利用GPS资料预报局地降雨初步成果

赵庆志 马雄伟

摘 要：利用2015年5-7月浙江連续运行参考站（Continuously Operating Reference Station，CORS）和2013—2014年香港卫星定位参考站网（Satellite Positioning Reference Station Network，SatRef）的GPS观测数据对大气可降水量（Precipitable Water Vapor，PWV）的变化与地表相对湿度（Surface Relative Humidity，SRH）、局部实际降水量之间的关系进行分析。实验发现，PWV与局地降水成正相关关系；降水事件多数出现在PWV上升至最大值以及PWV迅速下降的时间段内；在有降水发生时，SRH的变化趋势与PWV变化趋势基本一致。此外，PWV增量的大小与每小时降水量的峰值关系很大，且在有大雨发生是尤为明显。根据上述发现，提出了基于单站GPS观测资料合理预报局地降水的方法；该方法能够预报出80%以上的降水事件和90%以上的大雨事件，这对降水事件的短期预报具有十分重要的意义。

关键词：大气可降水量；地表相对湿度；局部实际降水量；降水预报

中图分类号：P 28

文献标识码：A 文章编号：1672-7312（2018）05-0617-08

Abstract：The relationship between Precipitable Water Vapor（PWV），Surface Relative Humidity（SRH）and local precipitation is analyzed using data both from Continuously Operating Reference Station（CORS）of Zhejiang province from May to July 2015 and Satellite Positioning Reference Station Network（SatRef）from 2013 to 2014.The result shows that PWV is positively correlated with the local precipitation.In most cases，the events of precipitation occurred during the period of PWV up to a maximum and sharp decline，in which the trend of SRH is basically identical with PWVs.In addition，the incremental of PWV has a great relationship with hourly precipitation peak，especially obvious when the severe rain event occurs.According to the findings，a method to forecast the local precipitation reasonably is proposed based on the data from single GPS station.This method are able to forecast more than 80% of total rain events and more than 90% of severe rain events，which is very important to the short-term forecast of precipitation events.

Key words：PWV；SRH；local precipitation；precipitation forecast

0 引 言

大气水汽是形成降水的来源，其时空分布极不均匀且呈现多样性。直接利用地表气象观测数据和探空数据难以对其进行足够时空分辨率的监测[1]。而利用地基GNSS（Global Navigation Satellite System）技术遥感大气水汽具有全天候、快速、高时空分辨率等优点，能够连续提供垂直方向上的大气可降水量（PWV）信息，对降雨天气的短期预报具有非常重要的意义[2-6]。

许多研究表明，PWV与降水之间存在正相关关系，在降雨前后PWV出现不规则的上升和下降趋势，但并不能保证所有PWV出现峰值时都会有降水事件发生[7-10]。Champollion等利用GNSS数据对法国大雨降水天气进行分析发现，小范围PWV水汽场的变化可以导致很强的对流天气过程[7]。李国平等通过研究也表明，PWV的激增和局地降水有很好的正相关关系[11]。姚宜斌等利用GPSPWV对局部降雨进行预报，取得了较好的效果[10]。因此，PWV是分析降水事件和对其进行预报的重要因素。

文中基于GPS观测数据得到的PWV和气象数据对降水事件进行分析，寻求PWV等因素和降水之间的关系，以便能够找到合理快捷的方法对降水事件进行短期预报。通过对PWV和气象因素的长期时间序列分析，并与局地降水量信息对比得到了一个预测短期降水的方法，并利用不同观测数据对该方法进行验证，取得了很好的预报效果。

1 GNSS观测数据获取PWV方法介绍

利用GAMIT/GOBK，Bernese，GIPSY等数据处理软件均可得到测站在天顶方向的总延迟（Zenith Troposphere Delay，ZTD），该ZTD是测站观测到的多条射线通过映射函数投影到天顶方向所得[12-13]，分为干延迟分量（Zenith Hydrostatic Delay，ZHD）和湿延迟分量（Zenith Wet Delay，ZWD）2部分。干延迟分量占大气总延迟的90%甚至更多，可以通过地表气压等气象参数利用模型精确求出；湿延迟分量不足大气总延迟的10%，其变化难以利用模型精确描述，与对流层中水汽的时空分布关系密切。

2 实验数据与处理方法

2.1 數据选取

2.2 PPP精度检验

GAMIT软件对GPS数据处理的天顶对流层延迟参数估计精度优于±1 cm，计算PWV的精度优于3 mm[17]，可将其解算结果作为参照检验PPP计算的ZTD和PWV的精度。首先利用GAMIT10.5软件对香港SatRef中12个测站2013年5月共31天的数据进行处理，得到HKSC测站每半小时一次的ZTD和PWV，与PPP计算的结果进行比较。文中选取881个历元进行对比，图2给出了GAMIT与PPP计算的HKSC测站上ZTD和PWV的对比情况。由图2可以看出，利用PPP计算得到的ZTD和PWV与GAMIT计算结果具有很好的一致性，通过计算，相对于GAMIT计算结果，PPP计算ZTD的rms和bias分别为3.83和1.73 mm；计算PWV的rms和bias分别为0.73和-0.33 mm.

