基于FFT與小波變換的SOI與GNSS ZTD的周期變化影響研究

王 勇 于騰麗 劉嚴(yán)萍 占 偉

1 天津城建大學(xué)地質(zhì)與測(cè)繪學(xué)院，天津市津靜路26號(hào)，300384 2 天津城建大學(xué)經(jīng)濟(jì)與管理學(xué)院，天津市津靜路26號(hào)，300384 3 中國(guó)地震局第一監(jiān)測(cè)中心，天津市耐火路7號(hào)，300180

目前國(guó)內(nèi)外關(guān)于ENSO事件對(duì)GNSS水汽影響的相關(guān)研究較少，因此本文利用河北省GNSS水汽數(shù)據(jù)，結(jié)合SOI指數(shù)開(kāi)展ENSO事件對(duì)河北省GNSS水汽周期變化影響的研究，并利用小波變換和快速傅里葉變換分析ENSO事件期間河北省GNSS水汽周期變化特征，為掌握區(qū)域GNSS ZTD的變化規(guī)律提供參考。

1 研究數(shù)據(jù)與方法

1.1 研究數(shù)據(jù)

1.1.1 GNSS ZTD數(shù)據(jù)

GNSS水汽數(shù)據(jù)由GNSS對(duì)流層延遲數(shù)據(jù)(ZTD)反演而來(lái)，為避免因同期的氣壓和溫度數(shù)據(jù)缺失而導(dǎo)致的GNSS水汽數(shù)據(jù)不完整，本文直接利用GNSS ZTD取代水汽進(jìn)行相關(guān)研究[8]。GNSS ZTD數(shù)據(jù)來(lái)源于中國(guó)大陸構(gòu)造環(huán)境監(jiān)測(cè)網(wǎng)絡(luò)(CMONOC)，數(shù)據(jù)包括站點(diǎn)名稱(chēng)、站點(diǎn)坐標(biāo)、數(shù)據(jù)采集時(shí)間、ZTD數(shù)據(jù)(單位mm)等信息，數(shù)據(jù)采集密度為1次/h。CMONOC包含8個(gè)河北省站點(diǎn)，站點(diǎn)分布情況如圖1所示，數(shù)據(jù)時(shí)間選取2010-01-01～2019-12-31。

圖1 河北省CMONOC站點(diǎn)分布Fig.1 Distribution of CMONOC site in Hebei province

1.1.2 ENSO事件與南方濤動(dòng)指數(shù)(SOI)

ENSO事件起止時(shí)間來(lái)源于中國(guó)氣象局國(guó)家氣候中心的ENSO歷史事件統(tǒng)計(jì)表(https://cmdp.ncc-cma.net/download/ENSO/Monitor/ENSO_history_events.pdf)，該表包含ENSO冷事件(拉尼娜事件)與暖事件(厄爾尼諾事件)的起止時(shí)間、峰值時(shí)間、事件類(lèi)型和強(qiáng)度等級(jí)等信息。根據(jù)所選GNSS ZTD的對(duì)應(yīng)時(shí)間，共篩選出5次相關(guān)的ENSO事件，分別為2010-06～2011-05發(fā)生的冷事件、2011-08～2012-03發(fā)生的冷事件、2014-10～2016-04發(fā)生的暖事件、2017-10～2018-03發(fā)生的冷事件和2018-09～2019-06發(fā)生的暖事件。

SOI可反映ENSO事件的活躍程度，持續(xù)負(fù)值表示存在厄爾尼諾現(xiàn)象，持續(xù)正值表示存在拉尼娜現(xiàn)象[9]。SOI數(shù)據(jù)從1951-01開(kāi)始記錄至今，每月1個(gè)觀測(cè)值(https://www.ncdc.noaa.gov/teleconnections/enso/indicators/soi/)。本文選取2010-01-01～2019-12-31的數(shù)據(jù)分析SOI與GNSS ZTD的相關(guān)性，數(shù)據(jù)情況如圖2所示。通過(guò)對(duì)比發(fā)現(xiàn)，SOI數(shù)值的變化情況與ENSO歷史事件統(tǒng)計(jì)表的信息具有較好的對(duì)應(yīng)關(guān)系。

