基于地基GNSS觀測數據的貴州高原地區水汽層析精度分析

姚秀光 郭金城 嚴夢琪 嚴浩元

1 貴州省第一測繪院,貴陽市花溪大道南段635號,550025

貴州地處青藏高原東南側、云貴高原東斜坡上,平均海拔約1 000 m,地勢從西到東陡降明顯,常年雨量相對充沛,短時強降雨頻發,容易引發山洪、滑坡、泥石流等自然災害[1-2]。因此,精確的數值天氣預報對自然災害防災減災具有重要意義。

暴雨的發生需要充足、持續輸送的水汽,以及劇烈的大氣垂直運動,大氣可降水量(PWV)作為空氣中水汽含量的表現形式之一,會顯著影響降雨的發生與規模[3]。精確的大氣水汽三維時空分布信息對提升數值天氣預報精度非常重要,常規大氣探測技術(如無線電探空、地基微波輻射計、星基輻射計、氣象衛星等)存在低時空分辨率、高成本、觀測精度受天氣影響大、觀測范圍局限等問題[4]。地基GNSS具備全天候、高精度、低費用、高時間分辨率和均一性好等優勢,近些年已成為大氣水汽觀測的一種重要手段,也被全球氣候觀測系統(GCOS)高空基準觀測網(GRUAN)列為水汽I類觀測手段[5]。

本文首先利用精密單點定位(PPP)技術處理地基GNSS觀測數據,獲得每個測站高精度的天頂對流層延遲(ZTD)產品,進而反演獲得斜路徑可降水量(SWV);然后將SWV視為三維層析觀測值,使用自適應聯合代數重構算法進行三維水汽層析;最后利用氣象再分析資料和無線電探空數據評估三維水汽層析成果精度。

1 數 據

1.1 GNSS數據

地基GNSS觀測數據來源于貴州省北斗衛星導航定位基準站網(GZCORS)中89座基準站,其中包括國家現代測繪基準體系GNSS連續運行基準站6座、中國大陸構造環境監測網絡(CMONOC)基準站1座和貴州省級GNSS連續運行基準站82座,所有基準站均配備Trimble NetR9型接收機和TRM59900.00 SCIS型天線。研究時段為2020-06-21～27,其間06-23～24貴州多地發生暴雨事件,數據采樣率為30 s,觀測值類型為BDS+GPS+GLONASS+Galileo的雙頻觀測數據。

1.2 數值天氣預報模型資料

本文使用由美國國家環境預報中心(NCEP)提供的GFS數據為未配備氣象觀測裝備的GNSS測站提供測站處的氣象數據(https:∥nomads.ncep.noaa.gov/),分辨率最高可達0.25°×0.25°;使用歐洲中期天氣預報中心(ECMWF)提供的最新一代再分析資料ERA5數據對三維水汽層析結果進行精度驗證,時間分辨率為1 h,水平方向空間分辨率為31 km(約0.25°),高程方向則將地面至80 km空間分成37個氣壓層,每個氣壓層包含溫度、氣壓、比濕、風速等數據;使用由美國國家氣候數據中心(NCDC)提供的無線電探空數據集(IGRA)對水汽探測結果進行精度評估。

2 數據處理方法

2.1 使用地基GNSS觀測數據反演SWV

利用精密單點定位(PPP)技術,解算策略如表1所示,得到天頂對流層延遲(ZTD),包含天頂靜力延遲(ZHD)和天頂濕延遲(ZWD),其中ZHD可根據測站處氣壓利用Saastamoinen模型計算得到[6],其精度可達到mm級,將ZHD扣除后可以分離出ZWD?？紤]到水平梯度的影響,斜路徑對流層濕延遲(SWD)可通過式(1)求解[7]:

表1 PPP處理策略Tab.1 PPP processing strategy

SWD=MFw(ε)[ZWD+

cotε(GNcosφ+GEsinφ)]+σ

(1)

式中,MFw表示濕延遲對應的投影函數,ε表示衛星高度角,φ表示衛星方位角,GE和GN分別表示東西和南北向水平梯度,σ為相位殘差,本文在SWD反演過程中加上相位殘差。將SWD乘以對應的轉換系數即可得到斜路徑可降水量(SWV)[8]。

2.2 基于自適應聯合代數重構算法的三維水汽層析算法

將SWV作為對流層三維層析的觀測值,并離散化為三維格網點上的水汽密度(WVD),再將各個格網點上的WVD作為未知參數進行求解,從而得到研究區上空具體的WVD三維分布信息[9]。

三維層析參數估計算法大致可分為平差法、濾波法和代數重構法,前兩種方法在計算過程中需要對觀測矩陣進行求逆,由于觀測信號與測站的不均勻分布,觀測矩陣為秩虧矩陣,且當層析區域較大時,待估參數較多,求逆運算難以快速實現。因此,本文層析選擇無需進行求逆操作,適用于大規?？焖賹游鲇嬎愕淖赃m應聯合代數重構算法(ASIRT)[10]。相較于其他重構算法,ASIRT已考慮到水汽的實際變化,且一次性對所有觀測值進行處理,使得結果不受觀測值處理順序的影響,計算過程參考文獻[10]。

2.3 利用無線電探空數據計算ZTD

利用無線電探空數據計算測站上空ZTD值包含天頂靜力延遲(ZHD)計算和天頂濕延遲(ZWD)計算兩部分,首先利用Saastamoinen模型計算測站ZHD值,然后使用式(2)通過積分方式計算測站對應的ZWD:

(2)

式中,Nw表示濕折射率,其表達式為:

(3)

