几种求算大气可降水量方法比较

文章介绍了使用探空资料、地面露点资料、GPS数据求算大气可降水量的3种方法。使用这3种方法．对北京（2006年10月,2007年1月、4月、7月）、呼和浩特（2008年1月）、二连浩特（2008年1月）3站的探空资料、地面露点资料、GPS数据分别进行计算,求算出大气可降水量,并对3种方法的精度进行了分析。     

基于PPP和双差网解法的GNSS水汽反演效果分析

基于2021年5—7月GPS卫星资料,采用精密单点定位(Precise Point Positioning,PPP)和双差网解两种算法进行了大气可降水量（Precipitable Water Vapor,PWV）反演,利用同址探空水汽资料,对比分析了PPP算法与双差网解法计算的PWV反演精度。结果表明,PPP算法和双差网解法反演出的PWV随时间变化的趋势基本一致。两种算法反演出的PWV结果合理,与探空PWV相比,采用PPP和双差网解两种算法反演的PWV相对偏差均小于2.4 mm、绝对偏差在4 mm以下,均方差约4 mm,与探空PWV相关系数均在0.87以上,均能较好地反映大气中水汽含量的变化情况,两种算法均具备较强的水汽反演能力,双差网解法反演的PWV在相关性、精度上略优于PPP算法。PPP算法可实现单站水汽高时间分辨率反演,对于获取台站高时效、高精度的大气水汽探测产品具备优势。     

辽宁省汛期GPS大气可降水量的特征分析

基于2013、2014年7~8月沈阳和丹东地基GPS水汽监测系统探测的大气可降水量(PWV)资料,对辽宁地区汛期大气可降水量特征进行了分析,利用HYSPLIT后向轨迹模式模拟了沈阳和丹东地区气团轨迹,并通过聚类分析方法将气团进行了分型。结果表明:沈阳和丹东GPS探测的PWV和根据探空数据计算的PWV相关系数均达到0.9,均方根误差分别为4.73 mm和5.21 mm;沈阳和丹东汛期非降水日PWV平均值分别为28.58 mm和30.49 mm,低于华北和西南地区观测值;强降水过程前均存在PWV增加现象,PWV最大增量集中在2~8 mm之间,且一般集中出现在强降水发生前1~3 h内;不同类型强降水过程中PWV特征不同,南方气旋和东北冷涡共同影响的降水个例中PWV最大,局地强对流过程PWV最小;沈阳和丹东站点不同气团中PWV有所不同,西南气团PWV均为最大,更有利于强降水天气的发生。     

云南地基GPS观测大气可降水量变化特征

利用2007年云南地基GPS站点观测资料,分析GPS反演的大气可降水量(PWV)变化特征,并用探空、实际降水量资料和GPS反演结果进行比较。结果表明:GPS/PWV能反映云南降水的季节变化特征,海拔较低的测站普遍比同期海拔较高的测站测得的GPS/PWV值高;GPS/PWV值与探空得到的大气水汽总量随时间演变趋势基本一致,其相关系数均达0.89;GPS/PWV变化周期和实际降水发生的周期基本相同,降水大多为GPS/PWV值连续增加达到峰值(或从峰值开始下降)后开始;GPS/PWV上升幅度较大或位于高位可作为连续性强降水过程出现的预报指标,但使用GPS/PWV峰值作预报指标时,还应考虑季节因素。     

湖北省不同资料反演大气可降水量的误差分析

利用常规探空、秒级原始探空、GPS/MET、微波辐射计、GFS再分析资料以及区域中尺度WRF模式的预报场资料计算整层可降水量,对多种资料计算的整层可降水量进行误差特征和原因分析,结果表明:秒级探空和常规探空计算的整层可降水量基本一致。GPS/MET、微波辐射计、GFS以及WRF计算的整层可降水量与常规(秒级)探空的相关系数分别为0.94、0.92、0.93、0.80,有降水时GPS/MET和微波辐射计与常规探空的相关系数分别下降到0.85和0.81,但有降水时GPS/MET误差分布较集中,而有降水时微波辐射计误差显著增大,主要由于1~2 km处水汽密度误差异常增大。除微波辐射计和GFS宜昌站计算的整层可降水量为相对常规探空偏高,其他资料均为偏低,GPS/MET宜昌和恩施站平均偏低3 mm,GFS武汉和恩施站分别偏低1和7 mm,WRF恩施平均偏低2 mm,WRF武汉和宜昌平均偏低6~8 mm。GFS恩施站可降水量偏低是由于GFS资料中恩施地面气压比实际偏低,但其露点温度整层均比常规探空偏高。除GFS恩施站外,GFS武汉、GFS宜昌和WRF 3站的露点温度相对常规探空资料露点温度均表现为:850 hPa以下偏低,850 hPa以上偏高。WRF 12 h预报场的整层可降水量与常规探空整层可降水量的相关性和误差均优于24 h预报场。     