圖2 南方濤動(dòng)指數(shù)Fig.2 Southern oscillation index

1.2 研究方法

1.2.1 小波變換

小波變換是一種信號(hào)的時(shí)間-頻率分析方法，通過(guò)伸縮平移運(yùn)算對(duì)信號(hào)(函數(shù))逐步進(jìn)行多尺度細(xì)化，最終達(dá)到高頻處時(shí)間細(xì)分、低頻處頻率細(xì)分，從而可聚焦信號(hào)的任意細(xì)節(jié)。小波函數(shù)dbN系列小波隨著階次增加，消失矩階數(shù)增加，頻帶劃分效果更好。因此本文選擇緊支撐標(biāo)準(zhǔn)正交小波dbN系列[10]，小波分層會(huì)出現(xiàn)低頻項(xiàng)和高頻項(xiàng)，其中低頻部分主要包含一些確定性因素，反映數(shù)據(jù)的宏觀演變趨勢(shì)和周期；高頻部分主要包括噪聲干擾、異常突變和隨機(jī)波動(dòng)等[11-12]。通過(guò)時(shí)間序列長(zhǎng)度可判斷應(yīng)分層數(shù)，分層合格的標(biāo)準(zhǔn)為低頻信號(hào)曲線呈單一趨勢(shì)，將信號(hào)進(jìn)行小波分層后，可獲得每層對(duì)應(yīng)周期的變化情況。本文利用小波變換將GNSS ZTD數(shù)據(jù)分為18層，其中D1～D18層為高頻項(xiàng)，A18層為低頻項(xiàng)，每層對(duì)應(yīng)周期見(jiàn)表1。

表1 小波分層對(duì)應(yīng)周期

1.2.2 快速傅里葉變換(FFT)

由于小波變換只能在時(shí)域上分析兩者的周期，其結(jié)果無(wú)法提供詳細(xì)的周期變化情況，而快速傅里葉變換(FFT)可將信號(hào)在時(shí)域上無(wú)法體現(xiàn)的周期特征從頻域上體現(xiàn)出來(lái)，因此時(shí)間序列的周期信號(hào)分析可采用快速傅里葉變換?？焖俑道锶~變換是一種常用的信號(hào)分析方法，為離散傅里葉變換的一種快速算法[13]，在光譜、地球物理、數(shù)字信號(hào)處理等方面具有廣泛應(yīng)用。本文利用FFT對(duì)GNSS ZTD進(jìn)行分析，得到GNSS ZTD的變化周期。

2 SOI與GNSS ZTD相關(guān)性分析

將2010-01-01～2019-12-31河北省8個(gè)GNSS站點(diǎn)的ZTD與同期SOI進(jìn)行比較，由于篇幅限制，綜合考慮站點(diǎn)分布情況及數(shù)據(jù)完整性，以承德站和滄縣站2個(gè)站點(diǎn)為例進(jìn)行SOI與GNSS ZTD數(shù)據(jù)時(shí)間序列比較(圖3)。

由圖3可知，GNSS ZTD均存在明顯的年周期變化，且夏季含量最高，冬季最低，具有明顯的季節(jié)性特征。通過(guò)對(duì)比SOI數(shù)據(jù)發(fā)現(xiàn)，SOI與ZTD的變化周期存在一定差異，為合理探究SOI與GNSS ZTD的相關(guān)性，采用FFT方法篩選出SOI與GNSS ZTD的共同變化周期，再利用小波變換方法對(duì)GNSS ZTD進(jìn)行分層處理，提取GNSS ZTD與SOI共同周期所在的高頻項(xiàng)，將重構(gòu)后的高頻項(xiàng)與SOI進(jìn)行相關(guān)性分析。利用FFT分別提取SOI與GNSS ZTD在(0,1)頻率區(qū)間內(nèi)的4個(gè)顯著變化周期(表2)。