2.3 PPP PWV与Radiosonde PWV对比检验

探空数据可以提供垂直方向上精确的水汽密度廓线信息[18-20]，对探空测站垂直方向上的水汽进行积分即可得到精确的PWV.文中将其作为一个精度指标再次对HKSC测站得到的PWV进行检验。首先计算45004探空站2013—2014年每天2个历元（UTC00：00和12：00）的PWV，然后与HKSC测站对应历元时刻的PWV进行对比。图3给出了PPP计算的PWV与探空数据计算结果对比情况。由图3可以看出，2种方法计算的PWV有很好的一致性，通过对803个历元的数据计算得到，其相关系数高达0.9937，相对于探空数据结果，PPP计算PWV的rms和bias分别为2.19和1.17 mm，该精度与国际同行发布的结果相一致[16，21]。

2.4 ZTD和PWV的年周期变化

为分析ZTD，PWV和局地降水随时间的变化关系，对HKSC测站2013—2014年的数据进行分析，得到ZTD，PWV和局地降水的时间序列变化图（图4）。由图4可知，ZWD和PWV具有明显的年周期变化趋势，其年周期变化振幅与当地气候、测站纬度、季节等关系密切[22-24]。对于香港地区而言，雨季其降水量明显增加，平均每天降水量约为110.8 mm；非雨季其每天的降水量也有12.6 mm.通过ZTD或PWV的变化可以明显反应出该区域降水量的变化情况，这种变化主要受ZWD周期性变化的影响，而ZHD对其影响非常小[25]。通过PWV的变化可以看出，其变化规律与降水变化规律基本一致，这使得利用PWV对降水事件进行预报成为可能。

3 PWV，SRH与局地降水关系分析

3.1 PWV与局地降水关系分析

为研究PWV与局地降水量之间的对应变化关系，以浙江CORS中ANJI和JIAX站为例进行分析。选取仙龙和欤城雨量站2015年5～7月每小时一次的降水量，用于反映降水随时间的变化情况；基于PPP对ANJI和JIAX测站进行处理，得到测站每小时一次的PWV，用于反映PWV随时间的变化关系。图5给出了ANJI和JIAX站的PWV以及对应雨量站降水量的时间序列变化图。

由图5可以看出，PWV和局地降水有很强的正相关关系，局地降水主要发生在PWV的峰值或者PWV迅速下降的初始阶段。但并不是所有的PWV上升都会有降水发生，如图5（a）中安吉站5.20～5.23和图5（b）中嘉兴站5.20～5.23，PWV的变化量出现明显的上升趋势，但是并未有降水发生，其原因可能是雨量站可控范围有限，未能监测到降水的发生，但不能代表测站附近其他区域没有降水发生。此外，在降水发生前PWV的变化量有一个激增的过程，其原因是降雨事件的发生需要足够多的水气供应，因此水汽在几小时甚至十几小时前就出现连续增长的现象，并且在降雨前几小时会出现水汽的辐合和聚集，表现为PWV出现激增。

3.2 PWV，SRH与局地降水关系分析

GPS接收机可以记录测站所在位置的地表相对湿度、气压和温度等气象数据，当有降水发生时，地表相对湿度会发生一定的变化，为了进一步研究地表相对湿度、PWV和局地降水之间的关系，选取香港HKSC测站2013—2014年的GPS观测数据和京士柏雨量站2013—2014年的降水信息进行分析。图6和图7分别给出了HKSC测站2013年5.30～6.19，8.22～9.10以及2014年1.31～2.10，6.9～6.29共80 d不同降水天气情况下PWV，SRH与局地降水关系的时间序列图。

由图6和图7可以看出，SRH和PWV有一定的正相关关系，但这种关系仅限于有降水发生时有效，在无降水发生时，SRH与PWV无明确关系。通过对比给定的80天不同降水天气下SRH和PWV的关系可得，在即将有降水发生时，SRH的值随着PWV的增大而出现不同程度的升高，然后随着PWV的减小而降低。此外，通过对80的数据计算发现，PWV上升后且有降水发生时，相应SRH在85%～100%区间内的概率高达90%以上。

