GNSS约束的MERSI/FY-3A PWV校准方法EI北大核心CSCD

精确的水汽信息对于短临天气预警和长期气候监测具有重要意义。本文针对搭载在我国第2代极轨卫星风云三号A星(FY-3A)上中分辨率光谱成像仪(medium-resolution spectral imager,MERSI)获取水汽精度较低的现状,提出一种GNSS约束的MERSI/FY-3A PWV校准方法。首先,对MERSI/FY-3A的PWV段产品进行处理得到水汽日产品,并利用GNSS和无线电探空(radiosonde,RS)数据对其进行评估;然后,根据PWV的季节分布特性,构建GNSS约束的MERSI/FY-3A PWV季节自适应校准模型;最后,分别利用GNSS、RS和再分析资料对校准后的MERSI/FY-3A水汽进行对比,验证提出方法的有效性。研究表明:本文提出的PWV校准方法,能够有效改善MERSI/FY-3A水汽日产品和旬产品的精度,改善率分别为58.63%和68.72%。该方法可为遥感水汽快速校准研究提供重要的理论依据。     

附加高水平分辨率PWV约束的GNSS水汽层析算法

全球导航卫星系统(global navigation satellite system, GNSS)水汽层析技术凭借高精度、低成本、全天候等优点成为获取高时空分辨率水汽三维分布的重要手段之一。引入遥感卫星提供的高分辨率水汽信息,首次提出附加高水平分辨率大气可降水量(precipitable water vapor, PWV)约束的GNSS水汽层析算法,对现有水汽层析算法的约束条件进行补充和改进。首先对高分辨率PWV观测值进行校正,然后基于二次加密划分的层析体素块构造PWV约束方程,通过将PWV约束方程融合到GNSS层析模型来改善模型的约束条件,进而优化层析结果质量。利用徐州地区2017-08的GNSS观测数据和风云三号A星(Fengyun-3A, FY-3A)遥感水汽数据对该算法的可行性及精度进行验证,分别以高精度的探空水汽廓线和ERA5三维水汽密度场为参考值对层析结果进行评估。实验结果表明,所提算法反演的水汽廓线和三维水汽分布均优于传统层析算法,各类精度指标都有了显著改善,其中平均均方根误差由2.73 g/m~3减小为1.78 g/m~3,反演精度提高了34.80%,进一步表明所提算法可有效改善层析结果质量,有助于获取高精度和高可靠性的三维大气水汽分布。     

地基GNSS大气水汽探测遥感研究进展和展望

大气水汽是表征极端天气事件和气候变化的重要参数,准确监测与分析水汽含量对于精准预测各类灾害性天气事件与研究气候变化具有显著意义。作为新兴的大气水汽探测方法,GNSS大气水汽探测技术得到了广泛的关注与应用研究,随着多频多模GNSS系统的发展,全球服务能力的逐步完备和地面基础设施的不断加强,地基GNSS大气水汽探测遥感技术水平得到显著提升,为基于空间大数据揭示气候变化、极端天气过程提供了强有力的数据支撑和发展契机。本文首先系统阐述了GNSS大气水汽探测遥感技术及其应用的发展过程;然后介绍了近年来包括对流层延迟、大气可降水量等多类型GNSS大气参数高精度反演的研究进展,特别是对GNSS大气反演在极端天气短临预报及气候变化现象解释两个方向的研究工作进行了科学探析;最后,阐明了GNSS大气水汽探测遥感技术面临的主要挑战及未来研究展望。     

基于北斗/GNSS的中国-中南半岛地区大气水汽气候特征及同降水的相关分析

本文采用统一的处理模型和处理策略对中国-中南半岛地区地基北斗/GNSS测站2006—2016年历史观测数据进行高精度重处理和水汽反演,获得近10年的大气可降水含量（PWV）产品。基于北斗/GNSS PWV产品,研究了该地区大气水汽平均含量、年周期振幅和半年周期振幅等气候特征,发现这些特征主要受到了测站纬度、高程以及季风的影响。通过分析PWV同并址气象站降水观测的关联特性,揭示了该地区大气水汽含量同降水相关性随测站纬度减小而降低的特点（在云南相关系数可达0.8,在靠近赤道的泰国南部相关系数约为0.2）。此外,PWV和降水的距平值相关分析表明,相比于历史同期,大气水汽含量较高的月份在一定程度上对应着降水异常偏高,两者相关系数为0.2~0.4。     

