地基GPS反演大氣可降水量在暴雨中的演變特征

陳 聰,劉 江

(四川省地震局，四川 成都 610041)

地基GPS反演大氣可降水量在暴雨中的演變特征

陳 聰,劉 江

(四川省地震局，四川 成都 610041)

根據(jù)四川GPS觀測網(wǎng)的數(shù)據(jù)資料，利用GAMIT軟件解算和反演大氣可降水量，并與地面經(jīng)驗公式計算結(jié)果對比，發(fā)現(xiàn)由經(jīng)驗公式求解得到的大氣可降水量與GAMIT求解的大氣可降水量存在顯著差異。通過對四川省都江堰地區(qū)2013年的一次強降雨過程中，附近4個GPS站點的求解可降水量與實際降水量對比發(fā)現(xiàn)：4個GPS站點記錄數(shù)據(jù)均呈現(xiàn)出大氣可降水量在暴雨發(fā)生前有緩慢上升趨勢，隨后達(dá)到峰值；在暴雨發(fā)生時出現(xiàn)輕微下降趨勢；暴雨結(jié)束后迅速達(dá)到低谷?？梢?，GPS反演出的大氣可降水量在暴雨天氣過程中與實際降水量有一定的對應(yīng)關(guān)系，對暴雨的臨近預(yù)報具有較好的指示意義。

大氣可降水量；經(jīng)驗公式；強降雨；演變特征

大氣水汽總量(PWV, Perceptible Water Vapor)又稱大氣可降水量，定義為地面之上大氣柱中的總水汽量，是表征大氣中水汽含量以及空中水資源的重要指標(biāo)，大氣中的水汽含量對于降水的發(fā)生和維持有著很好的指示意義。當(dāng)前對水汽的探測主要利用無線電探空儀和衛(wèi)星遙感技術(shù)。其中無線電探空儀是探測大氣水汽含量的常用工具之一，無線電探空儀通過施放探空氣球獲取垂直高度上的水汽分布特征，其值通常作為大氣水汽的真值，但在實際應(yīng)用中，該方法由于成本較高，難以大量提供高精度的水汽變化數(shù)據(jù)；衛(wèi)星遙感技術(shù)則是通過衛(wèi)星上的紅外輻射計和微波輻射計探測水汽[1-2]，但受垂直分辨率限制，該方法亦無法滿足小時空尺度的降水量監(jiān)測和降水預(yù)警工作的需求。隨著GPS技術(shù)的快速發(fā)展，利用地基GPS信號延遲解算水汽已逐漸成為水汽研究的主要數(shù)據(jù)來源之一。地基GPS技術(shù)相比其它水汽常規(guī)方法而言，具有高時空分辨率、高精度、全天候、近實時等諸多優(yōu)點，為小時空尺度的水汽研究提供了有益的數(shù)據(jù)支持[3-7]。目前，大量的研究表明利用地基GPS反演水汽不僅能夠獲得測站上空的水汽發(fā)展變化情況，通過地基GPS觀測網(wǎng)還能獲得三維水汽時空分布特征。因此，研究地基GPS反演大氣水汽在暴雨過程中的演變特征對于預(yù)測降雨發(fā)生有著重要意義。

1 地基GPS反演PWV步驟

1.1 地基GPS反演PWV基本原理

GPS衛(wèi)星信號由于受到電離層和中性大氣層的折射而造成信號的延遲，根據(jù)信號的延遲即可反推計算PWV。一般電離層延遲作用可忽略不計，因此只考慮中性大氣層延遲亦稱對流層延遲(Zenith Tropospheric Delay，以下簡稱ZTD)；ZTD分為靜力學(xué)延遲(Zenith Hydrostatic Delay，以下簡稱ZHD)和濕延遲(Zenith Wet Delay，以下簡稱ZWD)，即：ZTD=ZHD+ZWD。此外，ZWD與測站上空PWV有如下關(guān)系：PWV=П*ZWD，其中，П為轉(zhuǎn)換因子，依賴于大氣加權(quán)平均溫度[8]。

1.2 地基GPS反演PWV步驟

本文采用GAMIT軟件進行數(shù)據(jù)解算。具體步驟如下：(1)收集數(shù)據(jù)，其中包括地基GPS測站觀測文件、IGS(國際地球動力學(xué)服務(wù)系統(tǒng)永久跟蹤站)測站觀測文件、氣象文件、星歷文件和潮汐文件等；(2)運行GAMIT解算軟件，利用sh_gamit命令進行基線解算，輸出ZTD等數(shù)據(jù)；(3)利用sh_metutil命令進行PWV解算。GPS反演水汽流程如圖1。