圖3 SOI與GNSS ZTD數(shù)據(jù)時(shí)間序列比較Fig.3 Comparison of time series between SOI and GNSS ZTD data

表2 SOI與GNSS ZTD周期對(duì)比

由表2可知，兩者并無(wú)完全一致的共同周期，因此選擇較為接近的周期進(jìn)行分析。SOI最為顯著的2個(gè)周期為7.5 a和3.5 a，這2個(gè)變化周期對(duì)應(yīng)小波變換中D16和D15層的周期范圍，GNSS ZTD在這2層中也存在較顯著的變化周期(2～4 a周期及4～8 a周期)。因此將GNSS ZTD小波分層后的D15與D16層的重構(gòu)高頻項(xiàng)與SOI進(jìn)行相關(guān)性分析，結(jié)果如圖4和表3所示。

圖4 SOI與GNSS ZTD相關(guān)性分析Fig.4 Correlation analysis between SOI and GNSS ZTD

表3 SOI與GNSS ZTD的D15和D16層重構(gòu)高頻項(xiàng)相關(guān)性分析

由圖4和表3可知，GNSS ZTD與SOI存在一定負(fù)相關(guān)性，即拉尼娜事件期間GNSS ZTD數(shù)值變小，厄爾尼諾事件期間GNSS ZTD數(shù)值變大。推測(cè)其原因?yàn)槎驙柲嶂Z事件會(huì)干擾大氣環(huán)流，尤其是在冬季，會(huì)使東亞冬季風(fēng)勢(shì)和冷空氣勢(shì)力減弱，導(dǎo)致中國(guó)北方出現(xiàn)暖冬現(xiàn)象，不利于空氣中水汽的擴(kuò)散，且偏南暖濕氣團(tuán)會(huì)向華北地區(qū)輸送水汽；拉尼娜事件會(huì)導(dǎo)致東亞冬季風(fēng)加強(qiáng)，來(lái)自西伯利亞的冷空氣勢(shì)力增加，使中國(guó)北方冷空氣活躍，產(chǎn)生冷冬現(xiàn)象，無(wú)暖濕氣團(tuán)提供的水汽[14-15]。

3 基于FFT的GNSS ZTD周期變化分析

本文利用加漢寧窗的FFT對(duì)正常氣候和ENSO事件下的GNSS ZTD數(shù)據(jù)進(jìn)行處理，探究GNSS ZTD在正常氣候和ENSO事件下的周期差異及特征。

3.1 厄爾尼諾事件對(duì)GNSS ZTD的周期變化影響分析

2018-09～2019-06為厄爾尼諾事件，為研究厄爾尼諾事件對(duì)GNSS ZTD周期變化的影響，選用該時(shí)段與2012-09～2013-06和2016-09～2017-06這2個(gè)正常氣候時(shí)段的GNSS ZTD序列進(jìn)行對(duì)比分析，利用FFT方法提取3個(gè)時(shí)段GNSS ZTD的變化周期，選取頻率區(qū)間為(0.002 5，1)，即周期大于1 d、小于1 a的結(jié)果進(jìn)行比較，獲得GNSS ZTD在有/無(wú)厄爾尼諾事件情況下的周期變化情況，結(jié)果如圖5所示。