4 利用GPS观测数据预报局地降水分析

对PWV，SRH与局地降水之间的关系分析可知，降水发生前期测站附近的PWV和SRH会出现不同程度的相关变化，表现为总体上升的趋势；当PWV上升到其峰值或骤减的初始阶段，会有降水发生；在此阶段内，SRH的变化趋势与PWV变化趋势基本一致，且PWV上升阶段内SRH的值很高。由此，文中根据PWV在连续上升时段内的变化量、变化率（单位时间内PWV变化量）以及SRH在该时段内的平均值作为降水条件的参考要素对短期降水天气进行预报，该方法的优点是只需要一个GPS观测站就可以对其附近区域的降水进行预报。

4.1 可行性分析

为了验证将PWV上升时段内的变化量、变化率以及SRH均值作为降水条件参考要素的可靠性，对HKSC测站2013—2014年的GPS观测数据、京士柏雨量站的降水信息进行分析，得到上述3个要素与降水之间的统计关系，见表1～3.其中，PWV变化量的阈值间隔为4 mm，PWV变化量的阈值间隔为1.3 mm/h，SRH均值的阈值间隔为10%.

由表1可知，随着PWV上升时段内其变化量阈值的逐渐变大，PWV变化量与可预报降水天数的相关性越强，当阈值为4时，可以预测出约56%的降水天数，随着阈值的逐渐增大，能够预测数降雨天数的百分比也在变大。通过表2和表3也可以发现，当PWV的变化率和SRH均值的阈值逐渐增大时，它们与可预报降水天数的相关性也越强。当PWV变化率的阈值为2.6时，可以预报出约54%的降水天数；SRH均值的阈值为85%时，可以预报出约75%的可降水天数，并且都随着各自阈值的增大其可预报降水天数的百分比出现不同程度的升高。通过对表1～3分析可以得出，将PWV在连续上升时段内的变化量、变化率及SRH均值作為降水条件的参考要素对短期降水天气进行预报是有效可行的。

4.2 不同阈值选取

尽管阈值设置越高，能够预测出的降雨天数百分比增大，但实际能够预测出的降水天数却逐渐减少（阈值越大，降雨天数越少）。因此，如何合理确定不同降水参考因素的阈值是研究的关键。文中基于HKSC测站2013—2014的数据对不同降水参考要素的阈值选取进行研究，图8，9和10分别给出了各参考要素阈值选取对降水天数预测百分比、每天平均降水量和错误预报天数的百分比的影响。

图8中PWV变化量的阈值选取范围为2～6 mm，图9中PWV变化率的阈值范围为0.5～3.5 mm/h，然后计算一定间隔一次的总降水量预报天数的百分比、大雨（>25 mm）预报天数的百分比、错误预报天数百分比和预报出的降雨天中每天的平均降水量。由图8和9可以看出，能够预测降水天数（包括大雨天数）的百分比和错误预报率都随着阈值的增大而减小，而每天的平均降水量则是先增大后减小，且PWV的变化量和变化率分别在阈值为4 mm，2.6 mm/h时达到最大。因此，选取4 mm和2.6 mm/h作为PWV变化量和变化率的阈值。图10中SRH均值的阈值范围为70%～90%，由图10可以看出，随着SRH均值阈值的增加，降水预报百分比和错误预报率均呈现减小的趋势，而每天平均降水量在阈值为70%～80%时维持在32 mm左右，然后快速增加至约40 mm.根据图10变化趋势可以看出，尽管每天平均降水量在大于85%时快速增加，但是其能够正确预报的降水天数也快速降低，综合考虑，将SRH均值的阈值范围确定在80%～85%.

4.3 局地降水预报分析

通过对HKSC测站数据进行分析得到各预报要素适用的阈值，然后利用2013—2014年GPS观测数据对该地区降水进行预报。对HKSC测站附近京士柏雨量站数据统计可得，有降水天数为299天，其中大雨天气（降水>25 mm）的天数为67 d.根据PWV上升时段的变化量、变化率和地表相对湿度均值作为参考要素对局地降水天数进行预报。表4给出了利用各要素预报局地降水天数统计情况，A，B，C分别表示单独利用PWV上升时段的变化量、变化率和SRH的均值预测降水天数及其错误预报率，各预报要素选择的阈值分别为4 mm，2.6 mm/h和85%.