圖1 地基GPS反演水汽流程1

1.3 不同數(shù)據(jù)來源的PWV對比

考慮到地基GPS設(shè)備因不可抗因素(如掉電重啟等)可能產(chǎn)生數(shù)據(jù)缺失的情況，進一步引入地面經(jīng)驗公式求解PWV，經(jīng)驗公式如下[9]：PWV=α0+α1e，式中PWV(單位：cm)，e為水汽壓(單位：hPa)，α0、α1為與地理緯度和測站海拔高度有關(guān)的經(jīng)驗系數(shù)。經(jīng)計算，α0=0.0149,α1=0.1869。據(jù)此，選取GPS網(wǎng)絡(luò)中擁有完整地基GPS數(shù)據(jù)和氣象觀測數(shù)據(jù)的磨西站點2013年8月1～10日共計10天的數(shù)據(jù)進行解算，分別求解得到PWV1、PWV2和PWV3(時間精度為60 min，參見圖2)。PWV1和PWV2由地基GPS數(shù)據(jù)反演求得，其中PWV1相關(guān)數(shù)據(jù)由氣象儀提供，PWV2相關(guān)數(shù)據(jù)由GPT(Global Pressure and Temperature，即全球壓力與溫度)模型提供，PWV3由地面經(jīng)驗公式求得。由圖2可以看出，同由GPS數(shù)據(jù)得到的PWV1和PWV2隨時間變化其趨勢基本保持一致，峰值處對應(yīng)基本一致，二者存在著近10 mm的差值；同PWV1和PWV2相比，PWV3波動復(fù)雜，峰值處雖有部分重合，但整體變化趨勢并不吻合。通過三者對比，認(rèn)為由地面經(jīng)驗公式求解得到的PWV與GAMIT求解的PWV存在顯著差異，地面經(jīng)驗公式法難以準(zhǔn)確計算PWV，因此在GPS站數(shù)據(jù)缺測時，不將其作為數(shù)據(jù)補充使用；同時，由PWV1和PWV2對比可知，氣象數(shù)據(jù)來源對于PWV的時間變化趨勢影響不大，因此，在后續(xù)分析中直接引入GPT模型，即地基GPS反演PWV時，氣象參數(shù)由GPT模型提供。

圖2 2013年8月1日-10日 磨西站點大氣可降水量對比

2 GPS反演PWV的暴雨個例特征分析

圖3 強降雨地區(qū)有效GPS站點分布

2013年7月6日開始的強降雨是近50年來西南最強降雨。7月8-9日，都江堰市降雨量達(dá)940 mm，是自1954年以來的最大值，其中從7日晚8點到8日8點，都江堰幸福村累計降雨1 105.9 mm。圖3為強降雨地區(qū)有效GPS站點分布圖，本文對草坡、汶川西、耿達(dá)、虹口4個站點的GPS數(shù)據(jù)進行反演和對比。根據(jù)都江堰地區(qū)4個GPS站的可降水量和實際降雨資料，對2013年7月1-10日強降水天氣中的可降水量進行計算，分別得出4個GPS站點可降水量在此次暴雨中的演變過程和與實際降水的對比(參見圖4、5、6、7)。暴雨過程中，4個站點的PWV在暴雨發(fā)生前均呈現(xiàn)出緩慢上升，并達(dá)到峰值的情況，即暴雨發(fā)生前可降水量有一個緩慢積累過程；在暴雨發(fā)生時可降水量出現(xiàn)輕微下降；而暴雨結(jié)束后，可降水量便迅速回到低谷。

圖4 草坡站PWV與實際降水對比

圖5 汶川西站PWV與實際降水對比

圖6 耿達(dá)站PWV與實際降水對比

圖7 虹口站PWV與實際降水對比

圖8 2013年6月30日-7月10日都江堰地區(qū)4個GPS站大氣可降水量對比

通過對比各GPS站點PWV的時間序列變化不難看出(參見圖8)，各站點的PWV變化趨勢顯示出很強的一致性，水汽隨時間的變化趨勢基本一致，表明降雨過程是一致的；將各站水汽與都江堰本地實際降水對比發(fā)現(xiàn)，降水大都發(fā)生在水汽到達(dá)高值之后，當(dāng)水汽出現(xiàn)微弱下降趨勢時，有持續(xù)性降水發(fā)生，并且實際各站的降雨強度與PWV值呈正相關(guān)，表明PWV值預(yù)測未來降雨趨勢與強度在精度上是可以信賴的。