基于地基GPS的祁连山大气可降水量特征

利用2016—2018年祁连山区中东部11个站的地基GPS反演的大气可降水量(以下简称GPS/PWV),分析了大气可降水量的时空分布、地带性和垂直变化特征。结果表明:与张掖和民勤探空实测资料计算的PWV(以下简称RS/PWV)相比,GPS/PWV均方根误差和偏差平均值分别为2.1 mm和1.07 mm,GPS/PWV略大于RS/PWV且两者相关系数平均值达到0.97。祁连山中东部PWV日最大值出现在11 — 16时,日最小值出现在01—05时;PWV的月最大值出现在8月,月最小值出现在1—2月;PWV的季节分布为夏季秋季春季冬季;PWV高值区主要分布在祁连山东南部,祁连山中部的刚察、民和为明显低值区;祁连山中段PWV低于东段。PWV地带性和垂直变化特征明显,与海拔高度的相关系数达到了—0.77。PWV随经度自西向东,逐渐升高;PWV随纬度从南往北,存在着"高—低—高"的变化特征;PWV的空间分布和季节变化与季风影响相关。     

地基GPS遥测大气可降水量在天气分析诊断中的应用

利用河北省石家庄、张家口、秦皇岛3个GPS站观测资料，通过GAMIT软件处理反演到2005年4—11月的大气可降水量（PWV）资料，初步分析了河北大气可降水量时空分布特征。结果表明，GPS反演的大气可降水量具有较高的使用价值，其时空变化明显，反映了河北降水的季节和地区变化特征。通过与降水之间关系分析发现，降水大多出现在高于大气可降水量基值的时段，不同影响天气系统，大气可降水量变化具有不同的变化特征。     

基于GAMIT系统的GPS/MET数据反演及其在闽南地区获取PWV的应用

基于福建省闽南地区6个GPS/MET站点的观测资料,利用从IGS下载的精密星历数据,通过GAMIT软件计算出对流层湿延迟(Zenith Wet Delay,ZWD);利用厦门2016年的实际气象资料统计拟合出加权平均温度模型,得到加权平均温度,从而反演出大气可降水量(PWV),并与由探空资料反演的PWV相比较,由GAMIT软件系统反演出大气可降水量结果能够达到实际业务需求的精度。     

毕节大气可降水量与暴雨关系研究

该文利用2005—2019年毕节市8个国家站的暴雨天气过程发生前24 h地面露点温度资料,采用露点法对大气可降水量（PWV）进行反算,探究其与暴雨天气中雨强的关系,建立暴雨预报阈值指标,利用2020年23次暴雨天气过程对阈值指标的可行性进行CSI评分检验。结果表明：①大气可降水量变化呈现单峰型特征,其主要降水过程与PWV峰值有很好对应关系,短时强降水出现前后每一次水汽的激增均对应1次降水过程和最大降水强度的出现。②从CSI评分检验的结果来看,毕节各站暴雨阈值指标准确率达90%以上,空报率小于10%,本地化暴雨阈值指标具有一定的可行性。总体上,通过地面露点法建立的阈值指标对毕节市的暴雨预报有较好的指示作用,未来应加强大气可降水量对暴雨预报的研究力度,不断完善本地化暴雨预报指标。     

利用地基GPS数据分析北京“7〖DK〗·21”暴雨水汽特征

基于北京“7〖DK〗·21”暴雨期间北京地基GPS网全天时全天候观测数据,利用水汽反演软件得到大气可降水量（PWV：Precipitable Water Vapor）时空变化序列,通过与探空对比,显示出地基GPS技术探测对流层大气水汽具明显的高时空分辨率优势;与FY2D卫星探测的云图变化序列对比,充分反映了利用GPS观测数据反演的PWV的可靠性与一致性;与实际降雨量对比,两者高度相关性显示了地基GPS技术对暴雨监测和预警的积极意义。数据分析结果表明：在暴雨来临之前的24~36 h的PWV值持续在较高（>40 mm）的位置,已有出现暴雨征兆。在暴雨之前的几个小时PWV持续性爆发性发展（每小时PWV增加10~20 mm）,已充分具备了产生暴雨的必要条件。因此,有效地利用GPSMET技术对天气预报的准度和精度将有很大改善。     