由表4可以看出，各预报要素独自进行预报时均能预报出50%以上的降水天气，预报大雨天气的百分比在80%左右，且错误预报率都在50%以下。通过联合不同要素预报降水发现，能够预报出的降水天数比例增加。联合PWV上升时段的变化量、变化率以及SRH均值进行降水预报时发现，能够预报出约84.3%的降水天数（299天中的252天），约94%的大雨天数（67天中的63天），并且其错误预报率仅有41.8%.由此可以得出文中提出的方法在保证正确预报率的基础上，其错误预报率远低于现有的国际同行利用PWV预报方法得到的错误预报水平[1]。

4.4 局地降水预报方法有效性验证

为了验证文中提出的降水预报方法应用于该区域的有效性，分别利用香港地区HKSC测站2015年1～7月和HKLT测站2013年的数据对降水天数进行预报。表5给出了利用文中提出降水预测方法对HKSC和HKLT测站进行降水预报的统计结果。2015年1～7月HKSC测站共有降水天数91天，其中大雨天气（降水>25 mm）为17天，利用文中提出的方法及选取的各要素阈值能够预测出85.7%的降水天气（91天中的78天），94.1%的大雨天气（17天中的16天）。2013年全年HKLT测站共有降水天气119天，其中大雨天气为31天，利用文中提出方法可以预测出83.2%的降水天气（119天中的99天）和90.3%的大雨天气（31天中的28天）。

由表5可知，对HKLT测站进行降水预报时，其错误预报率稍高于HKSC测站，分析其原因可能是两测站高程相差较大（大于100 m），两站相距超过20 km，直接利用HKSC测站所检定出的各要素阈值对HKLT测站进行降水预报存在一定的误差。但总的来说，利用文中提出的方法和选择的阈值对香港区域进行降水天气预报取得了很好的效果，与国际同行提出的利用PWV预报降水方法相比，文中提出的方法在降水正确预报率上要高于同行得到预报结果（正确预报率约为75%），其错误预报率也低于同行得到的结果（错误预报率为60%～70%）[1]。这说明该方法是可行有效的。

5 结 语

利用单站GPS观测数据对局地降水预报进行研究，取得了初步成果。通过分析测站天顶方向PWV和局地降水关系可知，降水一般发生在PWV的峰值和迅速下降的初始时段内。此外，通过对地表相对湿度分析得出，PWV与地面相对湿度关系相对复杂，但当地面有降水发生时，PWV和地表相对湿度有一致地变化趋势，特别是在有大雨发生时尤为明显；当无将水发生时，PWV和地表相对湿度无明显的变化关系。

将PWV在上升时段内的变化量、变化率和地表相对湿度均值作为降雨预测要素，通过降雨天气预报成功率和每天平均降水量分析确定了各预报要素的阈值，并以此方法对HKSC测站和HKLT测站局地降水天气进行预报。结果表明，文中建立的局地降水预报方法能够预报出80%以上的降雨天数和90%以上的大雨天数，具有很大的可行性和可靠性，这对于短期局地降雨预报具有十分重要的意义。

考虑到文中提出的方法仅利用单站GPS接收机天顶方向上的PWV和地表相对湿度资料就可以得到一个比较好的局地降水预报结果，若将局地多个GPS测站观测数据和更多的气象数据融入降水预报中，并对水汽的四维（时间和空间）分布进行研究，相信可以得到更好地降雨预报效果，这也是下一步基于PWV预报局地降水的研究重点。

致谢：感谢IGRA提供的探空数据资料；感谢香港地政总署提供的GPS观测资料和降雨信息；感谢浙江省测绘与地理信息局提供的GPS观测数据，感谢浙江省水文局提供的降水信息。

参考文献：

[1] Benevides P，Catalao J，Miranda P M A.On the inclusion of GPS precipitable water vapour in the nowcasting of rainfall，2015，3（06）：3861-3895.

[2] Bevis M，Businger S，Chiswell S，et al.GPS meteorology：mapping zenith wet delays onto precipitable water[J].Journal of Applied Meteorology，1994，33（03）：379-386.

[3] Baker H C，Dodson A H，Penna N T，et al.Ground-based gps water vapour estimation：potential for meteorological forecasting[J].Journal of Atmospheric and Solar-Terrestrial Physics，2001，63（12）：1305-1314.

[4] Vedel H，Huang X，Haase J，et al.Impact of gps zenith tropospheric delay data on precipitation forecasts in mediterraneanfrance and spain[J].Geophysical Research Letters，2004，31（31）：231-254.

[5] Bock O，Bouin M，Walpersdorf A，et al.Comparison of ground-based gps precipitable water vapour to independent observations and nwp model reanalyses over africa[J].Quarterly Journal of the Royal Meteorological Society，2007，133（629）：2011-2027.

