区域连续性强降水过程中GPS/PWV的特征分析

针对2015年5月9~11日香港地区的一次连续性强降水,利用GAMIT软件反演了降水过程中各站逐时GPS/PWV资料,详细分析了GPS/PWV的变化特征。结果表明:单CORS站GPS/PWV大小与其局域实际降水量大小无直接的关系;3 h GPS/PWV等值线变化图可以从整体上很好地反映实际降水过程中GPS/PWV的演变过程;区域GPS/PWV分布因其特殊的地理环境而呈现一定的规律性;GPS/PWV在达到峰值以后的下降过程中,当RH值激增至高值稳定区时发生强降水的可能性非常大。     

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。      

GPS/PWV在台风"玛莉亚"袭闽期间的变化特征研究

可降水量（PWV）表征大气中的水汽含量,本文利用福建省卫星导航定位基准服务系统（FJCORS）的GPS观测资料反演得到可降水量（GPS/PWV）,通过与实测的高精度探空PWV资料进行对比发现,其相关系数达到0.98,与探空结果具有较好的一致性;平均偏差在1.10 mm以内,表明GPS/PWV资料具有较高的精度。在此基础上分析2018年第8号台风“玛莉亚”登陆福建前后的GPS/PWV变化特征及其与实际降水量的关系,结果表明,GPS/PWV资料能够很好地反映台风期间水汽的时空动态传输过程,并与降水之间具有良好的对应关系。     

2021年8月汉中—广元降雨过程的BDS数据分析

针对降雨形成原因十分复杂，准确地预报极端天气十分重要且较为困难这一问题，该文以汉中—广元地区发生的持续时间长涉及范围广的降雨为例，采用该地区2年的探空数据建立的T_m模型，利用2021年8月19日—23日汉中—广元地区降雨时的北斗卫星导航系统(BDS)观测站数据解算大气可降水量(PWV)。研究表明：19日开始该地区PWV值不断增加，水汽开始聚集；一直到20日和21日在PWV达到峰值1～2 h后小时降雨量达到最大值；22日和23日降雨逐渐减弱，水汽供应减少，PWV开始缓慢下降；整个降雨过程中PWV先增大后减小。PWV峰值越大对应的降雨等级也越大；在PWV达到峰值1～2 h后小时降雨量才会达到最大值。在暴雨时该地区PWV峰值普遍超过50 mm。     

基于北斗PWV的暴雨时空变化特征分析

利用49个山东省连续运行参考站(SDCORS) 2020年的北斗观测数据,使用GAMIT软件进行了大气水汽反演,得到了全年逐小时的大气可降水量(PWV)序列. 将反演得到的PWV与探空气象站观测的PWV对比,平均偏差为2.4 mm,均方根误差(RMSE)为3.4 mm,相关系数达到0.98,结果表明反演结果的精度符合气象研究需求. 分别从单连续运行参考站(CORS)和全省范围对PWV在暴雨过程中的变化进行了分析,发现PWV在暴雨产生前5~12 h开始上升,至暴雨产生时刻,PWV最大值普遍达到60 mm以上,平均变化率达到1~3 mm/h,越临近暴雨产生,PWV变化幅度越大,降水结束后,PWV会迅速下降. PWV的变化与暴雨的产生具有高度相关性,PWV在暴雨产生前后的剧烈变化,可用于暴雨预警研究,对于生产生活活动具有重要现实指导意义.      

GNSS天顶对流层延迟的短时天气预报分析

针对天顶对流层延迟(ZTD)与大气可降水量(PWV)相关性特征及变化规律,该文提出基于无气象元素ZTD短时天气监测及预报的方法.该文以北京市2013-2015年BJFS站 日均数据为例,采用GZTD和Saastamoinen+GPT2模型拟合,得到传统的无气象元素的PWV模型.并利用2016年BJFS站ZTD和气象数据,计算出PWV1(含气象元素)和PWV2(无气象元素)数据,通过定量数据分析得出:PWV1与PWV2、ZTD相关系数分别达到0.633 2,0.967 6;PWV2与ZTD相关性为0.649 8.从短期数据,BJFS站6-9月的ZTD与PWV1相关性系数为0.969 6.这证明了 ZTD能够真实反映PWV1的真实变化趋势,同时也说明ZTD应用于短时天气预报的可行性.最后针对北京地区2016年的降雨、降雪和雾霾等极端天气事件,采用ZTD方法对其进行了分析研究,并取得了较好的效果.     