FY-4A GIIRS数据与ERA5再分析资料融合的中国区域大气加权平均温度模型EI北大核心CSCD

大气加权平均温度(T m)的精度直接影响全球导航卫星系统(GNSS)水汽反演的结果。针对现有T m模型的参数、建模数据源有待优化及模型构建时仅依赖于单个探空站点或单一格网点数据等问题,本文提出融合FY-4A GIIRS数据与ERA5再分析资料,在此基础上引入滑动窗口算法对融合数据进行处理同时顾及经度、纬度和高程因子构建空间分辨率为0.5°×0.5°的T m经验模型(FY-ET m模型)。采用偏差(Bias)和均方根误差(RMS)作为精度评定指标,联合未参与建模的2020年探空数据、ERA5再分析资料及天顶对流层延迟产品,对FY-ET m模型及其反演的大气可降水量进行精度评定。结果表明:以探空数据为参考值,FY-ET m模型的年均Bias、RMS分别为-0.02、5.79 K,相比较于Bevis和GPT3模型分别提高了3.62(Bias)、0.8(RMS)和2.54(Bias)、0.63 K(RMS);以ERA5再分析资料为参考值,FY-ET m模型的年均Bias、RMS分别为0.01、3.32 K,相比较于Bevis和GPT3模型分别提高了0.97(Bias)、0.13(RMS)和2.94(Bias)、1.71 K(RMS),同精度优异的GPT3模型相比,FY-ET m模型在中国西部和北部地区也表现出了明显的精度改善;以GNSS站点得到的PWV为参考值,FY-ET m模型反演的PWV与GNSS站得到的PWV值精度相当,Bias变化范围为-0.5~0.5 mm。FY-ET m模型准确度高稳定性良好,只需输入位置和时间信息就能获取目标点的T m,能够在GNSS水汽反演中发挥重要的作用。     

基于GPS的海表温度遥感反演参数估计

在GPS技术支持下,研究利用多学科综合从GPS卫星数据中反演大气水汽含量的问题;探讨了通过建立大气水汽含量与大气平均作用温度和多光谱热波段透过率的关系模型,进而求算热波段的大气平均作用温度和大气透射率参数,进一步反演海洋表面温度的新方法.     

京津冀地区FY-4A水汽校正模型研究CSCD

融合全球卫星导航系统(GNSS)与风云气象卫星FY-4A可获得高精度高空间分辨率的水汽分布信息.利用中国大陆构造环境监测网络(CMONOC)提供的GNSS观测资料开展京津冀地区FY-4A水汽校正研究.首先对京津冀地区进行区域划分,按区域分季节开展GNSS水汽与FY-4A水汽的相关性分析;其次分区域、分季节选择不同的函数模型结合GNSS水汽资料构建FY-4A水汽校正模型;然后采取区域模型、单站点模型与实测GNSS水汽开展模型的可靠性检验;最后通过分区域FY-4A水汽校正和图像叠加,获得校正后的京津冀地区FY-4A水汽分布.研究表明:FY-4A水汽与GNSS水汽的相关性较好,区域FY-4A水汽校正模型精度与单站点模型精度相当,可取代单站点模型用于FY-4A的水汽校正.基于CMONOC的分区域函数模型在一定程度上提高FY-4A水汽精度,为短期天气预报和合成孔径雷达(InSAR)大气校正提供参考.     