青藏高原大气可降水量单站观测对比分析

为了探讨青藏高原大气可降水量观测资料的可靠性,对2015年6-9月西藏申扎、改则和那曲3站地基GNSS遥感的大气可降水量、同址探空观测的大气可降水量、风云三号可见光红外扫描辐射计反演的晴空大气可降水量、MODIS大气可降水量和NCEP可降水量进行对比分析。结果表明:探空可降水量和地基GNSS可降水量的偏差较小,均低于2.5 mm。风云三号可降水量明显偏低,与其他观测结果的偏差超过6 mm。全自动探空可降水量离散程度较L波段探空大,均方根误差超过4 mm。      

2017—2018年辽宁地区三次降雪天气的GPS水汽变化特征

利用欧洲中心（European Center for Medium-Range Weather Forecasts,ECMWF） ERA-interim再分析资料、常规气象观测资料及GPS （Global Position System）系统探测的大气可降水量（Precipitable Water Vapor,PWV）资料,对2017—2018年辽宁地区三次中雪及以上量级的降雪过程中大气可降水量的演变特征进行分析。结果表明：三次降雪过程中PWV均呈现单峰式结构,其与小时降雪量之间存在较好的时间对应关系,降雪时段对应PWV高值阶段;在降雪出现前6—15 h,PWV迅速增加,且PWV总增长量与降雪强度存在较好的正相关关系。     

青藏高原大气总水汽量的反演研究

利用2001年青藏高原89个气象站资料、NCEP格点再分析资料以及2001—2003年7月3个地基GPS站的大气总水汽量观测资料,对GPS遥感的大气总水汽量与探空观测结果做了比较,研究了大气总水汽量变化对降雨形成的影响,大气总水汽量与地面水汽压的关系,分析了青藏高原大气总水汽量的时空变化特征及其成因。结果表明:GPS遥感的大气总水汽量与探空观测结果吻合得较好,2001年那曲站两种结果相比均方根误差仅0.15 cm;大气总水汽量与地面水汽压之间有良好的相关关系;不同季节高原上基本都存在3个明显的大气总水汽量高值中心:即东南部、西南部和西北部;高原大气总水汽量分布的季节变化与500 hPa风场及整层大气水汽通量的变化关系密切。     

合肥整层大气可降水量与地面露点相关性分析

根据合肥站地基双频微波辐射计和地面温、湿度传感器的4年观测资料,对比分析了国内外学者利用地面露点温度td计算整层大气可降水量W的经验计算模式.结果表明,合肥站td与lnW之间年线性相关系数普遍＞0.90,经验系数α=-0.521,6=0.0901℃1-,反映出合肥地区气候条件的特殊性.td与lnW之间月相关系数的变化范围较大(0.120～0.813),而且秋季和冬季各月相关性较好,晚春和夏季各月相关性较差,尤其是在7、8月份;两者的季节相关性为秋季最好,夏季最差,春季和冬季的相关系数差别很小;经验系数α与月相关系数的年变化近似呈反向,在春、秋、冬三季变化比较平缓,在夏季却出现剧烈变动.在月时间尺度上根据经验计算模式利用td计算W的方法不可取.     

大气可降水量估算模型研究

利用SuomiNet网GPS大气可降水量数据和地面气象数据研究建立大气可降水量估算模型.利用研究区域GPS PWV和地面气象数据,研究了大气可降水量与地面水汽压间的相关性,并建立二者间的线性、二次多项式和幂函数回归模型,对比分析各模型的估算精度以确定最优估算模型,并检验了不同大气水汽含量下最优模型的估算精度.得出以下结论:1)GPS大气可降水量与地面水汽压变化趋势基本一致,存在着良好的相关关系(相关系数达到0.892).2)基于地面水汽压的线性、二次多项式和幂函数模型估算大气可降水量均达到一定的估算精度(相对误差均小于19％),其中幂函数估算模型的R2最高,估算误差最小.3)基于地面水汽压的PWV估算模型具有地域性特征,基于研究区域数据所建立的模型更适合于研究区域,其PWV估算精度高于Cole模型、张学文模型和李超模型.4)所建估算模型在不同的大气水汽含量条件下估算精度不同,大汽水汽含量越高,估算结果的相对误差越小.     

