地基GPS斜路径水汽反演技术及资料应用初探

斜路径水汽总量（Slant path Water Vapor, SWV）包含了一定的水汽非各向同性空间分布信息,是区域地基全球定位系统（Global Positioning System, GPS）网进行三维水汽层析的主要数据源;测站所得到的SWV时间序列,直观地反映接收机测站周边水汽的不均匀分布和动态变化特征。采用天顶可降水汽总量(Precipitable Water Vapor, PWV）反演技术,以及湿映射函数构建、大气水平梯度模型构建、残差处理等技术,建立斜路径水汽总量解算算法。通过同步并址观测的1141个样本比较,在高仰角区间,GPS与微波辐射计对斜路径方向上水汽总量的观测平均偏差5.8 mm,均方差4.4 mm。在结合雷达、微波辐射计等观测对暴雨个例的综合分析中,SWV系列时序产品能较好地表现测站周边水汽堆积和降水发生后的水汽减少等细微特征。SWV作为一种新的观测产品,为天气分析提供了能反映测站周边水汽的分布状况的新信息,为强对流天气预警预报和机理分析提供新的研究角度。     

地基GPS在暴雨预报中的应用进展

加密的地基GPS全球定位系统网具备监测中小尺度天气水汽变化的功能.利用对流层延迟与水汽之间的关系,可以建立地基GPS水汽反演方法以获取大气可降水汽总量PWV和斜路径水汽含量SWV,并通过层析算法得到三维水汽分布.PWV的时间变率、PWV水平梯度变率和区域PWV水汽辐合辐散量定量反映了水汽输送以及区域水汽增减,PWV时间序列的初始峰值在暴雨临近预报中有重要的指示意义,地基GPS网的PWV可以作为数值天气预报模式的重要资料.不同指向的SWV可以表征测站周围水汽的非均匀性质,SWV和三维水汽层析可有效用于中小尺度天气的湿度分析和降水的定量预测.结合掩星GPS和其他探测信息,GPS/MET可以在暴雨监测预报中发挥更重要的作用.     

利用地基GPS测量大气水汽廓线的方法

GPS倾斜路径的湿延迟反映了大气中水汽的三维非均匀分布,通过准确确定空间各卫星对地面各接收机的倾斜路径湿延迟,就可以利用断层扫描技术,确定大气层中水汽的三维分布和变化,从而增加目前还相对缺乏的大气水汽探测。文章就这方面介绍了国际上利用地基GPS测量倾斜路径大气湿延迟的两类方法(单点定位方法和双差定位方法)以及应用断层扫描技术利用这些观测进行水汽廓线遥感探测的两类方法(附加约束法和卡尔曼滤波法),并对这些方法的优缺点进行了初步的比较和探讨。     

基于GPS/Pwv资料的上海地区2004年一次夏末暴雨的水汽输送分析

本文应用GPS探测的可降水水汽资料Pwv对上海地区2004年一次夏末暴雨的水汽输送特征进行了分析。结果表明:此次暴雨过程的水汽输送路径有两条,一条是西南水汽输送路径,一条是东南水汽输送路径。指出边界层的偏东急流是此次暴雨过程的主要增雨机制。分析还表明:每30 min一次的GPS/Pwv资料能直观地、及时地反映大气中水汽的时间变化和空间变化;GPS/Pwv资料随时间的演变特征与降水有较好的对应关系;GPS/Pwv的散度资料可以反映大气中水汽的辐合、辐散分布情况。     

