应用超快星历进行数值天气预报的可行性研究

张忠龙，施 昆

（昆明理工大学，昆明 650093）

1 引言

自文献［1］提出用地基全球定位系统 （global positioning system，GPS）探测大气水汽含量技术后，GPS技术在气象学领域的应用日益受到人们的关注，并因此诞生了一门新兴的交叉学科，称为GPS气象学。GPS技术用于数值天气预报，主要是利用GPS观测数据，通过GPS基线解算得到测站天顶对流层总延迟 （tropospheric zenith total delay，ZTD），进而计算出测站上方可降水量的大小［2］。在GPS数据处理过程中，影响ZTD估算的因子不少，其中最主要的影响因素是GPS卫星轨道精度［3］，而GPS卫星轨道精度是由卫星星历精度决定的。目前，利用最终精密星历地基静止平台GPS测量水汽含量的精度可达1mm，完全可以满足数值天气预报的要求［4］。人们在进行GPS资料反演大气可降水量的实践中，大多选择使用高精度的国际全球导航卫星系统服务 （international GNSS service，IGS）精密星历来进行GPS数据处理。然而IGS精密星历延迟为13d。虽然精度满足了数值天气预报的需求，但IGS精密星历时间分辨率太低，不能满足数值天气预报对高时间分辨率的需要。IGS中心于2000年开始提供超快星历，延迟仅为3h。随着IGS服务的逐渐完善，超快星历的外推精度也有极大的提高。超快星历的精度介于预报星历和IGS精密星历之间。这意味着利用超快星历的预报轨道和预报钟差在一定程度上能满足某些特定用户的需求［5］。超快星历在时间分辨率上完全满足了数值天气预报的要求，但精度是否能满足数值天气预报的需要，本文将对该问题作进一步的探讨。

本文提出采用超快星历来解算可降水量（precipitation water vapor，PWV），并将超快星历解算的PWV与IGS精密星历解算的PWV和无线电探空数据计算的PWV进行比较分析，研究超快星历用于数值天气预报的可行性。

2 实验数据

采用的实验数据有：5个IGS永久跟踪站（BJFS、KUNM、WUHN、SHAO、LHAZ）2012年第63天、171天的观测数据，采样间隔为30s，每个时段观测24h，其中基线最长的是BJFS－KUNM，约为2 020km，最短基线是SHAO－WUHN，约为657km。卫星截止高度角为10°；BJFS站和 WUHN站的实测地面气象数据文件 （MET文件）和无线电探空气象数据；2012年第63、171天的IGS精密星历文件和IGU超快星历文件。

3 方法和步骤

GAMIT是基线解算精度最高的软件之一，在使用IGS精密星历参与解算时，对流层的结算精度可达到5mm，转化为降水量约为1mm［4］。采用GAMIT软件对GPS数据进行处理，可解算出GPS可降水量。处理过程主要有：1）由GAMIT软件根据GPS观测数据解算出天顶总延迟量ZTD；2）根据天顶静力学延迟模型由地面实测气压值计算出天顶静力延迟量ZHD；3）用天顶总延迟量减去天顶静力延迟量而获得湿延迟量，即ZWD＝ZTDZHD；4）根据地面实测气温资料由Bevis经验公式算出加权平均温度Tm；5）根据Tm算出水汽转换系数Π；6）根据Businger公式反演出GPS遥感的可降水量。为了提高GAMIT处理精度，采用了GPS双差组合观测值和定轨、定位的数据处理模式，在测站先验坐标文件lfile中输入上述5个IGS测站的已知精确坐标，在sittbl.表中对每个站点坐标进行毫米级的紧约束，每1分钟估计一次对流层参数。同时采用GAMIT软件中多种改正模型，如天线相位中心改正模型ELEV、地球自转参数模型IERS2003、对流层延迟改正模型SAAS、对流层映射函数模型VMF1，温度和气压计算经验模型GPT，对流层参数估计模型PWL（分段线形法），以及固体潮汐改正模型和电离层改正等。

尽管目前探空观测存在不足，但仍是检验其他探测工具观测结果的基准。为了进一步比较超快星历解算可降水量的精度，本文介绍无线电探空资料计算大气可降水量的方法。根据PWV的定义，利用探空资料计算PWV的公式为［6］

式中，Δzi为某一层气柱的厚度，Pωi和Ti为该层的平均水汽压和平均温度，而Pωi的值可以按指数内插的方法从相邻两层的资料求得，n为探空观测层数。

4 超快星历解算PWV的精度分析

已有研究表明［7］，由 GPS资料反演解算的PWV和根据实测探空资料计算的PWV值有非常好的一致性，如果利用精密星历进行GPS数据处理，则两者之间的差异小于1mm，通常PWV值的范围约为0－60mm。因此，可以视利用精密星历解算的PWV为真值，用于和超快星历解算的PWV进行比较分析。研究每个历元时刻超快星历解算PWV与IGS精密星历解算PWV的差异，以及各历元时刻超快星历解算PWV的标准差。

根据上述数据处理过程和GAMIT软件参数设置，结合GPS数据和测站实测气象数据，采用IGS精密星历和超快星历分别计算出2012年第63天、第171天WUHN和BJFS站每个历元时刻的PWV，见图1所示。以IGS精密星历计算的各历元时刻的PWV为真值，统计两种星历解算PWV的差异，见表1所示；基于误差分析理论和数理统计理论，计算出采用超快星历解算PWV的标准差，见图2所示。为了进一步研究超快星历解算PWV的精度，以无线电探空数据计算的PWV作为真值，得出超快星历解算的PWV与探空PWV的差异，见图1、表2所示。