基于地基GPS遥感的大连地区大气水汽总量变化特征

基于大连地区地基GPS综合观测网遥感反演了大气水汽总量（PWV）,分析了大连地区PWV空间变化、逐月变化和日变化特征以及PWV变化与降水的关系,并利用大连本站2005-2011年的探空资料拟合了大连地区地面温度和大气加权平均温度的关系。结果表明：大连本站的PWV与探空积分的水汽含量相关系数达到0.988,均方根误差为2.5 mm。大连地区PWV南北分布比较均匀;PWV最大的月份为7-8月,最大月平均值约40 mm,PWV最小的月份为1月,最小月平均值小于4 mm;大连地区PWV春季和冬季日变化幅度约0.5 mm,夏季和秋季日变化幅度约1.3 mm。夏季和秋季的PWV日变化呈单峰型,春季和冬季的PWV日变化呈多峰型; 在降水发生前8 h 大气水汽总量有明显增加过程,对降水的发生有指示作用。     

地面气象要素对GPS反演大气可降水量结果的影响

简要介绍了利用GPS技术计算大气可降水量的原理及方法,以西宁GPS水汽站为例介绍了利用GAMIT软件对大气可降水量的反演流程,利用西宁站观测数据计算了有地面气象数据参与解算和无地面气象数据参与解算的大气可降水量结果,并对两种反演结果进行了对比分析,得出两种计算结果相近、具有很好的相关性,相关系数为0.921,两种反演结果在数值上最大相差5mm、平均相差1.54mm,在总体趋势上两者一致。分析了GPS技术计算大气可降水量的误差,其中地面气象要素对计算结果有重要作用,但影响不大,在不需要精度太高的计算结果及没有条件获得地面气象数据时,可以直接用GAMIT对大气可降水量进行解算,这为探测大气可降水量提供了一种可行的方法。     

2017-2019年南疆西部和昆仑山北坡大气可降水量变化特征

基于2017-2019年南疆地基GPS大气可降水量（下文简称“GPS-PWV”）、常规探空水汽廓线计算的大气可降水量（下文简称“RS-PWV”）和逐时降水资料，统计分析南疆西部和昆仑山北坡GPS-PWV时空变化特征、夏季不同海拔高度不同降水量级下GPS-PWV变化与实际降水的对应关系。结果表明：（1）南疆西部和昆仑山北坡GPS-PWV与RS-PWV，二者具有符合预期的很高的相关性。（2）不同海拔高度站点GPS-PWV空间分布差异明显，大部分站点GPS-PWV随海拔高度的增加而降低。（3）各站点GPS-PWV逐月变化均呈单峰型，冬季12月或1月最小，夏季7、8月最大；春、夏季各站GPS-PWV距平日变化为单峰型，秋、冬季GPS-PWV距平日变化除秋季乌恰站、若羌站为单峰型外，其它均为三峰或四峰型。（4）各站有、无降水时PWV平均值差异明显，昆仑山北坡差异更大；降水发生前GPS-PWV已开始上升，南疆西部PWV峰值主要出现在降水前0～1 h，昆仑山北坡PWV峰值主要出现在降水前0～3 h和7～9 h。     

基于NCEP资料的我国大气可降水量的计算及其时空分布

利用1948—2009年的NCEP再分析资料获取多年平均大气可降水量,分析我国大气可降水量的空间分布和季节变化,并选用2001年的资料与同期探空资料进行对比验证.结果表明:我国大气可降水量的空间分布总趋势是低纬大于高纬,平原大于高原,沿海地区大于内陆地区;季节变化明显,冬季大气可降水量较小,夏季较大;NCEP资料与探空资料的计算结果基本一致.     

湖北地基GPS大气可降水量变化特征分析及应用

利用探空资料、地基GPS/MET水汽监测资料,对恩施、宜昌、武汉三站地基GPS反演大气可降水量(GPS Precipitable Water Vapor,GPS/PWV)与探空进行了对比,表明GPS/PWV与探空RS/PWV具有良好的一致性。湖北省17站3 a GPS/PWV资料分析表明,GPS/PWV具有明显的月变化及日变化特征,分布具有从南往北逐渐递减,从西至东逐渐增加的特点。强降水个例分析表明GPS/PWV峰值略早于降水以及雷达回波峰值出现时间,高时空分辨率的GPS/PWV配合雷达对天气形势的分析以及降水的判断有一定的指导作用。