中国区域大气加权平均温度垂直递减率格网模型EI北大核心CSCD

大气加权平均温度(T m)是全球导航卫星系统(GNSS)反演大气水汽(PWV)的关键参数。然而,已有经验T m模型难以捕获T m的日周期变化,限制了其在高时间分辨率GNSS-PWV监测中的应用。利用大气再分析资料可获取高时间分辨率的T m信息,但需使用高精度的T m垂直递减率模型对其进行高程改正。针对已有T m垂直递减率模型建模仅使用单一格网点数据等不足,本文引入滑动窗口算法,利用2012—2016年的MERRA-2再分析资料建立了顾及时变垂直递减率的中国区域水平分辨率分别为1°×1.25°、2°×2.5°和4°×5°的T m垂直递减率格网模型(简称“CTm-H1、CTm-H2和CTm-H3模型”)。联合2017年的MERRA-2、GGOS大气格网数据和探空站资料,对CTm-H模型进行精度检验,并与中国区域统一的T m垂直递减率模型(简称“统一模型”)进行比较分析。结果表明:①以MERRA-2格网数据为参考值,通过CTm-H模型将MERRA-2地表格网数据改正到分层格网数据各层高度处检验,CTm-H 3个模型性能相当,在两种T m数据高程差异较大时,CTm-H模型表现出显著的优势,相比于统一模型,精度(RMS值)整体提高了30%。②以探空站资料为参考值,通过CTm-H模型将MERRA-2地表格网数据和GGOS大气格网产品分别改正到探空站高度处检验,与统一模型相比,CTm-H 3个模型的精度整体分别提高了3%和5%,且CTm-H和统一模型的精度相比于未顾及垂直改正提升较大,尤其在中国西部地区表现出显著的优势。总体而言,CTm-H 3个模型在中国区域均具有较高的精度,不需要实测气象参数即可提供中国区域近地空间范围内(本文指0~10 km的高程范围)任意位置实时高精度的T m高程改正值,因此,它在中国区域的实时高精度GNSS水汽探测中具有重要的应用。     

GPT／2模型用于 GPS 大气可降水汽反演的精度分析

气象参数(温度T、气压P)是GPS大气可降水汽(PWV)反演中必不可少的数据,也是PWV反演的重要误差源之一。文中主要对GPT/2(GPT、GPT2)模型用于PWV反演的精度进行验证和分析。基于非差精密单点定位(PPP)技术,选取SuomiNet网9个测站的观测数据,借助研制的PPP软件,分别采用GPT模型、改进的GPT2模型以及测站实测气象数据进行大气可降水汽(PWV)反演。以实测气象数据处理结果为参考,对两种模型解算的PWV进行了对比和精度分析。结果表明:改进的GPT2模型优于GPT模型,尤其是当测站的高程较大时,GPT2模型的稳定性更优、适用性更广;采用GPT2模型解算的PWV偏差均值小于±1.0mm,精度(RMS)优于±1.5mm。在缺少实测气象数据的情况下,利用GPT2模型数据仍然能够取得较为理想的PWV反演结果。     

对流层映射函数对GNSS反演可降水量的影响分析

对流层映射函数是将对流层天顶延迟转化为信号传播路径上总延迟的重要模型,选择合适的映射函数对反演大气可降水量(PWV)精度的提高具有十分重要的意义．本文研究了对流层映射函数对反演PWV精度的影响,选取VMF1、GMF、NMF 3种映射函数,利用GAMIT解算比较3种映射函数在不同季节、不同高度角对网基线解算以及反演PWV的精度影响．结果表明,在进行PWV反演时,选择10°高度角作为解算截止高度角的GMF函数模型反演精度最佳,为进一步提高GNSS水汽反演的实时精度提供了参考．      

利用CORS站研究多因子分季节可降水量转换模型

针对GNSS气象学中可降水量转换过程较为复杂的问题,利用2017年江苏CORS站及其并址探空数据,分析大气可降水量(PWV)与天顶对流层延迟(ZTD)、温度和气压之间的相关性,采用线性回归拟合法建立多因子分季节PWV模型,并用2017-2018年数据验证模型精度.结果表明PWV与ZTD有很强的线性相关性,相关系数为0.980 3,PWV与温度和气压有较强的相关性,相关系数分别为0.611 2和-0.613 6;全年PWV模型中,单、双、多因子模型的RMS分别为2.88、1.70和0.49 mm,精度依次提高;多因子PWV模型中,分季节PWV模型较全年PWV模型的RMS分别提高0.23、0.20、0.18和0.37 mm,精度明显优于全年模型.因此,多因子分季节PWV模型预测精度优于1 mm,满足GNSS监测水汽的气象应用精度要求.     

