基于超快速星历进行实时反演大气水汽总量的可行性研究

申建华,赵兴旺,许九靖,刘超,徐跃

(安徽理工大学 测绘学院,安徽 淮南 232001)

0　引　言

水汽是大气的重要组成成分之一,同时也是一种具有温室效应的气体,其在空间中的分布极不均匀,并且时间变化是大气中变化最大的一种成分,变化尺度相较于风速气温要精细很多。水汽的变化和天气的改变有着密切的联系,水汽的变化被视为预测灾害性天气的重要因素之一,如何准确确定大气水汽的分布及变化规律是气象学和天气预报的基本问题之一[1]。最早在1992年Bevis等人进行了全球定位系统(GPS)探测大气可降水量(PWV)的实验,利用地面气温拟合了大气的加权平均温度,使得GPS探测大气水汽的方法由设想变成现实[2-3]。该技术在气象学中的应用日益受到了重视[4],随着GPS技术的发展和连续运行(卫星定位服务)参考站(CORS)不断建立,地基GPS/MET技术日益成熟[5]。卫星轨道精度是高精度的PWV解算的重要影响因子[1]。在目前阶段就利用最终精密星历和地基GPS静止平台而言,获得水汽精度可以达到1 mm,这一精度完全可以满足数值天气预报的精度要求[6],但是由于国际GNSS服务(IGS)中心给出精密星历会有时效的延迟,最短也为13天,这样的情况下无法达到天气预报实时业务的需求。自2000年3月开始,IGS中心提供可以实时下载的超快速星历,这一产品的出现标志着利用超快速星历预报轨道和预报钟差可以在一定程度上满足用户的要求[7]。

本文将根据地基GPS水汽遥感的原理和方法,通过GAMIT软件,分别使用精密星历和超快速星历处理从香港大地测量网站获取得到CORS网的观测数据反演大气PWV含量,将反演得到PWV与相邻最近气象观测站无线电探空数据得到的PWV进行比较,以此验证通过超快速星历演算PWV进行数值天气预报的可行性,探讨得出有益结论。

1　地基GPS遥感大气水汽原理

由于大气中存在各种不同的成分,而且随着高度的不同,大气中的成分将会发生明显的变化。对流层和电离层会对GPS信号的传播产生影响而导致弯曲和延迟[8]。在GPS精密定位测量中,要尽可能地消除二者的影响。而在GPS气象学应用中,正是要获取对流层对GPS卫星信号的折射量,再通过大气折射率与大气折射量之间的函数关系可以得到大气折射率。大气折射率是关于气温、气压和水汽压力的函数,通过一定的数学模型,便可求得需要的气象信息。无线电波在大气中的延迟量ΔL与大气折射量有如下的关系[9]:

联系人: 申建华 E-mail: 546795076@qq.com

(1)

在Boudouris和Thayer方案下,将对流层延迟量沿高度进行积分可以推导出GPS信号在对流层天顶方向的总延迟[10]:

(2)

(3)

所以对流层延迟又分为静力学延迟和非静力学延迟两部分,式(3)又可写为

ZTD=ZHD+ZWD，

(4)

式中:ZTD为对流层大气的总延迟,即中性延迟;ZHD为静力延迟;ZWD为湿延迟,其虽在总延迟中不到10%但是受到气象条件的影响很大,其值的变化量可相差数倍。

实现全民共同富裕是我国社会主义的本质规定和奋斗目标，但当前国内的高基尼系数问题却危及这一根本目标。旅游业所具备的就业岗位多、门槛低等诸多特征，可在国民经济的初次分配领域实现社会财富在区域间、高低收入群体间的有效转移，相较“社会财富的二次分配”等其他基尼系数调节方式能够同时兼顾社会公平与效率。因而，有必要从旅游市场、门票经济、假期制度和开发主体等方面调整旅游业发展战略，通过发展旅游业以减少社会贫富差异、化解国内高基尼系数危机。

在水汽反演过程中,首先利用GAMIT软件求解出ZTD,通过Saastamoinen模型估计ZHD,进而得到ZWD,其中ZHD计算模型为

(5)

