地基GNSS三维水汽层析方法研究.docx

《地基GNSS三维水汽层析方法研究.docx》由会员分享，可在线阅读，更多相关《地基GNSS三维水汽层析方法研究.docx（11页珍藏版）》请在第一文库网上搜索。

1、地基GNSS三维水汽层析方法研究李涛郭千楠钱辉Summary：为利用地基GNSS技术探测大气中的水汽变化获取高精度大气水汽，从两个方面进行了地基GNSS层析三维大气水汽实验研究：通过回归拟合确立本地大气加权平均温度模型;采用中心网格边长较短、边界网格边长较长的原理划分网格，建立非一致网格模型。研究结果表明：本地模型的平均偏差值典均方根差值分别为0.63 K和2. 43 K,均小于Bevis模型、陈永奇模型;采用非一致网格模型获取的斜路径水汽含量的平均偏差较小，优于一致网格模型。研究成果可为利用地基GNSS技术获取准确、实时的水汽时空信息提供技术参考。Key：水汽层析；地基GNSS；本地模型；非

2、一致网格中图法分类号：P412. 2文献标志码：A DOI：10, 15974/ki. slsdkb. 2021. 12. 007：1006 - 0081 (2021) 12 - 0044 - 05。引言中国幅员辽阔，气候复杂多样。显著的季风性气候带来的丰沛水汽资源为农林、水利提供了有利条件。同时，也容易引发极端天气，造成区域性降水分布不均，导致流域性洪涝等天气灾害，给生产、生活带来不利影响。虽然水汽在大气中的含量很少，但却影响着天气的形成和变化，尤其是对流层上空的水汽时空分布变化情况与中小尺度灾害性天气形成和变化密切相关1,也与人类的生产、生活密不可分。因此，研究更高水平、更先进的大气水汽探

3、测技术，对天气分析及预报、流域性极端天气的应急监测及防灾减灾工作意义重大。然而在进行区域甚至是全球尺度的气象测定时，不仅需要对降水、温度、气压等因素进行探测，还要对其状态与结构进行监测。传统的大气探测技术受仪器、天气、时空等多因素的制约，难以满足现今需求。而地基GNSS技术成本低，数据时空结合、分辨率高，全天候作业不受时空局限，能够有效探测大气中的水汽变化。水汽含量的变化又与降水的形成和气候的变化密切相关2。因此，地基GNSS三维水汽层析技术在大气水汽探测、天气形成机理分析及气象预报等领域应用前景广阔。早在20世纪80年代，国外专家学者就利用GNSS技术探测大气并陆续进行了大量实验研究。中国自

4、90年代中期开始有序地开展地基GNSS气象学方面的探测研究。从1993年，毛节泰3通过实验反演出GNSS大气可降水量；到2004年，宋淑丽等4提出的动态低高度角映射函数;2017年，姚宜斌等5附加虚拟信号精化水汽层析模型的提出。以及代数重构、Kalman滤波等算法的建立。多年来，在大量研究人员的共同努力下，算法、模型不断优化，方法、技术持续改进，层析精度也不断提高。本文在前人研究的基础上，通过探究本地大气加权平均温度模型和一致网格模型与非一致网格模型对层析结果的影响，旨在为获取更高精度的水汽层析方法提供技术参考。1地基GNSS层析大气水汽原理与方法1. 1地基GNSS反演大气水汽原理地基GNS

5、S反演大气水汽基本方法：计算天顶湿延迟；获取大气加权平均温度，计算转换系数;将天顶湿延迟转换为天顶方向的水汽含量。1.1.1天顶湿延迟计算大气湿延迟在天顶方向的表示： LOw=10-6k2pvTds+k3pvT2ds (1)式中：k2, k3为大气折射常数，pv为某一点上的大汽分压，T为该点的绝对温度;s为弯曲路径长度。在实际计算中，T和P测定比较繁琐，对于实时反演有诸多不便，同时需要测定高精度的气象参数。故在实际操作中通常不直接使用上式，而是将天顶总延迟ZTD减去天顶静力延迟ZHD,从而得到天顶湿延迟ZWD,即：ZWD=ZTD-ZHD (2)1. 1.2大气可降水量计算取得天顶湿延迟后，由下

