不同星历产品对GNSS可降水量的影响分析

任政兆，许长辉，党亚民

不同星历产品对GNSS可降水量的影响分析

任政兆1,2，许长辉1，党亚民1

（1. 中国测绘科学研究院，北京 100830；2. 山东科技大学 测绘科学与工程学院，山东 青岛 266590）

针对最终精密星历发布延迟时间长、更新速度慢，无法满足实时数值气象预报的需求的问题，提出利用超快速星历和快速星历替代最终精密星历反演全球卫星导航系统（GNSS）大气可降水量（PWV）的方法，并基于香港连续运行参考站（CORS）数据和国际GNSS服务中心（IGS）提供的星历产品，使用中国测绘科学研究院自研的高精度GNSS数据处理软件GPAS进行PWV反演实验。结果表明：3种方案反演的GNSS-PWV与探空数据计算的PWV具有较强的相关性，其中利用精密星历解算PWV精度最高，利用超快速预报星历的精度最低；3种方案的PWV之间的相关性较高，进一步证明了使用超快速预报星历代替最终精密星历进行PWV反演是可行的，能够满足实时气象预报的精度要求。

全球卫星导航系统；地基GNSS；星历产品；可降水量；探空数据

0 引言

水汽作为主要的温室气体，不仅影响全球气候与天气变化，而且在全球热量和水循环中也扮演着极其重要的角色[1]。全球天气变化主要是水汽的分布不均匀和形态错综变化引起的，对人类造成巨大的影响。水汽的比重较小，不足大气的5 %，其主要分布在对流层中，但它却是大气中最活跃的成分。针对复杂多变的水汽，如何准确确定其分布特征及变化规律是气象学和天气预报的基本问题之一[2]。

在气象学中，探测大气可降水量（precipitable water vapor, PWV）常用的技术主要是无线电探空、微波辐射[3]、卫星遥感和太阳光谱分析等。通常探空气球测定水汽垂直分布比较准确，随着气球升高，记录高空大气气压、温度、相对湿度、水气压、风速等要素，但探空站的时间和空间分辨率较低、工作量大、成本高。微波辐射探测时间分辨率较高，但受云层､降水及温度等外界环境的影响较大，同时有垂直分辨率低、价格昂贵、须定期进行仪器校对等缺陷。使用卫星遥感、雷达等探测技术可得到大气水汽的详细分布，但价格昂贵，若进行连续观测比较困难。太阳光谱分析仪具有很大的发展前景，但其只可沿太阳方向探测水汽分布，对气象预报的作用有限。因此，地基全球卫星导航系统（global navigation satellite system, GNSS）探测PWV技术应运而生[4-5]。

自从Bevis首次进行了GNSS探测PWV的实验，就将GNSS探测PWV由理论变成现实[6-7]，以及随着连续运行参考站（continuously operating reference stations, CORS）不断建立，地基GNSS气象学日趋成熟[8]。现阶段，利用最终精密星历产品进行地基GNSS反演水汽精度可达2 mm，满足数值天气预报的精度要求[8]。但最终精密星历延迟时间较长，更新速度较慢，无法满足实时数值气象预报的需求。较多学者就快速精密星历和超快速精密星历可否代替最终精密星历进行精密定位等诸多实际问题进行了验证分析｡对于中长基线的研究，文献[9]得出结论：在一定条件下利用GAMIT软件解算，国际GNSS服务组织（International GNSS Service, IGS）的最终星历（IGS final products，IGF）与快速星历（IGS rapid products，IGR）或超快速预报星历（IGS ultra-rapid products，IGU）的结果偏差仅为毫米级；文献[10]对不同星历产品的 GAMIT软件高精度基线解算进行了分析，并得出在处理小于400 km以内的中短基线数据时，可使用IGR星历或IGU星历代替IGF星历进行基线解算的结论；多位学者[11-13]对不同星历产品下的精密单点定位精度进行了分析，并得到较高的定位精度；文献[14]指出IGR星历与IGU星历能够代替IGF星历取得较好的定轨效果。

本次实验利用香港12个CORS站2018年年积日第182 ~ 212天的观测数据，借助GPAS软件，分别使用IGF､IGR和IGU星历产品进行PWV反演，并以探空数据为参考，对3种方案解算的地基GNSS/PWV进行时间序列分析和精度比对。

1 不同星历产品对比

2000年起，IGS服务中心开始逐步向用户播发可实时获取的超快速星历产品IGU，轨道时长是48 h，前24 h 是实测轨道，后24 h 是根据前24h数据外推的预报轨道，IGS 服务中心每天协调世界时（coordinated universal time, UTC）3:00、9:00、15:00、21:00播发IGU产品，每6 h更新1次[15]。实验使用的是当天21:00发布的超快速星历产品的前24 h 的预报轨道，在时间跨度上能够覆盖第2天计算PWV的需要，在一定程度上能为小尺度天气系统提供较全面、快速的观测[16]。表1详细介绍不同产品的采样间隔、延迟更新时刻以及轨道精度等信息。