由圖5可知，2個(gè)正常氣候時(shí)段GNSS ZTD的頻率差異較小，而在厄爾尼諾事件影響下，GNSS ZTD的頻率(周期)與正常氣候下GNSS ZTD的頻率差異較大。但由于頻率區(qū)間較大，存在多個(gè)周期，難以進(jìn)行更為細(xì)致的分析。眾所周知，水汽(GNSS ZTD)存在1 d的周期變化和1 a的周期變化，以1 d作為其最短周期，以1 a作為其最長(zhǎng)周期，結(jié)合圖5選取(0.95，1)(最短顯著周期)、(0.002 5，0.04)(最長(zhǎng)顯著周期)這2個(gè)頻率區(qū)間，對(duì)有/無(wú)厄爾尼諾事件情況下GNSS ZTD的周期變化進(jìn)行分析，圖6為承德站分析結(jié)果。同時(shí)提取研究區(qū)8個(gè)站點(diǎn)在這3個(gè)研究時(shí)段內(nèi)GNSS ZTD的最短和最長(zhǎng)變化周期(頻率折算成周期)，比較三者的差異，結(jié)果見(jiàn)表4。

圖5 基于FFT的GNSS ZTD周期提取Fig.5 GNSS ZTD cycle extraction based on FFT

圖6 厄爾尼諾事件對(duì)承德站GNSS ZTD周期變化影響分析Fig.6 Analysis of the influence of El Nio event on GNSS ZTD cycle of Chengde station

由圖6可以看出，2個(gè)正常氣候時(shí)段GNSS ZTD的頻率差異較小，兩者與厄爾尼諾事件下GNSS ZTD的頻率差距較大。結(jié)合表4可知，3個(gè)研究時(shí)段內(nèi)GNSS ZTD的最短顯著周期差異較小，且厄爾尼諾事件發(fā)生時(shí)段與2個(gè)正常時(shí)段相比，GNSS ZTD的最短顯著周期無(wú)明顯變化規(guī)律；而2個(gè)正常時(shí)段GNSS ZTD的最長(zhǎng)顯著周期極為接近，且與厄爾尼諾事件下GNSS ZTD的最長(zhǎng)顯著周期存在明顯差異。通過(guò)對(duì)比分析發(fā)現(xiàn)，厄爾尼諾事件下GNSS ZTD的最長(zhǎng)顯著周期與2個(gè)正常時(shí)段相比均有所變短，由此可以初步推測(cè)，厄爾尼諾事件對(duì)GNSS ZTD的最長(zhǎng)顯著周期存在一定影響。

表4 正常氣候和厄爾尼諾事件下GNSS ZTD周期變化對(duì)比

Tab.4 Comparison of GNSS ZTD periodic variation under normal climate and El Nio event

表4 正常氣候和厄爾尼諾事件下GNSS ZTD周期變化對(duì)比

站點(diǎn)GNSS ZTD最短顯著周期/dGNSS ZTD最長(zhǎng)顯著周期/d正常氣候1正常氣候2厄爾尼諾變化情況正常氣候1正常氣候2厄爾尼諾變化情況赤城站1.008 7891.000 5641.006 301-109.775 5113.482 257.412 17↓承德站1.000 3811.000 4041.005 145↑112.315 3112.315 359.605 27↓滄縣站1.002 1941.004 9831.005 770↑115.278 879.7274 955.586 08↓鹿泉站1.000 2441.005 0301.004 798-151.703 7154.931 479.727 49↓隆堯站1.000 0611.005 0061.004 729-116.198 581.0587 556.741 12↓唐山站1.010 1651.010 1651.005 400↓113.777 7107.084 955.234 72↓陽(yáng)原站1.001 7571.007 8581.000 038↓151.178 7154.383 979.293 40↓張家口站1.000 8171.000 1751.000 290-151.703 7152.232 278.298 68↓

為避免結(jié)果的偶然性，在研究時(shí)段內(nèi)選取另一厄爾尼諾事件發(fā)生時(shí)段(2014-10～2016-04)與正常氣候時(shí)段(2012-10～2014-04)進(jìn)行對(duì)比分析，承德站分析結(jié)果如圖7所示。同時(shí)提取研究區(qū)8個(gè)站點(diǎn)在有/無(wú)厄爾尼諾事件情況下的最短和最長(zhǎng)變化周期(頻率折算成周期)，比較兩者的差異，結(jié)果見(jiàn)表5。