采用北斗PPP-B2b服务的大气可降水量反演及香港暴雨过程分析

北斗三号卫星导航系统精密单点定位服务(PPP-B2b服务)通过卫星B2b信号向用户发送改正信息,摆脱了对外部通信的依赖,为实时反演大气可降水量(PWV)提供了新的技术途径。本文利用试验分析了PPP-B2b服务反演PWV的精度。试验结果表明,利用PPP-B2b服务反演结果与采用CODE事后精密星历产品的差值RMS为3.70 mm, STD为3.61 mm,与ERA5再分析数据差值的RMS和STD分别为4.80和4.07 mm,与探空结果差值的RMS和STD分别为3.75和7.16 mm,验证了采用PPP-B2b服务的PWV反演结果具有较好的精度。最后,通过分析香港暴雨过程的实际降水量与PWV反演结果之间的相关性,初步验证了BDS PPP-B2b服务用于暴雨灾害短时预警的可行性。     

青藏高原东部暴雨云团局地强降水响应特征

为研究青藏高原(简称"高原")东部暴雨云团的局地强降水响应特征,使用FY-2卫星红外通道数据,选择降水开始前4小时直到降水结束后2小时的时段,对高原东部19次典型局地暴雨过程分两种方式进行云团分析,第一种方式为针对测站上空7×7像元范围的云团进行云顶温度变化等相关分析,第二种方式为对关键四省范围内的云团进行识别和追踪,并计算对流云团参数。对暴雨云团的雷达回波特征也进行了分析。结果表明:(1)7×7像元范围红外各通道的云顶温度变化趋势一致,降水阶段云顶温度先降后升,云顶温度梯度先升后降。云顶温度梯度极大值Gmax的峰值和半小时内Gmax的最大上升变化值ΔGmax均出现在强降水前(0—11 h),Gmax峰值次数为1—2次,云顶温度极小值Tmin的谷值多出现在强降水之前,Tmin曲线斜率大值阶段对应Gmax的大值阶段,ΔGmax,Gmax和Tmin的极值分别可达到22.3℃,48.3℃和-90.3℃。(2)用7×7范围云顶温度及温度梯度建立的降水量级预报方程能较好地模拟小时降水量随时间的变化趋势且有一定的预报提前时间,预报误差在1个降水量级内。在考虑了Gmax峰值对强降水的贡献后R2由0.23提高到0.54,模拟的降水量峰值与真值峰值明显接近。(3)对流云团的识别追踪方法更简单有效,对形变较小的云团(相关系数≥0.5)的准确率为100%,对发生了合并或分裂等严重形变的云团(一般相关系数0.5)的识别结果正确而追踪结果无效;(4)高原东部暴雨云团均为中-β—中-α尺度,水汽柱深厚但强度比低海拔地区更弱,测站暴雨开始之前多数有对流云团覆盖,若对流云团空间参数位置靠近测站,当空间距离至少小于或等于15个像距时降水或强降水将在几小时内产生。(5)暴雨云团在雷达回波图上表现为强降水超级单体风暴特征,且暴雨测站7×7范围Gmax峰值时刻对应有回波顶高度(18 dBz)的梯度极大值,红外1、红外2和红外3通道的Tmin谷值时刻分别对应回波顶高度极大值和垂直累积液态水含量的极大值。本研究结果对高原强对流云团的识别、跟踪及短时降水预报等具有重要参考价值。     