[6] Seco A，Ram rez F，Serna E，et al.Rain pattern analysis and forecast model based on GPS estimated atmospheric water vapor content[J].Atmospheric Environment，2012，49（07）：85-93.

[7] Champollion C，Masson F，Van Baelen J，et al.GPS monitoring of the tropospheric water vapor distribution and variation during the 9 September 2002 torrential precipitation episode in the C vennes（southern France）[J].Journal of Geophysical Research：Atmospheres，2004，109（D24）：1-15.

[8] Bastin S，Champollion C，Bock O，et al.Diurnal cycle of water vapor as documented by a dense GPS network in a coastal area during ESCOMPTE IOP2[J].Journal of Applied Meteorology and Climatology，2007，46（02）：167-182.

[9] Yan X，Ducrocq V，Poli P，et al.Impact of GPS zenith delay assimilation on convective-scale prediction of Mediterranean heavy rainfall[J].Journal of Geophysical Research Atmospheres，2009，114（D3）：1-15.

[10]Yao Y，Shan L，Zhao Q.Establishing a method of short-term rainfall forecasting based on GNSS-derived PWV and its application[J].Sci Rep，2017，7（01）：12465.

[11]李國平，黄丁发，刘碧全.地基 GPS遥感的成都地区夏季可降水量的日循环合成分析[J].水科学进展， 2006，17（02）：160-163.

[12]Niell A E.Preliminary evaluation of atmospheric mapping functions based on numerical weather models[J].Physics and Chemistry of the Earth，Part A：Solid Earth and Geodesy，2001，26（6）：475-480.

[13]Boehm J，Werl B，Schuh H.Troposphere mapping functions for GPS and very long baseline interferometry from European Centre for Medium-Range Weather Forecasts operational analysis data[J].Journal of Geophysical Research Solid Earth，2006，111（B2）：1-9.

[14]Saastamoinen J.Atmospheric correction for the troposphere and stratosphere in radio ranging satellites[J].The use of Artificial Satellites for Geodesy，1972，15（06）：247-251.

[15]Tregoning P，Herring T A.Impact of a priori zenith hydrostatic delay errors on GPS estimates of station heights and zenith total delays[J].Geophysical Research Letters，2006，33（23）：160-176.

[16]Brenot H，Ducrocq V，Walpersdorf A，et al.GPS zenith delay sensitivity evaluated from high-resolution numerical weather prediction simulations of the 8-9 September 2002 flash flood over southeastern France[J].Journal of Geophysical Research Atmospheres，2006，111（D15）：1-20.

[17]Gusfarienza H，Yuwono B D，Awaluddin M，et al.Penentuan zenith tropospheric delay dan precipitable water vapor menggunakan perangkat lunak gamit[J].Jurnal Geodesi Undip，2015，4（2）：78-86.

[18]Adeyemi B，Joerg S.Analysis of water vapor over nigeria using radiosonde and satellite data[J].J Appl Meteorol Climatol，2012，51（10）：1855-1866.

[19]Liu Z Z，Wong M S，Nichol J，et al.A multi-sensor study of water vapour from radiosonde，MODIS and AERONET：a case study of Hong Kong[J].Int J Climatol，2013，33（01）：109-120.

[20]Niell A E，Coster A J，Solheim F S，et al.Comparison of measurements of atmospheric wet delay by radiosonde，water vapor radiometer，GPS，and VLBI[J].J Atmos Ocean Technol，2001，18（06）：830-850.

[21]Ortiz de Galisteo J P，Bennouna Y，Toledano C，et al.Analysis of the annual cycle of the precipitable water vapour over Spain from 10 year homogenized series of GPS data[J].Quarterly Journal of the Royal Meteorological Society，2014，140（679）：397-406.

[22]Haase J，Ge M，Vedel H，et al.Accuracy and variability of GPS tropospheric delay measurements of water vapor in the western Mediterranean[J].Journal of Applied Meteorology，2003，42（11）：1547-1568.

[23]Jin S，Park J U，Cho J H，et al.Seasonal variability of GPS‐derived zenith tropospheric delay（1994—2006）and climate implications[J].Journal of Geophysical Research Atmospheres，2007，112（D9）：1-11.

[24]Byun S H，Bar-Sever Y E.A new type of troposphere zenith path delay product of the international GNSS service[J].Journal of Geodesy，2009，83（03）：1-7.

[25]Fernandes M J，Pires N，Lazaro C，et al.Tropospheric delays from GNSS for application in coastal altimetry[J].Advances in Space Research，2013，51（08）：1352-1368.

（責任编辑：张 江）