式中: Ps为测站地表气压; λ为测站地理纬度; H为测站海拔高度。

由式(4)、式(5)可分离得到ZWD,而PWV与ZWD存在一种线性关系,如Businger公式[11]:

(6)

2　数据与方案

2.1　数据来源

本次实验数据选取的是从香港大地测量网站下载的香港CORS网中小冷水站(HKSL)、昂坪站(HKNP)、昂船洲站(HKSC)、粉岭站(HKFN)、石碑山站(HKOH)以及黄石站(HKWS)6个连续运行的GPS基站在2013年7月份1日～31日(查看当年的气象记录可以查询到当月的降雨十分频繁故水汽充足有利于实验)年积日为182～212共31天的观测文件和气象文件以及相应时段IGS精密星历文件和IGU超快速星历文件。观测文件采样间隔为5 s,气象数据收集温度、气压、相对湿度等数据采样间隔为1 min. 查阅相关地图可知,King’s Park 探空站与HKSC(昂船洲)的距离最近,两地距离仅有2.5 km,两地上空的水汽变化较为接近,因此,二者测得的PWV具有较好的可比性。利用King’s Park 探空站相应时段的数据作为验证GPS数据解算PWV精度的一个标准。

2.2　实验方案

试验是利用中国香港地区的观测数据联合香港地区周边的IGS跟踪站上海站(SHAO)、菲律宾站(PIMO)、新加坡站(NTUS)、拉萨站(LHAZ)同时段的观测数据(可从IGS网站下载),本次试验是通过GAMIT/GLOBK软件对GPS 数据进行后处理分析。GAMIT作为实验室研究型软件对基线的解算具有极高的精度,在解算时利用IGS最终精密星历,对流层解算的精度可达到5 mm,演算出的可降水量精度约为1 mm[4].考虑到香港地区濒临海域,本次实验在解算中引入了海潮模型以减少地球潮汐的影响。此外,采用GAMIT软件进行PWV求解涉及到对解算模式、映射函数和大气荷载函数模型等参数的设置,具体流程如图1所示。

该数据处理首先是数据准备。其次,将各时段的GPS观测数据利用GAMIT10.6软件进行处理得到各个时段的解。然后网平差的结果及测站的平均坐标和速度等参数可以通过GLOBK(卡尔曼滤波)进行多时段综合解算得到。最后为了利用对流层天顶方向总延迟和地面气象文件相结合反演得到天顶方向大气水汽总量,需将平差后得到的测站坐标带回GAMIT对待求测站进行强约束,反演出对流层天顶方向总延迟。最后通过和地面气象文件相结合解算得到天顶方向大气水汽总量[12]。

3　数据处理及结果分析

最终精密星历、快速精密星历、超快速星历以及广播星历是IGS中心提供的常用的四种星历产品,他们轨道的精度依次降低[13,15]。最终精密星历在高精度的GPS事后处理过程中广泛应用,超快速道星历产品包括了前24 h的实际观测数据与后24 h的预报数据,同样也具有较好的精度可以达到实时定位的需求[14]。由文献[15]可知IGS中心每天更新4次超快速星历,在前一天UTC时21 h发布的超快速星历的时间跨度可以满足之后1天的GPS数据处理,此时是完全利用超快速星历的预报部分对GPS数据处理。

本文分别采用了IGS当天时间发布的IGS精密星历以及前一天21时发布的IGU超快速星历来分别解算大气水汽含量与相应时间段探空站获得水汽总量之间进行对比。图2示出了King’s Park探空站探空数据解算得到的PWV序列,探空站能给出当天零点和十二点的探空结果,以及昂船洲站分别采用IGS精密轨道星历和IGU超快速轨道星历解算得到的PWV序列,GPS解算的数据时间间隔可以很小。如果要实际进行短时、临近的天气分析需要选用较小时间间隔,这样更能体现水汽快速变化的特性。本次实验采用的是1 h一次的解算结果,全天共有24次解算结果。选取其中对应时刻的数值和相应时刻的实际探空数值进行对比。图3示出了其中三个连续运行基准站分别利用最终精密星历和超快速星历计算结果数值的差值。

由图2可以看出,从连续运行基准站收集的观测数据分别结合IGU超快速星历、IGS精密星历反演出的PWV和由king’s Park探空资料解算得到的PWV在趋势上有较好的一致性但是并没有完全对应相等,其原因除了有GPS反演的水汽和实际的差值之外,还有探空站释放的探空气球会有一定的时间延迟以及空中风力对其影响产生的位置偏移,而GPS信号则是实时接收和反应变化,所以这种数值上的不相等也正可以反映他们之间的相应的联系。从图3可以看出超快速星历和最终精密星历反演的结果在数值上非常的接近,两者之间的差值没有超过2 mm.