连续运行参考站网的暴雨过程时空变化分析

为了分析2017年8月19日苏北的一次局部暴雨降水过程的水汽场时空变化分布特征,该文基于无线电探空资料建立适合本地的加权平均温度(T_m)模型,利用66个江苏连续运行参考站(CORS)反演得到的GNSS大气可降水量(PWV),并结合温度和气压等大气热动力条件着重分析了江苏新沂站和江苏睢宁站的情况。研究结果表明:PWV增量变化很大程度上决定了降水强度及持续时间,降水强度与达到峰值后PWV增量变化幅度成正相关,暴雨的持续时间与PWV持续上升的时间成正相关;综合考虑PWV及其增量变化后,温度和气压等大气热动力条件对暴雨预报有一定的指示作用;PWV峰值区与实际降水区基本吻合,PWV时空变化分析可对暴雨实际降水范围进行较为准确的预测。     

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。     

利用北斗CORS反演大气可降水量的精度分析

为探究BDS反演大气可降水量(PWV)的精度,该文采用辽宁省连续运行参考站的BDS/GPS观测数据,选择辽宁省中部地区4个代表站,通过GAMIT软件进行单系统解算,并以ECMWF再分析资料为参考的真值进行了分析比对.研究表明,BDS解算的PWV平均误差、均方根误差在4 mm以内,比GPS反演结果精度稍低;而PWV因其与实际降水有较好的相关性,可作为短期临近天气预报的参考:当PWV开始累积超过6h时,降水的可能性较大,大规模的降雨一般伴随着迅速的水汽聚集与释放.     

GPS天顶对流层延迟与可降水量的相关性

针对水汽含量在短时间内变化快、影响因素多,目前精确测定其含量仍是一个难点的现状,该文采用GAMIT软件,利用两次暴雨发生过程中香港地区6个连续运行参考站系统参考站数据,计算天顶对流层总延迟(ZTD)和大气可降水量(PWV),并与实际降雨量进行对比。研究结果表明,暴雨发生前后的1~2h或者更长时间内,天顶对流层延迟、大气可降水量和实际降水量一直保持着较好的对应关系,天顶对流层延迟和大气可降水量会出现骤增和骤降现象,而且天顶对流层延迟和可降水量的变化速度越快,说明大气环境越不稳定,降水概率也就越高。     

PLAOD支持下高时间分辨率的可降水量分析

针对短期临近天气和气象业务预报,为了更好地分析和提供实时的可降水量(PWV),获取高时间分辨率的GPS可降水量数据,本文选用PLAOD数据处理软件,可实现30 s采样间隔的对流层延迟近实时解算。以武汉站为例,分别用PLAOD和GAMIT取1 h的时间分辨率对解算出的可降水量数据进行了对比试验,验证了PLAOD软件的可靠性和实用性。     

GPS反演的可降水量与降水的对比分析研究

本文以秦皇岛为例,分析GPS可降水量与降水实况的关系。2007年5月~8月期间发生16次降水过程,每次水汽的增加,都对应着一次降水过程和降水峰值的出现;16次降水事件中,GPS可降水量序列峰值超前降水发生时间1h和2h分别各为6次,两者占到总降水次数的75%,也就是说GPS可降水量序列峰值超前降水发生时间约为1~2h;降水出现的时间一般发生在大气可降水量迅速增加之后,在2h或3h的大气可降水量的增幅迅速增加达到5mm后,2h内出现降水占68.75%,3~4h出现降水占18.75%,5~6 h出现降水占6.25%;而大气可降水量迅速增加前2h内出现降水的仅占6.25%,即GPS可降水量迅速增加后4h内出现降水的比率占到87.5%。GPS可降水量可作为降水短期预报的指标之一。     

GPS水汽含量自动处理系统的研究及应用

随着北京全球定位系统(GPS)综合网的建设,以及地基GPS水汽反演技术的不断成熟,建立实时GPS数据下载和水汽自动处理系统,可提供气象科学研究所需的数据资料,为地基GPS气象学的业务化提供技术支持。本文介绍地基GPS反演水汽的基本原理及北京市GPS综合网的水汽含量自动处理系统,并利用该系统对2004年7月10日北京的一次强降水过程的大气水汽含量进行了反演。结果表明:在暴雨发生前3~4小时左右,GPS测量的气柱水汽含量在两小时内突增了6-7mm,很好地预示了其后的降水过程。可见该系统反演的全天候大气水汽场,可为准确监测和预报突发性强降水提供有意义的指标。     

