基于FFT和小波變換的臺風天氣GNSS ZTD周期特征分析

婁澤生 張高博 賈相宇 楊 晶 劉雨青

1 河北水利電力學院水利工程系,河北省滄州市黃河西路49號,061001 2 滄州市遙感與智慧水利技術創新中心,河北省滄州市黃河西路49號,061001 3 新疆大學地理與遙感科學學院,烏魯木齊市華瑞街777號,830017 4 新疆大學綠洲生態教育部重點實驗室,烏魯木齊市華瑞街777號,830017 5 新疆大學智慧城市與環境建模普通高校重點實驗室,烏魯木齊市華瑞街777號,830017

臺風是發生在熱帶洋面上的強烈氣旋性渦旋,是一種典型致災天氣[1]。其中,99%的水汽集中于對流層,與云雨的分布有直接關系。臺風具有巨大的能量,臺風過境會引起區域上空對流層發生劇烈變化,帶來狂風和風暴潮,從而引發強降雨[2]。水汽在臺風移動過程中會不斷地吸收和釋放能量,從而影響電磁波信號的傳播,導致無線電通訊及衛星導航定位異常[3]。因此,可以通過分析水汽對臺風的響應,對臺風軌跡及臺風天氣中的強降雨天氣作出合理預測。目前,利用GNSS氣象學反演水汽的技術已發展成熟[4-5],其中中國大陸構造環境監測網絡(CMONOC)觀測站在現代天氣研究方面發揮著重要作用[6]。本文利用CMONOC觀測數據進行研究,以期為臺風軌跡預報和氣象部門的臺風災害及極端降水預警等提供借鑒和參考。

1 研究數據

本文研究數據主要包括臺風數據、GNSS ZTD數據和降水數據。

1)臺風數據來源于中國氣象臺風網(http:∥typhoon.nmc.cn/web.html),包含臺風運動軌跡、起止時間、強度等信息,本文選擇臺風經過前3 d至臺風結束期間數據(圖1和表1)。

圖1 臺風軌跡及站點分布

表1 臺風起止時間及研究站點

2)GNSS ZTD數據來自中國大陸環境構造監測網絡,涵蓋站點名稱、站點坐標、數據采集時間、ZTD (單位mm)等信息。數據采集頻率為25次/d,等間隔時間采集。部分站點存在數據缺失,本文利用SPSS軟件進行補缺。

3)降水數據來源于氣象網站(https:∥www.xihe-energy.com),降水量為小時數據,單位mm。根據CMONOC站點坐標獲得同區域同時段降水數據,保證ZTD與降水的時空一致性。本文研究日降水量與ZTD短時序的對應關系,將小時降水數據進行日降水量計算處理。

2 數據處理

因對流層延遲數據中包含噪聲,會影響研究分析的準確性,本文選用dbN 小波對對流層延遲數據進行小波變換,分解后得到高頻系數與低頻系數。其中,高頻部分由各種干擾噪聲、異常突變、周期和隨機波動等構成,低頻部分則反映了對流層延遲的主要特征,如演變趨勢[7-8]。先將ZTD數據作小波變換,再進行頻譜分析確定噪聲層;利用硬閾值去噪剔除噪聲層,然后將各層數據重構得到剔除噪聲的對流層延遲數據。信號有時在時域上無法發現其特征,尤其是周期性特征,但如果將信號轉換到頻域,這些周期性特征就很容易顯現出來[8],快速傅里葉變換能將信號從時域變換到頻域。本文利用加漢寧窗的快速傅里葉變換對時間序列的周期信號進行分析。

3 ZTD周期性變換研究

3.1 小波變化分析

為研究臺風來臨前后水汽的變換周期,以隨機選取的2012年臺風布拉萬、2016年臺風尼伯特、2017年臺風天鴿、2018年臺風安比、2019年臺風利奇馬來臨時期部分站點為研究對象,分別利用小波變換和快速傅里葉變換處理臺風天氣ZTD(水汽)數據和正常天氣ZTD(水汽)數據,通過對小波變換的不同層高頻周期項和快速傅里葉變換的頻譜進行分析,探討臺風事件對ZTD(水汽)變換周期的影響。

經小波變換后,ZTD不同層高頻項具有不同的周期變化特征。圖2～6為不同臺風不同站點采集到的臺風天氣和正常天氣ZTD(水汽)數據經小波分解后的D4項(日周期變化)結果,圖中,除了JSLY、JXJA、XIAM站點臺風天氣和正常天氣的GNSS ZTD變化差異不明顯外,其余站點的GNSS ZTD臺風天氣的振幅均比正常天氣大,變化更劇烈;臺風天氣GNSS ZTD峰值大于正常天氣,說明臺風天氣下水汽含量較高。同時,經小波變換后在開始和結束時相位相反,但變化過程中中部的相位變化基本一致,說明經過小波變換后相同層的周期相同。

圖2 布拉萬臺風實驗站點ZTD小波分解日周期變化

圖3 尼伯特臺風實驗站點ZTD小波分解日周期變化

結合圖1、3和6分析可知,JSLY站點與臺風中心相距較遠,與正常天氣相比,臺風天氣ZTD變化不明顯。結合圖1和5分析可知,當觀測站點與臺風中心的距離較近時,與正常天氣相比,臺風天氣ZTD變化更明顯,與臺風中心距離越遠臺風天氣ZTD變化越不明顯。圖4為沿臺風天鴿軌跡縱向選擇的3個站點ZTD變化,其中GDZH、GXNN站點臺風天氣ZTD振幅最先發生波動,GXBS站點變化較晚。其余臺風天氣無論偏遠或鄰近站點,均表現為沿臺風移動路徑,臺風氣旋中心越早經過,站點GNSS ZTD振幅波動越早,并且與氣旋中心距離越近ZTD振幅越大,水汽含量越大。