基于观测约束的地基犌犘犁三维水汽层析技术研究

全球定位系统(GPS)卫星信号穿过大气层时发生的偏折和延迟,可以用来反演信号传播路径上的大气水汽总量。为获取区域高精度的大气水汽三维分布,借助分布密集的地基GPS观测网及其斜路径水汽观测,建立新的观测约束层析模型,提出以高斯函数为水平约束,区域逐月多年探空观测为垂直约束,即以平均量为先验值,以标准偏差为权重矩阵的新方法;并在层析算法中引入地面观测,以提高整体尤其是低层反演精度。三维水汽层析网格模型基于长江中游鄂东区域的22站地基GPS加密网搭建,实时解算系统可逐时输出三维水汽产品。三维湿折射度和水汽密度可以分别由斜路径的湿延迟总量和水汽总量观测反演获得。以2010年开展的汛期联合加密探空观测为参照,对三维层析的总体反演精度、低层反演精度、层析区域中心与边缘反演精度进行了对比和分析。结果显示:整体样本检验三维水汽密度平均偏差为-0.63 g/m~3,标准偏差为1.22 g/m~3,与探空相关系数为0.98;水汽密度与探空资料的相关比湿折射度与探空资料的相关好;对于不同层析区域,中心区域观测元数量较为丰富,使得位于中心的层析精度好于整体和边缘;加入低层观测的层析结果与探空的相关比未加低层观测时的好,低层观测的加入提高了层析与探空的相关,减小了低层层析标准差、区域中心和2 km以上层析的均差,有效提高了反演精度;低层观测的加入对整体标准差的影响,可能与加剧观测方程中长度矩阵元素间的量级差异有关。     

获取GPS斜路径方向水汽含量算法

获取高精度的GPS信号斜路径方向的水汽含量（SWV）数据,是获得测站周围水汽三维空间分布信息（水汽层析）的基础。目前计算SWV的方法有多种,但都不同程度地存在解算实时性差、解算精度不高、转换方程复杂不利于系统维护等缺点。本文计算SWV方法综合Bernese 5.0软件的双差处理流程和非差处理流程,分别获得相关站点的湿延迟梯度值和非差残差值,能近实时、高精度地反演SWV。使用该方法重新处理2007年微波辐射计和GPS对比观测试验数据,均方根误差小于4 mm。证明应用该方法,地基GPS可较精确地反演三维水汽信息。     

海南GPS网探测对流层水汽廓线的试验研究

介绍了2005年11月在海南地区进行的一次地基GPS小网观测试验。试验目的是研究利用组网的GPS倾斜路径观测进行对流层水汽层析反演, 给出站点上空水汽的垂直廓线结构信息。概述了试验中GPS原始数据处理方法以及层析反演的方法。将GPS层析得到的水汽垂直廓线与海口站探空观测的水汽廓线进行了对比, 结果表明:二者一致性较好, 均方根误差在0.5g·m-3左右, 层析结果较好地反映出试验期间水汽减少、大气变干的过程。另外, 采用3种不同的先验信息方案测试分析了GPS层析的结果, 表明GPS观测量对水汽先验信息有明显的调整作用。并对GPS水汽层析中可能存在的问题进行了讨论。试验证明高时间分辨率的GPS观测有能力层析出GPS测站上空水汽的廓线信息。     

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。     

华西秋雨天气过程中GPS遥感水汽总量演变特征

利用成都地区地基GPS观测网2007年9-11月的观测数据, 结合自动气象站资料计算出30 min间隔GPS遥感的大气水汽总量(GPS-PWV)。将成都地区秋季降雨分为阵性降雨和连续性降雨(秋绵雨), 结合其他气象要素资料, 分析了GPS-PWV变化与成都秋雨之间的关系。结果表明:高值的水汽总量是产生降水的必要条件; 不同的降水过程, GPS-PWV的变化幅度、极值水平和持续时间存在明显差异。水汽的增长、上升运动的增强和温度的减少是造成阵性降水的主要原因; 而秋绵雨过程中, 水汽的增长和地面露点温度差与降水过程有较好的对应关系。     

