半年周期模型系數詳見文獻[2]。

2 精度評估

2.1 MERRA-2再分析資料地表溫壓產品精度分析

本文利用2017年中國區域地面氣象站的地表溫度和氣壓數據分析MERRA-2再分析資料溫壓產品在不同區域的精度，采用偏差bias和均方根誤差RMSE作為精度指標[2]。為了更好地分析MERRA-2再分析資料溫壓產品在中國不同區域的精度差異性，將中國區域劃分為北方地區、南方地區、青藏高原地區和西北地區，MERRA-2再分析資料溫壓產品在中國不同地區的年均bias和RMSE如圖2所示，各地區誤差統計見表2。

圖2 中國區域MERRA-2再分析資料溫壓數據年均bias和RMSE分布Fig.2 Distribution of mean biases and RMSE of temperature and pressure of MERRA-2 reanalysis data in Chinese mainland

表2 中國不同區域MERRA-2再分析資料溫壓數據年均bias和RMSE

由圖2可知，MERRA-2溫度和氣壓產品在南方、北方、青藏高原地區呈現明顯負偏差，但在西北地區尤其是新疆地區表現為正偏差。在大部分地區，MERRA-2再分析資料溫度和氣壓產品的bias分別為-2～2 K和-1～1 hPa，MERRA-2在西北地區的bias和RMSE較大，可能是因為新疆地區地形起伏較大且氣候復雜。從總體上看，MERRA-2再分析資料溫壓產品在全國大部分地區均稍低于實測的溫壓數據。

由表2可知，MERRA-2再分析資料提供的溫度產品在中國區域具有較好的精度，地表溫度年均bias為0.38 K，RMSE為1.37～9.44 K，年均值為2.66 K。MERRA-2大氣再分析資料氣壓產品的年均bias為-6.98～7.70 hPa，平均值為-0.01 hPa，雖然MERRA-2再分析資料的年均bias變化較大，但在中國區域內平均bias仍較小；MERRA-2再分析資料平均RMSE為1.08 hPa。上述分析表明，MERRA-2大氣再分析資料提供的溫度和氣壓產品在中國區域具有較高的精度和可靠性，MERRA-2溫度產品地區精度從高到低依次為南方地區、北方地區、西北地區和青藏高原地區，氣壓產品地區精度從高到低依次為北方地區、南方地區、西北地區、青藏高原地區。從總體上看，MERRA-2再分析資料溫壓產品在全國各地區精度均較高，即使是精度最差的青藏高原地區，溫度產品RMSE在4.04 K以內，氣壓產品RMSE在1.45 hPa以內，可以滿足基本的氣象研究及水汽反演需求。

2.2 MERRA-2溫壓產品在GNSS PWV反演中的精度分析

為分析中國區域MERRA-2再分析資料溫壓產品對GNSS PWV反演精度的影響，將利用48個與GNSS站并址的氣象站實測溫壓數據反演的GNSS PWV(簡稱為MET PWV)作為參考值，與采用MERRA-2再分析資料溫壓產品計算的GNSS PWV(簡稱為M2 PWV)進行對比分析，結果如圖3和圖4所示。

圖3 利用MET PWV檢驗中國不同區域GNSS站點處的MERRA-2 PWV年均biasFig.3 Annual mean biases of PWV derived from MERRA-2 data at GNSS stations tested by MET PWV in different regions of Chinese mainland

圖4 利用MET PWV檢驗中國不同區域GNSS站點處的MERRA-2 PWV年均RMSEFig.4 Annual mean RMSE of PWV derived from MERRA-2 data at GNSS stations tested by MET PWV in different regions of Chinese mainland

由圖3和圖4可知，相較于利用氣象站實測溫壓數據反演的MET PWV，利用MERRA-2再分析資料溫壓產品反演的M2 PWV具有較高的精度，M2 PWV年均bias為0.48 mm，年均RMSE為1.2 mm，大部分站點上M2 PWV與MET PWV吻合度較高。為評估M2 PWV日變化的可靠性，本文均勻選取4個測站，在這4個GNSS站點上分析2017年M2 PWV日異常時間序列(圖5)。

圖5 中國區域M2 PWV和MET PWV日變化Fig.5 Daily variation of M2 PWV and MET PWV in Chinese mainland

由圖5可知，M2 PWV和MET PWV四個站點的平均日變化呈現出較好的一致性，2種方式獲取的PWV日變化值均保持在2 mm左右，因此利用MERRA-2再分析資料溫壓產品反演的GNSS PWV能較好地反映PWV日變化過程。為進一步分析MERRA-2地表溫壓產品反演GNSS PWV的精度，以2017年與GNSS站并址的探空站實測PWV資料為參考值，對MERRA-2溫壓產品反演的GNSS PWV進行評估，結果如圖6和表3(單位mm)所示。

圖6 利用探空資料檢驗中國區域GNSS站點處的MERRA-2 PWV年均bias和RMSEFig.6 Mean biases and RMSE of PWV derived from MERRA-2 data at GNSS stations tested by radiosonde data in Chinese mainland

表3 中國不同區域MERRA-2 PWV相對于探空站PWV的平均bias和RMSE

由圖6可知，相較于探空站PWV，MERRA-2再分析資料溫壓產品反演的GNSS PWV在全國大部分地區均呈現負偏差，M2 PWV在中國大部分地區的RMSE在2 mm以內，但在南方地區個別站點的RMSE在4 mm左右。從總體上看，M2 PWV在中國區域精度較高，但在南方地區的精度明顯低于其他地區，可能是由于南方地區降雨較多，水汽變化相較于其他地區更為劇烈，導致該地區反演的GNSS PWV與探空站差異較大。由表3可知，相較于探空站實測PWV值，M2 PWV年均bias為-2.67～1.02 mm，M2 PWV平均bias為-0.57 mm，表現出明顯的負偏差；中國區域M2 PWV年均RMSE為0.51～3.82 mm，平均RMSE為2.16 mm。因此，將MERRA-2地表溫壓產品用于GNSS PWV反演能獲得較高的精度。

3 結 語

1)與609個地面氣象站實測的溫壓數據相比，MERRA-2再分析資料獲取的溫度和氣壓年均bias分別為0.38 K和-0.01 hPa，年均RMSE分別為2.66 K和1.08 hPa，MERRA-2再分析資料溫壓產品在全國大部分地區呈負偏差，且表現出一定的空間特性，MERRA-2再分析資料溫壓產品在中國區域具有較高的精度和適用性。

2)相較于探空站實測PWV值，利用中國區域MERRA-2地表溫壓資料反演的GNSS PWV年均RMSE為2.16 mm，相較于利用氣象站實測溫壓數據反演的PWV，M2 PWV能較好地反映出PWV日變化，且在大部分地區年均RMSE均在2 mm以內，與探空站實測PWV結果具有較好的一致性。

綜上所述，MERRA-2再分析資料地表溫壓產品及其反演的GNSS PWV均具有良好的精度和穩定性，可作為中國區域氣象研究及GNSS水汽反演的有力補充數據源，對中國區域的氣候研究及GNSS水汽監測具有重要意義。