图4和图5对应的是IGS精密星历和探空站探测得到的PWV以及IGS精密星历和IGU超快速星历解算得到的PWV序列之间的线性关系,并且计算了两组数据的RMS和相关系数。

由图4可以看到,HKSC站由精密星历解算的PWV与探空数据解算的PWV之间的相关系数为0.944 1,均方根误差RMSE为2.198 9 mm,二者之间具有很好的一致性。由此证明,地基GPS反演大气水汽的精度是稳定且可靠的。由图5可知HKSC测站基于不同星历得到的PWV数据之间的相关系数达到0.999 8,均方根误差RMSE为0.120 7 mm,因而可知超快速星历获得的PWV序列和精密星历获得的PWV序列精度相当。因此可以得出,采用超快速星历来反演PWV是切实可行的。

4　结束语

1) 和探空PWV相比较,地基GPS的演算水汽数值与其具有较强的相关性,这一结果验证了地基GPS监测水汽变化算法的正确性,相对于传统的探测手段地基GPS具有全天候、实时、性价比高等优势,可为中小尺度天气预报提供实时可靠的数据来源。

2) 对于短期实时数值天气预报,需要获得实时的天顶水汽含量,根据以上反演的结果和分析,基于各GPS站观测资料计算各站天顶方向水汽含量时利用IGU超快速星历就能满足实时预报需求,这对实时天气预报和大气探测具有重要现实意义。

3) 此外,文中采用了4个IGS跟踪站与香港地区CORS联合解算,计算结果较好。至于参与解算的IGS站数量与位置分布对对流层延迟计算精度的影响,还需要通过与不同的IGS观测站组网解算进一步讨论,以便更好地提高水汽反演的质量。

[1]李国平. 地基GPS气象学[M]. 北京:科学出版社, 2010.

[2]MIRI-SIMKOOEI A R, TIBERIUSi C C J M. Assessing receiver noise using GPS short baseline time series[J]. GPS Solutions, 2007, 11(1):21-35.

[3]BEVIS M. GPS meteorology: Mapping zenith wet delays onto precipitable water.[J]. Journal of Applied Meteorology, 1994, 33(3):379-386.

[4]朱爽. 北京地区地基GPS加权平均温度计算本地化模型研究[J]. 测绘工程, 2014, 23(4):28-32.

[5]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): 15787-15801.

[6]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.

[7]FANGP, GENDTG, SPRINGERT,etal. IGS near real-time product and their application[J]. GPS Solutions, 2001, 4(4): 2-8.

[8]王洪栋. 气象模型偏差对GPS定位结果的影响[D].北京:中国地震局地质研究所,2015.

[9]常亮. 基于GPS和NCEP观测信息的INSAR大气延迟改正方法研究[D]. 南京: 河海大学, 2011.

[10]江鹏. 地基GNSS探测2D/3D大气水汽分布技术研究[D].武汉:武汉大学,2014.

[11]CARSON D J, RICHARDS P J R. Modelling surface turbulent fluxes in stable conditions[J]. Boundary-Layer Meteorology, 1978, 14(1):67-81.

[12]谷晓平. GPS水汽反演及降雨预报方法研究[D]. 北京：中国农业大学, 2004.

[13]宋佩颖,丁晓光. 基于IGS超快速星历的高精度实时GPS测量[J].测绘工程,2009,18 (4): 17-20.

[14]赵兴旺. 基于相位偏差改正的PPP单差模糊度快速解算问题研究[D]. 南京：南京东南大学, 2011.

[15]IGS. IGS Products [EB/OL]. http://igscb.jpl.nasa.gov/components/prods.html.