表1 IGS卫星星历及轨道估计精度

2 地基GNSS气象学原理

随着GNSS理论与技术的成熟，在导航定位中，对流层延迟通常都是作为误差来剔除的，近年来地基GNSS的技术优势越来越突出，设备稳定，全天候测量数据[17]，对流层延迟这个必须消除的误差反而成了有利用价值的原始数据。计算PWV首要就是计算卫星信号受到对流层的折射量，再利用折射率与折射量之间的函数关系便可计算出大气折射率。大气折射率是关于气温、气压和水汽压的函数，借助数学模型，即可计算所需的气象信息，其中信号在大气中的延迟量Δ与大气折射量的关系[18]为

将对流层延迟沿测站天顶方向进行积分，计算信号在测站天顶方向的总延迟（zenith tropospheric delay，ZTD）即中性延迟[19]为

因为对流层总延迟又分为静力学延迟（干延迟）和非静力学延迟（湿延迟）2部分，式（3）又可写为

3 数据来源与处理策略

3.1 数据来源

选取香港地区12个CORS站2018年7月1日~7月31日连续31 d的观测数据，并联合全球40个IGS跟踪站同时段的观测数据进行PWV解算。探空数据从美国怀俄明州立大学官方网站下载。香港地区CORS站可全天候接收GNSS卫星信号，观测区域覆盖香港全境，测站分布如图1所示。由于香港测站相距较近，对流层延迟相关性较高，所以引入全球分布均匀、连续性较好的IGS站约束其相关性统一解算，测站选取如图2所示。

图1 香港CORS站分布

图2 IGS测站分布

3.2 数据处理策略

GPAS软件由中国测绘科学研究院大地研究所自主研发，可以满足不同范围､不同规模､不同数据处理模式､不同的物理参数的数据处理与分析｡为实现上述功能,软件由数据预处理、精密定轨、精密定位、网平差和产品精度分析5个主要子系统组成｡同时具有支持北斗卫星导航系统（BeiDou navigation satellite system, BDS）、全球定位系统（global positioning system, GPS）、格洛纳斯卫星导航系统（global navigation satellite system, GLONASS）及伽利略卫星导航系统（Galileo navigation satellite system, Galileo）4种卫星定位系统数据的联合处理能力｡采用非差网解处理模式，将观测数据进行预处理：主要采用TurboEdit使用的宽巷（Melbourne-Wübbena, MW）组合与电离层组合等方法探测与修复周跳并剔除异常值，对未修复的周跳引入新的模糊度参数。在参数估计模块采用序贯最小二乘和均方根滤波的方法，进行事后和逐历元实时精密处理；模糊度固定采用搜索判断法和最小二乘降相关分解法（least-square ambiguity decorrelation adjustment, LAMBDA），进行全网双差模糊度搜索，将固定的双差模糊度约束到法方程上面。为了获得精度较高的定位结果，需要利用验后残差再编辑函数对经参数估计模块解算后的验后残差进行再编辑从而发现更小的周跳与粗差；经4次参数估计解算与验后残差再编辑，可得到精度较高的解算结果。

本次实验借助GPAS软件，分别采用IGF（方案1）､IGR（方案2）和IGU（方案3）进行地基GPS/PWV反演。数据处理的基本策略如下：卫星截止高度角为10°；ZHD采用Saastamoinen模型计算；使用全球气温气压GPT模型获取观测站的气压、气温等气象要素；ZTD作为未知参数，采用分段参数估计方法，其间隔取为30 min，并采用随机游走过程模拟其动态变化[20]；解算过程中映射函数选取目前最常用的全球投影函数（global mapping function, GMF）模型[21]；大气加权平均温度则采用Bevis模型；同时顾及水汽分布的各向异性，引入大气水平梯度改正参数；考虑地球自转改正、相对论效应、天线相位中心改正等误差影响；最后利用序贯最小二乘方法，对接收机坐标、接收机钟差、相位模糊度、ZTD等参数进行平差计算[22]。考虑到本次实验香港地区濒临海域，引入了海潮模型以减少地球潮汐的影响。采用控制变量方法，3种试验方案所采用的对流层延迟模型和数据处理策略均一致，不同之处仅在于使用的星历产品不同。

