暴雨天气中地基GNSS可降水量时序变化分析

朱恩慧，杨 力，贾鹏志，赵 爽，郜 尧

(信息工程大学 导航与空天目标工程学院，郑州 450000)

0 引言

全球卫星导航系统气象学(global navigation satellite system meteorology，GNSS/MET)是近20年来蓬勃发展起来的。GNSS/MET所研究的一项重要内容是水汽，水汽在时间、空间上的状态以及三相变化直接对大气的垂直稳定产生影响，并导致气候的演变，造成强对流天气进而引发强降雨等暴雨天气。相比于常规天气预测，基于地基GNSS反演大气水汽的方式可提供时效性强、精度高、全天时的气象数据资料，有助于改善天气预报尤其是中尺度的天气预报的时效性、精度等。

文献[1-4]对于大气可降水量(precipitable water vapor，PWV)的时间变化序列在暴雨天气预报方面了一些早期实验，在中尺度数值3维变化同化，与其他大气资料相结合，用以改善数值模拟初值并进行质量分析，对于降雨预报的提高具有明显的作用；文献[5]介绍了长江区域全球定位系统(global position system，GPS)网在台风天气下影响区域的PWV的探测，得出PWV与每日探空资料具有极高的一致性，在台风天气前后PWV值有个急升和急降的过程；文献[6]利用北京地基GPS网分析2004年暴雨过程中PWV的变化特点及其与降水量和强度的关系；文献[7]分析武汉市几次暴雨过程，得出每一次暴雨的发生都是在PWV急增之后；文献[8-12]分析暴雨发生期间天气气象要素的变化特征，研究水汽对流运动的发展规律，得出在水汽含量快速增长的情况下，接下来一段时间(几个小时)内非常有可能产生降水。

本文以香港地区一次台风引发暴雨的天气为实例，基于精密单点定位(precise point positioning，PPP)技术实时反演PWV，分析在台风天气暴雨发生期间地基GNSS可降水量的时许变化特点。

1 地基GNSS水汽反演方法

大气中水汽信息包含PWV、3维水汽分布以及时间分布序列等。其中，对PWV值的高精度计算是地基GNSS技术的关键之一，为进一步解算其他水汽信息奠定基础。地基GNSS反演技术利用高精度定位原理反推对流层的延迟量，进而解算大气可降水量。本文数据处理过程基于精密单点定位方法计算天顶对流层延迟(zenith total delay，ZTD)，ZTD由天顶静力学延迟(zenith hydrostatic delay，ZHD)和天顶湿延迟(zenith wet delay，ZWD)2部分组成，其中：ZHD又可称之为天顶干延迟，占总延迟的90 %左右，变化情况较为稳定，可使用模型对其进行改正并能达到较高精度改正数；ZWD则是由大气水汽的折射造成，其变化复杂，且与天气情况密切相关。一般利用GNSS观测数据可求得ZWD精确值，基于气象观测数据可求得ZHD准确值，由精确天顶对流层湿延迟和精确天顶对流层干延迟可求得天顶对流层总延迟为

ZTD=ZWD+ZHD。

(1)

ZHD与地面气象数据有强相关性，结合萨斯模型可得ZHD的准确值。通过PWC参数估计过程，可以直接求得ZWD，PWV的计算方法为

PWV=Π·ZWD。

(2)

香港连续运行参考站网由18个分布于香港各处的连续运行参考站(continuously operating reference stations，CORS)组成，如图2所示。每天不停接收GNSS卫星的数据，经系统整理分析后，发放到香港大地测量网，供用户下载使用，以满足用户高精度定位需求。

(3)

式中：ρw为液态水密度；Rυ=461.510 J·kg-1·K-1，为水汽气体常数；Mw=18.015 g·mol-1，为湿大气摩尔质量；Md=28.964 g·mol-1，为干大气摩尔质量；k1=77.689 K·hpa-1、k2=71.259 K·hpa-1、k3=373 900 K2·hpa-1，均为物理常数。大气加权平均温度为Tm，其计算方法为