4.1 超快星历解算PWV与精密星历解算PWV的比较分析

图1给出了分别采用IGS精密星历和超快星历解算可降水量的变化曲线，由图1可知，用超快星历解算可降水量的精度很高，在一天的各个历元时刻，由超快星历解算的可降水量与IGS精密星历解算的可降水量变化趋势一致。在图1（c）、图1（d）中，每天两端的可降水量曲线出现了明显的折点，初步分析这主要是由于端点效应引起的［8-9］。表1是由两种星历解算的可降水量的差值，由表1可知，与IGS解算的可降水量比较，采用超快星历计算的可降水量的绝对值最大差值为0.68mm，绝对值最小差值为0mm，绝对值平均差值均小于0.2mm，因此，在同等解算条件下，每个历元时刻采用超快星历解算的可降水量与IGS精密星历解算的可降水量基本相等，其差值在多数历元时刻都可忽略不计。图2显示了每个历元时刻采用超快星历解算可降水量的标准差大小，亦即是超快星历解算可降水量的精度，图2的曲线表明，以各个历元时刻IGS精密星历解算的可降水量值作为真值，2012年第63天、第171天每个历元时刻WUHN和BJFS两个测站采用超快星历解算PWV的标准差都介于0－0.45mm之间，进一步证明了超快星历解算可降水量达到了IGS解算可降水量的精度，对图1、表1、图2的分析表明，在相同条件下，与采用IGS精密星历解算的可降水量比较，采用超快星历解算可降水量的精度完全满足了数值天气预报的要求。

图1 2012年第63天、第171天WUHN和BJFS两个测站超快星历解算的PWV与精密星历解算的PWV、探空资料计算的PWV比较图

图2 2012年第63天、第171天WUHN和BJFS站采用超快星历计算PWV的标准差

表1 2012年第63天、第171天WUHN和BJFS站超快星历解算的PWV与精密星历解算的PWV的差值绝对值比较

表2 超快星历解算的PWV值与探空数据计算PWV值之差

4.2 超快星历解算PWV与无线电探空数据计算PWV的比较分析

气象台每天发射两次无线电探空气球，每天相应的可降水量观测值也只有两个。为了便于比较，选用每天8点和20点的高空探测可降水量值和相应时刻由超快星历解算的可降水量值比较。图1中的离散点给出了每天8点和20点由探空数据计算的PWV值，表2显示了在这两个时刻超快星历解算PWV与探空数据计算PWV的差异。

从表2可知，最大差值为0.7mm，最小为－0.79mm，表中差值都介于±1mm以内。由此可以得出以下结论，利用超快星历解算的可降水量与实测探空可降水份差异不大，解算精度很高，进一步证明了采用超快星历解算可降水量完全满足了数值天气预报的精度要求。

5 结束语

超快星历的时间延迟仅为3h，时间分辨率高，满足了数值天气预报对星历数据高时间分辨率的要求。利用超快星历解算可降水量的精度高，误差在±1mm以内，完全可以满足数值天气预报的需要。在实际中，可以利用超快星历进行准实时的数值天气预报。

［1］BEVIS M，BUSINGER S，HERRING T A，etal.GPS Meteorology：Remote Sensing of Atmospheric Water Vapor Using the Global Positioning System［J］.Journal of Geophysical Research，1992，97（D14）：787－801.

［2］伊利文，韩保民，郑勇，等.GPS气象预报的可行性分析［J］.大地测量与地球动力学，2012，32（增刊）：130－133.

［3］李国平.地基 GPS 气象 学 ［M］.北 京：科 学 出 版社，2010.

［4］徐韶光，熊永良，刘宁，等.利用地基GPS获取实时可降水量［J］.武汉大学学报：信息科学版，2011，36（4）：407－411.

［5］GE Mao－rong，CALAIS E.Reducing the Satellite Orbit Error Effects in Near Real－time GPS Zenith Tropospheric Delay Estimation for Meteorolog［J］.Geophysical Research Letters，2000，27（1）：915－918.

［6］丁金才.GPS气象学及其应用［M］.北京：气象出版社，2009.

［7］党亚民，王权，冯金涛.利用GPS资料反演大气水汽含量的 研究［J/OL］.［2013－02－08］.http：//www.cnki.net/KCMS/detail/detail.aspx？QueryID＝2＆CurRec＝4＆recid＝＆filename＝CHKD199903001＆dbname＝cjfd1999＆dbcode＝CJFQ＆pr＝＆urlid＝＆yx＝＆uid＝ WEEvREcwSlJHSldSdnQ1Wmh4bUhRby9p SkhEdS9KcEY0ejluV253QXhxc2ZtN2hiTEsrV2JtU2h 6dFFVQ0FvPQ＝＝.

［8］宋淑丽，朱文耀.区域GPS网实时计算可降水量的若干问题［J］.中国科学院上海天文台年刊，2003（24）：20－27.

［9］蒋光伟，张秀霞.基于双差GPS Kalman滤波的方法实时动态监测水汽变化［J］.测绘工程，2011，20（6）：48－52.