圖7 厄爾尼諾事件對(duì)承德站GNSS ZTD周期變化影響分析Fig.7 Analysis of the influence of El Nio event on GNSS ZTD cycle of Chengde station

表5 正常氣候和厄爾尼諾事件下GNSS ZTD周期變化對(duì)比

Tab.5 Comparison of GNSS ZTD periodic variation under normal climate and El Nio event

表5 正常氣候和厄爾尼諾事件下GNSS ZTD周期變化對(duì)比

站點(diǎn)GNSS ZTD最短顯著周期/dGNSS ZTD最長(zhǎng)顯著周期/d正常氣候厄爾尼諾變化情況正常氣候厄爾尼諾變化情況赤城站1.000 450 3371.003 437 373↑60.429 691 1075.458 837 08↑承德站1.010 188 8251.003 552 615↓64.062 561 0974.303 854 88↑滄縣站1.000 541 9811.009 162 163↑55.445 008 4672.335 540 84↑鹿泉站1.000 074 8241.000 473 246↓73.801 801 8074.684 900 28↑隆堯站1.000 633 6411.000 221 301↓72.215 977 9672.939 343 35↑唐山站1.000 702 3971.006 256 861↑66.298 431 9773.183 696 26↑陽(yáng)原站1.001 046 3211.003 045 747↑73.553 310 8975.328 735 63↑張家口站1.000 519 0681.015 991 132↑72.696 616 7575.328 735 63↑

由圖7及表5可知，8個(gè)站點(diǎn)在有/無(wú)厄爾尼諾事件情況下GNSS ZTD的最短顯著周期均為1 d左右，兩者差異較小，且無(wú)規(guī)律性，因此可認(rèn)為厄爾尼諾事件對(duì)GNSS ZTD的最短周期無(wú)影響，該結(jié)論與表3得出的結(jié)論一致。通過(guò)對(duì)比有/無(wú)厄爾尼諾事件情況下GNSS ZTD的最長(zhǎng)顯著周期發(fā)現(xiàn)，GNSS ZTD(水汽)在厄爾尼諾事件下的最長(zhǎng)顯著周期比正常氣候下長(zhǎng)，而該結(jié)論與表3得到的結(jié)論相反。通過(guò)查閱ENSO歷史事件統(tǒng)計(jì)表可知，2018-09～2019-07發(fā)生的厄爾尼諾事件為中部型，而2014-10～2016-04發(fā)生的厄爾尼諾事件為東部型。東部型厄爾尼諾與中部型厄爾尼諾海表溫度異常的空間分布形態(tài)不同，對(duì)氣象因素的影響也存在差異[16]，因此可初步得出結(jié)論：厄爾尼諾對(duì)GNSS ZTD的周期變化具有顯著影響，且在東部型厄爾尼諾事件下GNSS ZTD的最長(zhǎng)顯著周期比正常氣候下長(zhǎng)；在中部型厄爾尼諾事件下GNSS ZTD的最長(zhǎng)顯著周期比正常氣候下短。

3.2 拉尼娜事件對(duì)GNSS ZTD的周期變化影響分析

2010-06～2011-05發(fā)生拉尼娜事件，為研究拉尼娜事件對(duì)GNSS ZTD周期變化的影響，采用與上文相同的方法對(duì)該時(shí)段與2012-06～2013-05和2016-06～2017-05兩個(gè)正常氣候時(shí)段的GNSS ZTD序列進(jìn)行對(duì)比分析，承德站分析結(jié)果如圖8所示。同時(shí)提取研究區(qū)8個(gè)站點(diǎn)在這3個(gè)研究時(shí)段內(nèi)GNSS ZTD的最短和最長(zhǎng)變化周期(頻率折算成周期)，比較三者的差異，結(jié)果見(jiàn)表6。