立磨机试验装置主要由转速检测装置、自动控制装置及立磨机主体设备组成，可通过控制系统调整主轴转速，此外该系统还配置有粒度测量仪器。立磨机筒体规格为Φ250mm×800mm，筒体容积35L，电机功率 3kW［6］。

(4)

式中：N为层数；Δpi为第i层大气密度；ei为实验区域水汽压；Ti为实验区域绝对温度。在GNSS反演水汽过程中，实测气象数据不容易获得；本文采用文献[13]提出的全球大气加权平均温度模型(global weighted mean temperature，GWMT)求取实验区域大气加权平均温度，结果精度较高。

高校的资产管理机构为国有资产的一级管理机构，由相应的主管校长负责，实现既管资产，又管事务，兼管人员的统一。高校国有资产管理处独立行使国有资产出资者的权利，依法对相应的国有资产进行监督管理。其主要职责有：（1）加强日常国有资产管理，对国有资产的安全、完整性，相应的保值增值进行监督监管；（2）制订相关的高校国有资产的规章制度，依法行使指导监督权力；（3）依法对下级部门负责人进行任免，考核。设立相应的奖惩制度，完善有关的激励、约束机制。（4）代表学校向校办企业派遣监事人员；（5）统筹负责学校国有资产的产权相关工作，制订相应的融资、发展规划。

2 实验及结果分析

2.1 实验数据

式中Π为转换因子，其计算方法为

实时PWV解算流程图如图1所示。

实验采用其中17个CORS站进行说明，基于PPP技术，利用各站观测数据结合国际GNSS服务组织(International GNSS Service，IGS)提供的实时轨道和钟差解算ZTD和ZWD，时间分辨率为5 min。采用香港地区2016-10-14至2016-10-23(年积日第288天至第297天)10 d的GNSS观测数据(格林尼治时间)，对应北京时间为2016-10-14的8时至2016-10-23的8时，以下实验分析均采用格林尼治时间进行说明。实验期间出现受台风影响引发的的暴雨天气，于2016-10-16至2016-10-19出现。期间整个香港地区降雨量超过100 mm，降雨水平已经达到暴雨阈值。实验使用的17个连续运行参考站中，其中HKWS和HKSL同时作为IGS站，利用这2个连续运行参考站连续10 d的解算结果ZTD与IGS发布的同时期对流层产品ZTD进行对比分析，确定使用该技术的解算结果具有较高的精度。并通过香港天文台发布的香港各个地区每小时降雨量，获取各区附近CORS站实际降水量，其中HKSC站与香港天文台测站距离最近，还可对比该站解算出的PWV值与天文台探空数据。探空数据可以通过美国国家海洋和大气管理局发布的全球探空数据进行下载，该数据由全球分布的多个气象站每12 h释放一次探空气球采集，可获取香港区域探空资料。

2站解算结果(PPP/ZTD)与IGS产品值(IGS/ZTD)符合精度良好，差值集中在10 mm以内。其中：HKSL站ZTD与IGS产品值平均偏差为-5.94 mm，均方根误差(RMS)为5.042 mm；HKWS站ZTD对比IGS产品值其平均偏差-4.4 mm，均方根误差(RMS)为7.092 mm。由此，采用实时轨道和钟差进行的解算可达到与IGS站高精度软件处理结果的高度一致性。证明该程序具有较好的解算精度，可满足大气水汽反演解算的相关需求。

2.2 ZTD对比分析

实验使用了17个观测站数据进行试验，选取HKKT站和HKOH站并结合天文台气象站测得的地面实际降水量来观察PWV变化过程，如图8、图9所示。

通过对各个路由度量合理的权重分配a=(a1,a2,a3,…,am),得到所有候选父节点的综合评价值f(i)(i=1,2…n)。则具有最小(或最大)f(i)值对应的候选父节点可优先选为偏好父节点。而权重分配a=(a1,a2,a3,…,am)为一个单位矢量,aj表示第j个路由度量的权重系数,该单位矢量应满足如下约束条件:

2.3 PWV对比分析

由图5、图6可知：自2016-10-16(年积日第290天)开始，在台风影响下，PWV逐渐增加，至台风影响天气结束，HKSL站和HKWS站PWV增量都在25 mm以上，在此期间伴有强降水；自2016-10-17开始，可降水量进一步增大，各测站在2016-10-18先后达到峰值，随后PWV值快速下降；在此之后大气可降水量又开始快速增加，在12 h内达到峰值，并在19日迎来新一轮高强度降雨过程，随着降雨过程逐渐结束，PWV值急剧下降。

本实验采用2016-10-14至2016-10-23的观测数据，期间因受台风天气影响，从2016-10-16至2016-10-19香港地区有持续大雨以及雷暴天气，19日下午达到最大。重点分析2016-10-16至2016-10-19的可降水量变化过程，以HKSL和HKWS这2个站点为例进行分析(如图5、图6所示)。

在犊牛肉营养指标中，后腿的蛋白质含量、灰分含量和水分含量分别为20.603、1.34、77.45，显著高于里脊和前腿(p<0.05)；前腿脂肪含量较高，为1.67%。成年牛肉的水分含量为68.48，显著低于犊牛肉的水分含量。食用指标中，犊牛肉之间的pH值无明显差异，它的不同与糖酵解、屠宰等都有关系。后腿和里脊的剪切力较小，说明后腿和里脊肉的嫩度最好。水分活度与水分含量结果一致。色泽较好的是后腿，红度值为15.73，显著高于其他两组。得出后腿的营养指标和食用指标优于其他两组。

分析2016-10-16至2016-10-19的可降水量变化过程，选取HKSC、HKKT和HKOH 3个站点结合香港天文台气象站测得的各个地区的地面实际降水量，并观察可降水量的变化过程。由于HKSC站离香港天文台距离最近，对比该站反演的PWV结果与天文台的探空数据结果(如表1所示)，可看出平均偏差为2.21 mm，最大偏差不超过3.5 mm，符合精度要求。

表1HKSC站探空资料与所计算PWV值比较mm

日期探空值PWV差值10月16日12时54.2150.83.40 24时57.5257.30.3210月17日12时65.7063.81.90 24时70.6268.02.6210月18日12时67.5066.11.40 24时69.3767.12.2710月19日12时65.9863.12.88 24时46.1943.32.89

如图7所示，HKSC站与香港天文台观测站距离最近，对比该站反演的PWV结果与天文台探空结果，可发现估计值与探空值一致性较好，大多数差值都在2 mm以内。

为评估本实验反演大气可降水量的精度，采用IGS分析中心发布的对流层产品检验ZTD反演精度，该产品是基于IGS轨道和钟差，利用Bernese软件进行估计得到，产品分辨率为5 min。图3及图4所示为HKSL和HKWS 2个站点在2016-10-14至2016-10-23的ZTD解算结果与IGS产品值之间的差值。

Summertime migration of atmospheric mass over regions between Asia and North Pacific and its

由图8、图9可知：从2016-10-16的PWV值开始增大，到达2016-10-18的6点左右，HKSC站、HKKT站和HKOH站均达到峰值，在PWV增大期间伴有少量降水，所以PWV的值增大并不是很快；2016-10-18的6点左右伴随降雨过程，PWV值开始下降；2016-10-19的凌晨，PWV值开始慢慢加速上升，2016-10-19的4点左右达到峰值并持续一段时间，在5点至6点开始新一轮的强降雨，随着降雨量的增大，PWV值下降超过10 mm。

2）网站服务质量对医药B2C平台顾客忠诚度的影响值为 0.64，这说明平台网站通过与顾客进行积极高效的互动，如迅速解答顾客的问题、为顾客提供可以对购物过程和药品服用效果进行反馈的渠道、构建便捷的交流沟通方式等，可有效地提升顾客满意度，并进一步提升顾客的忠诚度。