地基GPS水汽资料在1709“纳沙”台风暴雨过程中的应用分析

利用赣州市地基全球定位系统(GPS)观测网反演后得到的大气可降水量(GPS PW),分析了2017年7月31日"纳沙"台风暴雨过程,发现GPS PW与实际降水有相关性,对降水时间和强降水的预报预警有重要的指示意义。研究结果表明,GPS PW能有效反映出大气中的水汽变化,当GPS PW持续增长或下降1～4h后,实际降水则开始或结束,当GPS PW达到最大值时,则强降水发生;不同海拔高度的站点GPS PW阈值是不同的,海拔高度在200m以上的站点,随海拔高度增加,阈值减小;上升运动越强越有助于GPS PW增长;根据GPS PW提供的精确的水汽变化,再结合热力、动力条件,发现过程结束后GPS PW的显著减小,主要是由于降水导致的。     

GPS地基遥感大气水汽总量分析

概述了利用地基GPS接收机遥感大气水汽总量的一般方案,分析了各种因素导致的误差以及相应的消除或降低办法,总结了由湿项延迟计算水汽总量的方法。介绍了GPS/STORM试验和两种解算方案。最后提出试验研究方案和在我国进行业务应用要解决的问题。     

GPS观测资料应用于中尺度数值预报模式的初步研究

利用建立在长江三角洲地区GPS观测网中 11个站点的可降水量资料 ,对 2 0 0 2年 6月 2 3～ 2 4日影响长江三角洲地区的降水过程进行了MM5模式初始湿度场调整和Nudging同化试验。试验表明 :利用GPS测量的可降水量对模式初始湿度场进行调整能明显增强模式初始场描述水汽分布的能力 ,从而有效地控制模式积分初期对可降水量预报的误差 ,并对模式 6h累积降水量预报有较明显的改善作用。利用Nudging技术同化GPS可降水量资料对MM5预报效果改善较小 ,并且Nudging系数的增加对预报效果的影响不大。总体上 ,利用GPS可降水量资料调整模式初始湿度场对模式 6h累积降水预报效果的改善明显好于连续Nudging同化。试验还表明 :GPS资料对模式初始湿度场调整改善模式对累积降水量的预报主要是通过改善网格降水预报来实现的 ,而Nudging同化主要是通过改善次网格降水而提高模式降水预报能力的。     

区域GPS网对流层延迟直接推算可降水量研究

针对武汉地区GPS气象网资料进行GPS对流层延迟直接推算可降水量的研究。推导了对流层延迟直接推算可降水量的模型,并对模型结果进行检验。从武汉东湖站GPS对流层延迟与无线电探空可降水量的比较中可知,两者具有很好的相关性,相关系数达到0.931;由该站对流层延迟转换的可降水量与无线电探空可降水量的比较可得,均方根为4.45 mm,相关系数为0.905,对流层延迟转换的可降水量与GPS可降水量的均方根为2.23 mm,相关系数为0.988。说明在没有气象数据的地区,对流层延迟直接推算的可降水量可以作为气象短期预报的参考依据。     

地基GPS遥感观测安徽地区水汽特征

对2002年6～7月安徽地区肥西、桐城、寿县、无为、芜湖、滁州6个GPS观测站的数据，结合相应的地面温度、气压等气象数据反演了时间间隔为30min连续变化的水汽总量。这一解算结果由解算方法分析达到1～2mm量级精度，达到了数值天气预报和气候研究的要求。利用这些资料，分析了上述地区水汽变化特征。单站水汽的持续积累和源源不断的水汽输送是强降水系统发生发展的必要条件，为了研究水汽来源及水汽量的大小，结合NCEP资料计算了一次强降雨过程中水汽通量值。     