6、式计算大气可降水量PWV,即：PWV=IbZWD (3)其中，转换系数H为无量纲数，可由下式得到：11=106PwRvk7 2+k3Tm (4)式中：k 2=k2-klMw/Md=16. 52 K/hPa, (Mw为水汽的摩尔质量，Mw=18. 051 2 g/mol, Md为干空气的摩尔质量,Md=28. 964g/mol) ；pw为液水密度(1X103 kg/m3) k2, k3为大气折射常数，(kl=77. 60 K/hPa, k2=64. 79 K/hPa,k3=3. 776X105 K/hPa) ； RV为水汽的气体常数(RV=R/MW=461. 495 J/kg) ; Tm为大气加

7、权平均温度。可以看出，Tm是水汽转换系数中的一个重要参数。而Tm有着非常强的时空变化特性，随着季节交替和气候的变化而变化。通常情况下可通过式(5)对Tm进行计算：Tm=/l0 8 eTd/i/iO eT2d/i (5)式中：T为所在测站的绝对温度，K；e为该点天顶方向上的水汽压，hpao然而，测站上空的Tm值并不能由式(5)直接计算出。因为无线电探空气球能够提供在地面12 km高度以下区域范围内的气象资料，而水汽主要分布在这个高度以下。所以将上式离散化，用数值积分的方法可以得到真实的Tm值6,公式如下：Tm=eiTi X /ii+l-EieiTi2 X /ii+l-Ei (6)式中：hi和H+

8、1为相邻两次观测的高度值；ei和Ti分别为H和hi+1的平均水汽压和绝对温度。1.2地基GNSS层析三维大气水汽基本原理地基GNSS层析三维水汽是利用卫星信号在层析区域内不同路径的延迟来获取该区域上空的水汽变化信息，将层析区域一定高度的立体空间分割为类似于魔方的立体网格，GNSS卫星信号所在路径的水汽含量为其所穿过网格的长度同与之相应的每一个网格的水汽密度的乘积之和，此条件成立的前提是假定各网格单元在一定时间间隔内的水汽密度是一个均匀不变的常数。因此，可建立如下的水汽层析方程：SWVs=i, j, kai, j, kxi, j, k （7）式中：xi, j, k为待求参数，表示某一时段内第（i

9、, j, k）个网格内的水汽密度值；SWVs为已知量，表示穿过网格的第s条信号的斜路径水汽含量；ai, j, k表示第s条信号所穿过的第（i, j, k）网格的长度。因为在层析的一个时段内，层析网格之中有大量信号穿过，可据此列出大量层析方程，形成层析方程组。2案例分析研究2.1 研究区域和实验数据本文选取中国香港地区作为地基GNSS层析大气水汽的实验方案。香港地区丰富的水汽及其多变的气候特点十分具有代表性，是专家学者重点研究关注的区域之一。香港位于中国南部，珠江口以东，夏季大规模的降水，容易造成暴雨灾害。因此，在香港地区开展层析三维水汽实验具有极其重要的意义，尤其对天气预报、气候监测的参考价值

10、重大。香港地区共设立19个卫星参考站，各个参考站的间距约为1015 km,皆为连续运行正常状态。为本次研究实验提供了丰富、实时、可靠的数据。本文选取了中国香港地区CORS网部分站点在UTC时2020年3月1516日的8个测站的数据进行地基GNSS水汽层析实验，分别为HKPC, HKKT, HKLM,HKSC, HKST, HKOH, HKSS 和 T430。2.2 本地大气加权平均温度建模及大气可降水量分析2.2.1 确定本地大气加权平均温度模型本文采用中国香港地区京士柏探空站提供的探空数据，该探空站近地面处分层间隔较小、数据分辨率较高，每天更新两次，因此有两组数据可供使用。为了保持与解算对流