圖4 天鴿臺風實驗站點ZTD小波分解日周期變化

圖5 安比臺風實驗站點ZTD小波分解日周期變化

圖6 利奇馬臺風實驗站點ZTD小波分解日周期變化

3.2 傅里葉變換分析

因小波變換為時頻分析方法,且在頻域不易看出ZTD的主要變化周期,本文利用快速傅里葉變換(FFT)方法分析ZTD變化周期。

由圖7～11可以看出,經快速傅里葉變換后ZTD在頻域具有很好的表現性,臺風天氣變化周期與正常天氣變化周期分析見表2。

圖7 天鴿臺風實驗站點

圖8 安比臺風實驗站點

圖10 利奇馬臺風實驗站點

圖11 尼伯特臺風實驗站點

表2 不同天氣期間ZTD變化周期對比分析

結合經小波變換后ZTD圖像分析可知,盡管臺風來臨的時間各不相同,所有結果均顯示,兩種天氣條件下ZTD的變化周期不一致。結合表2(選取臺風天氣和正常天氣第1個相對異常的峰值)和圖7～11可知,臺風期間11個不同站點的ZTD變化周期均有所縮短,僅HECD、GXBS、HRBN站點的ZTD變化周期增大。臺風天氣ZTD的周期相對于正常天氣發生了變化,同時JXJA、XIAM、JSLY站點ZTD在小波D4層日周期變化不明顯,不能很好地反映臺風天氣和正常天氣的水汽變化周期,但經快速傅里葉變換后這些站點在頻域有很好的表現性,均顯示出臺風天氣ZTD變化周期相較于正常天氣縮短的特征。由小波變換分析和傅里葉快速變換分析可知,臺風天氣能在一定程度上影響水汽的變化周期,臺風天氣水汽的變化周期縮短[9],對應地區的降水量增加[10]。

4 臺風與水汽變化研究

4.1 不同臺風事件中水汽變化分析

降水來自大氣中的水汽,大氣中的水汽也是維持臺風動力的主要成分,通過連續觀測GPS可降水量并了解其時空分布,對監測和預測臺風具有重要的意義。多位學者針對區域降水量與GNSS天頂對流層延遲、水汽的關系開展了相關研究[11-16],發現水汽值大小及其增幅與降水過程存在較好的對應關系,并且對短時強降水預報或暴雨臨近預報有較好的指示意義[17]。為研究GNSS ZTD數據代替GNSS水汽的可行性,本文選取臺風事件中部分鄰近區域及偏遠區域GNSS基準站,利用采集的ZTD數據對不同臺風事件中的降水變化進行分析。

4.2 臺風前后臨近站點水汽分析

根據臺風移動軌跡,隨機選取不同臺風時期鄰近區域的GNSS基準站,分析臺風來臨前后GNSS ZTD和相關降水數據。由圖12可以看出,臺風來臨前3 d,不同地區站點ZTD會發生較為劇烈的變化且均會產生降水;臺風降水發生前后GNSS ZTD單峰結構明顯,降水量與ZTD每日增幅有很強的對應關系,并多次出現短時間內GNSS ZTD劇烈升降的變化過程。

圖12 不同鄰近站點ZTD日周期變化與日降水量對比分析

4.3 臺風前后偏遠站點水汽分析

根據臺風移動軌跡,隨機選取偏遠區域GNSS基準站,分析臺風來臨前后GNSS ZTD和降水的關系。由圖13可知,在臺風來臨前3 d,不同區域均會發生降水。對于遠距離區域的臺風降水,ZTD震蕩性越強,波動幅度越大,降水強度越大,并且在臺風發生前一段時間內ZTD會發生劇烈變化。

圖13 不同偏遠站點ZTD日周期變化與日降水量對比分析

研究結果表明,臺風降水量與ZTD變化有較強的對應關系。對于遠距離區域的臺風降水,ZTD震蕩性越強,波動幅度越大,對應降水強度越大;對于近距離區域臺風降水,ZTD短時間內的升幅越大,對應的降水量往往越大。當ZTD達到峰值時,說明大氣中的水汽含量較高,為降雨的發生作好了必要的準備,并且發生強降雨之前ZTD會發生急劇變化。同時,通過對臺風中心不同距離GNSS站點進行對比分析得出,相較于之后經過的GNSS基準站,臺風最先經過的GNSS基準站ZTD發生波動早,且先經過區域降水量比后經過區域降水量大。

5 結 語

利用小波變換及快速傅里葉變換對不同臺風不同GNSS站點的ZTD 數據進行分析,通過對ZTD日變化周期和日降水量進行對比分析,得到以下結論:

1)與正常天氣相比,臺風影響下GNSS ZTD周期會縮短,降水會增加。

2)對降雨過程進行分析可知,在降雨發生前,ZTD會發生較為劇烈的變化,并達到一個峰值。

3)通過對臺風中心不同距離的GNSS站點進行對比分析可知,臺風先經過區域站點的ZTD比后經過站點的ZTD發生波動早,且先經過區域的降水量比后經過區域的降水量大。