3 結(jié)論

對2013年7月1日至7月10日發(fā)生在都江堰地區(qū)的一次暴雨天氣過程中，GPS可降水量的演變特征以及與實際降水量的關(guān)系進行了初步研究，結(jié)果表明：都江堰地區(qū)4個站點的PWV與實際降水均有較為顯著的對應(yīng)關(guān)系；對比4個站點PWV的時間序列變化可以看出，其變化趨勢顯示出很強的一致性，與實際降水對比也有較強的相關(guān)性?？山邓砍什钭兓?，具有階段性變化特征。降水過程開始前和結(jié)束后，可降水量分別有一個顯著的遞增和遞減過程，降水強度極大值與可降水量極大值出現(xiàn)的時間不一定吻合，但強降水通常出現(xiàn)在可降水量的高值階段或之后。暴雨發(fā)生后，可降水量便迅速下降。

通過本文GPS可降水量的反演特征，可以初步分析出PWV對實際降水預(yù)報特別是強降水臨近預(yù)報有很好的指示意義，但是如何更好地把GPS可降水量結(jié)果用于暴雨預(yù)報、暴雨預(yù)警還是一個十分困難的問題。只有系統(tǒng)、深入、多實例探索對比研究，才能有效歸納出GPS可降水量結(jié)果用于各種降水天氣的預(yù)報指標(biāo)，為短時臨近天氣預(yù)報提供重要參考依據(jù)。

[1] 唐仁茂,陳英英,葉建元.探空地面及衛(wèi)星資料反演水汽含量的比較[J].氣象科學(xué),2010,30(3):373-377.

[2] 陳添宇,李照榮,陳乾,等.用GMS5衛(wèi)星反演水汽場分析中國西北地區(qū)大氣水汽分布的氣候特征[J].大氣科學(xué),2005,29(6):864-871.

[3] 李國平,等.地基GPS氣象學(xué)[M].北京:科學(xué)出版社.2010:97-129.

[4] Flores A L, Gradinarsky P,Elosegui P.Sensing atmospheric structure: Tropospheric tomographic results of the small-scale GPS campaign at the Onsala Space Observatory. Earth Planets Space,2000,52:941-945.

[5] 王小亞,朱文耀,嚴(yán)豪健,等.地面GPS探測大氣可降水量的初步結(jié)果[J].大氣科學(xué),1999,23(5):605-612.

[6] 王勇,劉嚴(yán)萍,柳林濤,等.無氣象要素的GPS對流層延遲推算可降水量的研究[J].測繪科學(xué),2007,32(3):122-124.

[7] 曹云昌,方宗義,夏青.GPS遙感的大氣可降水量與局地降水關(guān)系的初步分析[J].應(yīng)用氣象學(xué)報,2005,16(1):54-59.

[8] 李國平,等.地基GPS氣象學(xué)[M].北京:科學(xué)出版社.2010:97-129.

[9] 楊景梅,邱金桓.用地面濕度參量計算我國整層大氣可降水量及有效水汽含量方法的研究[J].大氣科學(xué),2002,26(1):9-21.

The Evolution Characteristics of PWV in a Rainstorm Process Based on GPS

CHEN Cong,LIU Jiang

(Earthquake Administration of Sichuan Province,Sichuan Chengdu 610041,China)

We use the Sichuan GPS observation network data and the GAMIT software to calculate and inverse the atmospheric perceptible water vapor(PWV), and compare the calculation result with that of the calculation of the from the ground experience formula. Our result shows that there is significant difference between PWV and GAMIT which are obtained by empirical formula. Through the data of a strong rainfall in Dujiangyan in 2013,there are differences between the precipitation quantity calculated from 4 GPS sites in its vicinity and the actual precipitation.Comparison shows that PWV increase slowly before the rainstorm, after the peak appears in a storm, a slight downward trend appears.When the storm ends, the peak value quickly reaches. It can be seen that there is a certain relationship between the precipitation evolution from the date of GPS and the actual precipitation in the rainstorm.The differences have a good indication for the impending forecast.

PWV;empirical formula;heavy rainfall;evolution characteristics

2016-11-25

陳聰(1983-)，女，四川省威遠(yuǎn)縣人，工程師.

P332.1

B

1001-8115(2017)02-0023-04

10.13716/j.cnki.1001-8115.2017.02.006