GNSS对流层水汽监测研究进展与展望EI北大核心CSCD

对流层是近地空间环境中与人类活动联系最为密切的大气层,而水汽是低层大气圈中最重要的组成部分之一。尽管水汽在对流层中所占比例较小,但在一系列天气和多种气候变化中都扮演着重要角色。随着全球导航卫星系统(GNSS)的快速发展,GNSS对流层水汽监测成为重要的研究和应用方向。本文系统介绍了GNSS多维水汽监测及其在相关方面应用的研究现状和进展。GNSS水汽监测研究方面,当前主要集中在二维大气可降水量监测和三维湿折射率/水汽密度廓线反演两部分;GNSS水汽应用研究方面,当前主要包括定位、短临降雨及旱涝监测、数值同化预报等。     

GNSS/MODIS信号紧耦合水汽层析算法

GNSS水汽层析技术凭借高精度、高时空分辨率及全天候监测等优点,已成为探测大气水汽最具潜力的技术之一。目前,融合多源大气遥感数据逐步成为弥补传统层析模型GNSS信号几何缺陷的研究热点。本文利用Terra卫星上的中分辨率成像光谱仪(moderate resolution imaging spectroradiometer,MODIS)提供的观测数据,首先分析了传统体素模型融合MODIS信号的不足;然后提出了基于体素节点模型的GNSS/MODIS信号紧耦合水汽层析算法,该算法将高分辨率MODIS PWV以三维信号的形式引入层析模型中;最后利用2016年7月徐州地区的15幅MODIS影像及同步GNSS数据对3种模型的层析结果质量进行了评估。试验结果表明:利用本文所提出的紧耦合算法,层析模型的平均有效观测信号数量提高了34.15%,层析结果平均RMSE(root mean square error)值降低了25.10%。此外,以邻近时刻探空站数据作为参考值,发现0~2 km的近地层,紧耦合算法的层析结果明显优于传统算法,这表明融合MODIS观测信号可改善近地层三维水汽场的重构质量。     

一个针对ASTER数据同时反演地表温度和比辐射率的四通道算法

本文利用对地观测卫星多传感器的特点，提出了针对ASTER数据同时反演地表温度和比辐射率的多通道算法。即利用ASTER数据的第11，12，13，14热红外波段建立热辐射传输方程，并通过对于地表比辐射率分析可知，ASTER4个热红外波段的比辐射率可以用近似线性方程表示，得到了6个方程6个未知数，从而形成了针对ASTER数据的同时反演地表温度和比辐射率的多通道算法。对于关键参数大气透过率，则是通过同一颗星的MODIS传感器的3个近红外波段反演大气水汽含量，然后用MODTRAN模拟大气水汽含量与ASTER热红外波段的统计关系，并进而根据这二关系来计算ASTER热红外波段的大气透过率。由于MODIS和ASTER是在同一颗星上。因此这种大气透过率估计方法保证了地表温度反演过程中所需大气参数的同步获取。     

GPS可降水汽含量在强降雨过程中的特征分析

针对水汽在大气中易于变化,高时空分辨率水汽资料的欠缺,造成强降雨短时临近的预报水平不高的问题,探讨分析了GPS水汽反演的精度。利用香港CORS数据,通过GAMIT软件解算获得各测站1 h大气可降水量时间序列,将其与探空数据获得的液态水含量（PWV）和实际降水量进行比较分析。结果表明,GPS／PWV与Radio／PWV在整体变化趋势上具有很好的一致性,其相关系数大于0.9;GPS／PWV与Radio／PWV精度相当,两者平均偏差小于1 mm,均方根误差小于3 mm;GPS反演的大气可降水量与实际降水量具有较好的对应关系,能够精确地监测到水汽变化的过程,可以用于水汽的监测和预报研究。      

不同饱和水汽压模型对GNSS反演可降水量的影响分析

地基全球卫星导航系统（GNSS）水汽反演过程中需要大气加权平均温度T_m的参与，而饱和水汽压E_s作为T_m计算过程中的一个重要变量影响着T_m，因此E_s将会间接地影响大气可降水量（PWV）的反演精度.针对目前地基GNSS水汽反演研究中普遍采用的三种不同的饱和水汽压模型（Magnus-Tetens模型、BUCK模型、Goff-Gratch模型），本文就不同的饱和水汽压模型参与反演是否会引起水汽反演结果的差异进行了研究.以香港为研究区域，利用GAMIT解算了2016年旱雨两季（2、7月）的天顶湿延迟（ZWD），同时利用king's park探空站的探空数据通过数值积分计算得到旱雨两季（2、7月）的T_m，然后严格参照反演步骤编程模拟计算旱雨两季（2、7月）每天的PWV.最后对比并分析了不同饱和水汽压模型参与计算对T_m和PWV的影响及原因，结果表明:三种饱和水汽压模型参与计算得到的PWV与真值（探空站计算得到的PWV）之间不存在具有统计意义的显著性差异，因此均可被用来提供计算T_m时所用到的饱和水汽压E_s，但是通过对比分析发现部分研究人员将BUCK模型中的变量T当作露点温度而非大气温度进行计算会使T_m产生较大的误差，进而对该误差进行了不合理性分析.本文的分析将会对后续地基GNSS水汽反演研究中的处理提供一定的参考.      