图10、图11显示香港地区所选取的17个测站PWV等值线的时序变化，可直观看出整个香港地区可降水量的变化情况。

综上所述，在2次集中降雨之前，可降水量普遍提升至少10 mm；2次降水过程中，暴雨发生之前的24 h甚至更早的时间，PWV值开始增加，达到峰值并持续很长一段时间，之后PWV值如果发生突降，则其后出现短时强降水；地面实际降水量与PWV值的减少有较好的对应关系，即PWV值对降水强度的强弱有决定性的影响。

3 结束语

近年来，地基GNSS反演可降水量在气象学中的应用越来越广泛。本文分析在台风天气影响下香港地区暴雨实例，发现2次短时强降水前后，大气中水汽含量的增加都对应降水的发生以及实际降水极大值的出现，一般当PWV达到最大值并持续一段时间之后便伴随短时强降水；而PWV幅值变化的大小，对于短时强降水的预报有较好的指导作用，PWV增值越大，实际降水量也越大。水汽的变化特点对短时间强降水的开始时间有较好的预报和指导意义；但由于大气的复杂多变性，在大气可降水量用于降雨天气的预报中，不仅要考虑PWV的影响因素，还应考虑当地的地形、气候等状况。

[1] RAJU C S, SAHA K, THAMPI B V, et al.Empirical model for mean temperature for Indian zone and estimation of precipitable water vapor from ground based GPS measurements[J].Annales Geophysicae, 2007, 25(9)：1935-1948.

[2] IGONDOVA M.Analysis of precision and accuracy of pecipitable wter vpour derived from GPS observations[J].Contributions to Geophysics & Geodesy, 2009, 39(2)：121-132.

[3] SINGH D, GHOSH J K, KASHYAP D.Precipitable water vapor estimation in India from GPS-derived zenith delays using radiosonde data[J].Meteorology and Atmospheric Physics, 2014, 123(3)：209-220.

[4] PIKRIDAS C, KATSOUGIANNOPOULOS S, ZINAS N.A comparative study of zenith tropospheric delay and precipitable water vapor estimates using scientific GPS processing software and web based automated PPP service[J].Acta Geodaetica et Geophysica, 2014, 49(2)：177-188.

[5] 丁金才, 黄炎, 叶其欣,等.2002年台风Ramasun影响华东沿海期间可降水量的GPS观测和分析[J].大气科学, 2004, 28(4)：613-624.

[6] 李青春, 张朝林, 楚艳丽,等.GPS遥感大气可降水量在暴雨天气过程分析中的应用[J].气象, 2007, 33(6)：51-58.

[7] 杨军建, 姚宜斌, 许超钤,等.大气可降水量与实际降水量的关联性分析[J].测绘地理信息, 2016, 41(1)：18-21.

[8] 李黎, 田莹, 袁志敏,等.暴雨期间GNSS遥感气象要素的时序变化[J].测绘科学, 2016, 41(10)：82-87.

[9] 张朝林, 陈敏.范水勇,等.“00.7”北京特大暴雨模拟中气象资料同化作用的评估[J].气象学报, 2005, 63(6)：922-932.

[10] 吴建军, 王鑫, 吕达仁,等.北京可降水量变化特征的地基GPS观测与分析[J].大气科学学报, 2007, 30(3)：377-382.

[11] 黄振, 李万彪, 梁军.GPS遥感大气可降水量在降水天气过程分析中的应用[J].气象与环境学报, 2013, 29(4)：31-36.

[12] 张华龙, 张恩红, 胡东明,等.GPS可降水量在华南强对流过程的应用效果[J].广东气象, 2016, 38(3)：6-11.

[13] 姚宜斌, 赵庆志, 李祖锋,等.基于全球导航卫星系统资料的短时降水预报[J].水科学进展, 2016, 27(3)：357-365.