4 结果分析

由式（6）可知，地基GPS反演PWV值的精度主要由ZTD精度所决定。将基于GPAS软件不同星历产品解算的ZTD结果与香港地区的IGS测站小冷水站（HKSL）解算发布的ZTD产品进行对比，如图3所示。其中，HKSL站GPAS/ZTD解算值与IGS/ZTD数值偏差情况如图4所示，将使用GPAS/ZTD的结果与IGS/ZTD结果求一次差进行比较，具体的偏差结果如表2所示。可以看出HKSL站不同GPAS/ZTD与IGS/ZTD的差值较小，偏差基本上<10 mm，其中最大值、最小值、平均偏差指标中精密星历均为最小值，与IGS/ZTD符合度最高，超快速星历的4种评价指标的值均为最大，波动程度最高，与IGS/ZTD的浮动最大，但是超快速星历与精密星历的平均偏差仅仅为0.1 mm级别，异常值较少，整体较为稳定。

图3 GPAS/ZTD与IGS/ZTD的对比

图4 GPAS/ ZTD与IGS/ZTD偏差

表2 不同产品的GPAS/ZTD与IGS/ZTD的偏差结果

仅仅对比GPAS/ZTD与IGS/ZTD的精度来评价本次实验PWV水汽反演是远远不够的。虽然探空站探测水汽的时空分辨率较低，但探空反演水汽仍是当今最准确的探测水汽技术。探空站采集的数据的时间是UTC时00:00和12:00 2个时刻，香港地区有且仅有1个探空站（King’s Park, 45004）解算的PWV记作Rad/PWV，与香港昂船州站（HKSC）相距仅2 km，故使用HKSC站2018年年积日第182 ~212天，一共62组数据进行对比分析，对比结果如图5所示，表3统计分析得到Rad/PWV与IGF/PWV､IGR/PWV､IGU/PWV之间的相关对比指标｡

其中年积日第182天对应着7月1日，正值夏季，香港地区降雨较多、空气中水汽较高。探空数据与实验解算的PWV有相同的趋势性，相关性指标IGF与探空数据最高，相似程度最大，但是3种方案的差别并不大，均为0.94左右。

图5 不同星历产品与探空数据的比较

表3 Rad/PWV与GNSS/PWV对比结果

由于空气中水汽的姿态较多、变化速度极快，实验中的采样间隔越小越能反映出水汽的变化特点。短时的天气预报需要选用较小时间间隔，所以利用GPAS软件进行PWV计算时，采用的时间间隔为1 h，每天可生成24组结果。由于篇幅有限，仅以HKSC、HKOH、HKST及HKPC 4站在不同星历条件下31 d的水汽反演结果为例，以精度最高的IGF为标准，计算出各站IGF星历与IGR星历､IGU星历反演结果之间的差值，如图6所示。

图6 不同方案解算PWV差值序列

图6为不同测站利用不同星历解算PWV的时间序列｡可以看出IGU、IGR和IGF反演PWV结果在数值上非常接近，IGF与其他2者之间的差值没有超过3 mm。可以得出：无论哪个测站，IGF与IGR反演结果的相关系数均可以达到0.999，平均偏差在0.02~0.04 mm之间，均方差在0.2 mm左右波动，IGF与IGU反演结果的相关系数均在0.998，平均偏差为0.01~0.03 mm之间，均方差在0.3 mm左右波动。由此可得，通过IGR、IGU反演水汽时，反演结果相比于IGF精度偏低，但均可以满足气象数据预报精度要求。

5 结束语

针对IGS提供的星历产品，分析了不同星历产品对解算对流层延迟以及反演PWV精度的影响。以IGS提供的ZTD产品和探空站计算的PWV值为参考，最终精密星历反演的精度最高，超快速精密星历最低，快速精密星历居中；但是3者在趋势和数值方面均表现出较好的一致性，与探空站的相关系数均为0.94。同时，各个测站的IGU/PWV和IGR/PWV与IGF/PWV的相关系数均超过0.999。在满足短期实时预报的前提下，可以利用超快速精密星历替代最终精密星历，解算大气水汽进行准实时的数值天气预报。

[1]DUAN J P, BEVIS M, FANG P, et al. GPS meteorology: direct estimation of the absolute value of precipitable water[J]. Journal of applied meteorology, 1996, 35(6): 830-838.

[2]李国平. 地基 GPS气象学[M]. 北京: 科学出版社, 2010.

[3]ROSS R J, ELLIOTT W P. Tropospheric water vapor climatology and trends over north America: 1973–93[J]. Journal of Climate, 1996, 9(12): 3561-3574.

[4]HERNÁNDEZ P M, JUAN J M, SANZ J, et al. A new strategy for real‐time integrated water vapor determination in WADGPS networks[J]. Geophysical Research Letters, 2001, 28(17): 3267-3270.

[5]BOKOYE A I, ROYER A, ONEILL N T, et al. Multisensor analysis of integrated atmospheric water vapor over Canada and Alaska[J]. Journal of Geophysical Research: Atmospheres, 2003, 108: 15-17.