圖8 拉尼娜事件對(duì)承德站GNSS ZTD周期變化影響分析Fig.8 Analysis of the influence of La Nia event on GNSS ZTD cycle of Chengde station

表6 正常氣候和拉尼娜事件下GNSS ZTD周期變化對(duì)比

Tab.6 Comparison of GNSS ZTD periodic variation under normal climate and La Nia event

表6 正常氣候和拉尼娜事件下GNSS ZTD周期變化對(duì)比

站點(diǎn)GNSS ZTD最短顯著周期/dGNSS ZTD最長(zhǎng)顯著周期/d正常氣候1正常氣候2拉尼娜變化情況正常氣候1正常氣候2拉尼娜變化情況赤城站1.000 881.001 481.001 34-81.058 778.298 683.062 1↑承德站1.001 091.001 041.000 81↓78.158 678.864 087.206 9↑滄縣站1.004 631.003 341.009 04↑82.435 279.437 584.182 4↑鹿泉站1.005 561.000 331.011 31↑80.908 676.382 277.328 6-隆堯站1.006 461.012 711.014 50↑79.582 286.345 181.664 7-唐山站1.001 001.000 261.000 72↑74.177 782.125 3116.50 8↑陽(yáng)原站1.001 341.000 741.000 08↓79.873 281.360 645.322 2↓張家口站1.000 081.001 431.000 35-75.720 383.062 165.799 1↓

由圖8可以看出，3個(gè)時(shí)段內(nèi)GNSS ZTD的頻率差異較小。結(jié)合表6可知，3個(gè)研究時(shí)段GNSS ZTD的最短顯著周期與最長(zhǎng)顯著周期的差異均較小，且發(fā)生拉尼娜事件時(shí)段與2個(gè)正常時(shí)段相比，GNSS ZTD的最短顯著周期與最長(zhǎng)顯著周期均無(wú)統(tǒng)一變化規(guī)律。由此可以初步推測(cè)，拉尼娜事件對(duì)GNSS ZTD的周期變化無(wú)顯著影響。

同樣，為避免結(jié)果的偶然性，在研究時(shí)段內(nèi)選取另2個(gè)拉尼娜事件發(fā)生時(shí)段(2011-08～2012-03和2017-10～2018-03)和正常時(shí)段(2012-08～2013-03和2016-10～2017-03)進(jìn)行2組對(duì)比分析，承德站分析結(jié)果如圖9所示。同時(shí)提取研究區(qū)8個(gè)站點(diǎn)在有/無(wú)拉尼娜事件情況下的最短與最長(zhǎng)變化周期(頻率折算成周期)，比較兩者的差異，結(jié)果見(jiàn)表7。

圖9 拉尼娜事件對(duì)承德站GNSS ZTD周期變化影響分析Fig.9 Analysis of the influence of La Nia event on GNSS ZTD cycle of Chengde station

表7 正常氣候和拉尼娜事件下GNSS ZTD周期變化對(duì)比

Tab.7 Comparison of GNSS ZTD periodic variation under normal climate and La Nia event

表7 正常氣候和拉尼娜事件下GNSS ZTD周期變化對(duì)比

站點(diǎn)第1組對(duì)比第2組對(duì)比GNSS ZTD最短顯著周期/dGNSS ZTD最長(zhǎng)顯著周期/dGNSS ZTD最短顯著周期/dGNSS ZTD最長(zhǎng)顯著周期/d正常氣候拉尼娜變化情況正常氣候拉尼娜變化情況正常氣候拉尼娜變化情況正常氣候拉尼娜變化情況赤城站1.000 51.001 2↑45.134 964.345 6↑1.001 31.000 3↓29.421 347.131 2↑承德站1.000 91.001 8↑46.331 562.773 9↑1.001 41.000 8↓30.214 848.545 1↑滄縣站1.006 61.009 1↑51.400 769.240 3↑1.001 11.000 5↓30.854 947.131 2↑鹿泉站1.006 41.000 5↓33.199 577.055 8↑1.025 11.009 5↓26.415 141.689 5↑隆堯站1.000 11.001 2↑49.989 367.948 1↑1.001 01.000 7↓29.802 647.029 7↑唐山站1.000 41.000 8↑49.875 167.423 8↑1.001 01.018 9↑30.446 447.959 0↑陽(yáng)原站1.007 11.000 2↓35.348 479.582 2↑1.009 81.022 9↑44.903 041.969 9↓張家口站1.004 31.000 8↓34.952 580.610 0↑1.010 81.025 6↑26.272 141.452 2↑