武汉地区GPS气象网试验研究

将精密星历与快速预报星历GPS可降水量进行比较，两者的相关系数为99．97％，均方根为0．048mm，得出可以利用快速预报星历进行GPS可降水量的准实时预报的结论。通过对武汉地区GPS测站的可降水量的比较，得出武汉地区水汽的分布状况。对一次降雨过程进行了GPS可降水量与实际降雨量的比较，表明GPS可降水量变化可反映和预报降雨发生的过程。     

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。     

利用多源数据构建PWV混合模型

高精度和高时空分辨率的大气可降水量(precipitable water vapor, PWV)信息对于极端天气研究具有重要作用。传统的单一水汽探测技术获取的PWV因其系统设计的局限性存在精度差、时空分辨率低等缺陷。针对该问题,提出了一种基于多源数据的混合模型——全球温度气压湿度(global pressure and temperature 2 wet, GPT2w) +球谐函数（spherical harmonic function,SHF）+多项式拟合（polynomial fitting,PF),简称GSP模型。该模型通过GPT2w计算PWV的初始值,利用SHF拟合PWV的偏差序列,利用PF对模型偏差进行校正,并引入Bartlett检验确定GSP模型中多源数据的最优权值。选取2014年中国云南省26个全球导航卫星系统(global navigation satellite system, GNSS)测站和37个欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasting, ECMWF)气候再分析数据集(ECMWF reanalysis-interim, ERA-Interim)格网点(1°×1°)的数据为例,建立GSP模型并进行验证,发现GSP模型较传统PF模型的精度提升率为15%~18%。以ECMWF第5代气候再分析数据集(ECMWF reanalysis v5, ERA5)提供的PWV格网数据(0.25°×0.25°)为参考,GSP模型的平均均方根误差和偏差分别为1.64 mm、－0.25 mm。上述结果表明GSP模型具有较高的精度,对于极端天气预警具有重要作用。     

一种新的雾霾天气下PM2.5浓度短时预测模型

大气污染一直是影响人们生活质量的主要因素之一,针对山东省临沂市2018—2019年空气质量情况,采用小波变换DB5(Daubechies 5)的尺度系数A4对临沂市的细颗粒物(Fine Particulate Matter,PM2.5)浓度、天顶总延迟量(Zenith Total Delay,ZTD)、大气可降水量(Precipitable Water Vapar,PWV)和NO2浓度进行分解与重构,然后利用多元线性回归方法建立适合临沂地区的雾霾天气下短时预报模型,重构后的PM2.5浓度与NO2浓度相关系数、PM2.5与PWV相关系数较原始序列分别提高了20.46％,25.48％,重构后的模型决定系数R2、F检验、F检验对应的P值,剩余平方和S2较原始模型分别提高了29.86％,18.89％,0,72.72％.因此建立临沂地区雾霾天气下短时PM2.5预报模型可以有效地进行PM2.5监测,对雾霾治理提供一定的技术支持.     

山东省暴雨时空变化特征分析

以山东省为研究区域,基于20个气象站点1970—2013年月降水量和日降水量数据,运用线性回归、空间插值等方法,分析近44年来山东省暴雨降水量的时空变化特征.研究表明:(1)山东省近44年来暴雨量和暴雨日数呈现明显上升趋势;(2)山东省暴雨量、暴雨日数和暴雨强度的空间分布特征都受纬度、海陆和地形因素影响,呈现出由东部沿海向西北内陆递减的分布规律,并且在泰山地区形成暴雨发生的高频地带;(3)山东省暴雨量、暴雨日数和暴雨强度的空间变化趋势各有不同,暴雨量与暴雨强度变化趋势在空间分布上具有明显的一致性.