11、层延迟时所选数据时间上的一致性，本文选取2020年35月共184组数据进行分析拟合。建立Tm模型，对所选取的探空数据进行特征变化上的分析，并通过回归方法建立本地模型。加权平均温度Tm的回归模型建立的方式取决于Tm与地面温度Ts的相关性关系。图1给出了的的线性关系:由图1可以看出，Tm与Ts变化趋势相同，具有非常高的相关性且呈正线性关系，计算出的相关系数高达0.883 2,也验证了这一事实。因此，假设Tm=a+bTs,其中a, b为待求参数，利用探空站的184组数据进行回归拟合后可得到结果如下：a为74. 563, b为0.876,相关系数为0.883 2。由探空资料回归分析结果可得,建立的本地

12、回归模型为Tm=74. 563+0. 876Ts 利用该站6月份的探空数据对此模型的精度进行验证，分别将Bevis模型、陈永奇模型和本地回归模型与数值积分计算的Tm值进行比较，结果如表1所由表1可知，本地模型的平均偏差值Bias与均方根差值RMS分别为0. 63 K和1.1.1 K,均小于Bevis模型、陈永奇模型，可以看出，本地回归模型在很大程度上提高了大气加权平均温度Tm值的精度，更符合香港地区的气候特点。1.1.2 探空水汽含量计算利用已有探空资料，可通过下式推导出大气水汽含量7。w=lg0p0qdp (8)式中：w为水汽含量,g/cm2 ; p0为地面气压，hPa ； qp为各气压层比

13、湿，有qp=62L 98e/p,其中e为饱和水汽压；g为重力加速度，m/s2。在计算出水汽含量w后，大气可降水量可以视作水汽含量转化为等效水柱的高度W8,公式如下：W=w P (9)式中：W为高度，cm； p为水汽密度，kg/m3o1.1.3 本地模型反演PWV与探空结果对比以HKSC测站为例，利用该测站在UTC时2020年3月1516日的观测数据，将本地回归模型的香港地区大气加权平均温度Tm值代入计算，得出可降水量PWV的值。将其与探空可降水量进行对比，得到如图2所示的对比图。从图2可以看出，本地回归模型得到的可降水量分布曲线与探空资料得到的可降水量分布曲线符合程度较高，二者一致性较高。通过

14、计算，两者之间的平均偏差为1.974 mm,均方根误差为2. 365 mm,这较好地匹配了地基GNSS层析三维大气水汽的精度要求，也说明通过对大量的探空数据进行回归分析得到的平均大气温度模型在精度上有了一定程度的改善，并且更适合于香港的气候特点。2.3网格模型一致与非一致层析结果分析层析大气水汽时，会有诸多不便，如GNSS信号射线分布不均匀，可能导致部分单元格无GNSS信号射线穿过，因此，必须进行严格合理的网格划分。有研究表明，网格划分的最小厚度应该高于300 m9。此外，依据中心网格边长较短、边界网格边长较长的原理划分网格，既能获得高空间分辨率的水汽密度，又能顾及到层析方程所限定的网格边长要

15、求，而且利于层析方程组的解算，获取的大气水汽空间分布信息也更加细致。表2为HKSC测站12： 0013： 00和00： 00-01： 00,一致网格模型和非一致网格模型得到的层析水汽数据与探空水汽数据的对比分析结果。从表3数据可以看出，虽然所在的两个时段不同，但一致网格模型和非一致网格模型都较好地反映出了水汽在大气中的分布情况，与探空数据也较为一致。但是，进一步分析发现，非一致网格模型相比于一致网格模型得出的结果质量要好。原因可能是在使用非一致网格模型进行网格划分时，测站HKSC靠近网格中央，不在网格底层或边界上，这就有效避免了测站点无卫星信号穿过的弊端。因测站靠近中央，所以穿过的卫星信号也相对较多。表3和表4给出了两个模型分别在12： 00和00： 00时各6个子时段穿过的有