由圖9及表7可知，河北省8個(gè)站點(diǎn)在有/無(wú)拉尼娜事件情況下GNSS ZTD的最短顯著周期均為1 d左右，兩者之間的差異極小，且無(wú)規(guī)律性，該結(jié)論與表6得出的結(jié)論一致。通過(guò)對(duì)比有/無(wú)拉尼娜事件情況下GNSS ZTD的最長(zhǎng)顯著周期發(fā)現(xiàn)，第1組對(duì)比結(jié)果中GNSS ZTD(水汽)在拉尼娜事件下的最長(zhǎng)顯著周期比在正常氣候下長(zhǎng)，但差異較??；第2組對(duì)比結(jié)果中除陽(yáng)原站外，其他站點(diǎn)GNSS ZTD(水汽)在拉尼娜事件下的最長(zhǎng)顯著周期比正常氣候下長(zhǎng)，且差異較小。結(jié)合表6認(rèn)為，拉尼娜事件對(duì)GNSS ZTD的最長(zhǎng)顯著周期影響較弱，且在當(dāng)前研究區(qū)內(nèi)未發(fā)現(xiàn)明顯的統(tǒng)一變化規(guī)律。

4 結(jié) 語(yǔ)

本文利用快速傅里葉變換方法篩選出南方濤動(dòng)指數(shù)(SOI)與GNSS ZTD(水汽)的共同周期，通過(guò)小波變換提取GNSS ZTD與SOI共同周期所在的高頻項(xiàng)，然后將重構(gòu)的高頻項(xiàng)與SOI進(jìn)行相關(guān)性分析，結(jié)果表明SOI與GNSS ZTD存在負(fù)相關(guān)性。為進(jìn)一步探究ENSO事件對(duì)GNSS ZTD(水汽)周期變化的影響，利用快速傅里葉變換分別對(duì)正常氣候和ENSO事件下的GNSS ZTD(水汽)進(jìn)行分析，得到以下結(jié)論：

1)厄爾尼諾事件對(duì)GNSS ZTD(水汽)的最短顯著周期無(wú)顯著影響，對(duì)GNSS ZTD(水汽)最長(zhǎng)顯著周期存在顯著影響，且經(jīng)初步分析認(rèn)為，在東部型厄爾尼諾事件下GNSS ZTD的最大顯著周期比正常氣候下長(zhǎng)，在中部型厄爾尼諾事件下GNSS ZTD的最長(zhǎng)顯著周期比正常氣候下短。

2)拉尼娜事件對(duì)GNSS ZTD(水汽)的最短顯著周期無(wú)顯著影響，對(duì) GNSS ZTD(水汽)的最長(zhǎng)顯著周期存在一定影響，但與厄爾尼諾事件對(duì)GNSS ZTD最長(zhǎng)顯著周期的影響相比較為微弱，且在當(dāng)前研究區(qū)內(nèi)未發(fā)現(xiàn)統(tǒng)一的變化規(guī)律。

由于河北省CMONOC站點(diǎn)和GNSS ZTD時(shí)間序列長(zhǎng)度有限，針對(duì)ENSO事件對(duì)GNSS ZTD的周期變化影響的分析研究存在一定局限性，未來(lái)將針對(duì)更多區(qū)域和更長(zhǎng)時(shí)間的數(shù)據(jù)進(jìn)行研究。