[6]AMIRI-SIMKOOEI A R, TIBERIUS C. Assessing receiver noise using GPS short baseline time series[J]. GPS solutions, 2007, 11(1): 21-35.

[7]BEVIS M, BUSINGER S, CHISWELL S, et al. GPS meteorology: mapping zenith wet delays onto precipitable water[J]. Journal of applied meteorology, 1994, 33(3): 379-386.

[8]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.

[9]高旺, 高成发, 潘树国, 等. 基于广播星历的GAMIT基线解算方法及精度分析[J]. 测绘工程, 2014, 23(8): 54-57.

[10]王树东, 万军. 不同星历的GAMIT高精度基线解算[J]. 导航定位学报, 2018, 6(1): 103-107.

[11]赖允斌, 赵春梅, 李子申. 不同星历下实时精密单点定位精度分析[J]. 测绘通报, 2015(8): 9-12.

[12]何帆, 高成发, 潘树国, 等. 不同星历和钟差产品的精密单点定位结果分析[J]. 导航定位学报, 2015, 3(4): 79-84.

[13]李勇军, 丁士俊. 不同星历误差对静态单点定位精度的影响与分析[J]. 测绘工程, 2010, 19(3): 17-19,23.

[14]吴琼宝, 赵春梅, 田华. 不同星历下低轨卫星轨道精度分析[J]. 导航定位学报, 2017, 5(4): 21-24.

[15]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.

[16]高志钰, 李建章, 寇瑞雄, 等. 不同星历条件下大气可降水量反演精度分析[J]. 导航定位学报, 2019, 7(1): 72-76.

[17]李国平, 陈娇娜, 黄丁发, 等. 地基GPS水汽实时监测系统及其气象业务应用[J]. 武汉大学学报(信息科学版), 2009, 34(11): 1328-1331.

[18]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.

[19]常亮. 基于GPS和美国环境预报中心观测信息的InSAR大气延迟改正方法研究[J]. 测绘学报, 2011, 40(5): 669.

[20]范士杰, 刘焱雄, 高兴国, 等. 海上动态GPS大气可降水量信息反演[J]. 中国石油大学学报(自然科学版), 2012, 36(3): 84-87.

[21]BÖHM J, NIELL A, TREGONING P, et al. Global mapping function (GMF): a new empirical mapping function based on numerical weather model data[J]. Geophysical Research Letters, 2006, 33(7): 17-25.

[22]范士杰, 臧建飞, 刘焱雄, 等. GPT/2模型用于GPS大气可降水汽反演的精度分析[J]. 测绘工程, 2016, 25(3): 1-5.

Influence analysis of different ephemeris products on precipitable water vapor of GNSS

REN Zhengzhao1,2, XU Changhui1, DANG Yamin1

（1. Chinese Academy of Surveying and Mapping, Beijing 100830, China 2. College of Geomatics, Shandong University of Science and Technology, Qingdao, Shandong 266590, China）

Aiming at the problem that the issue time is long and the updating speed is slow of final precise ephemeris, which cannot meet the requirement of real-time numerical weather forcasting, the paper proposed the inversion method of GNSS PWV by using ultra-rapid ephemeris and rapid ephemeris instead of the final precise ephemeris, and a PWV inversion test was carried out with the high-precise GNSS data processing software GPAS developed by the Chinese Academy of Surveying and Mapping, based on the observation data of CORS in Hong Kong and the ephemeris products provided by the International GNSS Service (IGS). Result showed that the GNSS-PWV inverted by the three schemes could have strong correlation with the PWV calculated by sounding data, among which the accuracy of PWV from precise ephemeris would be the highest, while that from ultra-fast prediction ephemeris would be the lowest; meanwhile the correlation of PWV between the three schemes would be high, which verified that it could be feasible to use the ultra-fast forecast ephemeris instead of the final precise ephemeris to perform PWV reversal, with an appropriate accuracy of real-time weather forecasting.

global navigation satellite system (GNSS); ground-based GNSS; ephemeris products; precipitable water vapor; sounding data

P228

A

2095-4999(2020)02-0090-06

任政兆，许长辉，党亚民.不同星历产品对GNSS可降水量的影响分析[J]. 导航定位学报, 2020, 8(2): 90-95.（REN Zhengzhao, XU Changhui, DANG Yamin. Influence analysis of different ephemeris products on precipitable water vapor of GNSS[J]. Journal of Navigation and Positioning, 2020, 8(2): 90-95.）

10.16547/j.cnki.10-1096.20200215.

2019-06-05

国家重点研发计划项目（2016YFB0501405）；国家自然科学基金面上项目（41874042, CFZX0301040308-06）；中国测绘科学研究院基本科研业务费（AR1930）。

任政兆（1994—），男，山东烟台人，硕士研究生，研究方向为对流层延迟建模与GPS气象学。