式中,K2、K3為實驗常數;e為水汽壓,可利用無線電探空數據提供的露點溫度采用式(4)計算得到:

Td=T-Tdd

(4)

式中,Td表示露點溫度,單位℃;Tdd表示溫度與露點溫度之差,單位℃。

3 結果與分析

3.1 層析策略

選取GZCORS網中89個基準站2020-06-21～27共7 d數據進行層析實驗,研究區范圍為103°～109.5°E、24°～30°N。在水平方向上按照0.25°×0.25°間隔進行均勻劃分,高程方向上根據水汽實際分布采用上疏下密的方式不均勻地劃分為24層,根據經驗將層析上界定為12 000 m,具體為0～3 000 m以250 m為間隔,3 000～5 000 m以500 m為間隔,5 000～12 000 m以1 000 m為間隔,研究區共劃分為26×24×24個格網。圖1為貴州省2020-06-23 12:00三維水汽層析結果,從圖中可以看出,對流層水汽絕大多數集中于5 000 m以下區域,因06-23貴州省局部有暴雨發生,從三維層析結果可以看出水汽密度分布在不同高度層上發生明顯變化,暴雨發生過程中,水汽會向對流層底部聚集,因此對流層底部層析結果誤差較大,尤其是貴州南部水汽密度大,有強降雨發生,與當日天氣情況一致。

3.2 ZTD和PWV解算精度驗證

貴州省可用的無線電探空測站有貴陽站(57816)和威寧站(56691),經分析,貴陽站與GZCORS網中貴州貴陽站并址,威寧站與GZCORS網中畢節威寧站并址。為了評估ZTD和PWV解算精度,本文使用貴陽站驗證基于地基GNSS觀測數據解算的ZTD及其反演得到的PWV精度,結果如圖2所示,圖中橫坐標表示研究時段內(2020-06-21～27)歷元數,因無線電探空數據時間分辨率為12 h,因此只有12個歷元。由圖可知,在研究時段內,ZTD和PWV解算結果RMS分別為3.55 mm和1.03 mm,與國內外學者的研究結果一致。

圖2 PPP解算ZTD與PWV精度統計Fig.2 ZTD and PWV accuracy processing by PPP

3.3 三維水汽層析結果精度驗證

3.3.1 使用ERA5再分析資料進行精度評估

為了評估三維層析結果精度,選擇06-22、06-24層析結果與ERA5再分析資料進行對比,計算每個高度層上的平均水汽密度、均方根、偏差和相對誤差,結果如圖3和圖4所示。由圖可知,未發生暴雨時(06-22),4 000 m以下層析獲得的水汽密度與ERA5再分析資料相比,相對誤差在10%以內,偏差最大值為1.03 g/m3;而在暴雨發生時(06-24),2 000～6 000 m范圍內水汽密度絕對誤差和相對誤差均陡然增大,最大偏差也達到1.77 g/m3,最大相對誤差在4 500 m處達到80%左右。說明在水汽變化不劇烈時,層析結果

圖3 三維層析結果與ERA5再分析資料對比Fig.3 Comparison of 3D tomography results and ERA5 reanalysis data

圖4 4 000 m高度以下三維層析結果與ERA5再分析資料的相對誤差Fig.4 Relative error between 3D tomography results and ERA5 reanalysis data below 4 000 m

與ERA5再分析資料差異較小,當暴雨來臨水汽在垂向發生劇烈變化時,不同資料之間的一致性會有所下降。

3.3.2 使用無線電探空數據進行精度評估

為了進一步驗證三維層析結果精度,將研究時段內層析結果與貴州省內2個無線電探空站的觀測數據進行對比。因探空站每天僅2個時刻有探空數據,且存在數據缺失現象,因此本文僅選取探空數據相對完整的時刻進行分析,貴陽站為06-22 00:00、06-23 12:00和06-24 00:00,威寧站為06-22 12:00、06-23 00:00和06-23 12:00,分析結果如圖5所示。由圖可知,在研究時段內層析結果與無線電探空數據的相關系數R在0.97以上,具有較好的一致性;貴陽站平均RMS在0.5 g/m3以內,威寧站平均RMS在1.2 g/m3以內,層析精度較高。整體而言,貴陽站上空的層析結果精度優于威寧站,原因可能為貴陽站位于層析區域中間,其上空觀測值分布均勻,而威寧站位于層析區域邊緣,上空觀測值較少,導致精度略差。

4 結 語

1)GFS預報模型對水汽整體含量的演繹效果較好,但無法反映水汽短期內劇烈變化,融合地基GNSS觀測數據進行三維水汽層析,可大幅度提高短期水汽劇變精度,從而更好地監測水汽變化,對數值天氣預報具有重要參考意義。

2)本文層析模型以GFS預報數據為背景場,采用代數重構算法,解決觀測矩陣秩虧的問題,從而提高層析速度。層析輸出結果的時間分辨率為5 min;水平分辨率為0.25°×0.25°,優于30 km×30 km;高程分辨率根據水汽實際分布采用上疏下密的方式不均勻地劃分為24層。

3)在研究時段內,以無線電探空資料為參考評估ZTD和PWV精度,其RMS分別為3.55 mm和1.03 mm。以ERA5再分析資料為參考評估三維層析精度,在對流層4 km高度下,無暴雨發生時,三維層析相對誤差不超過10%,偏差最大值為1.03 g/m3。以無線電探空數據為參考評估三維層析精度,層析結果與無線電探空數據的相關系數在0.97以上,具有較好的一致性。貴陽站和威寧站的平均RMS分別在0.5 g/m3和1.2 g/m3以內。