应用全球定位系统、太阳光度计和探空仪探测大气水汽总量的对比分析

介绍了应用全球定位系统(GPS)和太阳光度计估算大气水汽总量的方法。大气中的水汽会对GPS信号的传播造成显著的影响,故可以利用GPS观测估算水汽总量或可降水量(PW);在近红外940 nm波段,水汽对太阳直射辐射的吸收作用会直接影响到太阳光度计观测的信号,利用水汽吸收透过率与水汽量的关系,应用太阳光度计的辐射观测资料也可以反演出无云情况下的水汽总量。将锡林浩特观象台2008年5—7月的GPS、CE-318型太阳光度计和探空仪3种观测的水汽量进行了比较,三者对水汽量的变化趋势描述较为吻合,相关系数在0.88以上,说明GPS和太阳光度计都能捕捉到大气中的水汽变化信息;但在水汽量的具体数值上存在差异。统计分析表明:相对于探空来说,GPS-PW稍高于探空值约0.18 g/cm2,太阳光度计PW值则低于探空。太阳光度计便于携带,观测简便;GPS可全天观测无需标定,利用GPS-PW对太阳光度计反演中的模拟参数进行校正是一种可行的方法。     

地基GPS不同水汽反演方法的误差分析

利用湖北宜昌2007年观测的GPS对流层天顶延迟数据,对采用不同水汽反演方法计算的对流层可降水量PW的正确度和精密度进行对比分析。结果显示：不同天顶干延迟计算模型对GPSPW的精密度影响不大,但对其正确度有明显的影响,与探空PW相比,Hopfield模型计算的GPs册的平均偏差最小,Saastamoinen模型的平均偏差次之,而Black模型的平均偏差最大;大气加权平均温度对GPS PW的正确度有重要影响,对其进行本地化订正可以明显减小GPS PW与探空尸形的偏差,但对GPSPW的精密度影响不大;GPS PW与探空PW的相关性受大气水汽含量的影响,当大气水汽含量较低（PW≤65mm）时,两者的相关系数可达0．92,两者的平均偏差为3．8mm,偏差的均方差为6．4mm,而当大气水汽含量较大时,GPS PW与探空PW的偏差会增大,两者的相关系数会变小,这可能与GPS水汽反演方法有关;GPS PW比探空PW偏小,这可能是由两种探测方法的不同所造成的系统偏差。     

GPS可降水量与掩星折射率资料同化对暴雨模拟的影响

利用WRF-3DVAR系统同化GPS地基可降水量资料和空基掩星探测资料,对2011年6月14日我国夏季江淮流域暴雨天气过程进行数值模拟试验,对比分析可降水量和掩星折射率资料在暴雨天气数值模拟中的影响。结果表明:可降水量和掩星探测对底层水汽都有明显改善,可降水量对水汽的改善更为显著,比掩星同化平均高一个量级,改进了暴雨的强度和暴雨的影响范围;掩星折射率资料的同化通过改善强对流区域的风场和温度场,从而改进暴雨的降水落区;GPS可降水量和折射率资料的同时同化,一定程度上弥补了可降水量探测站点分布的不足和掩星折射率资料稀疏,对暴雨的强度、范围和落区预报都有很好的提高,两者可以很好地相互补充。      

中国区域大气加权平均温度的时空变化及模型

大气加权平均温度T_m是地基GPS水汽遥感的关键参数,决定了水汽反演的精度。利用2008—2011年全国123个探空站点资料,分析了T_m与其影响要素纬度、海拔、地面气温、水汽压及大气压之间的关系,结果表明:T_m与纬度和海拔随季节变化呈周期性负相关,与地面温度和水汽压的自然对数呈正相关,与大气压呈负相关;T_m的空间变化具有纬度地带性和明显的气候分布特征,其变异程度在空间分布上有显著差别,不同地理位置的T_m受季节性影响程度不一,T_m也具有明显的年际周期性变化,年内T_m的每日变化符合二次函数分布规律。按照全国、气候分区和季节分区方法,分别建立了T_m单因子和多因子回归模型,并利用2012年1—5月数据对所建模型进行验证,T_m的估算误差能满足GPS水汽遥感2%的精度,模型普遍适用于我国地基GPS水汽遥感中T_m的估算。