利用GPAS解算不同气象模型反演大气降水精度检验

针对GNSS气象学中大气可降水量在局域不同气象模型的差异,该文选取香港12个CORS站2017—2018年两年的观测数据,借助中国测绘科学研究院自主研发的高精度GNSS数据处理软件(GPAS),分别采用实测气象数据、GPT模型以及标准海平面气象模型进行大气可降水量(PWV)反演,探究各个模型精度。以探空数据为参考,对3种方案解算的GPS/PWV进行年、季度、月综合对比和精度分析。结果表明:香港地区PWV值呈现出夏季大、冬季小的特征;3种方案的GPS/PWV与RAD/PWV具有很好的相关性,相关系数均超过0.97;其中利用实测气象数据精度最高,标准海平面模型精度最低,尤其当天气状况比较复杂时候(PWV60 mm)精度相差较大;GPT模型和实测数据的平均偏差都小于1 mm,均方差均小于1.9 mm,在缺少地面气象数据的时间段或没有地面气象数据的测站上,利用GPT模型数据能够取得较为理想的PWV反演结果。     

黄土高原地区PWV影响因素分析及精度评定

大气水汽是对流层的重要组成部分之一,研究影响水汽的因素及精度具有重要意义。主要研究黄土高原地区大气可降水量（precipitable water vapor, PWV）的影响因素,并对其实际精度进行评估。首先,对ERA5（the fifth-generation atmospheric reanalysis data of ECMWF）的气压、气温数据和全球导航卫星系统（global navigation satellite system, GNSS）获取的天顶对流层延迟（zenith troposphere delay, ZTD）进行评定;然后,依据ERA5的气压、气温数据和GNSS的ZTD数据计算1 h分辨率的PWV,并利用误差传播理论推导PWV的理论误差; 最后, 与PWV实际计算误差进行对比,分析黄土高原地区PWV的精度。结果表明,基于GAMIT/GLOBK软件获得的GNSS ZTD与PANDA软件解算的GNSS ZTD差值的均方根（root mean square, RMS）和Bias分别为4.05 mm和-0.46 mm;ERA5气压和气温的平均RMS和Bias分别为3.36 hPa/1.97 K和-0.01 ?hPa/0.04 K;黄土高原地区PWV的理论误差为1.51 mm,实际误差为1.94 mm。计算得到的PWV精度较高,对水汽分布以及气候监测的研究具有重要意义。     

基于劈窗算法从ASTER遥感数据反演地表温度

应用卫星热红外遥感影像反演地表温度对于研究城市生态环境、气象过程具有重要意义,ASTER 遥感数据为此提供了有效的信息源。针对从 ASTER 数据中反演地表温度(LST)的需要,首先利用 MODIS 数据反演大气水汽含量,并模拟出大气水汽含量与大气透过率的关系,求得大气透过率,然后通过决策树分类结果和地物光谱特征计算出地表反射率,最后采用劈窗算法反演出地表温度。通过某市2个季节的试验表明该方法具有较高的精度,能够有效应用于城市热环境分析,为城市物理环境综合分析评价提供支持。     

地表温度反演方法

选用分裂窗算法,采用两因素模型对吉林省西部MODIS数据进行了连续3年的地表温度反演。通过对MODIS数据波段选取,分别计算星上亮度温度,采用基于植被指数与地表分类相结合的方法得到地表比辐射率,根据MODIS数据计算得到大气水汽含量,利用大气辐射传输模型得到大气透过率,最后,通过分裂窗算法模型反演出地表温度。实验结果表明,该方法能够获得较合理的地表温度反演结果,对农业旱灾动态监测具有一定应用价值。